Palmer Murga, Gianmarco PDF

Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación
UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS AGROPECUARIAS
ESCUELA ACADÉMICO PROFESIONAL DE
AS
INGENIERÍA AGRÍCOLA
RI
UA
EC
R OP
Determinación de las áreas inundables en los sectores San
AG
Pedro y Niño Pobre, según caudales máximos estimados

del río Utcubamba, aplicando modelo HEC-RAS y software
ArcGIS
DE
TESIS
CA
PARA OPTAR EL TÍTULO DE:
INGENIERO AGRÍCOLA
TE
IO
AUTOR: Br. Gianmarco Palmer Murga

Ing. Cristóbal Gonzales Correa
BL
ASESOR:
BI
TRUJILLO-PERÚ
2017
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
MIEMBROS DEL JURADO
AS
RI
UA
M. Sc. Amanda Magali del Pilar Otoya Ayesta
Presidente
EC
M. Sc. Pavel Ovidio Arteaga Caro
R OP Ing. Juan Emilio Paz Vergara Pérez
Secretario Vocal
AG
DE
CA
TE
IO
BL
Ing. Cristóbal Gonzáles Correa

Asesor
BI
ii
A mi Madre y a mi Padre
A la memoria de la Dra. Santos Nélida Murga Gutiérrez
AS
RI
UA
EC
R OP
AG
DE
CA
TE
IO
“Aprende como si fueras a vivir toda la vida y vive como si fueras a morir
BL
mañana”.
Charles Chaplin.
BI
iii
AGRADECIMIENTOS
A la Universidad Nacional de Trujillo, por haber inculcado en cada uno de
AS
sus estudiantes, a través de los docentes, esas ganas únicas por el
entendimiento de la ciencia.
RI
A la familia Herrera Cabanillas, quienes gustosamente me permitieron
UA
alojarme en su hogar de la localidad de Bagua Capital durante el tiempo en
que desarrollé el presente trabajo.
EC
A la Municipalidad Distrital de El Milagro por haberme proporcionado
información sobre la zona en estudio.
OP
Al Ing. Cristóbal Gonzales Correa, quien hizo posible la culminación del
R
estudio, con sus sugerencias en el planteamiento y redacción de la tesis.
AG
A todas aquellas personas que me brindaron su respaldo.

DE
CA
TE
El autor.
IO
BL
BI
iv
RESUMEN
El presente estudio de tesis tuvo como finalidad determinar las áreas

inundables en los sectores San Pedro y Niño Pobre del distrito El Milagro, de
AS
la provincia Utcubamba, región Amazonas, según caudales máximos del río
Utcubamba.
RI
Se calculó los caudales máximos probables teniendo como punto de partida la
UA
serie histórica de caudales máximos mensuales (1977-2016) proporcionados
por la estación hidrométrica Cajaruro. Los caudales máximos de diseño para
tiempos de retorno de 10, 25 y 50 años se calcularon a partir de seis funciones
EC
de probabilidad utilizando software HIDROESTA. Al aplicar la prueba de test de
bondad de ajuste Kolmogorov-Smirnoff se determinó que las 6 funciones se
OP
ajustaban a la serie, sin embargo, se eligió los caudales calculados con la
función Gumbel ya que presentó el mejor ajuste. Se elaboró el modelo digital
del terreno (MDT) del tramo, de 5 kilómetros de extensión, a partir de
R
levantamiento topográfico realizado con estación total. Se obtuvo la geometría
AG
de las secciones transversales del MDT con la extensión HEC-geoRAS. En las

áreas inundables del tramo se observó cultivos de arroz, así como arbustos y
pastos lo que se tuvo en cuenta para la asignación de coeficientes de Manning.
DE
Los parámetros del río antes mencionados fueron ingresados al software HEC-
RAS, el cual mediante simulación calculó los perfiles hidráulicos, lo que al
integrarse con la tecnología SIG proporcionó una visualización de los
CA
resultados a través de la generación de los mapas temáticos georeferenciados

de las áreas de inundación.
TE
Se concluyó que las hectáreas afectadas pertenecientes a los sectores San

Pedro y Niño Pobre en el margen izquierdo del río Utcubamba, para tiempos
IO
de retorno de 10, 25 y 50 años corresponden a 38.84, 51.93 y 70.33,

respectivamente. Esto hace notar la alta susceptibilidad a inundaciones en los
BL
sectores mencionados.
BI
Palabras claves: Áreas inundables, HEC-RAS, Arc-GIS, simulación hidráulica

en ríos, caudales máximos, tiempo de retorno.
v
ABSTRACT
The thesis study aimed to determine the floodable areas in the San Pedro and
Niño Pobre sectors of the El Milagro district, in the Utcubamba province,
AS
Amazonas region, according to the maximum flows of the Utcubamba river.
RI
The maximum probable flows were calculated from the historical series of
maximum monthly flows (1977-2016) provided by the Cajaruro hydrometric
UA
station. The maximum design flow rates for 10, 25 and 50 year return times
were calculated from six functions of probability using HIDROESTA software.
EC
When applying the Kolmogorov-Smirnoff goodness of fit test, it was
determined that the 6 functions fit the series. However, the flow rates
calculated with the Gumbel function were chosen since it presented the best
OP
fit. The digital terrain model (MDT) of the stretch, 5 kilometers long, was
elaborated from a topographic survey carried out with a total station. The
R
geometry of the cross sections of the MDT was obtained with the extension
AG
HEC-geoRAS. In the flood plains of the section were observed rice cultivations,
as well as shrubs and pastures what was taken into account for the assignment
of coefficients of Manning. The aforementioned river parameters were entered
DE
into the HEC-RAS software, which through simulation calculated the hydraulic
profiles, which, when integrated with the GIS technology, provided a
visualization of the results through the generation of the georeferenced
CA
thematic maps of the areas of flood.

TE
It was concluded that the affected hectares belonging to the San Pedro and
Niño Pobre sectors on the left bank of the Utcubamba River, for return times
of 10, 25 and 50 years correspond to 38.84, 51.94 and 70.33, respectively.
IO
This indicates the high susceptibility to flooding in the sectors mentioned.

BL
BI
Keywords: Flooded areas, HEC-RAS, Arc-GIS, hydraulic simulation in rivers,

maximum flows, return time.
vi
ÍNDICE GENERAL
JURADO EVALUADOR ...........................................................................................ii

DEDICATORIA ........................................................................................................ iii
AS
AGRADECIMIENTO ............................................................................................... iv
RESUMEN ............................................................................................................... v
RI
ABSTRACT............................................................................................................. vi
ÍNDICE GENERAL ................................................................................................. vii
UA
INDICE DE FIGURAS ............................................................................................. x
ÍNDICE DE TABLAS.............................................................................................. xiii
EC
ÍNDICE DE CUADROS ......................................................................................... xiv
ÍNDICE DE GRÁFICOS ....................................................................................... xvii
OP
INDICE DE MAPAS ............................................................................................. xviii
I. INTRODUCCIÓN
R
Generalidades ....................................................................................................... 19
AG
Realidad Problemática .......................................................................................... 21

Problema................................................................................................................ 26
Justificación ........................................................................................................... 26
DE
Objetivos ................................................................................................................ 28
II. REVISIONES BIBLIOGRÁFICAS

CA
1. Antecedentes .................................................................................................... 29
2. Bases teóricas del estudio ................................................................................ 31
2.1. Concepto de Ingeniería Fluvial. ................................................................... 31
TE
2.2. Flujo y parámetros hidráulicos de los canales abiertos. ............................. 31

2.3. Nociones de morfología fluvial. .................................................................... 35
IO
2.4. Análisis de frecuencias hidrológicas y software Hidroesta. ........................ 36

2.5. La modelación hidráulica. ............................................................................ 47
BL
2.6. Modelo hidráulico HEC-RAS. ...................................................................... 48

2.7. Extensión HEC-geoRAS. ............................................................................. 65
2.8. Sistema de información geográfica. ............................................................ 66
BI
III. MATERIAL Y MÉTODOS

A. Materiales de estudio ........................................................................................ 71
vii
B. Descripción del área de estudio ....................................................................... 71

C. Métodos ............................................................................................................ 77
C.1. Determinación de la geometría del tramo del río en estudio mediante
extensión HEC-geoRAS, a partir del modelo de elevación digital del terreno,
AS
según data de levantamiento topográfico de los tramos involucrados.
1. Realización del estudio topográfico. ........................................................... 73
RI
2. Elaboración del modelo digital del terreno. ................................................ 73
3. Obtención de la geometría transversal del tramo en estudio. ................... 74
UA
C.2. Estimación los caudales máximos del río Utcubamba para periodos de
retorno de 10, 25 y 50 años, mediante modelos probabilísticos, aplicando
software estadístico Hidroesta.
EC
1. Obtención de los datos hidrométricos del río Utcubamba ........................ 75
2. Análisis exploratorio de datos hidrométricos proporcionados .................. 76
2.1. Análisis de consistencia ................................................................... 76
OP
2.2. Análisis de tendencia ....................................................................... 78
2.3. Aplicación de la prueba de datos dudosos ...................................... 79
R
2.4. Análisis de caudales máximos vs caudales medios........................ 80
2.5. Cálculo de la longitud adecuada del registro de la serie ................. 80
AG
3. Cálculo de máximas avenidas mediante distribuciones probabilísticas ... 81

4. Selección de caudales de diseño para tres tiempos de retorno. .............. 81
C.3. Determinación de los coeficientes de rugosidad del lecho del río Utcubamba
DE
del tramo involucrado en el estudio……………………………….82

C.4. Simulación hidráulicamente el tramo de río Utcubamba en estudio,
aplicando modelo hidráulico HEC-RAS.
CA
1. Ingreso de información a opción “Geometric data” ................................... 82

2. Ingreso de caudales y condiciones de contorno ....................................... 83
TE
3. Creación de un plan para flujo permanente .............................................. 84

4. Exportación de archivo de zona inundada ................................................ 85
C.5. Elaboración de mapas de áreas inundables de los sectores San Pedro y
IO
Niño Pobre, del distrito El Milagro, provincia de Utcubamba, región

Amazonas, mediante software ArcGIS.. ................................................... 85
BL
IV. RESULTADOS
1. De la Determinación de la geometría del tramo del río en estudio mediante
BI
extensión HEC-geoRAS, a partir del modelo de elevación digital del

terreno, según data de levantamiento topográfico de los tramos
involucrados............................................................................................... 87
viii
2. De la estimación los caudales máximos del río Utcubamba para periodos

de retorno de 10, 25 y 50 años, mediante modelos probabilísticos,
aplicando software estadístico Hidroesta ................................................. 87
3. De la determinación de los coeficientes de rugosidad del lecho del río
AS
Utcubamba del tramo involucrado en el estudio....................................... 94
4. De la Simulación hidráulicamente el tramo de río Utcubamba en estudio,
RI
aplicando modelo hidráulico HEC-RAS .................................................... 95
4.1. Tirantes .......................................................................................... 95
UA
4.2. Velocidad de flujo máximo ............................................................ 95
4.3. Número de froude .......................................................................... 96
5. De la elaboración de mapas de áreas inundables de los sectores San
EC
Pedro y Niño Pobre, del distrito El Milagro, provincia de Utcubamba, región
Amazonas, mediante software ArcGIS ..................................................... 96
5.1. Mapas de inundación .................................................................... 96
V.
5.2.
OP
Llanuras de inundación ................................................................. 96
DISCUSIONES ...................................................................................................... 97
R
VI. CONCLUSIONES ................................................................................................ 100
VII. RECOMENDACIONES ....................................................................................... 101
AG
VIII. REFERENCIAS BIBLIOGRÁFICAS.................................................................... 102

ANEXOS I – FIGURAS........................................................................................ 105
ANEXOS II – TABLAS ......................................................................................... 106
DE
ANEXOS III – CUADROS ................................................................................... 107

ANEXOS IV – GRÁFICOS .................................................................................. 108
ANEXOS V – MAPAS ......................................................................................... 109
CA
TE
IO
BL
BI
ix
INDICE DE FIGURAS
FIGURA N°1:
ELEMENTOS GEOMÉTRICOS DE LAS SECCIONES
AS
TRANSVERSAL DE UN CANAL.
FIGURA N°2:
RI
CLASIFICACIÓN DEL FLUJO EN CANALES ABIERTOS SEGÚN
TIEMPO Y ESPACIO.
UA
FIGURA N°3:
EC
TIPOS DE ERRORES EN SERIES HISTÓRICAS.
FIGURA N°4:
ENERGÍA.
R OP
REPRESENTACIÓN DE LOS TÉRMINOS DEL BALANCE DE
FIGURA N°5:
AG
DIVISIÓN POR EFECTO DE LAS SECCIONES EN HEC-RAS.
FIGURA N°6:
INTERPRETACIÓN DE LA PENDIENTE MOTRIZ EN CADA

DE
SECCIÓN.
FIGURA N°7:
CA
DISTRIBUCIÓN DE LA SECCIÓN PARA OBTENER EL FACTOR

DE TRANSPORTE Kt
TE
.FIGURA N°8:
VALOR PONDERADO DE LA ENERGÍA CINÉTICA.

IO
FIGURA N°9:
BL
VARIACIÓN DE LA ENERGÍA ESPECÍFICA EN UN CANALEN

RÉGIMEN GRADUALMENTE VARIADO.
BI
FIGURA N°10:
NOMENCLATURA TÍPICA DE LAS SECIONES USADAS PARA EL

CÁLCULO DE LA SUPERFICIE LIBRE.
x
FIGURA N°11:
PROCEDIMIENTO DE CÁLCULO SEGUIDO POR HEC-RAS
AS
PARA LA RESOLUCIÓN DEL BALANCE DE ENERGÍA ENTRE
DOS SECCIONES.
RI
FIGURA N°12:
PROCEDIMIETO DE CÁLCULO SEGUIDO POR HEC-RAS
UA
CUANDO SE ALCANZA EL MÁXIMO NÚMERO DE ITERACIÓN
POSIBLES EN LA RESOLUCIÓN DE BALANCE DE ENERGÍA
EC
ENTRE DOS SECCIONES CONSECUTIVAS.
FIGURA N°13:
EN SU PROGRESIVA 3+750.
R OP
VISTA DE LA SECCIÓN TRANSVERSAL DEL RÍO UTCUBAMBA
FIGURA N°14:
AG
MORFOLOGÍA DEL RÍO UTCUBAMBA
FIGURA N°15:
CULTIVOS INSTALADOS EN LAS LLANURAS DE INUNDACIÓN

DE
DEL RÍO UTCUBAMBA.
FIGURA N°16:
CA
LEVANTAMIENTO TOPOGRÁFICO EN EL MARGEN IZQUIERDO

DEL RÍO UTCUBAMBA.
TE
FIGURA N°17:
LEVANTAMIENTO TOPOGRÁFICO EN EL CAUCE DEL RÍO.

IO
FIGURA N°18:
BL
TRAZO DE LINEAS DE CORTE PARA SECCIONES

TRANSVERSALES EN ARCGIS CON HEC-GEORAS.
BI
FIGURA N°19:
LOCAL DE LA AUTORIDAD LOCAL DEL AGUA – UTCUBAMBA.
xi
FIGURA N°20:
VISTA DE LAS SECCIONES TRANSVERSALES EN HEC-RAS.
FIGURA N°21:
AS
ASIGNACIÓN DE CAUDALES MÁXIMOS A CADA PERFIL
CREADO EN HEC-RAS.
RI
FIGURA N°22:
UA
CREACIÓN DE UN PLAN PARA LA SIMULACIÓN HIDRAÚLICA
EN HEC-RAS.
EC
FIGURA N°23:
EXPORTACIÓN DE ARCHIVOS EN FORMATO SDF CREADOS

EN HEC-RAS.
FIGURA N°24:
R OP
TRANSFORMACIÓN DE FORMATO SDF A XDF EN SOFTWARE
LÁMINA.
AG
FIGURA N°25:
ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO

DE
HIDROESTA 2 SEGÚN DISTRIBUCIÓN GUMBEL PARA UN TR

50 AÑOS.
FIGURA N°26:
CA

HIDROESTA 2 SEGÚN DISTRIBUCIÓN NORMAL PARA UN TR
TE
25 AÑOS.
FIGURA N°27:
IO

BL
HIDROESTA 2 SEGÚN DISTRIBUCIÓN LOG GUMBEL PARA UN

TR 10 AÑOS.
BI
xii
INDICE DE TABLAS
TABLA N°1:
AS
FÓRMULAS PARA CALCULAR FRECUENCIA.
TABLA N°2:
RI
VALORES “CX” PARA ESTIMAR VALOR CRÍTICO “D”.
UA
TABLA N°3:
VALORES DE “n” DADOS POR MANNING PARA CANALES

NATURALES
EC
TABLA N°4:
TABLA N°5:
R OP
VALORES “Km” PARA LA PRUEBA DE DATOS DUDOSOS
VALORES CRÍTICOS Δ DEL ESTADÍSTICO KOLMOGOROV-

AG
SMIRNOFF PARA VARIOS VALORES DE “N” Y NIVELES DE

SIGNIFICANCIA.
DE
CA
TE
IO
BL
BI
xiii
INDICE DE CUADROS
CUADRO N°1:
ASIGNACIÓN DE VALORES DE MANNING POR TRAMOS
AS
CUADRO N°2:
ÍNDICES ESTADÍSTICOS SEGÚN PERIODOS PARA PRUEBAS
RI
DE CONSISTENCIA.
UA
CUADRO N°3:
PRUEBA “T” DE STUDENT PARA CONSISTENCIA EN LA MEDIA.
EC
CUADRO N°4:
PRUEBA “F” DE FISHER PARA CONSISTENCIA EN LA
OP
DESVIACIÓN ESTÁNDAR.
CUADRO N°5:
R
ÍNDICES ESTADÍSTICOS POR GRUPO DE AÑOS PARA
ANÁLISIS DE TENDENCIA.
AG
CUADRO N°6:
RESULTADOS PRUEBAS “T” DE STUDENT ANÁLISIS DE

DE
TENDENCIA EN LA MEDIA Y DESVIACIÓN ESTÁNDAR.
CUADRO N°7:
CA
RESULTADOS LOGARÍTMICOS DE CAUDALES MÁXIMOS

PARA PRUEBA DE DATOS DUDOSOS.
TE
CUADRO N°8:
DATA DUDOSA ALTA Y BAJA DE LA PRUEBA DE DATOS

IO
DUDOSOS.
CUADRO N°9:
BL
LONGITUD ADECUADA DE REGISTRO DE LA SERIE

HIDROMÉTRICA DEL RÍO UTCUBAMBA
BI
xiv
CUADRO N°10:
CAUDALES MÁXIMOS PARA TRES PERIODOS DE RETORNO,

MEDIANTES 6 FUNCIONES PROBABILÍSTICAS
AS
CUADRO N°11:
RESULTADOS DE LA PRUEBA DE KOLMOGOROV-SMIRNOFF.
RI
CUADRO N°12:
UA
NIVELES DE TIRANTES O CALADOS (M)
CUADRO N°13:
EC
CUADRO DE VELOCIDADES DE FLUJO SEGÚN TIEMPO DE
RETORNO.
CUADRO N°14:
NÚMERO DE FROUDE.
R OP
CUADRO N°15:
AG
SERIES HISTÓRICA DE CAUDALES MEDIOS MENSUALES DE

LA ESTACIÓN CAJARURO (1977-2016)
CUADRO N°16:
DE
SERIE HISTÓRICA DE CAUDALES MÁXIMOS MENSUALES DE

LA ESTACIÓN CAJARURO (1977-2016)
CA
CUADRO N°17:
RESULTADO PRUEBA KOLMOGOROV-SMIRNOFF PARA

TE
FUNCIÓN NORMAL.
CUADRO N°18:
IO

FUNCIÓN LOG NORMAL 2 PARÁMETROS.
BL
CUADRO N°19:
BI

FUNCIÓN LOG NORMAL 3 PARÁMETROS.
xv
CUADRO N°20:

FUNCIÓN LOG PERSON TIPO III.
AS
CUADRO N°21:
RI
FUNCIÓN GUMBEL.
UA
EC
CUADRO N°22:

FUNCIÓN LOG GUMBEL.
R OP
AG
DE
CA
TE
IO
BL
BI
xvi
INDICE DE GRÁFICOS
GRÁFICO N°1:
AS
RELACIÓN DE LOS CAUDALES MÁXIMOS MENSUALES VS
CAUDALES MEDIOS MENSUALES.
RI
GRÁFICO N°2:
COMPORTAMIENTO DE LA SERIE HISTÓRICA DE CAUDALES
UA
MÁXIMOS DEL RÍO UTCUBAMABA - ESTACIÓN CAJARURO
(1977-2016).
EC
GRÁFICO N°3:
COMPORTAMIENTO DE CAUDALES HISTÓRICOS PROMEDIOS
(1977-2016).
R OP
MENSUALES DEL RÍO UTCUBAMBA - ESTACIÓN CAJARURO
AG
DE
CA
TE
IO
BL
BI
xvii
ÍNDICE DE MAPAS
MAPA N°1:
UBICACIÓN DE LA ZONA DE ESTUDIO.
AS
MAPA N°2:
MAPA DE INUNDACIÓN PARA UN TIEMPO DE RETORNO DE 10
RI
AÑOS.
UA
MAPA N°3:
EC
AÑOS.
MAPA N°4:
AÑOS.
R OP
MAPA N°5:
AG
MAPA DE INUNDACIÓN PARA TIEMPOS DE RETORNO DE 10,

25 Y 50 AÑOS.
DE
CA
TE
IO
BL
BI
xviii
I. INTRODUCCIÓN
Generalidades
Los ríos forman parte del ciclo hidrológico, que como se sabe constituye un
S
proceso que no tiene principio ni fin. Esto implica que el río sea el encargado
IA
de drenar el agua que precipita en una cuenca a su destino final, el mar.
AR
Sin embargo, este proceso hidrológico trae consigo una serie de fenómenos.
Lo que sucede es que los ríos, al ser parte del medio natural y a diferencia de
CU
lo que puede ocurrir en los canales o en otras obras hidráulicas hechas por el
hombre, se producen una serie de interrelaciones entre los numerosos factores
del medio, los que generan fenómenos naturales.
PE
Un fenómeno natural propio de un río son las inundaciones. Un tipo de
RO
fenómeno inevitable. A la par, algunas inundaciones normales son esperadas
y, por lo general, bienvenidas en muchas partes del mundo, dado que aportan
AG
fertilidad a los suelos, agua y un medio de transporte. Sin embargo, las

inundaciones a una escala inesperada (inundaciones perjudiciales) y con una
frecuencia excesiva dañan las vidas, los medios de sustento y el medio
DE
ambiente.
Así mismo el impacto que trae consigo las inundaciones se incrementa debido
CA
a razones antropomórficas, como la reducción de los coeficientes de infiltración

por cambios de uso del suelo, el calentamiento global y el asentamiento de
poblaciones en las áreas de inundación. Y esto se ve reflejado en la estadística
TE
que nos dice que durante las últimas décadas, el patrón de inundaciones ha ido
cambiando en todos los continentes, convirtiéndose en un fenómeno cada vez
IO
más frecuente, intenso e impredecible para las comunidades cercanas al río.

BL
Entonces queda claro que las inundaciones son sucesos complejos, causadas
por una serie de vulnerabilidades humanas, una planificación de desarrollo
BI
inapropiada y la variabilidad climática. Las inundaciones son predecibles en

gran medida, con la excepción de las inundaciones repentinas, cuya escala y
naturaleza son muchas veces más inciertas.
19
En vista de lo anterior, nos quedamos ante el dilema de responder preguntas

que los ingenieros agrícolas exigen conocer. Dicho profesional deberá estudiar
a fondo los principios científicos de los fenómenos hidrológicos (en este caso
S
las inundaciones fluviales), y así a futuro, desarrollar técnicas y métodos para
IA
tratar de minimizar las consecuencias negativas de estos fenómenos.
AR
Sumémosle a esto la tecnología que actualmente se desarrolla a un ritmo
imparable, la cual se convierte en una herramienta importantísima que incluida
en una metodología nos aporta resultados muy confiables.
CU
La predicción de la magnitud de los caudales de un río a futuro resulta
PE
necesaria para saber a qué nos enfrentaremos más adelante. Es por ello la
necesidad del desarrollo de una metodología que nos acerque a tales valores y
también que nos permita determinar qué zonas pueden sufrir daños debido a
RO
una inundación fluvial, ya que con los resultados que nos arroje, poblaciones
aledañas se verán obligadas a emigrar hacia zonas seguras.
AG
El río Utcubamba es un río que nace cerca de Leimebamba, a 90 kilómetros de

Chachapoyas, en la Provincia de Chachapoyas del departamento de
DE
Amazonas en los Andes, en el norte del Perú. Se une con el río Marañón cerca
de la ciudad de Bagua, exactamente, en el distrito de El Milagro, muy cerca del
centro Poblado Niño Pobre. Es en este río en donde se presenta la presente
CA
investigación, exactamente en la parte final del río Utcubamba, cerca de los

centros poblados de San Pedro y Niño Pobre, en un tramo aproximado de 5
TE
kilómetros. En ese sentido, se determinó las áreas inundables basándonos en

la metodología del software Hec-Ras y apoyados en el software ArcGIS.
IO
BL
BI
20
Realidad Problemática
La morfología de un río es afectada y determinada por numerosos parámetros

y variables, los cuales se hallan relacionados entre sí. Los principales factores
S
que determinan la forma de un cauce son: los caudales líquidos, la pendiente,
IA
la carga de sedimentos, la geología y la resistencia al flujo.
El caudal es siempre variable, según el régimen hidrológico de la cuenca, y
AR
puede ser a una escala de tiempo estacional o bien restringido a un evento
meteorológico. En general, la forma del cauce de un río responde a ciertos
CU
caudales de elevadas recurrencias (Martín, 2003).
El caudal máximo es el caudal punta que se registra durante el aumento
PE
inusual del caudal de agua de un cauce natural o artificial, superando con
creces los valores medios normales (Aguilera, 2015). Los ríos al estar
RO
sometidos a estos caudales máximos generan mayores solicitaciones
modificando el equilibrio del cauce, formando considerables erosiones,
provocando desbordes e inundaciones, etcétera (Piers, 1996).
AG
Una inundación es el desbordamiento de un río por la incapacidad del cauce

para contener el caudal que se presenta. La inundación es, pues, un fenómeno
DE
de tipo hidráulico, prueba de ello es que pueden ocurrir inundaciones sin que
haya crecidas o un eventos hidrometeorológicos extraordinarios. Es por esto
que debemos mirar a los ríos como elementos naturales de los cuáles tenemos
CA
que defendernos (Rocha, 1998).

