Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULTAD DE INGENIERA
DEPARTAMENTO ACADMICO DE INGENIERA DE LOS RECURSOS HDRICOS
HIDROLOGA
jfranhvid@yahoo.es
Cajamarca, Setiembre de 2016
b) Dar a conocer los mtodos ms conocidos para obtener la escorrenta superficial de una cuenca,
mediante los conceptos de precipitacin, infiltracin e intensidad, y mediante mtodos
empricos y de abstraccin.
c) Dar a conocer los procedimientos para realizar un balance hdrico en funcin de la precipitacin,
la evapotranspiracin y la escorrenta en una cuenca.
d) Dar a conocer los mtodos ms utilizados para determinar una avenida mxima de diseo.
f) Dar a conocer los mtodos ms conocidos para determinar el gasto slido en un ro.
1.1 INTRODUCCION
La hidrologa toma en cuenta todos los parmetros que influyen en el ciclo hidrolgico.
Generalmente, se estudia este ciclo en un volumen de control denominado sistema hidrolgico, el
cual de manera simplificada se denomina cuenca hidrogrfica.
El balance hdrico de dicho sistema se puede resumir, para un intervalo de tiempo dado, siguiendo el
principio de conservacin de la masa como:
O tambin:
I O = S/t (1)
1
(Precipitacin + Importaciones de agua + Escorrenta superficial desde otras cuencas+ Aguas
subterrneas desde otras cuencas) (Evaporacin +Transpiracin+Escorrenta superficial hacia otras
cuencas + Exportaciones de agua + Aguas subterrneas hacia otras cuencas+Infiltracin) =
Almacenamiento de aguas subterrneas+Almacenamiento por cambio de humedad del suelo +
Almacenamiento superficial en embalses, en canales y en la propia escorrenta superficial.
En Amrica Latina la precipitacin es medida en milmetros y dcimas, mientras que en los Estados
Unidos se mide en pulgadas hasta las centsimas.
Resulta fundamental examinar con detalle el tipo de lluvias dominantes que se desean
evaluar. Si se trata de lluvias frontales extendidas y con poca variacin espacial, resulta
adecuada una red espaciada. Por el contrario, lluvias intensas de altas concentraciones,
asociada con celdas convectivas necesitan mucho mayor nmero de estaciones en la red. En
el caso de tener ambos tipos de lluvia, resulta conveniente una combinacin de pluvigrafos
de base densificados con pluvimetros para disminuir costos.
Los errores que se pueden atribuir a diferentes causas, en este tipo de redes, son:
Instrumental de 1% a 5 % .
Exposicin incorrecta del pluvigrafo 5-15 % en mediciones de plazos largos y hasta el 75
% en medicin de tormentas individuales. Los protectores de viento (Wind shields)
pueden reducir un 20 % los errores de medicin de tormentas.
Densidad de estaciones en reas planas de 1 cada 650 km 2 dan errores de hasta 60% para
valores diarios, bajando a 15% para mensuales y 5% menos para promedios anuales.
Promedio areal de valores diarios tiene errores del 60% para 1 estacin cada 700 km 2,
10% con 1 estacin cada 20 km2 y 4% o menos para densidades mayores.
2
En la estimacin de promedios sobre reas, usando los mismos valores puntuales, dan
diferencias de hasta 18% para diferentes mtodos.
Para evaluar la cantidad promedio de lluvia sobre un rea determinada es necesario basarse en los
valores puntuales registrados en cada medidor que conforma la red meteorolgica. Pero como la
contribucin de cada instrumento al total de la tormenta es desconocida, han surgido mtodos que
intentan darnos una aproximacin de la distribucin de la precipitacin dentro del rea en
consideracin, entre estos mtodos tenemos: Mtodo de la media aritmtica, mtodo de Thiessen,
mtodo de las isoyetas.
El Mtodo de la media aritmtica consiste en hallar la media aritmtica de las cantidades de lluvia
conocidas para todas las estaciones dentro del rea. Este mtodo proporciona buenos resultados, si la
distribucin de tales puntos sobre el rea es uniforme y la variacin en las cantidades individuales de
los medidores no es muy grande.
Las isoyetas son curvas de igual altura de precipitacin que se calculan a partir de la interpolacin
entre pluvimetros adyacentes. Se miden las reas entre isoyetas sucesivas y se les asigna la
precipitacin promedio entre dichas isoyetas. La lluvia promedio para toda el rea es entonces el
promedio ponderado.
El mtodo ms sencillo es el de hacer un simple promedio aritmtico entre las estaciones vecinas a la
estacin donde se desea obtener el dato faltante, pero solamente es recomendado cuando la
precipitacin total anual de las estaciones en cuestin no vara en ms de un 10% .
Si por el contrario, esta variacin es mayor que un 10%, la mejor opcin es darle a cada estacin de
las n estaciones disponibles un peso diferente.
Px 1 / n N x / N 1 P1 ( N x / N 2 ) P2 ... ( N x / N n ) Pn (2.1)
Donde:
n = Nmero de estaciones pluviomtricas con datos de registros continuos cercanas a la estacin
x, la cual va a ser completada en su registro.
Px = Precipitacin de la estacin x durante el perodo de tiempo por completar.
P1 a Pn = Precipitacin de las estaciones 1 a n durante el perodo por completar.
Nx = Precipitacin media anual a nivel multianual de la estacin x.
N1 a Nn = Precipitacin media anual a nivel multianual de las estaciones de 1 a n.
Otro mtodo es la aplicacin de coeficientes de correlacin entre los datos de perodos comunes
entre la estacin a completar y sus vecinas, segn la siguiente expresin:
3
(2.2)
Donde:
Por ejemplo:
Donde:
rXA, rXB, rXC :coeficientes de correlacin de la precipitacin de la estacin X con las de las
estaciones A,B y C
4
Los medios ambientales hidrolgicos son afectados grandemente por factores antrpicos tales como
obras de regado, drenaje, urbanizaciones, etc, o por cambios inesperados naturales y lentos procesos
tales como incendios, derrumbes, llenado de lagos por sedimentos y similares, los que producen
inconsistencia en la toma de la informacin.
El anlisis de la informacin hidrometeorolgica se realiza en las componentes deterministicas
transitorias de la serie, que son los saltos y las tendencias.En cada uno de los cuales se analiza la
consecuencia en los dos primeros parmetros estadsticos: media y desviacin estndar.
Uno de los dos elementos ms importantes a tener en cuenta en el anlisis de consistencia en relacin
a los datos existentes en el pas es la longitud del registro (N) y el nivel de informalidad que por
limitaciones de recursos econmicos tiene el proceso de recoleccin y manipuleo de la informacin
fuente. De all que es preferible partir de la duda y no de la aceptacin directa o fcil.
1. 5.1 SALTOS.
1.5.1.1 Definicin :
Los altos o jump llamados tambin resbalamientos, son formas determinsticas transitorias que
permiten a una serie estadstica peridica pasar desde un estado a otro, como respuesta a cambios
hechos por el hombre, debido al continuo desarrollo y explotacin en la cuenca o cambios
violentos en la naturaleza.
Los saltos se presentan en la media, desviacin standart y otros parmetros, pero generalmente el
anlisis ms importante es en los dos primeros.
As por ejemplo, si un cambio repentino presenta una prdida o una ganancia en el promedio de
flujos de agua, el salto ocurre en la media, si un nuevo reservorio no incrementa la prdida de
evaporacin en comparacin con el estado anterior del reservorio, pero regula los flujos
nicamente, la transicin es una transicin aguas abajo en la variacin o desviacin standart
bsicamente : por un incremento o decremento en la prdida por evaporacin el salto se produce
en la media y en la desviacin standart, constituyendo en la nueva capacidad de almacenamiento
para la regulacin del flujo de un ro usualmente representa una transicin en todos los
parmetros bsicos de una serie en una estacin de medida de estas capacidades.
5
La informacin de campo se refiere a las condiciones de operacin y mantenimiento de las
estaciones hidrometeorolgicas : cambio de operarios, traslado de las estaciones, regulacin de
los ros, estado de explotacin de una cuenca, vegetacin cercana, construcciones ltimas, etc.
Informacin sin la cual no seria posible el anlisis respectivo.
Para indicar en este primer anlisis los periodos con informacin dudosa y cuales son
aparentemente buenos, se procede de la siguiente manera:
a. Cuando se tiene estaciones vecinas, se compara los grficos y se ve cual periodo varia
notoriamente, uno respecto al otro.
b. Cuando se tiene una sola estacin sta se divide en varios periodos y se compara con la
informacin de campo obtenida. As por ejemplo, si se tiene que una estacin despus de un
cierto tiempo es trasladada a otro lugar, es muy probable que la informacin obtenida,
presente un salto entre los datos registrados al inicio y los registrados una vez que se a
trasladado la estacin.
c. Cuando se tiene datos de precipitacin y escorrenta, se comparan los diagramas, los cuales
deben ser similares en su comportamiento.
Este anlisis sirve pues, para tener una primera aproximacin de la bondad de la informacin y
separar los periodos dudosos para su posterior anlisis de doble masa y estadstico.
Paj M a / M 0 P0 (3)
Donde:
Paj = Observaciones de precipitacin ajustadas a las condiciones actuales de localizacin, exposicin
o mtodo de observacin del puesto pluviomtrico.
Po = Datos observados que deben ser corregidos.
Ma = Pendiente de la recta durante el perodo correcto de toma datos.
Mo = Pendiente de la recta en el perodo en que se hicieron las observaciones Po.
Los errores posibles se pueden detectar por el quiebre o quiebres que presentan los diagramas,
considerndose una estacin con menos errores consistentes, en la medida que presente un menor
nmero de puntos de quiebre. Conviene hacer notar que en el pas el grfico de doble masa no
siempre resulta una lnea bien definida porque nuestros registros adems de ser cortos, incompletos e
6
inconsistente en muchos casos, se diferencian entre si por efecto de la topogrfica en la medida que
sta origina zonas muy diversas de precipitacin a pesar de la cercana entre ellas.
Una de las formas de analizar las grficas doble masa consiste en seleccionar la estacin con
informacin ms confiable de todas las estaciones de una cuenca, la que sirve de comparacin para
los dems estaciones, para lo cual se procede de la siguiente manera:
Los diagramas de doble masa junto con el anlisis de los grficos originales sirven para determinar el
rango de los periodos dudosos y confiables para cada estacin en estudio.
Se deben tener en cuenta que para efectos del doble masa, la informacin incompleta se llena por
interpolacin con el promedio mensual si el anlisis es mensual, regresin lineal o mltiple y media
varianza o mtodo de monte Carlo, segn sea el caso.
Habindose obtenido de los grficos de doble masa el periodo de posible correccin de los datos,
implica la existencia de un periodo de datos que se mantendrn con sus valores originales y aquellos
que se modificarn.
Las pruebas estadsticas, a las que se somete las muestras sospechosas, para demostrar si los grupos
de datos divergentes pertenecen a una misma poblacin hidrolgica, deben ofrecer homogeneidad de
sus medias muestrales; es decir, que sus medias muestrales deben ser estadsticamente equivalentes,
para cierto nivel de significacin.
Se basa en el principio de que si dos grupos de datos n 1 y n2 pertenecen a una misma poblacin
hidrolgica, deben ofrecer homogeneidad de sus medias muestrales; es decir, que sus medias
muestrales deben ser estadsticamente equivalentes, para cierto nivel de significacin.
1/ 2
n n
1
1 1 1 2
x x , S ( x) ( xi x ) (4.1)
1 n i 1 i 1 n 1 1
1 1 i 1
1/ 2
n n
2
1 2 1
x , S ( x) ( xi x )
2 (4.2)
2 n j
x
i 2 n 1 2
2 1 2 j 1
7
Donde:
Hp : 1 = 2 (media poblacional).
Ha : 1 2
Asumiendo que las varianzas 12 y 22 son iguales.
1/ 2
1 1
S S
d P n1 n2
(5)
1/ 2
(n 1) S 2 (n 1) S 2
S 1 1 2 2
P n n 2
1 2
Donde:
Sd = Desviacin Standard de las diferencias de promedios.
SP = Desviacin Standard ponderada.
( x1 x 2 ) ( )
T 1 2 (6)
c S
d
Donde:
G. L. = grados de libertad.
Tt = T tabulado
Tc = T calculado
1 n1
S ( x)
1
2
(x 1 x 1)2
n1 1 i 1
(7)
1 n2
S 22 ( x) (x 1 x 2 )2
n2 1 j 1
b) Estadstico F
HP : 12 22 ( variancias poblacionales)
HP : 12 22
= 0.05
Clculo de Fc:
S12 ( x )
Fc , Si S12 ( x) S 22 ( x) (8.1)
S 22 ( x)
S 22 ( x)
Fc , si S 22 ( x) S12 ( x) (8.2)
S12 ( x )
Donde:
Fc = valor de F calculado
Ft = valor de F tabular, de las tablas
= nivel de significacin.
9
G.L.N = grados de libertad del numerador.
G.L.D = grados de libertad del denominador.
c) Conclusiones:
En los casos en que los parmetros media y desviacin standart resultasen estadsticamente iguales, la
informacin original no se corrige por ser consistente con 95 % de probabilidades, an cuando en el
doble masa se observe pequeos quiebres.
x x
t 1
x' S ( x) x (9.1)
(t ) S1 ( x ) 2 2
Si el perodo n2 es el dudoso:
x x
t 2
x' S ( x) x (9.2)
(t ) S 2 ( x) 1 1
Donde:
x`(t) = Valor corregido de la informacin
xt = Valor a ser corregido
x 1 , x 2 ; S 1 ( x ) y S2 (x) son valores definidos anteriormente.
Para comprobar si la informacin corregida esta dentro de los limites de aceptacin con el 95% de
probabilidades, se analiza estadsticamente tanto la media y la desviacin Standard y, comparndolo
con el perodo confiable, repitiendo el procedimiento ya descrito, vale decir desarrollando las pruebas
T y F, respectivamente, cuyos resultados deben ser confiables.
Cabe mencionar que la informacin corregida no ser una informacin ideal o naturalizada, puesto
que mantendr un nivel de incertidumbre en relacin a los valores individuales es decir la magnitud
de aos secos o hmedos; pero para propsito de clculo prognosis quedar libre de inconsistencia.
Podemos decir entonces que la informacin perdida no podr recuperarse jams, de all la enorme
importancia de mantener una red bien manejada y controlada.
Es importante tambin tener presente que frecuentemente los periodos de anlisis de media y varianza
son coincidentes esto es n1 y n2.
10
La serie que debera considerarse ser la de valores anuales, por cuanto el criterio de aplicacin de 1
- 2 y 12/22 corresponden a series independientes y semanales mensuales aunque se incremente
con ello la longitud del registro n.
1.5.2 TENDENCIAS
Antes de realizar el anlisis de tendencias, se realiza el anlisis de saltos y con la serie libre de saltos,
se procede analizar las tendencias en la media y en la desviacin estndar.
1.5.2.1 Definicin.
Las tendencias son componentes determinsticos que se definen como un cambio sistemtico y
contnuo sobre una muestra de informacin hidrometeorolgica en cualquier parmetro de la
misma, que afectan las distribuciones y dependencias de las serie. Por ejemplo, si hay un cambio
ascendente o descendente en la temperatura, precipitacin, evaporacin o escorrenta, entonces
se produce una tendencia, se requiere que el intervalo de tiempo sea significativo esto es a largo
plazo.
1.5.2.2 Propiedades.
a. Las tendencias no se espera se repitan por si mismas de la misma forma o con las mismas
propiedades.
b. Se pueden separar de las otras componentes (peridica, aleatoria) de la serie, lo que hace
posible removerlas y/o incorporarlas.
c. Pueden existir en cualquier parmetro de una serie, media, variancia, y en parmetro de alto
orden, pero por lo general las tendencias se presentan nicamente en la media si la
informacin es anual y en la media y la desviacin estandar si la informacin es mensual.
d. Las tendencias pueden ser lineales y no lineales, por lo que cualquier funcin contnua de
tendencias no lineales pueden ser representadas en series de potencias o expresin
logartmica.
Las tendencias por lo general aproximadas por la ecuacin de regresin lineal en algunos casos
por polinomios que representan tendencias curvilnea o exponencial. En los dos primeros
parmetros de una serie:
- En la media.
- En la desviacin estandar.
A) Tendencia en la media.
La tendencia en la media Tm, puede ser expresada en forma general por el polinomio:
11
En muchos casos para estimar estas tendencias, es suficiente la ecuacin de regresin lineal simple:
Tm = Am + Bmt (11)
Donde:
Tm = Tendencia en la media, para este caso: Tm = X` (t) valor corregido de saltos es decir, datos a
usarse para el clculo de los parmetros.
Am , Bm , Cm , Dm : son los coeficientes de los polinomios de regresin que deben ser estimados
con los datos.
