Nairouz Jean PDF

Trabajo de Grado
Presentado ante la ilustre UNIVERSIDAD DE LOS ANDES como requisito parcial
para
obtener el Título de INGENIERO DE SISTEMAS
ESTIMACIÓN DE CAUDALES EN RÍOS DE ALTA MONTAÑA
MEDIANTE TEORÍA ESTADÍSTICA DE VALORES
EXTREMOS. PLANTEAMIENTO DE UN MODELO
ELEMENTAL DE CÁLCULO.
CASO: CUENCA DEL RÍO CHAMA

Por
Br. Jean Pierre Nairouz
Tutora: Prof. Isabel Flórez López
Co-Tutor: Prof. Herbert Hoeger Zibauer
Junio 2008
©2008 Universidad de Los Andes Mérida, Venezuela

Aprobación
ii
Dedicatoria
A mi país, Venezuela:
Que a pesar de que lo tienes todo,
en cuanto atractivos naturales y materiales.
Posees algo aun más importante para mí,
Como lo es tu gente, en especial los seres que quiero,
a todos…
iii
Agradecimientos
Aun cuando con el uso de estas sencillas palabras, me siento reducido al
momento de expresar mi agradecimiento, les digo:
A Dios, por todo…
A la profesora Isabel Flórez, maestra, tutora, guía y critica, quien supo
de manera especial ayudarme a culminar tan importante meta...
A mis padres y hermanas, los cuales con sus palabras de aliento,
ayuda constante y paciencia infinita para conmigo, me acompañaron en este
camino…
A María Luisa López, que de manera persistente y oportuna me brindo
su ayuda en el desarrollo del trabajo, tanto de manera técnica, como al
momento de ofrecerme todo su cariño y apoyo en tan crucial momento…
Al profesor Eugenio Mora, profesor Herbert Hoeger y al geógrafo Nerio
Ramírez, que con su vasta experiencia y conocimientos en el área estudiada
supieron brindarme la mayor colaboración…
A la Universidad de Los Andes, por convertirse además del lugar
donde forme mi carrera, un hogar el cual nunca olvidare…
A la Escuela de Civil y a la Escuela de Sistemas, y a quienes
evidentemente las conforman, como son sus profesores, secretarias y todos
mis compañeros, que de alguna u otra manera me brindaron su apoyo…
A todos aquellos que no mencione, pero que de igual manera
impactaron de cualquier forma, en la generación de este escrito...
A Todos, Mil Gracias!!!
iv
Resumen
ESTIMACIÓN DE CAUDALES EN RÍOS DE ALTA MONTAÑA MEDIANTE TEORÍA
ESTADÍSTICA DE VALORES EXTREMOS. PLANTEAMIENTO DE UN MODELO ELEMENTAL
DE CÁLCULO.
CASO: CUENCA DEL RÍO CHAMA
Jean P. Nairouz M.
Tutora: Prof. Isabel Flórez López
Universidad de Los Andes. Facultad de ingeniería. Mérida, Venezuela
En este trabajo se propone un modelo de cálculo para la estimación
de caudales en ríos de alta montaña cuando existe escasez de información
hidrológica, con el objetivo de obtener una metodología estándar para la
obtención de dichos valores de caudal que pueden ser utilizados en múltiples
campos como son el diseño de obras civiles, manejo de emergencias y
control de crecidas, además del consumo humano, entre otros.
El procedimiento propuesto consta de las siguientes etapas:
• Estudio detallado de las principales características de la cuenca del río
Chama, que se utilizará como ejemplo.
• Cálculo de la probabilidad empírica.
• Representación en papel de probabilidad de Gumbel.
• Selección del dominio de atracción.
• Definición de los parámetros de la distribución límite.
v
Resumen
• Cálculo del valor de diseño, utilizando para la realización del estudio
técnicas de información escasa.
• Definición del modelo elemental para la estimación del caudal.
Se hace un análisis comparativo de los resultados obtenidos, se
presentan conclusiones y recomendaciones.
Palabras Clave: Valores extremos, información escasa, estimación de
caudales, ríos de montaña.
vi
Índice General
Índice general Pág.
