Recursos y Planificación Hidráulica

Tema I Introducció
Introducción
Tema II Recursos hidrá
hidráulicos
Tema III Evaluació
Evaluación de recursos hí
hídricos
Tema IV Estudio de recursos subterrá
subterráneos
Tema V Demanda de agua
Tema VI Aprovechamiento hidroelé
hidroeléctrico
Tema VII Estudio de recursos superficiales
Tema VIII Sistemas de recursos hidrá
hidráulicos
Tema IX Uso conjunto
Tema X Recursos y planificació
planificación hí
hídrica en Españ
España

Recursos superficiales

Evaluación de Recursos Superficiales: Aforos

Evaluació

Herramientas para evaluar los recursos:

- Modelo de simulació
simulación del balance hidrá
hidráulico con
pará
parámetros fí
físicos de la cuenca

Modelos Determiní
Determinísticos
Modelos agregados de simulació
simulación
continua del Ciclo Hidroló
Hidrológico

1
 Recursos superficiales

Modelos de simulació
simulación de balance continuo

Modelos de elevado nú
número de pará
parámetros
Son los denominados modelos hidroló
hidrológicos que transforman
Lluvia pará
parámetros de la cuenca Escorrentí
Escorrentía

Modelos de reducido nú
número de pará
parámetros
Modelos simples que transforman precipitaciones y
evapotranspiració
evapotranspiración en valores estimados mensuales y anuales
de escorrentí
escorrentía

Recursos superficiales

Modelos de simulació
simulación de balance continuo
Modelos de elevado nú
número de pará
parámetros

Modelo Stanford
- Datos horarios de lluvia y evapotranspiració
evapotranspiración
- Distribuye la lluvia entre: Intercepció
Intercepción, infiltració
infiltración y
escorrentí
escorrentía superficial
E.S.
E.S.
Zona Superior
I.F.
I.F.
Zona Inferior
Acuí
Acuífero

2
Recursos superficiales

Modelos de elevado nú
número de pará
parámetros
Modelo NWSRFS (Serv. Nac. Meteor. de E.U.)
- Predecir caudales y niveles en rí
ríos en grandes cuencas
- Datos diarios
- Algorí
Algorítmo de estimació
estimación automá
automática de pará
parámetros
Modelo Sacramento
- Integrado en el anterior modelo
- Base del modelo similar, con má
más leyes de descarga
- Modelo pensado para simulació
simulación diaria
- Almacenamiento (humedad) considerada en tensió
tensión
(susceptible de evapotranspirarse)
evapotranspirarse) y libre
(susceptible de descarga)

Recursos superficiales

Modelos de elevado nú
número de pará
parámetros

Modelo HSPF (EPA, E.U.)

- Más reciente
- Introduce aspectos de calidad de aguas

Modelo CEQUEAU (Canadá

(Canadá)
- 20 – 30 pará
parámetros
- Introduce aspectos de calidad de aguas

Modelo BALAN (ETSICCP, U. Coruñ

Coruña)
.
.
muchos otros

3
 Visual Balan

Precipitación
Visual Balan Evapo- Riegos
Escorrentía
transpiración
superficial
SUELO EDÁFICO
Humedad del suelo

Recarga en
Recarga en
tránsito diferida
tránsito directa

ZONA NO SATURADA Flujo

Altura de niveles colgados hipodérmico

Recarga
(Percolación)

Escorrentía
ACUÍFERO subterránea
Altura del nivel freático

4
Modelos de reducido nú
número de pará
parámetros

Modelo T: - Humedad del suelo Si ; i indica el mes

- Capacidad de campo del suelo Ф

Si = min {((Pi – ETi)+Si-1),, Ф} ; si Pi > ETi

Si
Si = Si-1 exp{
exp{- (ETi - Pi)/Ф
)/Ф} ; si Pi < ETi
Déficit de humedad Di = Ф – Si
0
Exceso de agua sobre la humedad del suelo
ΔQ = (Pi –ETi) + Si-1 - Ф ; si Si = Ф
ΔQ = 0 ; si Si < Ф
Escorrentí
Escorrentía
ESi = (1 – λ) (Qi-1 + ΔQ) ; (0.5 < λ < 0.75)