Las constantes de regresin de estas ecuaciones pueden ser estimadas por el mtodo de mnimos
cuadrados o por el mtodo de regresin lineal mltiple en el caso de polinomio.
Para calcular y analizar una tendencia lineal (en este caso), se procede de la siguiente manera:
a) Con la informacin que se tiene se calcula los parmetros de la ecuacin de regresin lineal
simple, dados en la ecuacin (11), por:
Am = T m - Bm t (12)
S Tm
Bm R (13)
St
t.Tm t Tm
R (14)
S t . S Tm
donde:
1 n 1 n
Tm
n i 1
Tm X (' t )
n i 1
1 n
t ti
n i 1
1 n
t .Tm t i .Tmi
n i 1
(15)
1/ 2
1 n 2
S (Tmi Tm)
Tm n 1
i 1
12
1/ 2
1 n 2
S (t t )
t n 1 i 1 i
Adems:
t = Promedio del tiempo t.
T m = Promedio de las tendencias Tm, o promedio de los datos corregidos de saltos X (t)
STm = Desviacin estndar de la tendencia Tm.
St = Desviacin estndar del tiempo t.
R = Coeficiente de correlacin lineal entre la variable y el tiempo.
b) Evaluacin de la tendencia Tm
R ( n 2)
TC (16)
(1 R 2 )
donde:
= 0.05
G.L = n 2
3. Conclusiones:
Si tC Tt (95%) = R no es significativo
Yt = X(t) - Tm (17)
Donde:
13
Tm = Tendencias en la media, obtenida de la ecuacin (11)
Yt = Serie sin tendencia en la media, que presenta las siguientes caractersticas:
Para que el proceso Xt preserve la media constante, se devuelve el promedio de las Xt, luego las
ecuaciones (17) y (18) toman la forma:
Yt = X(t) - Tm + T m
(19)
B) Tendencia en la dispersin.
Segn Salas la tendencia en la desviacin estndar, generalmente se presenta en los datos semanales
o mensuales, no as en datos anuales. Por lo que, cuando se trabajan con datos anuales no hay
necesidad de realizar el anlisis de la tendencia en la desviacin estndar.
La tendencia en la dispersin Ts, se expresa por la ecuacin de regresin polinomial tal como:
Ts = As + Bst (22)
Donde:
Ts = Tendencia en la desviacin estndar.
Ts = Yt, valor corregido de tendencia en la media, es decir, datos a usarse para el clculo de los
parmetros.
t = Tiempo en aos: 1,2,3,n
As , Bs , Cs , Ds = Coeficientes de los polinomios de regresin que deben ser estimados con los
datos.
1/ 2
1 12
SP (YP Y P ) 2
1 1 p 1
(23)
donde:
14
c) Se calculan los parmetros de la ecuacin de regresin lineal simple (22) a partir de las
desviaciones estndar anuales y el tiempo t (en aos), utilizando las ecuaciones de la (12) a la
(15), dadas para la tendencia en la media.
d) Se analiza la significacin del coeficiente de correlacin R, de Ts, segn la prueba T, con los
mismos criterios que en el caso anterior descrito para Tm.
X ' ( t ) Tm
Zt
Ts
( 24)
donde:
E (Zt ) = 0 y VAR ( Zt ) = 1
Las dems variables han sido definidas en los prrafos anteriores.
Para que el proceso preserve la media y la desviacin estndar constante, la ecuacin toma la forma:
X ' ( t ) Tm
Zt .Ts T m (25)
Ts
Para la completacin se usa preferentemente la regresin lineal simple que puede ser correlacin
cruzada o autocorrelacin.
15
La autocorrelacin, llamada tambin correlacin seriada o serial, consiste en correlacionar datos
correspondientes al registro de una misma muestra hidrolgica, considerando un desfase en el tiempo
o desfasaje.
yt = a + bxt (26)
donde:
yt = Variable hidrolgica dependiente
xt = Variable hidrlgica independiente
a y b = Parmetros de la ecuacin.
N 1 xi y i xi y i
b
x x
2 2
N1 i i
(27)
a y1 b x1
(28)
Donde:
N1 = Tamao del registro comn a ambas series o tamaos del registro corto.
y1
yi
N1
x1
x i
N1
N 1 xi y i xi y i
r
N x
1
2
i xi
2
N 1 y y
2
i i
2
(29)
1 N1 2
St ( y) y i y1
N 1 1 i 1
1 N1 2
S t ( x) xi x1
N 1 1 i 1
Donde:
y1 y x1 = Son los estimados de las medias de los perodos comunes, de tamao N 1 de las
variables yt xt.
16
St(y) , St(x) = Son los estimados no sesgados de las desviaciones estndar, de y t y xt de los perodos
comunes de tamao N1.
r = Coeficiente de correlacin.
S1( y )
y t y1 r xt x1 (30)
S1( x )
Donde:
xt = Serie de registro largo de tamao N = N 1 + N2
N1 = Tamao del registro comn.
N2 = Tamao del registro no comn.
Criterios de confiabilidad.
r ( N 1 2)
TC (31)
(1 r 2 )
Donde:
Tc = Valor del estadstico T calculado.
N1 = Tamao del registro comn de las series.
r = Coeficiente de correlacin.
b) Clculo de Tt
El valor de Tt se obtiene de tablas para = 0.05 y G.L. = N1 2
c) Criterios de decisin
Si | Tc | > Tt r es significativo, por lo que s existe correlacin significativa entre las variables y t y
xt, y se puede usar la expresin (31).
Si r resulta no significativo se puede aplicar el proceso de autocorrelacin o probar con otra serie.
El anlisis de tormentas est ntimamente relacionado con los clculos o estudios previos al diseo
de obras de Ingeniera Hidrulica. En efecto, las dimensiones de estas obras dependen
principalmente de la intensidad que tengan las tormentas y de la frecuencia con que ellas se
presenten en el lugar para el que se est diseando la obra.
17
En drenaje urbano y de carreteras un aguacero dura raras veces ms de algunas horas; por otra parte
en la prctica interesa calcular la intensidad mxima para intervalos que varan de 5 minutos a una
hora.
No es econmico disear obras hidrulicas (cunetas, alcantarillas, vertedores de excedencias,
colectores de drenaje de carreteras y drenaje urbano, defensas ribereas, etc) para la precipitacin
ms intensa que pueda ocurrir en el curso de una duracin indefinida.
Es importante equilibrar, de una parte, el costo de una sobredimensin de las obras y, de otra, los
desastres debidos a su insuficiencia durante un violento aguacero. Es decir, no se busca una
proteccin absoluta, sino una proteccin contra un aguacero tipo de probabilidad determinada.
Para resolver racionalmente los problemas mencionados es necesario determinar las intensidades
mximas de lluvia con una frecuencia determinada (es decir, que ocurren, en promedio una vez cada
05, 10, 20, etc aos).
Durante el anlisis de las tormentas hay que tener claro los siguientes conceptos:
a) La Intensidad: Es la cantidad de agua cada por unidad de tiempo. Lo que interesa particularmente
de cada tormenta es la intensidad mxima que se haya presentado, es decir, la altura mxima de
agua cada por unidad de tiempo para diferentes duraciones. De acuerdo a esto la intensidad se
expresa de la siguiente manera:
I = p/t (32)
Donde:
I = Intensidad
P = Precipitacin
t = Tiempo
I= p/t
t (hr)
Fig. 1. Curva masa de precipitacin
tn
La precipitacin total: p 0 .dt (33)
Este tipo de curva se presenta en los pluviogramas o bandas pluviogrficas. Estas pueden presentar
una limitacin, pues su amplitud de registro de lmina es de 10 mm, que corresponde al momento de
vaciado del volumen acumulado (sistema Hellman). La tabulacin se hace de la siguiente manera:
10 mm
18
hr.
0
15:00 23:20
15:00
Dt1 = 10 10 Dh1 = 3.5 3.5 21.0
15:10
Dt2 = 5 15 Dh2 =1.5 5.0 18.0
15:15
Dt3 = 25 40 Dh3 = 2.5 7.5 6.0
15:40
Dt4 = 40 80 Dh4 = 2.5 10.0 3.8
16:20
Dt5 = 30 110 Dh5 = 1.8 11.8 3.6
16:50
Dt6 = 70 180 Dh6 = 2.7 14.5 2.3
18:00
Dt7 = 80 260 Dh7 = 0.7 15.2 0.5
19:20
Dt8 = 80 340 Dh8 = 0.2 15.4 0.2
20:40
Dt9 = 20 360 Dh9 = 0.3 15.7 0.9
21:00
Dt10 = 60 420 Dh10 =1.4 17.1 1.4
22:00
Dt11 = 80 500 Dh11 = 1.0 18.1 0.8
23:20
19
lluvia parcial ( mm)
mm / hr 60 min/ hr ( )
int ervalo de tiempo (min)
col. 4
(60) ( )
col. 2
c) La Frecuencia: Es el nmero de veces que se repite una tormenta de caractersticas de intensidad
y duracin definidas, en un tiempo generalmente en aos.
d) El Hietograma o Histograma: Es un grfico de forma escalonada que representa la variacin de la
intensidad, en intervalos de tiempo expresado en minutos u horas.
El hietograma de precipitaciones se construye a partir de un pluviograma dividiendo el tiempo que
dur la tormenta en intervalos iguales no y midiendo la lmina de precipitacin que ocurri en
cada uno de ellos.
pp (mm) t
40
30
20
10
t (hr)
0 1 2 3
I (mm/hr)
80
60
40
20
t (hr)
0 1 2 3
20
Dp
Para una duracin Dt dada (llamada intervalo de referencia), la relacin de la altura de
Dt
lluvia recogida Dp en esta duracin es una funcin de Dt, cuyo valor disminuye cuando Dt aumenta.
El inters de esta nocin de intensidad media mxima correspondiente a un intervalo de tiempo Dt y
reside en lo siguiente:
En igualdad de intensidad, las lluvias que ocasionan el caudal mximo en un punto de la red de
drenaje, son aquellas cuya duracin de precipitacin es por lo menos igual al tiempo que necesitara
el agua para escurrir desde el elemento ms alejado de la cuenca vertiente en cuestin hasta el punto
considerado; ese tiempo es llamado tiempo de concentracin de la cuenca; puede variar de unos
minutos a una algunas horas. Si la lluvia contina indefinidamente con la misma intensidad ms
all del tiempo de concentracin tc, el caudal en la salida ser constante.
Para construir las curvas Intensidad Duracin Frecuencia, interesa calcular previamente las
intensidades mximas para 5, 10, 30, 60 y 120 minutos de duracin, dentro del tiempo total de
duracin de una tormenta. Para esto primero se ordena en forma decreciente las intensidades
mximas, instantneas, calculadas anteriormente, con sus respectivos tiempos parciales.
21.0 10
18.0 5
6.0 25
3.8 40
3.6 30
2.3 70
1.4 60
0.9 20
0.8 80
0.5 80
0.2 80
Es decir :
21
t t t
It 1 1 2 2 n n (34)
t
(10) (21.0) (5) (18.0) (25) (6.0) (20) (3.8) 210 90 150 76
I 60 8.8 mm /
60 60
(10) (21.0) (5) (18.0) ( 25) (6.0) (40) (3.8) (30) (3.6) (10) ( 2.3)
I120 6.1 mm / hr
120
Para determinar la frecuencia con que una determinada tormenta se puede repetir en el tiempo, es
necesario contar con un registro pluviogrfico de no menos de 20 aos, del cual se obtiene las
intensidaes medias mximas para duraciones de 5, 10, 30, 60 , 120 minutos u otras diferentes.
A partir del registro de precipitaciones diarias de la estacin, se busca en cada ao los 2, 3 4 das de
mayor precipitacin de cada ao, para proceder a analizar sus pluviogramas respectivos.
Para determinar la frecuencia, el siguiente paso es ordenar en forma decreciente independiente del
ao de registro y aplicar la expresin (2)
22
22 1994 91.49 64.18 36.22 19.04 12.91
23 1995 71.11 56.26 28.66 16.72 9.32
24 1996 81.3 60.21 32.44 17.88 11.12
25 1997 82.2 68.1 35.04 17.86 8.94
26 1998 92 66.34 40.6 27.1 13.5
23
III. PERODO DE RETORNO
Supngase que por definicin un evento extremo ocurre si una variable aleatoria X es mayor o igual
que un cierto nivel xt. El intervalo de recurrencia t es el tiempo entre ocurrencias de X x t .
Por ejemplo si xt = 100 mm/hr para una duracin de 5 minutos, puede verse que la intensidad
mxima excede este nivel tres veces durante el perodo de registro (cuadro 4), con intervalos de
recurrencia que varan desde 6 a 11 aos, tal como se muestra en el cuadro 6.
Ao de
Excedencia 1973 1984 1990 Promedio
Intervalo de
Recurrencia 11 6 8.5
(aos)
24
17
t 8.5 aos
2
Por consiguiente, el perodo de retorno de un evento con una magnitud dada puede definirse como el
intervalo de recurrencia promedio, en aos, entre eventos que igualan o exceden una magnitud
especificada.
x
1
E (t ) t 1 p
t 1
p
t 1 p
1
P( X xt ) (35)
T
Por ejemplo, la probabilidad de que la intensidad mxima para una duracin de 5 min, en la estacin
A. Weberbawer sea igual o exceda 100 mm/hr en cualquier ao es aproximadamente
1 1
p 0.118
t 8.5
Cul es el perodo de retorno para la intensidad de 101 mm/hr y 5 min de duracin del cuadro 5?
N 1
Solucin: De las expresiones (2) y (35) se tiene que T , es decir T = 26/3 = 8.7 aos
m
Cul es la probabilidad de que un evento con perodo de retorno de T aos ocurra al menos una
vez en N aos ?. Esto requerira una secuencia de N fallas sucesivas, de tal manera que
Como p = 1/T,
25
La vida til (N) de una obra hidrulica es un concepto econmico en relacin con las
depreciaciones y costos de las mismas. La vida de las estructuras debe ser la mxima posible para
contribuir a la buena gestin de recurso hdrico.
Solucin: Se ha visto que P (I 100 mm/hr en cualquier ao) = 0.118, luego segn la expresin (37)
se tiene:
P (I 100 mm/hr al menos una vez durante los prximos 25 aos) = 1 ( 1 0.118) 25 = 0.043.
Es posible plotear una curva que relacione la intensidad mxima, el perodo de retorno y la duracin
de la tormenta. Se han realizado estudios de series de aguaceros cuyos resultados se han sintetizado
en frmulas, tales como:
A ) Frmula de Talbot:
a
I (38)
bt
Donde:
I = Intensidad mxima.
a, b = Parmetros que dependen de la precipitacin local y del perodo de retorno.
t = Duracin de la tormenta.
Cul es la intensidad mxima para un perodo de retorno de 10 aos y una duracin de 45 min,
para la siguiente informacin?
26
t (min) 10 30 60 120
I (mm/hr) 112 59 36 22
T = 10 aos.
Graficar la curva I F D.
Solucin:
Segn la expresin (38): a = I (b + t ). Esta se convierte en una serie de ecuaciones, tal cono las
siguientes:
a = 112 (b + 10 ) [1]
a = 59 (b + 30 ) [2]
a = 36 (b + 60 ) [3]
a = 22 (b + 120) [4]
Resolviendo el sistema de acuaciones: [1] - [2] ; [1] - [3]; [1] - [4] ; [2] - [3] ;[2] - [4] y [3] -[4].
Resumen de las soluciones:
a = 2493.12
b = 12.16
a = 2652.16
b = 13.68
a = 3010.56
b = 16.88
a = 2770.20
b = 16.95
a = 3157.00
b = 23.51
a = 3394.08
b = 34.28
a 2915.66
Los promedios:
b 19.59
Luego:
2915.66
I
19.59 t
Para t = 45 min, I = 45.1 mm/hr.
KTm
I
t t0 n
27
V. FLUJO DE LOS RIOS
Existen diversos mtodos para medir la descarga de agua en un ro o canal. Para conocer el caudal a
lo largo del tiempo se establece una relacin entre la profundidad del agua y el caudal. A esta
relacin se le conoce como curva profundidad-caudal o curva de aforo.
Las mediciones suelen hacerse, como en el caso de las precipitaciones, una vez al da. La precisin
de las lecturas de los niveles es la centmetro, y excepcionalmente al milmetro.
28
Tipo de curso de agua Mtodo utilizado
Ros Molinete, trazadores, tubo de Pitot
Quebradas y arroyos Vertederos, trazadores
Grandes canales Molinete, flotadores, aforador Parshall
Pequeos canales Capacidad, aforador Parshall, vertederos
Manantiales Capacidad, vertedero, orificio.
Se realizan aforos por el mtodo de dilucin mediante trazadores qumicos, fluorescentes o
isotpicos.
