Instituto Tecnolégico de Costa Rica Escuela de Ingenieria Agricola Méstino Vilin Beer MMA: Faw)Fidlkr@ [Esta Manual del Usuario Maximo Villon Béjar Lima ~ PertAcerca del Autor: 1 Ingenicro Agricola, Universidad Nacional Agraria "La Mol Lim-Perd ‘+ Magister Scianic en Ingenieria de Recursos de Aguas y Tierra, Universidad Nacional Agearia "La Molina’. Lima-Per ‘+ Magister Sciatic en Compuicién, énfsis en Sistemas de InformaciGn, Instituto Teenol6gico de Costa Rica. Catago-Costa Rica + Cateditico, Bseuela de Ingenieria Agricola LT.CR, Consultas y sugerencias: Apartado 159 - 7050, Cartago, Cost Rica, Escuela de Ingenieria Agricola ‘Telefono: (506) 550-2595 Fux (506) 350-2549 (Cellar: (506) 837-6413 ‘nial: mvillon@itcr.acsr 6 maxvillon@hotmail.com Consultas sobre otros trabajos: npstiww tera evfeareras/agricolandex him A; y) Copyright © MaxSoft Primera Ediién: Impreso en Cartago ~ Costa Rica por el Taller de Publicaciones del Instituto Tecnoldgico de Costa Rica ~ Febrero «el 2008 ‘Segunda Edicin: Impreso en Lima ~ Pers por Febrero del 2008. torial Vila, Dedicatoria Es ust y necesaro que despubs de un frabojo tan labotioso como es. la ‘umnacion de esa apcaién, hacer un recvento dels “klométicas horas’ que 2 han tendo que inveiren su elabrecé, ‘Con efo puedo comprender, que acanzar lama tue gracias a apoyo y cro des ‘miambeos de mi tania En reconacinienlo a si comprenié, ent y sobretoso al cariio mostrado en los momentos més ccs, que me permits no destalecer y cul con la mela tazada, ddico este tabgo: a mi quetda esposa Luceca, y a mis més preciads tesor0s que el Sefior me ha (ado, mis jos Maximo Adnan y Bora uz No pueden quedar por fuera do. esta edcatoria, ms padres Jorge y Berha ‘ulnes con su emo me formaron para asumir retos como ésie, y me suiern inelcar la deciacion y persaverancia al trabajo. ElautorPrimera Edicién: Ector: Centro de Informacién Teenoligies (CI) Inttuto Tecnolégico de Costa Rica fax: (06) 581-6943 (606) 550-7282 y 550-2330 P.O. Box: 158-7050 Cartago, Costa Rica, AC. Segunda Edicion: Eeitora: Viton Tels 485-7031 isan: 996e-22-017-x fees —SSY \V762n Vil Béla, Maximo Gorardo. | erase vilon Baa ~ Catago: Inst Teenlégen de | Costa ea, Cero ntomanon Teenlépen, 2008, | ‘0p. la ~ (Sari an Ingenta Avena). | zea. Vin, 2005, {SBN 9960-32017 Inyo un CD-ROM con sofware de 2b, para realizar coos heros lauior en eapaiata en inganiri de Recursot Agua y Tier, Ema mviloneer ae. 1 Aqua. 2. Caeuo de causes. 3. Causal. 4, Estacion 8. Evapotranepracén. 6 Funeiones do ‘arbi, 7. Herogi. 8. ngeniea Agricola 98. ‘Manales 10. Software para ciel Nea Esta obra no puede sor reproducida ni transmit de forma improsa © lla, total @ parealment; sin la preva eutorzacion escita del econ. Contenido Materia pagina Prolog. " Capitulo I: Uso de Hidrobsta ‘Importania Plataforma queria. Instalacign de HideoEsta ect Hibs — ar Hida en edleulos 31 Togesode ae 2 Inseraro elimina filas en Ta tabla uM Caleular 36 Ordenar datos 36 Mostrar gritico.. ” Limpiar pantalla 7 Imprimir resultados on = 3? Retomar al mens principal 37 Guardar datos 3” ‘Acceder i los dos de cleo almacenada 38 Reports 39 ‘sla caleuldora 0 Abandonar la aplcacion 41 “Ayuda 41ost: Manual Usui - pga 6) cuir pantalla de céleulo en un informe. opto 2: Deliiciones y mms. Meds de disper, Rango Varena, Desc cnc Coeficiente de varia Medi eta yet Sogo Ma achat. Caress Momentos inaiss ment). Inrodccn eo ean Defi de oe moments iss Enimado deto de os omens nse Distrib de fenecia rocedimino de ile, Reps nea inl eactn de regres, simi de pres. Resin no ina snl Ezuacn de represi eal mpi nimi de pardnetos. Er estndar del etimada pars region maple Coeficiente de determinacién miiltiple.... “ Cenfcon de corel mpl. Benin de reprenn no lineal mille. Benin deepen polio Distibociones crews Period reco). Distibcln oral ogi Bh Comeniso - pig Puncién densidad 87 FFuncion de distibucion acumulada 89 CCleulo dela fancién de dstribuci6nacumulada 90 CCloulo dela inverse de distibucion normal estindat no... 91 Esimacign de pardmetos. o 92 Aptissonss en holo 7 rn D3 Aluste 94 Distibcin log- normal 94 [stibuci6nlog-normal de 2 parimetos. 98 Funcion densidad 95 Funeign de dstbucign en trminos de y = nx 96 uncién de dstribucién acumlada aw Estimaci de pardmettos, método de momentos. 98 stiacin de pardmetos, método de maxima verosimiitud 100, Enimacin de pardmettos, método de momentos lineal... 101 Distribucion log-normal de 3 pargmetros. 102 uncion densidad ho Estimacign de paramettos, método de momentos, 103 Ftimacign de pardmettos, método de maxima verosimilitud 106 Etimaci6n de pardmettos, método simplifcado, 07 FFuncién de dstribucion acumulada 107 Distibucion gamma. 108 Distibucin gamma de 2 parametros. 108 Funcion densidad... 108 Funcion acomlada 109 [Estimacion de parimetros, método de momentos. 112 Estimacidn de pardmtros, método de maxima verosimilitd 113 [stimacidn de pardmetos, método de momentos Hneales... 114 Distribucisn gamma de 3 parmetios. us Funcin densidad 15 PanciGn acumolada us -Extimacién de pardmetos, método de momentos. 7dros Mana del Usa - pain) atimacin de pardmettos, método de momentos lineales 118 Aplicaciones en hirologta Lis Disteibucin log-Pearson tipo I. rev 1S Funcidn densidad 9 Proceso de ello. von 120 Enimacin de parémettos, método de momentos. 121 "Estimacin de pardmettos, método de momentos lineals 121 FFuncion acumulada, ia Distibucién Gumbel. 123 FFuncion acumulada ts) FunciGn densidad 124 Estimacin de pardmetos, método de momentS.vwnnn 12S Entimaci6n de pardmetos, método de momentos lineales 126 Aplicacin en hidrologia = 126 Distibucinfog-Gumbel im Funcién acumulada... oo 17 Variable reduc, 128 Proceso de efeulo : 128 Estimacién de parmetros, méiodo de momentos. 128 Estimacién de pardmetios, métogo de momentos lineales 129 CCurvasrepresentativas. 129 Curva de varacin estacional. 129 Curva de duracin Bt Clo de a procipitaccn media sobre una zona a3 Promedio aitmético 1s Poligono de Thiessen 138 lhoyetas 139 Proceso paral andlisis de una tormenta registra por un pluviograma 142 Aniliss de frecuencia dela tonmeatas 13 érmulas que expresan Ia intensidad maxima, ea funcion de la B hrane faker Gerigascén ® ss005 Buca * 3 ua bos oe Died dstec » rota © B Natundeiia » === i Henan de tcnst ee > ‘ass By ser tccore ED ay someon ono Etines BD LPB meonronetoet Figura 1.2 Abrir Explorador de Windows, roesunda BOTTLE 9) _l Figura 1:3 Copiar archivos de inicio de instalacion de HidroE’staHida Maal de Usui - pina 20) Nota. HidroEsta para el iniio de la insalacién, require que el sistema del computador, donde se realizar la insalacién,cuente con versiones aetualizadas de los archivos con extensién DLL, que se copiaron en el paso 2 Sil sistema no venta, con esta versiones actulizadas: * Se muestra la ventana dela figura 1.4, donde se indica que se reinicie ol sistem, hacer clic en el botGn Aceptar. Se muestra la ventana de la figura 15, donde se pregunta si desea reiniciar Windows, hacer clic en el bot6a Sk. Una ver que se reinicia Windows, presionar el bot6n de Ia ‘nidad de CD (abrir cerrar Ia unidad, con el CD de Hidrosta dentro), para que reinicie ef Aun Con eso, los archivos eopindos en el piso 2, atuaizara el sistema el computador, para que la instalacién se reiniie,y se continu sin ninguna difieultad es dese volver a instal HidroEsta, Figura 14 Mensaje que no se puede continua com I nstalacSn, cic ‘en Aceptar {Benue ace en pada Figuea 1.5 Mensaje para reiniciar Windows, elie en Si Uso deHidoEa~ én 21) 3. Inicio del proceso de instalacion Si no existe ningin problema en el inicio de Jn instalacisa, faparoce el mensaje dela figura 1.6, donde se da la Bienvenida al Programa de insalacién de HidroEsta + Bnesta ventana de insalaci6n, hacer clic en el botén Aeeptar. Instalacion de HidroEsta 3) one ‘pope de aac ed nin ao el etn 0 ‘Loar es aor condos sete, es arta ‘csnrdanor bee aa spac nsec ata Figura Inicio de Instalaci, clic en Aceptar 4. Cuando aparezca la pantalla que se muestra en Ta figura 1.7, hacer cic en el botsn Cambiar Directorio, Nota. Se debe instalar HidroEsta en el Directorio C:idroEsta, puesto que la ayuda generada y Ios archivos de ls ejemplos, estin teferidas a ese directorio,iota Maal del Usa - pina 2 Ssmoweencs a Figura 1.7 Opeién Cambiar directorio 5. Bn la ventana de la figura 1.8, en Ruta esribie Ciro, para que se vea conforme se muestra en la figura 1.9 y hacer clic fen el bouin Aceptar, Uso de Hida - pin (23) onto 9 sacra in decd dete, us NCES Si3075 = W 2.60) eon En os cleulos resulta ms c6modo calcularb com la ecuacisn (2.61) yealeular a como: B Ss ee) Regresién no lineal simple Existen varias relaciones no lineales, que con un antificio adecuado pueden reducrse a relacones lineales, dentro de las cuales se pueden mencionar ceeios: Manal usuario - pia 18) 1 eo 2.63) yearb avers) esi y= a" (exponencial) 265) > (potencal) 2.66) y=arthn? 67 Para el uso de estas ecuaciones, en todos los casos, el proceso es como sigue 1. Realizat la tansforinaci6n de variables a fin de obtener una regresin lineal. 2, Br Ia eousei6n lineal obtenida, aplicar el método de minimos ‘cuacrados para estimar los nuevos parimetos @ y i 3, Rest los cambios de variables afin de obtener los paresros iniiales a yb 4, Utlizae la eouacidn siempre y cuando exstacorelacién adecuada ‘entre as variables ‘A continuxciéa, para las ecuaciones de Ia (2.63) a la (2.67), 56 indica el proceso de linealizacién. 1 oe ath y De ln ecuacin (2.63), invitiendo los miembros s iene: ‘ath y Defines y malas = pga 75) Iciendo:= ws ene Incense weasbr 2.68) Para aplicar el método de misimos cuadrados y estimar a y B se abgjan con las variables: 1 sy wel y —- x y wel y 7 Beuacin: y x08 Detacuein (2.6, acento = sn: year cr) Para spicar el método de minimos cuadrados y estimar a y b, se ‘rabajan con as variables t wetey 1 yHida Mani l wario = pin 76) EcuaciOn: y =a" ‘Tomando logaritmos neperianos en la ecuaci6n (2.65), resulta: Iny=tnat a w 4 @70) 2m) weathx en Para splicar el método de minimos cusdradosy estimar yy By, se trabajan con las variables: *y welay x » we tn De 2:70) y 2.71), s iene: , ay or o tanto, la ecuaei6n (2.65) par estos valores toma la forma 41 gehts “ely y Defnicionesy frmalas- pin 7) a, he yoelel en) Beuacién: y=a2” ‘Tomando Inala ecuacién (2.66), s¢ tiene Iny=Ing+blnx haciendo Iny=w naw a; 27) wearsde Para aplicar el metodo de minimos cuadrados y estima ay, y , Se teabajan con las variables: 2= ee yw = lny j.at oy I I De (2.74), se tien: ane or io tanto, fa ecuaci6n (2.66) toma i forma: a 275) Heer ere eet eames cammmeeeesmeamen|Fidos: Man lassi « gina (78) Beuacién:_y=ax-+ bx? Dividiendo ambos miembros dela ecuscign (2.67) entre x, resulta: y =atbe et haciendo 2 = se tiene: + be Para apicar el método de'minimos cuadrados y estimar a y b, se ‘rabajan con las variables xy Ecuaci6n de regresién lineal miiltiple sta técnica de anlisis, se utiliza cuando Ia variable dependientey, funcién de dos © mis variables independiente 1,85 48, sendoel modelo lineal FOTO DEDBA OQ m (276) Defsconsy Frau - gi 19) Estimacién de parémetros xtendiondo el método de minimnos cuadeados, para el caso de unt regresi lineal mitiple as ecuaciones normales que se obtienen Dv = ante, Da +a, Da tay Dy teonty ky Leysa Data day ta Dan ta, Daytona, Dat, Layea, De ta Dan ta La te Dayy tte, Late Ley=a, Lx, ta, Das ta, Dar, +a Daigo, DX mm donde: n = ndmero de grupos de elementos de la muestra [a solucign det