Aprobación ii
Dedicatoria iii
Agradecimientos iv
Resumen v
Índice General vii
Lista de tablas xii
Lista de figuras xv
Lista de símbolos xvii
Capítulo 1 Introducción
1.Introducción ................................................................................................. 1
1.1 Antecedentes. Planteamiento del problema: definición y delimitación
del problema y del área de estudio ............................................................. 3
1.2 Objetivos generales y específicos ......................................................... 6
1.3 Metodología........................................................................................... 7
Capítulo 2 Aspectos teóricos
2. Análisis de la Naturaleza de los Datos del Caudal...................................... 8
2.1 Escorrentía Superficial .......................................................................... 9
2.2 Estimación de la Escorrentía Superficial a través de los Datos de Lluvia
.................................................................................................................. 15
vii
Índice General
2.2.1 Método Racional ..................................................................................... 15
2.2.2 Método del Servicio de Conservación de Suelos EE. UU. de 1972
............................................................................................................................. 21
2.2.3 Ecuación de Holtan y Overton de 1963…………………………….. 25
2.2.4 Fórmulas Empíricas ............................................................................... 27
2.3 Tiempo de concentración .................................................................... 29
2.4 Características físicas de una cuenca hidrográfica ............................. 34
2.4.1 Área de drenaje de la cuenca (A) ........................................................ 34
2.4.2 Índice de Gravelius o coeficiente de compacidad (kc) ..................... 34
2.4.3 Factor de forma (Kf) ............................................................................... 35
2.4.4 Densidad de drenaje (Dd) ..................................................................... 36
2.4.5 Extensión media de la escorrentía superficial (l) .............................. 36
2.4.6 Sinuosidad de las corrientes de agua (Si).......................................... 37
2.4.7 Pendiente de la corriente principal ...................................................... 37
2.5 Distribución de valores extremos ........................................................ 40
2.5.1 Estadísticos de Orden .......................................................................... 40
2.5.2 Distribuciones Asintóticas .................................................................... 43
2.6 Selección de la distribución límite a partir de una muestra y definición
de los parámetros de la distribución .......................................................... 49
2.6.1 Selección de la distribución límite........................................................ 49
viii
Índice General
2.6.2 Ajuste de los Datos ................................................................................ 52
2.6.3 Distribución de Gumbel ......................................................................... 52
2.6.4 Distribución de Weibull .......................................................................... 55
2.6.5 Distribución de Frechet.......................................................................... 58
Capítulo 3 Descripción del área en estudio
3. Descripción del área en estudio ................................................................ 60
3.1 Principales aspectos físico – naturales del área en estudio ................ 62
3.2 Datos de la Cuenca en Estudio ........................................................... 70
3.3 Usos de la tierra .................................................................................. 74
3.4 Tiempo de concentración .................................................................... 75
Capítulo 4 Análisis de los datos
4. Base de datos ........................................................................................... 78
4.1 Ajuste Gráfico ...................................................................................... 80
4.2 Definición del dominio de atracción ..................................................... 82
4.3 Definición de Parámetros .................................................................... 95
4.3.1 Método Gráfico para la estimación de parámetros de la distribución
de Gumbel ......................................................................................................... 96
4.3.2 Método Gráfico para la estimación de los parámetros de la
distribución de Weibull ................................................................................... 100
ix
Índice General
distribución de Frechet .................................................................................. 106
Capítulo 5 Estimación del caudal
5. Estimación del caudal ............................................................................. 110
5.1 Estimación del caudal pico mediante el uso del método racional…... 111
5.2 Estimación del caudal pico mediante el uso del método del Servicio de
Conservación de Suelos de los EE. UU……………………………………. 113
5.3 Estimación del caudal pico mediante el uso de la ecuación de Holtan y
Overton de 1963........…………………………………………………………115
5.4 Estimación del caudal pico mediante el uso de las fórmulas empíricas
................................................................................................................ 117
Capítulo 6 Metodología propuesta
6. Metodología de cálculo ........................................................................... 118
6.1 Estudio detallado de las principales características de la cuenca. .... 118
6.1.1 Principales aspectos físico – naturales del área en estudio.......... 118
6.1.2 Datos de la Cuenca en Estudio.......................................................... 119
6.1.3 Usos de la tierra.................................................................................... 119
6.1.4 Tiempo de concentración .................................................................... 120
6.2 Representación en Papel de Probabilidad de Gumbel ...................... 120
x
Índice General
6.3 Definición del Dominio de Atracción .................................................. 122
6.4 Estimación de Parámetros ................................................................ 126
6.4.1 Distribución de Gumbel ...................................................................... 126
6.4.2 Distribución de Weibull ....................................................................... 127
6.4.3 Distribución de Frechet ...................................................................... 128
6.5 Estimación de los Valores de Diseño ................................................ 129
6.6 Estimación del caudal ....................................................................... 129
Capítulo 7 Conclusiones y recomendaciones
7. Conclusiones ............ …………………………………………………………130
7.1 Recomendaciones .. ………………………………………………………132
Referencias bibliograficas. ……………………………………………………...134
Anexo 1. Clasificación hidrológica de los suelos. Para el Servicio de
Conservación de los Suelos de los EE. UU. (Rojas, 1983)………………….136
Anexo 2. Representación en papel de probabilidad de Gumbel y ajuste por
mínimos cuadrados de las estaciones cuyo dominio de atracción resultó ser
Gumbel. ...................................................................................................... 137
xi
Lista de tablas
Lista de Tablas Pág.
Tabla 1. Valores típicos del coeficiente de escorrentía C ............................. 18
Tabla 2. Valores del coeficiente de escorrentía según el Servicio de
Conservación de Suelos EE. UU .................................................................. 19
Tabla 3. Conversión del coeficiente de escorrentía para otros suelos según el
Servicio de Conservación de Suelos EE. UU ............................................... 20
Tabla 4. Curva de escorrentía para los complejos suelo-cobertura (CN). Para
condición de humedad II. Servicio de Conservación de Suelos de 1972
(Rojas, 1983) ............................................................................................... 23
Tabla 5. Clases de humedad antecedente en función de la lluvia acumulada.
