Modulo II Hidrologia

UNIVERSIDAD DE PIURA
Facultad de Ingeniería
APUNTES DE HIDROLOGÍA
Módulo II: Análisis hidrológico
Preparado por: Ing. Marina Farías de Reyes. Agosto, 2005.

Para uso de la Universidad de Piura.
No. de páginas 30
APUNTES DE HIDROLOGÍA
Módulo II: Análisis hidrológico
Capítulo 8. Modelos Probabilísticos……………………………...….. 3

Capítulo 9. Modelos Hidrológicos……………………………...….. 12
No. de páginas 30
Universidad de Piura – Facultad de Ingeniería Hidrología
Cap. 8 MODELOS PROBABILÍSTICOS
8.1. Introducción
El diseño de una obra civil se inicia con la selección de una solicitación que define las
dimensiones de la obra. En el caso particular de una obra hidráulica, para dimensionarla,
se requiere conocer el caudal máximo de diseño o la avenida de diseño.
Para el dimensionamiento, no sólo se debe estimar el caudal de diseño sino que se debe
predecir su probabilidad de ocurrencia, es decir, cuántas veces se espera que sea
excedido el caudal de diseño en determinado tiempo. Esto, para trabajar con unos
rangos de seguridad de acuerdo al tipo de obra proyectado.
Para responder a lo anterior, será necesario elaborar un modelo probabilístico de la

situación en análisis, cuyo resultado final es imposible predecir con certeza.
Algunas definiciones:
Universo: Conjunto de datos cuyas propiedades se van a estudiar.

Muestra: Conjunto de datos seleccionados de un universo.
Muestra representativa: Muestra que es capaz de caracterizar bien el conjunto.
Experimento: Reproducción controlada de un fenómeno.
Evento: Resultado de un experimento. Simples o compuestos.
Espacio muestra: Representación de todos los eventos de un experimento.
Gráfica o analítica.
Tipos de probabilidad:
Probabilidad a priori
Probabilidad experimental
Probabilidad subjetiva
Variable aleatoria:
Es una función definida sobre un espacio muestra, donde a cada evento le corresponde
un número real.
A partir de un espacio muestra, se pueden definir diferentes variables. Por ejemplo:
doble, triple, cuadrado de un número, 1 si es par y 2 si es impar, etc.
Existen dos tipos de variables, desde el punto de vista del número de eventos posibles:
Discreta: Número de eventos es finito.

Continua: Número de eventos es infinito.
Marina Farías de Reyes 3

Distribuciones Discretas
0,35 1,2
0,3 1
0,25
0,8
0,2
f(x)
F(x)
0,15 0,6
0,1 0,4
0,05
0,2
0
1 2 3 4 5 6 0
0 2 4 6 8
v.a.
v.a.
Distribuciones Continuas
0,6 1
0,4
F(x)
0,5
f(x)
0,2
- 0
-4 1 -5 0 5
v.a. v.a.
8.2. Modelos matemáticos
Son la descripción de un fenómeno de la naturaleza mediante formulaciones

matemáticas. Se distinguen dos tipos:
8.2.1. Determinístico: Cuyo resultado está definido por las condiciones en que se
realiza el experimento. Sólo cambia si se cambian estas condiciones. Ejemplos
de este tipo de modelos son las expresiones matemáticas para la caída libre, el
caudal según Manning, la fórmula de un vertedero, etc.
8.2.2. Probabilístico o no determinístico: Cuando las condiciones en que se produce

el fenómeno no determinan el resultado. Tenemos como ejemplos típicos de este
tipo de modelos aquellos que describen el lanzamiento de una moneda, la
extracción de una carta de un mazo, el lanzamiento de un dado, etc. Los eventos
que se producen en la naturaleza tales como el clima, la sismicidad, etc. son
probabilísticas.

8.3. Modelos Probabilísticos
Los modelos probabilísticos se caracterizan porque entregan resultados aproximados,

con cierto grado de confiabilidad. Además presentan otras características tales como
que:
• Sin variar las condiciones del experimento se obtienen diferentes resultados.
• Se puede describir el conjunto de todos los resultados posibles.
• Al inicio los resultados parecen sin patrón.
En Hidrología, para representar las variables hidrológicas se requiere de modelos

probabilísticos. Para ello, es necesaria la selección del modelo más adecuado, lo que
consiste en elegir el tipo de modelo y estimar sus parámetros. Los modelos así
obtenidos nos permiten la estimación de variables hidrológicas asociadas a diferentes
probabilidades. Por ejemplo las lluvias en Piura, los sismos en Lima, etc.
Un modelo probabilístico requiere de dos cosas fundamentales:

Espacio muestral, S.
Probabilidad, asociada a c/punto de S.
Ejemplo: Lluvias en Piura.

Variable aleatoria: Total de lluvia mensual en Piura.
Registros: 0 – 820 mm
Espacio muestral: 0 –
Probabilidad: función de probabilidad.
De acuerdo al tipo de variable, se distinguen dos tipos de modelos probabilísticos: los

discretos y los continuos.
8.4. Modelos probabilísticos discretos
Entre los principales modelos probabilísticos discretos tenemos:
Bernoulli
Binomial
Poisson
8.4.1. Distribución de Bernoulli
Es el modelo discreto más simple y útil. La variable aleatoria tiene dos estados posibles;
uno de ocurrencia del suceso o éxito y la otra de no ocurrencia o fracaso.
De esta manera, si x es la variable aleatoria, se acostumbra asignarle un valor unitario si
ocurre un éxito en la realización del experimento y un valor nulo si ocurre un fracaso.
La función probabilidad de masa de la distribución de Bernoulli es:
PX(x)= P Si x=1
PX(x)= 1- P Si x=0