sistema (2.77) proporcionan los valores dq a, cy IE] nimero de ecuaciones normales, deben ser tanias. como incognitas se tienen, afin de que se tenga un sisteme resoluble y asi El canjunto de eeuaciones normales (2.77) soa files de recordar, ‘observar que la primera se obtieneaplicando la sumatria a ambos miembros dela ecuacién (2.76), es decir: Do Lets tase Hays tnt ha) Doranta Da tad tS a tot eke La segunda se obtiene multiplicando ambos miembros de la ‘ecuacida (2.76) por x y luego eplicando la sumatoria, es decirido: Mal el rio «pga (0) Day= Dale, ta +05, +08 tant ta) Lae Data Le ra Dan tg Dag tnt a Dat, Andlogament, la tercera se obtiene muliplicando ambos miembros ‘de Ta ecuacion (2.76) por x3, y_Ivego aplicando la sumatora, es decir Dua Dal +05, 4 aya tant Ogg) Lay ada ta Dan ta Dal 1a Sigs tte Dak, Las eeuaciones restantes se ob rmukiplicando por 5x4, sen con el mismo proceso, pero fespectivamente CCabe aclarar, que lo indicado en las Kineas provedentes, no es una educcion de las ecuaciones normales, sino s6lo una forma de cords. la siguiente ecuacién 278) 1y = valores muestrales (experimentales) dela variable dependiente fay 1 aX tt gk lores estimads de Ia variable dependiente con Ia ccuacig de regres Defniconsy frais - pina (81) ‘ror etre el valor observadoy etimado dela variable dependiente nero de grupos de la muestra ¢H1 = nmero de parémetrs aestimar a parti de la n= p= grados de ibertad La ecuacién (2.78) es muy tediosa de caleular, por lo que los cstistios han derivado una formula més corta de calcular por 1 rétodo computaconal a cual se muestra en la ecusein (2.7). [SiraDaTa-aSaman Bay amy Las variables definidas en la ecuacisn (2.79, son las ya indicadss anteronment. Coeficiente de determinacién miltiple Representa la proporcién de la variacin total de y que es ‘explicada por las variables involucradas en la ecuacin de regres riliple, se puede caleular a partir dela ecuacion (2.80) 0 2-81). se = 2.80) rd 2.80) 4, Day +a, Day a Day yhonnctte DEQ) MY Yany es onde: = coeficiente de determinaci6nids: Mani! uso - pia (2) Se = eor estindar del estimado, calevlado com las secuaciones (2.78) 0 2.79) = varianza de la variable dependientey peulZ 0-9") = 5 Do" a) 282) AY, y= media de avaible dependiente nS ndierode grupos dea mesa Coeficiente de correlacién miiltiple El coeficiente de corelacién miiple, se puede caleular a partir de las ecuaciones (2.83) 6 2.84). p-[adeeeadsven Terao : Dy ny’ Ecuacién de regresi6n no lineal miiltiple | {afer gel ea ein deers ne mip ayy," 285) 1a miso gee ck poll Ganforma con un ade ati, en una ecuacin de reresin lineal mail, de a siguiente forma: 1. Tomando tn a ambos miembros de la ecuacién (2.85), e iene: Iny=Inay +a,In¥, +a, Inx, +4, Inx,+. | 2. Haciendo: Defsconsy Krak - pina 65) a bam tan ba, + 2.86) {La ecuacion (2.86) es una ecuacién de regesion lineal maltple, similar ala de fa ecuacion (2.76), Por ejemplo, en hidrologia existe una formula utlizada para el cloulo de a intensidad maxims Li iu cayos parimetros K, a y B se pueden detesminar a partic de wna correlacién maliple entre ls variables, donde: T= periodo de etorno D=duracién del lovia ie = intensidad maxima Ecuacién de regresién polinomial ‘La eeuacién polinomial de grado m es: Yeas taactaa a,x", @sn Para el juste de Jos pares de valores, se puede utilizar la metedologia descrta para el caso de una ecuacién de regresi6n lineal maliple,siendo las ecuaciones normales:iro: Mami de sao = pia (4) Dysanra Drea, Sat 4, Datos Song Sata, De +e, Da 4a, Sahay Sryea Seta Lesa lr tales Leysq de ta De Distribuciones teéricas El hidrologo generalmente tendré disponible un registro de datos hidrometeoroldgico (precipitacién, caudales, evapotranspiraci6n, temperatura, ete), através desu conocimiento del problema fisico, ‘scogerd un modelo probabilistic a usar, que represente en forma satisfatora el comportamiento de la variable. Para utilizar estos modelos probeblistcos, se deben calcular sus patimetos yrealizat la prueba de bondad de aust. i el ajuste es bueno, se puede utilizar la distribucién elegida, ena ver encontrada la ley de distrbuci6a que rige a las variables leatorias, adems, se podré predecir con determinada probabilidad, Ta ocurrencia de’ una determinada magnitud, de un feasmeno bidrometeorolgico, También se podr determinar la magntud de un fenémeno para un determinado periodo de etoro. Las distbuciones teéricas cominmenteutilizadas en Hidrologi, * Distibucién normal Défsiconsy firmus - pia (85) Distibucinlog-normal de 2 6 3 parmetros Distibucién gamma de 2.6 3 pardmetros Distibucin log-Pearson tipo II. Distibucién Gumbel Distribucin log-Gumbel ‘Estas distibuciones se describen en este capitulo. Perfodo de retorno (T) Se define el pertodo de retorno T, como el intervalo promedio de tiempo en af, dentro del cual un evento de magni x puede ser igualado o exeedido, por lo menos una vez en promedio, Asi si un ‘evento igual 0 mayor ax, ocurre una ver en Taos, su probabildad ‘de ocurrenca Pe igual 1 en Tasos es decir: L ees Eada t 289) robablidad de ocurrencia de un evento > x ‘T= periodo de rtorna La defnicin anterior, permite indicar que la probabilidad de que x no ocurraen cualquier ao; es decir, la probabildad de ocurencia, {de un evento 0, como: . iroas6ti97; ep sien as constantes 'b)=0319381330 by =-0.356563782 by=1 781477937 by = 1821255978 b5=1330274829 En ls aproximaciones (2.101) y (2.103) si Z <0, la EDA. se caleula como: 1-FQ, 4, Caileulo de la inversa de la normal estindar Una aproximacin para el cilculo dela inversa de la distribu normal estindar se muestra en la ecuaciGn 2105. Fey ~~ Fay Zz 01975 (2.105)ids: Man sro - igi (2) una expresin més precisa, vélida para 10” < F(Z) <0, se muestra ‘nla eouacin 2.106 ¥[l4y +100) +205] Wy +56)y-+192)y +131 (22106) donde: ye=InF(Z) @107) 5, Estimacién de pardmetros Para estimar los parimetros dela distibucin terica se pueden usar 1 método de moments 6 el métod de mixima verosimalitud CCabe mencionar que Ia distribucién normal, es la gnica funcién de distibucién, que produce los mismos resultades de los pardmetro, estmados por el método de momentos y méxima verosimilitu, Ios pparimetros obtenidos son los siguientes: (2.108) 2.109) X = esl estimado de la media, lamado también parimetro de posicion 5 = esel estado insespado de a desviacin estindar 0 parimetro de escala Defnconsy fem ~ pia (3) Los pardmetros de a dstribucién normal, estimados por el método «de momentos lneales son 2.110) aun donde: 44, = rimer momento lineal ques eau con Ia eunciin 247 24, = segundo momento lineal ques calela con la euacion 248 6. Aplicaciones en hidrologia La distibucidn normal tiene gran utilided en hidrologa, siendo algunas de sus principales aplicaciones: ‘Enel ajuste de distribuciones empiticas de variables hidrogicas de intervalos de tiempo grandes, tales como variables medias anuales, mensuaes, estacionales, etc, que pueden ser caudales, precipitacion, entre otros. ‘+ Andlisis de los erores aleatorios en las observaciones 0 ediciones hidrolgicas * Como referencia para comparar varias distribuciones tesreas de juste en una distibucién empirica, ‘Para hacer procesos de infeenciaestaistica * Para generac de datos por el método de Monte Carlos. El inconveniente en la generacién de datos, es que se obsienen ‘valores negativos, lo cual fisicamente noes jusificado,sds Manal del waro + pin (4) 7. Ajuste EL ajuste puede realizarse grificamente utilizando papel probabilistico normal 6 analticarente, mediante los estaisticos Chi-cuadrado 6 Smimov- Kolmogorov. Distribucién log-normal Las distribuciones logariimicas mas conocidas en hidrologia son la Jog-normal, log-Peason tipo III y log-Gumbl. Por ejemplo, si la variable aleatoriaX, tiene una dsteibucin log-nornal, eso significa ‘que ¥ = ln, tiene una distibucicn normal. Anélogamente, si X es Una variable sleatori log-Pearson tipo Ill, Y= JnX, es una variable aleatoria Pearson tipo ll También, sila variable aleatoria X, tiene ‘una distibucion log-Gumbel, Y = InX, es una variable aleatoria Gumbel, Es posible una generaizacin, en el caso que se inroduzca tun limite inferior xg, en cuyo caso el InX, anteriores, es sustiuido or X=) En este aparado, se esudian las dstibuciones log-normal. Hay una Aistibucién log-normal de 2 parimetos y ora de 3 pacimetros, en la de 3 pardmettos, el tercer parimetro ex el limite inferior x, <éenominade parimetro de poscién, Distribucién log-normal de 2 pardimetros Muchos procesos hidrlégicos tienen sesgo pesitivo y no son normalmente disribuidos. Sin embargo, en muchos casos. para ‘variables aleatoris estrictamentepostivas X> 0, su logaritmo Y= 1n(X) Defnconsy frmuas- pina 95) es deserita por una distibucién normal. Esto es particularmente cierto, si la variable hidrolégica resulta de algunos procesos rmulipicativs. La variable aleatoriaX, es positivay el limite inferior xy no aparece. La variaMe aleatori: Y= [nX, e8 normalmente distibuida con media yey yvarianza 0? y Se usan estos pardietros para especificar que Ia distrbucién es logarimica, pesto que también puede usarse la media y la varianza dex, 1. Funcién densidad Se dice que una variable alestoria X, tiene una distibucion log- normal de 2 parimetros,s su funcién densidad es: @12) Donde jy, 6 y, Son la media y desviaciénestindar de los logaitmos naturales de x, es decir de Inx, y representan respecivamente, el | Pacdmesro de escalay el parimeto de forma de la distibucsnFidos: Mana de si = pia 6) 2. Funeién de distribuci6n en términos de y = Inx Puesto que: lpn mes dy="de > Mae Hes 2.113) ‘también, por las disteibucionesacurmuladas, se tien: fo) dy= fe) dx 6 we ang) a ) sustityendo 2.112) y (2.113), en 2.114), rsulae Qs) Defnconesy fem - pina (7) siendo: y= pardmeto de eseala (9, = parmetro deforma 3. Funcién de la distribucién acumulada La funcign de dstribucién acumulada de la dstribucin log-normal ‘de 2 parimetrs, esl integral de las ecuaciones (2.112) 0 (2.115) es deci: e116 ‘ ra) s once se bone, a dsb noma estar 2 Lz. 2 (2.118) gale 2 @ eu Z-NO,l)io: Marl de aso - pia (8) Nota. Para el célculo de la distibucién scumulada de la normal ola lognormal, una vez conocido sus parimetrs, hacer la transforma cidn a la distbucién normal estindar y usar las ablas 0 las ecuaciones de aproximacién, elaboradas para su cdculo 4. Estimaci6n de parimetros, método de momentos: Utiizando el modo de los momentos, las relaciones entre la media ya varianza de la variable X y los parimetrs py y 0%) . que se obtiene, son: o a medi: K=B)=e 2 e119) 2m, +02 vata: Soh BP 209 1 | a7 gt V2 desviacibnestindar: Sze” 2] eo) coefciente de variacién: C, 2.120) Defnconsy emule - pia 8) ‘Tonando loaios (2.120) ee Ind+2)=0? ot ay 7 . oan oh 0, =/ina+c2) e129 “Tomando logarismos a (2119) result: oe tax=p +> Hy oe =inz+— 123) ny =mn-> 23 sustituye (2.124) eh 2.123), e iene: i) isc?) {1+c2)) (2124) Luego, dado un conjunto de valores 335 Com parémettos 5.8%, Cx los partmetros 41,07 , de a distibuci lognormal ‘de 2 parimetros, oblehidos por el métod de momentos, se ealeula ‘om las ecuaciones (2.124) y (2.121), respeeivamenteido Manu del wnaro pin (100) Tumba se obtine del métoda de moments, la siguiente ecu 2.125) Para valores prdcticos de oy : 0.1 < oy < 0.6, Ia relacin es casi lineal y puede ser aproximada por: ce 2.126) 524485 a4, ‘que es correcta dentro del 2%, en el rango mencionado. Recordar que para datos muesales, osiciete de sespo es: eM, Tos pardmetos