Tello”
Municipalidad Distrital de Paucarpata
DISEÑO HIDROLOGICO
ÍNDICE
ÍNDICE
3.2.8. Predicciones con la Distribución Log-Pearson tipo III (LPIII). ............................................. 29
Estimación de parámetros por el método de Momentos. ..................................................................... 30
Proceso de cálculo para la obtención de la FDA Log-Pearson tipo III. ............................................. 30
Proceso de cálculo para la estimación de cuantiles. ................................................................................ 31
3.2.9. Distribución Gumbel o de Valores Extremos tipo I (EVI). ..................................................... 31
Estimación de parámetros por el método de Momentos. ..................................................................... 32
Proceso de cálculo para la obtención de la FDA Gumbel. ..................................................................... 33
Proceso de cálculo para la estimación de cuantiles. ................................................................................ 33
3.2.10. Pruebas de bondad de ajuste ......................................................................................................... 33
3.2.10.1. Ajuste gráfico. ........................................................................................................................................ 33
Prueba Kolmogorov-Smirnov. .......................................................................................................................... 34
3.2.11. Selección del modelo probabilístico apropiado ...................................................................... 34
3.2.12. Determinación de la Precipitación máxima de 24 horas representativa de la
cuenca. ..................................................................................................................................................... 35
3.3. CURVAS INTENSIDAD-DURACIÓN-FRECUENCIA (CURVAS I.D.F.) ..................................................... 36
3.4. HIETOGRAMA DE DISEÑO PARA PERIODO DE RETORNO DE 250 AÑOS ....................................... 36
3.4.1. SUBCUENCA CIUDAD BLANCA ...................................................................................................... 37
3.5. TRANSFORMACIÓN LLUVIA ESCORRENTIA ................................................................................................ 38
3.5.1. Hidrograma unitario de la SCS ....................................................................................................... 38
3.6. CAUDAL DE DISEÑO. ............................................................................................................................................ 39
4. CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES ...................................................41
4.1. CONCLUSIONES...................................................................................................................................................... 42
4.2. RECOMENDACIONES............................................................................................................................................ 42
ÍNDICE DE TABLAS
Tabla 1: Valores de temperatura en las cercanías del proyecto. Fuente: [SENAMHI]. ...........................5
Tabla 2: Valores del parámetro número de curva para vegetación natural (SCS, 1986. En negrita
aparecen los valores añadidos por Smith y Maidment, 1995). Fuente: [Ferrer]. ........................................ 13
Tabla 8: Cálculo de los factores de peso, con distancias verticales cuenca Ciudad Blanca. .................. 36
Tabla 11: Precipitación máxima de 24 horas representativa para diferentes periodos de retorno
cuenca Ciudad Blanca. ....................................................................................................................................................... 36
Tabla 12: Resultados del método de los bloques alternos Subcuenca CIUDAD BLANCA. .................... 37
ÍNDICE DE FIGURAS
Figura 1. Suceso hidrológico del 27/01/2017 en las cercanías del proyecto Fuente: La República ................... 3
Figura 2. Suceso hidrológico del 27/01/2017 en las cercanías del proyecto Fuente: El Comercio .................... 3
Figura 5. Pendiente del cauce por compensación de áreas. Fuente: Adaptado de [Villón, 2002]. .................... 9
Figura 6. La cuenca como un sistema hidrológico. ............................................................................................................. 15
Figura 15. Resultados obtenidos del software STORM AND SANITARY .................................................................... 40
ÍNDICE DE ANEXOS
ANEXO I. DATOS DE HIDROLOGICOS
ANEXO II. HIDROLOGIA ESTADISTICA
ANEXO III. LLUVIA DE DISEÑO
ANEXO IV. HIDROGRAMA DE DISEÑO
1. CAPITULO I: GENERALIDADES.
Entre los meses de enero, febrero y marzo, del año 2017 en nuestro país, desde la región sur hasta el norte; los
que vivimos en estas tierras, estuvimos viviendo y resistiendo los embates de la naturaleza. Lo dicho
anteriormente ante situaciones de comportamiento bipolar tales como las sequías y las máximas avenidas
(eventos extremos). Lo primero se evidencia por la falta del líquido elemento y los segundo por los diversos
huaycos e inundaciones.
Lo dicho anteriormente requiere que las autoridades políticas y las empresas privadas, deban pensar en
proyectos orientados a resolver problemas de recursos hídricos y eventos extremos, el primero con miras a
mejorar la disponibilidad hídrica en calidad y oportunidad para los agricultores, y el segundo para generar
proyectos que protejan las infraestructuras de puentes ante peligros de máximas avenidas.
Figura 1. Suceso hidrológico del 27/01/2017 en las cercanías del proyecto Fuente: La República
Figura 2. Suceso hidrológico del 27/01/2017 en las cercanías del proyecto Fuente: El Comercio
Es, en este marco que el cliente la Municipalidad Distrital de Paucarpata conocedor del comportamiento
hidrológico de esta zona de país y de los últimos sucesos del 27 de enero del 2017 en las cercanías del proyecto,
contrata los servicios del HilariosED para realizar el estudio de Máximas Avenidas para diseño hidrológico y
determinación del caudal Máximo a diferentes periodos de retorno, con miras a diseñar de manera correcta la
infraestructura del puente peatonal Julio C. Tello.
Para lograr el objeto mencionado en el último párrafo es importante dividir el trabajo en dos espacios, diseño
hidrológico (determinación de caudales de ingreso al sistema) y diseño hidráulico para determinación del Nivel
Aguas Máximas Extraordinarias y su respectivo nivel de socavación.
1.2. UBICACIÓN
El emplazamiento del proyecto se encuentra en cercanías del colegio Julio C. Tello en el sector de Ciudad Blanca,
ubicado en el Distrito de Paucarpata, Provincia y Departamento de Arequipa. Aproximadamente entre las
siguientes coordenadas (Datum WGS 84 zona 19 sur):
E-1: 233702.20 m E, 8183306.77 m S
1.3. CLIMA
Las características climáticas e hidrológicas de la región Arequipa y en particular de la ciudad de Arequipa, están
gobernadas principalmente por los siguientes factores:
Centro de alta presión situado aproximadamente a 30°S, frente a las Costas de Chile, ejerce gran
influencia sobre la Costa Occidental de América del Sur, especialmente de Mayo a Octubre. Durante el
verano se encuentra ubicado a 33°S con 93°O. En invierno el centro es más amplio y se localiza a 27°S y
entre los 95° a 100°O, con intensidades algo más bajas que las de verano (SENAMHI).
Corriente Peruana:
Según Chereque [1989], “La Corriente Fría de Humboldt, es un fenómeno dinámico del Pacífico que ha
tenido, y tiene, papel preponderante en la modificación del que debería ser un “lógico” clima costero,
porque:
Restringe fuertemente, al enfriar el agua, las tasas de evaporación desde el Pacífico, reduciendo
proporcionalmente los posibles volúmenes de lluvia potencial; y
Al enfriar a las capas de aire en contacto con el espejo de agua, reduce considerablemente el poder de
ascender de esa masa de aire, cuya pequeña humedad suele condensarse a poca altura formando las
nieblas costeras, que alimentan a las llamadas lomas o pastizales efímeros."
Es un sistema de alta presión (anticiclón) que se localiza aproximadamente a los 12 km de altura, ubicado
entre los 12º y 13°S y los 65º y 68°O, generalmente se acerca al sur peruano sólo en el verano,
provocando las lluvias en las zonas alto andinas de la región Arequipa.
La interacción de estos fenómenos con la Cordillera de los Andes determina que las condiciones climáticas en
la costa y cordillera occidental de la región Arequipa tengan climas áridos y semiáridos [Ministerio del Ambiente,
2010].
Según el SENAMHI se registraron temperaturas máximas con valores entre 18.4 y 25.8°C; las mínimas mostraron
un comportamiento con valores entre 5.4 y 10.3°C.
