Está en la página 1de 30

I. INFORMACIN GENERAL.

1.1. Ttulo:
CALIBRACIN DEL MODELO USDA SCS POR EL ALGORITMO
METROPOLIS MONTE CARLO; PARA OBTENER NMEROS DE CURVA
CORREGIDOS EN LA SUB-CUENCA DEL RO YANAYACU
1.2. Personal Investigador:
1.2.1. Autor. Cacha Osores, Edwin Eloy
1.2.2. Asesor. Ing
o
. Hurtado Rubio, Segundo Mesas
1.2.3. Co-asesor. Ing
o
Figueroa Tauquino, Rafael Ramn
1.3. Tipo de Investigacin.
De acuerdo al periodo de captacin de la informacin: Prospectivo
Por su carcter: Descriptivo
Por su relacin con la prctica: Aplicativa
1.4. Facultad: Ciencias Agrarias
1.5. Escuela Acadmico-Profesional: Ingeniera Agrcola
1.6. Lugar donde se llevar a cabo el Proyecto.
El estudio se efectuara en la, provincia de Recuay del Departamento de Ancash. Cuyas
coordenadas referenciales de su Centroide son: 939'14" y 95045" Latitud Sur.
7725'33" y 7714'00" Longitud Oeste.
1.7. Duracin Estimada. Seis meses
1.8. Fecha de Inicio. Junio del 2013
1.9. Presentado Por:


.. ...
AUTOR: Cacha Osores Edwin ASESOR: Ing. Hurtado Rubio, Segundo

1.10. Fecha de Presentacin. Julio del 2013
1.11. Aprobado Por:


.................................................. .............................................
Presidente del Jurado Secretario del Jurado
..
Vocal del Jurado


II. DESCRIPCIN DEL PLAN DE TESIS.
2.1. ANTECEDENTES BIBLIOGRAFICOS.
Segn Martnez (2009)
1
, La experiencia en la aplicacin del Mtodo del Nmero de
Curva es muy grande, tanto en el mbito profesional y cientfico. Apareciendo
continuamente nuevas aportaciones siendo las ms recientes las de Bosznay (1989),
Hjemfelt (1991), Hawkins (1993), Steenhuis et al. (1995), y Ponce (1996), realizando este
ltimo una amplia revisin de la evolucin histrica del mtodo, de sus virtudes y de sus
defectos, preguntndose tras la misma si realmente el mtodo del NC ha alcanzado la
madurez, ante la cual plantea nuevas lneas de investigacin para conseguir un mejor
entendimiento de su comportamiento.
Se puede aadir a lo anterior, estudios experimentales realizados en Loja, Ecuador, en
donde: Duque (2009)
2
, concluye que el mtodo del NC tiene efectividad en el uso para la
realidad geogrfica del Ecuador.
En el estudio realizado en la cuenca Arroyo Pillahuinco Grande (Argentina), Gaspari
(2007)
3,
concluye que el procesamiento de imgenes con el empleo del Sistema de
Informacin Geogrfico (SIG) permiti determinar valores de NC de forma automtica y
eficiente con costos relativamente bajos. A su vez, si se pretendiese el ordenamiento
sustentable de la cuenca, permitira rpidamente actualizar sus valores segn los cambios
de usos de los suelos que se produzcan para el ordenamiento territorial.
En lo que respecta a la calibracin, Del Prete (2009)
4
, concluye que el algoritmo
ensayado se mostr como una buena herramienta de trabajo que podra emplearse para
algunos fines especficos de la ingeniera hidrolgica, tal como la estimacin de la
respuesta global de una cuenca con fines de planificacin del recurso gua o bien la
estimacin de volmenes de aporte a un embalse. En cualquier caso ser necesario adaptar
el proceso seguido para el logro especfico de la funcin objetivo perseguido.
Campos (2006)
5
, afirma que el procedimiento para la calibracin de los modelos
hidrolgicos es aplicable en toda cuenca aforada que cuente con estaciones pluviomtricas
dentro de ella. Para el Per el Manual de Hidrologa, Hidrulica y Drenaje del Ministerio
de transportes
6
recomienda la calibracin del mtodo del nmero de curva para mejorar los
resultados en los clculos hidrolgicos de las cuencas del Per.


2.2. PLANTEAMIENTO DEL PROBLEMA.
El dimensionamiento de toda estructura que interfiere en el cauce o curso de
escurrimiento (estructuras de abastecimiento, control, almacenamiento, defensa, o
simplemente de intercomunicacin o pase) exige una estructura segura y econmica por lo
que el dimensionamiento de las mismas estar determinado por la cuantificacin de las
mayores crecidas de la relacin lluvia - escurrimiento.
Los mtodos regionales aplicados en la generacin de caudales son mtodos que
emplean variables hidrolgicas, geomorfolgicas y otros. Por lo que los mtodos varan en
la cantidad de variables intervinientes o considerados dentro de su clculo. Lo cual hace
que la aplicacin del mtodo del nmero de curva este condicionado a la importancia de la
estructura a instalar, a la cantidad y calidad de datos o registros (parmetros que no
siempre se encuentran en los puntos que se desea dimensionar la estructura) de
informacin.
La informacin disponible vara segn el problema a enfrentar, sin embargo los
mtodos que hacen uso de registros son los ms confiables, aunque no siempre se requiere
la misma precisin en los resultados, lo que ha hecho que se desarrolle una gran cantidad
de mtodos para analizar la relacin lluvia - escurrimiento, siendo una de estas el modelo
presentado por el USDA SCS y/o mtodo del nmero de curva.
Por otro lado todas las consideraciones y como consecuencia los resultados del
Nmero de Curva han sido desarrollados en los Estados Unidos y aplicados en la
mayora de sus estados como en otros pases, pero dicha aplicacin ha sido objeto de
calibracin como es el caso de Espaa, Argentina, Mxico y otros.
2.2.1. Anlisis de la situacin problemtica.
En la cuenca del ro Santa, la cantidad del agua vara espacial y temporalmente. En los
meses de Enero a Marzo presentase caudales mximos en las quebradas y ros, los que
ocasionan daos a la infraestructura hidrulica: puentes, defensas ribereas, viviendas,
alcantarillas, etc.; tambin ocasionan deslizamientos y huaycos que daan a las carreteras,
canales de riego, etc. Estos eventos meteorolgicos combinados con otros eventos
geolgicos producen impactos sobre el medio ambiente, la economa local, regional e
incide sobre la calidad de vida de la poblacin vulnerable.