Exceso de humedad en almacenamiento subterrá

subterráneo
Q = λ (Qi-1 + ΔQ)

Modelos de reducido nú
número de pará
parámetros

Modelo P: Dos niveles

Zona Superior Фa

Zona Inferior Фb

Nivel superior: susceptible de evapotranspiració

evapotranspiración
Nivel inferior: no sufre modificaciones hasta que la
humedad en el superior se ha extraí
extraído o llenado

Ф = Фa+ Фb ; ETi = Eia + Eib

Eib(< Si-1b) = [{
[{ (ET
(ETi - Pi) – Eia} Si-1b /Ф] ; si { (ET
(ETi - Pi) – Eia} >0

Se produce escorrentí
escorrentía cuando: Sia = Фa ; Sib = Фb

5
 Modelos de reducido nú
número de pará
parámetros
Modelo a b c d:
- Considera dos variables auxiliares
- Agua disponible: Wi = Pi + Si-1 Suelo
- Evaporació
Evaporación y almacenamiento:
Acuí
Acuífero
Yi = Ei + Si
- Escorrentí
Escorrentía y recarga = Wi - Yi
2
Wi + b ⎛W +b⎞ Wb
con Yi = − ⎜ i ⎟ − i a: propensió
propensión a que exista
2a ⎝ 2a ⎠ a Escor. saturación.
Escor. antes de saturació
Humedad final S = Y ⋅ exp − ET b
i i i { }
b: Valor má
máximo de humedad
y evapotranspiració
evapotranspiración.
(
Recarga: R i = c ⋅ Wi − Yi ) c: Fracció
Fracción de escorrentí
escorrentía
media procedente de acuí
acuíf.
( )( )
Escorrentía Directa: ES i = 1 − c ⋅ Wi − Yi d: Inversa del tiempo de
Escorrentí
residencia en acuí
acuífero
acuífero: Di = d ⋅ Gi
Descarga del acuí a=1
Yi a=0.25
b
Cantidad almacenada en acuí
acuífero:
Gi + d ⋅ Gi = c ⋅ (Wi − Yi ) + Gi−1
Wi

Modelos de reducido nú
número de pará
parámetros

Modelo Temez:
Temez:

Permite excedentes de agua aunque el suelo no esté

esté lleno
Reparto entre el agua que se infiltra y la que escurre
Una única zona de almacenamiento en el suelo
Muy extendido en Españ
España

Problemas de calibració
calibración de los modelos de balance continuo
- Pará
Parámetros con poca justificació
justificación fí
física
- Escaso significado de los pará
parámetros
- Errores de calibració
calibración Errores de predicció
predicción
- Mejor para caudales anuales que mensuales

6
Recursos superficiales

Estimació
Estimación de series (Precipitaciones, Aportaciones)

Extrapolació
Extrapolación de series. Series sinté
sintéticas

Definiciones

Aplicació
Aplicación de hidrologí
hidrología estocá
estocástica:

- Suceso aleatorio

X f(X)
f(X) y
Variable Operació
Operación Resultado
aleatoria modelo

Originar una muestra mayor

con iguales propiedades estadí
estadísticas

Recursos superficiales
Estimació
Estimación de series (Precipitaciones, Aportaciones)

Funció
Función de distribució
distribución

- Métodos paramé
paramétricos fenó
fenómenos descritos
con ecuaciones y magnitudes

- Métodos no paramé
paramétricos distribució
distribución observada sin
extraer sus caracterí
características

- Aplicació
Aplicación de Principio de Parquedad estadí
estadística (nº
(nº pará
parámetros)
- Naturaleza estocá
estocástica de los problemas hidroló
hidrológicos (memoria)