yy 10 , se obtienen, con las siguientes relaciones: Defniconesyfrmais - pga (101) 1s 1, =1 3m, ex “ 2 a (is 4) 6. Bstimacién de parsimetros, método de momentos, Aineales 2128) Uilizando el metodo de momentos lneales, ty ¥ oy , se abtienen, on las siguientes relaciones: 124, 2.129) 0, =I, 2.130) donde: 2,5 2, = primer y segundo momento linea caleulados con los y= Ing Nota, Muchos registos hidrometeorolgicos, tienen como valores de sus variables un valor igual a0 (ejemplo, sino lveve la ‘recipitaién seré 0), Aluiizar la dstibaciin log-normal, cuando se toma logartmos a éstos valores, el resultado es - =. Para dar solucién a este problema, se pueden hacer cualquiera de tos siguientes artificios: 1. Sumar 1 todos los datos 2. Sumar un valor pequefo a todos los datos ( por ejemplo: 0.1, 0.01, 0001, ee) 3, Susttir los cetos por un 1 4. Sustiuiros ceos por un valor positive pequetioido: Mal el io = pina (102) ‘. Ipnorar todos los ceros dl registro “Todas éstas solucones, afectan los parimetros de le distibucién Jog-normal; ls soluciones 1 y 2, afectan el valor de jy, mientas que Jas soluciones 3, 4y 5, afectana Hy ¥ En la figura 2.5, se presenta la funcién densidad de la distin Jog-aormal de 2 parémetos, para varios valores de wy 0° fo) 190 08 as oa 02 ° o 4123 4 5 6 7x Figura 25 Distribucién log-normal de 2 parémetos, con varios valores de ny o Distribucién log-normal de 3 pardimetros [En muchos casos el logaritmo de una variable aletora X, del todo ‘no son normalmente distibuido, pero restando un parémetro de limite inferior 2, ates de tomar logaitmos, se puede conseguir que sea normalmente distrbuida Ast = Ingx-m) DefincionsyFemals ~ pina (103) ‘es modelado teniendo una dstribucién normal, tal que: =X + exp) La distibuciénlog-normal de 3 parémetios dfiere de la dsrbucidn Jog-normal de 2 pardmetros por la introducein de un Minit infeior oy tal que: yelnr-r) = y~ Nity. 0%y) 1. Funcién densidad La funcion de densidad, dela disteibuci6nlog-aormal de 3 ardmetrs, es 1, G=5,)0, Jam co 13) para ay See onde “Xo parmetro de posicién en el dominio x y+ parimetro de esalaen el dominio x 6%) : parimetro de forma en el dominio x 2, Kstimacién de parsimetros, método de momentos Uilizando el método de los momentos, las relaciones entre la media, Ja varianza y el coeficiente de sesgo, de In variable X y los parimetr0s xp, ry ¥ oy , que se obtene, soniat: Manual del usuario - pga (104) 2 nek media; X=£()=4,4¢ 7 2 232) 2 42 2u,,+02/ 0! varianwa: $?=E(2-EW)?=e 7 Me 2.133) cox de ego: 1 2 Vf o? n, [2 Plo C,=9=—3 ele 7-1] fe 742) 134) sar #2 ‘ 524485 0% ens per tos mesial coefcet de sag 3 Qa (2.136) (w -1KN -2)83 donde: 3 Ye, -¥) : eum oy 28 easy [Seo - (2.138) Not Defiscionesyfemuls ~ pigina (105) rs, x24 a9 W (2.139) wes was, o,-(S02 aun eau aun) eam ; any %y xyeX-e? 2 Lego, dado un conjunto de valores x1, 25.85, Xx 6M parsmeteos a S.C Colon pains Xo, 0% dea dite og normal de 3 pardmetros,obtenides por el método de momentos, se calculan con las ecuaciones (2142), 141) y (2.140), respectivamente. ‘Nota imitans De la ecuacién (2.140), se observa que para que exista un valor real deo, Cy debe ser mayor que 0.52, en caso contraro, su valor ser [La estimasidn de tos 3 parémetos dela distrbciéa lognormal por el método de momentos resulta relativamente incficienteiota: Mani el sro - pina (105) 3. Estimacién de parémetros, método de méxima verosimilitud Los parimetrs de la dstribucin log-normal de 3 parimetros, «estimados por el método de maxima versimiltud son és y= 1h Siabs —20) 2.183) a 1 y oy) Slat -20)-nyP P a. in pardmeteo de escala, igual al promedio de lsd 5) pardmetco de forma, igual ala desviacinesténdar de los Ingx1) Xo = parime'0 deposi ey in El parimetro de posicién se calcula, mediante un proces iterative como solucin d la siguiente expresin resumida (2145) [La ecuaci6n (2.145), solo es posible resolverla por un proceso computacional Defines y emul - pga (107) 4, Estimacién de parimetros, método simplificado Una forma simple y eficiente de estinar el pardmetto de posicién x, dela distribucin log-normal, es mediante el estimado del cuanti del limite inferior, con la siguiente ecuai6n Sa si Rtn lea MO donde: 11 = primer valor dela serie ordenada ascendentemente 1% = ultimo valor de la serie ordenada ascendentemente “reins = Medina de Ta serie de valores, cuyo valor se calcula como: Sim= par = eso Cys PE yau/2 = (2147) sim impar = Saou Agia» 2148) némero de datos de la serie (Cuando x, +1, ~2ianu > 0, Xo Fepresentael limite inferior y ft, y 7 seesiman como la media y varianza de y Cuando x, +5, ~2nu 0,0 fEpresenaelimite superior y 1, (20. {6} se estiman como la media y varianza de y= Inxy- 2). 5. Funci6n de distribucién acumulada La funcin de distibucién acumulada, se calcula haciendo la transformacin, «una distriucin normal estndr, send st couse La F(Z)= eta (2.149) eh aus)iron Mana del aro - pin 108) donde: Inge 20) Hy %y - (2.150) Ye fy, 8% Son Ios pardmetros dela distribucin log-normal do 3 pardmetros CCabe mencionar que, si en las eeuaciones 2.131) y (2.180) x9 = 0, tas ecuacones obienidas corespanden a a distribu log-normal de dos parimetos. Distribucién gamina (vr stribucn que juega un pape importante en ideologies la disiibucién gamma. Se apliacin e an coma, como el 0 J la isribaci log- normal Distribucién gamma de dos pardmetros 1, Funcién densidad Se dice que una variable aleatora X, ene una distbucién gama ‘de 2 parmetros si su funcién densidad de probabilidad es: easy Defnicones yrs - plan 100) sien parkieto de forma (+) parmetro de eal (4) = Tuncgn gamma completa, dein coms Th Thy} [Sx HeFae que convergesi y >0 La funeiéa gamma dene las siguientes propiedades: para y =1,2,3, para y >0 » rags + rO Si y > Opero no entero, P(y) puede ser calculado por expansién de series integracin numérica por yf, tt sm ay aa? 3 4 V7 "21" 298? sisaoy3 — 2anss207 2. Funcién acumulada [La funcién de distibucién acumulada, de la funcion gamma ‘ncompleta de 2 parimetros es: 152) ] J‘of Mana del so - pin (10) Si es entero, la funcién de distibucién gamma acumulads, segtin Mood etal (1974), puede cacularse por: x (:} vst) ws 3, La variable aleatorareducida gamma de 2 parimetros, ess dada por Fa A eas z easy Ia cua rede la faci de desi de prob wrt? so)" ass 9 a fein edison aaa: 1-1-9 ou=fy PoE 0.186 =f > Fy oo Ls funciones reducdas contienen el parimetroy , por lo cual, ada valor positive de 7, determina una funcién diferente. Un extricto eas tablas de Wik, Gnanadesikan Huyett (1962), para las variables leateriasreducida Gamma, se muestra en Ia abla 2.3 La solucién de ln integral de la funcién gemma reducida de la ccuscién (2.156), se puede obtener pore desarrollo dela sre (yt tt yreet POLY HOD Veta a aus Defnicones y firmus - pina (181) ‘Tabla 23 Funcién acurnulada de variables aleatorasreducidas Gamma, G0), en funcion de yy Y GL Fat] =e Y=8] =O] Vee ‘aio O0s | Osea | pass_| ezer_[ 1458 ‘O20 | 0223| aaa | 3000_| 7200 | 16.17 ‘a0 | 57 | t0s7 [3894 | 8.109 | 1rae ‘oa0_| ott 13763148 | e904 | 1as7 [oso—[uess [1678] 4r1_|- e666 tor eo | aste—| 2022 | $297 [1078 | 2061 | 70] 204 | 2499 | sa00 | 11.387—| 2208 a0 1809 | axe —[evai_[1as8 | 23060 90-2903 | soo | 7904 | 14208 | 25 00 395] 2006 | a raa_—[-arsa| 15.705 | 2798 (ose [-at0s [sess [1.605 [18.703 si.85 yein 7 = 2 z ass) 1h y+s-D j=l En Ia ecuaci (2.157) o (2.158), con un par de valores de y, Y, se {determing Gi), siendo: a ro; Go). Ls ny assy? sis4oy? 24883207 ~ [an rerio Pie wartet La aplicacién HidroEsta, permite caleular a funcién sscumlada (3) = G9), uslzando la transformacion a la variable redacida yios: Maal el usario = pn (112) La representacin grfica de Ia funcién densidad y la funcién de 0, 4, Estimacién de parimetros, método de momentos lineales ‘Los3parémetros de a distibucidn gamma, por el método de los ‘momentos lineals se encuentra con Ia siguientes ecuscones: S182} emtonces 1=1-8 3 Fb 102+ 3200) Qu T+ 11(64-+1105 + 66xt1) ame) 1 2 SiB75—+ 105530 © 33InN +1 fama de la muestra InN = logartmo natural o neperiano el tamatio dela muestra Para datos divis elegir NC2 10 4. Caleular la amplitud AX de cada interval de clase R we 5. Caleulat los limites de elase de cada node los intervaos: as limites de clase superior infidel primer intra de Defines y rms - pina 135) Oma 11 =Qmax- ak Los limites de clase de los oto intervals, se obtienen restando Ta-amplitad AX, als limites de clase anteriores, [Ea tabulaion de estos resultados puede ser como se muestra en Jerlumna (1) de latabla 2.4 ‘Tabla 24 Proceso para graficar la curva de duraci6n [intorvato de] Limite | Frecuencia sain ‘lese | iforior eu a 2 | @ (se(apcr006s (its | ur up=ts2| ue us=s9 | —US, N= ts [OW 100) 6 Obtener Tos limites inferiores de cada intervalo de clase, 1 column (2) dela tabla 2.4, CCaleular el nmero de valores de caudales que quedan omprendidos en eada interval de clase, column (3) dela tabla 24, Caleular el nimero de dias (ndmero de veces) que un caudal es {gual o mayor que el limite inferior del intervalo de clase, se ‘obtiene acumulando la columna (3). Los resultados se muestran tn la columna (4) de la tabla 2, El shimo limite inferior de tlase es el Qwin que se registra durante todos ls dias del periodo Sefindo de dias y si este fue de un ato estrd presente los 365 alas de él Expresar fa columna (4) en porcentaje de tempo que el caudal Giatio supera al limite inferior del itervalo de clase. Como el ‘menor lite inferior de clase se registra durante los 365 dis delict: Mal de uso ~ pina (136) » tiempo considerado, este caudal expresado en % representaré tuna probabiidad de recurrencia del 100 %, Estos valores ‘muesirn en Ja column (5) de la tabla 2.4 se obienen con la siguiente ecuacion columna (3) 10. Trazar la curva de duracién niliméieo ploese: ura 2.8), para esto en un papel Puran2037 20.2358 x n+ 0025, 2585 xn + 0.012 Condiciones de la seccién de aforo Et aforo con correntémetro, consiste en explorar el campo Velocilades, en Ia seecion en la que se quiere medic el caudal Iiquio. La bicacin ideal de una seccin es squella donde: ee Defines y ema - pian (81) + Los filets liquidos son paralelos entre. 