Servicio de Conservación de Suelos de 1972. (Rojas, 1983) ....................... 23
Tabla 6. Clasificación hidrológica de los Suelos. Servicio de Conservación de
Suelos de 1972. (Rojas, 1983)...................................................................... 24
Tabla 7. Número de curva (CN) para casos de condición de humedad
antecedente I y III ......................................................................................... 25
Tabla 8. Valores de C0 para la fórmula de Burkli- Ziegler ............................. 27
Tabla 9. Características de la Distribución de Gumbel ................................. 54
Tabla 10. Características de la Distribución de Weibull ................................ 55
Tabla 11. Características de la Distribución de Frechet ................................ 59
Tabla 12. Dimensiones de la Cuenca del río Chama .................................... 70
Tabla 13. Características de la Cuenca del río Chama................................. 71
Tabla 14. Perfil longitudinal del cauce del río Chama. .................................. 72
xii
Lista de tablas
Tabla 15. Pendientes medias del cauce del río Chama. ............................... 73
Tabla 16. Usos de la tierra. Enfoque ingeniería forestal ............................... 74
Tabla 17. Usos de la tierra. Enfoque Servicio de Conservación de Suelos EE.
UU. de 1972 .................................................................................................. 75
Tabla 18. Tiempo de concentración para la cuenca del río Chama .............. 76
Tabla 19. Relación de Estaciones Meteorológicas en la Cuenca del Río
Chama. ......................................................................................................... 79
Tabla 20. Ajuste de datos de precipitación en papel de probabilidad de
Gumbel para la estación de Mucurubá (Valores Máximos) .......................... 81
Tabla 21. Coeficientes del polinomio de segundo grado para cada una de las
estaciones ..................................................................................................... 83
Tabla 22. Polinomio de segundo grado para cada una de las estaciones .... 84
Tabla 23. Resultados de la primera prueba de hipótesis sobre los
coeficientes del polinomio de segundo grado para cada una de las
estaciones. .................................................................................................... 89
Tabla 24. Definición del dominio de atracción para cada una de las
estaciones. .................................................................................................... 90
Tabla 25 Distribución que ajusta a cada estación, ordenada según el número
de años de registro ....................................................................................... 93
Tabla 26. Distribución que ajusta a cada estación, ordenada según su altitud
...................................................................................................................... 94
Tabla 27. Valores de diseño de precipitación para distintos períodos de
retorno. Estación Mucurubá .......................................................................... 98
xiii
Lista de tablas
Tabla 28. Parámetros de las estaciones cuya distribución límite es Gumbel 99
Tabla 29. Valores de precipitación de diseño para distintos períodos de
retorno en estaciones cuya distribución límite es Gumbel ............................ 99
Tabla 30. Parámetros de Weibull y coeficiente de determinación para λ=32.
Estación Páramo de Mucuchíes ................................................................. 101
retorno. Estación Páramo de Mucuchíes .................................................... 105
Tabla 32. Parámetros de las estaciones cuya distribución límite es la de
Weibull ........................................................................................................ 105
retorno de las estaciones cuya distribución límite es Weibull ..................... 106
Tabla 34. Parámetros de Frechet y coeficiente de determinación para λ=50.
Estación Páramo La Culata ........................................................................ 108
Tabla 35. Resumen de caudales máximos obtenidos................................. 117
xiv
Lista de figuras
Lista de Figuras Pág.
Figura 1. Pendiente de la corriente principal ................................................. 38
Figura 2. Dominios de Atracción para Valores Máximos. ............................. 47
Figura 3. Datos de precipitaciones máximas en papel de probabilidad de
Gumbel. Estación Mucurubá (Valores Máximos) .......................................... 82
Figura 4. Ajuste por Mínimos Cuadrados para la estación de Mucurubá...... 97
Figura 5. Representación gráfica en papel de Weibull para λ=32 ............... 102
Figura 6. Representación gráfica en papel de Weibull para λ=36,05 .......... 103
Figura 7. Representación gráfica en papel de Frechet para λ=50 .............. 108
Figura 8. Representación gráfica en papel de Frechet para λ=20955185,96
.................................................................................................................... 109
Figura 9. Dominio de Atracción para Valores Máximos. ............................. 122
Gumbel. Estación San Juan de Lagunillas ................................................. 137
Gumbel. Estación Jají ................................................................................. 138
Gumbel. Estación La Punta ........................................................................ 138
Gumbel. Estación Mérida ............................................................................ 139
Gumbel. Estación Mesa de Ejido ................................................................ 139
xv
Lista de figuras
Gumbel. Estación Mucurubá ....................................................................... 140
xvi
Lista de símbolos
Lista de Símbolos
A = Área de drenaje
a0 = Término independiente del polinomio
a1 = Coeficiente del término de primer grado del polinomio
a2 = Coeficiente del término de segundo grado del polinomio
B = Ancho medio de la cuenca