Etapas en la formació
formación de un modelo estadí
estadístico:
a) Postulado del modelo (construcció
(construcción)
b) Estimació
Estimación de los pará
parámetros (calibració
(calibración)
c ) Validació
Validación del modelo (validació
(validación)

7
Recursos superficiales

Estimació
Estimación de series de precipitaciones (aportaciones)
Modelos de simulació
simulación y de predicció
predicción

Obtener funciones Obtener funció

función de
de distribució
distribución o distribució
distribución condicionada
pará
parámetros mámás a los valores actuales y
representativos pasados

Q Q f(QIT)
f(Q)

t t

Recursos superficiales
Generació
Generación de Series de aportaciones anuales
Serie Histó
Histórica Serie Sinté
Sintética
Modelos de simulació
simulación (series totalmente aleatorias)
Las aportaciones son independientes entre si: A1, A2, A3, … AN

FA(a)
(a) funció
función de distribució
distribución de la variable aleatoria A
f(a)
f(a) funció
función de densidad de probabilidades
a
FA (a) = Pr [A ≤ a ] = ∫ f(a) da
−∞
Funciones de probabilidad caracterí
características:

f(a)
f(a) f(a)
f(a)

Normal Goodrich

8
Recursos superficiales

Generació
Generación de Series de aportaciones anuales
Normal Goodrich

1 1

FA FA

0 A 0 A0 A

Rango (-
(-∞,+∞
,+∞) Rango nú
números positivos

Funció
Función de Goodrich A
⎡
F (a ) = 1 − exp ⎢− λ a − A
⎣
(0
)
1 ⎤
η⎥
⎦
λ, η y AO pará
parámetros de la funció
función de distribució
distribución

Recursos superficiales

Generació
Generación de Series de aportaciones anuales
Cálculo de:
1
1) Media A= ∑ Ai
N i
con N tamañ
tamaño de la muestra

1
2) Varianza σ 2A = ∑ (Ai − A )2
N−1 i
1
3) Asimetrí
Asimetría γA = ∑ (Ai − A )3
N i

η = coeficiente de irregularidad se calcula a partir de la

funció
función tabulada ψ(η) γ
ψ(η) = A
3
σ A

9
Recursos superficiales
Generació
Generación de Series de aportaciones anuales
λ se calcula a partir de:
de:

1 σ 2A
=
λη Γ(2η + 1) − Γ 2 (η + 1)
y A0 (aportació
(aportación mí
mínima)
1
A0 = A − Γ(η + 1)
λη
donde Γ es la funció
función Ganma que está
está tabulada.
Para generar la Serie Sinté
Sintética se generan una serie de
números aleatorios con distribució
distribución uniforme U [0,1].

U1 , U2 , .. , Um , … , UM variables aleatorias independientes

Se trata de FA(Am) = Um

Recursos superficiales
η Γ(η+1)
Generació
Generación de Series de 1 1
0.909 0.9652
aportaciones anuales 0.833 0.9397
0.769 0.9238
0.714 0.9106
η ψ (η ) 0.667 0.9033
0.3 0.069 0.625 0.8959
0.588 0.8924
0.35 0.217
0.571 0.8905
0.4 0.359 0.555 0.8889
0.45 0.496 0.526 0.8870
0.500 0.8862
0.5 0.631 0.454 0.8856
0.55 0.764 0.417 0.8864
0.385 0.8885
0.6 0.896 0.357 0.8902
0.65 1.028 0.333 0.8934
0.285 0.8990
0.7 1.160
0.250 0.9064
0.75 1.294 0.200 0.9182
0.8 1.430 0.167 0.9265
0.143 0.9364
0.85 1.567 0.125 0.9460
0.9 1.708 0.111 0.9474
0.100 0.9513
0.95 1.852 0.067 0.9665
1 2.000 0.050 0.9735