4+ Las velocidades sean suficientes, para una buena wilizacién del comrenémeto. + Lar velocidades son constantes para una misma altura de la scala limnimetica La primera condicinexige a su vez + Un recoride recttinen entre dos riberas o mérgenes fancas. + Unlesho exabl + Un perfil ansversal celativamente constant, segn el perfil ea Tongtud Fs evidente, que toda iregularidad del lecho deb rio (piedras, vegetaci6n arbustiva, bancos de arena), altera las condiciones del flujo, y constituye un factor desfavorable para las medidas. Estas influeacias, son mis notables en los cursos de apua mas pequets, por es, que es mas fil aforarcoa una misma precisa relat n ro-que uno pequeto, y un rio en alas aguas que oto en Formas de aforo LA ple, seuss cuando ef curso de agua es pequeto, poco profunde ¥ fondo resistente, Para esto, se coloca un cinta graduada de un margen a otro, y se va midiendo la velocidad a diferentes profundidades, a puntos equidistantes de un extemo a ou de la seccién, 2. A cable, ta seccidn se mateiatiza con un cable tendido de un extreme a ot, y el aforo se hace en bot 3, Sobre una pasarela, cuando so rata de pequetos ros, se coloca una pasarela ene los pilones de un puente el aforador se eoloca sobve la pasarela,y redliza la medicin de las velocidades desde allios: Man e usio - pga (182) Proceso para realizar el aforo 1. Calcular el drea de la seeci6n transversal ara iiciar un aforo, es necesario dvi la seein transversal (ra hidrulieg), en franjas, para esto: ‘+ Medir el ancho del fo (ongitud de la superficie libre de agua 0 cexpejode agua T)) *Diviir el espejo de agua Ti, en un ndimero N de tamos (por la ‘menos N = 10), siendo el ancho de cada tame: Segtin, el Proyecto Hidrometeorolgico Centramericano, la distancia minima entre vericales, se muestra en Ia tabla 27, Defcioesy tna - pina (153) ‘Tubla 2.7 Distancas minimas etre verticals recomendadas ‘anche total minimo | Distancia ene el io vericales (. ‘) Tonos doz ozo 2-3 030 54 bao a8 030 ais 10 15-25, 20 25-38 30 35-85 40 45-80 50 80— 160 100 | 160-350, 200 ‘+ Medir en cada vertical, ls profundidad /h, puede suceder que en Jos margenes la profundidad sea cero o diferente de cero Fl rea de cada tramo, se puede determinat como el sea de un ‘wapeci. Sila profundidad en algunos de Tos extremos es cero, cau como s fuera un tiangul. hoHirota: Mal el ua «pig (154) Ejemplo: profundidades en los extremes del tramo tancho de la superficie del amo 2. Caleular Ia velocidad Calcular la velocidad puntual La velocidad en una seccién de una corviente varia tanto ansversalmente como con Ta profundidad, como se muestra en la Figura, G7 Las velocidades, se miden en distinios puntos en una vertical; la cantdad de puntos, depende de las profundidades del cauce y del ‘ammo dt corentémeto, Para calcula a velocidad en un punto, hacer: Defsconsy fons - gis (158) * Colocar e instrumento (correntsmetro © matinee) a esa profun- sida. 1+ Meal el nimero de revoluciones (NR) y el tempo (T'en sen os), para ese nimero de evoluciones. + Calealar el ndmmero de revoluciones por segundo (n), con la eouacisn NR T Calcul Ja velocidad puntual en mvs, usando Ia ecuacién proporcionada por el fabricante del equipo, por ejemplo, el orrentémetro A-OTT 1-108723 del Sena, iene Is siguientes Si n<0.99 + y= 02507 n+ 0.015 mis Si n20.99-> ¥=099xn+0008 m/s Caleular Ia velocidad promedio en una vertical La distribucién de velocidades en una vertical, ene Ia forma de una pardbola, como se muestra et Ia Figura nla figura se observa: ‘y-= velocidad superficial vis = ubieada 2 02 de la profundidad, medio con respecto a la icie del agualdots Mama del mario ~ pin (156) ‘y= Velocidad media en la vertical, Ia cul iene varias formas de céleulo Larelacdn entre Ia velocidad media y superficial es donde: CC varia de 0.8 a 0.9, generalmente se adopt igual a 0.85 La velocidad media vq) en una vertical se puede caleular de tas siguientes manera Midiendo la velocidad en un punto n= Me donde oe = velocidad medida a una profundidad de 06 de ta profundidad total, medida con respecto ala superticie idee ato se emplea, evendo Ia profundidad del agus es pequeia, 0 hay mucha vegetcin a 0.8 de la profundida. Midiendo la velocidad en dos puntos 2 locidad medida a 0.2 de la profundidad, con respecto alasuperticie velocidad medida a 0.8 dela profundidad, con respecio ala superficie Defcon y fms - pgin (157) Midiendo la velocidad en tres puntos Mas top + a don var = velocidad media 02 de la profnddd, con espeto shneperiie ae=teleedad media 20.6 de apron on respeto cleat vay velocidad media 208 del rounded, con rexpecto Thampicat Caleular la velocidad promedio de un tramo La velocidad promedio de cada tramo, se caleula come la semisuma ‘elocidades medias, de las verticales que delinitan el tramo, 3. Cateular el caudal EExisten varios métodos para determinar el caudal, que esté pasando por el curso de agua que ha sido aforado, dentro de los cuales se pueden mencionarido Manual del wri pigina (18) Método del dea y velocidad promedio + Cateular para cada vertical la velocidad media, usando el método de uno, dos o te puntos. ‘+ Determinar ta velocidad promedio de cada tramo, como el promedio de dos velocidades medias, entre dos’ veticales ‘consecuivas, es deci: 2 *Determinar el dea que existe entre dos verticals consecutivas, utlizando la formula del tapeco, es decir. hth, and L + Determinar el caudal que pasa por cada tramo utlizando le ccuacién de continvidad, multplcande la velocidad promedio el tamo pore rea del tramo, es deci Qr= vids * Cafelar el caudal tual que pasa por ls seccin, sumando los aude de cada tram, es dec: Q=2Qi Caudal maximo, métodos empiricos Para el céleulo det caudal maximo, existe una gran variedad de imétodos empricos, en general todos se dervaa del método racional Defnicionesy females - pina (159) Debido a su seneillz, los métodos empirieos tienen gran dius, pero pueden involucrar grandes errores, ya que el proceso de scurrimiento, es muy complejo como para resumitlo en una Trmula de tipo ditecto, en Ia que solo intervienen el dea de la cuenca y un coeficiente de eseurimient. ‘Método racional uso de este método, tienen una antigledad de més de 100 aos, se tha generaizado en todo el mundo. En mayo de 1989, la universidad de Virginia, realizé una ConferenciaIntemacional, en ‘eonmemoracién del Centenario de Is Férmula Racional FEI méiodo puede ser aplicado a pequesas cuencas de drensje agricola, sproximadamente sino exceden a 1300 has 6 13 ka En el método racional, se supone que la. mixima escorrent ‘ocasionada por una lluva, se produce cuando la duracion de sta es igual al tempo de concentracién (.). Cuando asf cure, toda le ‘evenca contribuye con el caudal en el punto de sla, Sila duraci6n { mayor que elf, coneibuye asimismo toda la cuenca, pero en ese «aso la intensidad de a luviaes menor, por ser mayor su duaciony, Por tanto, también es menor el caudal. Si la duracién dela via es menor que el 1a itensdad de Is Iuvia mayor, pero en el momento en el que acaba la luvia, et agua ‘aida en los puntos mas alejados an no ha egado a la sali; slo contrbuye una parte de la euenea a la escorenia, por lo que el ‘evdal ser menor Aceptando este planteamiento, el caudal méximo se caleula por ‘medio dela siguiente expres, que representa l frmularacional in aA 2.235 O60 ea onde {Q= caudal miximo, en m/s 090, el inervalo se cle come Bete ete ee The ee Oe oreo) Steuer tet see Lazona de 9 comprendia entre 0.8 y 0.9 se considera de transis, a a dene es proprina al cleulado con ls ezucioner 2244 eet ee 2.245, dependiendo del valor de 6. Bee | ge te eee cada mio deseo pr un it pero de tomo se Pee E ieee igual l caudal msi con tu ecacin (2.22) mas Iara de a ee eee confianza, calculado con (2.244) 6 (2.245). tear | aie eee 21= Qu +80 0.246 see iee |eteido: Mana dws = pina (172) ‘abla 2.13 Valores de NGG, on funcion de 9 ° Nao, Dor E1607 02 7894) 005 (1.4550 0:0 (12028) 015 "12540. 020. 12427 025: 1248 0.30, 12687. 0.35, 2081 ‘O40. 1.3066) a5, 1.3845. O50. 8aa7" O55. 135150 O80, ‘isoee O85. 17094 070, 18368 075 20Ed 0.90 22008 85 2 5649 080 73.1639 [oss (49721 096 (7.071) 099 (10.000 Método de Nash Nash considera que el valor del caudal para un determinado periade de retorno se puede calelar con la ecuacign: Ee =a bioglog 7 2a Ona a+b ioglg T2247) onde: Defsconsyfemulas ~ pina (173) ad) = constanes en funcién del registro de caudales ‘xis anvales caudal méximo para un perfodo de retorno 08 Velocidad del viento diurno La FAO establece tres rangos de velocidad del viento, la misma ‘que se nvesta eal tabla 219,‘Tabla 2.17 Hores luz por 6 en del total anual, P ($e), tabuladas por mes y por ait ‘hemisferio nore) ‘Tabla 2.17% Horas luz pr dia, en del total anual, P (4), tabula por mes y por laid Ghemisferi sur ns 9 MoE eH Gapeutos Gro emit - sna Ce,ios: Maal el wai - pina (186) ‘Tabla 2.19 Rengos de velocidad de viento diario. ‘Velocidad de viento Rang ‘aro (iania) _ crs) eb <175 <2 | rmoderado | 175-425 | 2-5 | Humedad rlatva minima [La FAO establece tes rangos de humedad relativa minim, la misma ‘que se muestra en la tabla 2.20, ‘Tabla 2.20 Rangos de huredad reativa minima umedad Relative ango ‘misima (emia) aa ‘menor de < 20 | “geo so | superioca> 50 Calculo del uso consecutivo del cultive ETe Ee =Ke. ET (220) donde: Te = uso consecutivo del eutivo, mm Ke= coeficiente dl culivo, Ia FAO tiene un amplio estudio al espect, algunos Valores se muestran en la tabla 221 To = evapoeranspiracin de referencia, mma Definicores female ~ pin (187) Tabla 221 Coefcientes de Ke para usrse en Blaney-Cridale cutive we tata eas gen o70 oz 140 Banana oso cacao 075, cate ors Cara de andar as Ceres meores 0 rites as Fras teas a0 aie a7 | papa a70 astos ors Renelecha accra on So90 on fabaco 07s omate o70 Vegetais pequatioe O60 ies oss Formula de Hargreaves La formula planteada por Hargreaves para el calculo de ETo, ea siguiente: To = 0.0023 Ra (Tmax ~ Trin)" (Timed + 17.8) (2.263) donde: FTo= evapotranspracién de referencia, miagina (18) Ra = radacin exaterestre, mm, us valores se obtienen de las tablas 22a y 2.226 paral ‘correspondiente. Tmax temperatura méxima medio, °C indy el periodo “Tabla 2.224 RadiaciGn extraterresire Ra (mmi/dia), hemisferio norte 52°76 108 64 86 114 74 94 123 02 119 139 ra6 145 159 49 150 165 154 164 166 186 162 164 165 44 14a 167 163 160 153 158 349 160 155 157 199 198 139 14) 4a i839 154 19 v4 ° 708 122 waa naa 143, 146 153 153 153 10 100 108 2a 130 150 183 ne Feb tar Abr May un Jol Ago Sep Oct Nov De 136 12 a 137] Defines y Soma - pina (18) Tabla 2.22 Radiacion extraterestre Ra (maa, hemisero sur i] Em Feb War Abr Way Jun dal Aoo Sep Get Wow Die] [ise teo 186 t47 s24 tae ta 140 150 187 158 157| 4o|tea 163 198 142 120 120 ta4 195 148 199 102 102 flies tea 154 140 26 116 120 102 147 158 164 t65 ‘alter tea 199 1a7 t21 112 118 129 145 150 105 so 22 |t74 165 48 126 108 96 300 70 15 | i76 1e4 144 120 97 87 98 72 10 go |i78 184 40 119 89 78 88 79 101 Solio tse we 98 71 S863 0 tea Wo|i79 187 25 92 66 53.58 133 123] Talia iss 2 aa 61 49 54 tse tea os Ms 79 82 40 44 ter tae {ol 109 70 42 a1 35 65 99 129 105ide Maal del uso «pia (190) Evapotranspiracién del cultive ETe (eX ETo 2.268) vapotranspraci6n del eultivo, mma ‘Ke= coeficiente del caltivo, sus valores se obtienen de ‘abla 2.23 svapovranspiracin de referencia, mmidia Método de Penman (modificado por la FAO) La ecuscidn de Penman; modificada por la FAO predice ta ‘evapotranspracion potencial ETo (eum/da) tanto para zonas fas y hhimedas, sf como también para zonascalienesy ids. ET Para el eleulo de £To, la ecuacin de Penman modificada,requiere datos de temperatura, humedad relative, velocidad de vient, horas de insolacién 0 radiaciOn, Ademés para el eaeulo del factor de ajuste (0), requiere datos de humedad relativa maxima, radian solr, yl elacin entre la veloidad del viento durante las horas del diay dea noche. Formula utilizada La féemula de Penman modifica por la FAO, es la siguiente: ETo=clwxRn+(1-w)xfl)x(e-e)] (2.265) Defcon y true - pgin(191) “Tabla 2.23 Coeficiente Ke para usarse en la formula de Hargreaves Fase Modindos do Finde oa Inicist "temporada _tomporada! [Reacota 090-100 095-105 090.00 | lata paoos) 100140 096-135 ago 020080 105130 030-060 pee 025035 100115 080-105 roe MOTs «140130140 vena, 02008 1.00120 0200.25, Banano oaooss 100120 0781.15 Boronjonas 02008 0953.10 980050 [caabactas 020040 050-100 070-080 (Cafadeazicar «040050 1.00-130 050-060 Canano | og04 105-120 020025 ‘Cebaca 260% 1.00.10 910020 Gebolse secas «000.80 05-110 075085 [coool vertes 040-060 095-105 095-1.05 CGoreales equates 020040 1.10150 020035 CChieverdeimionts 090040 095-110 080090 (Ctioas 55 065.075 O85 Esparago 025090 098 028 Espinaca 020030 085-105 0904.00 Fos castor 020040 105120 os | Frjos 20 030040. 