1.4. OBJETIVO
Realizar estudio de hidrológico de máximas avenidas para el punto de interés del proyecto “Diseño hidrológico
para el proyecto: Instalación del Puente Peatonal Julio C. Tello”.
Los Objetivos Específicos que se desean alcanzar con este estudio son los siguientes:
“Las características físicas de una cuenca, son elementos que tienen una gran importancia en el comportamiento
hidrológico de la misma. Dichas características físicas se clasifican en dos tipos según su impacto en el drenaje: las
que condicionan el volumen de escurrimiento, como el área y el tipo de suelo de la cuenca, y las que condicionan
la velocidad de respuesta, como el orden de corriente, la pendiente, la sección transversal, etc.” [ANA, 2010].
Para determinar los parámetros morfológicos de la cuenca en estudio, se han utilizado las cartas nacionales
digitalizadas a una escala 1:100000.
Los parámetros morfológicos estudiados para el modelamiento de la cuenca son el área y relieve, los cuales en
el presente trabajo se determinaron con el uso del paquete computacional Global Mapper.
“El área de la cuenca es probablemente la característica morfológica más importante para el diseño. Está definida
como la proyección horizontal de toda el área de drenaje de un sistema de escorrentía, dirigido directa o
indirectamente a un mismo cauce natural” [ANA, 2010]. La determinación del área de drenaje, está estrechamente
relacionada con la determinación de la línea divisoria topográfica o freática. Sin duda, determinar la divisoria
freática o hidrológica es muy poco tratable, por ello la divisoria topográfica resulta útil y aplicable para las metas
pretendidas en el análisis general de una cuenca Hidrológica [Monsalve, 1999].
Para trazar la divisoria topográfica, se tomaron en cuenta los siguientes criterios [Oñate]:
El proceso para trazar la divisoria topográfica de las sub cuencas se inició en las inmediaciones del puente
peatonal proyectado Julio C. Tello, el cual se pudo identificar luego de una superposición de la cartografía y las
imágenes satelitales del Eart Google. Para la determinación sistemática del área en la cuenca de estudio, se ha
utilizado el software Global Mappes.
Se ha identificado una cuenca pequeña de 5.39km2, en el cual se tomará como válido los siguientes supuestos:
También conocido como Coeficiente de Compacidad Kc , se define como la relación del perímetro de la cuenca
y la longitud de circunferencia de un círculo de igual área.
P
Kc
A
2
Donde:
1 Kc
Este coeficiente brinda algunas conjeturas sobre la forma de la cuenca. Un coeficiente de compacidad igual a
uno, indica que la cuenca es de forma circular; y cuando éste es mayor que uno, la cuenca tiene una forma muy
irregular o alargada. La hoya de forma circular es más propensa a respuestas rápidas, en cambio una cuenca
alargada tendrá una respuesta más lenta.
La pendiente del cauce es un factor muy importante, porque influye en la velocidad del flujo, la cual determina
el tiempo de respuesta de una cuenca. En general, la pendiente de un tramo del río se puede considerar como
el cociente que resulta de dividir el desnivel de los extremos del tramo, entre la longitud horizontal de dicho
tramo. Un cauce natural presenta un perfil longitudinal del eje conformado por una serie ilimitada de tramos,
que depende de la geología del lecho [Reyes, 1992].
Para la determinación de esta pendiente, en realidad existen varios métodos, los que se desarrollan a
continuación:
o Método de la pendiente uniforme.
Este método considera la pendiente del cauce, como la relación entre el desnivel que hay entre los
extremos del cauce y la proyección horizontal, es decir:
H
S
L
Donde:
S : Pendiente.
H : Diferencia de cotas entre los extremos del cauce.
L : Longitud del cauce.
Generalmente este método debe ser usado en tramos cortos.
A1= A2
Cota
pendiente
A1
A2
Distancia
Figura 5. Pendiente del cauce por compensación de áreas. Fuente: Adaptado de [Villón, 2002].
La pendiente es una de las propiedades del relieve que determina la rapidez de respuesta de un evento extremo.
Este parámetro es de vital importancia pues da un índice de la velocidad media de escorrentía, su poder de
arrastre, de erosión y el tiempo de concentración de las aguas en determinado punto del cauce [Villón, 2002].
Su estimación no es sencilla, por ello en el presente trabajo se empleará el criterio Horn.
Este criterio fue desarrollado para la determinación de la pendiente a partir de una estructura espacial matricial
o raster [Olaya, 2004]; la pendiente se calcula como el cambio en la elevación para cada celda en función de las
celdas vecinas. A continuación, se realiza una breve descripción del método (tomado de la ayuda en inglés del
Software ArcGIS 9.3).
El objetivo es calcular la máxima pendiente de la celda “e”, con este criterio se calcula la pendiente teniendo en
cuenta los valores de elevación de los ocho vecinos más próximos a la celda “e”, pero teniendo mayor peso los
vecinos más cercanos.
Dz Dz
Por lo tanto, el ritmo de cambio de la superficie en la dirección horizontal , como en la vertical del
Dx Dy
centro de las celdas, determinará su pendiente. El algoritmo básico utilizado para calcular la pendiente se
encuentra resumido en las siguientes ecuaciones:
Dz 2 Dz 2
a tan (en radianes )
Dx Dy
Dz 2 Dz 2 180
a tan (en grados )
Dx Dy
Donde:
Dz c 2 f i a 2d g
Dx 8 Tamaño de Celda
Dz g 2h i a 2b c
Dy 8 Tamaño de Celda
Llamado también Método del Número de Curva, ha sido desarrollado por el Soil Conservation Service (SCS),
denominado desde 1994 National Resources Conservation Service (NRCS), del Departamento de Agricultura de
los Estados Unidos (USDA). Esta metodología encuentra su utilidad en cuencas naturales no aforadas, en las que
se deseen estimar los caudales circulantes por métodos hidrometeorológicos. La primera versión apareció en el
National Engineering Handbook del SCS en 1954, habiéndose publicado revisiones posteriores hasta 1997 por
la NRCS.
El modelo parte de dos hipótesis según NRCS (2001):
1) La escorrentía superficial se inicia una vez alcanzado un cierto umbral de escorrentía, denominado I a
.
2) El cociente entre la retención de agua real y la retención máxima, es igual al cociente entre la
escorrentía directa y la escorrentía superficial máxima.
Trabajando sobre las ecuaciones anteriores y resolviendo para Pe, se obtiene la ecuación en su versión original:
(P I a ) 2
Pe
P Ia S
En ella se puede observar que depende de los parámetros I a y S, para resolver este inconveniente fue necesario
encontrar una relación entre dichas variables. Después de muchas experiencias, el USDA estableció dicha relación
como I a 0.2S , que reemplazando resulta en la siguiente expresión:
( P 0.2S ) 2
Pe
P 0.8S
De esta manera el modelo depende únicamente de una variable, la capacidad máxima de almacenamiento de
agua en los suelos. “A fin de poder cuantificarla se estableció una relación entre ella y un parámetro adimensional,
el número de curva (NC)” [Ferrer]:
25400
S 254
NC
Reemplazando se tiene [Ponce, 1989]:
2
P
25.4CN 2 200
Pe 25.4
P
CN CN 8 800
25.4
La cual está sujeta a:
200
P 25.4 2
CN
Donde:
P : Profundidad de precipitación (mm).
Pe : Profundidad de exceso de precipitación (mm).
Para la determinación del número de curva, el SCS estableció una relación tabular entre los grupos hidrológicos
de suelo, usos y tratamiento del suelo, las condiciones hidrológicas y el estado de humedad antecedente del
suelo (AMC).