C = Coeficiente de escorrentía superficial
c = Coeficiente de retardo de la fórmula de Izzard
C0 = Coeficiente de la fórmula de Burkli- Ziegler
C1 = Coeficiente de la fórmula de Creager
CN = Número de curva del servicio de conservación de suelos
D = Duración
Dd = Densidad de drenaje
F = Distribución F
F0 = Estadístico de prueba observado. Distribución F
h = Nivel de agua
H = Diferencia de nivel entre la divisoria de aguas y la salida de la cuenca
η = Probabilidad transformada
H0 = Hipótesis nula
H1 = Hipótesis alternativa
i = Intensidad de lluvia
k = Grados de libertad del modelo de regresión
xvii
Lista de símbolos
kc = Índice de Gravelius o coeficiente de compacidad
Kf = Factor de forma
L = Longitud del cauce principal
l = Extensión media de la escorrentía superficial
L1 = Longitud total de las corrientes de agua
LA = Longitud axial de la cuenca
Lt = Longitud del valle del río principal medida en línea curva o recta
m = Coeficiente de almacenamiento
n = Tamaño de la muestra
n0 = Coeficiente de rugosidad de Manning
P = Precipitación para un tiempo igual al tC
p = Probabilidad de éxito
p0 = Relación entre el área cubierta de vegetación y el área total de la cuenca
Pa5 = Lluvia acumulada de los 5 días previos al evento en consideración
PE = Perímetro de la cuenca
pE = Probabilidad empírica
pi = Número de coeficientes estimados
Q = Caudal
q = Caudal específico
QE = Caudal de escorrentía
QP = Caudal pico
r2 = Coeficiente de determinación
S = Pendiente media de la cuenca
xviii
Lista de símbolos
S1 = Pendiente media
S2 = Pendiente media ponderada
S3 = Pendiente equivalente constante
Si = Sinuosidad de las corrientes de agua
Sp = Infiltración potencial
SSE = Suma de los cuadrados de los errores
SSR = Suma de cuadrados de la regresión
t = tiempo de duración de la lluvia
“t” = Distribución “t” de Student
T0 = Estadístico de prueba observado. Distribución t Student
t0 = Tiempo de sequía
tc = Tiempo de concentración
Tr = Período de retorno
V = Volumen de escorrentía superficial
VE = Volumen de escorrentía superficial total
VP = Volumen de precipitación total
α1 = Coeficiente de la fórmula de Kresnik
β = Parámetro de forma
δ = Parámetro de escala
λ = Parámetro de localización
ξ = Variable reducida
σ2 = Varianza del modelo
xix
1. Introducción
La disponibilidad del recurso agua es clave para los núcleos humanos
asentados en una región cualquiera, dada la amplia gama de actividades en
las que el agua puede ser, y de hecho es, usada. Estas actividades van
desde la agricultura y la producción industrial hasta el más ineludible de sus
usos, si se puede usar esta expresión para tan importante elemento, como lo
es el consumo humano. La comunidad internacional se igualó con esta idea
en la cumbre de Johannesburgo 2002, donde se acordó que entre las metas
de desarrollo del milenio más prioritarias está la mejora de la disponibilidad y
la calidad de los recursos hídricos del planeta. La principal fuente de
abastecimiento, por ser la más abundante y la de más fácil acceso, es el
agua superficial. De ahí la importancia de su estimación.
Por estas razones, cuando se requiere estimar los caudales máximos
asociados a diferentes períodos de retorno, necesarios para estudios de
control de inundaciones, abastecimientos de poblaciones, diseños de
estructuras hidráulicas, etc., se pueden emplear varias metodologías siempre
y cuando se disponga de registros hidrológicos de longitud en el tiempo
suficientes. Sin embargo, cuando existe escasez de información hidrológica,
como lo es en la mayoría de los casos en nuestra región, se presenta el
problema de cómo determinar los caudales con cierto nivel de confiabilidad.
1
En estas circunstancias se ha reconocido la necesidad de
proporcionar una metodología eficaz para la estimación de caudales en ríos
de alta montaña cuando existe escasez de información hidrológica, y se ha
concebido este estudio.
2
1.1 Antecedentes. Planteamiento del problema: definición y
delimitación del problema y del área de estudio
Cuando se trabaja bajo la teoría de los valores extremos se pueden
presentar en la mayoría de los casos dos tipos de problemas: o bien interesa
el número de valores extremos que se presenta en alguna determinada
población de datos o bien interesa la magnitud de dichos extremos, este
segundo caso es el de nuestro interés.
En el primer caso los datos pueden ser el número de eventos
excepcionales que se han producido en un determinado intervalo de tiempo,
o en un cierto número de experimentos. Se trata entonces de establecer la
distribución del número de excedencias. Este es un caso frecuente en
ingeniería. (Flórez, 2007)
Cuando lo que se está estudiando es el número de excedencias, se
emplean distribuciones discretas, tales como la Binomial, la Geométrica o la
Hipergeométrica, aunque la más utilizada suele ser la de Poisson. La
distribución de Poisson cuenta los eventos raros o poco frecuentes, sin medir
su magnitud, por lo tanto no los define.
Desde luego, si bien un valor extremo es un evento raro, no todos los
eventos de poca frecuencia son, necesariamente, valores extremos. Es por
3
ello que, para esta investigación, se hace necesario conocer la magnitud del
mismo, de manera que dicho valor quede definido.
De esta manera, el problema que se presenta es el de fijar la magnitud
del valor extremo. Así, por ejemplo, para el diseño de un puente se necesita
fijar el máximo nivel que puede alcanzar el agua en el río y para el diseño de
un plan de alarmas tempranas se necesita fijar el máximo caudal alcanzado
para alguna tormenta en particular. Los datos en base a los que se trabaja en
estos ejemplos son casi en su totalidad diferentes y fundamentalmente para
este estudio se encuentra solo una coincidencia la cual es que son de
naturaleza escasa.
Cuando se desea establecer el número de veces que se ha superado
determinado caudal, se emplean todos los valores registrados, pero si se
desea fijar la magnitud de los valores extremos del caudal en ese mismo río,
el análisis sólo empleará los caudales máximos correspondientes a un
intervalo de tiempo dado, como por ejemplo los caudales máximos anuales.