105120 025030 Fos verse 020040 095-105 "085-095 Faialeshojacadiea 050 085-120. ~ 050-085 Frtales con | lcoberura verde 075085" 110-125 0704.10 Giraeot 030040 105120 035045 Gusantos 040080 105-120 0951.10 Kin 030, 1.05 105 Lechuga 020090 085-105 04s Legumbves putes) 020040 1.05-120 025090 Lente 020090 105-120 025090 raz 20040 100-118 020025Hides: Mal dt si = pina (192) “Tabla 223 Cosficiente Ke para usarse en la frmula de Hargreaves ‘continua a Faso Wediadoe do Fin de Inicat “temporada wemporada Tram 020-040 100-115 020-025, Maizdegano 020080 105120 0.35060 Mai ube 020050 105420 0951.10 Mani(cacshuste) 0300.50 0.95-100 080-080 Netones 015040 100.10 090090 jo 020040 100115 0.25030 vos 60 080 080 Papas o4coss 140120 op-a75 Pepino 20040 090-100 0700.80 Pitacho 010 105 035 Rabano 02003 00090 075088 Remoacha 025040 1.05120 025030 erwiacha de anicar 020040 1.05120 070100 polo 030050 095110 9.80095 Sana 925080 100110 020070 Sogo 015040 105120 9.20050 Soya 030040 100115 045055 Teaco osc04 100120 075085 Tomato 025050 105125 060085 Tego 020040 100.125 0200.0 UisdeMess «020050 O75088 020045 [Zanahoria o4ooso 1.05, 075 6 + Fox sxe, Ras Tx sxe, | (2.266) DeficonsySrmuas - én 193) entonees: A latr-al 7 asy” Aty Ay — emerge, cate st rar Se ee hen a 223 eee ro Loa ia cas e, = 6.108e'* 2373. (2.268) ‘pte epee ogi be per eer a ii * Caam (423737 a. aa cesar ct as op ares Siar eee saat aaah ia eeas 5 fe pat ores poise oar 7 we ame pac Mtg : a6 paro{ 2220088) % ary ‘p= resin amosféica, KPa ‘h=alttu, altura sobre el nivel del mar, 2=2501- (2361x109)... 2273)ido Maal el sro - gia (184) ‘Tabla 2.24 Pactor de ajuste¢, para el método de Penman Define y lems - pina (195) “Table 2.24 Foctor de ajuste¢, para el método de Penman Teiacion | Velocidad = i ‘ala adiecén Solar elacién Getvlento| Unecne Yetociced say adieclén Solar (via) "9 noche: (evs) 36 3 (evi) Hama rava WAXIMIA= 30% ve) a6 9 2 © | sinvieno [os | 090 | 100_| 1.00 Humedad ala WAXINA =O i | ose] ant | oa2 | 089 Bia soz | 108 [4.10] 140 ams | an | oss | 076 | o@s | ose as | os2 | tor | 105 cin} an | 075 | oat | oes | 094 amis oss | oss | t10 | 114 4i__{-078 | 083 | ose | os atkmm) an | oo | nos | tas | 328 wr [04s |0gs | 088] 0.70 an_|oso | 10 | 25 | 132 ems | 21 | oss | os: | 07 | oe wt Por | aa2 | ags [100 ik! 31 | ost | oss | oat | ose ems | 21 | 070 | 092 | 105 | 112 ai__| oes | o77 | os7 | oms cerkmm| an | oes | sor | as | tz wi [oar {oar| oso | 070 aij oo | uso | 126 | 133 ems | an | oar] 048 | css | 076 wi | 0s | are | oar | 096 enmn} on | oa | as6 | a72 | oa ems | 21 jon! os: | ose | 105 an__| oss | oss | 078 | 0 atm | ar | ore | oe | 108 | t18 Hesnodad tai ai__| oss | sor] ase | 127 Onis | sin vento [096 | 5 wn) O76 099 ams | 2 | oas | os: | 099 | 1.05, crim) an | os | ose | 10s | tte at_| ose | 100 | aa | 19 wi | os | 070-| oss | 098 sms | an | oro | oa | os | t02 qrkmn| an [or | oas | o10 | s10 a1_|oas | oa | us| rie wt [oso] aso [075 | oar pms | an [oss | o70 | 08 | oas 2kmn| a | osr | a7e | o@s | 105 ax_|oze | oe | 102 | 1s 2. = calor litem de evaporacin, MIke. Rn=Rns— Ral -..(2274) n= radiacin neta total, mnie (2275) Ras = radiacion neta de onda cor, muda = cocficients de reflexion del cultvo, albedo (a= 0.25 ara ura praders) Rs (025 +050 RIN) Ra. (2.276) ‘Ré= radacign de onda conta, madia n= duracin media de ls horas de isolacién real, beadof Mani el wiario = pina (196) ‘Tabla 2.25 Factor de ponderatién W, método de Penman 2000 _ 3.000 1 = duacién méxima_ posible de las horas de inslacién, Iu, alas 2.15 92136 iacin exter, mv, tabla 2.228 y 222 OXFlEd xf QIN). 2277) radia nt de ond aga, ava F=0+273.16)" ... 2.278) @ =constante de Stefan-Boltzmann (410° Mui) spear, °C Deficonsy rma «pla 197) ‘Tabla 2.26 Presin de vapor de agua (ea), en funcin de a temperatura media roms cea) | Temmmerer®) (ea) met | enban | ES | (mbar 1 se | 2 | ao 2 7 2 | 64 a 7s | 2 | 2a 4 at 2 | 208 5 ar | a | a7 6 ea | 26 | aa 7 | wo] 2 | a7 8 | wor | 2 | are o jis | 2 | as w fs) 9 | aa no faar | oa | ae 2 |wo| x2 | ae | iso | a | sos wf ser | oe | 532 1s | wo | 35 | 552 | 12 | 36 | sa wz | a4 | a7 | ee | 206 | 8 | 63 | 20] a9 | wo (2279) 4 (ea) funcin de a presin del vapor de agua 140930 ..(2280) Tuncidn de la relaciGn entre horas de insolacién reales y méximas 027.1 + 02/100)ids Mandel sro - pin (198) U2 = velocidad del vent, media diva, medida a 2m de altura sobre el vel del suelo, ka Siet aneméontro, co cul se mide la velocidad del vento (WO se encuesra a una altura diferente del estndar de 2m, sara formal: U2=fOxU_ 2281) Ut= velocidad dl vento media a 2m de aura ‘elosiad de viento medida una altura Z ast he ‘In(67.8Z - 5.42) en [AQ = coeiciente de comeccida para Ia medicin de Ia "elocfad dl vem, bla 327 Los valores del factor de ajute ; se obtiene de la tabla 2.24, en funeién de Ta reacin de a relacién de Vata Vnoche, la humedad relativa maxima (HRmax) en %, la velocidad del viento 2 m de altura (U2), expresada en mis y la adiaci6n global (As) en mili Una ecuaci6n aproximada para el eéleulo dec, fue ajustada por Allen y Prit (1991), lacual es: (C=03892 - 0.078102 + 0,00219U2xRs + 0,000402 HRmaveks 10,000196 (U/L) x U2XEIRmax + 0,0000198 ((UalU) x U2 rma + 0,00000263 U2" HRmaRs -0,0000086( UU) {U2x Femax -0:0000000292 (UU) x UP? x (HR max) xR - 0.000061 HRmaxxke (2.283) donde: {U2= velocidad del viento, 2m de altura, mis ‘Hkmax = humedad relaiva maxima, 5 UdlUy = rlacion enie Ia velocidad del viento en el da y en la noche. Rs = radiacidn global, mda, Defisconsyfemuls- pigin(195) ‘Tabla 2.27 Factor de corrccién para a altura de medicisn dela velocidad del viento ‘ature de | Factor de mmedieion | corrcién (a) | fe) 05 14 19 12 15 | 106 20 | 100 30 | 09s 40 | 088 50 | 08s. eo | 04 soo | 07 Los valores de laradiacin extraterestre Ra, se obtiene dels tablas 22a 2.22, mientras que los valores nimero maximo de horas de SOLN, dels tabla 2.15 y 2.15b, Para calcular Ny Ra se pueden utilizar las siguiente ecuaciones: ‘Ra =377 dr [en(Lai) sen (Dec) hs + 0s (Lateos (Dec) sen (is) (2.284) donde: ‘Ra =radiaiGn extateneste, en Mala 1 Mima = 0.408215 mma dr=1 +01033 c0s (360xDDal365) _.. (2.285) dr = correccién debida a varaciones en la distancia Tiera- Sol DDA =es el dia de ao (que va de 14365) 3.5 cos (360 (DDA-172V365) (2.286)data: Mani eso = pina (200) Lot = latiud, en radianes. Para el hemisferio Nore Lat es positva, mientras que para el hemisferio Sur, Lar es egativa ‘hs = arc cos Ctan(Lat) tan (Dee)) (2.287) ‘as = mitad dela dracon dele, en adianes Balance hidrolégico 1 balance hidrico mensual de un proyecto, resulta de gran interés préctco como por ejemplo para elaborar el calendario agricola, revision de pequetios embalses, et. Su clculo se puede relizar partir de los valores de_ la evapotranspiracién coregida, haciendo iterveirademis a precipitacién media mensul. 3 Ejemplos de calculo ‘A contiauacién, se pesentan ejemplos para ser esueltos wlizando Jas diferentes opciones de ealeulo,implementados en HidroE sa Pardmetros estadisticos datos no agrupados Ejemplo 3.1 Dada la serie histica de caudales medios anuales, en ms, que ccorresponde a un registro de 50 afi para el ro Santa (Per) 9505 9313 10038 10165 10176, 30521 10581 10640 t0r49 10782 yoa7s ovr Mes M689 1982 ye300 j2sz2 24st 12782 1285, yaa 19410 19622 M4422 ta879, 14603 15354 15397 15480 156.90 sge48 16229 1085 t09.18 T6064 17700 12280 feast Yea49 19400 39378 19088 e758 20778 20818 21248 21782 2a007 25602 eESeids: Mana! det Usui - pina 202) : calvular sus pardmetros estadticos mvestralesy boblacionales, con Tos moments ordinatios, encontrar también sus 4 omentoslineales y los panos estaisticaswilizando los momentos lnedles Souci: Uso de HidroB ta Para fos datos indicades, tlizando la opeién Pardmerros ExiaditicosDaros 70 agrupades Je HMroEsa, se obtenea fos results que se muestan en la figura 3.1 Figura 3.1 Cileulo de parienetis estadfsticns para datos no sgrupados 1 aie anier_|_Patvinser | Yonder vou tect ume Bas one ven ‘coe on one Encore Se one oe CoucziesCame Sere ps a Caen ae je hea | ‘oma | | (a a | | Nota: BI archivo que contiene los datos del cjemplo es Ejemplo301.X Ejempos decile - pga 208) Si presiona el botén Reporte a Bete Se crea un reports donde se ineluyen lo datos ingresados y los rsulados obtenidos, Si ud. estégenerando una memoria de efleuto, puede guandar ese reporte uilizando el meni ArchiverGuardar como, por ejemplo puede salvarle como Ejemplo307.RTF (se era ea formato RTF), y luego ineluelo al informe que esté desarollando, Parte de este repre, se muestra en la tabla 3.1 ‘Tabla 3.1 Parmetrosestadistios y coeficienteslineales Parameves Estadistens: Paramaies ‘aacstaes s2.2076 19020828 1ees0018 — Gos2as1 4seiad ast7at “286015 ‘2055 “Oza uate Coofcierte de Sosqo: Osa O76? 0.1798, Coofciorte Ge Cuross: s0a72 2.6059 Daas CCoalsorts Lineates (a teazere. 22240015 Us azr0 Lal 14398 Observar de estos resultados, que con los momentos linesles 105 valores dela varianza y desvicion esndar resutan mis pequefios, ‘que fos obienidos eon los momentos ordinatios,ldo: Manual del Usuario - pga (204) Pardmetros estadisticos datos agrupados Ejemplo 3.2 Dada la serie de datos de caudales medios anuales del fo Chicama, estacién Salina (Pert), en mi ai 127182 2399 2025 516 6008 4581292 1891 2ts8 2028 359 Ast 47% 1327 1893-2869 2037 3638089, 731 145 1877-2579 5008 4118 2228, aol 15582028 2B 3018 217 5208, er 16 214g 2721 S027 274 843 fos 1615 2188 2771 9057 4538 3340 W042 1619 2278 801 She 51283878 1178 1699 2288 a4 3138544 340 1245 1757 2299 2863-3499 504 3402 calcular sus parimetros estadisticos, con los momentos ordinarios, ttlizando datos agrupados en intervals de case. Soluciin: Uso de HidroBsta Para los datos indicados, utilizando 1a opcién Pardmetros EntaditicowDatos agripados de HidroBsa, se oblienen los resultadas que se muestan en la figura 3.2. jempos decal - pig 5) ie i is [re a 7 | 20 m9 ne) 2a ae ar) Er ns we 5 as ne se 3 coe a0 ne 2 Patan Rear Nake ara Vein 2500 Dent Eid 176 (iar Vrocen ass (one de Cee 5108 Figura 3.2 Cileulo de parimetros estadisticos para datos agrupados Nota: El archivo que contiene los datos del ejemplo es Fjemplo302.X Distribucién de frecuencia Ejemplo 3.3 Dads Ia serie de datos de caudales medios anuales, en ms del rf0 (Chicama,estacin Salina (Pes) ai4 127 182-2399 2028 516 n.08 458 1292 189124582028 959A 476 1327 189324692937 2083 791 46 197725793008 226 Bor 1558 20282583014 09 967182149 27213027 maa woos 16.15 21550 2771 5087 49ids: Mana de Uso -pégna 206) tose 1019 2278 oor ate 5126 3976, 1178 1699 2288 R49 8196 GAs 3428 1245 1757 2299 2863 «9D GUA 34.02 calelar las frecuencias absolutas, relativa, acumulada, funcién densidad y funci6n acum, Soluclén: Uso de HidroBsta Para los datos indicados, utilizando la. opcign Pardmetros ExtadisticovDisribuci de frecuencia de HidroEsta, se obtienen Jos resultados que se muestran en la figura 3.3. Pg gag ee ee a ee BEE 2 G2 8 Figura 3.3 Cileulo de distibucion de frecuencia, funciGn densidad y funcion acumulada En las figuras 3.4 y 3.5, se muestrn los grificos de la funcién densidad y acumulada respectivamente Nota: El archivo que contiene los datos del ejemplo es Ejemplo303.X. jenpos de cle - pga 200) —— or a) Maca decne Figura 34 Funcign densidad Maced ae ‘Figura 3.5 Funeién acumuladaHida: Man elUsaio «pina (208) Regresi6n lineal Esta opeién es recomendable-ulizaria cuando los pares Xx, Y, continen valores eros lo negatives. Ejemplo 3.4 _De un experimento se han obtenido para los pares X, Y, los valores que se muestran en [a tabla 3.2. Hallar Ia ecuacién de’ corelaciéa lineal que relaciona estos pares de datos. Indiar cul seria el valor de Y, paraX = 91, ‘Tabla 32 Pares de valores X, Y de un experimmento ay o | 0 a] 4 wz | a | 56 56 | 135 73 | 199 wz | 486 Soluciéns Uso de HidroBsta Para los datos indicados,uilizando la opcién Regresidn/Regresién lineal de BidroEsta, se obtenen los resultados que se muestan en Ia figura 3 6, Como se observa en esta figura, a ecuacién que relaciona estos pares de datos y=-13.03088-+ 3.38081 empl decilalo - con un coeiciente 0.9761, lina 208) Con esta ecuacién, el valor para x = 91,5 y = 294.5775. Figura 3.6 Regresin lineal de los pares X, Y Nota: EL archivo que contiene Ejemplo304XY. los datos del ejemplo. esHidst: Man Uso = pina 210) Regresién simple Com esta opcin se ajustan Ios pares de datos a una ecuacisn linea, cexponencialy potencal, Es recomendableuilizarla cuando lo pares X,Y. no contenen valores ceros yo negatives. Ejemplo 3.5 En una cuenea, como se muestra en la figura 3.7 se tenen dos estaciones de aforo A y B, en las que se midieron los caudales ‘medios mensuals, en m/s para el ao 2003, los que se muestran en Ja tabla 3.3. Considerando que ls caudal dela estcién A, son las vatables independients (X)y que los eudales de la estacisn B, son las variables dependienes(Y) 1. Indicar env la ecuacién lineal, exponeneal y potencil, cual es la eeuacidn que relaciona mejor ests pares de datos. 