( referencia del tema: Hydrology in Practice por Elizabeth M. Shaw, pg. 96-130)
La relacin cota-caudal de una seccin permite calcular la descarga que corresponde a una altura
dada de agua. Esta relacin es determinada por una representacin aproximada del trazo de la curva
de calibracin, hecha a partir de los resultados de las mediciones y apoyada en el anlisis de los
parmetros de escurrimiento.
h2
h1
Q
Q1 Q2
- Forma exponencial
Q a h ho
n
(39.1)
Donde:
h = Nivel de la mira correspondiente al caudal Q.
ho = Nivel para el cual el caudal es nulo
a y n = Constantes locales
- Forma polinmica
Q a o a1 h a 2 h 2 ... a n h n (39.2)
5.3 HIDROGRAMA
Un hidrograma es una grfica caudal vs. Tiempo que mostrar la tasa de flujo como funcin del
tiempo en un lugar dado ( en la seccin de aforo). Segn Chow el hidrograma es una expresin
integral de las caractersticas fisiogrficas y climticas que rigen las relaciones entre la lluvia y la
escorrenta de una cuenca de drenaje particular.
29
Existen dos tipos de hidrogramas de especial inters: el hidrograma anual y el hidrograma de una
tormenta.
El hidrograma anual es una grfica de caudal vs. Tiempo en un ao, muestra el balance de largo
plazo de la precipitacin, la evaporacin y el caudal en una cuenca. El volumen total de flujo (rea
bajo la grfica del hidrograma anual) es la capacidad de la cuenca.
Existen tres tipos principales de hidrogramas anuales, segn el tipo de rgimen de flujo del ro o la
corriente analizada.
a) Rgimen de flujo contnuo: Caracterstico de climas hmedos. Los picos que se originan por las
tormentas se conocen como escorrenta directa o flujo rpido, mientras que el flujo con pocas
variaciones en los perodos sin lluvia se llama flujo base. La mayor parte de la capacidad de la
cuenca para este tipo de ros proviene del flujo base, lo cual indica que una gran proporcin de la
lluvia se infiltra en la cuenca y alcaza el ro ms tarde como flujo sub-superficial.
b) Rgimen efmero: Existen largos perodos durante los cuales el ro est seco. La mayor parte de
la lluvia se convierte en escorrenta directa y presenta muy poca infiltracin. En este caso, la
capacidad de la cuenca es el resultado de la escorrenta directa de tormentas grandes.
En los hidrogramas anuales se observan picos de crecientes. Estos representan tormentas, que son
eventos puntuales. Un hidrograma de tormenta presentar en detalle de manera grfica las
consecuencias en el caudal del evento de precipitacin ocurrido.
A D
B E
30
Fig. 7. Hidrograma mostrando la separacin del flujo base
Punto de quiebre
to = 0 t=n
log Qo log Qt
t log e
(40.2)
31
Con la expresin (40) se determina para varios aos hidrolgicos y se obtiene el promedio. Este
valor se utiliza en la expresin (39).
N. F. ro N.F.
reserva
reserva
Qo
Re 86.4 (41)
Donde:
Qo = Caudal base en el tiempo t=0, en l.p.s.
= Coeficiente de descarga, en dias-1.
Re = Reserva, en m3.
Tomando un hidrograma generado por una tormenta, es posible separar el flujo base, por mtodos
grficos.
El mtodo de la lnea recta: Consiste en dibujar una lnea horizontal desde el punto en el cual
empieza la escorrenta directa superficial hasta la interseccin con el segmento de recesin. Este
mtodo es aplicable a las corrientes efmeras. Una mejora a este anlisis consiste en usar una lnea
inclinada para conectar el punto de inicio de la escorrenta superficial con el punto en el segmento de
recesin del hidrograma en el cual se reinicia el flujo base.
El mtodo del flujo base fijo: Se supone que la escorrenta superficial termina en un tiempo fijo N
despus del pico del hidrograma. El flujo base antes de que empiece la escorrenta superficial se
proyecta hacia adelante hasta alcanzar el momento del pico. Luego se utiliza una lnea recta para
conectar esta proyeccin en el momento del pico con el punto en el segmento de recesin, N das
despus del pico. Como una regla prctica, este tiempo N en das, puede aproximarse por : N =
0.827 A0.2 ; (A en Km2)
Q
C
A D
B E
t
El mtodo de Barnes: En este caso se conoce la ecuacin de la curva de agotamiento que al trazarse
en papel semilogartmico ser una recta de pendiente . Por tanto, representado el hidrograma en
32
papel semilogartmico la parte final es una recta. Prolongando la recta que pasa por el punto de
inflexin E se obtiene el punto J. Se une J con M y queda desglosada el flujo subterrneo.
logQ
M J Qo
t
Fig. 11. Separacin en un hidrograma utilizando la curva de agotamiento
33
Fig. 12. Separacin del flujo base y de la escorrenta directa en un hidrograma complejo
VI. INFILTRACIN
Se denomina as al movimiento del agua a travs de la superficie del suelo y hacia adentro del
mismo, producido por la accin de las fuerzas gravitacionales y capilares.
En el proceso de infiltracin, se supone nicialmente que el suelo est seco tal que la cantidad de agua
que puede absorver en la unidad de tiempo (es decir, su capacidad de infiltracin) es mayor que la
intensidad de la lluvia en sus primeros instantes. En este caso se infiltrar toda la lluvia, es decir:
I fp (42)
Donde:
I = Intensidad, mm/hr.
fp = Capacidad de infiltracin del suelo, mm/hr.
Al avanzar el tiempo, si la lluvia es intensa, contina hasta originar charcos y comienza el flujo sobre
la superficie. A este instante se le llama tiempo de encharcamiento y se denota con t p.
Despus del tiempo de encharcamiento, si la lluvia sigue siendo intensa, las fuerzas capilares pierden
importancia frente a las gravitatorias. El contenido de humedad del suelo aumenta y la capacidad de
infiltracin disminuye con el tiempo. Adems, bajo estas condiciones, la infiltracin se hace
independiente de la variacin en el tiempo de la intensidad de la lluvia, en tanto que sta sea mayor
que la capacidad del transmisin del suelo, de manera que:
34
- Uso del suelo.
- Aire atrapado.
- Lavado de material fino.
- Compactacin.
- Temperatura.
- Turbidez, salinidad y viscosidad del fluido.
Suelo tipo 1
Cuenca
Suelo tipo 2
El empleo consiste en verter agua en ambos cilindros para crear una lmina de agua que desciende
debido a la infiltracin. Las lecturas se realizan en el cilindro interior, inicialmente con un intervalo
de 1 a 3 minutos; luego de efectuadas las tres a cinco primeras lecturas puede aumentarse en
intervalo de tiempo de 5 a 10 minutos y transcurrida la primera y segunda hora, pueden ser
intervalos de 30 minutos. Debe reponerse al agua en los cilindros en forma simultnea sin permitir
que descienda hasta el nivel del suelo.
35
dh
R 2h R f p R 2
dt
De donde:
R 2h R
fp Ln 1
2(t 2 t1 ) 2h2 R
(44)
Se miden in situ lo valores h1, h2, t1 y t2 de tal forma que t1 y t2 no difieran demasiado.
fp = fc + (fo fc ) e kt (45 )
Donde:
fp = Capacidad de infiltracin en el instante t.
fc = Valor constante de la capacidad de infiltracin que se alcanza al cabo de cierto tiempo t.
fo = Valor mximo de la capacidad de infiltracin al comienzo de la lluvia ( t = 0 ).
e = 2.7183
k = Constante que depende del tipo de suelo (llamada constante de decaimiento).
t = Tiempo transcurrido desde el inicio de la lluvia.
fp
fo
fc
t
Fig. 14. Curva de infiltracin de un suelo segn Horton
36
f fc
1 e
kt
F fc t o (
k
46 )
La que representa la infiltracin acumulada, expresada en lmina, en un tiempo t.
VI K t n (47)
Donde:
VI = Velocidad de infiltracin, en cm/hr
K = 60 a c
a = Pendiente de la recta de la lmina infiltrada, acumulada, dibujada en papel bilogartmico.
c = Lmina infiltrada en tiempo de un minuto, en cm.
Escala log
LA: Lmina acumulada, en cm.
t: Tiempo acumulado, en min.
LA a = Z/X
Z
X
c
0.1 t
1 10 100
0 Escala log
37
VII. RELACIN PRECIPITACIN - ESCORRENTA
Cuando ocurre una tormenta en una rea de la cuenca, la precipitacin total Pp se reparte segn la
siguiente expresin:
Pp = + ET + F + S + Pp neta ( 48 )
Donde:
Pp = Precipitacin total.
= Retencin en el follaje.
ET = Evaporacin + Transpiracin.
F = Infiltracin.
S = Stock de agua almacenada en las depresiones del terreno que contribuye la infiltracin y
evaporacin.
Ppneta = Precipitacin neta precipitacin efectiva (Pe) escurrimiento.
Pe
C ( 49 )
Pp
38
I, fb (mm/hr)
80
Pe
60
40
20
Absorcin
t (hr)
0 1 2 3
Pe = ( I fb ) t (50 )
El hietograma de la lluvia neta de una cuenca (Pe) se relaciona con el hidrograma registrado en una
seccin de su cauce principal.
t
Absorcin
I
C.G Lluvia neta C.G. = Centro de gravedad de
la lluvia neta.
Tiempo de respuesta
Q
Tiempo de crecida
t
Tiempo base
Tiempo de concentracin
El tiempo de concentracin debe incluir los escurrimientos sobre terrenos, canales y los recorridos
sobre la misma estructura que se disea.
39
- Obtener la capacidad mxima de descarga de cada tramo utilizando el mtodo de seccin y
pendiente.
- Calcular la velocidad media correspondiente a la descarga mxima de cada tramo.
- Usar la velocidad media y longitud del tramo para calcular el tiempo de recorrido de cada tramo.
- Sumar los tiempos recorridos para obtener tc.
C) Estimando velocidades
- Calcular la pendiente media del curso principal, dividiendo el desnivel total entre la longitud total.
- De la tabla escoger el valor de la velocidad media en funcin a la pendiente y cobertura.
- Usando la velocidad media y la longitud total encontrar tc.
16 L
tc
1.05 0.2 P 100 S 0.04
(52)
Donde:
tc = Tiempo de concentracin, en min.
L = Longitud del canal principal, en km.
P = Relacin entre el rea cubierta de vegetacin y el rea total de la cuenca, admensional.
S = Pendiente media del canal principal, en m/m.
1.67
1000
0.02872 L 0.80
9
N (53)
tc
S 0.50
Donde:
tc = Tiempo de concentracin, en min.
L = Longitud del canal principal, en m, y se define mediante:
L = 110 A0.60
A = Area de la cuenca, en has (A<1000 has.)
N = Nmero de curva, adimensional (ver escorrenta por el mtodo SCS).
S = Pendiente promedio de la cuenca, em %.
40
VIII. EVAPOTRANSPIRACIN
Dado que la tasa de evaporacin desde una superficie parcialmente hmeda esta afectada por la
naturaleza del suelo es aconsejable considerar primero el caso en que el suministro de agua es
ilimitado. Esto lleva al concepto de evapotranspiracin potencial, que Penman (1956) define como la
cantidad de agua transpirada en unidad de tiempo por un cultivo bajo que cubre totalmente el suelo,
de altura uniforme y al que nunca le falta agua. Esta definicin necesita ser ampliada y calificada en
tres aspectos:
Primero: no especifica el cultivo bajo, Penman discuti que cuando la cobertura es completa, la
evaporacin potencial est determinada por el tiempo, y no est afectada por la especie vegetal que
se encuentra en el suelo. Esta idea se ha comprobado para la mayora de los vegetales. Por ejemplo
Bavel (et al.), demostraron que la transpiracin del pasto bien provisto de agua depende de factores
meteorolgicos antes que fisiolgicos. Fristchen (1996) sugiri que las pequeas diferencian, por
parte de varias plantas, puede explicarse al menos en parte por sus propiedades fsicas como albedo y
rugosidad. Las hojas anchas al ser aerodinmicamente ms rugosas que las de los pastos, son capaces
de extraer ms energa del aire y por lo tanto presentan una tasa de transpiracin mas elevada.
Segundo: el concepto de una cubierta completa no est claro. Puede decirse que una cubierta vegetal
sombrea totalmente el suelo cuando intercepta toda la energa radiante. En verdad an un cultivo
denso y alto con un elevado ndice foliar puede absorber como mximo un 95% de la radiacin que
llega., grandes diferencias en el crecimiento vegetativo solo pueden causar pequeas diferencias en
la tasa de evapotranspiracin cuando la humedad del suelo es adecuada, esto se comprob en trigo.
Tercero: Penman no especifica el campo o las condiciones de las reas circundantes. En otras
palabras no se hace ninguna provisin para el efecto de la energa. El clima donde la evaporacin se
lleva a cabo es lo que l llama el ambiente en medio del ocano, donde la energa no es importante.
41
Sin embargo en climas ridos o semiridos la existencia de grandes cantidades de energa
transforma el concepto de evapotranspiracin potencial, tal como se defini mas arriba, es inexacto y
poco realista. Si la evapotranspiracin potencial requiere una extensa superficie evaporante o la
ausencia de energa, el clima no es rido. Pruitt (1960) ide el trmino evapotranspiracin potencial
mxima para describir la situacin en la que existe energa.
La determinacin de las necesidades de agua de los cultivos es un paso previo para establecer los
volmenes de agua que sern necesarios aportar con el riego. Teniendo en cuenta que en los ltimos
aos se ha presentado la necesidad imperiosa de extender los regados en la mayor parte de las zonas
ridas y semiridas del mundo, son numerosas las investigaciones que se estn realizando para
determinar con la mayor precisin posible estas necesidades.
Entre los mtodos investigados para determinar estas necesidades, quizs sean los ms utilizados los
que se basan en la evapotranspiracin. El concepto de evapotranspiracin como suma de
transpiracin de la planta y de la evaporacin en suelo y planta, ha dado lugar a numerosas frmulas
de uso frecuente ante las dificultades que plantean las determinaciones directas.
42
La evaporacin es el proceso fsico por el cual el agua experimenta un cambio de fase, lquido a gas,
y es transferido a la atmsfera circundante. La transpiracin es la evaporacin de agua en los
organismos vivos, incluyendo las plantas. La evapotranspiracin es la evaporacin simultnea desde
un suelo cubierto de vegetacin y desde los tejidos de las plantas, principalmente hojas. Ocurre
evaporacin cuando existe: energa para cambiar de fase lquida a gaseosa, cabida en la atmsfera
para albergar el vapor desprendido de la superficie y remocin del vapor de agua acumulado sobre la
superficie.
Los factores climticos que causan la evapotranspiracin potencial son; la radiacin solar y terrestre;
la temperatura del aire; la humedad relativa y el viento. Mekammel y Bruce en1960 han encontrado
que la importancia relativa de la radiacin, humedad y viento en la determinacin de evaporacin de
tanque est relacionada 80:6:14, respectivamente. No tuvieron en cuenta la temperatura,
posiblemente debido a que la misma est afectada, en gran medida por la radiacin. Aunque este
anlisis estuvo basado en datos de evaporacin de tanque los resultados serian aproximadamente los
mismos para la evapotranspiracin potencial. En cualquier caso la radiacin es el factor dominante.
La demanda de vapor por parte de la atmsfera es mxima cuando los cuatro factores promotores de
la evaporacin coinciden en sus mximos valores.
Penman y Schefield en 1951 dieron tres causas por las cuales la evapotranspiracin potencial de un
cultivo bajo es menor que la evaporacin desde una superficie libre de agua: el mayor albedo de la
vegetacin, el cierre estomtico nocturno, y la resistencia de los estomas a la difusin. La
evapotranspiracin potencial es aproximadamente el 75% de la evaporacin desde el agua libre.
LE = Rnf Hf (54)
Ef = Kw (eh e) (55)
LE es el calor latente, Rnf es la radiacin neta de las hojas, que resulta del balance de radiacin entre
la planta y su ambiente. En l intervienen fenmenos de reflexin, transmisin y absorcin de
energa radiante a travs del follaje; Kw y Kc son los coeficientes de transmisin de vapor y de calor
en el estrato f y dependen del rgimen de vientos y propiedades aerodinmicas de la vegetacin. El
43
intercambio de calor Hf est promovido por la diferencia de temperatura entre las hojas y el aire
circundante, T; si th es mayor que T, el follaje cede al aire y el signo de Hf en el balance de energa
es negativo; si Th es menor que T el aire cede calor y las hojas aumentan as la energa para evaporar
agua, cambiando el signo de Hf a positivo, si Th es igual a T no hay intercambio de calor y toda la
energa para evaporar es provista por la radiacin neta. El intercambio de vapor Ef es promovido por
la diferencia de presin de vapor entre las hojas y el aire que las rodea, e. La transpiracin en un
instante dado, Ec, es igual a la suma de la transpiracin de cada uno de los estratos foliares, f, que
componen el cultivo. La transpiracin total del cultivo durante un perodo, E, resulta de la
contribucin variable de los diferentes estratos foliares en el transcurso del tiempo, t. A esta
transpiracin se suma la evaporacin de agua desde la superficie del suelo, cuya intensidad tambin
est determinada por los intercambios de radiacin y los fenmenos aerodinmicos que se establecen
en la base del cultivo.