El creciente aumento demogrfico exige cada vez ms espacios para la vivienda y la
produccin agrcola; por tanto muchas familias han ido construyendo viviendas y
produciendo en lugares de gran vulnerabilidad sin ninguna prevencin ni control por parte
de las autoridades locales ante el peligro del accionar natural.
2.2.2. Justificacin e importancia del trabajo.
Se realizara esta investigacin porque su utilidad repercutir en el dimensionamiento
confiable que se haga de las estructuras hidrulicas y aquellas que tengan contacto directo
con el cauce de ros y en pocas de avenidas adquieren repercusin negativa en los causes.
La importancia del estudio radica en la calibracin de un modelo que es aplicado en la
generacin de caudales para puntos distintos de la estacin de aforo, por lo que adquirir
significativa repercusin econmica en el conjunto de las estructuras y una gran incidencia
en los proyectos productivos.
2.2.3. Definicin del objeto de estudio.
El objeto de estudio es la calibracin de los parmetros del modelo del USDA SCS en la
generacin de caudales por el mtodo del NC en puntos distintos a las estaciones de aforro,
para el que se pretende calibrar los parmetros del modelo con el empleo del algoritmo
Metrpolis Monte Carlo.
2.2.4. Enunciado del problema.
La calibracin del modelo del USDA SCS permitir generar caudales estimados
confiables al corregir los valores del NC y la tabla propuesta por el departamento de
conservacin de suelos de los estados unidos en la Sub-Cuenca del Ro Yanayacu?
2.3. MARCO TEORICO.
2.3.1. Eventos hidrolgicos.
Se entiende por evento hidrolgico el suceso del ciclo hidrolgico que se produce de
forma inmediata como respuesta a un periodo de tiempo con precipitaciones importantes,
conocindose popularmente como avenidas o crecidas. Durante una avenida no todos los
fenmenos hidrolgicos tienen la misma importancia. La mayor parte del flujo que


constituye el hidrgrama de una avenida esta generado por la escorrenta superficial, por
lo que el estudio de las crecidas se centra en analizar los fenmenos de produccin y
traslacin de esta escorrenta, despreciando otros fenmenos que a una escala temporal del
orden de unas pocas horas son poco significativos frente a la magnitud de la escorrenta,
como son el flujo base, la evapotranspiracin o la percolacin (Martnez, 1999).
La escorrenta se puede producir por diferentes mecanismos (Beven, 1986), que
dependen bsicamente de la precipitacin y de la infiltracin en cada punto de la cuenca,
relacionadas por los siguientes factores:
1. La cubierta vegetal. Gobierna la relacin entre el volumen de escorrenta producido
y el volumen de abstracciones a la precipitacin distintas de la infiltracin
(interceptacin, evaporacin y transpiracin).
2. Velocidad de infiltracin y dficit de humedad. Provocan diferentes respuestas
hidrolgicas en cada instante, en funcin de la intensidad de precipitacin incidente y
del volumen de agua que se infiltra. la produccin de escorrenta es grande si la
intensidad de precipitacin es superior a la velocidad de infiltracin y el volumen de
agua infiltrado no satisface el dficit de humedad del suelo. En este caso no hay
percolacin y la nica abstraccin a la precipitacin es la destinada a aumentar la
humedad del suelo. El caso opuesto anula la produccin de escorrenta, recargndose
los acuferos al saturarse el suelo, mientras que en los casos intermedios coexisten
ambos fenmenos.
2.3.2.- Aplicacin de nuevas tecnologas en los estudios hidrolgicos.
La razn por la que hasta hace poco tiempo y aun actualmente de forma mayoritaria, la
modelacin se ha realizado de forma agregada, ha sido la falta de medios con los que
conseguir y manipular la informacin espacialmente distribuida de las variables del
modelo (precipitacin, usos del suelo, pendientes, etc.). En los ltimos aos se han
desarrollado nuevas tecnologas que nos permiten obtener gran parte de esta informacin
as como almacenar, gestionar y presentar de una forma racional las grandes cantidades de
datos que los modelos distribuidos manejan. Estas herramientas son los sensores remotos y
los Sistemas de Informacin Geogrfica (SIG). La aplicacin de sensores remotos, que
comprende las tcnicas de fotointerpretacin de fotografas areas y de teledeteccin a
partir de imgenes multiespectrales de satlite, consiste en obtener informacin a distancia


de los objetos situados sobre la superficie terrestre. El uso de estas tcnicas en hidrologa
ha pasado por varias etapas, desde la observacin cualitativa de los fenmenos, a la
estimacin cualitativa y cuantitativa de la forma, patrones, localizacin y distribucin de
los fenmenos y finalmente la estimacin de los parmetros hidrolgicos por medio de la
correlacin entre los datos de teledeteccin y la "verdad terreno". Entre las principales
aplicaciones con utilidad hidrolgica de los sensores remotos se encuentran:
La cartografa geolgica
La cartografa de usos del suelo
Los inventarios de tipos de cultivos
Los inventarios forestales
La estimacin de la evapotranspiracin
La estimacin de parmetros de calidad de agua
Otros
Una de las principales ventajas que ofrece la informacin obtenida a partir de
teledeteccin es que se encuentra en formato digital, por lo que puede ser directamente
utilizada por los SIG, evitando las tareas de digitalizacin de planos.
Un SIG es simplemente una base de datos georreferenciadas, capaz de archivar
ordenadamente ingentes cantidades de informacin, como una base de datos cualquiera,
pero con la particularidad de que esta queda referida espacialmente a un sistema
coordenado. Los datos y variables analizados ya no aparecen en el formato habitual de las
bases de datos, sino en forma de imgenes o mapas de los valores de las variables. De esta
forma se puede analizar fcilmente la procedencia de los datos y su distribucin sobre el
terreno, sin perder de vista la capacidad de ejecutar operaciones matemticas o anlisis
estadsticos sobre dichas variables (Martnez, 1999).
2.3.3. Modelo USDA SCS.
En 1954 el USDA SCS desarrollo el mtodo del Nmero de Curva (NC) para estimar
las abstracciones totales que se producan durante un aguacero. El mtodo ha sufrido varias
revisiones en 1956, 1964, 1965, 1971, 1972, 1985 y 1993. Desde su origen el mtodo tuvo
gran apoyo por parte de las agencias gubernamentales norteamericanas, por lo que se
extendi rpidamente a otros pases.