2 Calelar el caudal en Ia esaciGn B, para un cavdal de 800 m/s en laextacin A, ‘Tabla 33 Caudales promedios mensuales de las estaciones A y B Wes | _Estacién A] — Estacion B oie) ts) = an 73 F. Bae 7 Mi 155 % & 2rt 7 Mt “30 731 Z 6, 130 Z 486. a7 3 i270 a75. s 2089) 397. 0. 1818 70 cy 1 258 o. 508 22 jemplosdecilelo ~ pin (211) Figura. 3.7 Estaciones de aforo A y B de una cuenca Soluctén: Uso de HidroBsta Para los datos indicados, uilizando la opcién Regresisn/Regresion simple de HidroEsta, se obtienen los resultados que se muestran en Ta figura 38. Fein [a | we Teme RNa OT oomm-(ionas) Game On smug oss osnat Figura, 8 Regresign ene los caudales dels estacones de aforo YB de una cuenca (Observar que Ia ecuacién lineal, es la que tiene un coefiiente de correlacién R = 0.98709 més alto que las otras ecuaciones, esto seldo: Man de Usui - pina 212) puede observartambign en la figura 3.9, done se tienen ploteados os puntos conespondintes. 0 sais ass ats Figura, 3.9 Grafco corespondiente alos registros de los caudates de as estaciones e afro Ay B. ‘Con Ja ecuacia lineal, para un caudal de 800 m”/s en la estacién A, seco un cul 331 2 mn ena nao Bete nado ‘muestra en Ia figura 3.10, sine ela seein sane ind Virdee — veces Fara Cece] © conesacén Ener © conecussn Plea Figura. 3.10 Resultado obtenid con eeuacin lineal a ‘empl de Alea - pin (213) Nota: El archivo que contine los datos del ejemplo es Fjemple305.X¥. Ejemplo 3.6 En el Laboratorio de hidrvlica del ITCR, se trat6 de encontrar la cecuacién de calibracién de un vertedero triangular con éngulo de 90P, del experimento realizado se obtuvieron ls datos de carga hy caudal Q, que se muestan en la tabla 34. Indica entre la ecuacién Tinea, exponencial y potencial, cual es la ecuacin de calibraién, aque relaciona mejor los pares de datos de carga vs caudal. “Tabla 3 Dats de carga hen cm, y caudal Q, en Ips ‘argaih | Ceudal @ em | “Gs [ate oosrara 135 | o0s7e15 202 | onta9e1 ais | onsne 315 _| oze2se7 Solueién: Uso de HidroBta Para los datos indicados,utlzando la opcion Regresn/Represién simple de HidroEsta, se obtienen los resultados que se muestan en Ie figura 3.11, eto Feossion a | Toe oe Soren YeOOmetEs" (206i) “X —O877H OSE Pless—YeOusaptX"IOSSSe67| 08885 __O7IaT Figura. 3.1 Ecuacion de clibracion para vertedero triangular‘ido: Manu del Usuario «pina 214) Por lo general, se espera que la ecuacién de calibracién de un aforador como es el vertedro, sea de forma potencal, pero de la figura 3.11 se observa que la ecuacién que mejor coeficiente de correlacin tiene es la exponencal esto se corobora del ploteo de los dios que se muesira en la figura 3.12. Entonces la ecuacin de calibracin para estos datos iene la forma: 2 =0.0281460%2.0046461"" "jempos de cielo ~ pigina (215) Ejemplo 3.7 Del estudio de una regién de Costa Rica, se han obtendo para 14 subeveneas, el eaudal promedio anual (Ge tos caudales méximos anuales) Q,en ms, el drea de la cuenca A, en km’, I intensidad miwima de preciptacidn J, en emy/24 horas, sendo ls esultados los ‘que se muestran en a tabla 3.5 Se desea sabur si Gitas variables so corolaconan linelmente, es | deci sse puede extablecerel siguiente model: om A | Q=0,+ aA +a) Aa ‘potenciaimente, con el modelo: = aga on c ous Cont modetohallado estar el ylor de Q,siA=4 km? © 1= 15 el as oo ows} » ‘Tabla 3 Valores de Ay Q para 14 subcuencas omy t $ ¢ rl esiacon | A 7 o m)_| (env2enorasy | (os) Te 550 n oto de datos de carga hv ca 2 a 22 Figura 3.12 Plotco de datos de carga hs caudal Q 5 [$650 130 #50 s—s200 10 705.00 Nola: El archivo gue contene los datos del ejemplo es 5160 Zi 2400 Ejemplo306x¥. eons 230 300 78 520 176 of és a0 22 8.00 Regresién miiltiple 2 variables independientes oe 2 ee ose 290 825 Con esta open se jstan as tras de dats a una ecuncién tinal y one 20 36 potencial Es recomendable utilizar cuando las tipletas X1,X2, ie —[o8 270 +0) 10 contenen valores eros yo negativos. is [ose 210 7650) 40s 290 20‘rots: Manan del Usuario ~ pga (216) Solueién: Uso de MidroBsta Para los datos indicados,utilzando la opcién RegresiéwRegresin rmitiple 2 var. independientes de HidroEsta, se oblienen los resultados que se muestran en la figura3.13, en Fuss nf re Grestips YMA DNS Cea Oe Ie cM Yet Ar 7H] sa e478 Figura 3.13 Modelos de corelacion miltiple De I figura 3.13, se observa que el modelo lineal mile de la forms Q=1.6570+13.1510A+001127 tiene un coeficiente de corelacién y determinacién mayor, por lo que se escoge como modelo para estas variables Q.A e (Con esta ecuacin para A = 4 km e = 1.5 emi2 h, se obtiene un caudal Q = 54.2780 mils, euyo resultado se muestra en la figura 3. Nota: El archivo que contiene los datos del ejemplo es Ejemplo307.XYZ. jemplos de csclo- pin (217) oho euseie Coren tnd tice abr ae3a: [—— Vabraex@ FE vane (TR concep ie Figura 3.14 Uso de la ecuacin de regres lineal mtiple Regresién multiple 3 variables independientes Con esta opcisn se ajustan Tos cuarietos de datos a una ecuacién Tineal y potencial. Bs recomendable uiizara cuando los euaretos X1, X2,X3, Y, no contienen valores ceros y/o negativas. Ejemplo 3.8 Se desea conocer la relacin existene ene los caudales maxims de In estacin D en foncin de sus afluenes principales A, B y C. Pa ‘obtener la relacién deseada, se eligieron sobre las corintes fects, las estaciones hiromeiricas mas representatvas, de las cuales part Tas 4 estaciones se tienen registros de caudales desde 1996 al 2003, ls mismos que se muestran en Ia tabla 3.6, CConsiderando los modelos de regresion lineal miltipe y potensial riliple (a que mejor se ajuste), se desea completar fos datos faltantes para a estacicn D, para los afos 1994 y 1995 a partir de los datos de las estaciones A, BY C.rots Mano del Usa - pga 218) 5 “Tabla3.6 Caudates méximo de las estaciones AB, CD aio] 08 a] ag (ols) ovis) | ons, Tia [205 7 1035 | 600) 334 1996 |—200- ass] sao 3997167, 7a9_| 1785 008 | 267 goo | 40s 3999 | 225 749 | 2039 000 | “327 7932624 ‘001 [381 778_f sao 002 | 025 ads | 5299 2003 [670 nas [2505 Solucions Uso de HidroB sta Para los datos indicados, wiizando la opcién Regresin/Regresin mitiple 3 var. independientes de HidroEsta, se obtienen los resulladas que se muestran en la figura 3.15, tt eatin we Tel YSAERIATE NT TOTTOTN— Te OW RH ames Yennan snjaxeorr aur 0csen 0) one SR) Figura 3.15 Modelos de corelacién mile De la figura 315, se observa que el modelo lineal miiple de la forma: Qa = 2125 6003+3,5725Qa~ 2.873296 + 1.84430 tiene un coeficiente de corelaciin y determinacion mayor, por 10 «que seescoge como modelo pata estas variables Qa, QB, Qc y Od. rT jenplos decd - pga 219) ‘Com esta ecuacisa, para los valores de Qa, Ob y Qe dads para tos sos 1994 y. 1995 36 obtienen los de Qd, estos resultados se restran en a figura 3.16, es docir, el caudal para 1994 es Qa = $3125.19 mls yoda ato 1095 Qa = 2512.61 ms. Acre ea Colac a nile Canlcinboseinoe | Vaerdext: || lea aT | | vidoe a bo [sean Verse, Face Ao 1995 Figura 3.16 Uso de Ia ecuaién de regresi6n lineal miliple Nota: Fl avchivo que contiene los datos del cjemplo. es Fjemplo308.X8Y, Regresién polinomial 2° grado Con esta opcién se ajustan los pares de dates 2 una ecuacién polinomial de 2” grado,idiot: Man de Uni - pga 220) Ejemplo 3.9 Fn una estacinhidromséeica sobre un ro, sean med, as alturas y eaudles (producto de aforos realizados), estos valores se muestan fn Ia tabla 3.7. Determinar la mejor echacion (entre [a ccuacion lineal, exponencial potencialy el polinomio de segundo grado), que relacine ef eflculo del caudal en téeminos de la altura, Con la cuacién encontada, determinate caudal para una altara 6.5m, Tabla 3.7 Alturas y eaudales de afors realizados Tra ae wre] CaagaT os im ga | st ts 2a = oe — 00 705 ie 1088 3 oie iat 200 19 za ort a5 ast 129 Os si as er Ta 7 135 25 12 37 140 2a, eps cd cel - pin 221 Soluciéa: Uso de Hidrosta Pra 10s. datos indicados, utilizando las opciones. Regresién/ Regresin simple y Regresidn/Regresion polinomial 2° grado de idroEsa, se obtienen los resultados que Se moestran en la figura 317. Conan tain | Tres YF OREN ROSS OSG CoH Enancal Ye lent (161579) "x O37? 03507 esa Figura 3.17 Ajustea las ecuacfones lineal, exponencal, potencil ‘Polinomia de 2” grado Dela figura 3.17, se observa que el modelo polinomial de 2 grado se a form (Q = 27.4156 + 168.2474 +18.8455H tiene un cvefiiente de corelacéa y deterninacion mayor, por 1o {que se excoge como modelo para estas variables hy Con esta ecuacién, para k = 65 m se obsiene un caudal de Q = 1917.25 ms ext resultado se muestra en la figura 318 Nota: EI archivo que contiene los datos del ejemplo. es Fjemplo309.XY.dof Mana del Usui - pin (22) ket einai ec Vale [EE Vaxoe TT igura 3.18 Uso dela ceuacinpoinomial de grado Regresién polinomial 3° grado Con esta opcin se asian Tos pares de datos a una ecuacién polinomit de 3 rao, Ejemplo 3.10 En una estacinhidrométrica sobre un ro, se han medido, las alturas _y caudals (producto de foros relizados), estos valores se muestran fen Ia tabla 3.7 (los mismos datos del ejemplo 3.9). Detemninar el modelo de un polinomio de tercer grado que relacione el célcuo del caudal en términos de Ja altura. Con la ecuscién encontads, 100 m3is)= 8.45 % 3.17 % y ta employ deal - pina 227) casts dt . th de ee Cosi) fa) a) aS ‘eoratt se ret C | robaataasey PBT x Probbides PEE x onti|r0 [SE] rea] oan rr] Pac Figura'3.23 Probabilidades de ocurrenca de caudales 95% yla De la figura 3.24, se observa que P(Q < 50 m345) 622 PQQ < 200 mis) = 86.32 %, por lo que P (50 < Q < 200) 095 =8537% ce at ald de dee SS — an) ape nee ar Prbabicos f x Prbabidaa Py BE zy ow) af nr fF] ra | Figura 3.24 Probablidades de ocurrencia de caudales menores que ‘50 y 200 ms De a figura 3.25, se observa que el perfodo de retomo para un caudal de 210 m3is, es 10:8 afios, mientras que el caudal para un perfodo de retomo de 