Las mismas causas y factores que promueven la evaporacin de agua libre actan en los suelos
hmedos y en los cultivos produciendo la evapotranspiracin.
La evapotranspiracin o demanda efectiva de los cultivos alcanza sus mayores valores con
vegetacin alta, frondosa y oscura en das largos, luminosos, despejados, calurosos, secos y
ventosos. En estos casos la evapotranspiracin diaria alcanza valores de 8 a 12 mm por da o ms.
Los valores mnimos se registran en cultivos bajos, ralos, de colores claros, en das cortos, nublados,
fros, hmedos y calmos. En estas condiciones la evapotranspiracin es normalmente 3 mm por da.
Un suelo puede retener entre 1200 y 4400 m3 ( 120 y 440 mm) de agua por hectrea en los 80 cm
superiores del perfil, despus que ha sido copiosamente humedecido, ha escurrido el excedente
superficial y ha cesado la percolacin profunda. La vegetacin slo usa una parte de esta agua, y
cuando cesa de extraerla puede contener an entre 560 y 2400 m3 por ha (56 y 240 mm) hasta 80 cm
de profundidad. El aprovechamiento en esas condiciones flucta entre 640 y 2000 m3 /ha.(64 y 200
mm). Si la profundidad de agua es menor o el enraizamiento del cultivo es ms superficial, el agua
utilizada es comparativamente menor.
Los principales parmetros del suelo son la textura, la densidad y el contenido de materia orgnica.
La tasa de extraccin de agua depende de la interaccin de factores climticos, edficos y vegetales.
44
Fisiolgicamente, el uso restringido del agua del suelo es normalmente desfavorable al
desarrollo y produccin vegetal. La ptima provisin de agua es aquella que mantiene en el
suelo el nivel de humedad sobre el punto de marchitamiento incipiente.
Siendo:
S = Evapotranspiracin potencial media, en mm/da
t = Temperatura mensual, en C
I = Indice calrico anual de la zona
12
I i (56.2)
1
i= (t/5)1.514 (56.3)
El ndice trmico de la zona (I) es un valor anual que se obtiene mediante la suma de los doce
ndices de calor(i) correspondientes a cada uno de los meses del ao, calculados por la expresin
(56.3).
La frmula (56.1) deber ser ajustada para las condiciones reales de das del mes con duraciones
desde 28 a 31 das al igual que las horas de luz que varan con la latitud y fecha del lugar
considerado. El coeficiente de ajuste se obtiene mediante la siguiente expresin:
N d
C d (57.1)
12 30
Donde:
45
d = Nmero de das del mes
Luego:
ETP = C S (57.2)
(57.3)
Donde:
ETP : Evapotranspiracin potencial, mm/da
Ra : Radiacin extraterrestre media diaria, mm/da
Hr : Humedad relativa media mensual, %/100
t : Temperatura media mensual, C
EL : Altitud, m
La ecuacin de Penman contiene dos trminos: el primero de energa, que es funcin de la radiacin,
y el segundo aerodinmico, que depende de la velocidad del viento y de la humedad relativa de la
atmsfera. En condiciones meteorolgicas de calma, el segundo trmino es poco significativo,
mientras que en regiones muy secas con fuerte dficit de tensin de vapor o sometidas a vientos
fueres y secos, est trmino alcanza gran significacin.
La frmula de Penman es el mtodo ms exacto de todos los que utilizan frmulas empricas para
calcular la evapotranspiracin, pero tiene el inconveniente de requerir datos meteorolgicos de los
que no se dispone en muchas estaciones.
46
La evapotranspiracin potencial es un lmite superior de la cantidad de agua que vuelve a la
atmsfera. Para determinar la evapotranspiracin real (ETr) debe tenerse en cuenta ese lmite y
tambin el agua que efectivamente existe en la zona.
Un balance hdrico, para un intervalo de tiempo, puede plantearse as:
Cuando se conocen los valores de la precipitacin y de la reserva de agua utilizable, las expresiones
anteriores (58.1) y (58.2) permiten deducir la evapotranspiracin real a partir de la potencial.
Cuando se desea estimar el consumo de agua de un cultivo en cualquier zona y cualquier estado de
desarrollo, se usan los denominados coeficientes de uso consuntivo (Kc) los que se obtienen de la
siguiente manera:
ETc
Kc (59)
ETP
El coeficiente Kc vara durante el perodo vegetativo. Como consecuencia, la demanda de agua
aumenta gradualmente desde la germinacin de la semilla hasta un mximo en el momento de la
floracin y formacin de granos.
Esta demanda mxima puede seguir durante algunas semanas en la mayora de los cultivos. Una vez
que los granos se han formado, disminuye rpidamente el requerimiento de agua de la planta.
La FAO ( Organizacin de las Naciones Unidas para la Alimentacin y la Agricultura), expresa el
coeficiente Kc en funcin de cuatro fases de desarrollo del cultivo:
Fase inicial: Desde germinacin y crecimiento inicial hasta el 10% de cobertura vegetal.
Fase de desarrollo: Desde el final de la fase inicial hasta el 70% a 80% de cobertura vegetal.
Fase de fructificacin: Desde el final de la fase de desarrollo hasta inicio de maduracin del fruto.
Fase de maduracin: Desde el inicio de maduracin hasta plena maduracin o recoleccin.
El diseo hidrolgico para el control de aguas est relacionado con la mitigacin de los efectos
adversos causados por caudales altos o crecientes o mximas avenidas. Se considera que una
creciente es cualquier caudal alto que desborde los terraplenes ya sean naturales o artificiales. Las
47
magnitudes de las crecientes estn descritas por sus caudales, sus elevaciones y sus volmenes. El
caudal mximo de diseo se requiere para dimensionar estructuras de regulacin (embalses de
detencin, embalses para el control de crecientes, etc.) y para estructuras de conduccin
(alcantarillado de aguas de lluvia, canales de drenaje, diques de crecientes, estructuras de derivacin,
etc.)
La magnitud del caudal de diseo, es funcin directa del perodo de retorno que se le asigne, el que a
su vez depende de la importancia de la obra y de la vida til de sta.
I
I
tc
Q tc Q
Q=CIA
Q= CIA
t t
48
- El coeficiente de escorrenta es constante
- El caudal tiene la misma frecuencia de la precipitacin.
El mtodo puede ser aplicado a pequeas cuencas de drenaje agrcola, para reas que no excedan los
13 km2.
CI A
Q (61)
3.6
Donde:
Q = Caudal mximo, en m3/s
C = Coeficiente de escorrenta, que depende de la cobertura vegetal, la pendiente y el tipo de suelo
I = Intensidad mxima de la lluvia, para una duracin igual al tiempo de concentracin, y para un
perodo de retorno dado, en mm/hr
A = Area de la cuenca, en km2
Numerosos tipos de leyes de probabilidad (Gumbel, Pearson, Nash, Levediev) son efectivamente
utilizados para representar la curva acumulada de las frecuencias de crecida.
Esta propiedad significa que cualquiera que sea la forma de la ley de probabilidad de los caudales
diarios observados en una estacin, la serie de los valores donde cada uno representa el caudal
mximo del ao estar distribuida segn una ley lmite de los valores extremos.
P ( X x) F ( x ) e e
(62)
Donde:
F(x) = Funcin de distribucin acumulada
x
var iable reducida
= Parmetro de escala
49
= Valor central moda
x = Variable aleatoria
F(x)
1.0
0 < < +
- < < +
0.5
-1 0 1 2 3
x (63)
= 0.57721, es la constante de Euler
Adems:
22
La varianza es : S 2
6
De donde se obtiene para muestras muy grandes:
= 0.78 S (64)
x 0.45 S (65)
N 2
x i x
(66)
S i 1
N 1
50
39 0.5430 1.1388
40 0.5436 1.1413
45 0.5463 1.1519
Para un perodo de retorno T, dado en aos, el valor del evento estara dado por:
1
x ln ln1 x ln ln F ( x) (69)
T
x 1 1 1
1 x
1
x 1
P ( X x) F ( x)
1 1 0
e
1
dx
(70)
Donde 1 , 1 y 1 son los parmetros de la funcin (70) y (1 ) es la funcin gamma.
x 1
Haciendo: y
1
y
1
P (Y y ) F ( y )
1 0
e y y 1 1 dy
(71)
La expresin (71) es una funcin de distribucin ji cuadrada con =2 1 grados de libertad y 2 =
2y.
x 1 1 1
(72.1)
S2 = 12 1 (72.2)
2
(72.3)
1
Donde x es la media de los datos, S2 su variancia y su coeficiente de sesgo, que se expresa como:
n 3
n xi x
i 1
n 1 n 2 S 3
(73)
Para un perodo de retorno T, dado en aos, el valor del evento estara dado por:
51
2
x 1 1
2
(74)
La manera de verificar si la distribucin de los datos observados se ajustan a una distribucin terica
es mediante la prueba de bondad de ajuste. La ms utilizada es el ajuste estadstico que se realiza
mediante una de las dos siguientes:
- Prueba Chi-cuadrado (2)
- Prueba Smirnov-Kolmogorov
Modelo agregado lineal propuesto por Sherman en 1932. Observ que si las caractersticas fsicas de
una cuenca tales como su forma, tamao, cobertura y pendiente, permanecen constantes, las lluvias
efectivas (Pe) de caractersticas semejantes producirn hidrogramas de forma similar y magnitudes
de gastos proporcionales a dichas lluvias.
A) Tiempo base constante: Para una cuenca dada, la duracin total de escurrimiento directo o
tiempo base (tb), es la misma para todas las tormentas con la misma duracin de lluvia efectiva (de),
independientemente del volumen total escurrido.
Fig. 20. Relacin duracin efectiva de la lluvia y el tiempo base del hidrograma.
52
Si de > deA = deB, entonces se alargar el hidrograma de escorrenta superficial; es decir, se incrementa
el tiempo base.
t
H.U
Pp=1mm
q=Q/h
(m3/s.mm)
Esc. Superf.
t(hr)
Tiempo base =tbA=tbB
Para dos ms estaciones de una misma cuenca el hietograma a utilizar es la media de los
hietogramas de las estaciones.
Qi
ti
Ve=Qi ti (75.1)
he = Ve/A (75.2)
Donde:
Ve = volumen de escurrimiento directo
A = Area de la cuenca
he = lmina de escurrimiento directo
53
h
Pe = he = hi
hi
= ndice de infiltracin
t
de
Fig. 23. Separacin del hietograma conociendo el escurrimiento directo del hidrograma
Conocidos el escurrimiento directo del hidrograma y del hietograma se puede determinar el
Hidrograma Unitario
t
A C
B
h
de de de
Hidrograma total
Q
B C
A
t
Existe adems lo que se denomina el hidrograma unitario instantneo (HUI) que es el HU para una
lluvia cuya duracin tiende a cero, es decir, es de tipo impulso.
En general los hidrogramas unitarios no deben utilizarse para cuencas cuya rea sobrepase los 5000
km2, debido a la heterogeneidad espacial que presentan las cuencas mayores.
Adems de los hidrogramas registrados, existen hidrogramas sintticos que son simulados,
artificiales y se obtienen usando las caractersticas fisiogrficas y parmetros de la cuenca de inters.
54
Su finalidad es representar o simular un hidrograma representativo del fenmeno hidrolgico de la
cuenca, para determinar el caudal pico.
tr
Pe=1
tl
tp
Qp
Tbt
El volumen de escurrimiento:
Q p Tbt
V A (1) (76.1)
2
Donde:
V : volumen bajo el hidrograma unitario triangular
Qp : caudal pico
Tbt : tiempo base del hidrograma unitario triangular
A : rea de la cuenca
(1): una unidad de lmina de escorrenta.
2A
Qp (76.2)
Tbt
Para un milmetro (Pe = 1 mm) de lluvia efectiva el caudal pico tambin es:
0.556 A
Qp
tp
(76.3)
Donde:
Qp : caudal pico por milmetro de lluvia, m3/s
A : rea de la cuenca, km2
55
tp: tiempo al pico del hidrograma unitario triangular, hr
Adems:
tr
tp 0.6 t c (76.4)
2
tr
tl t p (76.5)
2
Donde:
tr : duracin de la lluvia efectiva, hr
tc : tiempo de concentracin de la cuenca, hr
tl : tiempo de desfase de la cuenca, hr
Adicionalmente
8t p
Tbt (76.6)
3
A falta de mejores datos la duracin de la lluvia efectiva, se puede estimar aproximadamente para
cuencas grandes, como:
tr 2 tc (76.7)
O bien, para cuencas pequeas, como:
tr tc
(76.8)
Este mtodo est relacionado con la frmula de Manning en la cual se incluye la rugosidad
del cauce (n), la pendiente longitudinal (S), la seccin transversal (A) y el caudal (Q). Si la
incgnita es este ltimo se requiere tomar datos de campo de las otras variables, siendo lo
ms dificultoso estimar la profundidad del flujo especialmente cuando se trata de una
mxima avenida; en estos casos la experiencia y el buen juicio del que registra la huella
histrica dejada en las mrgenes del ro es determinante para estimar la profundidad del
flujo.
El tramo del ro en estudio se supone de seccin (A) y rugosidad (n) constantes con flujo
uniforme.
56
2.- La lnea de gradiente de energa, la superficie del agua, y el fondo o plantilla del canal,
son todos paralelos: esto es Sf = Sw = So, donde Sf = pendiente de la lnea de energa,
Sw = pendiente de la superficie del agua, y So = pendiente del fondo o plantilla del
canal.
En general el flujo uniforme ocurre nicamente en canales prismticos muy largos y rectos,
en donde puede obtenerse una velocidad terminal del flujo.
V C RS
1 2/3
V R S
n
C R1 / 6
n
Donde:
V = velocidad promedio
C = coeficiente de resistencia de Chezy
R = radio hidrulico
S = pendiente longitudinal del canal
n = coeficiente de resistencia de Manning
= 1.00 si son utilizadas unidades SI
= 1.49 si son utilizadas unidades inglesas
A R 2 / 3 S 1/ 2
Q (76.9)
n
10.1 INTRODUCCIN
El trnsito es un proceso analtico que se utiliza para determinar la forma del hidrograma de
una creciente en un punto deseado de un cauce, embalse o lago, como resultado de una
avenida hipottica o medida en algn punto de aguas arriba. Dicho clculo es necesario para
establecer la altura que alcanza el pico de la creciente en un punto de inters ubicado aguas
abajo, estimar la proteccin que brindara la construccin de un embalse y determinar la
altura adecuada de un sistema de diques para proteccin contra inundaciones, la dimensin
de un aliviadero y cualquier otro clculo relacionado con la creciente.
El aspecto conceptual del trnsito se ilustra claramente considerando el tramo entre ambos
puntos como un modelo de caja negra, como se muestra en la figura 27, de tal modo que
dicha caja reemplaza al tramo de cauce (longitud) o al embalse. Conociendo el hidrograma
de entrada I, ya sea por medicin o por sntesis, se desea determinar el hidrograma de salida
O.
ENTRADA
CAJA SALIDA
NEGRA
57
SALIDA
I (hidrograma de entrada) O(hidrograma de salida)
I - O = dS /dt (78.1)
= DS / Dt (78.2)
Donde:
I = caudal de entrada
O = caudal de salida
S = volumen de almacenamiento
Dt = incremento del tiempo
I1 I 2
Dt O1 O2 Dt S 2 S1
2 2
(79)
58
t, ms se incrementan los clculos del trnsito. Son aceptables valores de t entre un medio
y un tercio del tiempo de viaje.
El almacenamiento es una caracterstica de la caja negra, por lo que su determinacin
depende de, si se trata de un tramo de ro, una represa y su embalse asociado, o alguna
combinacin especial de ambos.
Se asume que el nivel de agua en el embalse se mantiene horizontal, aunque no siempre sea
se el caso. Inicialmente se conocen los siguientes datos:
1. El hidrograma de entrada
2. El nivel de la superficie de agua en el embalse en el instante en que llega la creciente
(t = 0)
3. El caudal de salida desde el embalse antes de que llegue la creciente (O,t = 0).
La solucin de la ecuacin (81) requiere de una curva de trnsito que indique el valor de
[2S/t + O] contra valores de O. Todos los trminos del lado izquierdo de la ecuacin
59
se conocen; el valor de 2S2/t + O2 puede ser calculado; el valor de O2 se obtiene
entonces de la curva de trnsito. Se repite el procedimiento para todos los intervalos. En la
Tabla 7.3 se presenta un ejemplo ilustrativo. Hay que hacer notar que el trmino
[2S/t - O] se calcula fcilmente como [2S/t + O ] 2 O.
