APLICACIN DEL MODELO DE BALANCE HDRICO GR2M EN LA CUENCA

DEL RIO RAMIS

Bertziss Calci, Reynaldo Apaza, Waldo Santander.

Resumen

El presente trabajo se realiz en la cuenca del ro Ramis, ubicado al norte de la regin

hidrogrfica del Titicaca, teniendo como objetivo calibrar y validar un modelo hidrologicoa
travs de variables climaticas (precipitacin, temperatura y caudal). Para el estudio se eligio el
modelo GR2m (Gnie Rural, Ingeniera Rural por sus siglas en francs), el mismo que ha sido
calibrado y validado a escala mensual. La calibracin del modelo se realizo en un periodo de
1966-1995 (29 aos), donde indica una eficiencia de Nash de 74.2 %; en cambio los resultados
de la validacin periodo 1996-2010 (14 aos) muestra como eficiencia 50.7 %; asi mismo los
coeficientes de correlacion son de 84 %. En ambos fases del modelo se encuentra en
condiciones de ser utilizado para pronosticar caudales.
 1. Introduccin

La cuenca del ro Ramis ubicada al norte de la regin hidrogrfica del Titicaca ocupa 15 541
km (32% de rea total de la cuenca del Titicaca) y tiene un caudal medio anual de 75,7 m3.s1
(Vera 2009). Esta cuenca ha sido afectada durante varios periodos anuales por una mayor
recurrencia de eventos extremos (sequas, inundaciones, etc.), que ha perjudicado las
actividades socioeconmicas en la cuenca del ro Ramis. Dadas estas condiciones y por la
limitada informacin de las variables hidrolgicas en tiempo real, as como al inters en
mejorar el conocimiento del rgimen hidrolgico de los ros de la VT se propone desarrollar
metodologas apropiadas para estimar las variables hidrolgicas usando el modelo GR2m al
paso de tiempo mensual, como aporte en la planificacin y gestin del recurso hdrico.

En las ltimas dcadas se han desarrollado un gran nmero de modelos para la simulacin de
caudales, a partir de las variables hidrolgicas: precipitacin y evapotranspiracin. La
modelizacin de la relacin lluvia-escorrenta adquiere diferentes concepciones en su
formulacin para explicar los procesos fsicos que ocurren en la cuenca. Las relaciones lluvia-
escurrimiento se utilizan principalmente para el diseo, pronstico y evaluacin; si los datos de
escurrimiento no estn disponibles o son insuficientes, las relaciones lluvia-escurrimiento
pueden ser muy tiles para obtener el escurrimiento a partir de la precipitacin ( Intendencia
de Recursos Hdricos 2008).
En muchas regiones es usual que los registros de pre cipitacin son ms abundantes que los
registros de caudal, por lo tanto, evaluar los caudales de los ros a partir de la precipitacin ha
sido un importante tema de investigacin (Xu & Singh 1998 a).

El modelo GR2m fue desarrollado por CEMAGREF (Centro de Investigacin Agrcola e

Ingeniera Ambiental de Francia), y difundido y aplicado por investigadores de ORSTOM en el
Estudio Hidrolgico-Meteorolgico en la vertiente del Pacfico del Per con fines de
evaluacin y pronstico del fenmeno El Nio para prevencin y mitigacin de desastres
(ORSTOM 1999).

Los resultados obtenidos nos permitirn contar con un modelo hidrolgico operativo y
eficiente para realizar una mejor estimacin espacio-temporal de la oferta del recurso hdrico
en la cuenca del ro Ramis.
 2. Metologa
2.1. Area de estudio

La Cuenca Ramis se ubica al norte de la regin hidrogrfica del Titicaca (Figura 1),
polticamente en el departamento de Puno y se extiende por las provincias de Sandia, San
Antonio de Putina, Carabaya, Melgar, Azngaro, Lampa y Huancan; abarca una superficie de
14679 km. Su altitud mxima es de 5828 msnm (nevado de Ananea) y la mnima 3850 msnm
en la estacin hidromtrica Puente Carretera Ramis.
El principal ro que drena a la Cuenca Ramis es el Crucero. Este ro nace en las cercanas del
nevado de Ananea Grande y la laguna Rinconada; en su recorrido toma las denominaciones de
ro Grande y en la parte baja ro Crucero, su orientacin es de oeste a este y cerca a localidad
de Antauta cambia de curso norte sur. El curso principal tiene una longitud de 363.49 km. La
Cuenca Ramis se localizan en la zona climtica semiseca fra, caracterizada por veranos
hmedos y clidos e inviernos secos y fros (SENAMHI, 2010).