50 aos, es 241.84 m3).ios: Man de Usui - pga 228) fiance penal wee eSdieyfae—nan| [ena ear nan a | Pettis | Pats ® | 20[F3] roc) wa] | Ea rn] Figura 3.25 Caudales y prfodos de retorno Not: 1 archive que contene’ los datos del ejemplo es Eiemplo311X. Distribucién log-normal 2 parsimetros CCon esta opin se averigua si una serie de datos se ajustan a la funcién de distrbucia log-normal de 2 parimetos, y si as fuera, permite usar este modelo probabilistico para predecit con una Seterminada probabilidad, 1a ocurencia de una magnitud de un fenémeno hidrometeoroligico,o la magnitud de un fendmeno para ‘un determinado pesiodo de retomo. Ejemplo 3.12 Dads la serie histrica de caudales medios anuales, en ml/s, que comresponde aun registro de 50 aos para el fo Santa (Per): 95059813 10038” 10160 10176, s0521 10581 0640 0743 ores 10875 11077 1431 11609 11952 12300 12322 aes 2782 12815 fea tonto 19622 ta4z2 14579 14603 1s35¢ 15997 o4@0 16600 13849 16220 16495 16018 ten64 17700 19253 tes1t 19549 16498 19578 193868 19758 20778 DoBte zed 21752 23007 25662 26094 ‘jemplos de cielo ~ pin (29) 1 Averiguar ise ajustan a una distrbuei6n normal + Sie ajuste es bueno, calelar el caudal para un periodo de retorna de 75 aos. Solueién: Uso de HidroBsta Para los datos indicados,_utilizando—la_—_opein Disiribuciones/LogNormal 2 pardmetras de HidroEsa, se obtienen Jos 2 pardmetos de la distibucién log-nomal, tanto para los ‘momentos ordinarios como lineales, y de la prueba de juste Smimov-Kolmogorov, se obtione que el sjuste es bueno, con un nivel de significacién del 5 %, estos resultados se muestan en la figura3.26, Paneer baci ogra Cement Dewcsaboh (OSE | Oelama st fla —— Dees [OE Delematse faa Figura 3.26 Ajuste a una distibucionlog-normal de 2parémetros De acuerdo a ls parémetros encontrados, es iniferente el ajuste de Ia distibucidn scumulad terica tanto com los moments orinariosHides: Manual Usui - pina 220) como con los momentos lieales, por lo que para el eileulo de caudal para un perodo de retomo de 75 aos se usin os ‘momentos ordinarios, en la figura 3.27 se observa que este caudal es 270.76 mf coast) ERR — am | flee | paweer) x] ax) | Tea] Roca | Pra Figura 3.27 Caudal para un perodo de retomo de 75 aos Notw: El archivo que contiene los datos del ejemplo es Ejemplo3 2X. Distribucién log-normal 3 parémetros (Con esta opcién se averigua si una serie de datos se sjustan a la funeién de dstibucinlog-normal de 3 parémetos, y si asf fuera, permite usar este modelo probabilstico para predecir con una oterminada peobabildad, 1a ocutencia de una magritud de un fen6meno hidrometeorolégico, o la magnitud de un fendmeno para un determinado perfodo de retomno. Ejemplo 3.13 Se tien et repsto de caudaes maximos de 29 aflos, para Inestacion 9-3 Angostua, como se muestra en la tabla 3.8, jemposde col = pg 231) En este rio se desea constuir una presa de almacenamiento, calular cl caudal de diseo para el vertedr de demasias, con un periodo de ‘etorno de 50 aos. Usar la dstribuci6nlog-normal de 3 pardmetrs. ‘Tabla 3.8 caudales maxims, en ms, de la estan Angostra {e80 917, 3800" T410. 2200 1868383477 gat Br 74) 13206101180 563520 38067688 Goa 62s 1200 saz 5878181090418 Solueién: Uso de HidroEsta Para os datos indicados, utilizando_la_—_opeisn Distrbuciones/LogNormal 3 pardmetros de HidroEsta, se obtienen Jo 3 pardmettos de la distlbucién log-normal, y de la prueba de juste Smimov-Kolmogorev, se abtiene que el juste es bueno, con ‘un nivel de sigificacién del 5%, esos resultados se muestan en la figura 3.28. Panes Stn grand — esos (SBE — Decscaiot — (ETHT Dotan: (EST Figura 3.28 Ajuste una distribucién log-normal de 3 pardmetrosHida: Manl Usaio- pina 232) Como tos datos dela serie de caudales se ajustan la distbueiéa Jog-normal de 3 pardmettos, se procede a caleular el caudal de Aisetio para un periodo de retorno de 50 aos, en Ia figura 3.29 se observa que est caudal es 2850.50 ms | eal de dete oper Palodode EE —, [ior Pl ar | pasta x E01] roca, roa | Figura 3.29 Caudal para un periodo de retomo de 50 aos Nota: El archivo que contiene los datos del ejemplo es Ejemplo313X. Distribucién gamma 2 pardimetros (Con esta opeidn se averigua si una serie de datos se sjustan a la funcién de distibucién gamma de 2 parimetros, y si ast fuera, permite usar este modelo probabilisico park predecit con una eterminada probabilidad, la ocurencia de una magnitud de un fenémeno hidrometeorolégico,o la magnitud de un Tendmeno para ‘un determinado perfodo de retorno. Ejemplo 3.14 Para protege de inundaciones a la poblacién de la ribera del sfo ‘Turialba, se desea construir muros de encauzamiento, Para esto, se cuenta con un registro de 25 alos de caudal maximos en mils, de jempas deel - igi 23) ‘una estacién aguas arriba de la poblacién, Ios mismos que se ruestran en Ia tabla 3.9, DDeterminar el caudal de disefio para un periodo de retomo de 80 aos. Usa a distribucidn gamma de 2 parémetros. ‘Tabla 3.9 Registro de caudales del fo Tura, en ms aso 6400 16840 16270 102.10 sess 15880 9000 '2280 7800 28080 12080 25050 23170 207.00 zaaoo e000 19600 9690 91.60, foa0 t2a00 11800 20000 36000 Solucién: Uso de HidroBsta Para los datos indicados, utlizando Ia opeidn Distribuciones/Gamma 2 pardmetros de HidroEsta, se obtienen los 2 parimetros de la distibucién gamma, tanto para Jos momentos frdinarios como lineales, y de la prueba de ajuste Smimov. Kolmogorov, se obtiene que el ajuste es bueno, con un nivel de significacié del 5, esos resultados se muestran en la figura 3.20. ‘De acuerdo alot pardmeiros encontrados, es indiferente e juste de 1a distrbucidn acumulad terica tanto con los momentos orinsrios ‘como con les momentos lineles, por lo que para el culo del ‘eaudal para un periodo de retomo de 80 afios se usarin los ‘momentos ordinaros, en la figura 3.31 se observa que este caudal es 40.12 mis.ioe: Manual Uso « pina (2) Fig 3.0 Ajo an tbc gamma depres con de cn er aa eae nie retowro (TE soe, |remaear x [FI] | po! noe Figura 3.31 Caudal para un periodo de retomno de 80 aos Nota: El archivo que contiene los datos del ejemplo es Ejemplo3 14. Distribuci in. gamma 3 parémetros Con esta opcin se averigua si una serie de dstos se ajustan @ funcién de’ disuibucién gamma de 3 parimetros, y si asf fuera, jemplosde cel -pégina 238) pemnite usar este modelo protabilistico para predccir con una Seterminads probablided, Ia ocuneocia do una magnitud de un fenémeno hidrometeorolégico, o la magntud de un fenémeno para ‘un determinado periodo de retomo, Ejemplo 3.15 En Ia tabla 3.10, se muestra el registro de los caudales méximos instunténeos anuales, ea m¥s, de la estacién Guardia, de la cuenea el Rio Tempisque Determinar estadstcamente, si étos eaudales méviimo anuales, se lisibuyen segin la distibucién gamma de 3 pardmetos. St asf fuera, determina el caudal méxisio anual, con un perio de reormo 6650 as. ‘Tabla 3.10 Caudales méximos anuaes de la Estacion Guardia ‘Ro | Caudal maximo | Ako | Caudal maximo ‘anal ‘anual oie mls Tose 273 ia ea 055 04s 1976 oe a6 1875 1978 1965 2876. 080) 1968 1967 set i867 1643 1802 088 33, 1688 869 735. iss 1970 353 1965 971 ar 1888 1872 736 1867 1873 6 880, rare G16. 7989, 1875 2a 7990, 1976 tee 1861Hides: Mal el Usa = pli 236) ‘Solucién: Usode HidroBsa Para los datos indicados, utilizando la opeign Distrbuciones/Gamma 3 pardmetros de HidroEsta, se obtienen los 3 parimetros de la distibucién gamma, tanto para los momentos ‘rdinarios como ineales, y de la prueba. de ajuste Smimov- Kolmogorov, se obtiene que el ajuste es bueno, con un nivel de ‘iqifcacin del 5%, estos resultados se muestran en Ia Figura 3.32, Paints Sebunin Gunma pe Nonete drat Deposccn yor FSET | Pete — (occeakbah TTT Monona ease | depewstn ay US | Detonaiganaat ETE — Figura 3.22 Ajuste a una distrbucin gamma de 3 parémetros De acuerdo a la figura 333, en la mayoria de los casos, la istibucién gamma 3 pasimetros con los momentos lneales, se aproxima mejor a los datos experimentales que con los momentos ‘otdinaies, por lo que para el célculo del caudal para un perfodo de jeplos dcll - pga 257) retomo de 0 aos se usarén los momentos lineaes, en I figura 3.34 Se observa que este caudal e5 4352.88 ml Figura 3.33 Ajuste a la distribucign gamma 3 parimetrs con ‘momentos ordinarios y momentos lineales dee Cuts) (RSET nate flonan Pans x EH] my] race Pea Figura 3.34 Caudal para un perfodo de etomo de 50 aos, generado ‘on momentos lineales con It dstibucin gamma 3 pacimetrosioe: Mana! et Usuario - pagina 238) Nata: 1 archivo que contne los datos del ejemplo es Ejemplo315X. Distribucién log-Pearson tipo III (Con esta opcion se averigua si una serie de datos se sjustan a la funeién de distibuciénlog-Pearson tipo IL y si asf fuer, permite tsar este modelo probabilistico para predecit con una detecminada probabiidad, la ocurrencia de una magnitud de un fenémeno hidrometeorolsgico, 0 la magnitud de un fenémeno para un determinado periodo de retorno. Ejemplo 3.16 Se iene el registro de caudales maximo de 29 alos, para la estacién 9-3 Angostua, como se muestra en Ia tabla 3.11 En este rio se desea construir una presa de almacenaminto,calcular el caudal de dsefo para el vertedoe de demasfas, con un period de retorno de 50 aflos. Usar la dstribucin log-Pearson tipo ‘Tabla 3.11 Caudates méximos, en ms de la estan Angostura eco 917 S800" 1410. 2080 61a ses ose 779 “tat Br 7401120101150 563520360 Ser 058 a ee] 57 aie 1080 a8 Solueién: Uso de Hidroka Para los datos indicados, utiizando a opcién Distrbuciones/LogPearson tipo III de HidroEst, se obtienen los jemplos de eeu - pga 239) erimets dela distibusiin tog Peron po, tnt pra los foment orinaos como nese, y dela prcba de ost Smimmov Kolmogorov, sb oben quo el aj ex bueno, conn nivel de signftcton det, esos reultaos se macsvan cola figura 3.35, Paneer detbuninLoPoant Detomeiganmed [CSS a i | Decscaetiaat: foe Apacer manera ~ 525 Los disse aun als tous LopPeatn fo can nwo de tcasen cS Figura 3.35 Ajuste a una distribuei6n log-Pearson tio It De acuerdo ala figura de Ia funcién acumalada teérica, que muestra Ja pantalla de clelo de HidroEsta, prcticamente con fos momentos ‘ordinariosy los moments lneales, los graficos son los mismo, por Jo que para cl eéleulo dl caudal para un periodo de retomo de $0 as se usar Jos momentos ordinaros, en la figura 3.36 se observa, ‘que este caudal es 3042.02 ms Nota: El archivo que contiene los datos del ejemplo es Ejemplo316X.iota: Mana Usuario - pga (240) as it 1 | coud Papers | Paiode de EE, snotty EE ee er [ER | rac | po] Figura 3.36 Caudal para un periodo de retorno de $0 as, generada ‘con momentos ordnaros cn la distribucin log Pearson tipo IH Distribucién Gumbel Con esta opcién se averigua si una serie de datos se ajusan a la funcién de distbucién Gumbel, y si af fuera, permite usar ete ‘modelo _probablistico para predecir con "una deteminada probabilidad, la ocurrencia de una magnited de un fenémeno hidrometeorolégico, o la magnitud de un fenémeno para un determinado perfodo de retomo, Ejemplo 3.17 En Ia tabla 3.12, se muestra el registro de los caudales miximos instanténeos anuales, en 3/5, dela estan Guardia, dela cuenca el Ro Tempisque. Determinar estaisticamente si éstos caudales méximo anuales, se istribuyen sepa la dsteibucién Gumbel. Si ast fuera, determina el ‘caudal maximo anual, con un periodo de retomo de 50 aos, jemplos de cela - pgin (241) ‘Tabla 312 Caudales maxims anvles de la Estacion Guardia “RRe | Caudal maxima | Ate | Caudal maximo ‘anual anual Sls lls Te 273 1977 3 7985 04s 1976 134 064 878. 