La metodología seguida en el presente trabajo para la determinación del Número de Curva, consistió en analizar
los diferentes factores que influyen en el modelo del NC y mediante visitas de campo al interior de la cuenca. En
estos recorridos se fueron anotando datos sobre: tipos de cobertura vegetal (matorral o herbáceas),
afloramientos rocosos, suelos (espesor de restos vegetales y de humus) y condiciones hidrológicas (para la
infiltración y escorrentía). De manera complementaria se utilizó la cartografía temática disponible, elaborada por
el ANA.
“Se considera que un conjunto de suelos pertenece a un grupo hidrológico cuando éstos tienen un comportamiento
hidrológico similar respecto a la escorrentía, bajo unas mismas condiciones de cobertura vegetal y precipitación”
El efecto de la cobertura superficial sobre la hoya hidrográfica se evalúa por medio de las clases de tratamiento
y uso del suelo. El uso del suelo pertenece a la cobertura de la hoya, incluyendo todo tipo de vegetación natural,
humus vegetal, superficies impermeables (caminos, techos, etc.) y áreas urbanas. El tratamiento del suelo se
aplica principalmente a los usos agrícolas del suelo [Monsalve, 1999].
Para la determinación de este parámetro, fue necesario el recorrido de la cuenca, la revisión del estudio
Diversidad biológica de la Reserva Nacional de Salinas y Aguada Blanca y la revisión del mapa de coberturas del
suelo (ver Anexo B). En los recorridos antes mencionados se pudo observar áreas urbanas, zonas de muy poca
vegetación, matorrales (la de mayor extensión) y afloramientos de roca.
Recopilados, analizados y contrastados los datos e información existente, se determinó clasificar la cobertura
del suelo como “Mezcla de vegetación herbácea con algo de matorral bajo”.
La condición hidrológica se refiere al porcentaje del área cubierta por cultivo, pasto, bosque, etc., la cual es
estimada visualmente. Una condición hidrológica pobre corresponde a menos del 50% de área cubierta y alta
intensidad de pastoreo, una condición hidrológica media corresponde al 50% a 75% del área cubierta y media
intensidad de pastoreo, una condición hidrológica buena corresponde a más del 75% del área cubierta y ligera
intensidad de pastoreo [Monsalve, 1999]. De lo anterior, se puede clasificar a la cuenca como “Pobre”.
Si en los días anteriores a la precipitación estudiada, se produjeron precipitaciones abundantes (AMIII), las
abstracciones (retenciones superficiales, infiltración, etc.) serán menores, por lo cual consecuentemente el
número de curva proporcionado por la tabla es menor. Análogamente, y en sentido contrario, si en los días
anteriores no ha llovido nada, el suelo estará seco (AMI), y todas las abstracciones serán mayores, por lo que
será necesario corregir el valor de CN, disminuyéndolo. En la práctica, AMCII describe una condición típica de
diseño [Monsalve, 1999].
CONDICIÓN
USO DE SUELO A B C D
HIDROLÓGICA
Pobre 70 80 87 93
Mezcla de vegetación herbácea con algo de matorral bajo Media 60 71 81 89
Buena 50 62 74 85
Pobre 55 66 74 79
Matorral de área montañosa mezclado con roble y álamo Media 37 48 57 63
Buena 25 30 41 48
Pobre 60 75 85 89
Bosque de pináceas Media 45 58 73 80
Buena 25 41 61 71
Pobre 55 67 80 85
Artemisa con cobertura herbácea Media 40 51 63 70
Buena 25 35 47 55
Pobre 63 77 85 88
Áreas de desierto con mata y matorral: cactus, palo verde,
Media 55 72 81 86
matorral de áreas salinas
Buena 49 68 79 84
Tabla 2: Valores del parámetro número de curva para vegetación natural (SCS, 1986. En negrita aparecen los valores añadidos
La popularidad del método del Número de Curva se debe a su sencillez, pero es necesario conocer sus
parámetros y saber cómo influyen éstos en el modelo para su correcto uso. Este modelo es esencialmente
conceptual y estima el volumen de escorrentía basado en mecanismos de abstracción hidrológica, con el efecto
de la humedad antecedente en un contexto probable [Monsalve, 1999].
“No se debe perder de vista que este método fue desarrollado originalmente por el SCS para uso en hoyas
hidrográficas rurales de mediano tamaño. Por consiguiente, su extensión a grandes hoyas debería hacerse con
mucha precaución” [Monsalve, 1999].
En el proyecto en particular se observar dos zonas de marcada diferencia, una zona netamente urbana (34.88%)
y una de suelo desnudo el cual representa el 65.12%. Ello será tomado en cuenta al momento de la
determinación del Numero de curva representativo de la cuenca.
También denominado tiempo de respuesta o de equilibrio, en adelante Tc, Llamas en 1993 lo define como el
“tiempo requerido para que, durante una lluvia uniforme, se alcance el estado estacionario; es decir, el tiempo
necesario para que todo el sistema (toda la cuenca) contribuya eficazmente a la generación de flujo en el desagüe”.
Se denomina comúnmente tiempo de concentración, al tiempo que tarda una partícula de agua caída en el
punto más alejado de la cuenca a una sección determinada de la corriente (punto de interés). Esto no
corresponde con el fenómeno real, pues puede haber puntos de la cuenca en los que el agua caída, tarde más
en llegar al desagüe, que el más alejado. Además, debe tenerse claro que el tiempo de concentración real es
función de muchos factores; depende, como indica Villón [2002], de las dimensiones de la cuenca, pendientes,
cobertura vegetal y características del suelo.
Existen varias metodologías para determinar el tiempo de concentración Tc de una hoya hidrográfica, según
Villón [2002], éstas se indican a continuación:
Desarrollada a partir de información del SCS (Soil Conservation Service) en siete cuencas rurales de Tennessee,
con canales bien definidos y pendientes de 3 a 10%; no se debe hacer ningún ajuste para flujo superficial en
suelo descubierto o para flujo en cunetas.
0.77
L
tc 0.01947 1
2
S
Dónde:
El tiempo de concentración es usado para encontrar en tiempo de retardo o recesión, el cual es necesario para
utilizar el Método del Hidrograma Unitario de la SCS.
“Se aplica el término precipitación al agua, ya sea en estado líquido o sólido, que llega a tierra procedente de la
atmósfera. Lo son, pues, la lluvia y la nieve, pero también el granizo, el rocío y la escarcha, aunque, en general,
sólo las dos primeras contribuyen significativamente a las cantidades totales de precipitación.” [Casas y Alarcón,
1999].
En este acápite, se llevará adelante una corta pero necesaria descripción del origen de las lluvias en la región
Arequipa, además de una descripción de las estaciones meteorológicas tomadas en consideración.
El Océano Pacífico no genera las lluvias de la ciudad de Arequipa, debido al fenómeno de Inversión térmica,
dicho fenómeno no permite que la poca humedad proveniente del Océano Pacífico logre sobrepasar los mil
metros de altura; ello explica porque en la zona de la Joya o el Pedregal la precipitación es casi nula [Woodman
e IGP, 1998].
El génesis de las lluvias intensas en Arequipa tiene su origen en el desplazamiento de la Alta de Bolivia hacia los
andes peruanos. Un evento que causó mucho daño fue la lluvia intensa del 25 de febrero de 1997, que “según
el SENAMHI las causas de la inundación, estuvieron relacionadas con la alteración climática en la región, que
produjo el desplazamiento de una célula convectiva (masas de aire caliente que se elevan, siendo reemplazadas
por aire frio) que vino del frente boliviano y se desplazó en dirección del SO (de Characato), al NO (hacia Cerro
Colorado), lo que originó una precipitación torrencial acompañada de descargas eléctricas de gran intensidad. Este
fenómeno también es conocido como el desplazamiento de la Alta de Bolivia”.
Según Chereque [1989] y Chávez [1994], las nubes vienen cargadas de vapor de agua de la amazonia, algunas
de ellas logran sobrepasar la cordillera de los andes y al llegar a la cadena occidental andina intentan descender
hacia la costa, pero son impedidas por efecto de la corriente peruana y se precipitan.