TE
En apariencia los ríos producen grandes daños eventualmente, pero ello se

debe a que no respetamos sus llanuras de inundación (Martín, 2003). La
IO
actividad humana y los medios de subsistencia llevan a la población a

localizarse en áreas rurales y urbanas que son propensas a inundaciones y el
BL
número de personas vulnerables aumenta a medida que la población crece y

la falta de lugares alternativos de asentamientos ubica a mucha gente en
BI
terrenos aluviales (Rocha, 1998). Muchas de las pérdidas materiales y

humanas que ocasionan los ríos durante las épocas de crecientes se podrían
evitar si respetáramos a esos cauces naturales (Martín, 2003).
21
Tal vez para sorpresa nuestra, la inundación es considerada por algunas

autoridades como el desastre que afecta más gente que cualquier otro. A nivel
S
mundial las inundaciones están aumentando más rápidamente que ningún otro
IA
desastre. De acuerdo con la Cruz Roja Internacional, durante el periodo 1919-
2004, han colaborado con ayuda en más eventos de inundaciones que de
AR
cualquier otro tipo, en gran medida porque el acelerado desarrollo de las
comunidades modifica los ecosistemas locales, incrementando el riesgo de
CU
inundación al que están expuestas muchas poblaciones (CENAPREDES,
2004). Las inundaciones pueden incluso afectar lugares que en otras épocas
eran propensas a la sequía. Sin embargo, en muchas partes del mundo, las
PE
inundaciones son también un componente esencial de los sistemas sociales y
ecológicos, que dan la base para la regeneración de plantas y vida acuática y
RO
de medios de vida derivados de ellas (Piers, 1998).
AG
En el Perú, en el periodo 2003 – 2015, se han registrado 1735 inundaciones y

613 huaicos, siendo los departamentos más afectados Cusco, Huánuco,
Huancavelica, Junín, Apurímac, Arequipa, Ayacucho, Cajamarca, Amazonas y
DE
Lima. La presencia de estos eventos en este periodo han ocasionado 80

personas fallecidas, 756,724 personas damnificadas-afectadas, 85,692
viviendas destruidas-afectadas, 371 instituciones educativas destruidas-
CA
afectadas y 137 centros de salud destruidos-afectados. Además, la Autoridad

Nacional del Agua a partir del año 2011 al presente año ha identificados más
de 1000 puntos críticos ante inundaciones en los principales ríos de Perú (ANA,
TE
2015).
IO
En la región Amazonas, el aumento del nivel de las aguas por encima del nivel
BL
máximo normal, se ha convertido en un fenómeno muy común en el curso

inferior de los ríos de esta región. El origen está en la cabecera de las cuencas
BI
cuya red de drenaje vierte a estos colectores. El aumento de los procesos

erosivos en el curso superior, da origen al aumento de la carga de materiales
en el caudal de las aguas de la red de drenaje que al llegar al curso inferior
22
producen la inundación de las terrazas estacionales en donde comúnmente se

realizan actividades agrícolas o terrazas excepcionales en donde se desarrolla
poblaciones con diferentes niveles de desarrollo urbano. Los ríos que más se
caracterizan por presentar este fenómeno son el Marañón, Utcubamba, El
S
Chiriaco, El Nieva ubicados al norte de la región Amazonas y por el sur se
IA
ubican los ríos San Antonio y Huambo (MINSA, 2011). En 1997, a
AR
consecuencia de la caída de lluvias intensas, ocurrió los desbordamientos de
los ríos Nieva, Utcubamba y Marañón, afectando a varios caseríos aledaños al
río, dejando como saldo centenares de personas damnificadas, viviendas
CU
afectadas y hectáreas de cultivos perdido. (INDECI, 1997).
PE
El río Utcubamba nace cerca en la provincia de Chachapoyas, pasando por la
provincia de Luya, Bagua y, finalmente, en la provincia de Utcubamba. En su
RO
recorrido se ha registrado inundaciones en distintas provincias.
AG
En el año 2008 en el kilómetro 31 de la carretera Belaunde Terry, entre las

localidades de Pedro Ruiz y Chachapoyas, se produjo el desborde del río
Utcubamba, cubriendo en su totalidad dicha vía de comunicación y dejando
DE
varados a los buses de las empresas de transportes que llevaban pasajeros.

Con fecha 17 de febrero de 1997, a consecuencia de la caída de lluvias
CA
intensas se incrementó el caudal del río Utcubamba produciéndose una

inundación, afectando los caseríos Huarangopampa, Las Juntas y La Papaya,
dejando 17 personas damnificadas, 630 personas afectadas, 02 viviendas
TE
destruidas, 105 viviendas inundadas y 50 hectáreas de cultivo perdido (INDECI,

1997).
IO
Por los sucesos citados, se puede observar el ostensible aumento de las

BL
inundaciones en esta región, con un trasfondo de origen en las actividades

humanas, esto genera una preocupación, pues perjudican el desarrollo normal
BI
de las actividades productivas, transporte, y demás servicios. El costo social de

las inundaciones implica también vidas humanas; saldo penoso que enluta a
numerosas familias amazonenses (MINSA, 2011).
23
El sector de San Pedro y Niño Pobre con 527 y 213 habitantes

respectivamente, muestran como actividad principal a la agricultura con un 87%
con respecto del total de actividades. Esta agricultura se desarrolla en zonas
S
inadecuadas teniendo en cuenta la realidad de que el hombre maneja las
IA
llanuras de inundación a su antojo, ya que no se les ha generado una
AR
capacitación ni concientización de un manejo relativamente adecuado de las
prácticas agrícolas que se llevan a cabo. Además, el material con el que están
construidas sus viviendas es el adobe, representando a las viviendas
CU
construidas con este material por un 88% del total de materiales de
construcción de las viviendas, muy vulnerables a derrumbe por socavación de
PE
una inundación. Estos sectores cuentan con dos centros educativos de nivel
inicial, dos de nivel primario y uno de nivel secundario, además de una posta
RO
de salud, los cuales pueden ser perjudicados afectando la educación y el
servicio de salud en las localidades.
AG
La vulnerabilidad ante inundaciones dadas las condiciones en que los

pobladores de estos sectores viven y desarrollan su agricultura, genera que en
la actualidad exista un claro reconocimiento de la necesidad de desarrollar más
DE
ampliamente las capacidades técnicas en la determinación de las áreas más

propensas a sufrir algún tipo de fenómeno hidrológico (inundaciones, sequías,
CA
etc.), desarrollando sistemas de predicción y advertencia, mediante la

recopilación y análisis de la información hidrometeorológicas existente (Mejía,
2012).
TE
Los modelos matemáticos permiten entender algunos fenómenos hidrológicos

e hidráulicos, tales como el comportamiento del caudal de un río. Estos
IO
representan el sistema en forma matemática, mediante una serie de funciones

BL
que relacionan las variables de salida con las variables de entrada. La mayoría
de procesos hidrológicos son aleatorios y su magnitud varía con el tiempo y
BI
con el espacio, por lo que el desarrollo de un modelo con esas características

es una tarea muy difícil y requiere de una simplificación, despreciando algunas
fuentes de variación (Villón, 2011). Los modelos matemáticos o digitales
representan la naturaleza del sistema a través de ecuaciones diferenciales y el
24
procesamiento de un volumen relativamente grande de informaciones

numéricas resultantes, sin embargo, para que el modelo sea válido se requiere
que la información sea confiable y completa y que el modelo utilizado
represente realmente el comportamiento de esa corriente en las circunstancias
S
en que ocurre la inundación, en el sitio donde se realiza el análisis (Villón,
IA
2011).
AR
El modelo hidráulico HEC-RAS representa una herramienta de considerable
CU
valor, que mediantes procesos iterativos aplicados a fórmulas tradicionales de
la hidráulica permite la predicción de áreas de inundación y mitigación del
mismo en un río o sistemas de ríos, para diferentes períodos de retorno; la
PE
determinación de las variables hidráulicas para el diseño de estructuras
hidráulicas en los ríos; la delimitación de fajas marginales de los ríos y la
RO
determinación de la altura óptima en el diseño de una carretera, que puede ser
afectada por el caudal de un río (Díaz, 2010).
AG
Se debe tener en cuenta que, los caudales son fenómenos originados por el
carácter aleatorio de las descargas de los ríos. La ocurrencia de caudales
DE
máximos de los ríos se describe en términos probabilísticas. Es decir, que cada

caudal máximo va asociada una probabilidad de ocurrencia (Pacheco, 2007),
por lo que, para la simulación hidráulica, aplicando el modelo HEC-RAS, es
CA
necesario el apoyo de una ciencia como la estadística, que nos permitirá

calcular un caudal máximo para diferente tiempo de retorno, a través de
TE
métodos probabilísticos y pruebas de ajustes. Esto será posible a partir de una

data histórica de caudales máximos mensuales de varios años proporcionada
por una estación hidrométrica.
IO
BL
Antes de la aparición de las computadoras personales, los estudiantes y los

profesionales que aplicaban la estadística se ayudaban de tablas estadísticas,
BI
cuyo manejo no es de interpretación fácil, estos inconvenientes surgen porque

los usuarios de estas tablas no visualizaban objetivamente los procedimientos
de la generación de dichas tablas. En la actualidad, con la ayuda de las
25
computadoras personales y con los conocimientos de la disciplina de métodos

numéricos, es posible generar las tablas estadísticas, con lo cual la
interpretación y aplicación de la estadística y probabilidades se hace sencillo.
Es así que el software estadístico Hidroesta representa una herramienta de
S
mucha ayuda en los procesamientos de información hidrológica para el cálculo
IA
de caudales máximos para diferentes tiempos de retorno.
AR
El modelo hidráulico HEC-RAS al trabajar con los Sistemas de Información
CU
Geográfica (GIS), específicamente son el software ArcGIS, nos permite obtener
resultados de niveles de inundación por láminas de agua ocasionadas por los
diversos caudales simulados y a su vez representa dichos parámetros geo
PE
referenciados, es decir, en sus coordenadas originales, lo que nos permite
saber exactamente donde se ubican las áreas afectadas y nos permite tener
RO
una visión integral de la realidad (Solano, 2013).
AG
El presente estudio permitirá conocer las áreas de inundación que pueden

llegar a afectar hectáreas agrícolas, infraestructura de salud y educación, y lo
más importante, la población; de tal manera que se puedan realizar planes de
DE
prevención, capacitación, protección y mitigación contra inundaciones, con el

fin de garantizar el uso sostenido de los recursos naturales que permitan
mejorar las condiciones de vida del sector rural.
CA
Problema
¿Cuáles serán las áreas de inundación en los sectores San Pedro y Niño
TE
Pobre, de la región Amazonas, para los diferentes periodos de retorno de 10,

25 y 50 años, según parámetros del río Utcubamba, aplicando el modelo HEC-
IO
RAS 4.1 y software ArcGIS?

BL
Justificación
BI
El desarrollo de este proyecto es importante porque permitirá beneficiar a 148

familias de los centros poblados San Pedro y Niño Pobre del distrito de El
Milagro, provincia de Utcubamba, región Amazonas.
26
A continuación, se detallan los beneficios por sector social del presente estudio
al tener el conocimiento final.
Salud
S
Se tomaría medidas para evitar que el agua de la inundación quede
IA
atrapada en hondonadas del terreno, ya que, de no ser así, contribuirá a la
aparición de seres microbiológicos los que desencadenaran epidemias de
AR
varias enfermedades, tales como diarrea, malaria, dengue o meningitis;
perjudicando notablemente la salud de la población aledaña.
CU
Vivienda
Permitirá tomar acciones de reubicación de la población cuyas viviendas
PE
sean vulnerables a inundación, pues significaría un gran peligro para estos
habitantes, ya que el precario material con los que son construidos (quincha,
RO
adobe, etc.) serán fácilmente socavados por el agua del desbordamiento del
río Utcubamba causando el derrumbe de las viviendas.
AG
Educación
Del mismo modo, se podrían elaborar medidas de reforzamiento y mitigación

DE
contra inundaciones con la finalidad de preservar la infraestructura de los

centros educativos, ya que de ser afectados se vería interrumpido el
CA
desarrollo del programa escolar, causando retraso en el aprendizaje de los

escolares.
TE
Agricultura
IO
La determinación de áreas vulnerables a inundación permitirá a las

autoridades la construcción de defensas ribereñas, obras de des
BL
colmatación, etc., además de realizar campañas de concientización a los

agricultores sobre la necesidad de emigrar hacia zonas más seguras con el
BI
fin de que sus cultivos instalados no se vean afectados por la inundación. De

esta manera se estaría minimizando daños en la agricultura, la principal
actividad económica de estos sectores.
27
Por lo mencionado anteriormente, resulta de mucha urgencia el desarrollo de

este proyecto, ya que, a partir de los conocimientos entregados, luego de
finalizado el estudio, se podrán tomar medidas de prevención, capacitación,
S
corrección y mitigación contra inundaciones, en los diversos sectores
IA
sociales.
AR
Objetivo general
CU
Determinar áreas inundables en los sectores San Pedro y Niño Pobre, según
caudales máximos estimados del río Utcubamba para tres periodos de retorno,
aplicando el modelo HEC-RAS y software ArcGIS.
PE
Objetivos específicos RO
 Determinar la geometría del tramo del río en estudio mediante extensión
HEC-geoRAS, a partir del modelo de elevación digital del terreno, según
AG
data de levantamiento topográfico de los tramos involucrados.

 Estimar los caudales máximos del río Utcubamba para periodos de retorno
de 10, 25 y 50 años, mediante modelos probabilísticos, aplicando software
DE
hidrológico Hidroesta.
 Determinar los coeficientes de rugosidad del lecho del río Utcubamba del
CA
tramo involucrado en el estudio.

 Simular hidráulicamente el tramo de río Utcubamba en estudio, aplicando
modelo hidráulico HEC-RAS.
TE
 Elaborar mapas de áreas inundables de los sectores San Pedro y Niño

Pobre, del distrito El Milagro, provincia de Utcubamba, región Amazonas,
IO
mediante software ArcGIS.

BL
BI
28
II. REVISIONES BIBLIOGRÁFICAS

1. Antecedentes
A nivel internacional, una de las investigaciones más resaltantes, para
S
América Latina, en lo que concierne a la determinación de áreas inundables,
IA
es la elaborada por Segura (2010) para el Instituto Tecnológico de Costa
AR
Rica que lleva por título “Modelación hidráulica aplicando HEC-geoRAS como
una herramienta en la gestión del riesgo de inundaciones en el río Estrella
Limón, Costa Rica”. Segura (2010) resalta la importancia de la extensión
CU
HEC-geoRAS en conjunto con el software ArcGIS ya que estos dos
elementos permiten de manera rápida y segura extraer las secciones
PE
trasversales del río, cuya representación digital constituye un TIN elaborado
en ArcGis. En cuanto al caudal máximo estimado realiza una simulación
RO
hidrológica a partir de datos pluviométricos. Como resultado para un tramo de
15 kilómetros obtiene, para el caudal calculado, una afectación de 1300
hectáreas bajo cultivo de banano, lo cual contrasta con la situación posterior
AG
a las obras de protección en donde, mediante una nueva simulación,

visualiza que con las obras de protección sugeridas, se disminuye el área
afectada a valores cercanos a 300 hectáreas. Finalmente, concluye en que
DE
los softwares utilizados son muy eficientes y permiten tener un bosquejo de la

cantidad de las zonas afectadas por inundación teniendo un mejor panorama
para el diseño de obras de protección.
CA
A nivel nacional, el trabajo titulado “Aplicación del modelo HEC-RAS 4.1 para
TE
determinar parámetros hidráulicos en el río Moche, margen derecha del

sector Espino-Limón” propuesto por León (2010) para la Universidad
IO
Nacional de Trujillo, tiene como objetivo determinar los parámetros

hidráulicos en 1.5 kilómetros de tramo del río Moche, río que atraviesa la
BL
ciudad de Trujillo en su parte final de su recorrido y que desemboca sus agua

en el océano pacífico. En este trabajo se utiliza al AutoCAD Land 2007 como
BI
software generador del terreno digital del río Moche, a partir de este se
obtienen las secciones transversales. Para el cálculo de caudal máximo
aplica la función de probabilidad de Gumbel y Log-Pearson tipo III eligiendo
29
a la función Log-Pearson tipo III como la función que se ajusta mejor a la

serie de caudales históricos, esto luego de evaluar sus ajustes con el test de
Kolgomorov-Smirnoff. Finalmente, obtiene para un tiempo de retorno de 50
años un caudal de 515.23 m3/s que afectará un total de 4.93 hectáreas en la
S
margen derecha del sector Espino Limón con sus respectivos parámetros
IA
hidráulicos que muestran un río con pendiente fuerte y de régimen crítico.
AR
Cárdenas (2012) realizó el siguiente trabajo “Aplicación de sistemas de
información geográfica para el modelamiento de zonas con riesgo de
CU
inundación. Caso Estudio Río Lurín. Lima, Perú.” Aunque el software HEC-
RAS no aparece en el título es el principal protagonista en esta investigación,
sin embargo, el autor hace prevalecer la importancia de los SIG en el software
PE
ArcGIS al momento de georreferenciar las zonas de riesgo y hace énfasis en
la gran funcionalidad que tiene con HEC-RAS, posteriormente los resultados
RO
son publicados de manera online en los sistemas de información geográfica.
El trabajo de Veneros y Ponce (2011) titulado “Aplicación de tres modelos

AG
precipitación-escorrentía para estimar el caudal máximo de diseño en la

cuenca de la quebrada Carrizal. Distrito de Llama, Provincia de Chota,
Departamento de Cajamarca”, para la Universidad Nacional Trujillo,
DE
proporciona un panorama claro en cuanto a las funciones de distribución de

probabilidad para el cálculo de evento máximos, funciones como Normal, Log-
CA
Normal de dos parámetros, Gumbel, Gamma y Log-Gamma son explicadas

correctamente y, posteriormente, aplicadas con el fin de ver quien se ajusta
mejor a la serie, así pues, muestran al test de Kolmogorov-Smirnoff como
TE
herramienta para la selección del mejor ajuste. Para el caso de este trabajo la
función que resultó con el mejor ajuste fue la función Gumbel.
IO
BL
BI
30
2. Bases teóricas del estudio

2.1. Concepto de ingeniería fluvial
La ingeniería fluvial trata de las intervenciones humanas en los ríos para su
adecuación al aprovechamiento de los recursos o a la reducción de riesgos
S
de daño (Martín, JP. 2003).
IA
AR
El antecedente o punto de referencia más directo en los estudios de
ingeniería para entender un río, es la hidráulica del régimen en lámina libre
y las obras hidráulicas para transporte en lámina libre: los canales (Martín,
CU
JP. 2003). Sin embargo en el estudio de la hidráulica fluvial, además de los
conceptos de canales se suma el estudio de la hidrología, geomorfología,
PE
transporte de sedimentos entre otros.
RO
2.2. Flujo y parámetros hidráulicos de los canales abiertos.
En los canales abiertos, la presión del flujo es la presión atmosférica ya que

la superficie libre del líquido está en contacto con la atmósfera. Así mismo el
AG
agua circula debido a la acción de la gravedad (Villón, M. 2008). Los

canales cuentan con propiedades hidráulicas tales como geometría de la
sección (área hidráulica, espejo de agua, perímetro mojado, pendiente,
DE
etc.), velocidad, rugosidad, tirante.

CA
TE
Fig. 1. Elementos geométricos de la sección transversal de un canal.

IO
BL
La rugosidad: Se representa por el tamaño y la forma de los granos del

material que forma el perímetro mojado y que producen un efecto retardante
BI
sobre el flujo.
El tirante: se refiere a la profundidad del flujo (h); es la distancia vertical del

punto más bajo de la sección del canal a la superficie libre.
31
La velocidad: debido a la presencia de la superficie libre y a la fricción a lo

largo de las paredes del canal, las velocidades no están uniformemente
distribuidas en su sección. La resistencia ofrecida por las paredes y por el
S
fondo del canal, reduce la velocidad. En la superficie libre, la resistencia
IA
ofrecida por la atmósfera y por el viento (aunque este último tiene muy poco
AR
efecto) también influye sobre la velocidad. (Chow et al., 1959).
Para el cálculo de la velocidad en los canales se utiliza generalmente la
CU
fórmula de Manning, que se expresa como:
𝟐 𝟏
𝟏
𝐕 = 𝐑𝟑 𝐒 𝟐 (1)
PE
𝐧
Donde: RO
V= velocidad (m/s)
n= coeficiente de rugosidad, adimensional
R= radio hidráulico.
AG
S= la pendiente de canal (adimensional)
El coeficiente de rugosidad “n”, es una constante muy importante y difícil de

DE
determinar ya que depende de la rugosidad de la superficie, la vegetación,

la irregularidad del canal, el alineamiento del canal, de los depósitos y
socavaciones, de las obstrucciones, tamaño y forma del canal y nivel y
CA
caudal. Debido a esta dificultad se han creado tablas con valores para las
diferentes superficies por donde circula el agua.
TE
Cabe destacar que si los canales son naturales las propiedades hidráulicas
IO
son esencialmente irregulares.

BL
El flujo en un canal abierto se clasifica según la variable de referencia,

tiempo, espacio y las de gravedad sobre el fluido. Otra manera de
BI
clasificarlos es utilizando el número de direcciones coordenadas del flujo
32
2.2.1 Clasificación del flujo en canales abiertos al tiempo y el espacio
La siguiente clasificación se hace de acuerdo con el cambio en la

profundidad del flujo con respecto al tiempo y al espacio. Al cambiar la
S
profundidad consecuente mente varían el resto de parámetros hidráulicos
(tirante, perímetro mojado, radio hidráulico; etc.).
IA
AR
Flujo permanente y no permanente: se considera el tiempo como criterio.
Se dice que el flujo en un canal abierto es permanente si la profundidad
CU
del flujo no cambia o puede suponerse constante durante el intervalo de
tiempo en consideración. Flujo uniforme y flujo variado: se considera el
espacio como criterio. Se dice que el flujo en canales abiertos es uniforme
PE
si la profundidad del flujo es la misma en cada sección del canal. El flujo
es variado si la profundidad de flujo cambia a lo largo del canal.
RO
AG
DE
CA
TE
IO
BL
Fig. 2. Clasificación del flujo en canales abiertos según el tiempo y el espacio.

BI
2.2.2. Clasificación del flujo en canales abiertos respecto a la fuerza de
gravedad.
33
En función a la acción que la fuerza de la gravedad ejerce sobre el flujo,
este se clasifica de acuerdo al número de Froude (Villón, M. 2008). Para
calcular el número de Froude y determinar el estado en que se
S
encuentra el flujo se usa la siguiente relación:
IA
𝒗
F= (2)
AR
√𝒈𝑫𝑯
En ella se relaciona la velocidad v, gravedad g y la profundidad
CU
hidráulica media DH; esta última está definida como el cociente entre el
área mojada y el ancho del espejo de agua en el canal.
PE
Flujo critico RO
Este tipo de flujo presenta una combinación de fuerzas inerciales y
gravitacionales que lo hacen inestable, convirtiéndolo en cierta manera
AG
en un estado intermedio y cambiante entre los otros dos tipos de flujo.

Debido a esto es bastante inaceptable y poco recomendable, usarlo en
el diseño de estructuras hidráulicas. Para éste tipo de flujo el número de
DE
Froude es igual a 1 y en esta condición no se generan resaltos

hidráulicos (Villón, M. 2008).
CA
Flujo supercrítico
En este tipo de flujo las fuerzas inerciales presentan una influencia
TE
mucho mayor que las fuerzas gravitacionales. Además de esto, el flujo

se presenta a velocidades y pendientes altas, y a profundidades más
IO
pequeñas. Cuando existe un flujo de este tipo en un canal un aumento

en la cantidad de energía provoca una disminución de la profundidad de
BL
la lámina de agua. El número de Froude, en este caso, es mayor a 1.

Este estado de flujo propicia la formación de resaltos hidráulicos,
BI
siempre y cuando pase a un flujo sub crítico; estos aumentan su

capacidad de disipación de energía en ciertos intervalos, alcanzando la
mayor capacidad para flujos con Froude mayores a 9 (Villón, M. 2008).
34
Flujo sub critico

Para este régimen de flujo las fuerzas inerciales son sobrepasadas en
importancia por las gravitacionales; en el flujo se tienen velocidades y
pendientes bajas, pero las profundidades de la lámina del agua, por el
S
contrario, son mayores que las que se presentan en el flujo supercrítico.
IA
Para este tipo de flujo un aumento en la 13 energía se traduce en un
AR
aumento en la profundidad de la lámina de agua. El número de Froude
en este estado es menor a 1 (Villón, M. 2008).
CU
2.3 Nociones de morfología fluvial
La morfología de ríos estudia la estructura y forma de los ríos, la
PE
configuración del cauce en planta, la geometría de las secciones
transversales, la forma del fondo y las características del perfil. La diversidad
de los ríos es tan variada como las variaciones de clima, relieve, geología,
RO
hidrología, etc. (Gracia et al, 2008).
AG
2.3.1 Morfología fluvial
La morfología fluvial (Fluviomorfología) es el estudio de las formas que

DE
tienen los ríos. Cuando se habla de la forma de los ríos, es decir de su

apariencia, debe entenderse que esto equivale a describirlos tal como se
ven desde el aire (Martí, JP. 2002). Según el autor, a continuación se
CA
explican brevemente algunas de las características de los ríos según su

morfología.
TE
2.3.1.1 Perfil longitudinal del cauce:

IO
Describe la forma en el que éste varía su cota a lo largo de su

BL
longitud y recorrido; de tal modo que el perfil longitudinal reflejará la

pendiente de cada tramo, determinada por las condiciones impuestas
BI
por el tramo aguas arriba.
2.3.1.2 Trazado del sistema fluvial:
35
Se refiere a la forma de la trayectoria que desarrolla el río en su

recorrido.
2.3.1.3 Geometría hidráulica:
S
Se refiere a la sección transversal del cauce y su estudio se basa en
IA
las relaciones existentes entre el caudal y la anchura del cauce, la
AR
profundidad, la velocidad del agua y la carga de sedimentos entre
otros.
CU
2.3.1.4 Río en equilibrio:
Una característica fundamental de los sistemas abiertos, es su
PE
capacidad para autor regularse, adaptándose a factores externos de
forma que mantengan el estado de equilibrio alcanzando cierta
estabilidad. En los cauces naturales este equilibrio está referido a la
RO
regulación de la morfología y dinámica ante las variables de control o
independientes como son el régimen de caudales y sedimentos. En
AG
un cauce estable o en equilibrio, la forma y trazado se mantienen en

el tiempo.
DE
2.3.1.5 Caudal dominante:

Es el caudal que determina ciertos parámetros del cauce como la
longitud de curvatura de meandros o el caudal que efectúa mayor
CA
trabajo en términos de transporte de sedimentos.