Cuando la salida del embalse es controlada, el trnsito depende del mtodo de operacin de
las compuertas. Modificando la ecuacin (79) se puede obtener una expresin general, como
la que sigue:
I1 I 2
Dt O1 O2 Dt OR Dt S 2 S1 (82)
2 2
Donde O es la salida no controlada y OR es la salida controlada. En caso de que O fuera
cero, la ecuacin (82) se transforma en:
t OR t + S 1 = S2 (83)
Esta ltima ecuacin puede resolverse con facilidad para S2 y la elevacin del embalse. Si O
no es cero, la ecuacin de trnsito se transforma como sigue:
2 S 2 S2
I 1 I 2 2 OR 1 O1 O2
Dt Dt
(84)
La ecuacin (84) se resuelve en la misma forma que la ecuacin (82), teniendo en cuenta la
inclusin de OR. Si las compuertas de salida se fijan en una sola posicin, la descarga viene a
ser una funcin de la altura de agua. En este caso, la ecuacin de trnsito se resuelve con
la ayuda de una familia de curvas [2S/t + O], una para cada abertura de compuerta. En el
procedimiento de trnsito se utiliza la curva correspondiente a la abertura dada.
Ejemplo: Como ilustracin del mtodo de trnsito por un embalse vamos a presentar el caso
del trnsito del hidrograma de la creciente milenaria por el embalse del Ro Capaz, ubicado
en la regin de Los Andes venezolanos.
Datos:
1) Curva de almacenamiento. En el cuadro 12 se dan los datos de la relacin
Almacenamiento-Elevacin por sobre el nivel de la cresta del aliviadero (Ho = 1960
m.s.n.m.).
60
(m) (Millones de m3)
0 0
5,0 5,0
15,0 19,5
25,0 38,0
35,0 61,2
S = 0,75H1,2 (85)
r2 = 0,998
Q=2LH1.5 (86)
Donde:
Q = caudal de salida en m3/s
L = longitud de la cresta del aliviadero en m
H = nivel de agua por encima de la cresta en m
1 0 0 0 0 0 0
2 0,4 19 19 0 0 0
61
7 2,4 554 1181 2573 3133 280
62
Fig. 28. Mtodo grfico de transito de la creciente de diseo.
63
10.3 TRNSITO POR EL CAUCE
I-O=ds/dt
Para el caso de un embalse, hemos visto que O y S se dan como una funcin de la altura de
agua en un embalse, con lo cual la ecuacin de continuidad se concibe como la relacin
entre el caudal de entrada, I, conocido a priori, y el nivel de agua, H, desconocido. En un
cauce, la superficie del agua no siempre es paralela al fondo del canal. Por lo tanto, aun
considerando al canal como un embalse estrecho y alargado, no se cumple la condicin que
hemos asumido de superficie de agua siempre horizontal para el caso del trnsito por el
embalse. A medida que el caudal se incrementa, la superficie de agua libre en un cauce se
inclina ms rpidamente que el fondo. Cuando el caudal decrece, sucede le contrario. En la
figura 7.4 se ilustra este fenmeno. Luego, la relacin entre la descarga y el almacenamiento
en un tramo fijo no est claramente establecida y cambiar de acuerdo con que el
hidrograma est ascendiendo o decreciendo.
Hidrograma
Yo I Y Ascenso Ascendente
Y Descenso
Hidrograma
Descendente
Fig. 30. Superficie libre en un canal abierto para hidrogramas en ascenso y descenso.
d mS (87)
O aSn X m
m 1 dt m
donde a, x y n son constantes desconocidas al inicio. Como es usual en los procedimientos
numricos, la serie se trunca tomando slo los 2 primeros trminos y despreciando todos los
dS (88)
O aSn X
dt
otros para obtener:
a 64
S=K[XI (1-X)O] (90)
Esta expresin se conoce como la ecuacin de almacenamiento en el mtodo de
Muskingum para el trnsito de crecidas.
Sustituyendo se obtiene:
O2 = C0 I2 + C1 I1 + C2O1 (91)
donde (C0 + C1 + C2) = 1, con:
0,5t KX
C0
K 1 X 0,5t (92.1)
0,5t KX (92.2)
C1
K 1 X 0,5t
(92.3)
K 1 X 0,5t
C2
K 1 X 0,5t
La ecuacin (91) se conoce como el Mtodo de Transito de Muskingum.
Antes de poder usar la ecuacin de trnsito hay que establecer los valores de K y X. El
procedimiento ms sencillo consiste en aplicar a hidrogramas conocidos el proceso inverso
al trnsito. Resolviendo las ecuaciones se obtiene:
Almacenamiento N
K = =
Caudal ponderado de entrada y salida D
0,5t I1 I 2 O1 O 2 (93)
K
X I1 I 2 1 X O 2 O1
Utilizando hidrogramas conocidos se pueden obtener valores sucesivos del numerador. Los
valores del denominador se logran del mismo hidrograma usando varios valores de X. En el
cuadro 15 se presenta un ejemplo de clculo; los resultados se han graficado en la Figura 31.
El valor de K se obtiene directamente del proceso anterior; pero para dibujar la grfica es
necesario asumir valores de X. Una vez estimados K y X se puede analizar la influencia que
ejercen sobre el proceso de trnsito. La constante K posee las dimensiones de tiempo y
equivale al tiempo requerido para que una onda elemental de caudal atraviese el tramo entre
la entrada y la salida (denominado tambin tiempo de viaje o tiempo de retardo). Como
resultado, el incremento de tiempo t que se usa para el trnsito debe ser aproximadamente
igual a K. Su magnitud podra calcularse si se considera la velocidad con que viaja la onda
de flujo.
En el cuadro 16 se presentan los estimados para las velocidades del flujo, mediante el
principio de Seddon en combinacin con la ecuacin de Manning, donde V es la Velocidad
media del flujo y Vw la velocidad de la onda de crecida.
65
decreciente, el fenmeno se invierte. La velocidad V se podra obtener sobre la base del
caudal para una seccin transversal representativa para el tramo.
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17)
Feb.26 2,2 2,0 16,7 9,0 12,3 5,0 1,9 5,0 5,7 6,5 7,2
am
Pm 14,5 7,0 42,9 18,7 13,9 4,7 6,1 1,9 4,7 5,0 5,6 5,7 6,5 6,5 7,5 7,2
Feb.27 28,4 11,7 60,2 28,2 3,4 4,8 8,0 8,0 4,8 9,7 4,6 11,3 4,5 13,0 4,3 14,7
am
Pm 31,8 16,5 64,5 40,5 -2,1 7,5 5,2 16,0 7,5 14,5 6,7 15,9 5,6 17,5 4,6 19,0
Feb.28 29,7 24,0 55,0 53,1 -4,4 5,1 0,5 21,2 5,1 22,0 4,1 22,6 3,2 23,1 2,3 23,6
am
Pm 25,3 29,1 47,7 57,5 -4,9 -0,7 -2,9 21,7 -0,7 27,1 -1,1 26,7 -4,5 26,3 -2,0 25,9
Mar.1 20,4 28,4 37,4 52,2 -4,1 -4,6 -3,9 18,8 -4,6 26,4 -4,6 25,6 -4,5 24,8 -4,4 23,9
am
Pm 16,3 23,8 28,9 43,2 -3,7 -4,4 -3,6 14,9 -4,4 21,8 -4,3 21,0 -4,3 20,3 -4,2 19,5
Mar.2 12,6 19,4 221,9 34,7 -3,3 -4,1 -3,2 11,3 -4,1 17,4 -4,0 16,7 -3,9 16,0 -3,9 15,3
am
Pm 9,3 15,3 16,0 26,5 -2,6 -4,1 -2,6 8,1 -4,1 13,3 -4,0 12,7 -3,8 12,1 -3,6 11,1
Mar.3 6,7 11,2 11,7 19,4 -1,7 -3,0 -1,9 5,5 -3,0 9,2 -2,8 8,7 -2,8 8,3 -2,6 7,8
am
Pm 5,0 8,2 9,1 14,6 -0,9 -1,8 -1,4 3,6 -1,8 6,2 -1,7 5,9 -1,6 5,5 -1,6 5,2
Mar.4 4,1 6,4 7,7 11,6 -0,5 -1,2 -1,0 2,2 -1,2 4,4 -1,2 4,2 -1,1 3,9 -0,9 3,6
am
Pm 3,6 5,2 6,0 9,8 -1,2 -0,6 -1,0 1,2 -0,6 3,2 -0,6 3,0 -0,7 2,8 -0,8 2,7
66
Cuadro 16. RELACIN ENTRE LA VELOCIDAD DE ONDA VW Y LA VELOCIDAD MEDIA V
DEL FLUJO EN EL CAUCE
Tipo de cauce Vw /V
Rectangular de gran anchura 1.67
Parablico de gran anchura 1.44
Triangular 1.33
67
Fig. 33. Porcin L de un cauce de anchura unitaria
68
4 20.4 3.06 13.50 5.19 27.28 28.4
El mtodo del trnsito por el cauce discutido aqu tambin puede usarse para el caso de
afluentes o tributarios, slo que los valores de K y X sern variables. Detalles de este
procedimiento estn fuera del alcance de este libro, pero se pueden encontrar en la
bibliografa correspondiente, tal como CARTER y GODFREY (1960) y el U.S. Army, Corp.
Of Engineer (1960).
REFERENCIAS:
Linsley, R,K., Kohler, M.A. y Paulhus, J.L. Hidrologa para Ingenieros. Mac Graw
Hill. Latinoamericana. 1977.
Viessman, W., Jr., W. Knapp, G.L. Lewis and T.E. Harbaugh, Introduction to
Hidrology, 2nd. Ed., Harper and Row, N.Y. 1977.
Hjelmfelt, A.T. and Cassidy, J.J. Hidrology for Engineers and Planners. Iowa State
Univ.- Press, Ames, Iowa, 1975.
Wilson, E.M., Engineering Hidrology, 2nd. Ed. Mac Millan Prees, 1982.
Chow, V.T., Maidment, D.R. and Mays, L.W., Applied Hydrology, Mac Graw Hill,
USA 1988
69
XI. ELEMENTOS DE ESTADSTICA
11.1 INTRODUCCION
Una variable aleatoria X es una variable que se describe mediante una funcin de
distribucin de probabilidades. La distribucin indica la probabilidad de que una
observacin cualquiera x de la variable X obtenga un valor dentro de un rango especfico de
X. Supongamos por ejemplo que X sea la precipitacin anual en un punto determinado, la
distribucin de X especifica el chance que tiene un valor de precipitacin anual observado
en un ao dado de caer dentro de un rango previamente definido, tal como por ejemplo,
menos que 1.200 mm, o entre 1.200 y 1.500 mm.
70
A un conjunto de observaciones x1, x2, ..., xn de la variable aleatoria se denomina
muestra. Se asume que las muestras se extraen de una poblacin hipotticamente infinita de
propiedades estadsticas constantes; mientras que las propiedades de las muestras pueden
variar de una a otra. El conjunto de todas las muestras posibles que se puedan extraer de la
poblacin se denomina espacio muestral y un evento viene a ser un subconjunto del espacio
muestral, como se ilustra en la Figura 2.1.
P(A)
Si la ocurrencia de B no depende de la ocurrencia de A, se dice que los eventos son
independientes, y P(B/A) = P(B). Para eventos independientes, de la Ecuacin (2.4)
tenemos
P(A B) = P(A) x P(B) (2.5)
72
Retomando el ejemplo anterior, si los eventos de precipitacin fuesen independientes de
ao a ao, entonces, la probabilidad de que la precipitacin sea menor que 1.600 mm en dos
aos sucesivos es simplemente el cuadrado de la probabilidad de que la precipitacin anual
en cualquiera de los dos aos sea menor que 1.600 mm.
Ejemplo 2.1: En la Tabla 2.1 se dan los valores anuales de precipitacin (R) registrados
en la estacin X durante el perodo 1911-1979, los mismos que se han graficado en la Figura
2.2 (a). Calcular la probabilidad de que la precipitacin anual R en cualquier ao sea menor
que 889 mm, mayor que 1.143 mm; est entre 889 mm y 1.143 mm.
Solucin: El conjunto de datos est constituido por 69 aos, es decir n = 69. Hagamos
que sea los eventos
A sea R < 889 mm
B sea R > 1.143 mm
73
1910 1920 1930 1940 1950 1.960 1970
Ao
0 - 1.237 1.229 1.252 792 1.168 861
1 1.013 1.120 864 1.123 686 1.125 805
2 787 1.087 1.158 1.059 940 960 800
3 1.074 1.229 947 782 1.189 752 1.514
4 1.069 869 1.110 1.361 683 892 1.283
5 1.044 823 1.062 876 645 1.262 980
6 729 1.179 1.044 1.278 584 930 1.102
7 427 988 792 1.113 1.435 826 729
8 866 947 894 549 1.102 1.567 813
9 1.433 1.285 892 1.196 1.049 1.204 1.316
EJEMPLO 2.2: Asumiendo que los datos de la Tabla 2.1 constituyen un proceso
independiente, calcular la probabilidad de que ocurra en dos sucesivos
precipitaciones menores que 889 mm/ao. Compare esta probabilidad estimada con
la frecuencia relativa de dicho evento en el en el conjunto de valores de la Tabla 2.1.
Solucin: Hagamos que C sea el evento para el cual R < 889 mm en dos ao sucesivos.
Del ejemplo 2.1 tenemos que P (R <889 mm) = 0,333, asumiendo independencia tenemos:
Observando el conjunto de valores de la Tabla 2.1, es encuentran nueve (9) pares de dos
aos sucesivos con precipitacin menor que 889 mm de un total de 68 pares posibles, luego,
P(C) nc/n = 9/68 = 0.132
Las probabilidades estimadas como en los Ejemplos 2.1 y 2.2 dan resultados
aproximados, ya que dependen del tamao de la muestra. Un mtodo alterno consiste en
ajustar a los datos una funcin de distribucin de probabilidades y luego determinar la
probabilidad de los eventos mediante dicha funcin.
74
11.3 FUNCIONES DE PROBABILIDAD Y FRECUENCIA
Si las observaciones de una muestra pertenecen a la misma distribucin de probabilidades
(distribuidas idnticamente) se pueden arreglar en tal forma de constituir un histograma de
frecuencias. Para ello, se divide primeramente el rango factible de variacin de la variable
aleatoria en intervalos discretos; luego se cuenta el nmero de observaciones que caen en
cada intervalo; y finalmente, el resultado se grfica corno un diagrama de barras, como se
muestra en la Figura 2.2 (b) para la precipitacin anual en la estacin X. La seleccin de la
anchura del intervalo x se hace de tal modo que hayan suficientes datos en cada intervalo
para obtener una variacin suave razonable del histograma sobre todo el rango de variacin
de las observaciones.
La cual, al igual que la Ecuacin (2.1) viene a ser un estimado de P(x 1- x X xi), es
decir, de la probabilidad que la variable aleatoria X est en el intervalo [x i - x, xi]. El
subndice m se utiliza para indicar que la funcin se calcula sobre la base de la muestra.
La funcin de frecuencias acumuladas Fm(x) viene a ser la suma de los valores de las
frecuencias relativas hasta un punto dado:
i
Fm xi f (xj)
m
j 1
(2.7)
75
La cual es un estimado de P(X xi), es decir de la probabilidad acumulada de xi.
Las correspondientes funciones de frecuencias relativas y acumuladas para la poblacin
se aproximan como los limites n y x 0. En el lmite la funcin de frecuencias
relativas dividida entre la longitud del intervalo produce la denominada funcin de
densidad de probabilidad f(x).
f m (x)
f(x) lim
x (2.8)
n
x 0
La funcin de frecuencias acumuladas se transforma en la funcin de distribucin de
probabilidades F(x):
F(x) = lim Fm(x) (2.9)
n
x 0
La funcin de densidad de probabilidades es la derivada de F(x):
dF(x) (2.10)
f(x)
dx
Para un valor dado de x, F(x) es la probabilidad acumulada P(X x), y puede expresarse
como la integral de la f(x) sobre el rango X x:
f(u)du
P(X x) F(x) x (2.11)
Para ajustar los datos de una muestra a una distribucin terica, las cuatro funciones:
fm(X), f(x), Fm(X) y F(x), se podran agrupar en un ciclo como se muestra en la Figura 2.3.
La funcin de frecuencia se calcula dividiendo la muestra en intervalos Fig. 2.3(a); la cual se
acumula para producir la Fig. 2.3 (b). La funcin de distribucin de probabilidades Fig.2.3
(c) viene a ser el limite terico de la funcin de frecuencias acumuladas para x 0 y n
. La funcin de densidad de probabilidades (Figura 2.3(d)), es el valor de la pendiente de
la funcin de distribucin para un valor especfico de x.