1979 1708 1985 2576. 1980 2409 B68 987 981 551 [riser 1643 7982 507 1808 133 | 4963. [a 1809 186 094 606 1870 Bes 995 Bi8 1g7—| eer 985 287. 1972 756. 1987 21 1973 ‘8 1988 350, 1674 B16 1989 315. 1875 228 1990 2a 1976 1 1991 a Solucién: Uso de HidroBsta Para los datos indicados,utlizando la opei6n Distribuciones/Gunbel de HidroEsta, se obtienen los parimetrs de ia distribucién Gumbel, tanto para los momentos rdinarios como Tineales,y de la prucha de ajaste Smirnov-Kolmogorov, se obtiene ‘que el ajste es bueno, con un nivel de significa del 5, estos resultados se muestran en la figura 3.37‘srs: Mana del Usuario - pia (232) Phat etn Gat | Connamence ada Depoicenbh [ata Desc FRE — Conners de: Deseicital STERE— (Peseta TSE Figura 3.37 Ajuste a una distribucién Gumbel De acuerdo ala figura dela funcién acumulada teérca, que mvestra la pantalla de cdleulo de HidroEsa, pricticamente con los momentos ordnarios y los momentos lineals, los grificns son los mismos, por To que para el céleulo del caudal para un periodo de retorno de 50 aos se usrdn los momentos cedinarios, en Ta figura 3.38 se observa ‘qu esc caudal es 3599.10 mi casey fama ne | =o Ei] a ra! aoa | Figura 3.38 Cavdal para un periodo de retomo de 50 aos, generado ‘con momentos ordinatios con I dsteibucibn Gumbel ites elo - pina 249) NNots: EI archivo que contiene los datos del ejemplo es jemplo317X. Distribucién log-Gumbel Con esta opcidn se averigua si una sere de datos se ajustan a la funcidn de distribucién log-Gumbel,y si as fuer, permite usar este ‘madelo. probabilistco para predecir con una determinada probebildad, la ocurencia de una magnitud de un fendmeno hidrometeoro}gico, © la magnitud de un fendmeno para un 2750) Para los datos de la tabla 320, utiizando ta opeidn Precipitaci6n/lsoyetas de HidroEsta, se abtene el resultado que se muestra en la figura 3.57, en ella se observa que la peciptaciin promedio por el método de soyetas es: 1887-367 mm, Rendon dina Proton ened: [RETIET om Figura 3.57 Preciptacion promedio por el métado de isoyets Nota: EI archivo que conticne los datos del ejemplo es Ejemplo32S14,ids Mana del Usario- pin (262) Aforo correntémetro Esta opcién permite el eflealo del caudal que transport un cauce, aforado con un corentémetro © molinet, utlizando el método del ‘rea y velocidad promedio. jemplo 3.26 Se realiz6 el aforo de un ro, de 7.5 m de ancho, Para el aforo se Aids la secciGn en tramos de un metro, excepto el ltimo tame de 0.5 m y en cada punto se midié Ta velocidad a 0.6 de la ‘profundidad, con respecto'a a superficie, los resultados obtenidos se ‘uestranen Ia tabla 3.21 Caleula el caudal, wilizando el método trea y velocidad promedi. “Tabla 3.21, Registro de aforo realizado enc rio ‘lstancla Lem) Margen a Margen derecho Solueién: Usode Hidroksta Usilizando la opcién Caudales/Correntimetro de HidroBsta, los ‘tos se ingresansepin se muestra en la figura 3.58, ‘mpl de edelo ~ pigin (268) Poteet endmapintal [5 = Wosiateneagents) [Zw Tone [tint [__si |v 7} —19 as 138 2] 10 a7 in x] 10 06 ta e] 10 4 iz 7 10 a7 136 a] 5 a0 a BI Figura 3.58. Ingreso de datos del afor realizado Para esos datos, el caudal obtenido es 8.356 mV, seg se muestra, cn la figura 3.59. El grfico dela seccién transversal se muestra en Ta figura 3.60. “iam | Aea(@) | Vlcied ims) | Caudalie) | i a] te ve aoe ro ims has? S| ons iso Gs Bo] om ass e 71 fs tees ta | J causa) [EE oe Figura 3.59 Resultados obtenides po el método rea y velocidad romedioideo: Mani Unio = pina 58) a Seca marmot Figura 3.60. Seecion transversal de fa estacién de aforo Nota: EL archivo que contione Jos datos del ejemplo es Bjemplos26LHV. Caudales maximo, método racional xa opcién permite el estimar el caudal maximo que s espera en ‘una euenca, ulizando el método empiric muy difundide, como es el métodoracionl Ejempio 3.27 En una zona de Limén una compaaia bananera cuenta con 150 has. En ella ol 45 % del grea es una zona de bosque, que tiene una pendiete promedio del 8% y una texture franco limos, El sesto del rea std sembrada de banano y tiene una pendieate promedio del ‘4%, EL PR del rea sembrada tiene una textura fro srenosa y el ‘esto es arcilloso, La distancia qu existe desde el punto ms alejado {el re, al punto donde se desea evacuar e agua es de 1650 m, con tun desnivel de 12 m, Con los datos anteriores indicar cual sect el caudal méximo, ulzando el métad racional empl de cela ~ pin (265) "Nota: Para el cdulo de Iau liza la formula de Vabrson Solucién: De acuerdo a los datos, se ene el resumen que se presenta en ta abla 3.22 ‘Tabla 3.22 Datos del ejemplo 3.27 “rea | Gobariura | Pondlente | —Textura (as) co) ers bese 8 fanepsinoae 2475 [tena Wasco aronosa 775 | —~tsnaro a aries CCteulo de C ponderado: Uiilizando ta opeién Caudates méximos/Racional de HideoBsta, los datos se ingresan segin se muestra en la figura 3.61, 1a cual corresponde ala pestatia Céfeulo de C. Fl C ponderade para el rea {otal de los datos es de 0.44, cuyo valor se muesta ea ia gua 3.62 ‘ile do [Gapon'] he [eases Tea Pete] © 1 OS Fou Torco ws 22475 Tevteaader Farcomense § 03 3 BPTS Yewmercdonass cis OB Figura 3.61 Céloulo de los C para las sees paciaesFigura 3.62 Catculo del C panderado para el tea total (Cétcuo de intensidad maxima: Para eledlelo de la intensidedrasxims se uz Ia pestaia Ciena dle I, utlzando los datos del problema que se muestra ela figura 53.63, en este caso, se uliza un periodo de retorno de 10 as, por testarse de terrenos agricola. Jeans) oe 4 cesstgen mae | mont Eo | 1 mit 7 | Figura 3.63 datos para el edleulo de Imax La intensidad mxima_para una duracién igual al tempo de coaceniracién (38:97 min) y un period de retorna de 10 aos, uilizando la formula de Vahrson para la ciudad de Limén (clic en batén de opcisn Provincias de Costa Rica del Frame Opciones de caélewlo y en el botén de opcién Linn del Frame Provincia, ver jmp dll - gan 1 3.6), es de 83.94 mani, el resultado se muestra ela figura 365, ‘Nota el edteuto de Icon HidroEta, se puede hacer también 4 partic de registrs datos de T,D, I, pata na Curacién expeciticu, a ¢Powes | hepato | Porro: —— [eae | cha | Figura 3.64 Uso de a férmula de Vahson ‘sea, FF | | ae = = Figuea 3.65 Intensidad maim para una duraci de 38.97 min yun periodo de retomo de 10 aos Cleo del caudal maximo Paral culo del caudal msximo se utiliza la pestaa Cewo de Q, utilizando los datos parcial obvenidos, el resultado se muestra en la figura 3,66, en este caso, para los datos det ejemplo, el caudal siximo es de 15.389 misHideo Maal del Unio - pin 68) coin ypaiodode mone estado — = cae FEN ah Figura 3.66 Cateulo del caudal méximo por el métndo racional Caudales miximo, método Mac Math Esta opeida permite el estima el caudal maximo que se espera en una eueaca, tlizando el método empirico de Mac Math Ejemplo 3.28 En una zona de Lima una compaiabananera cuenta con 150 has Enella el 45 del drea es una zona de bosque secundario, que tiene una pendiente promedio del §% y una textura franco limosa, El resto el ies estésembrada de banano tiene una pendiente promedio ‘el 4%, E1 30% del rea sembrada tiene una textura franco arenosa y el resto es arilloso. La distancia que existe desde el punto més Alejado del rea, al punto donde se deses evactar el agua es de 1650 1m, con un desnivel de 12m, Para la zona, se cuenta con un registro de datos de intensidades sméximas para duraciones de 5,10, 15, 20, 30, 40, 60, 80, 100 y 120 "lemplos de clelo - pia 268) rin, al que se realiz6 el andlisis de frecuencia y cuyos valores se smuestranen la tabla 3.23 ‘Con los datos anteriores indicar cual seré el caudal maximo que transporard el cauce principal con pendiente promedio del 1 %, utlizando el método de Msc Math ‘Tabla 3.23 Valores de intensidades mximas, en mint, pare diferentes duracionesy prfodos de retorno = [ao [oe [oe [oo | ao Poo [ao [co [a0 | zo fie] vas [im | a [ars] aas| a8 [eee [a76 [re tz2| 120 | a | 228] oo | a9| 227 | 248 | 196 | 168 | 800 tao| e+ | 72 | 76) 48 |ans|z25| 220) 199 | 152/553 wo |ats| ses | az [aie] oce| 292/229) 107 | 169 «00 we] eo | se | 4x7 |ona| ars | a0 | 18 [17a] 155 | 267 18 sea| ste | «as | ae | 90 | 225] 17 |aa7| 12 | 220 s2| a8 |ai7|a1e| a9 |1ea| us| 12 | 108| 200 sea 452 | 417 [ata | 251 17a 197 | 117] 103] 176 | soe | 208 | ana |an7| 05184 116] 105] 100 a | a | 20 | 168] 28/95 [ar | 71 | 63 fine zlesslaol| || e | 6 |s3| 47 |i @eevasee 5 ® Solucton: De acuerdo a Jos datos, se tene el resumen que se presenta en la tabla 3.24. En la tabla’ para bosque secundario, se considers una ccoberura entre 60 y 80 %, toméndose un promedio del 70 %, ‘micnras para el cltivo de banano la eobertura puede ser un 5%. Paeneeeemnaniiiltnnn-nnnmamamsasassassseasssmaesioc: Manual 6l Uso ~ pi (70) ‘Tabla 3.24 Datos del ejemplo 3.27 “hrea | Cobertwra | Textura | —Panciente (as) a, co) 675 70 made a BATS: 55 Ter a S775 55 fina | (leu de C ponderado: Uiiizando la opeién Caudales méximos/Mac Math de HidroEsta, los datos se ingresan segun se muestra en la figura 3.67, la cual correspond a la pestaa Calculo de C. El C ponderado par e ea total de acuerdo a ésos datos es de 0.46, cuyo Valor se muestra en la figura 3.68, Figura 3.67 Calculo de los C para las eas paciles ena: Contd [a watt 5G — hoe Figura 3.68 Caleulo del C ponderado para el rea total, método Mac Math empl de Alea - pig (271) CClewo de intensidad maxima: Para el calulo de la intensidad maxima se wliza la pestaa Cileulo de I ulizando los datos del problema que se muestra en la figura 3.69, en este cas, se utiliza un perfodo de etorno de 10 aflos, por ‘waarse de terenos agricolas. aoe oma) fF i Figura 3.69 Datos para el cflculo de imix La imensidad maxima es de 54.64 man, para una duracin igual al tiempo de concentraciGn (38.97 min) y un periodo de tomo de 10 fos, utilizando los datos de 7, D, 1 pra la ciudad de Lima (li en hots de opsién Registro de datos del Frame Opciones de célculo figura 3.70, se obtiene Ia tabla para ingresar os datos de 7, D, Ide la figura 3.71} el resultado se moestra en la figura 3.72 Opseres Seu © Conakica ° tas Figura 3.70 Opcidn de ingreso de Registro de datos eeHideo Man del Usuario - pga 272) ee [Tieea) [bassinet [toad] 7] — 0 30 m0} zr] ks io two =] to = tao S| ts a te ce) ‘ea es 7 so a <] io Et ao =] to ine = a] ot 20 tao wz] Of a tao i 0 wo i] a Bo wos hain cdot donde | = TET GO TORTS Figura 3.71 Tabla de ingreso de datas de T; D , para calculr la ‘ecuacign de imix Nota: El archivo que contine los datos de T; D, 1, de ejemplo es Hjenplo32871 Festa Tee | [ET a Sich ied TEE ie nai? “ Figura 3:72 Intensidad maxima para una duracin de 38.97 min y un perio deretono de 10 aos jemplos dete - pga 273) Clewo det caudal maximo: Para el elculo del caudal maximo se utiliza la pestaia Cleo de Q, utilizando los datos parcial obtenidos e ingresando el dato de Is pendiente del cauce principal, en este caso 10 Se, el resultado se ‘muestra en la figura en la figura 3.73, para los datos del ejemplo, el caudal méximo es de 19.961 mf Calade do ate pt ea) i fone calcite rciaeatss FF me smart PASE asain meade [= — nan Figura 3.73 Clea del caudal maximo por el método de Mac Math Caudales maximo, método de Gumbel sta opcin permite el estimar el caudal méximo que se espera en tuna cuenca,utlzando el método estadistico de Gumbel, a partir del registro de Caudales maximo, ee