TE
2.4. Análisis de frecuencias hidrológicas y software Hidroesta
2.3.1. Introducción
IO
En el estudio de la hidrología es posible observar cómo en repetidas

ocasiones los sistemas hidrológicos se ven directamente afectados por
BL
eventos extremos, tales como aumento de caudales en ríos, presencia

de tormentas severas y sequías, entre otras. La magnitud de un evento
BI
extremo está inversamente relacionado con su frecuencia de ocurrencia,

es decir, que los eventos moderados ocurren con mayor frecuencia,
mientras que los eventos extremos se presentan en pocas
36
oportunidades. Para analizar la probabilidad de ocurrencia de estos

eventos se utilizan algunas distribuciones de probabilidad. Éstas son
funciones matemáticas que relacionan la magnitud de un evento con su
probabilidad de ocurrencia.
S
IA
2.3.2. Análisis de consistencia de información
AR
La no-homogeneidad e inconsistencia en series hidrológicas representa
uno de los aspectos más importantes en los estudios hidrológicos
CU
contemporáneos, ya que, cuando no se identifica, elimina ni se ajustan a
las condiciones futuras la inconsistencia y no-homogeneidad en la
muestra histórica se puede introducir un error significativo en todos los
PE
análisis futuros que se realicen, obteniéndose resultados altamente
sesgados. RO
Inconsistencia es sinónimo de error sistemático y se presenta como
saltos y tendencias y, la no homogeneidad es definida como los cambios
AG
de los datos vírgenes con el tiempo. Por ejemplo, la no homogeneidad

en los datos de precipitación son creados por tres fuentes principales: (1)
el movimiento de las estaciones en una distancia horizontal, (2) el
DE
movimiento vertical, (3) cambios en el ambiente de una estación de

control como tala árboles, construcción de casas, inundaciones, entre
otros.
CA
TE
IO
BL
BI
37
Fig. 3. Tipos de errores en series históricas
S
IA
 Los errores aleatorios, se presentan debido a la inexactitud en las
mediciones y observaciones, son difíciles de evaluar después de
AR
transcurrido un tiempo y se originan por error de lectura de datos,
equipos defectuosos, mal empleo de los equipos, trascripciones
CU
erróneas, entre otros.
 Los errores sistemáticos son los de mayor importancia y como
consecuencia de los mismos los datos pueden ser incrementados o
PE
reducidos sistemáticamente, con lo que los resultados finales se
desvían pudiéndose producir grandes errores en los estudios que se
RO
realicen a partir de dichos datos (regularizaciones).
AG
2.3.3. Periodo de retorno y probabilidad
La probabilidad puede ser expresada en forma de frecuencia a través del

periodo de retorno o recurrencia. El periodo de retorno T de un evento con
DE
una magnitud dada se define como el intervalo de recurrencia promedio

entre eventos que igualan o exceden una magnitud especificada (Chow,
et. al., 1994).
CA
Por ejemplo, si en un determinado lugar existe una serie de valores

observados de 30 años, el mayor caudal medido en los 30 años tiene la
TE
probabilidad de ser igualadas o superadas cada 30 años

aproximadamente, según las leyes clásicas de la probabilidad. El periodo
de retorno T o periodo de ocurrencia de una inundación (o tiempo de
IO
recurrencia) se define, entonces, como el tiempo medio, en años, en que

BL
esa inundación es igualada o superada por lo menos una vez (Mejía,

2012).
BI
El análisis de frecuencias busca asignar a cada caudal una probabilidad

“P” de ser igualado o excedido en un año cualquiera. El periodo de
retorno “T”, se usa comúnmente en lugar de la probabilidad “p”, para
38
definir crecientes de diseño. El periodo de retorno y la probabilidad son

recíprocas (Ray, 1989), es decir:
1 1
𝑃= O𝑇= (3)
𝑇 𝑃
S
IA
2.3.4. Funciones de distribución de Probabilidades
AR
2.3.4.1. Generalidades
Los métodos estadísticos se apoyan en la existencia de series de datos
CU
de caudales en el lugar de interés, las cuales son sometidas a un análisis
de frecuencias usando técnicas tradicionales de estudio (se basan por lo
tanto en la observación de eventos pasados) (Mejía, 2012).
PE
2.3.4.2. Series Parciales y Anuales
RO
La información hidrológica disponible, en principio en una estación
hidrométrica, es una secuencia cronológica de caudales medios diarios.
AG
De estos caudales podrían ser escogidos los máximos anuales (una para
cada año hidrológico), generando una serie anual. Esto obliga a descartar
otros picos elevados que pueden haber ocurrido en el mismo año y
DE
permite escoger otros valores en otros años donde nada importante

sucedió, desde el punto de vista de inundación. Esa limitación es
superada elaborando una lista de todos los eventos ocurridos, en orden
CA
decreciente y seleccionado los mayores a un determinado límite que

puede ser el menor de las descargas de las máximas anuales,
TE
obteniéndose de cierta manera una serie parcial. La dificultad generada

con esta última opción es que a los eventos así escogidos puede ser o no
IO
independientes; dos eventos muy próximos pueden, en realidad, ser un

único evento. Para evitar ese inconveniente, deben ser escogidos eventos
BL
separados por un razonable periodo de tiempo (Mejía, 2012).

BI
2.3.4.3. Análisis de frecuencia
El análisis de frecuencia es una herramienta utilizada para predecir el

comportamiento futuro de los caudales en un sitio de interés, a partir de la
39
información histórica de caudales. Es un método basado en

procedimientos estadísticos, que permite calcular la magnitud del caudal
asociado a un periodo de retorno. Su confiabilidad depende de la longitud
y calidad de la serie histórica, además de la incertidumbre propia de la
S
distribución de probabilidades seleccionada. Cuando se pretende realizar
IA
extrapolaciones a periodos de retorno mayores que la longitud de la serie
AR
disponible, el error relativo asociado a la distribución de probabilidades
utilizada es más importante, mientras que en interpolaciones, la
incertidumbre está asociada principalmente a la calidad de los datos a
CU
modelar; en ambos casos la incertidumbre es alta dependiendo de la
cantidad de datos disponibles (Ashkar, et al. 1993).
PE
El análisis de frecuencia consiste en determinar los parámetros de las
distribuciones de probabilidad y determinar con el factor de frecuencia la
RO
magnitud del evento para un periodo de retorno dado. Para determinar la
magnitud de eventos extremos, cuando la distribución de probabilidades
AG
no es una función fácilmente invertible, se requiere conocer la variación

de la variable respecto a la media (Aguilera, 2007).
DE
La técnica en todos los casos consiste en arreglar la serie en orden

decreciente y atribuir a cada valor el número de orden m (m varía desde 1
hasta n, siendo n el tamaño de la muestra, esto es, el número de años en
CA
el caso de series naturales). Existen varias propuestas de fórmulas para

calcular la frecuencia en la literatura especializada (Viessman et al.,
TE
1972).
IO
BL
BI
40
Tabla. 1. Fórmulas para calcular la frecuencia
NOMBRE AÑO PROBABILIDAD DE EXCEDENCIA (P)
Hazen 1930 2m-1/2n
S
IA
Weibull 1939 m/(n+1)
Chegodayev 1955 (m-3)/(n+4)
AR
Blom 1958 (m-3/8)/(n+1/4)
CU
Tukey 1962 (3m-1)/(3n+1)
Gringorten 1963 (m-0.44)/(n+0.12)
PE
RO
a) Distribución Normal
Se dice que una variable aleatoria x, tiene una distribución normal, si su

AG
función densidad, es:

DE
̅
1 𝑥−𝑋
1 1 𝑥−𝑋̅ 2 1 − ( )
𝑓(𝑥) = 𝐸𝑋𝑃 [− 2 ( ) ] ó 𝑓(𝑥) = 𝑒 2 𝑆 (4)
√2Π𝑆 𝑆 √2Π𝑆
Para −∞ < 𝑥 < ∞

CA
Donde:
TE
𝑓(𝑥) = Función densidad normal de la variable x.

𝑥 = Variable independiente.
𝑋̅ = Parámetro de localización, igual a la media aritmética de x.
IO
𝑆 = Parámetro de escala, igual a la desviación estándar de x.

BL
𝐸𝑋𝑃 = Función exponencial base e, de los logaritmos neperianos.

BI
41
b) Distribución Log-Normal de 2 parámetros
Cuando los logaritmos ln(x) de una variable x están normalmente

distribuidos, entonces se dice que la distribución de probabilidad log-
S
normal, en que la función de probabilidad log-normal f(x) viene
IA
representado como:
AR
2
1 1 𝑙𝑛𝑥−𝜇𝑦
𝑓(𝑥) = 𝑥𝜎 𝐸𝑋𝑃 {− 2 [ ] } (5)
𝑦 √2Π 𝜎𝑦
CU
Para 0 < 𝑥 < ∞, se tiene que x~logN (𝜇𝑦 , 𝜎𝑦 2)
PE
Donde,
𝜇𝑦 𝜎𝑦 = Son la media y desviación estándar de los logaritmos naturales de

RO
x, es decir de ln(x), y representan respectivamente, el parámetro de
escala y el parámetro de forma de distribución.
AG
c) Distribución Log-Normal de 3 parámetros
Muchos casos el logaritmo de una variable aleatoria x, del todo no son

normalmente distribuido, pero restando un parámetro de límite inferior 𝑥0 ,
DE
antes de tomar logaritmos, se puede conseguir que sea normalmente

distribuida.
CA
La función de densidad, de la distribución log-normal de 3 parámetros, es:
2
TE
1 1 𝑙𝑛(𝑥−𝑥0 )−𝜇𝑦
𝑓(𝑥) = (𝑥−𝑥 𝐸𝑋𝑃 {− 2 [ ] } (6)
0 )𝜎𝑦 √2Π 𝜎𝑦
IO
Para 𝑥0 ≤ 𝑥 < ∞
Donde:
BL
𝑥0 = Parámetro de posición en el dominio x.

𝜇𝑦 = Parámetro de escala en el dominio x.
BI
𝜎𝑦 2 = Parámetro de forma en el dominio x.
42
d) Distribución Log-Pearson tipo III
Introduce un tercer parámetro el límite inferior Є, de tal manera que por el

método de los momentos, los tres elementos de la muestra (la media, la
S
desviación estándar y el coeficiente de asimetría) puedan transformarse
en los tres parámetros λ, ß y Є de la distribución de probabilidad.
IA
AR
Se dice que una variable aleatoria X, tienen una distribución Pearson Tipo
III, si su función densidad de probabilidad es:
CU
(𝑥−𝑥0 )
−
(𝑥−𝑥0 )−1 𝑒 𝛽
𝑓(𝑥) = (7)
𝛽 𝛾 Γ(𝛾)
PE
Para:
𝑥0 ≤ 𝑥 < ∞
RO
−∞ ≤ 𝑥0 < ∞
AG
0<𝛽<∞
0<𝛾<∞
DE
e) Distribución Gumbel
La distribución Gumbel es una de las distribuciones de valor extremo, es

CA
llamada también Valor Extremo Tipo I, Fisher-Tipett tipo I o distribución

doble exponencial.
TE
La función de distribución acumulada de la distribución Gumbel, tiene la

forma:
IO
𝑥−𝜇
𝑥−𝜇
𝐹(𝑥) = 𝐸𝑋𝑃 (−𝐸𝑋𝑃 (− )) ó 𝐹(𝑥) = 𝑒 −𝑒 − 𝛼 (8)
𝛼
BL
Para:
−∞ < 𝑥 < ∞
BI
Donde:
0 < 𝛼 < ∞ es el parámetro de escala.
43
−∞ < 𝜇 < ∞ es el parámetro de posición.
Derivando la función de distribución acumulada con respecto a x, se

obtiene la función densidad de probabilidad; es decir:
S
𝑑𝐹(𝑥)
𝑓(𝑥) =
IA
𝑑𝑥
𝑥−𝜇
AR
𝑥−𝜇 −
1 𝑥−𝜇 𝑥−𝜇 1 − −𝑒 𝛼
𝑓(𝑥) = 𝛼 𝐸𝑋𝑃 (− − 𝐸𝑋𝑃 (− )) ó 𝑓(𝑥) = 𝛼 𝑒 𝛼 (9)
𝛼 𝛼
Para:
CU
−∞ < 𝑥 < ∞
PE
f) Distribución Log-Gumbel
La función de distribución acumulada de la distribución Gumbel tiene la

RO
forma según (8). Si en dicha ecuación, la variable x se reemplaza por lnx,
se obtiene la función acumulada de la distribución log-Gumbel, o
distribución de Fréchet.
AG
𝑙𝑛𝑥−𝜇
𝐹(𝑥) = 𝑒 −𝑒 − 𝛼 (10)
Para:
DE
−∞ < 𝑙𝑛𝑥 < ∞
2.3.5. Determinación del mejor ajuste

CA
En el ítem anterior, se ha descrito el uso de 6 distribuciones de probabilidad

para estimar eventos según periodos de retorno. Surge entonces el
TE
interrogante de cuál de estas distribuciones se debe utilizar para una

muestra particular. No hay un acuerdo entre los hidrólogos acerca de cuál de
IO
las distribuciones debe usarse. Las pruebas para comprobar la bondad del
ajuste son necesarias, pero no son suficientes para aceptar una distribución.
BL
Tal vez las dos pruebas de bondad de ajuste más utilizadas en hidrología
son la chi-Cuadrada y la Kolmogorov – Smirnov. Con estas pruebas se
BI
escogería con la muestra, la distribución de probabilidades que representa el

comportamiento probabilístico de la población. Una prueba adicional puede
hacerse calculando la suma de los cuadrados de las diferencias entre los
valores observados y los calculados.
44
Aunque los procedimientos estadísticos no pueden por sí solos determinar la

mejor distribución de frecuencia, si pueden suministrar argumentos para
escoger la distribución más adecuada.
S
IA
Por ejemplo, las distribución Log-Pearson tipo III requiere la estimación del
AR
coeficiente de asimetría de datos muestrales. Esto puede ser una razón
suficiente para preferir cualquier otra distribución, ya que este parámetro
tiene un comportamiento muy sesgado, por lo cual se necesitaría una gran
CU
cantidad de registros para tener un estimado más o menos confiable, y
dichos registros no se consiguen fácilmente en nuestro medio. Por otra
PE
parte, las distribuciones de dos parámetros tienen un valor fijo o ignoran la
asimetría de la población, lo cual tampoco es conveniente,
RO
En resumen, no hay un procedimiento único para escoger la mejor
distribución. Las pruebas estadísticas ayudan; el ajuste gráfico también
AG
puede contribuir; en definitiva, prima el juicio de quien esté haciendo el

análisis (Minga, 2011).
DE
a) Prueba Smirnov-Kolmogorov
Esta prueba consiste en comparar el máximo valor absoluto de la diferencia

D entre la función de distribución de probabilidad observada F0(xm) y la
CA
estimada F xm con un valor critico d que depende del número de datos y el

nivel de significancia seleccionado (Aparicio, 1992).
TE
Por tanto, el criterio para la toma de la decisión entre las dos hipótesis será
IO
de la forma:
BL
Si D ≤ d, se acepta la hipótesis nula.

BI
Si D > d, se rechaza la hipótesis nula.
𝐷𝑚á𝑥 = 𝐹0 𝑋𝑚 − 𝐹𝑋𝑚 (11)
45
La función de distribución de probabilidad observada se calcula como

(Aparicio, 1992):
S
m
F0 x m = 1 − (12)
n+1
IA
AR
Donde m es el número de orden del dato xm en una lista de mayor a menor
y “n” es el número total de datos.
CU
La manera de estimar el valor crítico “d” es mediante la siguiente ecuación:
PE
Cα
d= (13)
k(n) RO
Donde Cα se selecciona de la tabla 2 de acuerdo al nivel de significancia y
𝐾𝑛 se calcula mediante la ecuación (14).
AG
0.11
𝐾𝑛 = n̅ + 0.12 + (14)
DE
̅
n
Tabla 2. Valores de Cα para estimar el valor critico d.
Nivel de 0.10 0.05 0.01

CA
significancia (α)
Cα 1.224 1.358 1.628
TE
Ventajas
IO
 No requiere un conocimiento a priori, de la distribución teórica.

 Es aplicable a distribuciones de datos no agrupados, es decir no se
BL
requiere hacer intervalos de clase.

 Es aplicable a cualquier distribución teórica.
BI
 Se aplica en función de distribución acumulada y no en la función de

densidad.
46
 Comparando con la prueba de Chi-Cuadrado, no se requiere que la

frecuencia absoluta de cada clase, sea igual o mayor a 5.
 No es una prueba exacta, sino una prueba aproximada.
S
2.3.6. Hidroesta
IA
Hidroesta es una herramienta computacional que utiliza Visual Basic
AR
como lenguaje de programación, el cual es una aplicación que permite
facilitar y simplificar los cálculos laboriosos que se deben realizar en los
CU
estudios hidrológicos.
Este software permite el cálculo de los parámetros estadísticos, cálculos
PE
de regresión lineal, no lineal, simple y múltiple, así como regresión
polinomial, evaluar si una serie de datos se ajustan a una serie de
RO
distribuciones, calcular a partir de la curva de variación estacional o la
curva de duración, eventos de diseño con determinada probabilidad de
ocurrencia, realizar el análisis de una tormenta y calcular intensidades
AG
máximas, a partir de datos de pluviogramas, los cálculos de aforos

realizados con correntómetros o molinetes, el cálculos de caudales
máximos, con métodos empíricos y estadísticos, cálculos de la
DE
evapotranspiración y cálculo del balance hídrico.
Este software proporciona al ingeniero agrícola una herramienta que

CA
permite realizar cálculos, simulaciones rápidas, y determinar los caudales

o precipitaciones de diseño (Villón, 2008).
TE
2.5. La modelación hidráulica

IO
En hidráulica el término modelo corresponde a un sistema que simula un

objeto real, mediante la entrada de cierta información que se procesa y
BL
presenta en forma adecuada para emplearse en el diseño y operación de

obras de ingeniería (Vergara, 1993).
BI
La importancia de los modelos radica en que a través de éstos, se puede

predecir lo que ocurrirá con el objeto y es posible llevar a cabo simulaciones
47
que muestren diferentes escenarios, antes de llevar a cabo la construcción

de la obra.
Los modelos pueden clasificarse como físicos, en los cuales se cumplen
S
leyes de similitud geométrica, cinemática y dinámica entre el modelo y el
IA
objeto real (Vergara, 1993). Así mismo hay modelos analógicos donde se
AR
hacen analogías entre dos fenómenos físicos como por ejemplo el flujo
laminar y el flujo turbulento (Vergara, 1993).
CU
Otro tipo de modelos son los modelos matemáticos, que son un conjunto de
hipótesis y relaciones de las variables que describen un fenómeno mediante
PE
ecuaciones. La precisión de los modelos matemáticos depende de la
exactitud de los datos de entrada, el tipo de fenómeno a estudiar, la
exactitud de las ecuaciones que rigen el fenómeno, la forma de aproximar
RO
las ecuaciones (Vergara, 1993); entre otros
AG
2.6. Modelo hidráulico HEC RAS
En especial, se puede destacar la precisión, fácil manejo y la capacidad

DE
para modelar distintos elementos en cauces naturales y artificiales. Se

destaca la buena calidad gráfica para visualizar resultados.
CA
El programa está diseñado para el cálculo de perfiles hidráulicos para flujo

de variación gradual fija, para canales naturales o artificiales. HEC-RAS
TE
puede calcular perfiles bajo condiciones de flujo permanente y no

permanente, y regímenes de flujo subcrítico, crítico, supercrítico y mixto.
IO
Claramente en el análisis de inundaciones las simulaciones para flujo

permanente 1D no tienen en cuenta todos los efectos hidrodinámicos de
BL
una onda de creciente, que representa un proceso físico en dos

dimensiones. (Blade et al., 2009).
BI
El método de cálculo generalmente se le conoce como el método

convencional por pasos. El programa está diseñado para aplicación en
48
estudios de manejo de lechos de crecientes y de seguridad de

inundaciones. El ingreso de datos y los resultados pueden estar en
unidades inglesas o métricas.
S
2.6.1. Ecuaciones fundamentales del Modelo Hidráulico HEC-RAS
IA
HEC-RAS como modelo de cálculo no deja de ser una aproximación al
AR
flujo en lámina libre. Por ello lleva asociadas unas limitaciones de
cálculos inherentes a las hipótesis de partidas de las ecuaciones que
CU
resuelve. (Blade et al., 2009).
Así, HEC-RAS resuelve el flujo gradualmente variado a partir de la
PE
ecuación de balance de energía (trinomio de Bernoulli) entre dos
secciones dadas, excepto en los casos en lo que simulen estructuras
como puentes, vertederos o tramos cortos entubados. En tales casos
RO
HEC-RAS resuelve la ecuación de conservación de la cantidad de
movimientos, así como ciertas ecuaciones de carácter empírico
AG
establecidos ad hoc para estas estructuras.
Una hipótesis básica en la que se basa HEC-RAS es que el flujo

simulado debe ser unidimensional. Es decir, el único componente de la
DE
velocidad que se considera es la componente en la dirección del

movimiento. Las otras, dirección vertical y transversal al movimiento, se
consideran despreciables. (Blade et al., 2009).
CA
Además, las pendientes se consideran pequeñas, es decir, inferiores a

1.
TE
El programa contiene tres componentes de análisis hidráulico

IO
unidimensional para:
 Cálculo del perfil de la lámina de agua en régimen permanente

BL
gradualmente variado. El sistema puede simular un simple tramo de

un río, un sistema arborescente o una red completa de canales.
BI
Puede simular el régimen lento, rápido y la combinación simultanea

de ambos. El método de cálculo que utiliza es el balance de energía
entre dos secciones dadas resuelto por el método iterativo paso a
49
paso. Por otro lado, las pérdidas de energía repartidas las estima a
partir de la fórmula de Manning y utiliza por defecto coeficientes de
pérdidas localizadas por expansión y contracción. La ecuación de
cantidad de movimiento se utiliza en el caso de que se dé régimen
S
rápidamente variado: régimen combinado rápido y lento (resalto
IA
hidráulico), hidráulica de puentes, así como la determinación del perfil
AR
de la lámina de agua en confluencias de ríos. (Blade et al., 2009).
 HEC-RAS dispone también de un módulo de simulación en régimen
CU
variable (no permanente) que en las versiones más reciente ha ido
ganando robustez y versatilidad de cálculo. (Blade et al., 2009).
PE
 También dispone de un módulo para la estimación del transporte de
RO
sedimentos en lechos móviles.
De cualquier modo, las tres componentes usan los mismos datos

AG
geométricos y rutinas de cálculos hidráulicos.
El modelo dispone de un interfaz gráfico que permite separar las

DE
componentes para el análisis hidráulico, para el almacenamiento de

datos y capacidad de gestión, y para aplicaciones gráficas y de
información. Además, HEC-RAS dispone de algunos elementos para el
CA
diseño hidráulico que pueden ser aplicados una vez realizado el cálculo
básico del perfil de la lámina libre. (Blade et al., 2009).
TE
a. Ecuación de la energía
IO
La ecuación básica para la estimación de la posición de la superficie libre

del agua, en régimen permanente, es la ecuación del balance de energía,
BL
esto es, el trinomio de Bernoulli. HEC-RAS considera el caso en que la

pendiente longitudinal del río o canal es suficientemente pequeña como
BI
para poder aceptar que la vertical y la perpendicular en un punto cualquiera

coincidan. Si la sección 1 es una sección aguas arriba de la 2, HEC-RAS
considera el balance de energía entre ambas secciones transversales
como sigue:
50
𝛼1 𝑉1 2 𝛼2 𝑉2 2
𝑌1 + 𝑍1 + = 𝑌2 + 𝑍2 + + 𝛥𝐻 (15)
2𝑔 2𝑔
S
IA
AR
CU
PE
RO
AG
Fig. 4. Representación de los términos del balance de energía. Fuente: (HEC 2002)
Dónde:
𝑍1 𝑦 𝑍2 = Son las cotas de la sección respecto a un plano de

DE
referencia arbitrario. En caso de geometrías irregulares,

como en general sucede en un río, se toma la cota del
punto más bajo de la sección.
CA
𝑌1 𝑒 𝑌2 = Son los calados en cada una de las secciones

consideradas. En caso de geometrías irregulares, se
TE
considera la profundidad respecto del punto más bajo de

la sección.
IO
𝑉1 𝑦 𝑉2 = Son las velocidades medias en cada sección. En el

caso de régimen permanente se obtienen como el
BL
cociente entre el caudal circulante y el área de la sección.
𝛼1 𝑦 𝛼2 = Son los coeficientes de Coriolis estimados en cada

BI
sección, que permiten corregir el hecho de que la

distribución de velocidad en la sección se aleja de una
distribución uniforme.
51
𝑔 = Aceleración gravitacional
𝛥𝐻 = Es el término que estima la energía por unidad de peso
que se disipa entre las secciones 1 y 2. En concreto,
dicha energía debe incluir las pérdidas continuas por
S
rozamiento (fricción) con el contorno, así como las
pérdidas localizadas que se den entre ambas:
IA
𝛥𝐻 = 𝐼. 𝐿12 + 𝛥𝐻𝑙𝑜𝑐𝑎𝑙 (16)
AR
Las pérdidas continuas se determinan como el producto
de la pendiente motriz (𝐼) por la distancia entre ambas
secciones (𝐿12 ); posteriormente se describe el proceso de
CU
cálculo que plantea HEC-RAS y la obtención de las
pérdidas de carga localizada.
PE
Como es sabido, la suma (15) de los términos, en cada miembro, en cada
miembro, representa la energía mecánica total por unidad de peso de flujo
en cada sección, y tiene dimensiones de longitud. La suma de los términos
RO
de cota y presión constituye la energía piezométrica y, en su
representación gráfica, la línea piezométrica mientras que la suma de los
AG
tres términos define la energía mecánica total y, gráficamente, la línea de

energía. (Blade et al., 2009).
Si bien una de las hipótesis básicas es la unidimensionalidad del flujo,

DE
HEC- RAS permite representar la sección caracterizándola según las

llanuras de inundación derecha (right overbank) e Izquierda (left overbank),
CA
separadas ambas por el cauce principal (main channel). Así, cada una de
dichas partes hay que describirla con su valor de coeficiente de Manning y
su distancia a la sección inmediatamente aguas abajo.
TE
IO
BL
BI
Fig. 5. División por efecto de las secciones en HEC-RAS. Fuente (HEC 2002).
52
b. Pendiente motriz. Ecuación de Manning
HEC- RAS calcula la pérdida de cargas continuas a partir de la fórmula de

Manning:
S
𝑛2 .𝑣 2
𝐼= (17)
IA
4/3
𝑅ℎ
AR
Esta ecuación puede escribirse en función del caudal:
𝑛2 . 𝑄2
𝐼= 4/3 . (18)
𝐴2
CU
𝑅ℎ
De donde se define el factor de transporte (k):
PE
𝑄2
𝐼= (19)
𝐾2
RO
𝑅 4/3 .𝐴
𝑘= (20)
𝑛
Estas expresiones se obtienen a parir de los valores de calado y velocidad

AG
particularizados a una cierta sección. Es decir, corresponde a los valores

puntuales en ella. En general, la resolución numérica del perfil de la
superficie libre, ya sea partir de HEC-RAS o de cualquier otro modelo, se
DE
establece a partir de la hipótesis de que la energía que se disipa entre dos

secciones se puede estimar a parir de las respectivas pendientes motrices.
CA
TE
IO
BL
BI
Fig.6. Interpretación de la pendiente motriz en cada sección
53
HEC-RAS permite estimar dicha pendiente motriz I12 a partir de distintas

ponderaciones:
Ecuación de factor de transporte medio:
S
𝑄1 +𝑄2
𝐼=( )2 (21)
IA
𝐾𝑇1 +𝐾𝑇2
Media aritmética:
AR
𝐼1 +𝐼2
𝐼12 = (22)
2
CU
Media geometría
𝐼12 = √𝐼1 . 𝐼2 (23)
PE
Media aritmética:
2𝐼1 .𝐼2
RO
𝐼= (24)
𝐼1 +𝐼2
Si bien el método más común es el de media aritmética, cada uno resulta

AG
único para diferentes casos. HEC-RAS permite la opción de que el mismo

seleccione el método más idóneo para cada caso. (Blade et al., 2009).
DE
c. Factor de transporte K
Se calcula subdividiendo la sección en aquellos en donde cambie el

coeficiente de Manning. Por defecto cambia en las llanuras derecha e
CA
izquierda y el canal principal. Puede imponerse que cambie en más puntos.
Puede establecer que calcule K entre cada dos puntos de la sección

TE
(aunque no cambie n: método que usaba antiguamente HEC2).