Todo esto se desarrolla bajo el supuesto de la existencia de un
registro continuo y de tamaño aceptable de medición de caudales. Debido a
la inexistencia de estos registros, por la falta de estaciones limnigráficas y
pluviográficas, surge la necesidad de recurrir a métodos y relaciones
empíricas alternativas para su estimación, los cuales hacen uso de
4
información vinculada a la zona de estudio de más fácil obtención y que
incide en la magnitud de los caudales en algún determinado río de montaña.
Para el desarrollo del modelo de cálculo sobre la estimación de
caudales, en la presente investigación, se trabajará con los resultados
obtenidos por diferentes metodologías hidrológicas y la serie de relaciones
empíricas, a través del procesamiento de la información disponible haciendo
uso de la teoría estadística de valores extremos en la cuenca del río Chama,
la cual está localizada en el occidente de Venezuela, concretamente en la
ciudad de Mérida, estado Mérida. Se toma como ejemplo el caso de este río
para el desarrollo y aplicación de la metodología propuesta.
5
1.2 Objetivos generales y específicos
El objetivo principal del estudio es desarrollar una metodología
estándar para la estimación de caudales máximos en ríos de alta montaña
cuando existe escasez de información hidrológica.
Con este estudio se pretendió específicamente:
• Recolectar, seleccionar y adaptar la información existente y básica de
la cuenca del río Chama con el fin de aplicar los métodos
seleccionados para la estimación del caudal máximo.
• Haciendo uso de la teoría de valores extremos y la escasa
información recopilada, estimar el caudal de diseño en la cuenca del
río Chama, generando una metodología de cálculo.
• Comparar los resultados obtenidos y los requerimientos de cada uno
de los métodos utilizados.
6
1.3 Metodología
Recopilación de la información existente:
Se procedió a la búsqueda y análisis de todos los estudios existentes
relacionados con el tema y preferiblemente en la cuenca del río Chama, los
cuales incluyen los siguientes aspectos:
- Cartografía, topografía y geología: Permitirán definir las características
de la cuenca y, en particular, estimar los tiempos de concentración.
- Meteorología e hidrología: Concretamente, los registros pluviométricos
de la zona.
- Usos actuales de la tierra: Permitirán la estimación de los coeficientes
de escorrentía.
Procesamiento de la información recopilada:
- Delimitación de la cuenca del río Chama, en formato digital mediante
mapas a escala 1:100.000.
- Ubicación de las estaciones meteorológicas existentes en la zona con
registros de precipitación.
- Estimación de la precipitación de diseño.
- Cálculo del caudal mediante los diferentes métodos y su posterior
comparación.
- Propuesta final de metodología a seguir.
7
2. Análisis de la Naturaleza de los Datos del Caudal
Para que un fenómeno sea completamente aleatorio, debe depender
de un número muy grande de factores, con un peso muy pequeño cada
factor. Al analizar el hidrograma de un río se puede observar que los
caudales no son completamente aleatorios. Dependen de un número limitado
de factores tales como precipitación, geología, vegetación, topografía,
precipitación antecedente, temperatura, estación del año, obras en las
corrientes de agua, etc. La influencia de dichos factores sobre la escorrentía
superficial, la que, junto con la contribución subterránea, define el caudal del
río, no es la misma. Es claro que la precipitación y los factores geológicos
deben tener un mayor peso.
Un fenómeno completamente aleatorio, las alturas pluviométricas
anuales, por ejemplo, suelen seguir una distribución de probabilidades de
Gauss o distribución normal. Cuando se trata de analizar valores extremos,
como los caudales máximos anuales, la teoría estadística establece que las
distribuciones límite pueden ser la de Gumbel, la de Weibull y la de Frechet.
Desafortunadamente, en la práctica se utilizan distribuciones como la
distribución normal, la Log- normal, la Pearson tipo III o la Log- Pearson tipo
III.
8
2.1 Escorrentía Superficial
La escorrentía superficial es el movimiento del agua sobre la superficie
terrestre. La mayoría de los estudios hidrológicos están ligados al
aprovechamiento del agua superficial y a la protección contra los fenómenos
provocados por su movimiento.
De la precipitación que alcanza el suelo, parte queda retenida, ya sea
en depresiones o como película en torno a partículas sólidas. Del excedente
de agua retenida, parte se infiltra y parte escurre superficialmente.
Se define como precipitación efectiva la precipitación total caída al
suelo menos la retenida e infiltrada. Desde luego, puede ocurrir que el agua
infiltrada venga, posteriormente, a aflorar en la superficie como fuente de una
nueva escorrentía superficial.
La escorrentía superficial comprende el exceso de la precipitación que
ocurre después de una lluvia intensa y se mueve libremente por la superficie
del terreno, y la escorrentía de una corriente de agua, que puede ser
alimentada tanto por el exceso de precipitación como por las aguas
subterráneas.
Factores que influyen en la escorrentía superficial
Estos factores pueden ser de naturaleza climática (relacionados con la
precipitación), de naturaleza fisiográfica (ligados a las características físicas
9
de la cuenca) y de naturaleza humana (relacionados con la intervención
humana).
* Factores climáticos:
Los factores climáticos son, fundamentalmente, los que definen las
características de la lluvia, como por ejemplo:
- Intensidad de precipitación: Cuanto mayor es la intensidad de
precitación, más rápidamente se satura el suelo y más rápidamente se
produce un exceso de precipitación que escurre superficialmente.
- Duración de la tormenta: La escorrentía superficial es directamente
proporcional a la duración de la precipitación. Con lluvias de
intensidad constante, la escorrentía superficial será mayor, cuanto
mayor haya sido su duración.