A diferencia de otros mtodos que calculaban la infiltracin, el mtodo del NC estima la
escorrenta superficial que se produce durante un aguacero, por lo que indirectamente
calcula todas las abstracciones a la precipitacin, sin diferenciar entre ellas. El mtodo es el
resultado de ms de 20 aos de estudios por parte del USDA SCS sobre la relacin entre la
precipitacin y la escorrenta en eventos aislados a partir de datos recogidos en numerosas
pequeas cuencas de Norteamrica.
Este modelo formula la ecuacin precipitacin escorrenta a partir de un balance en el
que la precipitacin total del evento P se reparte en tres componentes: la cantidad de lluvia
efectiva o escorrenta directa Pe, la retencin inicial o umbral de escorrenta que satura la
capa ms superficial del suelo Ia y la infiltracin que se produce a partir del umbral de
escorrenta Fa. La relacin de continuidad es la siguiente:
Figura 1. Esquema del modelo conceptual del NC (USDA SCS)

Fuente. Tesis de Martnez A.

El mtodo se basa en que la relacin que rige el proceso es la siguiente:


Donde S es La mxima retencin posible. Operando con las dos ecuaciones anteriores
obtenemos:



a
e a
I P
P
S
F

=
a
e e a
I P
P
S
P I P

=
) (
a
a
e
I P
I P
P

=
2
) (
) 2 (
) 3 (
) 4 (
a a e
I F P P + + = ) 1 (


La expresin de la ecuacin N4 representa la ecuacin fundamental del mtodo del NC
para calcular la altura de lluvia efectiva Pe, a partir de la altura total de precipitacin P. La
retencin inicial Ia se atribuye principalmente a la interceptacin, infiltracin y
almacenamiento en depresin que ocurren antes de que comience la escorrenta superficial.
La interceptacin y el almacenamiento en depresin varan ampliamente con el tipo de
vegetacin, fuerza del viento, micro geomorfologa de la cuenca, etc., por lo que no pueden
ser evaluados con precisin. Sin embargo, aunque una estimacin grosera de Ia es
extremadamente difcil, para eliminar la dificultad de su estimacin, el USDA SCS
propone la siguiente relacin emprica entre la retencin inicial y la mxima retencin
posible S, determinada a partir de datos experimentales:

Donde , es el coeficiente de retencin inicial. El USDA SCS justifica esta ecuacin
sobre la base de numerosas medidas en cuencas de tamao inferior a 10 acres, que
equivalen a 4.07 ha (USDA SCS, 1985). El 50% de los datos registrados se encontraron
dentro de los limites 0.095 0.38, por lo que el SCS recomienda un valor de = 0.2
siempre que no dispongamos de una relacin de ms garanta, aunque admite que existe
una desviacin tpica elevada en su determinacin. Valores en el rango 0.0 0.3 han
sido documentados en numerosos estudios localizados principalmente en Norteamrica
(Springer et al, 1980; Cazier y Hawkins, 1984; Ramasastri el a1., 1985; Bosznay 1989).
Por lo tanto la ecuacin de mtodo del NC queda de la siguiente forma:


Que est sujeta a la restriccin P 0.2 * S. Esta ecuacin es mucho ms fcil de aplicar
que las anteriormente expuestas, ya que nicamente incluye una variable, que se relaciona
con las caractersticas del evento y de la cuenca. Sin embargo, debemos ser conscientes de
que llegamos a una ecuacin tan sencilla tras asumir que Ia = 0.2 * S, relacin muy
cuestionada.
Al utilizar la ecuacin anterior para el clculo de la escorrenta en un evento, el
parmetro S debe ser estimado. El valor de S puede variar desde prcticamente 0 para una
superficie suave e impermeable hasta infinito para un suelo de gran espesor formado por
gravas. Para limitar esta variabilidad del parmetro S entre 0 y 100, se desarroll el
S Ia . =
S P
S P
P
e
. 8 . 0
) . 2 . 0 (
2
+

=
) 5 (
) 6 (


concepto del Nmero de Curva (NC), que no es ms que el resultado de hacer el siguiente
cambio de variable:


El NC no tiene ningn sentido fsico y su adimensionalidad tampoco tiene ninguna
significacin especial. El NC es un ndice de la potencialidad de producir escorrenta de
una cuenca y es inversamente proporcional a la capacidad de retencin de la misma. Un
NC = 100 representa una capacidad mxima de retencin S igual a cero, esto es un terreno
impermeable. Un NC = 0 representa una capacidad de retencin infinita, esto es un terreno
permeable e insaturable.
Los NC estn tabulados en funcin de los usos del suelo, el tipo de prctica con la que
se cultiva, las condiciones hidrolgicas del terreno para la infiltracin y el tipo de suelo.
Los usos del suelo hacen referencia al tipo de explotacin que se realiza de los mismos.
Entre las prcticas de cultivo se distingue entre la labor que sigue las curvas de nivel (N) y
la que sigue la lnea de mxima pendiente (R). Las condiciones hidrolgicas para la
infiltracin se suelen asociar con la pendiente, diferencindose entre buenas y malas a
partir de un determinado umbral de la misma (3% segn Tmez, 1987). Por ltimo, el tipo
de suelo hace referencia a la capacidad de infiltracin, diferencindose cuatro grupos en
funcin de la misma, que generalmente se asocian con la textura del suelo.
Los modelos conceptuales trabajan bien con valores medios, dando lugar a gran
variabilidad cuando se producen valores extremos de las variables implicadas. En la
aplicacin del mtodo del NC esta variabilidad es muy evidente, de modo que una misma
cuenca puede responder a distintos aguaceros con NC diferentes. Entre los posibles
orgenes de esta variabilidad Ponce (1996) cita los siguientes:
1. El efecto de la variabilidad especial de la tormenta y de las caractersticas de
La cuenca.
2. El efecto de la variabilidad temporal de la intensidad de la precipitacin.
3. La calidad de los datos medidos, tanto de precipitacin como de escorrenta.
4. Los efectos de la precipitacin antecedente asociada con la humedad del suelo.
El ltimo de estos factores fue reconocido desde las primeras aplicaciones del mtodo,
por lo que para su tratamiento el USDA SCS cre el concepto de Condicin de Humedad
254
25400
+
=
S
NC
(