IO
BL
BI
Fig.7. Distribución de la sección para obtener el factor de transporte Kt. fuente (HEC
2002).
54
La tendencia es que el método por defecto de HEC-RAS da resultados del

lado de la seguridad (mayores niveles). (Blade et al., 2009).
d. Longitud ponderada aguas abajo
S
La longitud L12 entre las dos secciones de cálculo se obtiene como valor
IA
ponderado de las distancias respectivas desde cada parte, de la sección a
la que se encuentra aguas abajo con el reparto de caudales en cada una
AR
de dichas porciones.
𝐿12𝑖𝑧𝑞 .𝑄12 𝑖𝑧𝑞 +𝐿12 𝑐𝑒𝑛𝑡𝑟 .𝑄12 𝑐𝑒𝑛𝑡𝑟+𝐿12 𝑑𝑒𝑟 .𝑄12 𝑑𝑒𝑟
CU
𝐼12 = (25)
𝑄𝑡
El reparto de caudales se determina según el area activa de flujo en cada
PE
zona de la sección transversal. (Blade et al., 2009).
e. Ponderación del coeficiente de Manning en el cauce central

RO
Igualmente, el coeficiente de fricción de Manning se divide, por defecto, en
las tres partes citadas (llanura derecha e izquierda y el principal), aunque
AG
en este caso puede configurarse para tener en cuenta más puntos de

cambio dentro de la sección (opción horizontal variación in “n values”). El
flujo en el cauce principal solo se subdivide cuando el coeficiente de
DE
fricción cambia dentro de el. Solo en dos casos el programa obtiene un

valor equivalente del coeficiente de Manning dentro del cauce principal:
CA
1) Si la pendiente transversal del cauce principal en superior a 5 h.

2) Si el coeficiente de fricción varia dentro del cauce principal.
TE
En tal caso, HEC-RAS debe calcular un valor global del coeficiente de

Manning para toda la sección.
IO
Se utiliza la ponderación con el perímetro mojado:

BL
1.5 2/3
∑𝑁
𝑖=1 𝑃𝑖 𝑛𝑖
𝑛 𝑇𝑜𝑡𝑎𝑙 = [ ] (26)
𝑃𝑇𝑜𝑡𝑎𝑙
BI
Donde:
- 𝑃𝑖 = es el perímetro mojado de la porción i de la sección;

- ni = es el coeficiente de Manning de la porción i de la sección;
55
- 𝑃𝑇𝑜𝑡𝑎𝑙 = es el perímetro mojado de la sección completa;

- 𝑁 es el número de partes en las que se divide el caudal central.
S
f. Coeficiente de Coriolis
IA
Como es obvio por el propio concepto de coeficiente de Coriolis, se utiliza
en HEC-RAS una mera aproximación al mismo. De hecho, en realidad se
AR
trata de un procedimiento que permite ponderar la energía cinética dentro
de la sección. Ello resulta necesario en el momento en que se acepta la
CU
distribución del caudal de las tres zonas en que se divide esta.
PE
RO
AG
Fig.8. Valor ponderado de la energía cinética
Todo el proceso se basa en establecer la siguiente relación:

DE
𝑣 2
𝑣𝑇2 ∑3𝑖=1 𝑄𝑖 . 𝑖
2𝑔
𝑎𝑇 . = ∑3𝑖=1 𝑄𝑖
(27)
2𝑔
CA
Despejada el coeficiente 𝛼𝑡 :
TE
∑3𝑖=1 𝑄𝑖 .𝑣12
𝑎𝑇 = (28)
𝑄1 𝑣𝑡2
IO
Sustituyendo convenientemente por el factor de transporte (ver ec. 19):

BL
𝐾 3
∑3𝑖=1 2𝑖
BI
𝐴𝑖
𝑎𝑇 = 3
𝐾𝑇
(29)
𝐴2
𝑇
Donde:
56
K1, K2 y K3 = Factor de transporte de la llanura de inundación

izquierda, cauce central y llanura derecha.
A1, A2, y A3 = Áreas correspondientes a cada una de dicha
S
zonas.
IA
Kt = Factor de transporte total de la sección.
AR
At = Área total de la sección.
g. Perdidas de carga localizadas
CU
Las pérdidas de carga localizadas que considera por el defecto son
perdidas por ensanchamiento y contracción. La metodología de cálculo es
PE
como sigue (HEC2002):
𝑉22 𝑣12
∆𝐻𝑇𝑜𝑡𝑎𝑙 = 𝜆. |∝2
RO −∝1 . | (30)
2𝑔 2𝑔
Donde 𝝺 es el coeficiente de pérdidas de carga localizadas. Por defecto

AG
HEC – RAS considera 𝝺=0.1 si hay una contracción de sección y 𝝺 =0.3 en

el caso de ensanchamiento en sentido del flujo.
El programa suma cualquier aumento de velocidad en el sentido de flujo

DE
como una contracción y cualquier disminución de la velocidad como un

ensanchamiento. Es decir, incluso en el caso de un canal prismático bajo
CA
condiciones de flujo gradualmente variado, HEC RAS asume las pérdidas

de carga localizadas por contracción y ensanchamiento por el mero hecho
de darse un cambión en la velocidad. En tal caso particular (canal
TE
prismático) puede ser recomendable imponer que dichos coeficientes sean

nulos. (Blade et al., 2009).
IO
h. Energía especifica. Régimen crítico, subcrítico y supercrítico.

BL
Del trinomio de Bernoulli se puede definir el concepto de energía

específica:
BI
𝑣2
𝐸 = 𝑦 + 𝑎. (31)
2𝑔
57
Si se escribe la velocidad en función del caudal y el área mojada, se

aprecia que la energía especifica en una sección depende del calado y del
caudal circulante:
S
IA
𝑄2
𝐸 = 𝑦 + 𝑎. (32)
2.𝐴2 (𝑦).𝑔
AR
Así pues se considera el caudal constante, se puede estudiar como varía la
CU
energía específica en función del calado.
Se demuestra que esta curva es asintótica al eje horizontal, es decir, que
PE
para calados cercanos a cero la energía especifica tiende a infinito, pues,
en dicho, la velocidad del flujo tiene a infinito y en cambio para calados muy
RO
grandes la velocidad del flujo tiene a cero, entonces la energía tiende a
propio calado. (Blade et al., 2009).
AG
Dichas tendencias sintónicas implican la existencia de un calado al que le

corresponde un valor mínimo de energía específica. Se llega a demostrar
que dicho calado corresponde al valor:
DE
𝑣2
𝐴 =1 Régimen critico (33)
𝑔.
𝐵
CA
Se define en número de Froude como:
𝑣2
𝐹𝑟 2 = 𝐴 (34)
𝑔.
TE
Por lo que se termina concluyendo que el régimen crítico corresponde un

IO
valor del número de froude igual a la unidad:
Fr2 = 1 régimen critico (35)

BL
Igualmente es fácil verificar que los calados mayores que el calado crítico
BI
les corresponde número de froude inferiores a la unidad. Dicho caso define

como régimen subcrítico o lento. Por otro lado a calados inferiores al crítico
les corresponden números de froude superiores a la unidad. Se define asi
el régimen supercrítico o rápido.
58
Fr2 < 1 régimen subcrítico o lento (36)
Fr2 > 1 régimen supercrítico o rápido (37)
S
IA
Se puede justificar que en régimen subcrítico, al ser el número de froude
AR
inferior a la unidad, cualquier perturbación provoca sobre el flujo puede
desplazarse tanto aguas arriba como aguas abajo, mientras que el caso de
CU
régimen supercrítico dicha información solo puede propagarse aguas
abajo. Ellos tendrán una gran trascendencia para entender la localización
de las condiciones de contorno para iniciar el cálculo de la superficie libre.
PE
(Blade et al., 2009).
RO
AG
DE
CA
TE
IO
Fig.9. Variación de la energía especifica en un canal, en régimen gradualmente variado,

para un caudal dado.
BL
BI
59
2.6.2. Metodología de cálculo: Método Paso a paso
Dadas dos secciones contiguas distantes 𝛥𝑥, como se esquematiza en la

figura, entre ambas se puede plantear el balance de energía a partir del
S
trinomio de Bernoulli como se ha expresado en la ecuación (15).
IA
AR
CU
PE
RO
Fig.10. Nomenclatura típica de las secciones usada para el cálculo de la superficie libre.
Ya que sólo se conoce el comportamiento hidráulico de las secciones en

AG
que se ha directrizado el tramo a estudiar (figura 9), una manera explícita de

escribir los valores representativos tanto de la velocidad como del
coeficiente Manning, como del factor de transporte (20) del tramo
DE
comprendido entre las secciones 1 y 2, es hacerlo a partir de la media, ya

sea aritmética (21), geométrica (22) o armónica (23), de los valores
correspondientes a la pendiente motriz de ambas secciones. La media que
CA
se utiliza comúnmente es la aritmética, a pesar de que se puede configurar

HEC-RAS para uqe seleccione el método más adecuado en función del
perfil de la lámina de agua que se esté calculando. (Blade et al., 2009).
TE
A partir de aquí sí, por ejemplo, se conoce la condición de contorno de la

IO
sección 1(𝑦1 ) se asume que el valor de 𝑦2 ∗ a partir del que se puede

determinar el área mojada correspondiente 𝐴2 (𝑦2 ∗ ) y, con ella, la velocidad
BL
media 𝑣2 (𝑦2 ∗ ) y su radio hidráulico 𝑅ℎ2 (𝑦2 ∗ ) y su factor de transporte 𝐾2 (𝑦2 ∗ )

(EC.6). Así se puede determinar su pendiente motriz 𝐼2 (𝑦2 ∗ ) y, obviamente,
BI
las pérdidas de energía entre las secciones 1 y 2, 𝛥𝐻(𝑦2 ∗ ) dadas por la

ecuación (16). Sustituyendo en el balance de energía (15), se puede
verificar si los dos miembros calculados son realmente igualados. En caso
60
afirmativo, el proceso finaliza, y en caso contrario es necesaria una nueva

iteración. El problema consiste en determinar un nuevo valor de 𝑦2 para
poder continuar con el proceso iterativo.
En general, sea cual sea la sección en la que se conoce el calado, la
S
expresión (15) se puede escribir:
IA
𝐻(𝑦1 ) = 𝐻(𝑦2 ) + 𝜀. 𝛥𝐻12 (𝑦1 ) (38)
AR
Donde,
CU
- Si el régimen es rápido, 𝜀=1 y el extremo 1 es el extremo aguas arriba.
- Si el régimen es lento, 𝜀=-1 y el extremo 1 es el extremo aguas abajo.
PE
En la figura 10 se muestra un esquema en el que se resume el proceso de
cálculo que sigue HEC-RAS para la resolución de la ecuación de balance
de energía.
RO
En particular, la primera iteración que realiza el algoritmo diseñado para
HEC-RAS parte de la proyección del calado conocido en la primera sección
AG
sobre la siguiente. Ello permite calcular un primer valor del calado en ésta,
que tendrá un cierto error:
DE
𝑒 = (𝑧2 + 𝑦2 )𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 − (𝑧2 + 𝑦2 )𝑎𝑠𝑢𝑚𝑖𝑑𝑜 (39)

CA
TE
IO
BL
BI
61
S
IA
AR
CU
PE
RO
AG
DE
CA
TE
IO
BL
Fig.11. Procedimiento de cálculo seguido por HEC-RAS para la resolución del balance de
energía (15) entre dos secciones
BI
62
La segunda iteración empieza con el calado asumido en la primera, más un

70% del valor del error producido en dicha iteración (39). La tercera y
siguientes iteraciones se llevan a cabo mediante el método de la secante.
Éste consiste en proyectar una proporción de la diferencia obtenida entre
S
los niveles de agua calculados y asumidos en las dos iteraciones anteriores.
IA
AR
𝑎𝑠𝑢𝑚𝑖𝑑𝑜 𝑒𝑎𝑠𝑢𝑚𝑖𝑑𝑜
(𝑧2 + 𝑦2 )𝑖 𝑎𝑠𝑢𝑚𝑖𝑑𝑜 − (𝑧2 + 𝑦2 )𝑖−2 − 𝑒𝑖−2 . 𝑒𝑑𝑖𝑓
(40)
CU
Dónde,
-(𝑧2 + 𝑦2 )𝑖 𝑎𝑠𝑢𝑚𝑖𝑑𝑜 es la nueva cota de la lámina de agua asumida.
PE
𝑎𝑠𝑢𝑚𝑖𝑑𝑜
-(𝑧2 + 𝑦2 )𝑖−1 es la cota de la lámina de agua asumida en la iteración
anterior.
RO
-(𝑧2 + 𝑦2 )𝑖−2 es la Cota de lámina de agua asumida en la iteración 𝑖 −
2.
AG
-𝑒𝑖−2 = (𝑧2 + 𝑦2 )𝑖−2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 − (𝑧2 + 𝑦2 )𝑖−2 se determina a partir de la
diferencia entre la lámina de agua calculada menos la asumida en la
iteración 𝑖 − 2.
DE
-𝑒𝑎𝑠𝑢𝑚𝑖𝑑𝑜 = (𝑧2 + 𝑦2 )𝑖−2 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 − (𝑧2 + 𝑦2 )𝑖−1 es la diferencia entre
las láminas de agua asumida en las dos iteraciones previas.
𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜
-𝑒𝑑𝑖𝑓 = (𝑧2 + 𝑦2 )𝑖−1 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 − (𝑧2 + 𝑦2 )𝑖−1 + 𝑒𝑖−2 es la diferencia
CA
entre la lámina de agua asumida en la iteración anterior menos la calculada

en dicha iteración más el error resultantes de dos iteraciones anteriores.
TE
El cambio de una iteración a la anterior se limita a un máximo del 50% del

IO
calado asumido en la iteración anterior. Cabe tener en cuenta que el

método de la secante puede no converger si el parámetro 𝑒𝑑𝑖𝑓 es menor
BL
que 10-2 En tal caso, HEC-RAS calcula la nueva superficie libre realizando
una media de la lámina de agua asumida y la calculada en la iteración
BI
anterior. (Blade et al., 2009).
63
HEC-RAS está limitado a un máximo número de iteraciones (20 por

defecto, pudiéndose aumentar hasta 40). De todas ellas determina el valor
de la lámina de agua que da menor error entre los valores asumidos
previamente y los calculados. A dicho valor, lo llama el programa lámina de
S
de agua de mínimo error. Dicho valor tiene importancia en el caso en que el
IA
balance de energía no converja en el máximo número de iteraciones, tal y
AR
como se resume en el diagrama de la figura 10.
Cuando, dentro del número establecido de iteraciones del proceso, se
CU
obtiene una lámina de agua que equilibra el balance de energía entre dos
secciones consecutivas cualesquiera, el programa comprueba que el
PE
calado obtenido corresponda al tipo de régimen requerido por el usuario (p.
ej. Un calado mayor que el crítico si se prevé obtener un perfil subcrítico).
En caso contrario, se asume en dicha sección el propio calado crítico y, en
RO
tal caso, el programa envía un aviso al respecto.
AG
Cabe indicar que el usuario es convenientemente avisado siempre que el

programa asume el calado crítico en alguna sección. Los motivos que lo
provocan pueden ser:
DE
- Distancias entre secciones excesivamente grandes.

- Mala representación de las zonas de flujo efectivo en la sección
CA
transversal.
- El proceso no ha encontrado una solución que resuelva el balance de
TE
energía en el tipo de flujo inicialmente previsto por el usuario.

IO
En el caso de un perfil subcrítico, para determinar si el resultado del calado

obtenido corresponde a dicho régimen, HEC-RAS calcula el número de
BL
Froude asociado. El número de Froude se calcula tanto para el canal

principal como para la sección completa. Si alguno de los dos números
BI
calculados es superior a 0.94, entonces el programa analiza el flujo

calculando con mayor precisión el calado crítico. Se utiliza el número de
Froude de 0.94 en lugar de 1.00 ya que el cálculo de número de Froude en
canales irregulares no es muy preciso. Así, se entiende que utilizar un valor
64
de 0.94 es conservador, por lo que el programa calculará el calado crítico

más a menudo de lo necesario. (Blade et al., 2009).
Para un perfil supercrítico, HEC-RAS calcula el calado crítico
S
automáticamente en todas las secciones transversales. Ello permite una
IA
comparación directa entre la lámina de agua obtenida del balance de
AR
energía y la correspondiente al calado crítico, y así se asegura que la
solución obtenida corresponde realmente al régimen supercrítico.
CU
PE
RO
AG
DE
CA
Fig. 12. Procedimiento de cálculo seguido por HEC-RAS cuando se alcanza el máximo
TE
número de iteraciones posible en la resolución del balance de energía entre dos secciones
consecutivas.
IO
2.7. Extensión HEC-GeoRAS

BL
La Extensión HEC-GeoRAS es un conjunto de procedimientos,

herramientas y utilidades para el procesamiento de datos geoespaciales en
ArcGIS utilizando una interfaz gráfica de usuario. La interfaz permite la
BI
preparación de los datos geométricos para la importación en HEC-RAS

desde ArcGIS y los resultados de los procesos de simulación se exportan a
65
ArcGIS de HEC-RAS para elaborar mapas de las elevaciones del nivel del
agua.
2.8. Sistemas de información geográfica
S
Según el documento Introducción al uso de ArcView 3.2; un Sistema de
IA
Información Geográfica (SIG o GIS, en su acrónimo inglés Geographic
AR
Information System) es una integración organizada de hardware, software y
datos geográficos diseñada para capturar, almacenar, manipular, analizar y
CU
desplegar en todas sus formas la información geográficamente referenciada
con el fin de resolver problemas complejos de planificación y gestión
geográfica. Entre estos software se encuentran ArcView y ArcGis.
PE
ArcView es un producto del Environmental Systems Research Institute
(ESRI), los fabricantes de ARC/INFO, el más importante software de
RO
sistemas de información geográfica (SIG).
El ArcGIS Desktop es un conjunto de aplicaciones integradas: ArcMap,

AG
ArcCatalog y ArcToolbox. Usando estas tres aplicaciones en conjunto se

puede desarrollar cualquier actividad o tarea SIG, desde una muy simple
hasta una muy avanzada, incluyendo mapeo, administración de datos,
DE
análisis geográfico, edición de datos y geoprocesamiento.

CA
2.8.1. Aplicación de los SIG para la gestión de recursos naturales
Los SIG son una herramienta muy poderosa en todas las áreas referentes a
la gestión de recursos naturales. Una de esas áreas es la gestión del riesgo
TE
de inundaciones.
IO
Según las publicaciones de las Actas de las I Jornadas Técnicas

SIGTEFOR; los sistemas de información geográfica tienen múltiples
BL
campos de aplicación en el análisis y la gestión del riesgo de inundaciones

fluviales, desde aspectos del estudio de la peligrosidad, como
BI
regionalización de datos de precipitación, obtención de parámetros

morfométricos y de la red, discretización de parámetros hidrológicos,
delimitación de áreas inundables, cartografías de riesgo integradas; hasta la
66
adopción de medidas de mitigación de carácter predictivo, preventivo o

corrector (post-desastre), que comprenden la predicción meteorológica e
hidrológica, la ordenación del territorio y los sistemas de aseguramiento, y
los planes de protección civil y emergencias. Su empleo supone
S
normalmente un ahorro de tiempo, esfuerzo y una garantía de objetividad y
IA
precisión.
AR
2.8.2. Fundamentos de ArcGIS
CU
Uno de los principales productos de ArcGIS que interactúan con HEC-RAS
es ArcMap. ArcMap es una aplicación para entrada de datos, búsquedas
estadísticas y geográficas, además de output (salida de información y
PE
mapas impresos). ArcMap es la plataforma principal de trabajo de ArcGIS.
Así mismo, otros productos de ArcGIS son el ArcCatalog, ArcToolBox,
RO
ArcScene, ArcGlobe, ArcReader (Caso, 2010).
2.8.2.1. Interfaz gráfica del ArcMap

AG
La interfaz de ArcMap consta de una barra de Menú, barra de

herramientas, standart toolbar, tabla de contenidos, área de trabajo, y
DE
barra view/layout/refresh.
La barra de menú proporciona opciones de guardado, edición o vista

CA
del área de trabajo, así como una opción de ayuda acerca de la

funcionalidad del software.
TE
En el standart toolbar se puede apreciar la escala del área de

trabajo, además allí se ubican las opciones de ArcToolbox y
IO
ArcCatalog, desde donde puede clickear.

BL
La tabla de contenidos viene a ser un administrador de los

BI
elementos que vamos cargando al área de trabajo creados desde

ArcCatalog. En ArcMap los elementos de dibujo son los puntos, las
polilíneas y los polígonos en formato conocido como Shapefile. Estos
elementos al ser dibujados en el área de trabajo en representación de
67
algún objeto se irán guardando con un nombre asignado y un color

específico, los cuáles se pueden observar desde la tabla de
contenidos. Aquí se puede observar dimensiones de longitudes, áreas
e infinidad de datos.
S
IA
El área de trabajo es la zona en la que se realiza representación,
AR
trazo, digitalización, georeferenciación y edición de los elementos de
dibujo (puntos, polilineas y polígonos) en afán de la elaboración de
mapas, planos, etc., en apoyo con las herramientas proporcionados
CU
por el arctoolbox.
PE
La barra view/layout/refresh ubicada en la parte inferior del área de
trabajo nos proporciona la opción de actualizar los cambios realizados
en el área de edición, así mismo, nos permite realizar la presentación
RO
correcta de los planos o mapas elaborados proporcionándoles grillas,
escala adecuada, rosa náutica, membrete, leyendas y barra
AG
escalimétrica.
2.8.2.2. ArcCatalog
DE
Es la herramienta de ArcGIS para organizar y documentar los datos

geográficos. Es aquí donde se administra, crea y acondiciona la
CA
geodatabase. Cada punto, polilínea, polígono o shapefile son creados

en esta herramientas y desde aquí son cargados al área de trabajo y
TE
se visualizan en la tabla de contenidos.