- Precipitación antecedente: Una precipitación que ocurre cuando el
suelo está húmedo debido a una lluvia anterior, se convertirá más
fácilmente en escorrentía superficial.
* Factores fisiográficos:
Estos son los que definen la cuenca:
- Área y forma: La magnitud de la superficie está directamente
relacionada con la mayor o menor cantidad de agua de escorrentía
superficial que la cuenca puede recoger y su forma con el tiempo
durante el cual se sostiene la escorrentía.
10
- Topografía: Ésta define el tiempo de escurrimiento. Una pendiente
más pronunciada da menos tiempo al proceso de infiltración.
- Permeabilidad del suelo: Esto influye directamente en la capacidad de
infiltración. Cuanto más permeable sea el suelo, mayor será la
cantidad de agua que puede absorber, disminuyéndose así la
precipitación efectiva.
- Cobertura vegetal: La presencia de vegetación favorece la retención
del agua de escorrentía y, en consecuencia, su infiltración. Esto tiende
a reducir la magnitud del caudal de escorrentía.
* Factores humanos:
La actividad humana puede alterar las características originales de la
cuenca, en particular:
- Obras hidráulicas construidas en la cuenca: Es el caso, por ejemplo,
de una presa, que al acumular agua en un embalse reduce los
caudales máximos de la escorrentía superficial y retarda su
propagación.
- Rectificación de ríos: La rectificación de un río suele aumentar la
velocidad de la escorrentía superficial en el tramo rectificado.
- Quema y tala: La deforestación de una cuenca afecta su capacidad de
retención del agua superficial, aumentando la escorrentía.
11
Variables que caracterizan la escorrentía superficial
Las principales son:
- Caudal, Q: El caudal, definido como el volumen de escorrentía
superficial por unidad de tiempo, Q = V/t, es la principal variable que
caracteriza la escorrentía superficial. Se expresa en m3/s o l/s.
- Caudal específico, q: Se define como el caudal Q dividido por el área
del drenaje A de la cuenca. Se expresa en m3/s/km2 o l/s/km2. Sirve
como elemento comparativo entre cuencas (q = Q/A).
- Caudales máximos, medios y mínimos: Es común tener como datos
que caracterizan a una cuenca los caudales máximos, medios y
mínimos en intervalos de tiempo determinados, como hora, día, mes y
año.
- Coeficiente de escorrentía superficial, C: Es la relación entre el
volumen de agua de escorrentía superficial total y el volumen total de
agua precipitado, en un intervalo de tiempo determinado. Así,
⎛ V escorrentia sup erficial ⎞

C =⎜ ⎟ Intervalo de Tiempo
⎜ V precipitación total ⎟
⎝ ⎠
(2.1)
Este coeficiente se puede definir en referencia a una lluvia
aislada o a un intervalo de tiempo en el que se producen varias lluvias.
Se debe aclarar que, conociendo el coeficiente de escorrentía para
una determinada lluvia con cierta intensidad y cierta duración en un
12
área dada, se puede determinar la escorrentía superficial de otras
precipitaciones de intensidades diferentes, siempre que la duración de
la lluvia sea la misma.
- Tiempo de concentración, tc: Es el tiempo transcurrido entre el instante
en el que una gota de agua cae en el punto más alejado de la cuenca
y el momento en el que esa gota de agua alcanza una sección
determinada de la corriente. El tiempo de concentración mide el
tiempo que se necesita para que toda la cuenca contribuya con
escorrentía superficial a una sección considerada. Se mide en minutos
u horas. Según esta definición, una tormenta con una duración igual al
tiempo de concentración genera el máximo caudal para una intensidad
de precipitación dada.
- Período de retorno, Tr: Es el período de tiempo promedio, en años, en
que un determinado evento (en este caso caudal), es igualado o
superado por lo menos una vez. Permite fijar el riesgo de falla de una
obra.
- Nivel de agua, h: Es una de las medidas más fáciles de determinar
sobre una corriente de agua. Se expresa en metros o centímetros y se
refiere a la altura alcanzada por el nivel de agua en relación con un
nivel de referencia. Si la elevación del nivel de agua dentro del lecho
de la corriente de agua es normal, se habla de creciente. Si se
produce una elevación no usual del nivel de agua, que provoca
13
desbordamientos y posibles perjuicios, entonces se habla de
inundación.
14
2.2 Estimación de la Escorrentía Superficial a través de los Datos
de Lluvia
Usualmente la escorrentía superficial que se desea conocer es aquélla
que resulta de una lluvia capaz de producir una creciente en el curso o
corriente de agua, aunque también se puede desear conocer la escorrentía
superficial resultante de una lluvia cualquiera.
A continuación se analizan algunas de las fórmulas y procedimientos
utilizados más frecuentemente.
2.2.1 Método Racional
De la definición de coeficiente de escorrentía, se puede escribir:
VE
⎛ Vescorrentía Superficial Total ⎞ VE t
C =⎜ ⎟= =
⎜ VPr ecipitación Total ⎟ VP V p
⎝ ⎠
t (2.2)
donde t es el tiempo de duración de la lluvia. Ahora bien:
VE
QE =
t
(2.3)
VP
= iA
t
(2.4)
15
donde QE es el caudal de escorrentía directa, i es la intensidad de la lluvia y
A es el área del drenaje. Por lo tanto,
QE
C=
iA (2.5)
El numerador de esta expresión representa el volumen de escorrentía
superficial por unidad de tiempo de duración de la lluvia y el denominador
representa el volumen de lluvia correspondiente al mismo intervalo de
tiempo. Si se despeja el caudal de escorrentía en la ecuación anterior, se
obtiene la expresión conocida como Fórmula Racional:
QE = C i A (2.6)
Al utilizar la fórmula racional, se supone que el caudal QE alcanza un
máximo o pico, QP, cuando, la precipitación de intensidad i se mantiene por
un tiempo igual al tiempo de concentración en el punto en consideración.
