Está en la página 1de 28

Modelacin hidrolgica empleando isoyetas de

relieve, una aproximacin Geoestadstica


Climate Variability and Change Hydrological Impacts
Fifth FRIEND World Conference held at Havana, Cuba
November 2006
PRESENTA:
ALFONSO GUTIRREZ LPEZ
Orgenes de la geoestadstica:
Sichel (1947-1949): Observ la naturaleza asimtrica de la distribucin del
contenido de oro en la mina sudafricanas, la ajusto a una distribucin Lognormal y
desarrollo las frmulas bsicas para esta distribucin (consideraba a los datos
como independientes).
Krige (1951): Propuso una variante del mtodo de medias mviles que puede
considerarse equivalente al del krigeado simple.
Matheron (1961): Plante la teora y las ecuaciones elementales del problema.
Matheron (1962): Considera a la geoestadstica como la aplicacin de la teora de
las variables regionalizadas.
Variable regionalizada: Es una variable distribuida en el espacio de forma
que presenta una estructura de correlacin.
Descripcin de la variable regionalizada:
Matemticamente: Se define como funcin z(x) que adopta un punto x
en el espacio.
Las variaciones o fluctuaciones errticas de la variable regionalizada
impiden su tratamiento o descripcin mediante una forma continua
(anlisis univariado).
Matheron (1971): Introduce el mtodo basado en la teora de las funciones
aleatorias.
En el estudio de las variables aleatorias regionalizadas es importante
presentar conceptos que se sealan en (Journel y Huijbregts, 1978; David,
1977)
Estos conceptos son:
Regin: se refiere al espacio en el cual existe y se estudia el fenmeno
natural.
Localizacin: Es el punto de una regin en la cual se define una variable
aleatoria regionalizada.
Soporte Geomtrico: Est determinado por el elemento fsico sobre el
cual se realiza la determinacin de la variable aleatoria regionalizada.
Finalidad de las variables regionalizadas
Establecer las bases tericas que permitan establecer las
caractersticas estructurales de los fenmenos naturales.
Proporcionar el medio para resolver los problemas de estimacin
espacial de parmetros que se presenten a partir de una muestra
fragmentada.
(Journel y Huijbregts, 1978), construyen el modelo asumiendo
condiciones de estacionaridad.
I. Estacionaridad Estricta. Se dice que Z(x) es estrictamente estacionaria
si la funcin de distribucin de probabilidades de las variables aleatorias
regionalizadas Z(xi) son iguales entre s, independiente de la localizacin
xi, lo que requiere que los momentos de distinto orden para cada variable
aleatoria regionalizada sean completamente independientes de la
localizacin xi. Esta condicin como su nombre lo indica es demasiado
restrictiva al estudiar la mayora de los fenmenos encontrados en la
prctica.
II- Estacionaridad de Segundo Orden. Si la varianza de Z(xi) existe,
entonces se define como el momento de segundo orden y ser tambin
una funcin de la localizacin xi.
Si la varianza de las variables Z(xi) y Z(xj) existe entonces la covarianza
(Cov) de las stas tambin existe y es funcin de las localizaciones xi y xj.
El variograma se define como la varianza de la diferencia Z(xi) - Z(xj).
(h) = 1/2n [Z(xi) - Z(xi + h)]
2
donde.
(h); es el variograma
h; es la separacin de los variables medidas Z(xi) y Z(xj).
n; es el nmero de pares.
( ) ( ) ( ) [ ] ( ) ( ) [ ] { }, x m x Z x m x Z E x , x C
j j i i j i
=
( ) [ ] ( ) ( ) [ ] { }
2
2
x m x Z E x Z Var = =
Si bien la geoestadstica nace de la imposibilidad de una descripcin
determinstica de la naturaleza, y por tanto de la necesidad del
tratamiento estocstico, causada por la insuficiencia de datos, (Carrera,
1996).
En la hidrologa, es muy comn que la cantidad datos de las variables
hidrolgicas obtenidas sean insuficientes para describir adecuadamente
el problema. Debido a este problema se tiene que recurrir al anlisis
estructural.
(Gotway y Cressie, 1993), han desarrollado algunas investigaciones en
ltimos aos sobre el anlisis, existiendo mayor inters en las
estimaciones a nivel local que a nivel global (Rivoirard y Guiblin, 1997).
La estimacin espacial requiere de una funcin que describa la variabilidad
espacial de la variable analizada, esta funcin es llamada Variograma
Experimental.
Para el ajuste del Variograma, primeramente se necesita que la muestra
cumpla con los siguientes requisitos:
a) Que tenga una distribucin espacial homognea.
b) Que su distribucin de probabilidad sea aproximadamente normal.
c) Que no se vea afectada por valores atpicos (outliers) tanto
distribucionales como espaciales.
d) que no exista tendencia, es decir que sea estacionaria al menos la media
(Daz, 2002).
Anlisis Estructural
El anlisis estructural consiste en encontrar una funcin que describa el
grado de correlacin espacial de la propiedad que se estudia
Segn, (Armstrong y Carignan, 1997) el anlisis estructural est compuesto
por:
El clculo del semivariograma experimental.
Ajuste a un modelo terico conocido.
El clculo del semivariograma experimental es la herramienta
geoestadstica ms importante en la determinacin de las caractersticas
de variabilidad y correlacin espacial del fenmeno estudiado
Aplicacin del anlisis estructural en las ciencias de la tierra
En la cartografa, la hidrogeologa, el medio ambiente, los campos forestales, el
anlisis de imgenes, para la eleccin de la red de muestreo.
El petrleo, para la caracterizacin de yacimientos.
En la pesca, en la estimacin de provisiones de peces, de variables
condicionantes, profundidad, temperatura del agua.
En la geofsica marina, en los problemas de filtrar perturbaciones temporales que
mezclan el magnetismo espacial, en las caractersticas de su cartografa.
La Salud, en la distribucin espacial de enfermedades.
La ingeniera civil, en la construccin de obras de grandes dimensiones, que
exigen del conocimiento de la variabilidad espacial de propiedades del terreno.
Los materiales, en la previsin de propiedades fsicas de los materiales.
Forestales, anlisis del estudio exploratorio de reservas forestales.
Definicin del variograma experimental
El semivariograma experimental se estima en base a los datos y a la
estructura del fenmeno. En principio, si slo se dispone de los datos, el
semivariograma se estimara directamente con:
Donde: es el semivariograma experimental, Z(xi) son los valores
experimentales en los puntos xi, en los que se dispone datos tanto en xi
como en xi+h; N(h) es el nmero de pares de puntos separados por una
distancia h.
[ ]