IO
2.8.2.3. ArcToolbox
BL
Se usa para el geoprocesamiento: combinar capas de información,

manipulación de los datos, definición y transformación de sistemas de
BI
coordenadas y otros. Las funciones que posee son muchas

agrupados dependiendo del procesamiento que se quiera realizar,
estas son: Herramienta de análisis en 3D, herramienta para el
análisis, herramienta para procesamiento de cartografía, herramientas
68
para conversión, herramientas para gestión de datos, herramienta

para análisis espacial y herramientas estadísticas espaciales.
Además, con funciones como Create TIN from futures permite crear
S
un TIN (Triangulated Irregular Network) a partir de polilíneas que
IA
representan curvas de nivel, polilíneas que pueden ser exportadas
AR
desde AutoCAD. De esta manera al generar un TIN se está
generando una superficie y/o representación del terreno. Así mismo,
muestra otras herramientas para la edición del TIN si es que
CU
presentará alguna incorrección.
PE
Es aquí donde se instala la extensión Hec-geoRAS. La cinta con las
opciones para Hec-geoRAS puede ser insertada en la barra standart
toolbar. Allí se pude observar la principal herramienta de Hec-geoRAS
RO
la cuál es RAS geometry. Dentro de ella hay más opciones de las
cuales Create RAS layers nos permite el trazo del eje principal de un
AG
río, sus bancos y sus límites de inundación, claro está, a partir de un

TIN ya creado.
DE
Ciertamente, hay muchas herramientas más en esta opción de

ArcToolbox o caja de herramientas con infinidad de funciones.
CA
2.8.2.4. ArcScene
TE
Es la interfaz de visualización 3D que permite navegar y actuar en tres

dimensiones la información. ArcScene también es integrado con el
IO
ambiente de geoprocesamiento, proporcionando el acceso a muchos

instrumentos analíticos y funciones.
BL
2.8.2.5. ArcGlobe
BI
Es la parte de la extensión de ArcGIS 3D Analyst. Está diseñado para

ser usado con datasets muy grande y permite una vista global, con
todos los datos proyectados.
69
2.8.2.6. ArcReader
El producto ArcReader puede hacer cambiar la manera de publicar

información geográfica en internet y en otros soportes. Es un
S
visualizador “cerrado” de mapas, de la misma manera que Acrobat
IA
Reader lee (sin capacidad de edición) ficheros de formato pdf que
AR
pueden contener texto e imágenes. Las funciones no son más
sofisticadas que las de los visualizadores antes mencionados, pero no
cabe duda que pueda lograr que los mapas se publiquen con mayor
CU
facilidad.
PE
2.8.3. ArcGIS como herramienta en la elaboración de Mapas de inundación
RO
La aplicación del ArcGIS como herramienta de análisis hidráulico para el
modelamiento de zonas con riesgo de inundación ahorra tiempo y recursos
contra un trazado manual de inundación, esto en combinación con la
AG
extensión Hec-geoRAS mencionada en el ítem 7 del presente capítulo. De

esta manera se puede obtener las secciones transversales que requiere el
software HEC-RAS para la futura simulación hidráulica. (Cárdenas, 2010)
DE
Así mismo, la integración del modelo hidráulico HEC-RAS con el ArcGIS es

CA
una manera dinámica e interactiva de trabajar los parámetros hidráulicos

en un ambiente SIG generando como resultado un mapa de inundación
espacialmente georreferenciada. Esto quiere decir que los mapas de
TE
inundación tendrán las coordenadas reales de la inundación en la zona de

influencia.
IO
BL
BI
70
III. MATERIALES Y MÉTODOS
A. Materiales de estudio
S
IA
 La zona de estudio fue el río Utcubamba en los tramos que colindan con
los centros poblados San Pedro y Niño Pobre.
AR
 En la fase de campo se utilizó: Estación total TOPCOM 3200 NW,
CU
prismas, GPS y wincha.
PE
 En la fase de gabinete, para el procesamiento de los datos obtenidos en
campo y los datos hidrométricos proporcionados por el ANA, se
RO
utilizaron los siguientes programas computacionales:
- Paquete Microsoft Office (Excel y Word)
- Software AutoCAD Civil 3d 2016
AG
- Software ARCGIS 10.3

- Software HEC-RAS 5.0.3.
- Extension HEC-GEORAS 3.0
DE
- Software HIDROESTA 2
- Software LÁMINA
CA
 Se utilizó una laptop con procesador core-5, de 8 Gb de memoria Ram,

disco duro de 1 Tb.
TE
 Para el análisis de máximas avenidas, se tomó en cuenta la información

IO
de caudales diarios, registro generado por estación CAJARURO,

proporcionada por la Autoridad Nacional del Agua.
BL
B. Descripción del área de estudio

BI
El estudio fue realizado en el río Utcubamba, en un tramo de 5 kilómetros

de longitud, en los que se localizan, por la margen izquierda, los centros
71
poblados de San Pedro y Niño Pobre, los cuales están ubicados

políticamente en distrito El Milagro, provincia de Utcubamba, departamento
Amazonas, en la selva norte del Perú; entre Las coordenadas UTM E:
770307.44, N: 9383995.13 y E: 770096.80, N: 9385321.90 a,
S
aproximadamente, 370 msnm. (ANEXO V – MAPA N°1).
IA
AR
El río Utcubamba recorre en dirección S-N desde sus nacientes en el
distrito de Leymebamba y es tributario del río Marañón por la margen
CU
derecha. Forma cañones muy empinados y en tramos importantes, forma
valles con fondo plano. El lecho inundable en los tramos superiores y
medios del río Utcubamba es de 50 a 100 m. El área de su cuenca es de
PE
644,317 hectáreas que representa el 15.32 % del territorio del
departamento de Amazonas. Las evaluaciones que se realizaron en
RO
noviembre del 2005, reportan que en el sector bajo, a la altura del Puente
Milagro, presenta velocidad de corriente media de 1.878 m/s, con velocidad
de corriente máxima de 2.894 m/s y caudal de 211.24 m3/s. El régimen de
AG
descarga en torrentoso e irregular.
El tramo del río Utcubamba en estudio, el cual se observó en los meses de

DE
enero y febrero de 2016, muestra bastante sinuosidad, catalogándola como

meandriforme, típico de ríos de la zona selva de Perú. (ANEXO I –
CA
FIGURA N°13). Se observó características físicas, una configuración

ampliada conformada por áreas planas inundables. El lecho del tramo del
río Utcubamba estudiado es relativamente profundo, con fondo pedregoso
TE
y areno arcilloso. En sus bancos predomina la existencia de pastura sin

arbustos, en algunos partes hay algunos árboles, también existen piedras y
IO
rocas. En las zonas adyacentes a los bancos del río, tanto al margen
izquierdo como derecho, hay cultivos instalados (ANEXO I – FIGURA
BL
N°14).
BI
Aledaños al tramo en estudio se encuentran los centros poblados San

Pedro y Niño Pobre correspondientes a una zona rural. Estos dos centros
poblados albergan un total de 90 familias. La principal actividad es la
72
agricultura, la que se desarrolla en inmediaciones cercanas al río

Utcubamba. Cuentan con un escaso servicio público en educación, salud,
agua potable, alcantarillado y energía.
S
C. Métodos
IA
C.1. Determinación de la geometría del tramo del río en estudio mediante
AR
involucrados.
CU
1. Realización del estudio topográfico
PE
Se inició con el reconocimiento del área de estudio para desarrollar la
concepción de la metodología topográfica a desarrollar. El método
RO
aplicado fue la poligonal abierta. Previamente al inicio del trabajo se
escogieron los puntos de cambios procurando tener la menor cantidad
AG
de puntos de cambio para agilizar el trabajo. Al final se obtuvo 18

puntos de cambio, esto debido a la vegetación espesa en algunas
zonas que dificultaba la lectura de los prismas. Se realizó el trabajo con
DE
una estación total TOPCOM 3200 NW con la ayuda de dos operarios

prismeros, además para la configuración de la estación se utilizó una
wincha métrica para determinar la altura instrumental y un GPS
CA
navegador para la georeferenciación de la estación, inicialmente. Así

mismo, se realizó vistas atrás y adelante para la verificación de errores
TE
en el levantamiento. Todos los puntos visados se almacenan en la

estación total para su posterior exportación y procesamiento. (Ver
IO
ANEXOS I – Figura N°15 Y N°16)

BL
2. Elaboración de modelo digital del terreno correspondiente al tramo

del río en estudio
BI
Luego de realizado el levantamiento topográfico se extrajo la data

topográfica de la estación total y se almacenó en una computadora para
su procesamiento. Se ordenó la información en una hoja de Excel para
73
su posterior importación hacia el software AutoCAD Civil 3d. Una vez

importada la información de las coordenadas Este y Norte de cada
punto levantado así como su cota al software Autocad Civil 3d, se
procedió a la generación de curvas de nivel. Las curvas se generaron a
S
0.20 metros de desnivel. Una vez creadas las curvas de nivel se
IA
guardaron en formato DXF. para su posterior trabajo en ArcGIS.
AR
En ArcGIS, específicamente, en su programa ArcMap, se importó las
curvas de nivel generadas en el software AutoCAD Civil 3D. A partir de
CU
esto, se asignó la proyección a las curvas nivel la cuál fue WGS 1984
UTM zona 17 sur, utilizando la herramienta “define projection” del
PE
paquete “transformation and projections” del ArcToolbox de ArcMap.
Una vez georeferenciadas las curvas se procedió a crear un TIN (que
en sus siglas en inglés es Triangulated Irregular Netwrok), utilizando la
RO
opción “Create TIN from futures” del paquete “3D Analyst” del
ArcToolbox. Finalmente, se recortó zonas del TIN que se crearon por
AG
defecto pero que no representaban las características de la zona y que

tampoco estaban incluidas en el estudio.
DE
Finalmente, quedó listo el Modelo Digital del Terreno para la obtención

de la geometría transversal del tramo del río que incluyen a los centros
poblados de San Pedro y Niño Pobre.
CA
3. Obtención de la geometría transversal del tramo del río Utcubamba

en estudio mediante HEC-geoRAS
TE
HEC-geoRAS funcionó como una herramienta más en ArcMAP,

IO
puntualmente, para la obtención de la geometría transversal del río y

permitió exportar un archivo con los datos obtenidos para su posterior
BL
simulación en el software HEC-RAS.

BI
Como primer paso se trazó el eje central del tramo del río. Esto se logró
con la opción “Stream Centerline” del comando “Create RAS layers” de
“RAS geometry”, luego del trazado se le asignó el nombre del río y el
nombre del tramo. De la misma manera se trazó las líneas de banco
74
con la opción “Banks lines” y las líneas límite de inundación con la

opción “Flow Path Centerlines”. A continuación se trazan las líneas para
determinar secciones transversales con la opción “XS Cut Lines”. Estas
líneas se trazan cada 25 metros en promedio, aunque, en algunos
S
tramos hay pequeñas variaciones debido a la sinuosidad del río, el trazo
IA
debe ser perpendicular al eje de río, deben alcanzar las líneas de
AR
inundación, no deben exceder el espacio del TIN y en ningún momento
deben cortarse entre sí. (ANEXO I – FIGURA N°17)
CU
Como segundo paso, se atribuyen las características de ubicación,
longitud y elevación al eje central trazado, a las líneas de banco y a las
PE
líneas de inundación; todo esto con la opción “Stream Centerlines
Atributtes” seguido por la opción “All”. De manera similar, se asigna los
atributos correspondientes a las secciones transversales generadas,
RO
que finalmente es lo que interesa conocer en el HEC-RAS.
AG
Finalmente, se realiza la exportación de la geometría generada hacía el

programa HEC-RAS, esto se realizó con la opción “Export RAS Data”.
DE
C.2. Estimación los caudales máximos del río Utcubamba para periodos
de retorno de 10, 25 y 50 años, mediante modelos probabilísticos,
aplicando software estadístico Hidroesta.
CA
1. Obtención de los datos hidrométricos del río Utcubamba

TE
Para fines del estudio, se ha planteado hacer los cálculos del caudal
IO
máximo para la simulación de inundación, partiendo de información

hidrométrica y haciendo uso de métodos estadísticos.
BL
Se obtuvo la información mediante solicitud a la Autoridad Local del

BI
Agua Utcubamba, con oficinas localizadas en la ciudad de Bagua

Grande (ANEXO I – FIGURA N°18). La información hidrológica
proporcionada fue de tipo hidrométrica correspondientes a la estación
Cajaruro, ubicada en el puente del mismo nombre, en el río Utcubamba
75
a 30 Km aguas arriba de nuestra zona de estudio. Se nos entregó la

serie histórica de caudales promedios mensuales y serie histórica de
caudales máximos mensuales. Esta información está comprendida
desde el año 1977 al año 2016. (Ver ANEXO III – CUADRO N°15 y N°
S
16).
IA
AR
2. Análisis exploratorio de datos hidrométricos proporcionados.
El análisis exploratorio de la serie hidrométrica consistió en detectar por
medios estadísticos la existencia o no de inconsistencia y/o tendencia
CU
en la serie así como localización de datos dudosos y longitud adecuada
de años.
PE
2.1. Análisis de consistencia RO
Mediante análisis estadístico se evaluó la consistencia de la serie de
caudales máximos, es decir, se realizó un análisis que nos permita
AG
determinar la existencia de un salto significativo que generara

inconsistencia en la serie.
DE
Se observó gráficamente el comportamiento de la serie (ANEXO IV –

GRÁFICO N°1), se dividió en dos periodos, considerando como punto
de partición el año 1994, ya que a partir de este año se observó un
CA
ligero cambio en el comportamiento de la serie. Los periodos fueron:

TE
Periodo Número de años
P1( 1977-1996) 18.00
P2( 1978-2016) 22.00

IO
Posterior a esto, se determinó la media y desviación para cada periodo

BL
según las ecuaciones descritas en (22) y (23).

BI
1 1 1/2
𝑋̅1 = ∑𝑛𝑖=1 𝑋𝑖 ; 𝑆1 = [ ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅1 )2 ] (41)
𝑛 𝑛1 −1
1 1 1/2
𝑋̅2 = ∑𝑛𝑖=1 𝑋𝑖 ; 𝑆2 = [ ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅2 )2 ] (42)
𝑛 𝑛2 −1
76
En donde:
𝑋𝑖 = Información de análisis.
𝑋̅1 , 𝑋̅2 = medias del periodo 1 y 2.
𝑆1 , 𝑆2 = desviación estándar del periodo 1 y 2.
S
𝑛1 , 𝑛2 = tamaños del periodo 1 y 2
IA
𝑛 = tamaño de muestra = 𝑛1 + 𝑛2
AR
 Consistencia en la Media (Prueba de medias)
Se procedió a la aplicación de la prueba “T-student”, para determinar
CU
consistencia en la media. Para esto primero se calculó las desviaciones
estándar de promedios y ponderadas según lo indicado en (43) y (44).
PE
1 1 1/2
𝑆𝑑 = 𝑆𝑝 ( + ) (43)
𝑛1 𝑛2
RO
1/2
(𝑛1 −1)𝑆1 2 +(𝑛2 −1)𝑆2 2
𝑆𝑝 = [ ] (44)
AG
𝑛1 +𝑛2 −2
Donde:
DE
𝑆𝑑 = desviación estándar de los promedios

𝑆𝑝 = desviación estándar ponderada
CA
A continuación, el estadístico “T” calculado según (45).

(𝑋̅1 −𝑋̅2 )−(𝑆1 −𝑆2 )
𝑇𝑐 = (45)
𝑆𝑑
TE
Así mismo, se calculó el estadístico “𝑇𝑡 ” (tabular) con: α=0.05 y Grados

IO
de Libertad igual a 𝑛1 + 𝑛2 − 2 .
Finalmente, se concluyó teniendo en cuenta:
BL
Si |𝑇𝑐 | < 𝑇𝑡 (95%), 𝑋̅1 = 𝑋̅2 (no hay inconsistencia estadísticamente)

Si |𝑇𝑐 | > 𝑇𝑡 (95%), 𝑋̅1 ≠ 𝑋̅2 (hay inconsistencia estadísticamente)
BI
 Consistencia en la Desviación Estándar (Prueba de varianzas)
77
Para el análisis de la consistencia en la desviación estándar se aplicó

la prueba estadística “F” de Fisher. Se calculó el estadístico “𝐹𝐶 " según
(46).
S
𝑆2 2
IA
𝐹𝐶 = (46)
𝑆1 2
AR
Luego de esto se calculó el valor de “𝐹𝑡 " (tabular) con: α=0.05 y Grados
de Libertad del numerador equivalente a 17 y grados de libertad del
CU
denominador de 21.
PE
Finalmente se concluyó según:
Si 𝐹𝑐 < 𝐹𝑡 (95%) ,𝑆1 = 𝑆2(no hay inconsistencia estadísticamente)

RO
Si 𝐹𝑐 > 𝐹𝑡 (95%) ,𝑆1 ≠ 𝑆2(hay inconsistencia estadísticamente)
AG
2.2. Análisis de tendencia

Para el presente análisis, se formaron 4 periodos de 10 años de la
siguiente manera:
DE
G1: 1977-1986
G2: 1987-1996
G3: 1997-2006
CA
G4: 2007-2016
Se calculó la media y desviación estándar de cada grupo según (41).
TE
 Prueba en la media
IO
Se determinó el coeficiente de correlación (r) entre el valor medio del

año de cada periodo (por ejemplo, del periodo 1 se consideró al año
BL
promedio 1981) y el valor obtenido de la media para ese periodo.

Seguido de esto se calculó el estadístico “𝑇𝑐 ” según (43).
BI
𝑟𝑥√𝑛−2
𝑇𝑐 = (47)
√1−𝑟 2
En donde, “n” es el número de periodos.
78
Seguidamente, se calculó el “𝑇𝑡 " (tabulado) según α=0.05 y “n-2”.

Finalmente, se concluyó según:
S
Si |𝑇𝑐 | < 𝑇𝑡 (95%), 𝑋̅1 = 𝑋̅2 (no hay tendencia estadísticamente)
IA
Si |𝑇𝑐 | > 𝑇𝑡 (95%), 𝑋̅1 ≠ 𝑋̅2 (hay tendencia estadísticamente)
AR
 Prueba en la desviación estándar
CU
De la misma manera, se determinó el coeficiente de correlación (r)
entre el valor del desviación estandar del año de cada periodo y el valor
obtenido de la media para ese periodo. Seguido de esto se calculó el
PE
estadístico “𝑇𝑐 ” según (44).
𝑟𝑥√𝑛−2
𝑇𝑐 =
RO (48)
√1−𝑟 2
En donde, “n” es el número de periodos.

AG
Seguidamente, se calculó el “𝑇𝑡 " (tabulado) según α=0.05 y “n-2”.

DE
Finalmente, se concluyó según:
Si |𝑇𝑐 | < 𝑇𝑡 (95%), 𝑋̅1 = 𝑋̅2 (no hay tendencia estadísticamente)

CA
Si |𝑇𝑐 | > 𝑇𝑡 (95%), 𝑋̅1 ≠ 𝑋̅2 (hay tendencia estadísticamente)

TE
2.3. Aplicación de prueba de datos dudosos
Para esta prueba se ordenó los datos de la serie de caudales máximos

IO
históricos (1977-2016) de mayor a menor. Se procedió a calcular el

BL
logaritmo en base decimal de cada valor ordenado de manera

descendente. De estos valores obtenidos se calculó la media (𝑋̅𝑝 ) y la
BI
desviación estándar (𝑆𝑇𝐷𝑥 ). Estos valores calculados sirvieron para

determinar la data dudosa alta y la data dudosa baja siguiendo las
ecuaciones que se observan en (45) Y (46).
79
𝑌𝑀 = 𝑋̅𝑝 + 𝐾𝑛 ∗ 𝑆𝑇𝐷𝑥 (49)

𝑌𝑚 = 𝑋̅𝑝 − 𝐾𝑛 ∗ 𝑆𝑇𝐷𝑥 (50)
S
Donde, “𝐾𝑛” son valores para la prueba de datos dudosos según
tamaño de muestra disponibles en tabla (ver ANEXO II – Tabla N°4),
IA
en este caso el tamaño de muestra corresponde a la cantidad de años
AR
disponibles en la serie equivalente a 40.
Los datos en nuestra serie de caudales máximos que sean mayores al
CU
valor obtenido en 𝑌𝑀 serán datos dudosos y deberán ser corregidos, de
la misma manera los datos que sean menores a 𝑌𝑚 . Es por eso que,
PE
convenientemente, se ordenaron los valores en forma descendente.
2.4.
RO
Análisis caudales máximos vs caudales medios
Se comparó las series históricas de caudales medios y la serie histórica

AG
de caudales máximos mediante un gráfico de dispersión con la finalidad

de ver la correlación existente entre estas dos series así como el
coeficiente de determinación usando el programa Microsoft Excel.
DE
(Alfaro, 2011).
CA
2.5. Cálculo de la longitud adecuada del registro de la serie
Como ítem final en la exploración de datos se determinó si la longitud

TE
del registro de la serie con la que se contaba era adecuada y, por

consiguiente, garantizar datos confiables para el cálculo del caudal
IO
máximo de diseño.
Así pues, se utilizó la fórmula estadística propuesta por Mockus (1960)
BL
para series hidrológicas, según se observa en (51)

BI
𝑌𝑚 = (4.3 ∗ 𝑇𝑡 ∗ 𝑙𝑜𝑔𝑅)2 + 6 (51)
En donde:
80
𝑌𝑚 = Mínimo de años aceptables de registro.

𝑇𝑡 = Estadístico “T-student” tabular según α=0.05 y “n-6”. (n=años)
𝑅 = Relación de magnitud de eventos de TR=100 años y TR=2 años
según Gumbel.
S
IA
3. Cálculo de máximas avenidas mediante 6 distribuciones
AR
probabilísticas
Con el uso del programa HidroEsta 2, se evaluó la serie histórica de
CU
caudales (1977-2016) con 6 modelos probabilísticos, considerando un
nivel de significancia de 5%, método de estimación de parámetros y
PE
parámetros Ordinarios. Las funciones que se consideraron fueron:
Normal, LogNormal 2 parámetros, LogNormal 3 parámetros, log
Pearson tipo III, Gumbel y LogGumbel, según las funciones de densidad
RO
(4), (5), (6), (7), (9) y (10), respectivamente.
AG
HidroEsta 2, a diferencia de su primera versión, permite cargar los datos

a procesar desde un archivo de Excel 93-2010. Esto permite ingresar
los datos sin equívoco alguno y reducir considerablemente el tiempo de
DE
trabajo. Al ingresar al programa se seleccionó la opción

“distribuciones”, luego de esto se puede apreciar 8 distribuciones
probabilísticas, se elige la conveniente para el estudio. En general, para
CA
cualquier distribución el procedimiento es el mismo, se cargan los datos

y posteriormente se selecciona “Calcular” así como “Graficar”, sin
TE
embargo, a pesar de haber realizado el cálculo no aparecerán los

caudales máximos de diseño, se tendrán que asignar el tiempo de
IO
retorno y posterior a esto seleccionar “Q=f(T)”, que quiere decir generar

un caudal de diseño a partir de un Tiempo de retorno ingresado.
BL
4. Selección de caudales de diseño para tiempos de retorno de 10, 25

BI
y 50 años.
Se aplicó la prueba de Kolmogorov-Smirnoff, utilizando para esto el

software HIDROESTA 2. Se determinó mediante esta prueba quien
81
presentó el mejor ajuste para la serie histórica en estudio y se procedió a

su elección como datos para la simulación de la inundación. El delta
crítico se pude confirmar de la tabla n°5 de ANEXOS II.
S
C.3. Determinación de los coeficientes de rugosidad del lecho del río
IA
Utcubamba del tramo involucrado en el estudio.
AR
La finalidad de este paso fue asignar un valor de rugosidad por tramos,
precisamente, a ambas márgenes y centro del río. Esto se determinó en
CU
campo mediante el uso de una tabla de rugosidad propuestas por
Manning (ANEXO II - TABLA N°03). Se especifican 3 tipos de tramos
PE
con características de rugosidad variable.
RO
C.4. Simulación hidráulicamente el tramo de río Utcubamba en estudio,
aplicando modelo hidráulico HEC-RAS
AG
Como paso inicial en HEC-RAS se fijó las unidades que fueron las del
Sistema Internacional y, posteriormente, se guardó el proyecto (aún en
blanco). HEC-RAS, básicamente, para la simulación de este trabajo
DE
requirió definir tres opciones las cuales fueron: Data de geometría

(Geometric data), características de flujo a modelar (Flow data) y
condiciones de simulación (Flow simulation).
CA
1. Ingreso de información a opción “Geometric Data”

TE
En este paso se definió la geometría transversal del tramo de río en

estudio. Para esto se seleccionó la opción “Geometric Data”. Estando
IO
en la ventana de “Geometric Data” se seleccionó “File” de la barra de

opciones y posteriormente opción “Import geometry data”, con esta
BL
opción se cargó el archivo exportado de Arc-Map descrito en el ítem 3

(Obtención de la geometría transversal del tramo del río Utcubamba en
BI
estudio mediante HEC-geoRAS). Una vez cargado el archivo se

observó de manera automático el trazo del eje central, las líneas de
82
flowpaths y las líneas de cortes tranversales de manera esquemáticas.

(Ver ANEXO I – Figura N°19).
Aún en la ventana “Geometric Data” se asignó el valor de la rugosidad
S
al río. Para esto seleccionar en la barra de opciones “Tables”, seguido
IA
por “Edit Manning´s or k values”, en el cuadro que aparece se asignará
el valor de rugosidad de Manning´s tanto para los overbanks como para
AR
el canal central teniendo en cuenta el ítem 4 (Identificación del tipo de
rugosidad del cauce del río en ambas márgenes y centro del río).
CU
Así mismo, se asignó los coeficientes de expansión y contracción. Se
consideró el coeficiente de contracción de 0.1 y para el de expansión
PE
0.3, los cuales corresponden a una transición gradual. Esto se consigue
seleccionando “Tables” de la barra de opciones de “Geometric data” y
RO
posteriormente “Contractions/expansions coeffcients steady flow” que
se refiere a los coeficientes de contracción y expansión para un flujo
permanente como es el caso del presente río y que será explicado más
AG
adelante.
Una vez ingresado todos estos datos se procedió a guardar el

DE
“Geometric data” asignándole un nombre. Se observó en la pantalla

principal de HEC-RAS el nombre del archivo del “Geometric data”
cargada.
CA
2. Ingreso de caudales y condiciones de contorno a opción “Steady

TE
flow Data”
Se dice que un flujo es permanente, si los parámetros hidráulicos

IO
(tirante, área hidráulica, perímetro mojado, velocidad, caudal, etc.) en

BL
cada sección, no cambian con respecto al tiempo. En un cauce natural,

por lo general encontramos que el flujo es no permanente, entonces
surge la pregunta ¿por qué se usa en Hec-Ras el cálculo con flujo
BI
permanente? La justificación a esta interrogante, es que en Hec-Ras

interesa trabajar con caudales máximos, para un determinado periodo
83
de retorno, y simular si el cauce y el conjunto de obras en él, soportan o

no este caudal máximo, considerado permanente.
Por lo anteriormente mencionado, se eligió la opción “Steady flow Data”,
S
que refiere a la modelación de un flujo permanente. En primer lugar, se
IA
definió el número de perfiles que para el caso del presenta trabajo fue
de tres perfiles, así pues a cada perfil se le asignó un caudal diferente
AR
según tiempo de retorno de 10, 25 y 50 años calculados en el ítem 8.
(Ver ANEXO I – Figura N°20).
CU
Luego, se introdujo las condiciones de contorno con la opción “Reach
Boundary Conditions”. Hec-Ras necesitó la información de las
condiciones de contorno en cada tramo, para establecer el nivel del
PE
agua inicial en ambos extremos del tramo del río: aguas arriba
(Upstream) y/o aguas abajo (Downstream).En un régimen subcrítico, las
RO
condiciones de contorno sólo se necesita en el extremo de aguas abajo;
en régimen supercrítico, las condiciones de contorno sólo es necesario
AG
en el extremo de aguas arriba, y si se va a calcular en un régimen mixto

se necesitan en ambos extremos. Para este trabajo se asumió
desconocimiento del tipo de régimen, por lo que en este caso se
DE
recomienda seleccionar régimen mixto así que se asignó las

condiciones de contorno tanto aguas arriba como aguas abajo.
3. Creación de un plan para flujo permanente y ejecución del modelo

CA
Para la realización de la simulación hidráulica del cauce fue necesario

crear un Plan. Para Hec-Ras un Plan para flujo permanente, es el
TE
conjunto de condiciones elegidas para efectuar los cálculos, como son

la geometría (tramos y secciones), datos hidráulicos (caudales) y tipo de
IO
régimen (lo que debe estar de acuerdo con las condiciones de contorno
especificadas).
BL
Así pues, se seleccionó la opción “Steady Flow Analysis”, a

BI
continuación en la ventana emergente se seleccionó la opción “Mixed”

del “Flow Regime”. Se asignó la geometría del tramo del cauce del río
Utcubamba así como las condiciones de flujo, finalmente se le dio un
nombre al plan y finalmente se corrió la simulación dando click en la
84
opción “Compute”. (Ver ANEXO I – Figura N°21). Apareció una ventana

en la que se señaló el éxito de la simulación. Mediante la opción “View
3D mutiple cross section plot” se observó las zonas de inundación, así
mismo con la opción “View Cross Section”, se observaron las secciones
S
del cauce con los tirantes críticos según perfil asignado.
IA
4. Exportación de archivo de zonas de inundación
AR
Luego de la simulación realizada se guardaron los parámetros
generados. Seguidamente se seleccionó “File”, “Export GIS Data”.
CU
Luego de esto apareció una ventana titulada “GIS Export”, se asignó la
ubicación para guardar el archivo exportado, así mismo, se seleccionó
el perfil a exportar la zona de inundación, en este caso se generaron
PE
tres archivos de exportación para los tres tiempos de retorno en estudio.
Luego de esto se seleccionó opción “Export Data” de la parte inferior de
RO
la ventana. Los archivos generados mostraron un formato SDF. (Ver
ANEXO I – Figura N°22).
AG
C.5. Elaboración de mapas de áreas inundables de los sectores San Pedro

y Niño Pobre, del distrito El Milagro, provincia de Utcubamba, región
Amazonas, mediante software ArcGIS
DE
Para la elaboración de los mapas de inundación se utilizó el software

ArcGis, específicamente, su componente ArcMap, pero previamente se
CA
utilizó el software LÁMINA.
El software LÁMINA transformó el formato SDF exportado de Hec-Ras a

TE
formato XDF, formato que puede ser leído por el software AutoCAD o, para
nuestro caso, por el software ArcGIS. (Ver ANEXO I – Figura N°23). El
archivo con formato DXF mostró las zonas de inundación georreferenciada.
IO
Con el software ArcMap y ayudado con imágenes satelitales se realizó el

BL
dibujo y planimetría de la zona de estudio, en donde se especifica zonas de

cultivo, la ubicación del centro poblado Niño Pobre y San PEDRO, caminos
BI
de acceso, el cauce del río Utcubamba y la desembocadura del río

Utcubamba al río Marañon. Todos estos elementos han sido
georeferenciados y conservan las coordenadas reales. A continuación, se
85
importa el archivo en formato DXF de la zona de inundación generado en el

software LÁMINA para cada tiempo de retorno establecido.
Inmediatamente a la importación se puede observar la mancha de
inundación según tiempo de retorno y se observó la cantidad de hectáreas
S
afectadas.
IA
AR
CU
PE
RO
AG
DE
CA
TE
IO
BL
BI
86
IV. RESULTADOS
1. De la determinación de la geometría del tramo del río en estudio mediante

S
involucrados
IA
AR
Se obtuvieron 271 secciones transversales para el tramo de 5 kilómetros
del río Utcubamba en estudio como se puede apreciar en la figura N°20.
Secciones que al ser importadas desde HEC-RAS mostraban a detalle la
CU
geometría de cada una de ellas como se muestra a continuación en la
figura N°13.
PE
RO
AG
DE
CA
FIGURA N°13. Vista de la sección transversal del río Utcubamba en su

progresiva
TE
IO
BL
2. De la estimación los caudales máximos del río Utcubamba para periodos de

retorno de 10, 25 y 50 años, mediante modelos probabilísticos, aplicando
BI
software estadístico Hidroesta

2.1. Del análisis exploratorio de datos hidrométricos.
87
2.1.1. Del análisis de consistencia.

caudales caudales
AÑO AÑO
m áxim os m áxim os
1,977 509.2 1,995 349.3
S
1,978 455.9 1,996 291.7
1,979 277.1 1,997 489.1
IA
1,980 282.3 1,998 963.0
1,981 825.40 1,999 299.6
AR
1,982 294.6 2,000 484.2
1,983 734.3 2,001 650.3
1,984 584.0 2,002 487.4
CU
1,985 238.6 2,003 445.3
1,986 364.4 2,004 498.5
1,987 714.1 2,005 475.9
1,988 290.2 2,006 290.2
PE
1,989 284.5 2,007 466.7
1,990 197.3 2,008 188.9
1,991 262.9 2,009 588.6

RO
1,992 434.3 2,010 507.9
1,993 636.6 2,011 458.0
1,994 354.4 2,012 325.7

AG
P e rio do S1( 1977-1996) 2,013 345.5
M e dia 430.01 2,014 258.9
D e s v . E s t a nd. 193.42 2,015 309.0
n1 18.00 2,016 345.8

DE
P e rio do S2( 1978-2016)
M e dia 432.71
D e s v . E s t a nd. 165.03
n2 22.00
CA
Cuadro N°2. Índices estadísticos según periodos para pruebas de consistencia.