= 10
1000
. 4 . 25
NC
S
) 7 (


Antecedente (Antecedent Moisture Condition, AMC), distinguindose tres situaciones en
funcin de la precipitacin en los cinco das precedentes al evento estudiado y el estado de
la vegetacin (periodo de crecimiento o periodo de reposo).
Tabla 1: Condicin de humedad precedente
CONDICIN DE HUMEDAD PRECEDENTE
Condicin
Lluvia total durante los cinco das anteriores (mm)
Perodo hmedo: Oct-Mar Perodo seco: Abr-Sep
I Menos de 12.5 Menos de 35.5
II De 12.5 a 28.0 De 35.5 a 53.0
III Ms de 28.0 Ms de 53.0
Fuente. Tesis de Martnez A.
2.3.4.- Mtodo del nmero de curva.
Este se basa en la estimacin directa de la escorrenta superficial de una lluvia aislada a
partir de las caractersticas del suelo, uso del mismo y de su cubierta vegetal.
En un complejo suelo vegetacin totalmente impermeable toda la precipitacin se
convierte en escorrenta superficial. Esta respuesta se puede representar grficamente como
muestra la Figura 2.

Figura 2: Complejo suelo vegetacin totalmente impermeable

Fuente. S. NANIA L.



Figura 3: Complejo suelo vegetacin totalmente permeable

Fuente. S. NANIA L.
Entre estos dos casos extremos podemos tener infinitas respuestas de escorrenta
superficial ante una precipitacin segn el tipo de asociacin suelo vegetacin.
Cada una de estas curvas intermedias consta de dos partes diferenciadas; la primera es
un valor umbral de precipitacin (al que llamaremos Po) por debajo del cual toda la
precipitacin es interceptada por el complejo suelo vegetacin y por tanto la escorrenta
superficial es nula. Superado el valor de Po, entramos en la segunda parte de la curva, en la
cual el valor de la escorrenta en relacin con la precipitacin va aumentando y llegando a
valores muy altos de la precipitacin la curva tiende asintticamente a una inclinacin de
tangente igual a la unidad (Figura 4). Esto significa que, para valores muy altos de
precipitacin, el suelo est tan saturado de agua que un incremento de lluvia se traduce en
un incremento de la misma magnitud en escorrenta.

Figura 4. Fuente. S. NANIA L.


A cada tipo de complejo suelo vegetacin se le asigna un valor, llamado Nmero de Curva
o Nmero Hidrolgico, que define sus condiciones hidrolgicas. Para esta asignacin
utilizamos la Tabla 2.
Los suelos se clasifican en uno de los cuatro grupos siguientes:
Grupo I (A). Es el que ofrece menor escorrenta. Incluye los suelos que presentan
mayor permeabilidad, incluso cuando estn saturados. Comprenden los terrenos
profundos, sueltos, con predominio de arena o grava y con muy poco limo o arcilla.
Grupo II (B). Incluye los suelos de moderada permeabilidad cuando estn saturados,
comprendiendo los terrenos arenosos menos profundos que los del Grupo I, aquellos
otros de textura franco-arenosa de mediana profundidad y los francos profundos.
Grupo III (C). Incluye los suelos que ofrecen poca permeabilidad cuando estn
saturados
Grupo IV (D). Es el que ofrece mayor escorrenta. Incluye los suelos que presentan
gran impermeabilidad, tales como los terrenos muy arcillosos profundos con alto
grado de tumefaccin, los terrenos que presentan en la superficie o cerca de la misma
una capa de arcilla muy impermeable y aquellos otros con subsuelo muy
impermeable prximo a la superficie.
En cuanto a la cubierta vegetal se establecen distintas clases con gradaciones, de pobres
a buenas para la infiltracin, en sus condiciones hidrolgicas. Cuanto ms denso es el
cultivo, mejor es su condicin hidrolgica para la infiltracin y menor es el valor del
nmero N representativo de la escorrenta.
A continuacin se exponen los nmeros de curva para diferentes condiciones suelo
vegetacin para una condicin de humedad precedente II (Tabla 2). Y su relacin con otras
condiciones de humedad NC I y NCIII.
()
()
()


()
()
()