76
1
p (x i ) x i x
f(x)dx
xi x i x
f(x)dx
f(x)dx
(2.12)
f(x i ) F(x i x)
f(x i ) F(x i 1)
1 (x ) 2 /2 2 (2.13)
f(x) e
2
no tiene forma analtica, ya que es slo una variable ficticia de integracin. Sus valores se
dan en la Tabla Cl del Apndice C.
Ejemplo 2.3. Cul es la probabilidad de que la variable aleatoria normal estndar X sea
78
menor que -2, menor que 1 y que vare en el rango P ( -2 < z < 1 )?
E(X) es el primer momento con respecto al origen, una medida del punto medio o
Tendencia Central de la distribucin.
El estimador muestral de la media es el promedio aritmtico de los datos de la muestra:
1 n
x xi
n i 1 (2.18)
79
E[( x ) 2 ] 2
( x ) 2 f ( x ) dx (2.19)
1 n (2.20)
S2
n 1 i 1
(x i x ) 2
en la cual (n-1) indica los grados de libertad, y se usa en vez de n para asegurar que el
parmetro sea insesgado, es decir, que no posea tendencia de ser menor o mayor que el valor
verdadero. La varianza tiene la dimensin [X]2. La desviacin estndar tiene las mismas
unidades de X; es igual a la raz cuadrada de la varianza y su estimador muestral es S. En la
Figura 2.5 (a), se ilustra el significado de la desviacin estndar; mientras mayor es la
desviacin estndar, mayor es la dispersin de los datos. El coeficiente de variacin Cv
= /, estimado por s x , es una medida adimensional de la variabilidad.
POBLACIN MUESTRA
1. Tendencia Central
Promedio Aritmtico.
1
E(X)
xf(x)dx x
n
xi
Mediana
X tal que F(x) = 0,5 50 avo. porcentil de los datos
Promedio geomtrico
Antilog [E (log x)] ( in1 x i )1/n
2. Variabilidad
1 n
Varianza 2 E[(x ) 2 ] S2 (x i x )2
n 1 i 1
Desviacin estndar S
Coeficiente de variacin
Cv / Cv s/x .
3. Asimetra
n
n (x i x)3
Coeficiente de asimetra.
Cs i 1
(n 1)(n 2)S3
80
E[(x )3 ]
3
El grado de simetra de la distribucin con respecto al promedio se mide mediante la
asimetra, la cual viene a ser el tercer momento con respecto al promedio.
E[(x ) 3 ] (x )
3
f(x)dx
(2.21)
O tambin
n n n n
n 2 ( x 3 i ) 3n( x i )( x i ) 2( x i )
2 3
i 1 i 1 i 1 i 1 (2.24)
Cs
n(n 1)(n 2)S3
81
Como se ilustra en la Figura 2.5 (b), para una asimetra positiva ( > 0) los datos se
inclinan a la derecha del pico de la distribucin, con solamente un pequeo nmero de
valores muy grandes; para asimetra negativa ( < 0) los datos se inclinan a la izquierda.
Cuando los datos poseen una asimetra pronunciada, los pocos valores extremos, ejercen un
efecto significativo sobre el clculo del promedio aritmtico (Ecuacin 2.18), en cuyo caso,
se debe usar un parmetro alternativo para calcular en forma apropiada la tendencia central,
tal como la mediana o el promedio geomtrico (ver Tabla 2.2).
EJEMPLO 2.4: Dados los datos de precipitacin anual en la estacin X para el perodo
1970 1979, calcular los parmetros estadsticos de la muestra. Los datos se dan en la
Tabla 2.1.
Solucin:
Utilizando la ecuacin (2.18), el promedio aritmtico es:
1 n 10203
X
n i 1
xi
10
1020 mm
1 n 656.581
S2
n 1 i 1
(x i x ) 2
9
72.953
n (x i x )
10 *107.048.967
Cs i 1
0.755
(n 1)(n 2)s 3
9 * 8 *19.683.000
82
hidrolgicos, una gran cantidad de informacin de la muestra se resume en la distribucin y
sus parmetros. El ajuste se puede llevar a cabo mediante el mtodo de los momentos o el de
la mxima verosimilitud.
83
1/
La distribucin exponencial se usa para describir varios tipos de datos hidrolgicos, tal
como el tiempo entre tormentas sucesivas. Adicionalmente, es de hacer notar que la funcin
f(x) = = e-x y la funcin de respuesta al impulso para un embalse lineal, u = (I) = (1/k)e-1/k
son idnticas cuando se hace x = I y = 1 / k. En este sentido, la distribucin exponencial
describe ha probabilidad del tiempo de permanencia del agua en el embalse lineal.
84
n
f(x 2 )dx... f(x n )dx [ f(x i )]dx n
i 1
de los datos de la muestra. Supongamos que el espacio muestral se divide en intervalos de
longitud dx y que se tome una muestra de observaciones independientes e igualmente
distribuidas x1, x2 ... xn. El valor de la densidad de probabilidades para X = xi es f(xi), y la
probabilidad de que la variable aleatoria ocurra en el intervalo que incluye a xi, es f(xi)dx.
Debido a que las observaciones son independientes, la probabilidad conjunta de ocurrencia
est dada por la ecuacin (2.5), como el producto:
f(x1)dx
Solucin:
Para un valor cualquiera xi, la densidad de probabilidades exponenciales es:
f(x i ) e xi
De la ecuacin 2.27, la funcin log L es:
n n n n
lnL ln[f(x i )] ln(n x i ) (ln x 1 ) nln x i
i 1 1 i 1
n n
(lnL) x i 0
1
1 1 n
xi
n 1
1
x
85
Este es el mismo estimador muestral para que se obtuvo por el mtodo de los
momentos. En este caso, x = (2,4 + 4,25 + 0,77 + 13,22 + 3,55 +1,37) / 6 = 25,56/6 = 4,26
das; con lo cual 1 / 4 0,235 / das . Obsrvese que 2 (lnL)/ 2 n 2 , es negativo,
como se requiere para un mximo.
Se puede calcular a priori la funcin ln L para cualquier valor de .
As por ejemplo, para = 0,235/das, ln L es:
ln L = n ln - x i 6ln(0,235) 0,235 * 25,56
lnL 14,7
86
11.6 PRUEBA DE LA BONDAD DE AJUSTE
2
2 m n[f m (x i ) p(x i )]
c (2.28)
i 1 p(x )
i
2
Antes de describir la prueba se debe definir la funcin de distribucin de
probabilidades 2. Una distribucin 2 con v grados de libertad viene a ser la distribucin de
la suma de los cuadrados de v variables aleatorias normales estndares independientes z i;
dicha suma es una variable aleatoria.
v 2
2v z (2.29)
i 1 i
87
grados de libertad, para una probabilidad acumulada de 1 - . (Tabla C2 - Apndice C).
EJEMPLO 2.7: Utilizando el mtodo de los momentos ajustar una distribucin normal a
los datos de precipitacin anual de la estacin X dados en la Tabla 2.1 para el perodo 1911-
1979. Grafique las funciones de frecuencias relativas y probabilidad incremental y las
funciones acumuladas de frecuencia y probabilidades. Use la prueba 2 para determinar la
bondad de ajuste de la distribucin normal.
4
Para i = 4 FM (x 4 ) Sf m (x j ) Fm (x 3 ) f m (x 4 ) 0,130 + 0,203 = 0,333. Obsrvese
1
que este valor es P(X 1.050 mm), como fue usado en el Ejemplo 2.1.
COL 1 2 3 4 5 6 7 8
NTERV RANGO ni fm(xi) Fm(xi) Z1 F(xi) p(xi) o2
mm
1 <600 1 0.014 0.014 -2.157 0.015 0.015 0.004
2 600-750 2 0.029 0.043 -1.611 0.053 0.038 0.147
3 750-900 6 0.087 0.130 -1.065 0.144 0.090 0.008
4 900-1050 14 0.203 0.333 -0.520 0.301 0.158 0.891
5 1050- 11 0.159 0.493 0.026 0.510 0.209 0.805
1200
6 1200- 16 0.232 0.725 0.571 0.716 0.206 0.222
1350
7 1350- 10 0.145 0.870 1.117 0.868 0.151 0.019
1500
88
8 1500- 5 0.072 0.942 1.662 0.952 0.084 0.114
1650
9 1650- 3 0.043 0.986 2..208 0.986 0.034 0.163
1800
10 >1850 1 0.010 1.000 2.753 1.000 0.014 0.004
Total 69 1.000 1.000 2.377
Promedio x 1.193
D. St. s 275
Para ajustar la funcin de distribucin normal, hay que calcular los parmetros
estadsticos de la muestra X = 1.193 mm y S = 275 mm., como se ilustr en el Ejemplo 2.4,
los cuales se usan como estimadores de y . La variable normal estndar Z
correspondiente al lmite superior de cada intervalo se calcula por la Ecuacin (2.14) y se
presenta en la columna 5 de la Tabla 2.3. As por ejemplo: Para i = 4, Z = (x ) / =
(1.050 - 1.193) / 275 = -0,520.
En forma similar se calculan los valores para los otros intervalos, los cuales se dan en la
columna 7 de la Tabla 2.3.
En la Figura 2.8 se presentan las funciones de frecuencia relativa f m(Xi) y p(xi) y las
funciones de frecuencia y de distribucin de probabilidades Fm(Xi) y F(X) graficadas en
2.8(a) y 2.8(b) respectivamente. De la similitud de ambas funciones mostradas en cada
grfica se deduce que la distribucin normal se ajuste muy bien a los datos de precipitacin
anual analizados.
Para probar la bondad de ajuste se calcule el parmetro estadstico de prueba 2 mediante
la Ec. (2.28). Para i = 4,
89
FIGURA 2.8. FUNCIONES DE FRECUENCIA PARA LA DISTRIBUCIN NORMAL,
AJUSTADA A LA PRECIPITACIN ANUAL EN LA ESTACION X (EJEMPLO 2.7)
Los valores se listan en la columna 8 de la Tabla 2.3. El valor total de la columna 8 es
X C2 2.337 . El valor terico X 2V ,1 para una probabilidad acumulada de 1-=0,95 y
90
XII. FUNCIONES DE DISTRIBUCION DE PROBABILIDADES PARA VARIABLES
HIDROLGICAS
n
Y X
i 1
i , tiende hacia la distribucin normal con promedio n y varianza n 2 a
medida que n crece. Lo fundamental de esta aseveracin es que se cumple cualquiera que
sea la funcin de distribucin de probabilidades de X.
As por ejemplo, la distribucin de probabilidades del promedio de la muestra
1 n
X xi ; puede ser aproximada como una normal con promedio y varianza,
n i
n
precipitacin anual, calculada como la sumatoria de los efectos de muchos eventos
independientes, tiende a seguir una distribucin normal. Las principales limitaciones de la
distribucin normal son su variacin sobre el rango continuo [- , ] y su simetra, ya que
91
las variables hidrolgicas no son negativas y tienden a ser asimtricas.
n n
log x i yi , la cual tiende a una distribucin normal a medida que n crece, siempre
i i
92
proceso bajo estudio, as por ejemplo, la presencia de un frente puede generar muchos
chaparrones, que ms bien se pueden analizar como un proceso Poisson compuesto, en el
cual, el parmetro es considerado como una variable aleatoria y no como una constante.
u
1
() e u du
0
93
ecuacin (2.30) viene a ser la distribucin Pearson Tipo III, con una funcin de
densidad de probabilidades de la forma mostrada en la Tabla 2.4. Para C1 = C2 = 0, la
solucin de (2.30) es una distribucin Normal. Por lo tanto, la distribucin Normal es un
caso especial de la distribucin Pearson Tipo III que describe una variable no sesgada.
Foster (1924) fue el primero en usar la distribucin Pearson Tipo III en la
hidrologa para describir la distribucin de probabilidades de caudales instantneos
mximos anuales. Cuando los datos presentan una asimetra muy positiva, se suele usar la
transformacin logartmica para reducir dicha asimetra.
94
1 (x - )2
Normal f(x) exp - 2
- x x, Sx (2.31)
2 2
1 (y y ) 2
Lognormal f(y) exp x0 y y, y Sy
y 2 2 2 (2.31 a)
y
Donde y log x
(x ) 1 e (x ) 2
Person tip o III f(x) x Sx ,
() Cs
(Gamma de tres x - Sx
parametros)
(2.32)
x 1e x x
Gamma f(x) x0
() S2x
x2 1
Donde Funcin Gamma 2
Sx CV 2
(2.32 a)
(y ) 1 e (y) Sy
Log Pearson I f(y) log x
()
2
2 (2.
tipo III
C s (y)
x - Sx
32b)
1
Exponencial f(u) e x x0 (2.33)
x
1 x x u 6s x
Valores Extremos f(x) exp exp
-x x - 0.5772
(2.34)
La distribucin log-Pearson Tipo III puede asumir diferentes formas dependiendo del
valor de los parmetros, como se muestra en la Tabla 2.5 (Bobee, 1975).
95
Parmetro de forma ( ) ln 10 -ln 10 < <0 >0
0< <1 Sin moda Moda mnima Sin moda
Forma j invertida
El uso de la distribucin log-Pearson Tipo III se justifica debido a que arroja buenos
resultados en muchas aplicaciones, particularmente en el caso de datos de caudales picos. El
ajuste de la distribucin a los datos se puede efectuar mediante la prueba 2, o por
comparacin grfica con la distribucin emprica.
Las tres funciones indicadas son casos especiales de una nica distribucin denominada
Distribucin de Valores Extremos General (VEG) (Jenkinson, 1955), cuya funcin de
distribucin de probabilidades es:
x u 1/k
F(x) exp[(1 k ) ]
(2.35)
Hay dos mtodos para el ajuste de las distribuciones en el anlisis de frecuencias: el primero
consiste en una tcnica de representacin directa de la distribucin acumulada; el segundo
considera el uso de factores de frecuencia.
98
FIGURA 2.9. ESCALA DE DISEO HIDROLOGICO.
99
registro histrico de N aos. La probabilidad de que dicho evento sea igualado o excedido
una vez durante los n aos siguientes es:
n
P N, n (2.37)
Nn
As por ejemplo, la probabilidad de que el caudal mximo observado en N aos sea
igualado o excedido en los N prximos aos es 0,5.
Si una sequa de m aos constituye el evento crtico observado en un perodo de N aos,
cul ser la probabilidad P (N, m, n) de que ocurra una sequa ms crtica en los n prximos
aos? El nmero de secuencias de longitud m en N aos de registro es N m + l y en n aos
es n m + 1. Luego, la probabilidad de que el peor evento sobre el perodo pasado y futuro
est contenido en los n prximos aos es:
P (N, m, n)
n m 1
N m 1 n m 1
(2.38)
n m 1
(n m)
N n 2m 2
El anlisis de riesgo parte del hecho de que la estructura puede fallar si la magnitud
para el periodo de retorno de diseo T es excedida durante la vida til de dicha estructura. El
riesgo hidrolgico de falla se calcula como sigue
R 1 [1 p(X x T )]n (2.39)
donde P(X x T ) 1/T ; n es la vida esperada de la estructura; R es la probabilidad
100
aos es 1 0,41 0,59 59%
Para determinar la relacin entre el nivel del agua en el cauce y los daos esperados
tienen que analizarse factores como topografa, valor de las propiedades, daos potenciales,
uso de la tierra y anlisis hidrulico del cauce. En la Tabla 2.7 se resume dicha informacin.
Habra que determinar la probabilidad de ocurrencia para las crecientes, usando una funcin
de distribucin adecuada a la serie de duracin parcial, como se muestra en la Figura 2.10.
101
Consideremos la alternativa que brinde una proteccin contra todas las crecientes menores
que 878 m3/s y asumamos que el perodo de anlisis es de 100 aos. En la Figura 2.10 se lee
directamente el nmero de veces que, en promedio, cualquier creciente va a ser excedida en
100 aos. As por ejemplo, una descarga de 54 m3/s ser excedida 61 veces en promedio,
mientras que una de 82 m3/s slo 39 veces. Estos valores se dan en las columnas 2 y 3 de la
Tabla 2.8. As pues, podemos esperar unas 22 crecidas (61 - 39) en 100 aos con magnitudes
entre 54 y 82 m3/s.
Los daos resultantes para una crecida de 54 m3/s son iguales a cero; pero para 82
m3/s, alcanzan una magnitud de 0,360 MBs. Algunas de las 22 crecientes que se espera que
ocurran dentro de ese rango no deben causar casi ningn dao. Podramos considerar que el
dao medio es (0 + 0,360 MBs.)/2 = 0,180 MBs; por lo tanto, el dao esperado en 100 aos
debido a crecientes entre 54 y 82 m3/s ser de 22 x 0,184 MBs = 3,96 MBs. Los daos
promedios, calculados como se indica se dan en la columna 5 de la Tabla 2.8 y los daos
esperados en 100 aos, en la columna 6. En el perodo de anlisis de 100 aos, 39 crecientes
exceden el nivel de 82 m3/s. Los daos esperados se computan en idntica forma y se dan en
los renglones que siguen de la Tabla 2.8.