10
Recursos superficiales
Generació
Generación de Series de aportaciones anuales
Modelo de generación
de nos aleatorios con distribución uniforme

(LCG – Linear congruential generator) Ui (0,1)

⎡ a ⋅ z i−1 + c ⎤
z i = (a ⋅ z i−1 + c)(mod m) = (a ⋅ zi−1 + c) − entero ⎢ ⎥⎦ ⋅ m
⎣ m
Donde los enteros: a < m ; c < m ; z0 < m ; 0 ≤ z ≤ m − 1
m = mómódulo (debe ser muy grande)
a = multiplicador
c = incremento
zo = semilla
3,… n (no de cifras aleatorias generadas)
i = 1, 2, 3,…
zi
Ui = = U(0,1)
m

Recursos superficiales

Generació
Generación de Series de aportaciones anuales
Las aportaciones sinté
sintéticas se generan resolviendo la ecuació
ecuación:

⎡ 1 ⎤
FA (Am ) = 1 − exp ⎢− λ (A m − A 0 ) η ⎥ = Um
⎣ ⎦
O bien
η
⎡ 1 ⎤
A m = A 0 + ⎢− ln(1 − Um )⎥
⎣ λ ⎦
Se trata de un modelo de simulació
simulación:
Una vez determinados los pará
parámetros de la distribució
distribución

Generació
Generación de series sinté
sintéticas de aportaciones anuales

11
Recursos superficiales
Generació
Generación de Series de aportaciones anuales
Ejemplo: Generació
Generación de aportaciones anuales a partir de datos
de aforos de la Estació
Estación 1464 (Mandeo
(Mandeo))

Año 70-71 71-72 72-73 73-74 74-75 75-76 76-77 77-78 78-79 79-80 80-81 81-82 82-83 83-84 84-85 85-86

Aportación 236.85 368.92 224.32 230.63 198.79 164.7 451.4 390.32 435.84 232.78 241.69 219.68 350.02 286.47 277.26 270.15

A = 286.239 ; σ 2A = 7519.49 ; γ A = 391900

γA
Lo que nos permite obtener: ψ(η) = = 0.60103 ; η = 0.488
σ 3A
Y a partir de la funció
función Ganma η Γ(2η+1) Γ2(η+1) Γ(η+1)
0.488 0.99009 0.78482 0.8859

calculamos los pará

parámetros λ = 0.00002108 196 ; A 0 = 116.682

⎡ ⎤ 1
Así función FA (a ) = 1 − exp ⎢ − 0.00002108 196 (a − 116.682 ) 0.488 ⎥
Así pues obtenemos la funció
de distribució
distribució n de Goodrich ⎣ ⎦
0.488
sintética A = 116.682 + ⎡−
y generamos la serie sinté 1 ⎤
de aportaciones anuales
m ⎢⎣ 0.00002108 196 ln(1 − Um )⎥⎦

Recursos superficiales
Generació
Generación de Series de aportaciones anuales
Ejemplo: Generació
Generación de aportaciones anuales a partir de datos
de aforos de la Estació
Estación 1464 (Mandeo
(Mandeo))
η
Comprobaciones ⎡ ⎛ 1 ⎞⎤
⎢ln⎜⎜ ⎟⎟⎥
⎣ ⎝ 1 − FA (ai ) ⎠⎦
ai = + A0
λη
η
⎡ ⎛ 1 ⎞⎤ ⎛ 1⎞
η

Si llamamos x = ⎢ln⎜⎜ ⎟⎟⎥ ; m = ⎜ ⎟ ; b = A 0 ; y = ai

⎣ ⎝ 1 − FA (ai ) ⎠⎦ ⎝λ⎠
Obtenemos una expresió
expresión lineal y = m⋅x +b
parámetro η , ajustamos el valor de los otros dos
En la que a partir del pará
λ y A0 mediante una interpolació
interpolación lineal FA (ai ) = n ( N +1
)
correlación para η = 0.74,
Lo que nos lleva al mejor coeficiente de correlació
λ = 0.0011857, A0 = 158.15
⎡ 1 ⎤
F (a ) = 1 − exp ⎢ − 0.0011857 (a − 158.15 ) 0.74 ⎥
La distribució
distribución resultarí
resultaría: A ⎣ ⎦