) 8 (
) 9 (


Tabla 2. NMEROS DE CURVA PARA LAS DIFERENTES CONDICIONES SUELO-
VEGETACIN (Condicin II de humedad precedente)
Cubierta del suelo Grupos hidrolgicos del suelo
Clase Laboreo Condiciones para la infiltracin A B C D
Barbecho --- --- 77 86 91 94
Cultivos alineados
R Pobres 72 81 88 91
R Buenas 67 78 85 89
C Pobres 70 79 84 88
C Buenas 65 75 82 86
C-T Pobres 66 74 80 82
C-T Buenas 62 71 78 81
Cultivos no alineados o
con surcos pequeos o mal
definidos
R Pobres 65 76 84 88
R Buenas 63 75 83 87
C Pobres 63 74 82 85
C Buenas 61 73 81 84
C-T Pobres 61 72 79 82
C-T Buenas 59 70 78 81
Cultivos densos de
leguminosas o prados en
alternativa
R Pobres 66 77 84 88
R Buenas 58 72 81 85
C Pobres 64 75 83 85
C Buenas 55 69 78 83
C-T Pobres 63 73 80 83
C-T Buenas 51 67 76 80
Pastizales (pastos
naturales)
--- Pobres 68 79 86 89
--- Regulares 49 69 79 84
--- Buenas 39 61 74 80
C Pobres 47 67 81 88
C Regulares 25 59 75 83
C Buenas 6 35 70 79
Prados permanentes --- --- 30 58 71 78
Montes con pastos
(ganadero - forestal)
Pobres 45 66 77 83
Regulares 36 60 73 79
Buenas 25 55 70 77
Bosques (forestal)
--- Muy pobres 56 75 86 91
--- Pobres 46 68 78 84
--- Regulares 36 60 70 76
--- Buenas 26 52 63 69
--- Muy buenas 15 44 54 61
Caseros --- --- 59 74 82 86
Caminos en tierra --- --- 72 82 87 89
Caminos en firme --- --- 74 84 90 92
Fuente. Tesis de Martnez A.


2.3.5.- Distribucin de prdidas.
Utilizando algunos mtodos, podemos conocer el valor de la escorrenta y, por
diferencia con la precipitacin total, tambin podemos conocer el agua retenida por el
terreno. A este concepto lo vamos a denominar prdidas. No debindose interpretar como
agua no recuperable, sino como una parte de la precipitacin que no alimenta de una forma
rpida la red de cauces y por consiguiente no participa en la generacin de caudales punta
de tormenta.
De estas prdidas se conoce su valor total, pero no sabemos como se distribuyen a lo
largo del tiempo. Si nuestra intencin es utilizar mtodos analticos para calcular
hidrgramas correspondientes a precipitaciones concretas, de las cuales conocemos su
distribucin (hietogramas), es preciso conocer en cada instante qu parte de la
precipitacin escurre y que parte se infiltra.
Se pueden seguir dos caminos a la hora de realizar la distribucin:
- Reparticin uniforme. Consiste en dividir las prdidas en partes iguales a lo largo de
todos los intervalos de precipitacin (Figura 5).
Figura 5: Reparticin uniforme

Fuente. S. NANIA L.
- Reparticin proporcional. Como su nombre indica, las prdidas se distribuyen
proporcionalmente a la precipitacin que caiga en cada momento (Figura 6).


Es patente que ninguno de los dos mtodos refleja de un modo fiel la realidad del
fenmeno. Con el fin de mejorar algo estas distribuciones se puede considerar que hay
unas prdidas iniciales o umbral de escorrenta, por debajo del cual no se origina
escorrenta superficial. As pues, en los primeros intervalos de precipitacin todo son
prdidas hasta que se sobrepase este valor crtico. A partir de este momento se puede
continuar por cualquiera de los dos mtodos anteriormente descritos.
Figura 6: Reparticin Proporcional

Fuente. S. NANIA L.
2.3.6.- Algoritmo de Metropolis Optimizacin estocstica segn la distribucin de
probabilidad de Boltzmann.
La idea inicial es la de considerar el sistema como un sistema termodinmico que
cambia de configuracin sucesivamente, pasando de un estado de energa E1 a otro E2
(E1E2) con una probabilidad dada por:

) [
(

]
Siendo:
K: una constante fsica, denominada de Boltzmann.
T: la temperatura.
Si E2 es menor que E1 la probabilidad P es mayor a 1, as pues, el cambio de
configuracin del sistema es ciertamente un hecho, con probabilidad igual a 1. En la Fig. 7
se representa el algoritmo de Metropolis para un valor dado de temperatura T y asignando
a k el valor de 1, siendo E = E2E1 (Bertoni, 2001).
) 10 (


En ella se representa la ley de variacin de la probabilidad de transicin en funcin del
gradiente de energa que determinan los cambios sucesivos de configuracin del sistema.
Para valores de E igual o menor a cero el valor de la probabilidad de transicin es 1; para
valores mayores a cero de E, los valores de la probabilidad disminuyen
exponencialmente.
Para utilizar el algoritmo de Nicholas Metropolis en sistemas no termodinmicos es
necesario definir los siguientes elementos:
Una descripcin de todas las configuraciones posibles del sistema (por ejemplo, una
identificacin de los intervalos de valores posibles de los parmetros del sistema).
Un generador de cambios aleatorios sucesivos en la configuracin del sistema.
Una funcin objetivo E a minimizar (anloga a la energa).
Una identificacin del parmetro de control T (anloga a la temperatura) y del grado
de enfriamiento progresivo del sistema (templado simulado), es decir el nmero de
cambios de la configuracin del sistema en cada valor de T.

Fig. 7. Probabilidad de cambio de la configuracin de un sistema segn el algoritmo de Metropolis

Fuente: Del Prete P.



2.3.7. Aspectos estadsticos del algoritmo de Metropolis
Sea un sistema que est afectado a cambios sucesivos de su configuracin. Siendo
P(E1,k) la probabilidad en que se encuentra el sistema en la configuracin E1
correspondiente al paso k y P(E1E2) la probabilidad de transicin, es decir, la
probabilidad para pasar de la configuracin E1 a E2. Entonces, si los cambios siguen un
proceso de cadena de Markov y resulta:
Prob(E1,k+ 1) = P (E1, k) + [ P(E2 E1) .P(E2, k) - P(E1 E2).P(E1,k)]
El algoritmo de Metropolis considera que:
(

) {



}
Con E = E2 E1
En la ecuacin (12) se puede observar que para valores de la temperatura T elevados
resultan condiciones de aceptacin prximas a 1, es decir, el sistema acepta la mayora de
los cambios de configuracin propuestos. Por el contrario, a medida que la temperatura T
desciende, la probabilidad de aceptacin de los cambios propuestos disminuye. Cuando la
probabilidad de transicin se considera invariante a sucesivos cambios, se dice que el
sistema es independiente del tiempo o que est en equilibrio.
Una condicin suficiente para asegurar esto es la verificacin de la condicin apelando
de balance detallado:
P(E1E2).P (E1, k) = P(E2 E1) .P(E2, k)
Considerando que el sistema posee una memoria lmite, despus de un nmero de pasos
suficientemente grande se puede considerar que:
P(E1,k) = P(E1)
Teniendo en cuenta (14) y reemplazando (14) en (13) resulta:
(