=
+
) (
1
2
*
) ( ) (
) ( 2
1
) (
h N
i
i i
x Z h x Z
h N
h
*
) (h
Definicin del variograma experimental
Parmetros del variograma experimental y
modelo terico
Donde:
Elementos bsicos del modelo terico
Donde:
Ajuste del variograma experimental
Aplicacin del variograma por kriging, para la obtencin de
isoyetas de relieve
Procedimiento
1.- Anlisis y depuracin de la informacin (datos singulares)
2.- Datos de entrada (localizacin y variable analizada x,y,z), en formato
*.dat.
3.- Obtencin del variograma experimental.
4.- Ajuste de los modelos ptimos tericos a los variogramas de lluvia y de
relieve.
5.- Aplicacin del modelo ptimo del relieve a la interpolacin de la
precipitacin.
6.- Validacin del modelo presentado.
Aplicacin, para la obtencin de isoyetas de relieve
La zona de estudio esta ubicada dentro de la cuenca del ro Amacuzac, con una de
cuenca 7,821 km
2
, tiene una red pluviomtrica que consta de 82 estaciones.
LOCALIZACIN
ZONA DE ESTUDIO
Distribucin del relieve en la zona de estudio
Ajuste de los modelos tericos al variograma de precipitacin.
Isolneas de precipitacin por Kriging, con el modelo cbico
( )
7 5 3 2
75 0 5 3 75 8 7 h h h h C h . . . ) ( + =
Malla introducida en el anlisis del variograma de topografa, 200 x 200
n
h C h = ) (
Isolneas de relieve por Kriging, con el modelo lineal
Comparacin de entre las isoyetas tradicionales y de relieve
Validacin cruzada
Nmero de puntos en el anlisis
Ajuste de los datos residuales de la validacin cruzada a una
distribucin normal
Datos residuales de la validacin cruzada
Comparacin de entre metodologas tradicionales
Promedio aritmtico es de 965mm.
Polgonos de Thiessen de 975 mm.
Isoyetas tradicionales 980.6 mm.
Isoyetas obtenidas con la topografa es de 994.6 mm.
La diferencia de 14 mm entre los mtodos de Isoyetas, proporciona
un volumen anual de 109 Mm
3
adicionales.
Conclusiones
El modelo de topografa aplicado en interpolacin por Kriging afecta
significativamente la distribucin de las isoyetas. Haciendo que los volmenes
calculados se aproximen a la realidad fsica.
Se refuerza la hiptesis de que la topografa es el principal generador de
precipitacin para una cuenca.
Las isoyetas de relieve deben ser herramienta bsica en los balances
hidrolgicos.
La geoestadstica es un conjunto de herramientas que nos ayuda a tomar
decisiones y no un proceso automtico de prediccin.
La geoestadstica siempre debe estar orientada hacia un objetivo. En la
hidrologa, es conseguir la mayor representatividad fsica del fenmeno
estudiado, mediante la interpolacin ptima.
La geoestadstica ofrece soluciones ptimas a problemas de estimacin
espacial.
GRACIAS

También podría gustarte