8.4.2. Distribución Binomial
Este modelo surge al representar la realización de n ensayos independientes tipo

Bernoulli.
La variable aleatoria se define como el número de éxitos que ocurren en los n ensayos
Por ejemplo, la probabilidad de que uno de los próximos diez años se produzca un
Fenómeno del Niño de magnitud 3.
Usada en problemas cuando se tiene:

Un número fijo de pruebas o ensayos.
Los resultados del ensayo son sólo éxito o fracaso.
Los ensayos son independientes, y
Probabilidad de éxito es constante durante todo el experimento.
La función de masa de probabilidad binomial es:
donde:
La distribución binomial acumulada es:
8.4.3. Distribución Poisson
En un proceso Bernoulli se habla de la ocurrencia de un éxito en un aserie de ensayos

idénticos e independientes.
La distribución Poisson representa los éxitos llegados como si fueran puntos de una
línea continua.
Predice el número de sucesos en un determinado período de tiempo.

Por ejemplo, el número de automóviles que se presenta a una zona de peaje en el
intervalo de un minuto.
La distribución Poisson permite en general representar situaciones en las cuales hay una
numeración, ya que la variable toma valores enteros positivos.
Posibles ejemplos son el número de intervalos de lluvia en una tormenta, el número de
accidentes en un año, el número de llamadas telefónicas etc.

8.5. Principales modelos probabilísticos continuos
Uniforme
Normal
Log-normal
Exponencial
Gamma
Pearson III
Chi cuadrado
Valores extremos tipo I. Gumbel
8.5.1. Distribución Uniforme
Uno de los modelos más simples para representar variables aleatorias continuas es la
distribución uniforme.
Usada como modelo de aproximación para una cantidad que varía aleatoriamente entre
a y b.
1 Si a<= x<=b
f ( x) =
b−a
Se puede demostrar que esta función es una función densidad de probabilidades, pues es
positiva para todos los valores de x su integral en el rango de la variable es uno.
La función distribución acumulada para este modelo probabil´sitico es lineal y creciente

en el rango a, b y se calcula la integral de la función densidad en el rango en que está
definida la variable aleatoria.
x−a Para a<= x<=b
F ( x) =
b−a
8.5.2. Distribución Normal
Este método probabilística es el más usado y el que tiene mayor importancia teórica en
el campo de la estadística y de las probabilidades.
Esta función tiene un gran número de aplicaciones en estadística, incluidas las pruebas
de hipótesis.
Una variable tiene una distribución normal si su función densidad de probabilidades

está representada por la siguiente ecuación:

0.6
0.4
f(x)
0.2
-
-4 1
v.a.
y son los parámetros de la distribución, y se puede desmostrar que son iguales

respectivamente al promedio y a la desviación estándar de la variable aleatoria.
8.5.3. Distribución Log-Normal
Las variables físicas de interés en hidrología tales como precipitación, caudal,

evaporación etc. Son generalmente positivas, por lo cual es usual que presenten
distribuciones de frecuencia asimétricas.
Para ello se hace una transformación logarítmica la variable de interés y luego utilizar
el modelo de distribución normal para la variable transformada.
Probabilidad donde ln(x) se distribuye normalmente con los parámetros media y
desviación estándar.
8.5.4. Distribución Exponencial
Usada para establecer el tiempo entre dos sucesos que ocurren a una tasa constante, tal
como el tiempo que existe entre dos tormentas consecutivas??.
Por ejemplo puede usarse para determinar la probabilidad de toda una semana no llueva.
La ecuación para la función de densidad de la probabilidad es:
La ecuación para la función de distribución acumulada es:
1
λ=
x

8.5.5. Distribución Gamma
Muy utilizado en hidrología posee gran flexibilidad y diversidad de formas,

dependiendo de los valores de sus parámetros. Esta función es asimétrica y está definida
para valores positivos de la variable, lo que concuerda con la mayoria de las variables
de los registros hidrológicos.
La ecuación para la función de densidad de la probabilidad es:
Parámetros:
Forma: a=x/b>0,
Escala: b=s2/x>o
Distribución Gamma (alfa, 1)
0.6
0.5
0.4
1
0.2
2
- 3
0 2 4 6 8 10
8.5.6. Pearson III
x=m + K s
Donde K es función del coeficiente de asimetría (g) y del período de retorno (Tr) o la
probabilidad de excedencia P(x>X).
2.5
2.0
1.5 g=-0.3
K
1.0 g=-0.4
0.5
0.0
0 50 100 150 200 250
período de retorno

8.5.7. Log Pearson III:
Sólo cambio de variable.
8.5.8. Distribución de valores extremos. VE I o Gumbel
También llamada distribución de valores extremos tipo I. Representa la distribución

límite del mayor valor de n valores xi independientes e idénticamente distribuidos con
una distribución de tipo exponencial a medida que n crece indefinidamente.
La probabilidad acumulada:
−y 1
F ( x > X ) = e −e =
Tr
donde y es una variable auxiliar: x−u

y=
a
a y u son los parámetros de la función:
Sx
a= u = x − yn .a
Sn

Tabla resumen

Universidad de Piura-Facultad de Ingeniería Hidrología
CAPÍTULO 9: MODELOS LLUVIA-ESCORRENTIA
9.1 Ciclo de escorrentía