Para el desarrollo del presente proyecto se consideró en primera instancia las siguientes estaciones
pluviométricas:
CARACTERÍSTICAS DE LAS ESTACIONES PLUVIOMÉTRICAS EMPLEADAS
La mayoría de fenómenos hidrológicos requieren ser tratados como modelos matemáticos conceptuales, debido
a la complejidad de estos fenómenos [Ponce, 1989]. Según Chow et al. [1994] y Gómez [2004], si consideramos
la cuenca hidrológica objeto de estudio como un sistema hidrológico, el proceso que se produce en ella sería:
considerar a la lluvia como una señal de entrada que sufre una modificación debida a las características de la
cuenca (proceso lluvia–escorrentía), para luego transformarse en una señal de salida como el hidrograma.
De acuerdo al párrafo anterior las entradas y salidas del sistema hidrológico son el hietograma de diseño ( I (t )
) y el hidrograma resultante ( Q(t ) ), respectivamente.
Q (t ) I (t )
En la ecuación anterior se puede observar la ecuación de transformación del sistema, donde el símbolo es la
función de transferencia entre la entrada y salida.
El llamado hietograma de diseño es también conocido como tormenta de diseño, en realidad no es más que la
distribución temporal de la lluvia. Para ello, según Gómez [2004], en este tipo de análisis se puede emplear
información pluviométrica registrada u obtenida a partir de las curvas IDF:
“Lluvias históricas registradas y que produjeron serias consecuencias desde el punto de vista de inundación
en la cuenca, y que dejaron además secuelas en la memoria histórica de la población. Se trataría de un
proceso de diseño de una infraestructura (encauzamiento, etc) cuyo objetivo final es que si se volviera a
dar una precipitación igual a la que se registró ese día, no se produjeran inundaciones. Este criterio no está
basado en consideraciones estadísticas de riesgo, sino que se asocia a un suceso concreto. Es fácilmente
explicable a la población, e incluso se puede ilustrar con documentación de los efectos producidos por la
inundación histórica, indicando que esos daños ya no se producirán con las nuevas actuaciones.”
El anterior párrafo se refiere a la llamada Lluvia de proyecto, obtenida a partir de información globalizada en
forma de curvas Intensidad–Duración–Frecuencia. Podemos definir a esta lluvia de proyecto como una lluvia
tipo, o lluvia sintética que se puede asociar a un cierto periodo de retorno, y se admite que el caudal de
escorrentía calculado a partir de esta lluvia de proyecto tiene el mismo periodo de retorno. Esta alternativa, es
uno de los métodos que más adeptos ha ganado dentro de los hidrólogos, por considerar criterios de riesgo y
falla.
“Los sistemas hidrológicos son afectados algunas veces por eventos extremos, tales como tormentas severas,
crecientes y sequías. La magnitud de un evento extremo está inversamente relacionada con su frecuencia de
ocurrencia, es decir, eventos muy severos ocurren con menor frecuencia que eventos más moderados. El objetivo
del análisis de frecuencia de información hidrológica es relacionar la magnitud de los eventos extremos con su
frecuencia de ocurrencia mediante el uso de distribuciones de probabilidad” [Chow et al., 1994].
El análisis de frecuencia de eventos extremos tiene muchas aplicaciones en ingeniería Civil, por ejemplo, el
análisis de frecuencia de caudales máximos se puede usar para el diseño de presas, puentes, alcantarillas,
estructuras de control de crecientes y para delimitar áreas inundables [Chow et al., 1994]. Se puede hacer el
mismo análisis para determinar la velocidad máxima del viento a determinada probabilidad, que es de interés
para un ingeniero que desea diseñar un edificio alto seguro; o bien si se quiere determinar cierta magnitud
El análisis de frecuencia puede ser clasificado en local y regional, esto desde el punto de vista de la extensión
espacial de la información. El análisis de frecuencia local es hecho sobre una única serie de observaciones de
cierta variable hidrometeorológica, en determinada estación. En cambio, el análisis de frecuencia regional hace
uso de la información de varias estaciones de una región geográfica, en el análisis regional la información es
agrupada en conjuntos que presentan semejanza fisiográfica, climática y/o estadística [Naghettini y De Andrade,
2007].
En la estimación de cuantiles hay dos tipos de errores inherentes. El primero surge de suponer que los datos
observados siguen una distribución específica, este error puede ser revisado usando pruebas de bondad de
ajuste; el segundo tipo de error se debe a que los parámetros de la distribución elegida son estimados a partir
de muestras pequeñas, este error puede reducirse usando métodos de estimación de parámetros con mínima
varianza [Rao y Hamed, 2000].
“Es el intervalo promedio de tiempo en años, dentro del cual un evento de magnitud x puede ser igualado o
excedido, por lo menos una vez en promedio. Así, si un evento igual o mayor a x , ocurre una vez en Tr años, su
probabilidad de ocurrencia P , es igual a 1 en Tr casos” [Villón, 2005], es decir:
P X x
1
Tr
Y despejando el periodo de retorno:
1
Tr
P X x
P X x 1
1
Tr
En este acápite se lleva a cabo un análisis crítico de la determinación del periodo de retorno real, siguiendo
criterios de riesgo; el cual se basa en la determinación a priori del riesgo que se desea asumir, en caso fallara la
estructura dentro del tiempo de vida esperada. La ecuación que relaciona las variables antes mencionadas es
[Chow et al., 1994; McCuen, 1998; Monsalve, 1999; Villón, 2002].
R : Riesgo.
n : Vida esperada de la estructura o tiempo de exposición.
Tr : Periodo de retorno real.
El riesgo, llamado también “Riesgo de Falla”, “Riesgo Hidrológico Natural de Falla” [Chow et al., 1994] o “Riesgo
Permisible” [Monsalve, 1999], es definido “como la probabilidad de que sí se produzca alguna vez un suceso de
periodo de retorno Tr a lo largo de un periodo de n años” [Sánchez, 2004]. Sin duda la determinación de este
parámetro es muy complejo, se sabe que depende de factores económicos, sociales y técnicos [MTC, 2008].
Considerando que siempre es posible una falla hidráulica, obstrucción de las torrenteras por parte de la
población o que puedan darse circunstancias accidentales (hundimiento o falla estructural, bloqueo por arrastres
de materiales sólidos, etc.) que generen un desastre.
Cualquier diseño en el campo de la Ingeniería Hidráulica e Hidrológica asume una vida esperada de la instalación,
de manera que se espera que durante ese periodo de tiempo se cumplan las especificaciones y criterios
utilizados en su diseño; sin embargo, en instalaciones grandes, léase encauzamientos, grandes conducciones,
etc. este concepto de vida esperada no está tan claramente establecido [Gómez, 2004]. La vida esperada de la
estructura o tiempo de exposición.
En el proyecto en particular se espera un tiempo de vida esperada de 25 años y un nivel de riesgo de 20% y
reemplazando en la formula anterior tenemos:
25
1
0.2 1 1
Tr
Tr 113años
Finalmente se considera un periodo de retorno de 150 años, el cual está asociado a una vida esperada de la
estructura de 25 años y el cual supone un riesgo de falla del 20 % de la estructura.
Para que los resultados del análisis probabilístico de estimación de valores máximos asociados a una
determinada probabilidad de excedencia, sean teóricamente válidos, la serie de datos o muestra debe satisfacer
ciertos criterios estadísticos que son: aleatoriedad, independencia, homogeneidad y estacionalidad.
En un contexto hidrológico aleatoriedad significa básicamente que las fluctuaciones de la variable son originadas
por causas naturales. Por ejemplo, las crecientes observadas aguas abajo de un embalse no pueden ser
consideradas aleatorias. En cambio, la independencia se refiere a que ningún dato de la serie está influenciado
por valores anteriores, o que él no influye en los subsecuentes. Por otra parte, la homogeneidad implica que
todos los datos de la serie proceden de una sola población; entonces las series de crecientes en que éstas se
originan por fusión de nieve y por lluvias, probablemente son no homogéneas.