TE
Prueba T.Student.Consistencia Media (Prueba de m edia)
Sp 178.29
IO
Sd 56.66 Entonces, como

GL 38.00 Tc < Tt (95%) Luego X1 = X2 (ESTADISTICAMENTE)
BL
Tc 0.55
Tt 2.02 Si hay consistencia en la media

Cuadro N°3. Prueba “T” de Student para consistencia en la media.
BI
88
Prueba F.Fisher.Consistencia de STD (Prueba de varianza)
S t d1^2 37,412.52
S t d2 ^2 27,233.50 Entonces, como

G L num . 17.00 Fc < Ft (95%) Luego S1 = S2 (ESTADISTICAMENTE)
S
G L de n. 21.00
IA
Fc 0.73 Si hay consistencia en la varianza
F t ( a =0 .0 5 ) 2.14
AR
Cuadro N°4. Prueba “F” de Fisher para consistencia en la Desviación Estándar.
2.1.2. Del análisis de tendencia.
CU
Descargas Rio Utcubamba(1977-2016) m3/seg.
Maxima Maxima Máxima Máxima
PE
1977 509.2 1987 714.1 1997 489.1 2007 466.7
1978 455.9 1988 290.2 1998 963.0 2008 188.9
1979 277.1 1989 284.5 1999 299.6 2009 588.6
1980 282.3 1990 197.3 2000 484.2 2010 507.9
1981 825.4 1991
RO262.9 2001 650.3 2011 458.0
1982 294.6 1992 434.3 2002 487.4 2012 325.7
1983 734.3 1993 636.6 2003 445.3 2013 345.5
1984 584.0 1994 354.4 2004 498.5 2014 258.9
1985 238.6 1995 349.3 2005 475.9 2015 309.0
AG
1986 364.4 1996 291.7 2006 290.2 2016 345.8
Numero 10 10 10 10
Media 456.582 381.540 508.357 379.496
Desv.Stand 204.670 168.024 189.882 122.487
DE
Numero 40
Media 431.494
Desv.Stand 175.994
CA
Cuadro N°5. Índices estadísticos por grupo de años para análisis de tendencia
Analisis de la tendencia de la Media y de la Desv.Stand.Prueba T( Student). Rio Utcubamba

TE
Parámetro Periodo Num.Años Promedio STD r n Tc Tt(0,05,n-2) Conclusión
Media( Xt ) 1977-2016 70 431.494 175.994 0.0900 40 0.5571 2.0244 Tc < Tt (no hay)
1977-1986 1981 456.582 204.670
1987-1996 1991 381.540 168.024
IO
1997-2006 2001 508.357 189.882

2006-2016 2011 379.496 122.487
Media(Xt) -0.2156 4 -0.3122 4.3027 Tc < Tt (no hay)

BL
Desv.Std 0.5129 4 0.8450 4.3027 Tc < Tt (no hay)
Cuadro N°6. Resultados pruebas “T” de Student análisis de tendencia en la Media y

BI
Desviación Estándar.
89
2.1.3. De la aplicación de la prueba de datos dudosos.
Años Maxima ORDEN.Media

log10.Media
1998 963.0 963.0 2.9836
1981 825.4 825.4 2.9167
S
1983 734.3 734.3 2.8659
1987 714.1 714.1 2.8538
IA
2001 650.3 650.3 2.8131
1993 636.6 636.6 2.8039
AR
2009 588.6 588.6 2.7698
1984 584.0 584.0 2.7664
1977 509.2 509.2 2.7069
2010 507.9 507.9 2.7058
CU
2004 498.5 498.5 2.6977
1997 489.1 489.1 2.6894
2002 487.4 487.4 2.6878
2000 484.2 484.2 2.6850
PE
2005 475.9 475.9 2.6775
2007 466.7 466.7 2.6690
2011 458.0 458.0 2.6609
RO
1978 455.9 455.9 2.6589
2003 445.3 445.3 2.6487
1992 434.3 434.3 2.6378
1986 364.4 364.4 2.5616
AG
1994 354.4 354.4 2.5494

1995 349.3 349.3 2.5432
2016 345.8 345.8 2.5388
2013 345.5 345.5 2.5384
2012 325.7 325.7 2.5128
DE
2015 309.0 309.0 2.4900

1999 299.6 299.6 2.4766
1982 294.6 294.6 2.4692
1996 291.7 291.7 2.4649
CA
1988 290.2 290.2 2.4628

2006 290.2 290.2 2.4628
1989 284.5 284.5 2.4541
1980 282.3 282.3 2.4508
TE
1979 277.1 277.1 2.4426

1991 262.9 262.9 2.4198
2014 258.9 258.9 2.4131
IO
1985 238.6 238.6 2.3777

1990 197.3 197.3 2.2952
2008 188.9 188.9 2.2762
BL
Numero 40.00 40
Media 431.49 2.602462
Desv.Stand 175.99 0.168580
BI
Maximo 962.97
Minimo 188.89
Cuadro N°7. Resultados logarítmicos de caudales máximos para prueba de datos dudosos.
90
Prueba de datos Dudosos (OUTLIERS=ESPUREOS) de registro de la serie. Rio Utcubamba
N 40
log 10 Xp= 2.602462
log 10 STDX= 0.168580
Kn (40) 2.682
S
DATA DUDOSA ALTA: YM = Ypx + Kn*STDX
IA
YM = 2.589318 + 2.682*STDX 3.05459317 1133.948
DATA DUDOSA BAJA: Ym = Ypx - Kn*STDX
AR
Ym = 2.589318 -2.682*STDX 2.15033063 141.361
Cuadro N°8. Data dudosa alta y baja de la prueba de datos dudosos.
CU
Como se puede apreciar no hay datos dudosos ya que los caudales
máximos que figuran en el cuadro N°10 son menor a la data dudosa alta
PE
y mayor a la dato dudosa baja.
RO
2.1.4. Del análisis de caudales máximos vs caudales medios
mensuales.
AG
DE
CA
TE
IO
Gráfico N°1. Relación Caudales máximos vs Caudales medios

BL
En el gráfico N°1 se observa una buena correlación entre los caudales

máximos y los caudales medios.
BI
91
2.1.5. Del cálculo de la longitud adecuada de registro de la serie
Calculo de la longitud adecuada de registro de la serie:Rio Utcubamba
( Mockus,1960) Y 40 (Y - 6) 34 años
S
t ( Student) : Para 95 % de probabilidad ( α =0.05) con (Y-6) grados de libertad 2.032
R: Relacion de magnitud de eventos de TR=100 años y TR=2 años 2.409
IA
Ym : Minimo de años aceptable de registro 17.1 años
Conclusion: Y =40 años > Ym=17.1 años OK
RIO UTCUBAMBA .1977-2016.Caudales Probables.m3/s.
AR
Caudal.Maximo Anual
Tiemp.Retor Probabilidad Gumbel
Años %
2 50 390
5 20 537
CU
10 10 634
25 4 757
50 2 848
100 1 939
Cuadro N°9. Longitud adecuada de registro de la serie hidrométrica del río Utcubamba
PE
Como se observa en el cuadro N°9 la longitud adecuada de registro de
serie corresponde a 17.1 años que es menor a la cantidad de años que
RO
tenemos que es de 40 años por lo que se acepta la cantidad de años.
2.2. De la generación de caudales máximos utilizando 6 funciones

AG
probabilísticas.
DE
Log-norm al log pearson

Tr Norm al log norm al 3 Gum bel Log-gum bel
2 par III
10 630.19 630.05 644.49 635.52 633.98 635.5

25 708.25 752.13 803.13 775.32 756.94 839.98
CA
50 758.66 843.27 930.33 884.85 848.16 1033.12

Cuadro N°10. Caudales máximos para tres periodos de retorno, mediantes 6 funciones
probabilísticas
TE
Algunos de los cálculos realizado con el software Hidroesta 2 se puede

observar en ANEXO I – Imagen N°27, N°28 y N°29.
IO
BL
BI
92
2.3. De la prueba de ajuste del modelo de distribución según

Kolmogorov-Smirnoff.
DELTA
FUNCIONES MÁXIMO DELTA CRÍTICO DESCRIPCIÓN
S
NORMAL 0.1363 0.2150 SE AJUSTA
IA
LOG 2 PAR 0.0958 0.2150 SE AJUSTA
LOG 3 PAR 0.1080 0.2150 SE AJUSTA
AR
LOG PEARSON III 0.0938 0.2150 SE AJUSTA
GUMBEL 0.0920 0.2150 SE AJUSTA
LOG GUMBEL 0.1444 0.2150 SE AJUSTA
CU
Cuadro N°11. Resultados de la Prueba de Kolmogorov-Smirnoff
En el cuadro 10, podemos apreciar que la data histórica tiene muy
PE
buena aproximación a las funciones indicadas, a excepción de la
distribución de Log Gumbel, que para un periodo de retorno de 50 años,
RO
se aleja del resto.
AG
Así mismo, en el cuadro 11, se aprecia los deltas máximos de la prueba

de bondad aplicada (VER ANEXO II – CUADRO N°17, N°18, N°19,
N°20, N°21, N°22), en donde la función que presenta el mayor delta
DE
máximo es la Log-Gumbel, esto confirmaría lo mencionado

anteriormente. Por lo tanto, se consideró los caudales obtenidos por la
función Gumbel ya que presenta el menor delta máximo, es decir,
CA
presenta un mayor ajuste que el resto de funciones.
Por lo tanto, los caudales para 10, 25 y 50 años de periodo de retorno

TE
seleccionados, luego de aplicar los test de bondad de ajuste, son

633.98, 756.94 y 848.16 m3/s, respectivamente.
IO
BL
BI
93
3. De la determinación de los coeficientes de rugosidad del lecho del río

Utcubamba del tramo involucrado en el estudio
4. PROGRESIVA CAUCE M. IZQUIERDA M. DERECHO DESCRIPCIÓN

C:Sección irregular
S
0+000 a 0+700 0.035 0.035 0.04 MI: Con cultivo/ voleo
MD: Pasto alto
IA
0+700 a 0+900 0.035 0.05 0.04 MI:Pequeños árboles y arbustos sin follaje
MD:Pasto alto
AR
MD:Pasto alto
CU
MD: Pasto corto
PE
MD: Con cultivo/ voleo
MD:Pasto alto
RO C:Sección irregular
AG
MD:Pasto alto
3+000 a 3+150 0.035 0.05 0.03 MI:Escasos arbusto y pasto abundante
MD: Pasto corto
DE
CA
MD: Pasto corto

3+700 a 4+000 0.035 0.035 0.035 MI: Con cultivo/ en línea
TE
MD: Pasto corto
IO

MD: Pasto alto
BL
4+750 a 4+997.41 0.035 0.03 0.05 MI: Pasto corto

MD: Pequeños árboles y arbustos sin follaje
BI
Cuadro N°1. Asignación de valores de Manning por tramos
94
4. De la Simulación hidráulicamente el tramo de río Utcubamba en

estudio, aplicando modelo hidráulico HEC-RAS
4.1. De la simulación hidráulica
S
4.1.1. Tirantes
IA
TIEMPO DE RETORNO
AR
TRAMO
10 25 50
4+917.412 4+500 4.63-5.05 4.93-5.43 5.15-5.85
4+500 4+000 3.85-4.93 4.53-5.09 4.86-5.65
CU
4+000 3+500 4.65-4.90 4.82-5.18 5.18-5.59
3+500 3+000 3.93-4.83 4.88-5.36 5.11-5.72
3+000 2+500 4.60-4.81 4.97-5.19 5.16-5.51
PE
2+500 2+000 4.64-4.85 4.73-5.21 4.95-4.39
2+000 1+500 4.60-4.78 4.69-5.12 5.07-5.45
1+500 1+000 RO 4.54-4.73 4.92-5.16 5.14-5.78
1+000 0+500 3.93-4.61 4.84-5.08 5.04-5.57
0+500 0+000 4.36-4.55 4.74-5.34 4.94-5.67
AG
Cuadro N°12. Niveles de tirantes (m)
4.1.2. Velocidad de flujo máximo.

En el cuadro 13, se muestra las velocidades máximas (m/s) para
DE
caudales de 10, 25 y 50 años de periodo de retorno.
TIEMPO DE RETORNO
TRAMO
CA
10 25 50
4+917.412 4+500 1.92-2.50 2.11-2.76 2.35-2.92
4+500 4+000 2.18-2.86 2.49-3.12 2.85-3.42
TE
4+000 3+500 1.82-2.34 1.97-2.77 2.30-3.14

3+500 3+000 1.25-2.27 1.30-2.78 1.52-3.25
3+000 2+500 1.78-2.25 1.89-2.82 2.16-3.11
IO
2+500 2+000 1.82-2.31 2.01-2.76 2.25-3.03

2+000 1+500 1.80-2.29 1.96-2.89 2.18-3.13
1+500 1+000 1.77-2.23 1.94-2.77 2.12-3.15
BL
1+000 0+500 1.28-2.10 1.36-2.34 1.82-2.78

0+500 0+000
1.66-2.05 1.83-2.57 2.05-2.89
Cuadro N°13. Cuadro de velocidades de flujo según tiempo de retorno.
BI
95
4.1.3. Número de Froude.

En el cuadro 14, se muestra el Número de Froude para caudales
de 10, 25 y 50 años de periodo de retorno.
S
IA
TIEMPO DE RETORNO
TRAMO
10 25 50
AR
4+917.412 4+500 0.19-0.44 0.23-0.56 0.27-0.63
4+500 4+000 0.35-0.49 0.37-0.61 0.43-0.70
4+000 3+500 0.29-0.43 0.39-0.55 0.39-0.59
CU
3+500 3+000 0.19-0.38 0.21-0.50 0.23-0.60
3+000 2+500 0.28-0.43 0.34-0.51 0.38-0.62
2+500 2+000 0.31-0.42 0.35-0.57 0.39-0.63
2+000 1+500 0.30-0.41 0.34-0.58 0.36-0.62
PE
1+500 1+000 0.27-0.39 0.34-0.54 0.37-0.59
1+000 0+500 0.20-0.36 0.24-0.42 0.32-0.51
0+500 0+000 0.23-0.34 0.34-0.51 0.42-0.57
RO
Cuadro N°14. Número de Froude
5. De la elaboración de mapas de áreas inundables de los sectores San
AG
Pedro y Niño Pobre, del distrito El Milagro, provincia de Utcubamba,

región Amazonas, mediante software ArcGIS
DE
5.1. Mapas de inundación

Los mapas de inundación trabajados en ArcGIS se presentan en
el ANEXO V – MAPA N°2, 3, 4 y 5.
CA
5.2. Llanuras de inundación
SUPERFICIE AFECTADA (Ha)

TE
TIEMPO DE
RETORNO MARGEN DERECHA MARGEN IZQUIERDA TOTAL
10 38.84 30.66 69.50

IO
25 51.93 40.05 91.98

50 70.33 51.07 121.40
BL
BI
96
V. DISCUSIONES
 Con respecto a la obtención de las secciones transversales usando la

extensión HEC-geoRAS y ArcGIS; HEC-geoRAS, como es lógico, pide trazar
S
las líneas de corte para sección transversal de manera perpendicular al eje
IA
central del río, como condición necesaria para una buena simulación futura,
así mismo, exige que estas líneas no se corten entre sí. Requisitos que se
AR
pueden cumplir muy fácilmente y de manera rápida en ríos cuasi-rectos
usando la opción automática o manual de trazado. Sin embargo, el trazo de
CU
estas líneas cada 20 metros (distancias pequeñas) en un río sinuoso con
curvas muy cerradas, como el río Utcubamba, resulta imposible con la
opción automática debido a que el corte entre ellas siempre existirá. Por su
PE
parte, la opción manual resultó muy dificultosa y demandó de mucho tiempo,
además, las secciones transversales en las curvas se vieron limitadas, esto
RO
debido a que al evitar el corte entre líneas y cumplir con la perpendicularidad
exigida ocasionó la reducción de la llanura de inundación en el margen
interno de la curva. Ante esto surgió la idea de trazar las líneas con una
AG
distancia entre ellas considerable, así evitar el corte entre ellas y mejorar la
perpendicularidad, empero, se dio marcha atrás, ya que, restringiría los
detalles de inundación en las curvas al tener las secciones muy alejadas.
DE
HEC-geoRAS debería implementar una opción automática para el trazo de

líneas de corte para sección transversal en curvas muy cerradas.
CA
 En cuanto a la elección de los datos finales a ingresar en los modelos

probabilísticos que vienen a ser los caudales diarios máximos registrados,
TE
debo citar a Veneros y Ponce (2011), quienes textualmente afirman: “se ha

preferido trabajar solamente con información real, es decir, no se han
IO
completado registros estadísticos, lo cual asegura la fidelidad de dicha

información”, respecto a esto plantearé mi segunda discusión. Cabe recalcar
BL
que la información que han manejado ellos es de precipitación máxima en 24

horas, sin embargo, para la finalidad de la discusión, que a continuación
BI
planteo, será equivalente a los caudales máximos diarios usados en este

trabajo. Veneros y Ponce afirman que al no haber realizado una
completación estadística aseguran la fidelidad de dicha información por lo
97
que es razón suficiente para ingresar los datos a los modelos probabilísticos
y finalmente determinar precipitación máxima probables. Sin embargo, debo
afirmar que la fidelidad de una serie tanto pluviométrica o hidrométrica no se
garantiza por tomarla tal y como la estación meteorológica o hidrométrica
S
(según sea el caso) te la proporciona. Los datos proporcionados por las
IA
estaciones deberán tener, obligatoriamente, un análisis previo y, de ser
AR
necesario, la respectiva corrección de datos. Tales análisis serían: El análisis
de consistencia, ya que posiblemente se hayan cometido errores de lectura
por el operador o descalibraciones de los instrumentos; el análisis de
CU
tendencia, esto debido a que posiblemente de un tiempo aquí, en el caso de
caudales, se haya instalado alguna presa o captación que haya modificado
PE
el comportamiento de la serie de caudales; un análisis de datos dudosos,
que nos permitan verificar el porqué de la excedencia de algunos registros; y
finalmente el cálculo de la longitud adecuada de registro de una serie para
RO
asegurar si la longitud de registro con la que contamos nos permitirá obtener
resultados confiables. Los análisis mencionados y la correspondiente
AG
corrección de datos si garantizan la fidelidad de una serie. Teniendo esto en

cuenta, sería más adecuado citar a Linsley et al (1988) respecto a: “para que
el análisis probabilístico produzcan resultados útiles, éste debe comenzar
DE
con una serie de datos significativos, adecuados, precisos y confiables”.
 En relación con la asignación de coeficientes de rugosidad de Manning,

CA
debemos afirmar que, necesariamente, se debe realizar en campo un

exhaustivo análisis de las condiciones del río y sus llanuras de inundación.
TE
Se debe asignar un valor de rugosidad de Manning por tramos ya que se

sabe que el río cambia sus condiciones de cauce y de llanuras de
IO
inundación y, generalmente, el coeficiente de Manning varía en tramos

cortos. Manifiesto esto por lo encontrado en la investigación de León (2010)
BL
en el río Moche, en donde se asignó un mismo valor de rugosidad (según

cauce y llanuras de inundación) para un tramo de un kilómetro y medio, un
BI
tramo muy largo para considerar un solo valor de rugosidad.
Si bien el trabajo de investigación se hará más amplio queda demostrado

que los resultados obtenidos tendrán mayor garantía.
98
 En referencia con la simulación hidráulica en Hec-Ras, hay que tener

presente la relación que existe entre el caudal máximo según tiempo de
retorno que vayamos a simular y la topografía del área de influencia
S
necesaria para poder visualizar exitosamente la inundación generada por
IA
este caudal. Lo que se demuestra por la experiencia obtenida en la presente
investigación. En un inicio la topografía realizada en los cinco kilómetros de
AR
estudio había resultado muy limitada para ver las zonas de inundación para
caudal máximo según el tiempo de retorno de 50 años, ya que cuando se
CU
realizó la simulación se observó una mancha que cubría los límites de las
llanuras en su totalidad, lo que no daba una idea real de la inundación y
PE
significaba que la mancha de inundación excedía los límites de la topografía
realizada. Es por eso que se retornó a campo a tomar algunos puntos
topográficos más que permitieran ampliar el área de influencia y que nos
RO
permitieran tener un mejor resultado en la simulación para un caudal máximo
según tiempo de retorno de 50 años.
AG
 Como se ha podido observar en el capítulo de resultados, el tramo del río

Utcubamba en estudio, resultó meandriforme, con una pendiente muy
DE
moderada, velocidades promedio de 2 m/s lo cual indica velocidades bajas,

números de Froude bajos que indican un régimen subcrítico en este río, esto
representa valores moderados en comparación al río Moche que presenta
CA
León (2010) en su investigación, en donde figuran valores de un río con

bastante turbulencia, pendiente fuerte y velocidades medianamente altas.
TE
Así pues, se puede apreciar las diferencias existentes entre un río del Nor-
Oriente de Perú, como el río Utcubamba, y un río de la costa como el río
Moche.
IO
BL
BI
99
VI. CONCLUSIONES
 Las áreas de inundación en el margen izquierdo que implican a los sectores

San Pedro y Niño Pobre corresponden para los tiempos de retorno de 10, 25
S
y 50 años a 38.84, 51.93 y 70.33 hectáreas, respectivamente. Por otro lado,
IA
según los tiempos de retorno considerados, no se ven afectados ninguna
AR
vivienda, centro de salud o centro educativo de los centros poblados de San
Pedro y Niño Pobre.
 El tramo del río Utcubamba en estudio que contemplan a los centro poblados
CU
de San Pedro y Niño Pobre, posee un ancho de cauce entre los 70 y 100
metros de anchos, material arenoso en sus bancos, pendiente moderada,
PE
velocidades de 2 m/s en promedio y mucha sinuosidad en su recorrido. En
general, una topografía relativamente plana con pequeños cerros en zonas
RO
contiguas a las llanuras de inundación.
 Las llanuras de inundación del río Utcubamba en este tramo, en su mayoría,
está constituida por pequeños arbustos, pastos cortos y largos en algunos
AG
tramos, y cultivos como Arroz, yuca y plátanos, elementos que caracterizan

la rugosidad de las llanuras.
 El modelo probabilístico de Gumbel, representa la mayor flexibilidad para su
DE
aplicación a caudales máximos, en el río Utcubamba, aunque ello debe

siempre quedar refrendado por las medidas de bondad de ajuste. Los
caudales máximos arrojados para tiempos de retorno de 10, 25 y 50 años
CA
fueron de 633.98, 756.94 y 848.16, respectivamente. Para el caso de esta

investigación la prueba de bondad de ajuste usada fue la de Kolmogorov –
TE
Smirnoff. Así mismo, las series de caudales máximos históricos ingresados a

los modelos probabilístico deben tener, necesariamente, un análisis
IO
exploratorio de datos.
 Tanto el software HEC-RAS, como simulador hidráulico; la extensión Hec-
BL
geoRAS, como facilitador de las secciones transversales; y el software

ArcGIS, como procesador de topografía y elaboración de mapas, no son
BI
tecnologías autosuficientes y necesitan del criterio del experto para ser

adaptadas a cada situación en particular.
100
VII. RECOMENDACIONES
 Con el fin de mejorar la metodología se recomienda a los alumnos de la
S
carrera de Ingeniería Agrícola realizar la simulación hidráulica por
IA
tramos en curvas muy cerradas y comparar los resultados con los de
una simulación en un solo tramo. De obtener datos similares, la
AR
simulación hidráulica por tramos, será una buena opción ya que el trazo
de líneas de corte para la obtención de secciones transversales en
CU
curvas cerradas (según lo discutido en el capítulo V) ya no será un
problema.
PE
 Se recomienda realizar un estudio de socavación y encauzamiento para
la correspondiente instalación de estructuras de defensas tales como
RO
gaviones, espigones o diques en las partes más críticas del tramo en
estudio, de esta manera se logrará disminuir los daños que pueden
AG
ocasionar futuros desbordes.
 Aunque utilizar imágenes satelitales para la generación de modelos

DE
digitales de terreno arroja resultados poco confiables, se recomienda

utilizar información satelital no para la simulación hidráulica final sino
como una herramienta para aproximar las zonas de inundación según un
CA
tiempo de retorno elegido (podría ser de 100 a 500 años para el caso de
puentes o vías de comunicación, que exigiría mayor área de influencia),
TE
según esto los futuros investigadores podrán programar los trabajos de

topografía a realizar en campo teniendo una idea del área de influencia
de la inundación.
IO
 Realizar un programa de concientización a los pobladores de los centro

BL
poblados de San Pedro y Niño Pobre, sobre todo a los propietarios de

las hectáreas de cultivos aledaños a las márgenes de los ríos, donde se
BI
informe sobre los resultados erosivos que causan el deterioro de las

márgenes por invasiones o uso de estas como expansión de terrenos de
cultivo.
101
IX. REFERENCIAS BIBLIOGRÁFICAS
Aguilera, M.A. 2007. Análisis de las funciones de distribución de probabilidad
S
para caudales máximos en la Región del Maule. Universidad de Talca,
IA
Facultad de Ciencias Forestales. Talca, Chile.
AR
Autoridad Nacional del Agua, Dirección de Estudios de Proyectos Hidráulicos
Multisectoriales. 2015. Identificación de poblaciones vulnerables por
CU
activación de quebradas 2015 – 2016. Lima, Perú.
Ashakar, F.; T.B.M.J Ouarda, R. Roy and B. Bobée. 1993. Robust estimators
PE
in hydrologic frequency analysis, in Engineering Hydrology. Edited by
C.Y, pp 347-352, Am. Soc. Civ. Eng.
RO
Blade, M.; Sánchez, HP.; Sánchez, M. 2009. Modelación numérica en ríos, en
régimen permanente y variable. Una visión a partir del modelo HEC-
RAS. Ediciones UPC. 74-92 p. Barcelona, España.
AG
Cárdenas, P. 2012. Aplicación de sistemas de información geográfica para el

modelamiento de zonas con riesgo de inundación. Caso Estudio Río
DE
Lurín. Facultad de Ingeniería Agrícola. Universidad Nacional Pedro Ruiz

Gallo. Lambayeque, Perú.
Centro Nacional de Prevención de Desastres. Secretaría de Gobernación.
CA
Inundaciones. México, D.F.: Centro Nacional de Prevención de

Desastres. Secretaría de Gobernación.; 2004.
TE
Chow, VT. 1985. Hidráulica de los Canales Abiertos. Tercera Edición Editorial
Diana. 633p. México D. F, México.
IO
Chow V.; Maidment D.; Mays, L. 1994. Hidrología aplicada. Editorial McGraw
Hill Interamericana S.A. Bogotá, Colombia.
BL
Chow V.; Maidment D.; Mays, L. 1959. Hidráulica de canales abiertos. Editorial
McGraw Hill Interamericana S.A. Bogotá, Colombia.
BI
Díaz S. 2010. Estadística y Probabilidad en la hidrología. Primera edición.