)
(

()
()


Luego si E2 > E1
) 11 (
) 12 (
) 13 (
) 14 (
) 15 (


(

)
(


Y si E2 E1
(

)
(


2.3.8 Mtodo de Metropolis Monte Carlo
El mtodo de Metropolis Monte Carlo combina el algoritmo de Metropolis con un
generador de nmeros aleatorios. El mtodo es del tipo aceptacin y rechazo. Este tipo de
mtodo se utiliza para generar nmeros aleatorios segn una distribucin de probabilidades
sobre un intervalo. Este mtodo constituye un caso particular de las tcnicas de simulacin
de Monte Carlo por Cadenas de Markov (MCMC) (Bertoni, 2003).
La cadena de Markov es un mtodo que en su operacin genera una secuencia de puntos
aleatorios. Por ejemplo, una secuencia de puntos aleatorios con la propiedad que, dada la
informacin de un punto p en la secuencia, el comportamiento de los puntos subsecuentes
a p es independiente de la informacin de los puntos anteriores. La cadena de Markov es
conocida por su simplicidad y adems es capaz de describir comportamientos muy
complejos. Es de inters que la cadena de Markov converja de una distribucin a una
distribucin de probabilidades arbitraria en el espacio que se est considerando.
El criterio de aceptacin de Metropolis Monte Carlo es el siguiente, determinado E, se
analiza el mismo:
- Si E 0 se acepta el nuevo juego de parmetros t y se adopta
2
= t.
- Si E > 0 se realiza el siguiente proceso de aceptacin o rechazo:
Se genera un nmero aleatorio con distribucin uniforme, r ~ U [0,1], luego:

(

)
(

)
(




) 16 (
) 17 (
) 18 (
) 19 (


Figura 8. Diagrama de flujo del algoritmo de Metropolis Monte Carlo





























Fuente: Del Prete P.

Fijacin de parmetros de
ejecucin y creacin de la
solucin final
Generacin de una
nueva solucin
E 0

[]

Condicin de
Equilibrio
Nueva temperatura segn
proceso de enfriamiento
Aceptar la nueva solucin
FIN
Temperatura
final
Si
Si
NO
NO
NO
NO
Si
Si


2.3.9. Decisiones para cada problema a tener en cuenta en la implementacin del
algoritmo Metropolis Monte Carlo.
No existen reglas concluyentes a la hora de implementar el algoritmo de Metropolis
Monte Carlo, pero se pueden agrupar algunas tendencias para tomar decisiones genricas y
especficas para cada problema.
Decisiones genricas: stas estn bsicamente relacionadas con los parmetros que
regulan el programa de enfriamiento, incluyendo los valores mximos y mnimos de
variacin de la temperatura, la velocidad de enfriamiento y las condiciones de parada del
proceso. Resultados tericos realizados por Van Laarhowen y Aarts en 1988 y Aarts y
Korst en 1989 basados en la teora de las cadenas de Markov han demostrado que con un
programa de enfriamiento infinitamente lento, el algoritmo de templado converge al
ptimo global con una probabilidad igual a la unidad, mientras la temperatura converge a
cero (Dowsland et al., 2003).
El problema es que no se puede garantizar esa convergencia en programas de
enfriamientos finitos. En ese sentido los autores antes mencionados, han demostrado que
para alcanzar una solucin que se encuentre en una distancia arbitrariamente prxima a la
ptima, son necesarios tiempos de computacin de tipo exponencial. Hajek en 1988 ha
demostrado que la utilizacin de un programa de enfriamiento como el siguiente, garantiza
una convergencia asinttica al ptimo (Dowsland et al., 2003):

()

Siendo:
t
k
:la temperatura en el paso k.
k: el nmero de iteraciones.
la mxima profundidad Figura 14 necesaria para escapar de cualquier ptimo local.







) 20 (


Fig. 9. Profundidad mxima G segn Hajek

Fuente: Del Prete P.
Como por lo general el valor de G se desconoce, lo expresado anteriormente permite
tener una idea de la manera que se relaciona el programa de enfriamiento con las
caractersticas del espacio de soluciones segn la funcin de costo y la estructura de
entornos escogida, a pesar de no tener uso prctico.
Otro aspecto a tener en cuenta, es que la solucin final debe ser independiente de la
solucin inicial de la que se parte, es por ello, que la temperatura inicial debera ser
independiente de la solucin inicial y lo suficientemente alta de manera tal que acepte casi
libremente las soluciones del entorno, esto le concede robustez al procedimiento de
bsqueda.
Estimar el valor de la temperatura inicial t
0
, no es siempre es una tarea sencilla; una
alternativa para atender esta dificultad, es fijar de antemano la relacin entre movimientos
aceptados y rechazados, elevar la temperatura de inicio hasta alcanzar esta razn.
Otra alternativa, es fijar la probabilidad de aceptacin de soluciones peores a la inicial.
Y por ltimo, otra alternativa, la ms habitual, es escoger t
0
de manera tal que la
probabilidad de aceptacin sea muy alta:


) 20 (


Todas estas alternativas requieren realizar pruebas empricas antes de realizar el
templado simulado mismo, es decir, como paso previo a la ejecucin del algoritmo, se
realizan una serie de iteraciones de prueba para determinar la t
0
correspondiente segn las
tres alternativas antes descriptas.
La velocidad de enfriamiento es otro factor a tener en cuenta para que esta estrategia se
implemente exitosamente. Al respecto, se deben ajustar dos parmetros del programa de
enfriamiento: el nmero de repeticiones a la temperatura tk en la iteracin k que est
relacionado a la longitud de la cadena de Markov lk y la velocidad o grado de enfriamiento
El mecanismo del bucle interno del algoritmo de templado simulado se asimila a una
cadena de Markov, cuyo parmetro de control es la temperatura fijada en el bucle externo.
En una implementacin real del algoritmo, el nmero de experimentos (repeticiones)
realizados en cada temperatura es necesariamente finito y como la disminucin de la
temperatura evoluciona de manera discreta, entonces, dicha implementacin puede tratarse
como una secuencia de cadenas de Markov homogneas de longitud finita.
Determinando la longitud de las cadenas de Markov se determinar el nmero de
repeticiones a realizar por el algoritmo en cada temperatura tk. Se considera que el
algoritmo cumple la condicin de equilibrio para cada temperatura dada cuando la longitud
de la cadena Markov alcance la longitud establecida para esa temperatura.
Existen diversas propuestas para establecer la condicin de equilibrio, la ms sencilla es
que la longitud de la k-sima cadena de Markov lk dependa polinmicamente del tamao
del problema. Otra forma, es definir un nmero mnimo de configuraciones analizadas para
cada temperatura, teniendo la precaucin de acotar superiormente la longitud de la cadena.
Cuando la temperatura desciende disminuye la probabilidad de aceptacin de
configuraciones que no mejoren la actual, por lo tanto, la longitud de las cadenas puede
tender a infinito cuando la temperatura se acerque a cero, para evitar esto se debe definir
una longitud mxima de las cadenas.





III. OBJETIVOS.
3.1. OBJETIVOS GENERALES.
Calibrar el modelo USDA SCS por el algoritmo Metropolis Monte Carlo; para obtener
nmeros de curva corregidos en la Sub-Cuenca del Ro Yanayacu.
3.2. OBJETIVOS ESPECFICOS.
1. Generar Automticamente el Nmero de Curva en la Sub-Cuenca del Ro Yanayacu
a travs de un programa de SIG.
2. Obtener los valores de las variables del modelo USDA SCS, para la Sub-Cuenca del
Ro Yanayacu.
3. Calibrar el modelo USDA SCS en el algoritmo de Metropolis Monte Carlo, para el
Sub-Cuenca del Ro Yanayacu.
IV. HIPTESIS.
4.1. ENUNCIADO DE LA HIPTESIS.
Si calibramos el el nmero de curva generaremos caudales sintticos ms confiables
en la Sub-Cuenca del Ro Yanayacu.
4.2. IDENTIFICACIN DE VARIABLES.
1. Variable Independiente.
Precipitacin
2. Variable Dependiente.
Precipitacin efectiva
4.3. DISEO LGICO Y DE CONTRASTACIN.
El estudio es de carcter aplicativo en un contexto de recomendacin de los organismos
que recomiendan su aplicacin para efectuar los clculos de caudales.
La contrastacin de hiptesis se logra con el diseo de operacionalizacin de las
variables y luego efectuando las calibraciones de las mismas para su aplicacin en hechos
concretos.


V. METODOLOGIA.
5.1. MATERIALES Y EQUIPOS A SER UTILIZADOS.
1. Materiales.
Carta nacional topogrfica y digitalizada de escala 1:100 000, u otro de la Sub-
Cuenca en estudio.
Mapa de Suelos elaborados por la ONERM.
Mapa Geolgico y litolgico de la Sub-Cuenca en estudio.
Registros hidromtricos de los tres ltimos aos.
Registros pluviomtricos de los tres ltimos aos de las estaciones
pluviomtricas de la UNASAM.
Software: ARC GIS, Auto CAD y otros.
Imgenes satelitales de la Sub-Cuenca del Ro Yanayacu.
2. Equipos.
01 Computadora.
Cmara fotogrfica.
Scanner.
5.2. METODOLOGIA A EMPLEARSE EN EL ESTUDIO DE LAS VARIABLES Y SUS
INTERRELACIONES.
1. Generar Automticamente el Nmero de Curva en la Sub-Cuenca del Ro
Yanayacu.
Con el uso de los SIG y el empleo de fotografas satelitales se proceder a generar
los siguientes mapas temticos:
a. Modelo digital del terreno (MDT)
b. Caractersticas hidrolgicas de los suelos


c. Informacin sobre el usos y aprovechamiento del suelo
d. Condicin hidrolgica
e. Estado de humedad antecedente
f. Mapa del Nmero de Curva
2. Obtener los valores de las variables del modelo USDA SCS.
A partir de los registros pluviomtricos e hidromtricos recabados de las diferentes
estaciones se proceder a generar los valores de las variables para la frmula de la
ecuacin nmero 4.
a. Variable de la precipitacin
Seleccin de tormentas representativas para la calibracin del modelo en los
aos de registro
b. Variable de la precipitacin efectiva
Determinacin del caudal base y crecida de las tormentas seleccionadas
Obtencin de los Hietogramas de exceso de precipitacin.
3. Calibrar el modelo USDA SCS en el algoritmo de Metropolis Monte Carlo.
La metodologa a seguirse ser de acuerdo a la tesis del ing. Del Prete P.
Implementacin del algoritmo de Metrpolis Monte Carlo para el ajuste automtico de
un modelo hidrolgico: ensayo con datos sintticos y reales.
Los pasos a seguir son los siguientes.
a. Diseo de software.
b. Calibracin del modelo USDA SCS.
c. Correccin de los nmeros de curva.