Finalmente, la estacionalidad significa que, excluyendo las fluctuaciones aleatorias, la serie de datos es invariante
con respecto al tiempo. Lógicamente, la no estacionalidad incluye saltos, tendencias y ciclos. En las series de
crecientes, los saltos se originan por cambios abruptos en la cuenca o en el río como es la construcción de un
embalse; las tendencias se pueden originar por cambios graduales en el uso del suelo, o bien por la urbanización,
y los ciclos generalmente se asocian a las fluctuaciones climáticas de largo plazo. En cambio, en la serie de lluvias
máximas o intensidades los saltos se originan por cambios en la ubicación, en el aparato o en el operador y las
tendencias básicamente por la urbanización.
Para el análisis de datos se ha utilizado la teoría de los outliers (datos dudosos), esta data se considera si por
alejarse significativamente del comportamiento de la data existente, por ello debe verificarse que ello no se deba
a errores en la recolección de los datos, registros o por causas naturales.
En cualquier caso, la retención o eliminación de estos puntos atípicos, puede afectar de manera significativa a
los parámetros estadísticos calculados a partir de la muestra, siendo ése efecto más notorio en muestras de
pequeño tamaño. [Chow et al., 1994; Rao y Hamed, 2000]. A continuación, se describe la prueba de Grubbs y
Beck o prueba G-B, la cual es una de las pruebas más empleada para la detección de puntos atípicos.
o Prueba de Grubbs y Beck.
Según esta prueba, las cantidades x H y x L definen respectivamente los límites superior e inferior, fuera
de los cuales se pueden detectar e identificar los outliers presentes en una muestra. [Rao y Hamed, 2000;
Naghettini y De Andrade, 2007]. Estos límites o umbrales se definen a continuación.
Una vez hayan sido detectados e identificados los datos dudosos, éstos deben ser sujetos a una investigación,
para determinar si serán usados o no, en el análisis de frecuencia. Si por ejemplo se tuviera evidencia de que
cierto valor dudoso surgió por error de medición, éste debería ser eliminado; así también, si se comprobara que
cierto dato dudoso corresponde a un evento extraordinario de origen natural, entonces es conveniente
mantener el dato dudoso, de tal manera que el modelo probabilístico que finalmente se adopte, represente
adecuadamente tal comportamiento. En general, para el tratamiento de los outliers es necesario considerar tanto
una evaluación matemática, como hidrológica.
En el presente proyecto, para el tratamiento de los outliers, se asumieron los criterios antes descritos, en primer
lugar se realizó una evaluación matemática con la prueba de Grubbs y Beck, para luego proceder a la evaluación
hidrológica, comparando la serie temporal de Pmáx24h de la estación en análisis, con la serie temporal de una
estación con características similares a las de la estación estudiada.
Pmáx24h (mm)
100.0
80.0
60.0
40.0
20.0
0.0
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013
2015
Año
La Pampilla xH xL
los siguientes umbrales: xH 91.8mm y xL 2 mm , donde se encontró un valor dudoso de tipo alto; por lo
que se procedió a evaluar bajo criterios hidrológicos si tal evento ocurrió en realidad, para ello se realizó una
comparación con la serie temporal de Pmáx24h de la estación Chiguata (2894 m.s.n.m.).
Se observó entonces que la estación de Chiguata no se comportó de manera similar, sin embargo, al recurrir al
Senamhi y las investigaciones realizadas por este se concluyó que el evento realmente paso. Esta última se tomó
como evidencia válida para concluir que el outlier del año 2013 ha ocurrido, por lo que finalmente se decidió
depurar éste valor para el posterior análisis de frecuencia, dado que sobredimensiona los cálculos de caudal.
60.0
50.0
40.0
30.0
20.0
10.0
0.0
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013
2015
Año
CHIGUATA xH xL
los siguientes umbrales: xH 70.4mm y xL 5.3 mm , donde se encontró varios valores dudosos de tipo bajo;
por lo que se procedió a evaluar bajo criterios hidrológicos si tal evento ocurrió en realidad, para ello se realizó
una comparación con la serie temporal de Pmáx24h de la estación La Pampilla (2365 m.s.n.m.).
Se observó entonces que la estación de Pampilla se comportó de manera similar, por lo tanto, se concluyó que
el evento realmente pasó. Esta última se tomó como evidencia válida para concluir que el outlier del año 1992
ha ocurrido, por lo que finalmente se decidió no depurar éste valor para el posterior análisis de frecuencia.
140.0
120.0
100.0
Pmáx24h (mm)
80.0
60.0
40.0
20.0
0.0
1991
1999
2007
2015
1987
1989
1993
1995
1997
2001
2003
2005
2009
2011
2013
Año
La Pampilla Chiguata
La Función de Densidad de Probabilidad (FDP) de la distribución Normal está definida por la siguiente expresión
[Ponce, 1989; Aparicio, 1992; Rao y Hamed, 2000; Villón, 2005; Naghettini y De Andrade, 2007; MTC, 2008; Wilks,
2011]:
1 x
2
1
f ( x) e 2
2
Con: x
Los parámetros de la distribución Normal son dos: el de posición y el de escala .
Si se realiza una transformación lineal de la variable aleatoria X , se obtiene la denominada variable aleatoria
estandarizada z , así:
x
z
Entonces la función de distribución que se obtiene al realizar tal transformación, es llamada Función de Densidad
de Probabilidad Normal estándar:
z2
1
f ( z) e 2
2
La Función de Distribución Acumulada (FDA) Normal se define por la expresión:
1 x
2
x
1
F ( x) e 2
dx
2
Las dos restricciones más importantes de la distribución Normal son su rango de variación continuo, es decir
que está definida tanto para valores positivos de la variable aleatoria, como para valores negativos; y la segunda
limitación es que posee un sesgo o asimetría nula, contrario al comportamiento sesgado de la mayoría de las
variables hidrológicas [Chow et al., 1994].
Parámetro de posición:
1 n
xi x
n i 1
Parámetro de escala:
x i
2
i 1
Sx
n 1
El parámetro es estimado por la Media muestral y el parámetro por la Desviación estándar muestral.
El procedimiento que a continuación se describe corresponde al uso de una función de aproximación para el
cálculo de la FDA Normal estándar F (z) , y por consiguiente para obtener F (x ) , pues F ( x ) F ( z ) . El error
en el cálculo de F (z ) , usando la función de aproximación es menor a 7.510 8 .
o Si 0 z :
F ( z ) 1 f ( z ) b1t b2 t 2 b3 t 3 b4 t 4 b5 t 5
Donde:
1
t
1 0.2316419 z
b1 0.319381530
b2 0.356563782
b3 1.781477937
b4 1.821255978
b5 1.330274429
o Si z 0 :
F ( z ) 1 F ( z )
El procedimiento descrito a continuación corresponde también al uso de una función de aproximación para el
cálculo de la inversa de la FDA Normal estándar, es decir z . El error en el cálculo de z , usando la función de
aproximación es menor a 4.510 4 .
o Si 0 F ( z ) 0.5 :
c0 c1 w c2 w 2
z w
1 d1 w d 2 w 2 d 3 w3
Donde:
1
w ln
2
F ( z )
c0 2.515517
c1 0.802853
c2 0.010328
d1 1.432788
d 2 0.189269
d 3 0.001308
o Si 0.5 F ( z ) 1 :
c0 c1 w c2 w2
z w
1 d1 w d 2 w2 d 3 w3
Donde:
1
w ln
2
1 F ( z )
La Función de Densidad de Probabilidad (FDP) de la distribución Log-Normal de 2 parámetros está definida por
la siguiente expresión [Rao y Hamed, 2000; Villón, 2005; Naghettini y De Andrade, 2007; MTC, 2008; Wilks, 2011]:
1 ln x y
2
1 2 y
f ( x) e
x y 2
Con: 0x
Los parámetros de la distribución LN2 son: el de escala y y el de forma y .
ln x y y y
z
y y
A partir de esta transformación se obtiene la FDP Normal estándar f (z) .