Una cuenca es el área de terreno que drena hacia una corriente en un lugar dado. Para
describir como varían los diferentes procesos de agua superficial dentro de una tormenta
a través del tiempo se muestra en la figura 9.1.
Intensidad 7
de lluvia
4 5
0 Tiempo
(1) Intercepción (techos, vegetación, personas)
(2) Almacenamiento en depresiones: detención, retención
(3) Humedad del suelo
(4) Agua subterránea
(5) Flujo sub-superficial Infiltración
(6) Escorrentía superficial
(7) Precipitación sobre canales, ríos y lagos.
Figura 9.1 Procesos del agua superficial durante una tormenta
9.2. Factores que determinan la escorrentía
Existen diferentes tipos de factores a tener en cuenta en la estimación de la escorrentía.
a. Factores climatológicos Las variables más importantes entre los factores

climatológicos son:
Factor Variable Factor Variable

climatológico climatológico
Intensidad Tipo de vegetación
Duración Período de
Evapo- crecimiento
Lluvia Frecuencia transpiración Factores climatológicos
Distribución espacial (Temperatura, radiación,
Distribución temporal humedad, viento, etc.)
Manto
Densidad
Nieve Albedo
Distribución espacial
Distribución temporal

b. Factores Fisiográficos
Elemento Factor Variable

Fisiográfico
Forma
Área
Geometría
Pendiente
Densidad de drenaje
Cuenca
Uso del suelo
Factores Geología
físicos Topografía
Infiltración
Sección
Forma
Red Capacidad
Pendiente
hidrográfica
Rugosidad
Almacenamiento Volumen
c. Condiciones de humedad en la cuenca: Índice de precipitación anterior, caudal

previo a la tormenta, escurrimiento subterráneo y evapotranspiración anterior.
9.3. Exceso de precipitación y escorrentía directa
El exceso de precipitación o precipitación efectiva, es la precipitación que no se retiene

en la superficie terrestre y tampoco se infiltra en el suelo. Después de fluir a través de la
superficie de la cuenca, el exceso de precipitación se convierte en escorrentía directa a
la salida de la misma. El exceso de precipitación puede representarse de manera gráfica
a través de un hietograma de exceso de precipitación, que será una componente
importante en el estudio de las relaciones lluvia escorrentía.
Se conoce como abstracciones o pérdidas a la diferencia entre el hietograma de lluvia

total observado y el hietograma de exceso de precipitación. Las pérdidas son
primordialmente agua absorbida por infiltración con algo de intercepción y
almacenamiento superficial.
El hietograma de exceso de precipitación puede calcularse a partir del hietograma de

precipitación, dependiendo de si existe o no información de caudales disponible para la
tormenta, de las siguientes maneras:
• Si existe información disponible de precipitación y caudales En este caso se

puede emplear el método del índice φ1.
• Si sólo existe información de precipitación disponible Podremos emplear el

método SCS para abstracciones.
En general, se emplean diversas metodologías como: Ecuaciones empíricas, regresiones

múltiples, correlaciones gráficas, simulación, hidrogramas unitarios, etc.
1
Ver: Hidrología Aplicada (Chow et al). Página 138 y ss.

9.4. Método de abstracciones del SCS
9.4.1. Formulación
El Servicio de Conservación de Suelos (Soil Conservation Service) de los Estados

Unidos desarrolló un método para calcular las abstracciones de la precipitación de una
tormenta. Para la tormenta como un todo, la profundidad de exceso de precipitación o
escorrentía directa Pe es siempre menor o igual a la profundidad de precipitación P; de
manera similar, después de que la escorrentía se inicia, la profundidad adicional del
agua retenida en la cuenca Fa es menor o igual a alguna retención potencial máxima S;
como se aprecia en la Figura 9.2.
Existe una cierta cantidad de precipitación Ia (Abstracción inicial antes del

encharcamiento) para la cual no ocurrirá escorrentía, luego la escorrentía potencial es la
diferencia entre P e Ia. La hipótesis del método del SCS consiste en que las relaciones
de las dos cantidades reales y las dos cantidades potenciales son iguales, es decir,
Fa Pe
=
S P − Ia
Del principio de continuidad: P = Pe + I a + Fa
(P − I a )2
Combinando estas dos ecuaciones, Pe resulta: Pe =
P − Ia + S
la cual es la ecuación básica para el cálculo de la profundidad de exceso de

precipitación o escorrentía directa de una tormenta utilizando el método SCS.
Al estudiar los resultados obtenidos para muchas cuencas experimentales pequeñas, se
desarrolló una relación empírica: I a = 0,2 S
Con base en esto, Pe =

(P − 0,2 S )2
P + 0,8S
Tasa de
precipitación
Pe
Ia: Abstracción inicial
Pe: Exceso de precipitación
Fa: Abstracción continuada
Ia Fa
Tiempo
Figura 9.2. Variables en el método de abstracciones del SCS.

9.4.2. Implementación
Al representar en gráficas la información de P y Pe para muchas cuencas, el SCS
encontró curvas. Para estandarizar estas curvas, se define un número adimensional de
curva CN, tal que 0 ≤ CN ≤ 100 . Para superficies impermeables y superficies de agua
CN = 100; para superficies naturales CN<100.
1000
El número de curva y S se relacionan por, S= − 10 ; donde S está en pulgadas.
CN
Un factor importante a tener en cuenta en estas curvas son las condiciones antecedentes
de humedad (Antecedent Moisture Conditions), las cuales se agrupan en tres
condiciones básicas (Tabla 9.1):
Tabla 9.1 Condiciones antecedentes de humedad básicas empleadas en el método SCS

AMC (I) Condiciones secas
AMC (II) Condiciones normales
AMC (III) Condiciones húmedas
Los números de curva se aplican para condiciones antecedentes de humedad (AMC, por
sus en inglés) normales, y se establecen las siguientes relaciones para las otras dos
condiciones:
4,2CN ( II )
CN ( I ) =
10 − 0,058CN ( II )
23CN ( II )
CN ( III ) =
10 + 0,13CN ( II )
Tabla 9.2. Rangos para la clasificación de las condiciones antecedentes de humedad.
Lluvia antecedente total de 5días (pulg)