Asamblea Nacional de Rectores Fondo Editorial. Lima, Perú.
102
Gracia Sánchez, J; Maza, JA. 2011. Manual de Ingeniería de Ríos. Morfología

de Ríos. Editorial Limusa. México D. F, México.
Instituto Nacional de Defensa Civil, Dirección Nacional de operaciones,
S
Dirección de Estadística. 1997. Descripción de las emergencias
IA
producidas en el Perú por departamentos. Lima, Perú.
AR
León A. 2010. Aplicación del modelo HEC-RAS 4.1 para determinar
parámetros hidráulicos en el río Moche, margen derecha del sector
CU
Espino-Limón. Tesis. Facultad de Ciencias Agropecuarias. Universidad
Nacional de Trujillo. Trujillo, Perú.
PE
Martín, JP. 2003. Ingeniería de Ríos. Segunda Edición. Ediciones Alfa omega.
331p. México D. F, México. RO
Martín, JP. 2002. Ingeniería de ríos. Segunda Edición. Ediciones de la
Universidad Politécnica de Catalunya. 379p. Barcelona, España.
AG
Mejía, A. 2012. Hidrología Aplicada Volumen I, II, Centro de Impresiones y

Publicaciones FIA. 394 pág. y 186 pág. Lima–Perú.
DE
Minga, P. 2011. Ingeniería fluvial. Segunda edición. Ediciones América.

Montevideo, Uruguay.
CA
Ministerio de Salud, Gerencia de Planeamiento y Acondicionamiento

TE
Territorial. 2011. Plan de Prevención y Atención de Desastres Naturales

de la Región Amazonas. Amazonas, Perú.
IO
Piers B.; Terry C. 1998. Vulnerabilidad. 1a edición. La Red editores; 1996. 10

BL
pág. y 11 pág. México, D.F, México.

BI
Pizarro R.; Novoa P. 1986. Determinación de valores probabilísticos para

variables hidrológicas. Tesis. Facultad de Ciencias Forestales.
Universidad de Talca. Talca, Chile.
103
Rocha F. 1998. Introducción a la hidráulica fluvial. 1a ed. Ediciones

Universidad Nacional de Ingeniería. Lima, Perú.
S
Roberson, J. A; Crowe, C. T. 1985, Mecánica de Fluidos. Primera Edición.
IA
Nueva Editorial Interamericana 680p. México D. F, México.
AR
Solano, Z.; Vintimilla, V. 2013. Estudio fluviomorfológico del río Vinces y
determinación de las áreas de inundación de la zona de influencia del
CU
proyecto Pacalori aplicando HEC-geoRAS. Tesis. Facultad de Ingeniería.
Universidad de Cuenca. Cuenca, Ecuador.
PE
Sotelo, G. 2000, Hidráulica General. Editorial Limusa. 561p. México D. F,
México. RO
Vergara, M. A.1993. Técnicas de Modelación en Hidráulica. Primera Edición.
Ediciones Alfaomega. 294p. México D. F, México.
AG
Veneros, L. M; Ponce T. N. 2011. Aplicación de tres modelos precipitación-

escorrentía para estimar el caudal máximo de diseño en la cuenca de la
DE
quebrada Carrizal. Distrito de Llama, Provincia de Chota, Departamento

de Cajamarca. Tesis. Facultad de Ciencias Agropecuarias. Universidad
Nacional de Trujillo. Trujillo, Perú.
CA
Villón, M. 2008. HEC-RAS Ejemplos. Segunda Edición. Editorial Tecnológico

TE
de Costa Rica. 732p. Cartago, Costa Rica.

IO
Viessman, W. 1972. Introducción a la hidrología. Editorial C.Y, pp 347-352,

Am. Soc. Civ. Eng.
BL
Villón B. 2011. Hidrología estadística. Segunda edición. Instituto Tecnológico

de Costa Rica. Cartago, Costa Rica.
BI
104
S
IA
AR
CU
PE
RO
ANEXOS I
AG
FIGURAS
DE
CA
TE
IO
BL
BI
105
S
IA
AR
CU
PE
FIGURA N°14. MORFOLOGÍA DEL RÍO UTCUBAMBA
RO
AG
DE
CA
TE
IO
BL
FIGURA N°15-A. CULTIVOS INSTALADOS EN LAS LLANURAS DE

BI
INUNDACIÓN DEL RÍO UTCUBAMBA
106
S
IA
AR
CU
PE
FIGURA N°15-B. CULTIVOS INSTALADOS EN LAS LLANURAS DE
RO
INUNDACIÓN DEL RÍO UTCUBAMBA
AG
DE
CA
TE
IO
BL
BI
FIGURA N°16. LEVANTAMIENTO TOPOGRÁFICO EN EL MARGEN

IZQUIERDO DEL RÍO UTCUBAMBA.
107
S
IA
AR
CU
PE
RO
FIGURA N°17. LEVANTAMIENTO TOPOGRÁFICO EN EL CAUCE DEL RÍO
UTCUBAMBA.
AG
DE
CA
TE
IO
BL
FIGURA N°18. TRAZADO DE LINEAS DE CORTE PARA SECCIONES

BI
TRANSVERSALES EN ARCGIS CON HEC-GEORAS
108
S
IA
AR
CU
PE
RO
FIGURA N°19. LOCAL DE LA AUTORIDAD LOCAL DEL AGUA -
AG
UTCUBAMBA
DE
CA
TE
IO
BL
BI
FIGURA N°20. VISTA DE LAS SECCIONES TRANSVERSALES EN HEC-

RAS
109
S
IA
AR
CU
PE
FIGURA N°21. ASIGNACIÓN DE CAUDALES MÁXIMOS A CADA PERFIL
CREADO EN HEC-RAS
RO
AG
DE
CA
TE
IO
BL
FIGURA N°22. CREACIÓN DE UN PLAN PARA LA SIMULACIÓN

HIDRAÚLICA EN HEC-RAS
BI
110
S
IA
AR
CU
PE
FIGURA N°23. EXPORTACIÓN DE ARCHIVOS EN FORMATO SDF
CREADOS EN HEC-RAS
RO
AG
DE
CA
TE
IO
BL
BI
FIGURA N°24. TRANSFORMACIÓN DE FORMATO SDF A XDF EN

SOFTWARE LÁMINA
111
S
IA
AR
CU
PE
RO
FIGURA N°25. ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO HIDROESTA
2 SEGÚN DISTRIBUCIÓN GUMBEL PARA UN TR 50 AÑOS
AG
DE
CA
TE
IO
BL
BI
FIGURA N°26. ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO HIDROESTA

2 SEGÚN DISTRIBUCIÓN NORMAL PARA UN TR 25 AÑOS
112
S
IA
AR
CU
PE
RO
FIGURA N°27. ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES
USANDO HIDROESTA 2 SEGÚN DISTRIBUCIÓN LOG-GUMBEL PARA
AG
UN TR 10 AÑOS
DE
CA
TE
IO
BL
BI
113
S
IA
AR
CU
PE
ANEXOS II RO
TABLAS
AG
DE
CA
TE
IO
BL
BI
106
114
S
IA
AR
CU
PE
RO
AG
DE
CA
TE
IO
TABLA N°3. VALORES DE “n” DADOS POR MANNING PARA

CANALES NATURALES
BL
BI
115
S
IA
AR
CU
PE
RO
AG
DE
TABLA N°4. VALORES “Km” PARA LA PRUEBA DE DATOS DUDOSOS

CA
TE
IO
BL
BI
116
Tamaño Nivel de Significancia α

Muestral 0.2 0.15 0.1 0.05 0.01
1 0.900 0.925 0.950 0.975 0.995
S
2 0.684 0.726 0.776 0.842 0.929
IA
3 0.565 0.597 0.642 0.708 0.828
AR
4 0.494 0.525 0.564 0.624 0.733
5 0.446 0.474 0.510 0.565 0.669
6 0.410 0.436 0.470 0.521 0.618
CU
7 0.381 0.405 0.438 0.486 0.577
8 0.358 0.381 0.411 0.457 0.543
PE
9 0.339 0.360 0.388 0.432 0.514
10 0.322 0.342 0.368 0.410 0.490
11 0.307 0.326 0.352 0.391 0.468
RO
12 0.295 0.313 0.338 0.375 0.450
13 0.284 0.302 0.325 0.361 0.433
14 0.274 0.292 0.314 0.349 0.418
AG
15 0.266 0.283 0.304 0.338 0.404

16 0.258 0.274 0.295 0.328 0.392
17 0.250 0.266 0.286 0.318 0.381
DE
18 0.244 0.259 0.278 0.309 0.371

19 0.237 0.252 0.272 0.301 0.363
20 0.231 0.246 0.264 0.294 0.356
CA
25 0.210 0.220 0.240 0.270 0.320

30 0.190 0.200 0.220 0.240 0.290
TE
35 0.180 0.190 0.210 0.230 0.270

N>35 1.07/Nᶺ0.5 1.14/Nᶺ0.5 1.22/Nᶺ0.5 1.36/Nᶺ0.5 1.63/Nᶺ0.5
IO
BL
TABLA N°5. VALORES CRÍTICOS Δ DEL ESTADÍSTICO KOLMOGOROV-

SMIRNOFF PARA VARIOS VALORES DE “N” Y NIVELES DE
BI
SIGNIFICANCIA.
117
S
IA
AR
CU
PE
RO
ANEXOS II
CUADROS
AG
DE
CA
TE
IO
BL
BI
118
107
AUTORIDAD NACIONAL DEL AGUA - SISTEMA NACIONAL DE INFORMACIÓN DE RECURSOS HÍDRICOS
CAUDALES MEDIOS MENSUALES (M3/S)
No mbre de P UENTE CA JA RURO Río : Utcubamba Regió n: A M A ZONA S Latitud Sur: -5.75600
S
Estació n:
IA
Co digo de Cuenca: Cuenca Utcubamba P ro vincia: UTCUB A M B A Lo ngitud -78.43100
4989410001
Estació n: Oeste:
AR
Tipo de
HIDROM ETRICA P fafstetter: 49894 Distrito : B A GUA GRA NDE A ltitud: 427
Estació n:
A ño E ne ro F e bre ro M a rzo A bril M a yo J unio J ulio A go s t o S e t ie m bre O c t ubre N o v ie m bre D ic ie m bre
1977 243.8 242.9 462.9 270.4 201.3 103.7 94.4 92.5 115.3 154.3 126.9 134.5
CU
1978 105.3 154.6 115.0 285.9 182.0 107.3 107.7 115.5 105.4 106.9 119.0 216.7
1979 203.6 179.8 217.1 138.1 136.2 93.1 80.8 103.5 120.6 101.2 113.5 180.1
1980 116.5 125.7 180.3 232.3 141.5 98.0 93.6 90.5 91.1 98.2 217.7 140.7
1981 135.1 162.3 185.2 142.2 157.8 82.3 107.5 109.3 88.3 124.8 138.5 133.5
PE
1982 144.2 134.6 165.3 182.6 176.3 109.4 98.3 92.3 95.5 137.5 176.8 123.5
1983 302.6 178.5 278.4 300.5 278.5 231.0 112.4 112.4 108.4 133.3 258.3 298.3
1984 250.4 265.4 256.4 289.3 267.1 279.5 200.4 189.2 102.5 189.3 128.4 260.3
1985 154.7 195.7 167.4 159.4 132.6 115.7 95.4 102.4 109.4 178.4 128.4 128.4
1986 229.5 267.,48 245.8 279.5 218.5 110.4 107.4 105.7 149,46 108.4 159.0 165.4
1987 389.5 387.2 234.4 267.4 203.5

RO 197.5 177.3 90.4 91.4 86.9 187.4 188.3
1988 186.4 230.5 176.5 182.4 178.4 85.3 86.4 90.4 109.4 97.4 92.4 87.4
1989 193.5 165.4 176.4 144.4 138.5 111.4 85.3 82.4 85.3 102.4 101.3 100.4
1990 104.5 123.5 114.3 132.4 138.5 74.3 78.3 87.4 73.5 92.5 100.3 100.4
1991 216.6 185.4 178.4 145.4 133.3 90.4 90.5 103.5 112.4 129.4 92.4 85.5
AG
1992 276.5 254.4 267.4 250.4 143.3 110.3 90.4 85.3 115.3 145.4 133.5 138.5
1993 254.4 267.9 289.5 345.8 288.7 198.5 167.4 93.5 92.5 104.6 238.5 253.9
1994 276.5 245.4 182.4 176.4 139.3 79.4 82.4 87.4 82.4 76.4 103.2 201.4
1995 276.6 146.3 136.7 150.4 139.7 87.3 86.3 89.6 86.5 85.4 103.6 137.8
1996 182.4 176.5 167.5 183.4 154.4 103.5 98.5 98.5 87.5 167.5 134.5 104.4
DE
1997 217.5 240.3 277.5 220.5 214.8 95.5 71.4 87.9 112.8 91.7 137.4 193.7
1998 300.5 460.5 580.6 324.7 289.7 224.8 109.7 103.8 112.7 117.8 207.5 289.6
1999 157.6 188.3 215.8 168.7 147.6 119.7 98.7 94.7 109.7 112.7 105.7 134.8
2000 178.2 286.5 304.6 301.9 203.5 156.4 118.5 85.3 82.5 87.4 102.3 138.5
2001 154.4 299.4 256.5 300.3 304.4 299.4 188.4 129.4 117.4 167.4 177.4 169.4
2002 192.4 204.4 277.5 294.4 264.4 76.4 189.4 96.3 89.4 187.4 218.4 234.4
CA
2003 229.4 256.5 268.6 254.9 227.5 215.4 124.5 94.4 178.9 133.3 156.8 167.9
2004 185.7 230.2 298.5 203.4 154.8 129.6 125.8 84.8 105.8 178.8 179.7 189.9
2005 236.8 287.5 324.4 205.5 174.4 122.4 113.5 90.5 119.4 167.4 156.5 169.3
2006 138.8 166.9 189.4 160.9 85.7 81.3 70.4 85.4 123.9 110.4 112.4 126.5
TE
2007 120.8 162.9 236.8 167.8 178.3 89.7 75.6 78.5 94.5 138.4 148.5 113.3
2008 82.2 134.9 125.2 112.8 79.2 92.6 78.1 85.5 92.4 90.5 126.9 75.3
2009 260.5 276.3 300.2 302.4 287.4 176.4 93.5 98.5 92.4 109.5 139.5 205.5
2010 278.3 312.3 288.5 213.7 188.3 75.4 80.3 78.3 98.3 82.4 99.6 98.4
2011 246.4 294.5 300.3 265.4 213.6 144.4 79.9 82.4 87.5 102.5 92.5 121.7
IO
2012 194.6 240.4 213.1 194.4 179.5 112.3 118.5 89.5 94.4 167.5 123.3 100.2
2013 134.3 168.5 298.4 194.4 183.5 125.5 89.5 107.5 109.5 102.4 113.3 119.4
2014 137.3 162.4 192.3 154.3 130.2 91.4 89.4 69.5 104.4 112.4 107.6 123.3
BL
2015 178.7 180.5 203.8 278.7 127.9 109.4 76.6 78.9 76.9 104.3 119.5 123.8
2016 127.5 189.0 237.5 209.9 157.5 96.5 89.6 88.1 92.7 108.7 103.7 107.4
N° Registro s 40 40 40 40 40 40 40 40 40 40 40
P ro m e dio 19 9 .8 5 2 19 .5 9 2 3 8 .9 1 2 19 .6 8 18 3 .5 2 12 7 .5 6 10 5 .5 4 9 5 .7 6 10 1.7 4 12 2 .3 1 13 9 .5 5 15 4 .5 4
BI
M áximo 389.48 460.45 580.56 345.83 304.35 299.38 200.36 189.23 178.94 189.30 258.28 298.30
M ínimo 82.19 123.48 114.26 112.80 79.16 74.27 70.37 69.49 73.48 76.39 92.35 75.25
Cuadro N°15. SERIE HISTÓRICA DE CAUDALES MEDIOS MENSUALES

DE LA ESTACIÓN CAJARURO (1977-2016)
AUTORIDAD NACIONAL DEL AGUA - SISTEMA NACIONAL DE INFORMACIÓN DE RECURSOS HÍDRICOS
CAUDALES MÁXIMOS MENSUALES (M3/S)
No mbre de P UENTE CA JA RURO Río : Utcubamba Regió n: A M A ZONA S Latitud Sur: -5.75600
S
Estació n:
IA
Co digo de Cuenca: Cuenca Utcubamba P ro vincia: UTCUB A M B A Lo ngitud -78.43100
4989410001
Estació n: Oeste:
AR
Tipo de
Estació n: HIDROM ETRICA P fafstetter: 49894 Distrito : B A GUA GRA NDE A ltitud: 427
A ño E ne ro F e bre ro M a rzo A bril M a yo J unio J ulio A go s t o S e t ie m bre O c t ubre N o v ie m bre D ic ie m bre
1977 268.2 276.9 509.2 297.4 221.4 114.1 103.8 101.7 126.8 169.7 139.6 148.0
CU
1978 175.5 180.6 165.0 455.9 182.0 107.3 107.7 115.5 105.4 106.9 119.0 216.7
1979 263.6 199.8 277.1 178.1 176.2 99.1 89.8 117.5 149.6 121.2 153.5 235.1
1980 146.5 175.7 240.3 282.3 161.5 118.0 123.6 101.5 106.1 113.2 227.7 200.7
1981 185.1 222.0 225.4 182.8 197.8 107.7 147.9 126.5 109.8 194.6 188.2 246.0
PE
1982 260.5 206.2 255.0 251.7 294.6 172.5 129.6 104.9 111.5 230.9 276.2 287.4
1983 394.7 244.2 311.4 734.3 400.7 291.6 132.9 126.5 119.5 156.5 472.4 343.7
1984 353.7 452.9 337.7 519.6 472.3 584.0 403.1 264.0 123.3 216.8 161.6 500.3
1985 185.3 238.6 214.9 207.5 177.3 130.1 106.2 116.5 122.1 224.7 145.1 171.9
1986 321.9 317.7 293.7 364.4 284.8 127.7 123.5 128.8 216.2 148.1 215.8 257.7
1987 714.1 562.6 464.3 356.5 296.6

RO 223.5 207.0 112.0 108.7 107.2 288.7 271.0
1988 246.6 290.2 204.2 241.9 227.9 98.5 91.4 100.6 127.9 102.0 105.4 98.8
1989 284.5 227.1 282.9 210.3 177.0 125.0 94.6 92.2 100.4 125.6 111.2 121.0
1990 197.3 150.3 166.3 195.7 170.7 101.1 117.7 118.3 104.8 117.4 113.0 126.3
1991 262.9 236.7 244.8 182.0 159.1 100.2 95.7 123.4 141.6 146.0 97.2 94.0
AG
1992 397.3 325.1 345.9 434.3 187.9 120.4 93.2 93.3 119.8 199.9 161.7 175.7
1993 351.2 353.0 364.4 636.6 334.4 247.9 216.7 104.5 107.7 132.2 299.8 379.6
1994 354.4 297.7 215.7 253.6 191.2 87.9 99.7 95.2 89.6 84.6 181.7 301.4
1995 349.3 179.8 156.6 200.8 165.9 92.7 90.4 99.8 90.9 89.5 127.7 178.1
1996 244.9 233.5 237.8 291.7 206.9 123.0 105.5 112.1 95.3 225.6 170.4 120.7
DE
1997 354.9 383.3 489.1 392.2 272.9 111.1 82.6 99.8 123.3 106.7 265.3 319.8
1998 410.9 544.8 963.0 477.9 377.6 239.5 125.0 115.0 125.0 139.3 271.9 355.0
1999 232.5 299.6 282.5 228.8 218.4 140.7 110.0 104.0 128.9 155.5 158.0 237.8
2000 212.6 375.5 484.2 384.0 290.6 188.4 141.2 94.7 96.8 105.9 117.5 169.7
2001 189.5 304.2 376.7 650.3 382.9 364.7 213.4 137.4 133.6 256.5 275.9 292.1
2002 487.4 265.7 418.3 433.3 414.7 88.4 238.8 101.9 108.8 227.4 348.4 333.4
CA
2003 445.3 361.0 361.0 341.6 333.4 293.6 160.7 105.4 242.7 177.5 273.2 268.2
2004 206.3 300.2 498.5 283.4 195.0 146.6 144.6 92.1 119.7 224.6 220.0 253.4
2005 352.6 448.4 475.9 288.5 222.3 131.7 143.6 106.4 146.7 227.0 224.9 268.2
2006 250.9 258.4 290.2 250.9 98.7 94.8 90.8 102.3 177.2 208.5 132.9 160.7
TE
2007 280.8 134.8 466.7 231.7 248.5 105.3 90.1 91.9 106.4 248.5 241.2 167.0
2008 115.1 188.9 133.3 157.9 110.8 129.7 109.3 119.7 129.4 126.7 177.6 105.4
2009 313.6 351.4 463.6 588.6 360.7 242.6 101.0 112.5 108.0 152.1 206.6 276.6
2010 364.5 507.9 477.4 301.7 231.5 96.4 95.4 91.2 111.2 91.5 118.9 107.4
2011 296.4 364.5 458.0 306.4 262.3 161.1 86.4 90.9 97.4 121.3 116.9 139.0
IO
2012 281.4 325.7 322.3 286.1 212.3 164.0 127.0 101.7 118.4 195.8 180.5 126.8
2013 220.8 330.8 345.5 309.2 271.4 196.8 103.6 125.2 134.4 148.7 165.0 171.4
2014 253.8 232.5 258.9 210.5 185.6 109.8 103.8 88.9 122.0 135.5 145.4 182.9
BL
2015 222.9 245.2 295.2 309.0 173.8 133.1 91.4 90.6 99.9 129.1 156.0 173.8
2016 214.7 336.0 345.8 289.3 213.4 111.4 104.5 104.2 111.5 144.8 137.4 153.5
N° Registro s 40 40 40 40 40 40 40 40 40 40 40 40
P ro m e dio 2 9 1.6 1 2 9 8 .2 4 3 4 2 .9 7 3 2 9 .9 7 2 4 4 .0 8 16 0 .5 5 12 8 .5 8 110 .7 6 12 2 .9 6 15 8 .3 8 19 2 .2 4 2 18 .3 9

BI
M áximo 714.14 562.65 962.97 734.31 472.25 584.05 403.11 264.02 242.71 256.48 472.43 500.31
M ínimo 115.06 134.81 133.28 157.92 98.72 87.86 82.60 88.94 89.61 84.58 97.17 93.98
Cuadro N°16. SERIE HISTÓRICA DE CAUDALES MÁXIMOS MENSUALES

DE LA ESTACIÓN CAJARURO (1977-2016)
m X P(X) F(Z) Ordinario F(Z) Mom Lineal Delta

1 188.8875 0.0244 0.0851 0.0778 0.0607
2 197.3175 0.0488 0.0933 0.0857 0.0445
3 238.62 0.0732 0.1417 0.1334 0.0686
4 245.9925 0.0976 0.1519 0.1435 0.0544
S
5 258.91 0.1220 0.1709 0.1625 0.0490
IA
6 262.8975 0.1463 0.1771 0.1687 0.0307
7 277.0578 0.1707 0.2000 0.1918 0.0293
8 282.3375 0.1951 0.2091 0.2009 0.0139
AR
9 284.505 0.2195 0.2128 0.2047 0.0067
10 290.2625 0.2439 0.2230 0.2150 0.0209
11 290.2425 0.2683 0.2230 0.2150 0.0453
12 291.705 0.2927 0.2256 0.2177 0.0671
CU
13 294.5775 0.3171 0.2308 0.2230 0.0862
14 299.61 0.3415 0.2401 0.2324 0.1013
15 309.025 0.3659 0.2581 0.2507 0.1078
16 325.66 0.3902 0.2914 0.2848 0.0988
PE
17 345.48 0.4146 0.3336 0.3280 0.0811
18 345.77 0.4390 0.3342 0.3287 0.1048
19 349.32 0.4634RO 0.3420 0.3367 0.1214
20 354.36 0.4878 0.3532 0.3483 0.1346
21 364.425 0.5122 0.3759 0.3717 0.1363
22 434.28 0.5366 0.5414 0.5428 0.0048
23 445.335 0.5610 0.5676 0.5700 0.0066
AG
24 455.88 0.5854 0.5924 0.5956 0.0070

25 457.99 0.6098 0.5973 0.6007 0.0124
26 466.665 0.6341 0.6174 0.6214 0.0168
27 475.9125 0.6585 0.6384 0.6431 0.0201
28 484.185 0.6829 0.6569 0.6621 0.0261
DE
29 487.35 0.7073 0.6638 0.6693 0.0435

30 489.0875 0.7317 0.6676 0.6732 0.0641
31 498.5475 0.7561 0.6880 0.6941 0.0681
32 507.935 0.7805 0.7077 0.7143 0.0728
33 509.1675 0.8049 0.7102 0.7169 0.0946
CA
34 584.0475 0.8293 0.8424 0.8508 0.0131

35 588.6375 0.8537 0.8489 0.8574 0.0047
36 636.63 0.8780 0.9067 0.9142 0.0286
TE
37 650.3325 0.9024 0.9197 0.9268 0.0172

38 714.1425 0.9268 0.9630 0.9678 0.0362
39 734.31 0.9512 0.9718 0.9759 0.0206
40 962.97 0.9756 0.9995 0.9997 0.0239
IO
Delta máximo 0.1363

Delta crítico 0.215
BL
Nivel de significancia 0.05

Condición: Delta máximo < Delta crítico SE AJUSTA
Cuadro N°17. RESULTADO PRUEBA KOLMOGOROV-SMIRNOFF PARA

BI
FUNCIÓN NORMAL.