Entonces, el caudal pico, QP, correspondiente a una lluvia de
intensidad i sobre un área de drenaje A con una duración igual a tc, está
dado por:
QP = C i A
(2.7)
16
Ahora bien, si la intensidad, i, se expresa en mm/hr, el área, A, en ha,
y el caudal pico, QP, en lps, la ecuación es:
QP = 2,78C i A (2.8)
La aplicación de la fórmula racional depende del conocimiento del
coeficiente de escorrentía. Para una lluvia de características conocidas, se
puede calcular el valor de C siempre y cuando se conozca la respuesta de la
cuenca en términos del caudal de escorrentía superficial.
En caso contrario se hace uso de tablas de referencia. En la Tabla 1
se presentan algunos valores típicos de dicho coeficiente (Monsalve, 1995).
Sin embargo en dicha tabla aparecen los coeficientes para zonas
residenciales, industriales y también suelos, pero no hacen referencia y
tampoco presentan en detalle los tipos de suelos que encontramos en las
cuencas de ríos de alta montaña, razón por la cual se debe recurrir a otras
tablas para hacer esta referencia como lo son las Tablas 2 y 3 que fueron
desarrolladas por el Servicio de Conservación de Suelos de los EE. UU
(Rojas, 1983).
17
Tabla 1. Valores típicos del coeficiente de escorrentía C
Tipo de Superficie Coeficiente de Escorrentía, C

PRADOS:
Suelos arenosos, planos, 2% 0,05 - 0,10
Suelos arenosos, promedio, 2-7% 0,15 - 0,20
Suelos pesados, planos, 2% 0,13 - 0,17
Suelos pesados, promedio, 2-7% 0,18 - 0,22
Suelos pesados, pendientes, 7% 0,25 - 0,35
DISTRITOS COMERCIALES:
Áreas de centro de ciudad 0,70 - 0,95
Áreas vecinas 0,50 - 0,70
RESIDENCIAL:
Áreas casas individuales separadas 0,30 - 0,50
Casas multifamiliares separadas 0,40 - 0,60
Casas multifamiliares unidas 0,60 - 0,75
Suburbana 0,25 - 0,40
Áreas de apartamentos de vivienda 0,50 - 0,70
INDUSTRIAL:
Áreas livianas 0,50 - 0,80
Áreas pesadas 0,60 - 0,90
PARQUES, CEMENTERIOS 0,10 - 0,25
CAMPOS DE JUEGO 0,20 - 0,35
PATIOS DE FERROCARRILES 0,20 - 0,40
ÁREAS NO DESARROLLADAS 0,10 - 0,30
CALLES:
Asfaltadas 0,70 - 0,95
Concreto 0,80 - 0,95
Ladrillo 0,70 - 0,85
CALZADAS Y ALAMEDAS 0,75 - 0,85
TECHOS 0,75 - 0,95
18
Tabla 2. Valores del coeficiente de escorrentía según el Servicio de

Conservación de Suelos EE. UU
Coeficiente de Escorrentía C
Pendiente del Terreno
Cobertura
Tipos de Suelo Pronunciada Alta Media Suave Despreciable
Vegetal
> 50 % 50%-20% 20%-8% 8%-1% < 1%
Impermeable 0,8 0,75 0,7 0,65 0,6
Sin
Semipermeable 0,7 0,65 0,6 0,55 0,5
Vegetación
Permeable 0,5 0,45 0,4 0,35 0,3
Impermeable 0,7 0,65 0,6 0,55 0,5
Cultivos Semipermeable 0,6 0,55 0,5 0,45 0,4
Permeable 0,4 0,35 0,3 0,25 0,2
Pastos Impermeable 0,65 0,6 0,55 0,5 0,45
Vegetación Semipermeable 0,55 0,5 0,45 0,4 0,35
Ligera Permeable 0,35 0,3 0,25 0,2 0,15
Impermeable 0,6 0,55 0,5 0,45 0,4
Hierba,
Semipermeable 0,5 0,45 0,4 0,35 0,3
Grama
Permeable 0,3 0,25 0,2 0,15 0,1
Bosques, Impermeable 0,55 0,5 0,45 0,4 0,35
Vegetación Semipermeable 0,45 0,4 0,35 0,3 0,25
densa Permeable 0,25 0,2 0,15 0,1 0,05
NOTA: Para zonas que se espera puedan ser quemadas se deben aumentar los
coeficientes así:
Cultivos: multiplicar por 1,10.
Hierba, Pastos y Vegetación Ligera, Bosques y Vegetación Densa: multiplicar por 1,30.