Grupo AMC Estación Estación
inactiva activa
I Menor que 0,5 Menor que 1,4
II 0,5 a 1,1 1,4 a 2,1
III Sobre 1,1 Sobre 2,1
Los números de curva han sido tabulados por el Servicio de Conservación de Suelos en
base al tipo y uso de suelo. En función del tipo de suelo se definen cuatro grupos:
Grupo A: Arena profunda, suelos profundos depositados por el viento y limos

agregados.
Grupo B: Suelos poco profundos depositados por el viento y marga arenosa.
Grupo C: Margas arcillosas, margas arenosas poco profundas, suelos con bajo
contenido orgánico y suelos con altos contenidos de arcilla.
Grupo D: Suelos que se expanden significativamente cuando se mojan, arcillas
altamente plásticas y ciertos suelos salinos.
Los valores de CN para varios tipos de usos de suelos se dan en la Tabla 9.3. Para una
cuenca hecha de varios tipos y usos de suelos se puede calcular un CN compuesto.

Tabla 9.3. Números de curva de escorrentía para usos selectos de suelo agrícola,
urbana y suburbana (Condiciones antecedentes de humedad AMC (II), Ia =0,2 S)
Descripción del uso Detalles de Tratamiento Condición Grupo hidrológico de suelo

de la tierra la descripción o uso hidrológico A B C D
baldío filas rectas no aplicable 77 86 91 94
sin tratamientos
general no disponible 72 81 88 91
de conservación
pobre 72 81 88 91
filas rectas
bueno 67 78 85 89
pobre 70 79 84 88
cultivos en filas en contorno
bueno 65 75 82 86
pobre 66 74 80 82
en contorno y terraza
bueno 62 71 78 81
con tratamientos
general no disponible 62 71 78 81
de conservación
Tierra cultivada pobre 65 76 84 88
filas rectas
bueno 63 75 83 87
pobre 63 74 82 85
granos pequeños en contorno
bueno 61 73 81 84
pobre 61 72 79 82
bueno 59 70 78 81
grano cerrado filas rectas pobre 66 77 85 89
filas rectas bueno 58 72 81 85
pobre 64 75 83 85
grano cerrado: legumbres en contorno
bueno 55 69 78 83
o pradera de rotación
pobre 63 73 80 83
bueno 51 67 76 80
pobre 68 79 86 89
aceptable 49 69 79 84
Pastizales o campo bueno 39 61 74 80
de animales pobre 47 67 81 88
en contorno aceptable 25 59 75 83
bueno 6 35 70 79
Vegas de ríos
bueno 30 58 71 78
y praderas
troncos delgados,
cubierta pobre, pobre 45 66 77 83
Bosques sin hierbas
aceptable 36 60 73 79
bueno 25 55 70 77
Haciendas 59 74 82 86
pavimentados con
cunetas y 95 95 95 95
1
alcantarillados no disponible
Calles y carreteras
superficie dura 74 84 90 92
grava 76 85 89 91
tierra 72 82 87 89
césped, parques,
bueno (cubierto
campos de golf, 39 61 74 80
de pasto 75%+)
Áreas abiertas cementerios, etc.
aceptable (cubierto
49 69 79 84
de pasto 50% - 75%)
Áreas comerciales
85% impermeables 89 92 94 95
de negocios
Distritos industriales 72% impermeables 81 88 91 93
1/8 acre o menos 65% impermeable 77 85 90 92
1/4 acre 38% impermeable 61 75 83 87
Residencial 1/3 acre 30% impermeable no disponible 57 72 81 86
1/2 acre 25% impermeable 54 70 80 85
1 acre 65% impermeable 51 68 79 84
Parqueadores
pavimentados, 95 95 95 95
techos, accesos, etc.

9.4.3. Ejemplo
Calcule la escorrentía que se origina por una lluvia de 5 pulgadas en una cuenca de 1000
acres. El grupo hidrológico de suelo es de 50% el Grupo B y 50% Grupo C que se
intercalan a lo largo de la cuenca. Se supone una condición antecedente de humedad II.
El uso de suelo es:
40% de área residencial que es impermeable en un 30%.

12% de área residencial que es impermeable en un 65%
18% de caminos pavimentados con cunetas y alcantarillados de aguas lluvias
16% de área abierta con un 50% con cubierta aceptable de pastos y un 50% con una
buena cubierta de pastos.
14% de estacionamientos, plazas, colegios y similares (toda impermeable).
Solución Se ha de determinar en primer lugar un valor de CN compuesto en función del

tipo y uso de suelo, tendremos entonces:
Grupo Hidrológico de suelo

Uso de suelo B C
% CN Producto % CN Producto
Residencial (30 % impermeable) 20 72 1440 20 81 1620

Residencial (65 % impermeable) 6 85 510 6 90 540
Carreteras 9 98 882 9 98 882
Terreno abierto: Buena cubierta 4 61 244 4 74 296
Aceptable cubierta 4 69 276 4 79 316
Estacionamientos 7 98 686 7 98 686
50 4038 50 4340
4038 + 4340
El CN ponderado será entonces, CN ponderado = = 83.8
100
A partir de este valor se determinará S y Pe:
1000 1000
S= − 10 = − 10 = 1,93 pu lg
CN 83.8
Pe =
(P − 0,2 S )2 = (5 − 0,2 *1,93)2 = 3,5 pu lg
P + 0,8S 5 + 0,8 * 1,93
Si analizamos el mismo caso pero con condiciones de humedad antecedentes húmedas

(AMC (III)), la precipitación efectiva resulta:

23CN ( II ) 23 * 83,8
CN ( III ) = = = 92,3
10 + 0,13CN ( II ) 10 + 0,13 * 83,8
Luego,
1000 1000
S= − 10 = − 10 = 0,83 pu lg
CN 92,3
( P − 0,2 S ) 2 (5 − 0,2 * 0,83) 2
Pe = = = 4,13 pu lg
P + 0,8S 5 + 0,8 * 0,83
9.4.4. Efectos de la Urbanización
Desde hace 25 ó 30 años se ha iniciado el estudio de los efectos de la urbanización.