Fi g 1. Ma pa de ubi ca ci n del rea de es tudi o y es ta ci ones meteorol gi ca s .

 2.2. Datos

Para el anlisis se utiliz informacin mensual del periodo 1965-2010 de las variables de
precipitacin y temperatura media de 13 estaciones climticas y registro de caudales de la
estacin Puente Ramis, administrados por el Servicio Nacional de Meteorologa e Hidrologa
(SENAMHI). Estos registros fueron sometidos a anlisis, crtica de datos a travs del mtodo de
Vector Regional (Hiez, 1977; Brunet-Moret, 1979).

Tabla 1. Red de estaciones

Ubicacin
Estacin Altitud Variable
Latitud () Longitud ()
(m.s.n.m)
Ananea -14.67844452 -69.53425 4660 Precipitacin, Temperatura
Arapa -15.13625008 -70.11822222 3830 Precipitacin, Temperatura
Ayaviri -14.87266675 -70.59288888 3928 Precipitacin, Temperatura
Azngaro -14.91436119 -70.19074999 3863 Precipitacin, Temperatura
Chuquibambilla -14.78477786 -70.71569444 3971 Precipitacin, Temperatura
Huancan -15.20150007 -69.75355555 3890 Precipitacin, Temperatura
Llalli -14.93652786 -70.88594444 3980 Precipitacin, Temperatura
Maazo -14.80005563 -70.06658333 3920 Precipitacin, Temperatura
Progreso -14.69011118 -70.02352777 3980 Precipitacin, Temperatura
Pucara -15.04561119 -70.36663888 3900 Precipitacin, Temperatura
Putina -14.91461118 -69.86775 3878 Precipitacin, Temperatura
Santa Rosa -14.62375008 -70.78652777 3986 Precipitacin, Temperatura
Taraco -15.31166674 -69.97247222 3849 Precipitacin, Temperatura
Puente Ramis -15.25544444 -69.87380556 3812 Caudal

2.3. Modelo GR2M

GR2M es un modelo de balance hdrico conceptual a paso de tiempo mensual con un reducido
nmero de parmetros (Lavado Casimiro et al., 2011). X1 y X2 definen la mxima capacidad de
almacenamiento del reservorio y la relacin de intercambio de agua entre la superficie y las
aguas subterrneas, respectivamente, adems de los dos parmetros considera dos estados
iniciales, denominados; cuantificacin del almacenamiento de humedad del suelo (S) y
reservorio cuadrtico (R) (Rwasoka et al., 2014). El modelo fue condicionado para simular
caudales mensuales a partir de evapotranspiracin potencial y precipitacin mensual (Mouelhi
et al., 2006). En la Fig. 3 se presenta un diagrama esquemtico del modelo de GR2M. Para la
formulacin ver Mouelhi et al. (2006).
La evapotranspiracin potencial utilizada como dato de entrada para el modelo mensual
GR2M se calcul utilizando el mtodo de Oudin (Oudin et al., 2005) a partir de registros de
temperatura media mensual, cuyos valores promedio fueron estimados con ayuda del mdulo
espacial de Hydraccess (Vouchel, 2006) para el periodo 1965-2010, al igual que la
precipitacin.

Fi g 2. Di a gra ma del model o GR2M extra i do de Mouel hi et a l . (2006).