La Función de Distribución Acumulada (FDA) Log-Normal de 2 parámetros se define por la expresión:
1 ln x y
2
x
1 2 y
F ( x) e
dx
0 x y 2
Así también para la FDA Normal estándar se tiene:
z z2
1
F ( z)
2
e 2 dz
La ventaja de la distribución Log-Normal de 2 parámetros sobre la distribución Normal es que está definida para
valores positivos de la variable aleatoria, además de que la transformación logarítmica reduce el sesgo positivo
generalmente encontrado en las series de información hidrológica; en contraparte a esto, se requiere que los
logaritmos de la variable aleatoria se distribuyan simétricamente [Chow et al., 1994].
Parámetro de escala:
1 n 1 n
y ln xi yi y
n i 1 n i 1
Parámetro de forma:
ln x y
n n
2 2
i y i y
y i 1
i 1
S y
n 1 n 1
Los parámetros y y y son estimados respectivamente por la Media y Desviación estándar muestral de los
logaritmos naturales de la variable aleatoria, es decir de y ln( x ) .
Se sigue el mismo procedimiento descrito para la obtención de la FDA Normal, pero considerando que ahora la
variable aleatoria estandarizada es:
ln x y y y
z
y y
El procedimiento de cálculo es el mismo que fue descrito para la distribución Normal, con la única diferencia
que el cálculo del cuantil xTr se realiza con la siguiente expresión:
La Función de Densidad de Probabilidad (FDP) de la distribución Log-Normal de 3 parámetros está definida por
la siguiente expresión [Rao y Hamed, 2000; Villón, 2005; Naghettini y De Andrade, 2007; MTC, 2008]:
1 ln x x0 y
2
1 2 y
f ( x) e
x x0 y 2
Con:
x0 x
Los parámetros de la distribución LN3 son: el de posición x0 , el de escala y y el de forma y . El cálculo
ln x x0 y y y
z
y y
A partir de esta transformación se obtiene la FDP Normal estándar f (z ) .
La Función de Distribución Acumulada (FDA) Log-Normal de 3 parámetros se define por la expresión:
1 ln x x0 y
2
x
1 2 y
F ( x) x x
x0 0 y 2
e
dx
Parámetro de posición:
n y 2 y n
ln xi x0
i 1 xi x0
i 1 xi x0
0
Para el cálculo del parámetro x0 es necesario un proceso iterativo; sin embargo Stedinger, Vogel y
x1 xn xmed
2
x0
x1 xn 2 xmed
Donde:
1 n 1 n
y i 0 n
ln x x yi y
n i 1 i 1
o Parámetro de forma:
ln x x y
n n
2 2
i 0 y i y
y i 1
i 1
S y
n 1 n 1
Los parámetros y y y son estimados respectivamente por la Media y Desviación estándar muestral de
y ln x x0 .
Se sigue el mismo procedimiento descrito para la obtención de la FDA Normal, pero considerando que la variable
aleatoria estandarizada es:
ln x x0 y y y
z
y y
El procedimiento de cálculo es el mismo que fue descrito para la distribución Normal, con la única diferencia
que el cálculo del cuantil xTr se realiza con la siguiente expresión:
y y z
xTr x0 e
La Función de Densidad de Probabilidad (FDP) de la distribución Log-Pearson tipo III está definida por la
siguiente expresión [Ponce, 1989; Rao y Hamed, 2000; Villón, 2005; Naghettini y De Andrade, 2007; MTC, 2008]:
ln x x0
f ( x)
ln x x0 1
e
x
Con: x0 x , x0 , 0 y 0
La Función de Distribución Acumulada (FDA) Log-Pearson tipo III se define por la expresión:
ln x x0
F ( x)
x
ln x x0 1
e
dx
x0
x
y 1e y
y
G( y) dy
0
Parámetro de posición:
2S x '
x0 x '
Cs'
Parámetro de forma:
4
2
Cs '
Parámetro de escala:
Cs' S x'
2
Los parámetros x0 , y son estimados a partir de la Media x ' , Desviación estándar S x' y Coeficiente de
asimetría muestral Cs' de x'ln x .
Proceso de cálculo para la obtención de la FDA Log-Pearson tipo III.
El procedimiento que a continuación se describe corresponde al cálculo de la FDA Gamma reducida G( y )
por desarrollo de series, de ésta manera se obtiene la FDA Gamma, pues F ( x) G ( y ) .
2 b c d e
e
f g h
a 2 3 4 5 6 7
Donde:
a 1
1
b
12
1
c
288
139
d
51840
571
e
2488320
163879
f
209018880
5246819
g
75246796800
534703531
h
902961561600
3. Cálculo de la FDA Gamma reducida G( y) , a través del desarrollo de la serie [Villón, 2005]:
e y p y i 1
G( y)
i 1 k
j 1
j 1
Donde:
ln x x0 x' x0
y
El procedimiento de cálculo es el mismo que fue descrito para la distribución Gamma de 2 parámetros, con la
única diferencia que el cálculo del cuantil xTr se realiza con la siguiente expresión:
2
x0
2
xTr e
La Función de Distribución Acumulada (FDA) de la distribución Gumbel está definida por la siguiente expresión
[Ponce, 1989; Rao y Hamed, 2000; Villón, 2005; Naghettini y De Andrade, 2007; MTC, 2008; Wilks, 2011]:
x
F ( x) e e
1 y
g ( y ) e y e
La gran limitación de la distribución Gumbel es que posee un coeficiente de asimetría fijo e igual a 1.14; lo cual
conllevaría a subestimaciones de los cuantiles, si la asimetría muestral fuera superior a 1.14, así también se
obtendrían sobreestimaciones de los cuantiles, si la asimetría muestral fuera inferior a 1.14 [De Salas, 2004]. Se
puede entonces afirmar que mientras más próximo a 1.14 esté el Coeficiente de asimetría muestral, se obtendrá
un mejor ajuste y por consiguiente serán mejores las estimas o predicciones.
Parámetro de escala:
6
Sx
El parámetro en su forma original fue definido como:
Sx
y
Donde y corresponde a la Desviación estándar poblacional de los valores que toma la variable
aleatoria reducida y [Sánchez, 2004], es decir:
m
y ln ln P( x) ln ln
n 1
y depende únicamente del tamaño de la muestra. Sin embargo, conforme el tamaño muestral sea
mucho más grande, es decir que n , el valor de y
tiende al valor 6 [Ponce, 1989].
o Parámetro de posición:
x C
1 1 1
C lim 1 ln n
1
n
2 3 4 n
C 0.57721566490153286061
x y
Donde y corresponde a la Media poblacional de los valores que toma la variable aleatoria reducida
y [Sánchez, 2004].
y depende únicamente del tamaño de la muestra. Sin embargo, conforme el tamaño muestral
tienda al infinito, el valor de y tiende al valor 0.5772 , que es la denominada Constante de Euler
C [Ponce, 1989].
El procedimiento para el cálculo de la FDA Gumbel es sencillo, puesto que ésta ha sido definida de manera
explícita. Sabiendo que F ( x) G ( y ) , se procede de la siguiente manera:
xTr y
Las pruebas de bondad de ajuste tienen el objetivo de comprobar cuan bien describe un modelo teórico de
distribución de probabilidades, el comportamiento probabilístico de una variable aleatoria.
Es posible realizar un ajuste gráfico partiendo de la comparación de las FDP empíricas con las FDP teóricas, o
también comparando las FDA empíricas con las FDA teóricas, ésta última comparativa puede ser hecha también
en papeles probabilísticos especialmente preparados [Villón, 2005]. El ajuste gráfico sólo se utiliza como una
primera aproximación, es necesario verificar la bondad del ajuste a través del uso de métodos estadísticos válidos
o bien utilizando otros criterios cuantitativos bien sustentados.