Inicialmente se analizaron dichos efectos en el potencial de inundaciones en pequeñas
cuencas urbanas.
En general, los principales efectos de la urbanización son:

• Incrementos en los volúmenes totales de escorrentía y los caudales picos, que se ven
expresados en los hidrogramas de crecientes.
• Cambios en los caudales en las cuencas urbanas debido a un aumento en el volumen
de agua disponible para la escorrentía por el aumento de zonas impermeables,
producto de los estacionamientos, las calles y los techos, que reducen la cantidad de
infiltración.
• Los cambios de caudales se deben además, a un cambio en la eficiencia hidráulica
asociados con canales artificiales, cunetas y sistemas de recolección de drenaje de
tormentas, aumentado la velocidad de flujo y la magnitud de los picos de crecientes.
9.4.5. Distribución temporal de las abstracciones SCS
Hasta el momento, solamente se han calculado los profundidades de exceso de

precipitación o escorrentía directa durante una tormenta. Extendiendo el método
anterior, puede calcularse la distribución temporal de las abstracciones Fa en una
tormenta. Empleado las dos ecuaciones básicas del método y despejando Fa, tendremos:
S (P − I a )
Fa = P ≥ Ia
P − Ia + S
Diferenciando, y teniendo que Ia y S son constantes,
dFa S 2 dP dt
=
dt (P − I a + S ) 2
dFa
A medida que P 
→ ∞, 
→ 0 tal como se requiere,
dt
La presencia de dP/dt (intensidad de lluvia) en el numerador significa que a medida que

la intensidad de lluvia se incrementa, la tasa de retención de agua en la cuenca tiende a
incrementarse.

9.4.6. Ejemplo
Ocurre una tormenta tal como se muestra en la tabla adjunta; el valor de CN es 80 y se
aplica una condición antecedente de humedad II. Calcule las abstracciones que se
acumulan y el istograma de exceso de precipitación.
Tiempo Lluvia acumulada

(h) (pulg)
0 0
1 0.2
2 0.9
3 1.27
4 2.31
5 4.65
6 5.29
7 5.36
Solución
Para CN = 80, S = (100/80)-10=2,5 pulg ; Ia = 0,2S = 0,5 pulg.
La abstracción inicial absorbe toda la lluvia hasta P = 0,5 pulg. Esto incluye las 0,2 pulg
de lluvia que ocurren durante la primera hora y 0,3 pulg de lluvia que caen durante la
segunda hora. Para P>0,5 pulg, la abstracción continuada Fa se calcula con:
S ( P − I a ) 2,50( P − 0,5) 2,50( P − 0,5)

Fa = = =
P − I a + S P − 0,5 + 2,5 P + 2,0
Por ejemplo, después de dos horas, la precipitación que se acumula es P = 0,90 pulg.
Luego,
2,5(0,9 − 0,5)
Fa = = 0,34 pu lg
0,9 + 2
El exceso de precipitación es lo que queda después de las abstracciones inicial y

continuada:
Pe = P − I a − Fa = 0,9 − 0,5 − 0,34 = 0,06 pu lg
El histograma de exceso de precipitación se determina tomando la diferencia de valores

sucesivos de Pe, tal como se muestra en la siguiente tabla:
Histograma Exceso de istograma

de lluvia Lluvia Abstracciones lluvia de exceso de
Tiempo total acumulada acumuladas (pulg) acumulado lluvia
(h) (pulg) (pulg) Ia Fa (pulg) (pulg)
0 0.00 0.00 0.0 0.00 0.00
1 0.20 0.20 0.2 0.00 0.00 0.00
2 0.70 0.90 0.5 0.34 0.06 0.06
3 0.37 1.27 0.5 0.59 0.18 0.13
4 1.04 2.31 0.5 1.05 0.76 0.58
5 2.34 4.65 0.5 1.56 2.59 1.83
6 0.64 5.29 0.5 1.64 3.15 0.56
7 0.07 5.36 0.5 1.65 3.21 0.06

Abs.. iniciales Ia
Fig. 9.3. istogramas de precipitación. A) Lluvia total, b) Abstracciones y lluvia

efectiva, y c) Lluvia efectiva.

9.5. Metodología de modelación lluvia-escorrentía
Directos Análisis de frecuencias de valores

observados en la cuenca
Métodos regionales
Fórmulas empíricas
Métodos Modelos de simulación con base física

(agregados y distribuidos)
Modelos Modelos globales y operadores hidrológicos

Lluvia- Escorrentía
Métodos hidrometeorológicos
9.6. Fórmulas empíricas: Método Racional
9.6.1. Fórmulas empíricas
Existen innumerables fórmulas, que tienen una aplicación limitada a las situaciones en
que fueron desarrolladas.
Entre los diversos tipos de fórmulas podemos destacar:

- Caudal – área Q = CAn
- Intensidad Q = CiA
- Complejas Q = Cai (S/A)0.25
Donde, Q = Caudal; i = Intensidad; S = pendiente media; C = coeficiente
9.6.2. Método Racional
Es un método empírico y aplicable en general a pequeñas cuencas, considerándose

como tales a aquellas con áreas no mayores de 2 Km2. Sin embargo la Norma peruana
de drenaje permite el uso del método hasta 13 Km2. Mediante este método, se puede
calcular el caudal Q de escurrimiento con la concentración de la concentración
siguiente, desarrollada en 1850 por Mulvaney:
Q = 0.278 CiA
Donde, Q = Caudal máximo de crecida (m3/s)

A = área a portante (km2)
C = Coeficiente de escorrentía
i = intensidad de lluvia correspondiente a una tormenta cuya duración es
igual al tiempo de concentración del área y con una frecuencia adecuada
a la economía e importancia de la obra (mm/h)

En cuanto al valor C, no existen valores únicos. A manera referencial se pueden

considerar los valores del SCS de los Estados Unidos, representados en la Tabla 9.4:
Tabla 9.4. Valores de coeficiente de escorrentía según el tipo de áreas de drenaje.
Tipo de área de drenaje Coeficiente de

escorrentía ©
Comerciales
NEGOCIOS 0.70 – 0.95
ZONAS DE VECINDARIO 0.50 – 0.70
Residenciales
- Zonas unifamiliares 0.30 – 0.50
- Zonas multifamiliares separadas 0.40 – 0.60
- Zonas multifamiliares contiguas 0.60 – 0.75
Residencial Sub-Urbana 0.25 – 0.40
Zonas residenciales de departamentos 0.50 – 0.70
Zonas Industriales
POCO DENSAS 0.50 – 0.80
DENSAS 0.60 – 0.90
Césped. Suelo arenoso
LLANO, 2% 0.05 – 0.10
MEDIANO, 2-7% 0.10 – 0.15
ESCARPADO, 7% 0.15 – 0.20
Césped. Suelo gravoso
LLANO, 2% 0.13 – 0.17
MEDIANO, 2-7% 0.18 – 0.22
ESCARPADO, 7% 0.25 – 0.35
Zonas no urbanizadas 0.10 – 0.30
9.7. Operadores hidrológicos
9.7.1. Hidrograma Unitario
El hidrograma unitario es un método lineal propuesto por Sherman en 1932
Definición
El hidrograma unitario es un hidrograma típico para la cuenca. Se denomina Unitario
puesto que, el volumen de escorrentía bajo el hidrograma se ajusta generalmente a 1 cm
(ó 1 pulg).
En general los hidrogramas unitarios no deben utilizarse para cuencas cuya área
sobrepase los 5000 Km2 (~ 2000 mi2).
El hidrograma unitario se puede considerar como un impulso unitario en un sistema

lineal. Por lo tanto es aplicable el principio de superposición; 2 cm de escorrentía
producirán un hidrograma con todas las ordenadas dos veces más grandes que aquellas
del hidrograma unitario, es decir, la suma de dos hidrogramas unitarios.

Matemáticamente, el hidrograma unitario es la función Kernel U(t-T)
q (t ) = i (t )U (t − T )dt
Donde, q(t): función del hidrograma de salida

i(t): función del hietograma de entrada
Sería erróneo inferir que un hidrograma típico bastaría para una cuenca. Aún cuando las
características físicas de la cuenca permanezcan relativamente constantes, las
características variables de las tormentas producen cambios en la forma de los
hidrogramas resultantes.
Las características de una tormenta son: La duración de la lluvia, el patrón intensidad-

tiempo, la distribución espacial de la lluvia y la cantidad de escorrentía.
Podremos concluir, que el hidrograma unitario es el hidrograma de un centímetro (o una

pulgada) de escorrentía directa de una tormenta con una duración especificada.
Obtención de hidrogramas unitarios
La obtención de los hidrogramas unitarios se parte de valores naturales registrados o se

pueden generar hidrogramas sintéticos.
El mejor hidrograma unitario es aquel que se obtiene a partir de: una tormenta de
intensidad razonablemente uniforme; una duración deseada; un volumen de escorrentía
cercano o mayor a 1 cm (ó 1 pulg.)
El proceso de obtención de hidrogramas unitarios a partir de registros naturales de

caudales es el siguiente:
• Separar el flujo base de la escorrentía directa.

• Determinar el volumen de escorrentía directa.
• Las ordenadas del hidrograma de escorrentía directa se dividen por la
profundidad de escorrentía observada.
• Las ordenadas ajustadas forman el hidrograma unitario.
9.7.2. Hidrograma Superficial de Izzard
Aplicable a superficies pequeñas esencialmente impermeables. Como por ejemplo,

estacionamientos, patios de descarga, zonas de almacenamiento en muelles, techos,
losas de aeropuertos, etc.
Izzard estableció relaciones entre las siguientes variables:
• Caudal de equilibrio (qe).

• Tiempo de equilibrio(te).
• Volumen de agua en detención superficial (Ve).

q
qe
t
te
Figura 9. 4. Forma típica del hidrograma de Izard
4 1
2Ve iL KL 3 i 3 2,8*10−5 i + c
te = ; qe = ; Ve = ; K=
60q e 3,6 * 10 6 227,8 S
1
3
Donde,
te Tiempo de equilibrio (min)

qe Caudal en equilibrio para una franja de 1 m de ancho (m3/s)
Ve Volumen de detención superficial en equilibrio para la franja (m3)
i Intensidad de lluvia (mm/h)
S pendiente del terreno en forma decimal
K Coeficiente
c Coeficiente de retardo (Tabla 9.5)
Tabla 9.5 Valores sugeridos para el coeficiente de retardo
Superficie Coeficiente c
Pavimento de asfalto bien terminado 0.007
Pavimento alquitrán y arena 0.0075
Cubierta de pizarra 0.0082
Concreto 0.012
Pavimento alquitrán y grava 0.017
Césped denso 0.046
Paso azul pulido 0.060