12
Recursos superficiales

Generació
Generación de Series de aportaciones anuales

Modelos de predicció
predicción

Modelos autorregresivos

- Simulació
Simulación del comportamiento futuro de un sistema de
Recursos Hí
Hídricos

- Se necesitan series de datos sinté

sintéticos

- Se deduce el modelo estadí

estadístico de generació
generación de
aportaciones/caudales

- Modelo autorregresivo de predicció

predicción

Recursos superficiales

Generació
Generación de Series de aportaciones anuales

- Modelo autorregresivo simple de Markov:

Markov:

F(Am+1|Am , Am-1 , … , A1) = F(Am+1|Am)

Si las aportaciones tienen una Distribució

Distribución multinormal

[ ]
E A m+1 A m = a m = A + ρ(a m − A )

[ ] (
Var A m+1 A m = a m = σ 2 1 − ρ 2 )
autocorrelación de orden 1 entre Am+1 y Am
ρ: coeficiente de autocorrelació

13
Recursos superficiales
Generació
Generación de Series de aportaciones anuales

La generació
generación de series sinté
sintéticas se realiza a partir de:

A m+1 = A + ρ(A m − A ) + ε mσ 1 − ρ 2
donde ε1 , ε2 , … , εm , … εM son nú
números aleatorios de media
nula y varianza unitaria con distribució
distribución normal: N(0,1)
La distribució
distribución normal x’ (μ , σ2) se puede generar
x’ = N (μ
para x = N (0 , 1) mediante: x’x’ = μ + σ x

Método polar de generació

generación de una distribució
distribución normal
x = N (0 , 1) a partir de una distribució
distribución uniforme U (0 , 1)
Vi = 2Ui - 1 ; donde i = 1, 2 ; W = V12 + V22

W < 1 ⇒ y = ⎡(− 2 lnW ) ⎤

1
2
Si ; x 1 = V1 ⋅ y ; x 2 = V2 ⋅ y
⎢⎣ W ⎥⎦

Recursos superficiales
Generació
Generación de Series de aportaciones anuales

Los valores generados cumplen

[ ]
E A m+1 A m = a m = A + ρ(a m − A )
[ ]
Var A m+1 A m = a m = σ 2 (1 − ρ 2 )
Los valores no condicionados son

E[A m+1 ] = A + ρ(A m − A ) = A

Var [A m+1 ] = σ 2
La covarianza de las aportaciones en dos series de añ
años
separados k añ
años entre sí
sí es:

E[(An+k − A )(An − A )] = σn+k, n = ρk σn2+kσn2

14
Recursos superficiales

Generació
Generación de Series de aportaciones anuales

Modelos autorregresivos para varias estaciones

i = 1, 2, … , NE

i=1 Aportaciones de media nula

i=2 i=3 Z in = A in - A i

A in aportació
aportación del añ
año n, estació
estación i

Modelo autorregresivo Z n +1 = A ⋅ Z n + B ⋅ E n

Recursos superficiales

Generació
Generación de Series de aportaciones mensuales

Modelo de Thomas y Fiering

An+1,j: aportació
aportación mensual del mes j del añ
año n+1
A j+1
Aj Aportació
Aportación media del mes j

A j+1 ρ j+1, j Correlació

Correlación de un mes con
m j+1, j el siguiente
1
σ 2j+1 Varianza de las aportaciones
Aj Aj Mensuales del mes j+1

(A j +1 − A j+1 ) = m j+1, j (A j − A j )
An+1, j+1 = A j+1 + ρ j+1, j (An+1, j − A j ) + εn+1, j+1σ j+1 1 − ρ 2j+1, j

15