Fuente: CEMAGREF (www.cena gref.fr)

2.4. Calibracion y validacin del modelo

La calibracin del modelo es el procedimiento que ajusta las variables de entrada para
optimizar la relacin entre la informacin observada y los resultados de la simulacin del
modelo, mientras que la validacin del modelo es el proceso que demuestra que un modelo
hidrolgico dado es capaz de efectuar predicciones adecuadas para periodos distintos al
periodo de calibracin. Un buen resultado de la validacin muestra que el modelo calibrado es
un buen simulador de la informacin observada y que no genera sobre -estimaciones de los
datos observados en el periodo de calibracin (Liu et al., 2016).
Para la inicializacin del modelo: en la calibracin y validacin, un ao completo de
informacin es tomada para la inicializacin del modelo, que permite atenuar totalmente los
efectos de los primeros clculos. Esto permite al modelo tomar su funcionamiento normal en
el curso de este ao. Durante este ao los resultados del modelo no son tomados en cuenta
para el clculo de la funcin objetivo y los criterios de calidad.
Optimizacin del modelo: para optimizar los parmetros X1 y X2 se us la herramienta SOLVER
de Excel, y como criterio de evaluacin para la optimizacin, el criterio de Nash;
adicionalmente con el balance de caudales observado-simulados se afin los resultados de la
optimizacin.

3. Resultados y discusin

Para la calibracin del modelo GR2m se consider el periodo de referencia 1969-1995. Las
variables de entrada al modelo fueron los valores medios areales mensuales de la
precipitacin, la evapotranspiracin potencial y caudales en lmina. Se utiliz el mod elo en
hoja de clculo Excel.
Los parmetros del modelo X1 y X2 se obtuvieron por optimizacin. Los resultados en la etapa
de calibracin se sintetizan en la Tabla 2, donde se observa los valores optimizados para los
parmetros mencionados, as como los mejores valores encontrados para el criterio de Nash y
de Balance de caudales observados/simulados.

Tabla 2. Resumen de la calibracin 1969-1995

PARAMETROS DEL MODELO TRANFORMACION REAL

X1: Capacidad de almacenamiento (mm) 6.16 474.82
X2: Coeficiente de intercambio de agua (mm) 0.82 0.82

VALORES INICIALES
Nivel inicial en reservorio de produccin (max: x1mm) 56.3
Nivel inicial en reservorio de transferencia (max: 60mm) 72.3

PERIODO
Longitud del periodo (meses) 12
Longitud del periodo de prueba (meses) 359
01
Fecha de inicio 01/66
Fecha final 12/95

Precipitacin media observada (mm/mes) 59

Precipitacin efectiva observada (mm/mes) 56.3
Flujo medio observado (mm/mes) 72.3
Raz cuadrada media del flujo transformado 7.2
Logaritmo medio del flujo transformado 3.7

CRITERIOS DE EFICIENCIA
Nash (Q) 0.742
Con el criterio de Nash se obtuvo 0.74, que es indicativo de una muy buena calibracin y con
el criterio del balance (caudal observado/caudal simulado) se obtuvo 0.45, valor que indica que
el modelo represent los caudales de esta cuenca aunque el valor disminuye de 0.74 a 0.50.
Como podemos observar en la Figura 3a, el modelo simula los caudales en este perodo;
adems en la Figura 3b, se aprecia una alta correlacin (R2 = 0,84) entre los caudales
observados con los simulados.

Fig. 3. a ) Ca udales medios mensuales generados por el modelo comparado con los ca udales de la e s ta ci n Puente
Ra mis. b) Correlacin entre los ca udales observados y l os ca uda l es genera dos por el model o. Es ta ci n Puente
Ra mi s .

Para la validacin del modelo se consider el periodo de referencia 1996-2010. Para esta
etapa, el modelo se corri con los parmetros X1 y X2 obtenidos en la calibracin (Tabla 2).
En la validacin se obtuvo 0.507 para el criterio de Nash, asimismo en la Figura 5 se presenta
las series de caudales observados y simulados, los valores mostrados indican que existe un
comportamiento similar entre los caudales observados y simulados que indican que el modelo
logra representar muy bien los caudales escurridos en la cuenca.

600
500
400
300
200
100
0
dic-88 sep-91 jun-94 mar-97 dic-99 sep-02 may-05 feb-08

Caudal Observado Caudal Simulado

Fig. 4. a ) Ca uda l es medi os mens ua l es genera dos por el model o compa ra do

 4. Conclusiones

El modelo GR2m con los datos de precipitacin, evapotranspiracin y caudal de entrada logra
mediante un proceso de optimizacin una aproximacin entre los caudales simulados y los
observados.