t/te q/qe
0 0
0.2 0.06
0.3 0.18
0.4 0.35
0.5 0.55
0.6 0.70
0.7 0.82
0.8 0.90
0.9 0.94
1 0.97
β q/qe
0 0.97
0.5 0.34
1 0.19
1.5 0.12
2 0.09
2.5 0.07
3 0.05
5 0.02
qe t a β Ve
Con: β = 60 t = te +
Ve 60 qe
Figura 9.5. Valores típicos del hidrograma de Izzard
Ejemplo Calcular el hidrograma resultante de una lluvia de 50 mm/h sobre una

superficie de concreto de 50 m de largo con una pendiente de 0.01.
Datos: i = 50 mm/h; S = 0.01; c = 0,012; L = 50 m
2,8*10 −5 i + c
k= 1
= 0,062
S 3
4 1
0,062 * 50 3 * 50 3
Ve = = 0,185 m 3 / m
227,8
50 * 50
qe = = 0.000694 m 3 / s / m = 0,6941 l/s/m
3,6 * 10 6

Ve
te = = 8,9 min
30q e
7.0E-04
6.0E-04
5.0E-04
4.0E-04
3.0E-04
2.0E-04
1.0E-04
0.0E+00
0 5 10 15 20 25 30 35
t q (m3/s) q (l/s)
0.00 0.0E+00 -
1.78 3.5E-05 0.03
2.67 1.2E-04 0.12
3.56 2.4E-04 0.24
4.45 3.8E-04 0.38
5.34 4.9E-04 0.49
6.23 5.6E-04 0.56
7.12 6.2E-04 0.62
8.01 6.5E-04 0.65
8.90 6.7E-04 0.67
8.90 6.7E-04 0.67
11.12 2.4E-04 0.24
13.34 1.4E-04 0.14
15.56 8.3E-05 0.08
17.78 5.6E-05 0.06
20.01 4.9E-05 0.05
22.23 3.5E-05 0.03
31.11 0.0E+00 -

9.7.3. Hidrograma sintético triangular del SCS
Hidrogramas sintéticos
Además de los hidrogramas naturales ya vistos, existen hidrogramas sintéticos que son
simulados, artificiales y se obtienen usando las características fisiográficas y
parámetros de la cuenca de interés. Su finalidad es representar o simular un hidrograma
representativo del fenómeno hidrológico de la cuenca, para determinar el caudal pico
para diseñar.
Hidrograma adimensional SCS

El hidrograma adimensional del SCS es un HU sintético en el cual el caudal se expresa
por la relación del caudal q con respecto al caudal pico qp y el tiempo por la relación del
tiempo t con respecto al tiempo de ocurrencia del pico en el HU, Tp.
El HU adimensional puede calcularse para cada cuenca de interés o puede emplearse el
propuesto por el SCS, que se muestra en la figura siguiente y que ha sido preparado
utilizando los HU de una variedad de cuencas:
t/Tp q/qp
- -
0.35 0.20
0.72 0.80
0.82 0.90
0.86 0.95
1.00 1.00
1.14 0.95
1.18 0.92
1.35 0.80
1.83 0.40
2.00 0.31
2.36 0.20
3.00 0.07
4.00 0.02
5.00 -
Figura 9.6. Hidrograma adimensional propuesto por el SCS
Los valores de qp y Tp pueden estimarse empleando el modelo simplificado del HU

triangular.
Hidrograma sintético SCS o triangular

Con base en la revisión de un gran número de HU, el SCS sugiere este hidrograma
donde el tiempo está dado en horas y el caudal en m3/s.cm.
El volumen generado por la separación de la lluvia en neta y abstracciones es propagado
a través del río mediante el uso del hidrograma unitario.
El tiempo de recesión, tr, puede aproximarse a:
t r = 1.67 T p

Como el área bajo el HU debe ser igual a una escorrentía de 1 cm, puede demostrarse
que:
2.08 A
qp =
Tp
donde:
A es el área de drenaje en Km2 y

Tp es el tiempo de ocurrencia del pico en horas
Adicionalmente, un estudio de muchas cuencas ha demostrado que:
t p = 0,6t c
donde:
tp: Tiempo de retardo (entre el centroide del hietograma y el pico de caudal) (h)
tc: Tiempo de concentración de la cuenca.
El tiempo de ocurrencia del pico, Tp, puede expresarse como:
D
Tp = +t p
2
donde:
D: duración de la lluvia (h)
P .
tp
qp
t
Tp tr
Figura 9.7.- Hidrograma unitario triangular del SCS
Este método es aplicable para cuencas pequeñas, menores a 8 Km2. Es muy usado en
cuencas sin muchos datos hidrológicos.
Para cuencas urbanas, donde tp y tc disminuyen por la impermeabilización y

canalización se aplica:

t p = t p (cuenca natural ). f1 . f 2
f1 = 1 − M a K
f2 = 1− M c K
donde:
Ma: Porcentaje de aumento de áreas impermeables
Mc: Porcentaje de áreas canalizadas
K = (−0,02185CN 3 − 0,4298CN 2 + 355CN − 6789)*10 −6
Ejemplo
Determinar el hidrograma de diseño para un Tr = 50 años, para una cuenca con las
siguientes características:
1. La cuenca tiene suelo con capacidad de escurrimiento sobre la media.