102
FIGURA 2.10. SERIE DE DURACION PARCIAL PARA EL ESTUDIO ECONOMICO DE UN SISTEMA
DE DIQUES.
El total de daos prevenidos por el sistema de diques hasta el nivel de 878 m 3/s ser
igual a la suma de los daos de las crecientes menores; es decir, 3,96 + 31,02 + 90,00 +
78,00 = 202,98 MBs. Usualmente esta magnitud se transforma en un valor medio anual,
dividiendo entre 100, ya que las crecientes poseen una ocurrencia aleatoria. La
determinacin de los daos promedios prevenidos para las otras alternativas se realiza si-
guiendo el mismo procedimiento.
Ahora ya podemos comparar las tres alternativas de diques desde el punto de vista
econmico. Si consideramos al sistema de diques como una parte del mercado competitivo
para la inversin de capital, el nivel econmico ptimo de proteccin ocurrira cuando los
beneficios y costos incrementales se igualan y los beneficios empiezan a exceder a los cos-
tos. Este tipo de anlisis no es necesario en una situacin de monopolio como lo es el
sistema de diques. Sin embargo, uno de los procedimientos recomendados, para la toma de
decisiones consiste en asumir una situacin de mercado competitivo, y desarrollar el sistema
103
de diques hasta un nivel tal que los beneficios y costos incrementales sean iguales, recono-
ciendo que la diferencia mxima entre beneficios y costos puede ocurrir a un nivel inferior
del desarrollo (debido a la situacin de monopolio).
TABLA 2.9. ANALISIS DE BENEFICIO - COSTO
En la Tabla 2.9 se presenta un resumen de los clculos para las tres alternativas. Un
nivel de proteccin en el rango de 878 a 1.359 m3/s arroja un beneficio de 0,333 MBs., a un
costo de slo 0,306 MBs. anual. El costo de la proteccin hasta el siguiente nivel de
1.826 m3/s se incrementa a 0,510 MBs. y el beneficio obtenido slo es de 0,140 MBs.
Obviamente, slo debera considerarse el proyecto hasta el nivel de proteccin de 1.359
m3/s. En este caso, la diferencia beneficio - costo es tambin mxima.
Es necesario hacer notar que los valores anuales de daos por crecidas se van
incrementando con el tiempo. Esto se debe al incremento de los desarrollos en las planicies
inundables cuando se provee de alguna medida de proteccin. Este fenmeno debe ser
reconocido y evaluado para introducirlo en la estimacin de los daos estimados de la Tabla
2.8.
Por lo tanto, una distribucin simtrica, con una forma de S perfecta en escala
aritmtica se transforma en una lnea recta en el papel de probabilidades. La otra escala se
mantiene en unidades aritmticas. En forma similar, la distribucin Log Normal arroja una
104
lnea recta en el papel de probabilidades, pero con una escala logartmica en el eje de las
ordenadas. En ambos casos, el valor medio de la variable normal ocurre en el punto 50%, y
las variables de igual desviacin por debajo y por encima del promedio se ubican en lnea
recta. Un papel de probabilidades especialmente elaborado para la distribucin de valores
extremos de GUMBEL, utiliza en vez de la probabilidad de ocurrencia, su recproco, es
decir el intervalo de recurrencia, denominado tambin perodo de retorno. La probabilidad o
perodo de retorno de un evento dentro de una serie se puede calcular utilizando algn
mtodo de posicin grfica.
n 1
T (2.41)
m
10
Hazen (2m 1) /2n 0,05
20
1/ n
Beard 1 (0.5) 0,067
14,9
Weibull m / (n + 1) 0,091
11
Chegadaye (m 0,3) / (n + 0,067
v 0,4) 14,9
Blom (m 3/8) / (n + ) 0,601
16,4
Tukey (3m 1) / (3n +1) 0,065
15,5
Todos los mtodos de la Tabla 2.13 asignan a los eventos un nmero de orden para lo
cual los valores se ordenan en forma creciente o decreciente. El mtodo ms eficiente y ms
comnmente usado para la posicin de representacin grfica para cualquier distribucin es
el de Weibull:
m
P (2.43)
n 1
Cuando m va de menor a mayor, P es la probabilidad de no excedencia (X x). En
cambio cuando m va de mayor a menor, P es la probabilidad de excedencia P(X x).
106
FACTORES DE FRECUENCIA
107
(2.46)
6 T
K (0,5772 ln ln ) ( 2.47)
T 1
Hay que hacer notar que esta expresin de K slo es vlida para n muy grande, es decir
en el limite n . Para el caso de muestras, K vara con el tamao de la muestra, como se
aprecia en la Tabla 2.14. En la ecuacin (2.44), si hacemos K = 0, se obtiene T = 2,33 aos;
es decir, en el anlisis de frecuencia con la funcin de Gumbel, el intervalo de recurrencia
del caudal medio mximo anual se designa como Q2,33.
EJEMPLO 2.9: El caudal promedio mximo anual del ro Yaracuy, en la estacin Puente
Cumaripa es de 147 m3/s, calculado sobre la base de un perodo de 16 aos. La desviacin
estndar es de 94 m3/s. Estimar la magnitud de los caudales mximos de 50 y 100 aos.
EJEMPLO 2.10: En la Tabla 2.15 se dan los caudales mximos anuales registrados por
el Ministerio del Ambiente y de los Recursos Naturales Renovables (MARN) en el Ro
Yaracuy, Estacin Puente Cumaripa, durante el periodo 1951-1966. Calcular los perodos de
retorno de cada evento y graficar le curva de frecuencias emprica en papel de
probabilidades de valores extremos.
Dado que los puntos se ajustan a una lnea recta, la funcin utilizada se adapta a los datos
del problema.
De acuerdo con la teora del lmite central, los promedios de muestras tomadas de una
poblacin con varianza finita 2 y promedio se distribuyen normalmente con promedio
y varianza 2/n cualquiera que sea la distribucin de la poblacin. El estadstico / n
viene a ser la desviacin estndar de la distribucin de los promedios y se conoce como el
Error Estndar del Promedio. En la Tabla 2.16 se dan los errores estndares para los
parmetros ms usados de una distribucin.
Probabilidad acumulativa, P, %
Tamao de 50 80 90 95 98 99
Muestra
Perodo de retorno, T
2 5 10 20 50 100
10 -0.1355 1.0580 1.8483 2.6063 3.5874 4.3227
15 -0.1434 0.9672 1.7025 2.4078 3.3208 4.0049
20 -0.1478 0.9187 1.6248 2.3020 3.1787 3.8356
25 -0.1506 0.8879 1.5754 2.2350 3.0886 3.7284
30 -0.1526 0.8664 1.5410 2.1881 3.0257 3.6534
35 -0.1540 0.8504 1.5154 2.1532 2.9789 3.5976
40 -0.1552 0.8379 1.4954 2.1261 2.9425 3.5543
45 -0.1561 0.8279 1.4794 2.1044 2.9133 3.5195
50 -0.1568 0.8197 1.4663 2.0865 2.8892 3.4908
55 -0.1574 0.8128 1.4552 2.0714 2.8690 3.4667
60 -0.1580 0.8069 1.4458 2.0586 2.8518 3.4461
109
65 -0.1584 0.L8018 1.4376 2.0475 2.8368 3.4284
70 -0.1588 0.7974 1.4305 2.0377 2.8238 3.4128
75 -0.1592 0.7934 1.4242 2.0291 2.8122 3.3991
80 -0.1595 0.7900 1.4185 2.0215 2.8020 3.3868
85 -0.1597 0.7868 1.4135 2.0146 2.7928 3.3758
90 -0.160 0.7840 1.4090 2.0084 2.7844 3.3659
95 -0.1602 0.7814 1.4048 2.0028 2.7769 3.3569
100 -0.1604 0.7791 1.4011 1.9977 2.7700 3.3487
-0.1643 0.7194 1.3046 1.8658 3.5293 3.1667
TABLA 2.16 ERROR ESTNDAR DE LOS PRINCIPALES PARMETROS DE UNA FUNCIN DE DISTRIDUCIN
DE PROBABILIDADES.
110
Coeficiente de variacin C v 1 2C 2v / 2n
111
Como se puede apreciar, el error estndar, y por lo tanto la confiabilidad del anlisis,
vienen a ser una funcin slo del tamao de la muestra.
Sobre la base del error estndar, es posible establecer los lmites de confianza para el
parmetro que se est analizando, tomando como base la distribucin Normal. Para ello
debemos recordar las propiedades de la variable normal: El 68% de las observaciones se
ubican en el rango de x ; el 95% en el rango x 2 y el 99,7% en el rango x 3 .
Por lo tanto, los lmites de confianza para una probabilidad del 95% para el promedio se
ubican en el rango 2 n . En la prctica, la varianza 2 de la poblacin es
desconocida, por lo que se requiere de una tcnica un tanto diferente para estimar los lmites
de confianza para una muestra con promedio x y varianza S2.
Nota: Los valores de la tabla se multiplican por la desviacin estndar de la variable para
producir la banda de confianza. El lmite superior se obtiene sumando al valor de la curva el
112
error al 5%. El lmite inferior se obtiene restando al valor de la curva el error al 95%.
Los lmites del error se grafican como curvas de control a ambos lados de
la curva de frecuencias. En la Tabla 2.17 se dan los factores propuestos por
BEARD (1961) por los que debe multiplicarse la desviacin estndar de la
variable para establecer los lmites de confidencia con una probabilidad de
90%. El nivel 5%, por ejemplo, significa que slo el 5% de los valores futuros
deberan caer sobre el lmite superior, y en forma similar, slo el 5% deber
caer por debajo del lmite 95%. Nueve de cada 10 valores deberan caer dentro
de la banda de confianza.
Donde:
Se = error estndar de los estimados
S = desviacin estndar de la muestra observada
n = nmero de eventos
Z = variable normal estandarizada
113
90% para Q50, y Q100 del ejemplo 2.9.
DATOS:
Q50 = 459 m3/s K = 3,321 S = 94m3/s
Q100 = 523 m3/s K = 4,005 n = l6aos
C
FS= (2.50)
L
Y el margen de seguridad es
MS=C-L (2. 51)
114
La capacidad real es mayor que el valor dado por el diseo hidrolgico debido a que se
tienen en cuenta otras clases de incertidumbre: tecnolgica (hidrulica, estructural, de
construccin de operacin, etc), socioeconmicas, polticas y ambientales.
Para un riesgo hidrolgico especificado R y una vida til de diseo n de una estructura, la
ecuacin (2.39) puede utilizarse para calcular el perodo de retorno relevante T. La magnitud
L del evento hidrolgico que corresponde a esta probabilidad de excedencia se encuentra al
utilizar un anlisis de frecuencia de la informacin hidrolgica. El valor de diseo C se
encuentra al multiplicar L por un factor de seguridad asignado, o sumando a L el margen de
seguridad adoptado.
Existen dos fuentes de error en w; primero, la funcin f, o modelo, puede ser incorrecta;
segundo, la medida de x puede ser inexacta. En el siguiente anlisis se supone que no existe
115
error de modelo. Kapur y Lamberson (1977) demostraron cmo puede extenderse el anlisis
cuando existe error de modelo. Entonces, suponiendo que f(x) es un modelo correcto, se
selecciona un valor nominal de x, denotado por X, como una entrada de diseo y se calcula
el valor correspondiente de w:
W = f( x ) (2.53)
Si el valor real de x es diferente de x, el efecto de esta discrepancia sobre w se estima
expandiendo f(x) en una serie de Taylor alrededor de x = x :
df 1 d 2f
W = f(x) + (x x) 2
(x x) 2 + (2.54)
dx 2! dx
df
La varianza de este error es Sw2= E ( x x )
dx
O
2
df
Sw2= Sx 2 (2.55)
dx
La ecuacin (2. 55) permite el clculo de la varianza de una variable dependiente w como
una funcin de la varianza de una variable independiente x, suponiendo que la relacin
funcional w=f(x) es correcta. El valor Sw es el error de estimacin estndar de w.
2 2 2
df 2 df 2 df 2
Sw2= S x1
dx
S x 2 ...
dx
S xn
(2.56)
dx1 2 n
Kapur y Lamberson (1977) mostraron cmo extender la ecuacin (2.39h) para tener en
cuenta el efecto de la correlacin entre x1,x2,...,xn, si existe, sobre S2w.
116
ANLISIS DE PRIMER ORDEN DE LA ECUACIN DE MANNING
dQ 2 dR 1 dA
Q (2.59)
dy 3R dy A dy
Sustituyendo en la ecuacin (2.59), la funcin de la forma del canal (2/3R) (dR/dy) +(1/A)
(dA/dy) para secciones transversales comunes de la tabla C6, apndice C.
dVQ 2
Sy 2 2
2 dR 1 dA (2.60)
3R dy A dy
la cual especifica la varianza dela profundidad de flujo como una funcin del coeficiente de
variacin del caudal y del valor de la funcin de forma del canal. Para tener en cuenta
tambin la incertidumbre en el coeficiente de rugosidad n de Manning y en la pendiente de
117
friccin Sf, puede procederse en forma similar, utilizando la ecuacin (2.60) , que
2 2 2
CVQ CVn (1 / 4)CVsf
Sy 2 2
2 dR 1 dA (2.61)
3R dy A dy
2
1
Q = AR 3 Sf 2
n
2
1
1 50 y 3
500= (50 y)
50 2 y
(0.01)
2
0.035
5x 50 6 x 2.19
= 3x 2.19(50 2 x 2.19)
= 0.737
118
(0.30) 2 (0.15) 2
Luego 2
Sy = 0.207
(0.737) 2
Sy=0.46 m
Si las casas estn construidas de manera que los pisos se localicen 0.50m por encima
del nivel de agua calculado, stas se inundarn si la profundidad real es mayor que
2.19+0.50=2.69m. Si la elevacin de la superficie del agua y est distribuida
normalmente, entonces la probabilidad de que se presente un inundacin en las casas
se evala convirtiendo y a la variable normal estandarizada z:
y 2.19 2.69 2.19
P(y>2.69) = P
0.46 0.46
y 2.19
= P 1.087
0.46
= P(z>1.087)
= 1-Fz(1.087)
de la tabla C-1 del apndice C:
Fz(1.087) =0.86
Luego P(y>2.69) =1-0.86=0.14
Existe una probabilidad aproximada de 14% de que las casas se inunden durante el
evento de diseo debido a las incertidumbres en el clculo del nivel del agua para dicho
evento.
119
La correlacin, se define como la asociacin entre dos o ms variables aleatorias, en la
cual, solamente una parte de la variacin total de una variable, denominada dependiente, es
explicada por la variacin de las otras variables, denominadas independientes involucradas
en la estructura de asociacin. La parte no explicada se debe al efecto de los errores y de las
variables que pudiendo tener alguna relacin, no son incluidas en el anlisis.
El grado de asociacin que existe entre las variables incluidas en el anlisis se mide
mediante el coeficiente de correlacin (r). El grado explicativo de la variacin de las
variables independientes (Xi), sobre la variable dependiente (Yi) se mide mediante el
coeficiente de determinacin, B = r2 ; es decir, que r2 representa el porcentaje de la
variacin total de Y que es explicado por la variacin de X.
Debido a que los parmetros hidrolgicos pueden estar asociados entre s, as como con
ciertas variables geomorfolgicas, tal como rea, longitud, pendiente, etc., o simplemente
con el tiempo, la correlacin y regresin constituyen herramientas muy tiles en la
hidrologa. Se suele usar para el relleno de datos faltantes en una determinada estacin en
funcin de los de otra; para la generacin de nueva informacin; y especialmente en los
pronsticos del caudal o niveles de los ros.
Cada uno de los tipos de regresin sealados puede ser lineal o no lineal, segn que la
120
relacin sea lineal o curvilnea. La regresin lineal es la ms til ya que muchas relaciones
curvilneas pueden ser fcilmente transformadas a una relacin lineal utilizando la
logaritmacin. Luego, los modelos ms comunes de regresin son:
S mb o lo Ti po
RL S Lin e a l si
RLM Li n ea l M
(2.62)
(2.63)
Donde:
y = variable aleatoria dependiente (pronstico).
xi = variables aleatorias independientes.