El modelo GR2m evaluado con el estadstico de Nash-Sutcliffe presenta eficiencia tanto en

calibracin (74.2%), as como valores de coeficiente de correlacin de Pearson ptimos tanto
en la fase de calibracin como en la validacin R=0,84.

En base a los resultados obtenidos en la calibracin y validacin, donde el modelo responde

con eficiencia superior al 70% y de acuerdo a la aplicacin del modelo GR2m se puede utilizar
en diferentes actividades relacionadas a los recursos hdricos.

El modelo GR2m constituye un buen ejemplo que un modelo de 2 parmetros es suficiente

para lograr un buen desempeo en la simulacin de caudales mensuales, lo que sugiere que el
modelo puede ser utilizado como una herramienta para la planificacin y ges tin de los
recursos hdricos.
Referencias bibliograficas

Hi ez, G. 1977. Lhomogni t des donnes pl uvi omtri ques . Ca hi ers ORSTOM, s ri e Hydrol ogi e,14:129-172
IRH-ATDRR (2008). Actualizacin del Balance Hdrico de la cuenca del ro Ramis. Intendencia de Recurs os Hdri cos ,
Admi nistracin Tcnica del Distrito de Riego Ramis. Mi nisterio de Agricultura del Per, INRENA.
La va do Casimiro, W.S., Labat, D., Guyot, J.L., Ardoin-Bardin, S., 2011. As sessment of climate change i mpacts on the
hydrol ogy of the Peruvi a n Ama zon -Andes ba s i n. Hydrol . Proces s . 25, 37213734.
doi :10.1002/hyp.8097.
Li u, Y., Ya ng, W., Leon, L., Wong, I., McCri mmon, C., Dove, A., Fong, P., 2016. Hydrol ogic modeling and evaluation of
Bes t Ma nagement Practice s cenarios for the Grand River watershed in Southern Onta ri o. J. Gt.
La kes Res . doi :10.1016/j.jgl r.2016.02.008
Mouel hi, S. (2003). Vers une chane cohrente de modles pl ui e -dbi t conceptuel s gl oba ux a ux pa s de temps
pl uriannuel, annuel, mensuel et journalier. Thse de Doctorat, NGREF, Cemagref Antony, France,
323 pp.
Mouel hi, S., Mi chel, C., Perri n, C., Andrassian, V., 2006. Stepwise development of a two-parameter monthl y wa ter
ba l a nce model . J. Hydrol . 318, 200214. doi :10.1016/j.jhydrol .2005.06.014
Oudi n, L., Hervi eu, F., Mi chel , C., Perri n, C., Andra s s i a n, V., Ancti l , F., Louma gne, C., 2005. Whi ch potenti a l
eva potra ns pi ra ti on i nput for a l umped ra i nfa l l runoff model ? J. Hydrol . 303, 290306.
doi :10.1016/j.jhydrol .2004.08.026.
ORSTOM (1999). Es tudio hidrolgico-meteorolgico en la vertiente del Pa cfico del Per con fines de eva l ua ci n y
pronstico del fenmeno el nio para prevencin y mi tigacin de des a s tres , Li ma -Per 90 pp
Vol umen I.
Rwa s oka , D.T., Ma da mombe, C.E., Gumi ndoga , W., Ka boba h, A.T., 2014. Ca l i bra ti on, va l i da ti on, pa ra meter
i ndentifiability a nd uncertainty a nalysis of a 2 pa rameter parsimonious monthly ra infall-runoff
model i n two ca tchments i n Zi mba bwe. Phys . Chem. Ea rth Pa rts ABC 6769, 3646.
doi :10.1016/j.pce.2013.09.015.
SENAMHI. 2010. Ma pa de clasificacin cl imtica del Per. dis poni bl e en http://www.s ena mhi .gob.pe/?p=0240.
Va uchel , P. (2006). Hydra cces s , s oftwa re hi drol gi co, ttp://www.mpl .ird.fr/hyba m/outi l s /ha _s p_dn_php
Xu, C. Y. & Si ngh, P. (1998). A revi ew on monthly wa ter balance models for wa ter res ource i nves ti ga ti ons . Water
Resources Management, 31:31-50