1 188.8875 0.0244 0.0280 0.0299 0.0036
S
2 197.3175 0.0488 0.0363 0.0385 0.0124
3 238.62 0.0732 0.0983 0.1016 0.0251
IA
4 245.9925 0.0976 0.1130 0.1164 0.0155
5 258.91 0.1220 0.1412 0.1447 0.0192
6 262.8975 0.1463 0.1505 0.1540 0.0041
AR
7 277.0578 0.1707 0.1853 0.1888 0.0145
8 282.3375 0.1951 0.1989 0.2024 0.0038
9 284.505 0.2195 0.2046 0.2081 0.0149
10 290.2625 0.2439 0.2200 0.2233 0.0239
CU
11 290.2425 0.2683 0.2200 0.2233 0.0483
12 291.705 0.2927 0.2240 0.2273 0.0687
13 294.5775 0.3171 0.2318 0.2351 0.0853
14 299.61 0.3415 0.2457 0.2489 0.0958
PE
15 309.025 0.3659 0.2722 0.2752 0.0936
16 325.66 0.3902 0.3202 0.3226 0.0700
17 345.48 0.4146 RO 0.3781 0.3798 0.0366
18 345.77 0.4390 0.3789 0.3806 0.0601
19 349.32 0.4634 0.3893 0.3908 0.0742
20 354.36 0.4878 0.4039 0.4053 0.0839
21 364.425 0.5122 0.4329 0.4338 0.0793
AG
22 434.28 0.5366 0.6162 0.6146 0.0797

23 445.335 0.5610 0.6414 0.6394 0.0804
24 455.88 0.5854 0.6643 0.6621 0.0790
25 457.99 0.6098 0.6688 0.6665 0.0590
26 466.665 0.6341 0.6866 0.6841 0.0525
DE
27 475.9125 0.6585 0.7048 0.7021 0.0463

28 484.185 0.6829 0.7204 0.7175 0.0374
29 487.35 0.7073 0.7261 0.7232 0.0188
30 489.0875 0.7317 0.7293 0.7263 0.0024
31 498.5475 0.7561 0.7458 0.7427 0.0103
CA
32 507.935 0.7805 0.7614 0.7582 0.0191

33 509.1675 0.8049 0.7634 0.7602 0.0415
34 584.0475 0.8293 0.8601 0.8566 0.0308
35 588.6375 0.8537 0.8647 0.8612 0.0110
TE
36 636.63 0.8780 0.9048 0.9015 0.0267

37 650.3325 0.9024 0.9140 0.9108 0.0115
38 714.1425 0.9268 0.9467 0.9441 0.0199
IO
39 734.31 0.9512 0.9543 0.9518 0.0030

40 962.97 0.9756 0.9919 0.9911 0.0163
BL

BI

FUNCIÓN LOG NORMAL DE 2 PARÁMETROS.

1 188.89 0.0244 -2.3530 0.0093 0.0151
2 197.32 0.0488 -2.1435 0.0160 0.0327
3 238.62 0.0732 -1.3713 0.0851 0.0120
S
4 245.99 0.0976 -1.2629 0.1033 0.0057
5 258.91 0.1220 -1.0877 0.1384 0.0164
IA
6 262.90 0.1463 -1.0370 0.1499 0.0035
7 277.06 0.1707 -0.8677 0.1928 0.0221
AR
8 282.34 0.1951 -0.8085 0.2094 0.0143
9 284.51 0.2195 -0.7847 0.2163 0.0032
10 290.26 0.2439 -0.7234 0.2347 0.0092
11 290.24 0.2683 -0.7234 0.2347 0.0336
CU
12 291.71 0.2927 -0.7081 0.2395 0.0532
13 294.58 0.3171 -0.6784 0.2488 0.0683
14 299.61 0.3415 -0.6275 0.2652 0.0763
15 309.03 0.3659 -0.5362 0.2959 0.0699
PE
16 325.66 0.3902 -0.3855 0.3499 0.0403
17 345.48 0.4146 -0.2212 0.4125 0.0022
18 345.77 0.4390 -0.2189 0.4134 0.0257
19 349.32 0.4634 -0.1911 0.4242 0.0392
20 354.36 0.4878
RO -0.1523 0.4395 0.0483
21 364.43 0.5122 -0.0773 0.4692 0.0430
22 434.28 0.5366 0.3708 0.6446 0.1080
23 445.34 0.5610 0.4323 0.6672 0.1063
AG
24 455.88 0.5854 0.4891 0.6876 0.1023

25 457.99 0.6098 0.5003 0.6916 0.0818
26 466.67 0.6341 0.5454 0.7073 0.0731
27 475.91 0.6585 0.5922 0.7232 0.0646
28 484.19 0.6829 0.6331 0.7367 0.0537
DE
29 487.35 0.7073 0.6485 0.7417 0.0344

30 489.09 0.7317 0.6569 0.7444 0.0127
31 498.55 0.7561 0.7019 0.7586 0.0025
32 507.94 0.7805 0.7455 0.7720 0.0085
33 509.17 0.8049 0.7512 0.7737 0.0312
CA
34 584.05 0.8293 1.0641 0.8564 0.0271

35 588.64 0.8537 1.0816 0.8603 0.0066
36 636.63 0.8780 1.2549 0.8952 0.0172
TE
37 650.33 0.9024 1.3014 0.9034 0.0010

38 714.14 0.9268 1.5032 0.9336 0.0068
39 734.31 0.9512 1.5625 0.9409 0.0103
40 962.97 0.9756 2.1243 0.9832 0.0076
IO
Delta máximo 0.108

BL

BI

FUNCIÓN LOG NORMAL DE 3 PARÁMETROS.

1 188.89 0.0244 0.0206 0.0197 0.0038
2 197.32 0.0488 0.0284 0.0278 0.0204
3 238.62 0.0732 0.0926 0.0945 0.0194
S
4 245.99 0.0976 0.1084 0.1110 0.0109
258.91 0.1220 0.1390 0.1427 0.0171
IA
5
6 262.90 0.1463 0.1491 0.1531 0.0027
7 277.06 0.1707 0.1869 0.1921 0.0162
AR
8 282.34 0.1951 0.2018 0.2073 0.0067
9 284.51 0.2195 0.2080 0.2137 0.0116
10 290.26 0.2439 0.2246 0.2306 0.0193
11 290.24 0.2683 0.2246 0.2306 0.0437
CU
12 291.71 0.2927 0.2289 0.2350 0.0638
13 294.58 0.3171 0.2373 0.2436 0.0798
14 299.61 0.3415 0.2523 0.2589 0.0892
15 309.03 0.3659 0.2807 0.2877 0.0851
PE
16 325.66 0.3902 0.3317 0.3390 0.0586
17 345.48 0.4146 0.3922 0.3995 0.0225
18 345.77 0.4390 RO 0.3931 0.4003 0.0460
19 349.32 0.4634 0.4038 0.4110 0.0597
20 354.36 0.4878 0.4188 0.4260 0.0690
21 364.43 0.5122 0.4485 0.4554 0.0637
22 434.28 0.5366 0.6304 0.6334 0.0938
445.34 0.5610 0.6546 0.6569 0.0936
AG
23
24 455.88 0.5854 0.6764 0.6781 0.0911
25 457.99 0.6098 0.6807 0.6822 0.0709
26 466.67 0.6341 0.6976 0.6986 0.0635
27 475.91 0.6585 0.7148 0.7153 0.0563
DE
28 484.19 0.6829 0.7294 0.7294 0.0465

29 487.35 0.7073 0.7349 0.7347 0.0276
30 489.09 0.7317 0.7378 0.7375 0.0061
31 498.55 0.7561 0.7533 0.7525 0.0028
32 507.94 0.7805 0.7678 0.7666 0.0127
CA
33 509.17 0.8049 0.7697 0.7684 0.0352

34 584.05 0.8293 0.8592 0.8553 0.0300
35 588.64 0.8537 0.8635 0.8594 0.0098
636.63 0.8780 0.9007 0.8959 0.0226
TE
36
37 650.33 0.9024 0.9093 0.9044 0.0069
38 714.14 0.9268 0.9404 0.9355 0.0136
39 734.31 0.9512 0.9478 0.9430 0.0034
IO
40 962.97 0.9756 0.9876 0.9847 0.0120

BL

BI

FUNCIÓN LOG PEARSON TIPO III

1 188.8875 0.0244 0.0384 0.0402 0.0140
2 197.3175 0.0488 0.0471 0.0491 0.0017
3 238.62 0.0732 0.1084 0.1111 0.0352
S
4 245.9925 0.0976 0.1226 0.1253 0.0250
5 258.91 0.1220 0.1495 0.1524 0.0276
IA
6 262.8975 0.1463 0.1584 0.1612 0.0121
7 277.0578 0.1707 0.1917 0.1945 0.0209
AR
8 282.3375 0.1951 0.2047 0.2075 0.0096
9 284.505 0.2195 0.2102 0.2129 0.0093
10 290.2425 0.2439 0.2249 0.2275 0.0190
11 290.2425 0.2683 0.2249 0.2275 0.0434
CU
12 291.705 0.2927 0.2287 0.2313 0.0640
13 294.5775 0.3171 0.2362 0.2388 0.0809
14 299.61 0.3415 0.2495 0.2521 0.0920
15 309.025 0.3659 0.2750 0.2774 0.0909
PE
16 325.66 0.3902 0.3212 0.3233 0.0690
17 345.48 0.4146 0.3773 0.3790 0.0373
18 345.77 0.4390 0.3781 0.3798 0.0609
19 349.32 0.4634 0.3882 0.3898 0.0752
RO
20 354.36 0.4878 0.4025 0.4039 0.0854
21 364.425 0.5122 0.4308 0.4320 0.0814
22 434.28 0.5366 0.6117 0.6114 0.0752
23 445.335 0.5610 0.6368 0.6363 0.0758
AG
24 455.88 0.5854 0.6597 0.6590 0.0743

25 457.99 0.6098 0.6641 0.6634 0.0543
26 466.665 0.6341 0.6819 0.6811 0.0478
27 475.9125 0.6585 0.7001 0.6992 0.0416
DE
28 484.185 0.6829 0.7157 0.7147 0.0328

29 487.35 0.7073 0.7215 0.7205 0.0142
30 489.0875 0.7317 0.7247 0.7236 0.0070
31 498.5475 0.7561 0.7413 0.7401 0.0148
32 507.935 0.7805 0.7569 0.7557 0.0236
CA
33 509.1675 0.8049 0.7589 0.7577 0.0460

34 584.0475 0.8293 0.8565 0.8551 0.0273
35 588.6375 0.8537 0.8612 0.8598 0.0075
36 636.63 0.8780 0.9019 0.9006 0.0239
TE
37 650.3325 0.9024 0.9113 0.9101 0.0089

38 714.1425 0.9268 0.9448 0.9438 0.0180
39 734.31 0.9512 0.9526 0.9516 0.0013
IO
40 962.97 0.9756 0.9917 0.9914 0.0161
Delta máximo 0.092

BL

BI

FUNCIÓN GUMBEL.

1 188.89 0.0244 0.0015 0.0034 0.0229
2 197.32 0.0488 0.0037 0.0072 0.0451
3 238.62 0.0732 0.0528 0.0685 0.0204
S
4 245.99 0.0976 0.0705 0.0879 0.0271
5 258.91 0.1220 0.1077 0.1271 0.0143
IA
6 262.90 0.1463 0.1205 0.1402 0.0258
7 277.06 0.1707 0.1703 0.1901 0.0005
AR
8 282.34 0.1951 0.1901 0.2096 0.0051
9 284.51 0.2195 0.1983 0.2177 0.0212
10 290.24 0.2439 0.2205 0.2393 0.0234
11 290.24 0.2683 0.2205 0.2393 0.0478
CU
12 291.71 0.2927 0.2263 0.2448 0.0664
13 294.58 0.3171 0.2375 0.2557 0.0795
14 299.61 0.3415 0.2574 0.2749 0.0840
15 309.03 0.3659 0.2948 0.3105 0.0711
PE
16 325.66 0.3902 0.3598 0.3722 0.0304
17 345.48 0.4146 0.4334 0.4414 0.0187
18 345.77 0.4390 0.4344 0.4424 0.0046
19 349.32 0.4634 0.4469 0.4542 0.0165
RO
20 354.36 0.4878 0.4644 0.4706 0.0234
21 364.43 0.5122 0.4979 0.5021 0.0143
22 434.28 0.5366 0.6809 0.6753 0.1444
23 445.34 0.5610 0.7027 0.6962 0.1417
AG
24 455.88 0.5854 0.7219 0.7147 0.1366

25 457.99 0.6098 0.7256 0.7182 0.1158
26 466.67 0.6341 0.7401 0.7322 0.1060
27 475.91 0.6585 0.7546 0.7463 0.0961
28 484.19 0.6829 0.7668 0.7581 0.0839
DE
29 487.35 0.7073 0.7713 0.7625 0.0640

30 489.09 0.7317 0.7737 0.7648 0.0420
31 498.55 0.7561 0.7863 0.7772 0.0302
32 507.94 0.7805 0.7980 0.7886 0.0175
CA
33 509.17 0.8049 0.7995 0.7901 0.0054

34 584.05 0.8293 0.8690 0.8592 0.0398
35 588.64 0.8537 0.8722 0.8625 0.0186
36 636.63 0.8780 0.9006 0.8913 0.0225
TE
37 650.33 0.9024 0.9072 0.8981 0.0047

38 714.14 0.9268 0.9316 0.9235 0.0048
39 734.31 0.9512 0.9376 0.9298 0.0137
40 962.97 0.9756 0.9747 0.9700 0.0009
IO

0.215
BL
Delta crítico
BI

FUNCIÓN LOG-GUMBEL.
S
IA
AR
CU
PE
RO
AG
ANEXOS II
DE
GRÁFICOS
CA
TE
IO
BL
BI
127
108
S
IA
AR
CU
PE
RO
GRÁFICO N°2. COMPORTAMIENTO DE LA SERIE HISTÓRICA DE
CAUDALES MÁXIMOS DEL RÍO UTCUBAMBA – ESTACIÓN CAJARURO
(1977-2016).
AG
DE
CA
TE
IO
BL
BI
GRÁFICO N°3. COMPORTAMIENTO DE CAUDALES HISTORICOS

PROMEDIOS MENSUALES DEL RÍO UTCUBAMBA – ESTACIÓN
CAJARURO (1977-2016).
S
IA
AR
CU
ANEXOS II
PE
MAPAS
RO
AG
DE
CA
TE
IO
BL
BI
129
109
µ
769000 .000000
769500
Biblioteca Digital - Dirección de Sistemas
.000000
de Informática y Comunicación 770000.000000 770500.000000 771000.000000 771500.000000

9387000.000000
9387000.000000
ESCUELA ACÁDEMICA PROFESIONAL DE INGENIERÍA AGRÍCOLA
TESIS:
"Determinación de áreas inundables en los sectores
N
San Pedro y Niño Pobre, según caudales máximos estimados del
O
río Utcubamba, aplicando modelo HEC-RAS y software ArcGIS"
Ñ
RA
MAPA DE UBICACIÓN
MAPA:
ZONA DE ESTUDIO
A
M AUTOR: FECHA: LÁMINA:
9386500.000000
9386500.000000
ESCALA:
S
I A-1
BR. GIANMARCO PALMER MURGA
ABRIL
R
ASESOR:
2017 S/E
IA
ING. CRISTÓBAL GONZALES CORREA
AR
9386000.000000
9386000.000000
CU
RÍO
UT
PE
CU
BA
MB
A
C.P. NIÑO POBRE
9385500.000000
9385500.000000
RO
AG
9385000.000000
9385000.000000
DE
CA
9384500.000000
9384500.000000
TE
IO
9384000.000000
9384000.000000
BL
LEYENDA
BI
CAMINOS
RIO_MARAÑON
C.P. SAN PEDRO
9383500.000000
9383500.000000
PARCELAS
RIO UTCUBAMBA
0 0.2 0.4 0.8 1.2 1.6 C.P. SAN PEDRO

Kilometers C.P. NIÑO POBRE
769000 769500 770000 770500 771000.000000 771500.000000
.000000 .000000 .000000 .000000
769000.000000 769500.000000 770000.000000 770500.000000 771000.000000 771500.000000
µ
9387000.000000
9387000.000000
TESIS:
O N San Pedro y Niño Pobre, según caudales máximos estimados del
Ñ
RA
MAPA:
ÁREAS INUNDABLES RIO UTCUBAMBA
A SAN PEDRO Y NIÑO POBRE 10 AÑOS
M
9386500.000000
9386500.000000
O
S
AUTOR: FECHA: ESCALA: LÁMINA:
I 02
R
FEBRERO 1:10 000
ASESOR:
2017
IA

TIEMPO DE RETORNO
AR
MARGEN DERECHA MARGEN IZQUIERDA TOTAL
10 38.84 30.66 69.5
9386000.000000
9386000.000000
CU
RÍO
UT
PE
CU
BA
MB
A
9385500.000000
9385500.000000
RO
AG
C.P. NIÑO POBRE

9385000.000000
9385000.000000
DE
CA
9384500.000000
9384500.000000
TE
IO
9384000.000000
9384000.000000
LEYENDA
BL
CAMINOS
RIO_MARAÑON
C.P. SAN PEDRO
BI
RIO UTCUBAMBA
PARCELAS
SUPERFICIE DE INUNDACIÓN TR 10 AÑOS
9383500.000000
9383500.000000
C.P. SAN PEDRO

C.P. NIÑO POBRE
0 0.2 0.4 0.8 1.2 1.6

Kilometers
769000 .000000
769500
Esta obra ha sido publicada bajo la
.000000
770000.000000
licencia Creative Commons Reconocimiento-No 770500
Comercial-Compartir bajola misma
.000000
licencia 2.5 Perú. 771000.000000 771500.000000
769000.000000 769500.000000 770000.000000 770500.000000 771000.000000 771500.000000
µ
9387000.000000
9387000.000000
TESIS:
Ñ
RA
MAPA:
M
9386500.000000
9386500.000000
O
S
I 03
R
FEBRERO 1:10 000
ASESOR:
2017
IA

TIEMPO DE RETORNO
AR
25 51.93 40.05 91.98
9386000.000000
9386000.000000
CU
RÍO
UT
PE
CU
BA
MB
A
9385500.000000
9385500.000000
RO
AG
C.P. NIÑO POBRE

9385000.000000
9385000.000000
DE
CA
9384500.000000
9384500.000000
TE
IO
9384000.000000
9384000.000000
LEYENDA
BL
CAMINOS
RIO_MARAÑON
C.P. SAN PEDRO
BI
RIO UTCUBAMBA
PARCELAS
9383500.000000
9383500.000000
C.P. SAN PEDRO

C.P. NIÑO POBRE
0 0.2 0.4 0.8 1.2 1.6

Kilometers
769000 .000000
769500
.000000
770000.000000
.000000
licencia 2.5 Perú. 771000.000000 771500.000000
769000.000000 769500.000000 770000.000000 770500.000000 771000.000000 771500.000000
µ
9387000.000000
9387000.000000
TESIS:
Ñ
RA
MAPA:
M
9386500.000000
9386500.000000
O
S
I 04
R
FEBRERO 1:10 000
ASESOR:
2017
IA

TIEMPO DE RETORNO
AR
50 70.33 51.07 121.4
9386000.000000
9386000.000000
CU
RÍO
UT
PE
CU
BA
MB
A
9385500.000000
9385500.000000
RO
AG
C.P. NIÑO POBRE

9385000.000000
9385000.000000
DE
CA
9384500.000000
9384500.000000
TE
IO
9384000.000000
9384000.000000
LEYENDA
BL
CAMINOS
RIO_MARAÑON
C.P. SAN PEDRO
BI
RIO UTCUBAMBA
PARCELAS
9383500.000000
9383500.000000
C.P. SAN PEDRO

C.P. NIÑO POBRE
0 0.2 0.4 0.8 1.2 1.6

Kilometers
769000 .000000
769500
.000000
770000.000000
.000000
licencia 2.5 Perú. 771000.000000 771500.000000
769000.000000 769500.000000 770000.000000 770500.000000 771000.000000 771500.000000
µ
9387000.000000
9387000.000000
TESIS:
Ñ
RA
MAPA:
A SAN PEDRO Y NIÑO POBRE 10, 25 y 50 AÑOS
M
9386500.000000
9386500.000000
O
S
I 05
R
FEBRERO 1:10 000
ASESOR:
2017
IA

TIEMPO DE RETORNO
AR
10 38.84 30.66 69.5
9386000.000000
9386000.000000
25 51.93 40.05 91.98
50 70.33 51.07 121.4
CU
RÍO
UT
PE
CU
BA
MB
A
9385500.000000
9385500.000000
RO
AG
C.P. NIÑO POBRE

9385000.000000
9385000.000000
DE
CA
9384500.000000
9384500.000000
TE
IO
9384000.000000
9384000.000000
LEYENDA
BL
CAMINOS
RIO_MARAÑON
RIO UTCUBAMBA
C.P. SAN PEDRO
BI
PARCELAS
9383500.000000
9383500.000000

C.P. SAN PEDRO
0 0.2 0.4 0.8 1.2 1.6

C.P. NIÑO POBRE
Kilometers
769000 .000000
769500
.000000
770000.000000
.000000
licencia 2.5 Perú. 771000.000000 771500.000000

Palmer Murga, Gianmarco PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Palmer Murga, Gianmarco PDF

Cargado por

Copyright:

Formatos disponibles

Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación

UNIVERSIDAD NACIONAL DE TRUJILLO

Pedro y Niño Pobre, según caudales máximos estimados

PARA OPTAR EL TÍTULO DE:

AUTOR: Br. Gianmarco Palmer Murga

MIEMBROS DEL JURADO

Ing. Cristóbal Gonzáles Correa

A la memoria de la Dra. Santos Nélida Murga Gutiérrez

A la Universidad Nacional de Trujillo, por haber inculcado en cada uno de

A todas aquellas personas que me brindaron su respaldo.

El presente estudio de tesis tuvo como finalidad determinar las áreas

de las secciones transversales del MDT con la extensión HEC-geoRAS. En las

resultados a través de la generación de los mapas temáticos georeferenciados

Se concluyó que las hectáreas afectadas pertenecientes a los sectores San

de retorno de 10, 25 y 50 años corresponden a 38.84, 51.93 y 70.33,

Palabras claves: Áreas inundables, HEC-RAS, Arc-GIS, simulación hidráulica

thematic maps of the areas of flood.

This indicates the high susceptibility to flooding in the sectors mentioned.

Keywords: Flooded areas, HEC-RAS, Arc-GIS, hydraulic simulation in rivers,

JURADO EVALUADOR ...........................................................................................ii

Realidad Problemática .......................................................................................... 21

II. REVISIONES BIBLIOGRÁFICAS

2.2. Flujo y parámetros hidráulicos de los canales abiertos. ............................. 31

2.4. Análisis de frecuencias hidrológicas y software Hidroesta. ........................ 36

2.6. Modelo hidráulico HEC-RAS. ...................................................................... 48

III. MATERIAL Y MÉTODOS

B. Descripción del área de estudio ....................................................................... 71

3. Cálculo de máximas avenidas mediante distribuciones probabilísticas ... 81

del tramo involucrado en el estudio……………………………….82

1. Ingreso de información a opción “Geometric data” ................................... 82

3. Creación de un plan para flujo permanente .............................................. 84

Niño Pobre, del distrito El Milagro, provincia de Utcubamba, región

extensión HEC-geoRAS, a partir del modelo de elevación digital del

2. De la estimación los caudales máximos del río Utcubamba para periodos

VIII. REFERENCIAS BIBLIOGRÁFICAS.................................................................... 102

ANEXOS III – CUADROS ................................................................................... 107

ELEMENTOS GEOMÉTRICOS DE LAS SECCIONES

DIVISIÓN POR EFECTO DE LAS SECCIONES EN HEC-RAS.

INTERPRETACIÓN DE LA PENDIENTE MOTRIZ EN CADA

DISTRIBUCIÓN DE LA SECCIÓN PARA OBTENER EL FACTOR

VALOR PONDERADO DE LA ENERGÍA CINÉTICA.

VARIACIÓN DE LA ENERGÍA ESPECÍFICA EN UN CANALEN

NOMENCLATURA TÍPICA DE LAS SECIONES USADAS PARA EL

PROCEDIMIENTO DE CÁLCULO SEGUIDO POR HEC-RAS

PROCEDIMIETO DE CÁLCULO SEGUIDO POR HEC-RAS

MORFOLOGÍA DEL RÍO UTCUBAMBA

CULTIVOS INSTALADOS EN LAS LLANURAS DE INUNDACIÓN

DEL RÍO UTCUBAMBA.

LEVANTAMIENTO TOPOGRÁFICO EN EL MARGEN IZQUIERDO

LEVANTAMIENTO TOPOGRÁFICO EN EL CAUCE DEL RÍO.

TRAZO DE LINEAS DE CORTE PARA SECCIONES

LOCAL DE LA AUTORIDAD LOCAL DEL AGUA – UTCUBAMBA.

VISTA DE LAS SECCIONES TRANSVERSALES EN HEC-RAS.

EXPORTACIÓN DE ARCHIVOS EN FORMATO SDF CREADOS

ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO

HIDROESTA 2 SEGÚN DISTRIBUCIÓN GUMBEL PARA UN TR

ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO

ANÁLISIS ESTADÍSTICO DE MÁXIMOS CAUDALES USANDO

HIDROESTA 2 SEGÚN DISTRIBUCIÓN LOG GUMBEL PARA UN

VALORES DE “n” DADOS POR MANNING PARA CANALES

VALORES CRÍTICOS Δ DEL ESTADÍSTICO KOLMOGOROV-

SMIRNOFF PARA VARIOS VALORES DE “N” Y NIVELES DE

ASIGNACIÓN DE VALORES DE MANNING POR TRAMOS