, a = trminos independientes (parmetros de la regresin)
, bn = coeficientes de regresin
e1 = residuo o error = y1- yi
xo = variable auxiliar = 1.
i 1 i 1 i 1
(SCE)
0 y i na b x i
a
(SCE) 2
0 x i yi a x i b x i
b
121
x i yi a x i n x i yi x i yi
b
x i2 n x i2 ( x i ) 2
(x i x)(y i y)
(2.65)
(x i x) 2
Los parmetros a y b del modelo RLS tambin pueden estimarse en forma grfica
como sigue:
x i1 x i1 x; x i2 x i2 x 2 ;......x ik x k ;
Y y1 y
122
b1(Dx 12 )+ b2(Dx1Dx2)++bk(Dx1Dxk) = (DyDx1)
y b o b1 x i1 b 2 x 12 (2.67)
b o y b1 x 1 b 2 x 2 (2.68)
S 2y (x i1 , x i2 ) [(y i (x i1 , x i2 ) - y 2 ]/(n - 1)
Br 2
yx1x2 (2.71)
S 2y (y i y) 2 /(n 1)
123
El estadstico de prueba que se usa es el de la distribucin t, calculado como sigue:
r n 2
1/2
t (2.74)
1 r
2 1/2
Decisin:
si/t/ t0,05 0 se acepta H1 (2.75)
1/2
2
n
(xi x)
SX
n 1
1/2
2
n
(yi y)
Sy
n 1
Donde:
b = coeficiente de regresin calculado anteriormente
Sx = desviacin estndar de la variable X
124
Si reemplazamos b por las expresiones matemticas utilizadas para su clculo, se
obtienen para r otra relacin de utilidad (Ver Ecuacin 2.59).
Cov XY xy
(2.78)
VarX VarY x y
correlacin mltiple.
sy
Donde:
Sy = Desviacin estndar de la variable Y
Se = Desviacin estndar de los errores, denominado tambin error estndar de
125
2 (y i y) 2 2
S [1 r ] Sy
2
n k 1
e
Yi = Valores observados
Yi = Valores estimados mediante el modelo.
RANGO DE GRADO DE
CORRELACIN
f n r2
< 3,0 Insuficiente
3,0 Aceptable
3,0-5,0 Bueno
> 5,0 Muy bueno
- El tercer criterio que vamos a presentar es el propuesto por LANGBEIN, el cual se basa
en el concepto de la denominada Ganancia de Informacin al usar el modelo de
126
regresin. Para determinar la ganancia de informacin, se calcula primeramente la
longitud efectiva de un registro extendido por regresin, el cual se compara con la
longitud del registro utilizado en el desarrollo del modelo de regresin. Si el registro
efectivo resultara mayor que el registro inicial, se habr ganado informacin y por lo
tanto se puede usar el modelo; en caso contrario, habra que desechar la correlacin.
Donde:
N e = Longitud efectiva del registro ganado por correlacin.
2
forma normal con media y x y varianza y
.
3) Los errores se distribuyan en forma normal, e independiente y posean una media igual a
2
cero y una varianza e
.
4) Exista homogeneidad de varianza, es decir, que los valores generados de Y para cada
2
Var ( y/x1 ) Var (y/^ x 2 ) .... Var (y/x n ) y
127
c. Error de los estimados mediante regresin
Partiendo de la tercera acepcin: Los errores se distribuyen en forma normal con
media cero y desviacin estndar Se, podemos calcular el error del pronstico utilizando la
propiedad de la distribucin normal, mediante la cual, alrededor del 68% de los valores de la
variable estn comprendidos en el intervalo de una desviacin estndar hacia ambos lados
de la tendencia central; el 95% en el intervalo de dos desviaciones estndar y el 99,7% en el
intervalo de tres desviaciones estndar. La tendencia central est dada por el valor de Y de la
ecuacin de regresin y la desviacin estndar es el denominado error estndar de
estimacin. Por lo tanto, tenemos los siguientes rangos entre los que puede variar el pro-
nstico:
Y Se, con el 68% de probabilidades
Y 2Se, con el 95% de probabilidades
Y 3Se, con el 99,7% de probabilidades
Para cualquier otro valor de probabilidad, el factor que debe multiplicar a S e se
obtiene de las tablas de la distribucin normal. As por ejemplo; para un 90% de
probabilidades, se tiene un valor de 1,645, es decir:
Y 1,645 Se, con el 90% de probabilidades.
128
ubicada en un afluente aguas arriba de E1.
Datos AOS 1 2 3 4 5 6 6 8 9 10 11 12
Fecha (Mes) JUN JUL AG AGO JUL JUL JU AGO SEP MAY JU AG
O N L O
Nivele en cm 172 309 302 283 443 298 319 419 361 267 337 230
s E1 = Y
Estaci
n
Estaci E2 = 93 193 187 174 291 184 205 260 212 169 216 144
n X1
Estaci E3 = 120 258 255 238 317 246 265 304 292 242 272 191
n X2
SOLUCIN:
Regresin lineal simple (Ver Ecuacin (2.50)
HE 1
f H E 2
y
y 37,40 3,117m
n 12
x1
x i 23,28 1,940m
n 12
2
Sx1
x i1 x1 2,857 0,260m2 , de donde S 0,51
x1
n 1 11
(y y) 2 6,118
S2y 0,556m 2 Sy 0,746
n 1 11
129
El modelo ser entonces
y 0,304 1,45x1 e
De acuerdo con los criterios adoptados para juzgar la bondad de r, la correlacin es muy
buena.
Regresin lineal mltiple de 2 variables (Ecuacin (2.55))
H e1 f[H e 2, H e 3 ]
b 0 y b1x1 b 2 x 2 0,226m
r [(b1 Sx 1 y b 2Sx 2 y )/s 2y ]1/2 0,992
.
B r 2 0,984
Se S y (1 b) 0,094
SOLUCIN
130
N 20
Ne
Nk 8 =19.7 aos
1 (1 r 2) 1 (1 0,9912)
k2 12 2
N = 20 aos.
K= 12 aos.
R = 0,991
REGRESION NO LINEAL
La estructura del modelo de regresin no lineal es desconocida. En algunos casos
especialmente en la regresin simple, dicha estructura se puede deducir graficando las
variables. De lo contrario, el modelo tendra que determinarse por tanteos.
Para determinar los parmetros del modelo, se suele usar la transformacin logartmica
para linearizar dichas funciones no lineales, obteniendo as relaciones ms sencillas y una
distribucin uniforme de los valores en el rango de la curva de regresin. Adems se busca
que las funciones de distribucin de las variables se acerquen a la normal.
La sumatoria de las desviaciones al cuadrado alcanza un mnimo para determinados valo-
res de a0 y a1, independiente de la forma de X; por lo que no pierde validez la funcin
genrica y = a0 + a1 f(x). Tomando la transformada logartmica f(x) = Ln X, log X, se
obtiene:
y = a0 + a1 ln X, es decir, X = exp [(y a0)/a1] (2.80)
Y = a0 Xa1 (2.81)
log Y = log a0 + a1 log X
Zy= log a0 + a1Zx
131
x0 a X; yo a Y; o a ambas, en cuyo caso el modelo toma la siguiente forma:
Y - y0 = a0 (X - xo)a1 (2.82)
y a o x1a1x a2 2 x 3a 3 .........x an n
(2.83)
En todos los casos, el clculo de los parmetros se efecta en la misma forma que para la
regresin lineal.
EJEMPLO 2.14: Se desea calcular el modelo de regresin no lineal para estimar los
caudales especficos mximos (y) de una regin con 13 estaciones de medicin, en funcin
del rea de la cuenca (x1) y del grado de urbanizacin (x2). Los caudales se dan en l/s-Km2,
el rea en Km2, y el grado de urbanizacin en porcentaje.
Datos:
No. Y Zy X1 Zx1 X2 Zx2
1 41,9 1,62221 4838 3,68467 4,9 0,69020
2 47,2 1,67394 3162 3,49998 5,2 0,71600
3 56,6 1,75282 2841 3,45347 5,0 0,69897
4 53,1 1,72509 2005 3,30212 2,1 0,32222
5 56,2 1,74974 1008 3,00346 2,2 0,34242
6 144,8 2,16084 754 2,88309 50,0 1,69897
7 194,5 2,28892 25 2,39967 41,6 1,61909
8 109,5 2,03941 136 2,13354 10,9 1,03743
9 161,0 2,20683 110 2,04139 36,4 1,56110
10 188,0 2,27416 101 2,00432 49,6 1,69548
11 244,1 2,38757 36 1,55630 33,6 1,52634
12 436,0 2,63949 11 1,04139 41,3 1,61595
13 174,2 2,24105 38 1,57978 3,8 0,57978
132
Zx1 = log X1
X2 = grado de urbanizacin.
Zx2 = log X2
Z y log a 0 a1Z x
1
Aplicando las ecuaciones (2.52), (2.53) y (2.59) se obtiene:
a1 0,3503
log a 0 2,9365
rxy 0,9298
B 0,8645
Zy 2,9365 0,3503 Z x1
Y 863,97 X10,3503
a 2 0,2309
log a 0 2,4739
r y , x1 , x 2 0,9831
r 2 0,9665
133
REFERENCIAS.
Haan, C.T., Statistical Methods in Hydrology, Iowa State Univ. Press, Ames, Iowa,
1977.
Chow, V.T., Maidment, D.R. and Mays, L.W. Applied Hydrology, Mc Graw-Hill,
US.A., 1988.
Hjelmfelt, A.T. and Cassidy, J.J. Hydrology for Engineers and Planners. Iowa State
Univ. Press, Ames, Iowa, 1975.
Chow, V.T. Statistical and probability analysis of hidrology data, Sec. 8-1 in
Handbook of Applied Hydrology, Ed. by V.T. Chow, Mc Graw-Hill, N.Y., 1964.
Como se ha mencionado, los modelos de eventos simulan el humedecimiento del suelo por
efecto de la lluvia, pero no simulan el balance en el perfil del suelo ni el proceso de secado
por infiltracin, percolacin y evapotranspiracin, slo simulan el hidrograma de crecientes
(eventos) en perodos discretos de tiempo.
134
Es un modelo de eventos de crecientes, por tal motivo no simula el balance de agua en el
suelo, es decir, no se puede usar para modelacin continua, donde se debe modelar el
decaimiento de la humedad del perfil del suelo por evapotranspiracin, infiltracin y
percolacin. Este modelo ha sido superado por el modelo HEC-HMS pero su base terica es
semejante. La modelacin se realiza de la siguiente forma:
Mapa base: topogrficos, red de drenaje, delimitacin de cuencas y de drenaje urbano (si
corresponde).
Segmentacin de la cuenca en subcuencas, realizada teniendo en cuenta los puntos con
estaciones de aforo y con obras de regulacin.
Interconexin de subcuencas por tramos de cauces, hecha mediante la identificacin de
confluencias y el reconocimiento de las caractersticas fsicas e hidrulicas de los tramos
del ro.
Identificacin de obras hidrulicas, tales como: obras de toma, diques derivadores, plantas
de bombeo, centrales elctricas, puentes, etc.
Cuando se conocen las ordenadas de HU, se ingresan stas directamente (comando UI). Si
esto se hace, el intervalo de tiempo del HU debe ser el mismo del que se coloca en el
comando IT. No se puede ingresar un hidrograma unitario con IN haciendo diferente
intervalo que el declarado en IT. En este caso el exceso de precipitacin se transforma en
escorrenta basado en la ecuacin de convolucin discretizada en el intervalo de tiempo que
se especifique. De acuerdo con esto el mtodo es lineal, independiente de la tormenta y
dependiente de las caractersticas de la cuenca. Al ser lineal, la escorrenta producto de los
excesos para diferentes perodos se pueden superponer.
Flujo base: mediante la curva exponencial.
Trnsito de ondas de crecientes en ros, con el uso de mtodos hidrolgicos (Muskingum,
Pulso modificado, tirante normal) de la ecuacin de Momento (onda cinemtica).
Los mtodos que suponen que la superficie del embalse sea horizontal trabajan slo con la
ecuacin de continuidad, pues el cambio en almacenaje en un perodo t es slo funcin de la
entrada promedio menos la salida promedio.
135
Fusin nival a travs del mtodo del Grado/da Balance de Energa. Para simulacin de
la fusin de la nieve cada subcuenca se discretiza en zonas de elevacin hasta un mximo
de diez.
En el planteo de la simulacin, el intervalo de elevacin que se toma para las zonas puede
ser cualquiera, pero en un problema este debe ser el mismo para todas las zonas y debe
coincidir con el intervalo que se tome para temperatura. Por cada rea de elevacin
empezando por la ms baja va un ingreso que lleva el rea incluida. El equivalente de agua
en nieve en mm al inicio de la simulacin y la precipitacin anual normal en esa zona (este
dato puede no ir), pueden especificarse hasta diez zonas.
136
et al., 1994), y el Danish han sido integrado a sistemas de monitoreo en tiempo real (capitulo
14).
Modelo Standford IV
La estructura de este modelo (Figura 7.23) es antecedente de los modelos continuos que le
sucedieron.
National Weather Service Soil Moisture Accounting Model (Modelo de Sacramento)
Este modelo estableci la estructura bsica de la simulacin continua y del balance del agua
en el perfil del suelo. Su estructura operativa es igual a la de los modelos de eventos con
unidades de respuesta hidrolgica o subcuencas. Considera reas permeables e
impermeables y el perfil del suelo dividido en dos horizontes superior e inferior. Los dos
elementos bsicos de prdidas son evapotranspiracin e infiltracin, arrojando como
resultado el escurrimiento superficial, el almacenamiento subterrneo y el escurrimiento
subterrneo.
En su versin original, funciona con un intervalo de tiempo de 15 minutos. Como todos los
modelos continuos, tiene muchos parmetros difciles de estimar. Su uso estuvo ligado,
generalmente, a la modelacin en tiempo real de cuencas provistas de buenos datos.
Fig. 13.1 Representacin esquemtica del modelo de Stanford IV. (Crawford y Linsley,
137
1966)
Se puede decir que luego de su aparicin, para operacin en tiempo real, en el National
Weather Service-River Forecast Center de California y Nevada en 1973 (Burnash et al.,
1973) fue el paradigma de los futuros modelos continuos.
El Modelo de Sacramento considera tambin dos horizontes, pero en cada zona (superior e
inferior) divide el agua en agua de tensin (zona no saturada) y agua libre (zona saturada).
En la zona inferior considera a su vez dos zonas, aquella que genera rpidamente flujo base
(flujo suplementario) y aquella de drenaje lento (flujo primario).
138
pronstico. Desde esa fecha se deben ingresar datos pronosticados de temperatura y
precipitacin para que el modelo genere el hidrograma correspondiente.
Pronstico a largo plazo. En este caso no se ingresan datos de pronsticos, el modelo usa
datos observados para igual perodo en el ao previo y los anteriores. El modelo genera
tantos hidrogramas como aos hayan disponibles o menos, si se desea. Todas las
secuencias se iniciarn en las condiciones de estado del modelo con los datos corrientes,
es decir, para una condicin antecedente de suelo que es la de la fecha en el ao actual. Si
eso es razonable, los correspondientes hidrogramas mostrarn una distribucin confiable
con la realidad.
Al igual que en lo mencionado en modelos ya citados, el IHMS cuenta con los siguientes
mdulos :
Acumulacin y fusin nival.
Balance de agua en el perfil del suelo.
Generacin de hidrogramas de escorrenta directa y de flujo base.
Rutinas de trnsito.
Suma de hidrogramas de subcuencas.
Subdivisin en cuencas de montaa por franjas altitudinales para el mdulo de nieve y
para balance de agua en el perfil del suelo. Estas franjas de elevacin a su vez se pueden
dividir en zonas de diferente vegetacin.
139
Fig. 13.3 Estructura conceptual simplificada del modelo de HBV (Bergstrm, 1976)
El modelo funciona con un intervalo de tiempo de 1 da, pero se pueden usar intervalos
menores.
140
13.3 MODELACIN DE CUENCAS CON DATOS INSUFICIENTES
Los modelos cuyos parmetros se definen basados en las condiciones fsicas de la cuenca
(como lo es el HEC-1, HEC-HMS, ARHYMO), deben preferirse de aquellos que los
parmetros se obtienen por calibracin, es decir, modelos continuos.
La extrapolacin de datos de cuencas con mediciones a otras que carecen de ellas, siempre
que exista homogeneidad meteorolgica e hidrolgica, es un buen recaudo a tener en cuenta
haciendo uso de metodologas de correlacin mltiple entre precipitacin, caudal y
parmetros geomorfolgicos. En este sentido, algunos parmetros fsicos a tomar en cuenta
en los modelos de regresin son: rea de la cuenca, longitud cauce principal, pendiente de la
cuenca, pendiente del cauce principal, diferencia de nivel entre los extremos del cauce
principal, cota del centro de la cuenca, permeabilidad o infiltracin, uso del suelo, densidad
de drenaje, CN del SCS.
Los parmetros de los modelos sintticos de lluvia - caudal estn basados en datos fsicos de
las cuencas. En el caso de trnsito de crecientes se deben usar mtodos como Puls
Modificado, basado en la estimacin del coeficiente de Manning y la relacin de
almacenamiento en canal versus descarga, determinada con secciones transversales y perfil
del cauce.
El tipo de informacin que se solicita en estos estudios est compuesto de: caudales
mximos (en todos los estudios) y su frecuencia; volumen de la creciente (para estudios de
embalses embalses); hidrograma completo (base del hidrograma, tiempo al pico, duracin de
la recesin).
141
142