VI. ASPECTOS ADMINISTRATIVOS.
6.1. CRONOGRAMA DE ACTIVIDADES.
Tiempo / Actividades
Junio Julio Agosto Setiembre Octubre Noviembre
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1. Preliminar (plan de tesis) x x x x x x x x
2. Revisin del plan de tesis x x
3. Recoleccin de datos x


4. Anlisis e interpretacin de datos x


5. Materializacin del objetivo (1) x x
6. Materializacin del objetivo (2) x x
7. Elaboracin del software de
calibracin
x x
8. Materializacin del objetivo (3) x x
9. Redaccin del informe x x
10. Revisin y correccin x
11. Proceso de publicacin x




6.2. PRESUPUESTO ANALTICO Y CONSOLIDADO POR PARTIDAS.
6.2.1. BIENES.
NATURALEZA
DEL GASTO
DESCRIPCIN CANTIDAD COSTO (S/.)
BIENES
1 Papel Bond A4 2 Millar 80,00
2 USV 4 GB 01 unidades 30,00
3 Cmara Digital --------- 300,00
4 Textos Digitales Adquiridos por red --------- 600,00
SUB TOTAL S/.1010,00
6.2.2. SERVICIOS.
NATURALEZA
DEL GASTO
DESCRIPCIN CANTIDAD
COSTO
(S/.)
SERVICIO
1 Internet 300 horas 300,00
2 Movilidad 05 viajes 1000,00
3 Empastados 04 unidades 100,00
4 Impresiones 01 millar 100,00
SUB TOTAL S/.1500,00



6.2.3. RESUMEN.
BIENES = 1010.00
SERVICIOS = 1500.00
TOTAL = s/. 2510.00
6.2.4. FUENTES DE FINANCIAMIENTO.
El financiamiento de la siguiente Tesis se ejecutara con recursos que promociona la
universidad Nacional Santiago Antnez de Mayolo a travs de la facultad de Ciencias
Agrarias.
Por otro lado sino fuera el caso, el alumno asumir los gastos respectivos.
VII. REFERENCIAS BIBLIOGRFICAS y BIBLIOGRFA.
7.1. REFERENCIAS BIBLIOGRFICAS.
1
MARTNEZ A.V. 1999. Simulacin y comprobacin experimental de la
escorrenta superficial en pequeas cuencas no aforradas mediante modelos
distribuidos implementados sobre SI G. Madrid Espaa, p 68.

2
DUQUE Y.L. 2009 Determinacin experimental del nmero de la curva en
cinco coberturas representativas de la provincia de Loja. Tesis Para obtener el
ttulo de ingeniero civil. Loja Ecuador. Universidad Tcnica Particular de Loja. P
91.

3
ARGENTINA, FCA DE LA UNIVERSIDAD NACIONAL DE LA PLATA. 2007,
Revista de la Facultad de Ciencias Agrarias 2007. P 8.

4
DEL PRETE P. 2009 I mplementacin del algoritmo de Metrpolis Monte Carlo
para el ajuste automtico de un modelo Hidrolgico: ensayo con datos sintticos
y reales. Tesis Para obtener el ttulo Master en recursos hdricos. Crdoba
Argentina. P 216-220.

5
MEXICO, UNIVERSIDAD AUTONOMA DE SAN LUIS POTOSI
Agrociencias.2009, Agrociencia 2009. P 2.

6
MINISTERIO DE TRANSPORTES Y COMUNICACIONES 2008. Manual de
Hidrologa, Hidrulica y Drenaje. Reglamento Nacional de Gestin de
Infraestructura Vial 2009. P 35-39.






7.2. BIBLIOGRFA
APARICIO, F. 1992 Fundamentos de Hidrologa de Superficie. Mxico. Editorial
Limusa. 200 p.

ARGOTA T. 2011 Simulacin hidrolgica de la cuenca del rio Amajac, estado de
hidalgo aplicando el modelo Swat. Tesis Para obtener el ttulo de Maestro en
Ciencias en Hidrulica. Mxico 131 p.

BUSTAMANTE R. 2008 Calibracin y validacin del modelo Hec Hms, en la
cuenca de Huechn, regin metropolitana. Memoria para optar el ttulo de
ingeniero forestal. Talca Chile 2008.

DEL PRETE P. 2009 I mplementacin del algoritmo de Metrpolis Monte Carlo
para el ajuste automtico de un modelo Hidrolgico: ensayo con datos sintticos
y reales. Tesis Para obtener el ttulo Master en recursos hdricos. Crdoba
Argentina. 302 p.

DUQUE Y.L. 2009 Determinacin experimental del nmero de la curva en
cinco coberturas representativas de la provincia de Loja. Tesis Para obtener el
ttulo de ingeniero civil. Loja Ecuador. Universidad Tcnica Particular de Loja.
107 p.
INSTITUTO GEOGRAFICO NACIONAL. 1989. Atlas del Per. 400 p.

MARTNEZ A.V. 1999. Simulacin y comprobacin experimental de la
escorrenta superficial en pequeas cuencas no aforradas mediante modelos
distribuidos implementados sobre SI G. Madrid Espaa, 453 p.

APORTE SANTIAGUINO, 2009. Huaraz Per. Diciembre. 2009. 1-9 p.

ARGENTINA, FCA DE LA UNIVERSIDAD NACIONAL DE LA PLATA. 2007,
Revista de la Facultad de Ciencias Agrarias 2007. 8 p.

MEXICO, UNIVERSIDAD AUTONOMA DE SAN LUIS POTOSI
Agrociencias.2009, Agrociencia 2009. 13 p.

MINISTERIO DE TRANSPORTES Y COMUNICACIONES 2008. Manual de
Hidrologa, Hidrulica y Drenaje. Reglamento Nacional de Gestin de
Infraestructura Vial 2009. 209 p.

ROBREDO J. Clculo de caudales de avenida. Madrid Espaa, 55 p.

S. NANIA L. Mtodos de transformacin lluvia - escorrenta y de propagacin de
caudales. 2003, Curso Acadmico 2002-2003. 56 p.



Diagrama de Flujo Metodolgico
















INICIO

RECOLECCIN DE INFORMACIN

Topografa

Uso del suelo

Edafologa

Hidrometra

Clima

Manejo: Prcticas culturales
y factores fisiotcnicos



Topografa
Precipitacin

Caractersticas fisiogrficas

Vegetacin

Unidades de suelo

Aforos de Agua

Tormentas Representativas

Generacin de Mapa de los nmeros
de curva automaticamente

Base de datos para alimentar
el modelo USDA SCS

Si
Periodo de Calibracin

Proceso de simulacin

Ajuste de parmetros

Anlisis de la informacin

Elaboracin del Documento Final

Salida de
Datos
Fin
No