En el presente proyecto se realizó el ajuste gráfico comparando las FDA empíricas y teóricas, este análisis se
realízó para todas las distribuciones teóricas planteadas (N, LN2, LN3, LPIII y EVI), siempre y cuando los
parámetros estimados de las funciones de distribución fueran consistentes.
Se muestra a continuación los ajustes gráficos de las distribuciones de probabilidad que mejor ajustaron en cada
estación pluviométrica considerada en el presente estudio.
La prueba de bondad de ajuste Kolmogorov-Smirnov o prueba K-S mide la máxima diferencia absoluta entre las
probabilidades acumuladas teóricas y las probabilidades acumuladas empíricas, el estadístico que define la
prueba es entonces:
F x es calculada a partir de la distribución de probabilidad adoptada, y Px se calcula con el uso de alguna
fórmula de posición de graficación.
Luego el estadístico se compara con cierto valor crítico del estadístico de prueba, designado como 0 . El
estadístico tiene una distribución que es independiente del modelo probabilístico propuesto, lo cual conlleva a
que la función de distribución de sea evaluada tan solo en función del tamaño muestral n [Canavos, 1988].
Los valores críticos del estadístico corresponden a un nivel de significación , y se encuentran tabulados
en muchos textos de la literatura hidrológica (ver Anexo C). Típicamente se han usado niveles de significación
de 10%, 5% y 1%, siendo más común el uso de 0.05 o 5% [Aparicio, 1991; Chow et al., 1994].
Criterio de decisión:
Al comparar el estadístico de prueba con su respectivo valor crítico, se pueden tomar las siguientes decisiones
[Aparicio, 1991; Villón, 2005]:
Si 0 , entonces se acepta la hipótesis de que los datos se ajustan a la función de distribución
de probabilidad propuesta, con un nivel de significación o una probabilidad o nivel de confianza
1 .
Si 0 , entonces se rechaza la hipótesis de que los datos se ajustan a la función de distribución
de probabilidad propuesta, con un nivel de significación o una probabilidad o nivel de confianza
1 .
La prueba K-S es en general superior a la prueba 2 cuando se tratan variables aleatorias continuas, puesto que
no se necesita agrupar los datos, además esta prueba es aplicable también a muestras pequeñas [Canavos, 1988].
El criterio que se sigue para preferir una distribución respecto de otra, luego de haber probado la adecuada
bondad de ajuste de ambos, es el de elegir a aquella distribución con el menor valor del estadístico de prueba
.
Luego de haber evaluado cada una de las pruebas de bondad de ajuste expuestas en el acápite anterior, vale
decir: Ajuste gráfico y Kolmogorov-Smirnov, determinaron las distribuciones de probabilidad o modelos
probabilísticos que mejor describían el comportamiento de la variable aleatoria, que en este caso es la
precipitación máxima de 24 horas (Pmáx24h). Los resultados de tales evaluaciones se muestran en los siguientes
cuadros y figuras, los cuales resumen el análisis de frecuencia practicado en cada estación pluviométrica.
Distribución más
Estación
apropiada
La información de la altura de precipitación está dada de forma puntual, sin embargo, para trabajos de ingeniería
es necesario determinar una altura de precipitación media o representativa de la cuenca, claro está dentro de
un marco de hidrología Agregada, más no Distribuida.
Para la determinación de la Pmáx24Tr media de la microcuenca, se tienen habitualmente varios métodos: Media
Aritmética, Polígonos de Thiessen, Isoyetas, Inverso de la distancia al cuadrado [Campos, 1998; Martínez, 1999;
Raghunath, 2006], cada una de ellos debe ser asociado a criterios de variación espacial y orográfica.
El método de la Media Aritmética no es aplicable en este caso particular, debido a que las estaciones no tienen
una distribución uniforme y la diferencia de precipitaciones es considerable.
1
2
di
Wi n
1
d
i 1
2
i
Donde:
Pmáx24hi: Precipitación máxima de 24 horas de la estación i.
di: Distancia entre la estación i y el centro de gravedad de la cuenca.
n: Número de estaciones.
Wi: Factor de peso de la estación i.
Pmáx24h (media): Precipitación máxima de 24 horas media de la cuenca.
Según Martínez [1999], se puede “asignar a toda la cuenca la precipitación obtenida en el centro de gravedad de
la cuenca mediante interpolación por el inverso del cuadrado de las distancias a las estaciones consideradas”; por
Lo indicado en el párrafo anterior está basado en la innegable relación que existe entre la altitud y la
precipitación.
CUENCA CIUDAD BLANCA
Sub Cuenca Hg=2620 m.s.n.m
Estaciones
Hg(m.s.n.m) di(m) (1/di)2(m-2) Wi(%)
La Pampilla 2365 255 1.53787E-05 53.59%
Chiguata 2894 -274 1.33198E-05 46.41%
Tabla 8: Cálculo de los factores de peso, con distancias verticales cuenca Ciudad Blanca.
Tabla 9: Precipitación máxima de 24 horas representativa para diferentes periodos de retorno cuenca Ciudad Blanca.
En el Perú la falta de registros pluviográficos que permitan determinar intensidades máximas inferiores a 24
horas, ha llevado al Servicio Nacional de Meteorología e Hidrología (SENAMHI), Universidad Nacional de
Ingeniería (UNI) e Instituto Ítalo Latino Americano (IILA), a realizar un trabajo conjunto para resolver en parte
este inconveniente; como resultado se tiene un estudio denominado Estudio de la Hidrología del Perú [1983].
Posteriormente, Dick Peschke obtuvo la siguiente relación [Guevara, 1991; Villón, 2010]
0.25
d
Pd Pmáx24h
1440
Donde:
Para el presente proyecto se ha seguido la metodología del modelo IILA-SENAMHI-UNI y Dick Peschke, el cual
consiste en determinar la precipitación total para diferentes duraciones en función de la precipitación máxima
de 24 horas para algún periodo de retorno, con el objetivo de determinar las curvas Intensidad Duración
Frecuencia (IDF).
En este acápite se muestran los resultados obtenidos a partir de la metodología de los bloques alternados, para
un periodo de retorno de 250 años y un tiempo de duración Td 120 min .
Tabla 10: Resultados del método de los bloques alternos Subcuenca CIUDAD BLANCA.
Hietograma de diseño
140.0
120.0
100.0
P (mm/hr)
80.0
60.0
40.0
20.0
0.0
10 20 30 40 50 60 70 80 90 100 110 120
T(min)
Figura 11. Hietograma de diseño, asociado a un periodo de retorno de 150 años y un tiempo de duración de la tormenta
de 120 min, Subcuenca CIUDAD BLANCA.
El proceso de transformar la lluvia neta en caudal se abordó en los albores de la Hidrología Urbana mediante
los mismos conceptos empleados en estudios hidrológicos de cuencas rurales. El método más universalmente
utilizado en dichos estudios es el Hidrograma Unitario y ese es el primero de los métodos que se emplearon. El
concepto existente propuesto por Sherman en los años treinta, es muy sencillo y fácil de comprender:
entendemos por hidrograma unitario la respuesta en caudal de la cuenca, ante una lluvia unidad (1 mm)
uniformemente repartida por toda la cuenca. Más tarde Nash y Dooge (1959) reformularían el concepto,
generalizando el concepto de hidrograma unitario como el hidrograma resultante de un impulso de lluvia
efectiva unitaria distribuido uniformemente sobre la cuenca y constante durante una unidad de tiempo.