2. Cobertura: 60% pasto, 30% soya y 10% bosque disperso
3. Tiempo de concentración (tc) =11 horas y 1 hora de duración del intervalo de
precipitación.
4. Área de la cuenca = 3,3 Km2
5. Lluvia de diseño se muestra en la tabla siguiente:
Intervalo Lluvia acumulada Precipitación Precipitación

de tiempo de diseño (mm) efectiva acumulada efectiva de cada
(h) (mm) intervalo (cm)
1 8,7 0 0
2 18,6 0.5 0.05
3 36,9 6.7 0.62
4 92,5 44.4 3.77
5 118,3 66.0 2.16
6 132,9 78.7 1.27
7 139,9 84.8 0.61
8 145,5 89.9 0.51
9 151,3 95.1 0.52
10 155,4 98.8 0.37
11 160,7 103.6 0.48
CN = 75*0.3 + 82*0.6 + 86*0.1 = 80.3
25400
S= − 254 = 62.3mm t p = 0.6*t c = 0.6*11 = 6.6h
80.3
1
T p = + 6.6 = 7.1h t r = 1.67*7.1 = 11.9h
2
2.08*3.3 3
qp = = 0.967 m
1 + 0.6*11 s
2

D=1h
P .
tp = 6.6h
qp = 0.97 m3/s
t
7.1h 11.9h
Con este hidrograma unitario y con la lluvia de diseño, hallaremos el hidrograma de

diseño; para lo cual realizaremos el proceso de convolución: Q (t) = Pe (t) * HU (t):
Se inicia con un desfase porque Pe1 = 0.
Pe (cm) 0.05 0.62 3.77 2.16 . . .

Escorrentía
Hidrograma
Directa
Intervalo Unitario
0 0 - - - - 0
0 1 0.14 0.000 - - - 0.000
1 2 0.28 0.007 0.000 - - 0.007
2 3 0.42 0.014 0.007 0.000 - 0.021
3 4 0.55 0.021 0.014 0.007 0.000 .
4 5 0.69 0.028 0.021 0.014 0.007 .
5 6 0.83 0.035 0.028 0.021 0.014 .
6 7 0.97 0.042 0.035 0.028 0.021
Sumatoria
7 8 0.88 0.048 0.042 0.035 0.028
8 9 0.79 0.044 0.048 0.042 0.035
9 10 0.70 0.040 0.044 0.048 0.042
. . 0.040 0.044 0.048
. . 0.040 0.044
. . 0.040
Proceso de Convolución

Modulo II Hidrologia

Cargado por

Información del documento

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

Modulo II Hidrologia

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE PIURA

Preparado por: Ing. Marina Farías de Reyes. Agosto, 2005.

Capítulo 8. Modelos Probabilísticos……………………………...….. 3

Cap. 8 MODELOS PROBABILÍSTICOS

Para responder a lo anterior, será necesario elaborar un modelo probabilístico de la

Universo: Conjunto de datos cuyas propiedades se van a estudiar.

Discreta: Número de eventos es finito.

Marina Farías de Reyes 3

8.2. Modelos matemáticos

Son la descripción de un fenómeno de la naturaleza mediante formulaciones

8.2.2. Probabilístico o no determinístico: Cuando las condiciones en que se produce

Marina Farías de Reyes 4

8.3. Modelos Probabilísticos

Los modelos probabilísticos se caracterizan porque entregan resultados aproximados,

En Hidrología, para representar las variables hidrológicas se requiere de modelos

Un modelo probabilístico requiere de dos cosas fundamentales:

Ejemplo: Lluvias en Piura.

De acuerdo al tipo de variable, se distinguen dos tipos de modelos probabilísticos: los

8.4. Modelos probabilísticos discretos

Entre los principales modelos probabilísticos discretos tenemos:

8.4.1. Distribución de Bernoulli

La función probabilidad de masa de la distribución de Bernoulli es:

Marina Farías de Reyes 5

8.4.2. Distribución Binomial

Este modelo surge al representar la realización de n ensayos independientes tipo

Usada en problemas cuando se tiene:

La función de masa de probabilidad binomial es:

La distribución binomial acumulada es:

8.4.3. Distribución Poisson

En un proceso Bernoulli se habla de la ocurrencia de un éxito en un aserie de ensayos

Predice el número de sucesos en un determinado período de tiempo.

Marina Farías de Reyes 6

8.5. Principales modelos probabilísticos continuos

8.5.1. Distribución Uniforme

La función distribución acumulada para este modelo probabil´sitico es lineal y creciente

8.5.2. Distribución Normal

Una variable tiene una distribución normal si su función densidad de probabilidades

Marina Farías de Reyes 7

y son los parámetros de la distribución, y se puede desmostrar que son iguales

8.5.3. Distribución Log-Normal

Las variables físicas de interés en hidrología tales como precipitación, caudal,

8.5.4. Distribución Exponencial

La ecuación para la función de densidad de la probabilidad es:

La ecuación para la función de distribución acumulada es:

Marina Farías de Reyes 8

8.5.5. Distribución Gamma

Muy utilizado en hidrología posee gran flexibilidad y diversidad de formas,

La ecuación para la función de densidad de la probabilidad es:

Distribución Gamma (alfa, 1)

8.5.6. Pearson III

Marina Farías de Reyes 9

8.5.7. Log Pearson III:

Sólo cambio de variable.

8.5.8. Distribución de valores extremos. VE I o Gumbel

También llamada distribución de valores extremos tipo I. Representa la distribución

donde y es una variable auxiliar: x−u

a y u son los parámetros de la función:

Marina Farías de Reyes 10

Marina Farías de Reyes 11

CAPÍTULO 9: MODELOS LLUVIA-ESCORRENTIA

9.1 Ciclo de escorrentía

Figura 9.1 Procesos del agua superficial durante una tormenta

9.2. Factores que determinan la escorrentía

Existen diferentes tipos de factores a tener en cuenta en la estimación de la escorrentía.