El hidrograma unitario instantáneo así definido considera que la transformación lluvia - caudales la de un sistema
lineal e invariable en el tiempo. En general, se suele referir a una duración cualquiera “D”, por lo que tenemos
un hidrograma como el indicado en la figura:
El hidrograma adimensional SCS es un hidrograma unitario sintético en el cual el caudal se expresa por la relación
del caudal q con respecto al caudal pico qp y el tiempo por la relación del tiempo t con respecto al tiempo de
retardo para la duración de exceso de precipitación, el hidrograma unitario puede estimarse a partir del
hidrograma sintético adimensional para la cuenca dada. El grafico anterior muestra uno de estos hidrogramas
adimensionales, preparado utilizando los hidrogramas unitarios para una variedad de cuencas. Los valores de
qp y Tp pueden estimarse utilizando un modelo simplificado de un hidrograma unitario triangular tal como se
muestra en la figura en donde el tiempo está dado en horas y el caudal en m3/s.cm. Con base en la revisión de
un gran número de hidrogramas unitarios, el Soil Conservation Service sugiere que el tiempo de recesión puede
aproximarse como 1.67 Tp. Como el área bajo el hidrograma unitario debería ser igual a una escorrentía directa
de 1 cm, puede demostrarse que:
CA
qp
Tp
Donde C=2.08 y A es el área de drenaje en Kilómetros cuadrados. Adicionalmente, un estudio de los hidrogramas
unitarios de muchas cuencas rurales grandes y pequeñas indica que el tiempo de retardo tp=0.6Tc, donde Tc es
el tiempo de concentración de la cuenca. Como se muestra en El grafico anterior el tiempo de ocurrencia del
pico Tp puede expresarse en términos del tiempo de retardo tp y de la duración de la lluvia efectiva tr.
tr
Tp tp
2
4.1. CONCLUSIONES
Luego de haber realizado el análisis de frecuencia y evaluado la bondad de ajuste de cada una de las
distribuciones de probabilidad, se pudo finalmente elegir el modelo más adecuado para las series
pluviométricas.
Distribución más
Estación
apropiada
Se determinó la lluvia de diseño para un periodo de retorno de 150 años, encontrándose que el caudal
de respuesta es de 5.5m3/s para la cuenca de CIUDAD BLANCA.
4.2. RECOMENDACIONES
BIBLIOGRAFIA
ANA. (2010). Estudio de Máximas Avenidas en las cuencas de la Zona Centro de la Vertiente del Pacífico. Lima:
Autoridad Nacional del Agua, Perú.
Bladé, E., Sánchez, M., Juny, Sánchez, H. P., Niñerola, D., & Gómez, M. (2009). Modelación numérica en ríos en
régimen permanente y variable. Una visión a partir del modelo HEC-RAS. Barcelona: Universitat Politecnica de
Catalunya.
Caicedo Carrascal, F. M. (2008). Asimilación de Precipitación Estimada por Imágenes de Satélite en Modelos
Hidrológicos Aglutinados y Distribuidos, caso de Estudio Afluencias al Embalse de Betania (Huila, Colombia).
Bogotá: Proyecto Para optar el Título de Magister en Hidrosistemas, Pontificia Universidad Javeriana Facultad
de Ingeniería, Colombia.
Campos Aranda, D. (1998). Procesos del Ciclo Hidrológico. San Luis de Potosí: Universidad Autónoma de San
Luis Potosí, Facultad de Ingeniería.
Casas Castillo, C. M., & Alarcón Jordán, M. (1999). Meteorología y clima. Catalunya: Universitat Politecnica de
Catalunya.
Castillejo Gonzáles, I. L., Fernández López, P., García-Ferrer Porras, A., & Sánches de la Orden, M. Estudio
comparativo de los distintos métodos de calculo de pendientes derivados de modelos digitales del terreno.
ETSIAM, Dpto. de Ingeniería y Sistemas de Información Cartográfica (pág. 13). Córdoba: Universidad de
Córdoba, España.
Chanson, H. (2004). The Hydraulics of Open Channel Flow: an Introduction. Amsterdam: Elsevier Butterworth-
Heinemann.
Chaudhry, M. H. (2008). Open-Channel Flow . Columbia: University of South Carolina, Department of Civil and
Environmental Engineering.
Chávez Díaz, R. (1994). Hidrología para Ingenieros. Lima: Pontificia Universdad Católica del Perú.
Chereque, M. W. (1989). Hidrología para estudiantes de Ingeniería civil. Lima: Pontificia Universidad Catolica
del Peru.
Chow, V. T. (1994). Hidráulica de Canales Abiertos. Santafé de Bogotá: McGRAW-HILL.
Chow, V. T., Maidment D. R., & Mays, L.W. (1994). Hidrología Aplicada. Santafé de Bogotá, Colombia: McGraw-
Hill.
Cruz Cuentas, R. L. (2007). Gestión del Riesgo por Inundación en Asentamientos Populares, Distrito Mariano
Melgar, Arequipa. Arequipa: Proyecto de Maestria en Planeamiento y Gestión Urbano Ambiental,Perú.
Davie, T. (2008). Fundamentals of Hidrology. London and New York: RoutLedge Taylor & Francis Group.
De Salas Regalado, L. (2004). Regionalización de leyes IDF para el uso de modelos Hidrometeorológicos de
estimación de caudales. Proyecto Para optar el grado de DOCTOR, Universidad Politécnica de Madrid, Madrid-
España.
De Vore, J. L. (2005). Probabilidad y Estadística para Ingeniería y ciencias. México: International Thomson.
Dingman, S. L. (2009). Fluvial Hydraulics. New York: Oxford University.
Fuse Fernández-Dávila, J., & Benites Montufar, A. Inundaciones en la Localidad de Arequipa Ocasionadas por el
Ingreso de las Torrenteras. Arequipa.
Ganancias Martínez, F. M. (2010). Evaluación de Metodologías de Regionalización Hidrológica:Aplicación a los
Caudales Máximos de Cuencas Representativas de la Región Sur-Oeste de la Provincia de Córdoba. Córdoba:
Proyecto para optar el Título de Magister en Ciencias de la Ingeniería con mención en Recursos Hidricos,
Universidad Nacional de Cordoba Facultad de Ciencias Exactas Físicas y Naturales, Argentina Colombia.
Gómez Valentín, M. (2004). Elección del nivel de seguridad de la red de drenaje, Información de datos de lluvia.
Lluvia de Proyecto. En Curso de Hidrología Urbana (págs. 13-65). Catalunya: Universitat Politecnica de
Catalunya; E.T.S. Ingenieros de Caminos, Canales y Puertos de Barcelona; Departamento de Ingeniería
Hidráulica, Maritima y Ambiental.
Gordon, N. D., McMahon, T. A., Finlayson, B. L., Gippel, C. J., & Nathan, R. J. (2004). Stream Hidrology, An
Introduction for Ecologists. Chichester: John Wiley & Sons Ltd,England.
Gumbel, E. J. (1957). Méthodes Graphiques pour L' Analyse des débits de Crues. (pág. 14). Paris: Société
Francaise de Statistique.
Hartmann, D., & Rossby, H. T. (2011). Statistical Methods in the Atmospheric Sciences. San Diego: Elsevier, USA.
INRENA. (2004). Propuesta de Asignaciones de Agua en Bloque (Volúmenes Anuales y Mensuales) para la
Formalización de los Derechos de Uso de Agua en los Valles Chili Regulado y Chili no Regulado del Programa
de Formalización de Derechos de Uso de Agua – PROFODUA. Arequipa: Ministerio de Agricultura del Perú.
Johnson, L. E. (2009). Geographic Información Systems in Water Resources. London New York: CRC Press,
Taylor & Francis Group.
Kottegoda, N. T., & Rosso, R. (2008). Applied Statistics for Civil and Environmental Enginees. Singapore:
Blackwell Publishing Ltd.
McCuen, R. (1998). Hydrologic Analysis and Design. New Jersey: Prentice Hall.
Ministerio del Ambiente. (2010). Diversidad Biológica de la Reserva Nacional de Salinas y Aguada Blanca.
Arequipa: Servicio Nacional de Áreas Naturales Protegidos por el Estado.