19
Tabla 3. Conversión del coeficiente de escorrentía para otros suelos

según el Servicio de Conservación de Suelos EE. UU
Factor de
condición conversión
Cobertura y Tipo de Práctica
hidrológica Tipo de suelo
a b d
Bosque buena 0,36 0,79 1,1
Pastos pastoreos buena 0,53 0,83 1,08
Pastos corte buena 0,72 0,89 1,05
Trigo, práctica mejorada buena 0,75 0,9 1,04
Cereales, práctica común mala 0,77 0,9 1,05
Maíz cultivo mejorado buena 0,8 0,91 1,04
Maíz práctica común mala 0,82 0,92 1,03
20
2.2.2 Método del Servicio de Conservación de Suelos EE. UU. de 1972
El cálculo de la escorrentía máxima, en este método, se basa en
asimilar el hidrograma a un triángulo y en la utilización del concepto del
número de curva (CN) (Rojas, 1983).
Así, la expresión que representa el caudal máximo viene dada de la
siguiente manera:
,
(2.9)
en donde:
QP = Caudal pico (lps)
QE = Caudal de escorrentía (mm)
A = Área de drenaje de la cuenca (Ha)
tC = Tiempo de concentración (horas)
La escorrentía QE se calcula según la siguiente expresión:
,
(2.10)
,
en donde:
P = Precipitación para un tiempo igual al tC (mm)
Sp = Infiltración potencial (mm)
21
De esta forma solo restaría encontrar el valor de Sp, para ello el
Servicio de Conservación de Suelos de los EE. UU., luego de analizar
experimentalmente un gran número de cuencas, ha elaborado un
procedimiento que se basa en el uso de un parámetro llamado CN (número
de curva), según la ecuación:
254 (2.11)
en la cual Sp, se expresa en milímetros.
Para obtener CN, el Servicio de Conservación de Suelos de 1972 ha
desarrollado tablas en las cuales CN se obtiene a partir de información sobre
las características de suelo-cobertura de la cuenca. En el caso específico de
la Tabla 4, los valores de CN obtenidos corresponden a una condición de
humedad antecedente II, CHAII, y son representativos de las condiciones
promedio que se pueden presentar en una cuenca.
Para condiciones diferentes, el método utiliza dos condiciones
adicionales, I y III, que corresponden a condiciones de poca humedad y
mucha humedad respectivamente. La Tabla 5 define las clases de humedad
antecedente en función de la lluvia acumulada en los 5 días previos al evento
en consideración, Pa5.
22
Capítullo 2 Aspe
ectos teó
óricos
Tabla 4.. Curva de

e escorren
ntía para lo
os comple
ejos suelo
o-coberturra (CN).
Para co
ondición de
d humeda
ad II. Servicio de Co
onservació
ón de Sue
elos de
as, 1983)
1972 (Roja
Tablla 5. Clase
es de hum
medad ante
ecedente en función de la llu
uvia
acumula
ada. Serviicio de Co
onservació
ón de Sue
elos de 197
72. (Rojas
s, 1983)
233
Para utilizar el método se procede de la siguiente manera:
1. Se determina el uso de la tierra.
2. Se determina la práctica o tratamiento conservacionista.
3. Se determina la condición hidrológica de la siguiente manera:
Buena, si la cobertura vegetal es de más del 75%
Regular, si la cobertura vegetal está comprendida entre el 50 y el 75%
Mala, si la cobertura vegetal es de menos del 50%
4. Se obtiene la clasificación hidrológica del suelo, los mismos han sido
clasificados en cuatro grupos A, B, C y D de acuerdo al potencial de
escorrentía, tal como se señala a continuación en la Tabla 6. La tabla
completa se encuentra en el anexo 1.
Tabla 6. Clasificación hidrológica de los Suelos. Servicio de

Conservación de Suelos de 1972. (Rojas, 1983)
Grupo Descripción
Suelos Suelos muy permeables, con un potencial de escorrentía muy bajo
Tipo A cuando están muy húmedos.
Suelos Suelos moderadamente permeables, con un potencial de
Tipo B escorrentía moderadamente bajo.
Suelos Suelos moderadamente impermeables, con un potencial de
Tipo C escorrentía moderadamente elevado.
Suelos Suelos muy impermeables. Suelos con elevado potencial de
Tipo D escorrentía cuando están muy húmedos.
5. Con la información anterior se obtiene el valor de CN para la condición de
humedad antecedente II, CHAII con la Tabla 4.
6. Se estima la condición de humedad antecedente a utilizar, Tabla 5.
24
7. Si la condición de humedad antecedente es diferente a II (CHAII), se
corrige el valor de CN mediante la Tabla 7.
Tabla 7. Número de curva (CN) para casos de condición de humedad

antecedente I y III
En el caso de cuencas heterogéneas, el CN se obtiene por promedio
ponderado de las diferentes sub-cuencas homogéneas.
2.2.3 Ecuación de Holtan y Overton de 1963.
Este método fue obtenido en una forma similar al anterior, resultando
que la ecuación del método en el sistema métrico es:
,
(2.12)
25
en la cual:
QP = Caudal pico (lps)
A = Área de drenaje de la cuenca (Ha)
m = coeficiente de almacenamiento (horas)
D = tC = Duración (horas)
Los autores encontraron que m es numéricamente igual 0,6 tC.
Entonces la ecuación 2.12 se trasforma en:
,
(2.13)
,
en donde tC se expresa en horas.
26
2.2.4 Fórmulas Empíricas
Según Monsalve (1995), algunas de las fórmulas más usadas son:
- Fórmula de Burkli- Ziegler
S
Q p = 0,022 Ai C 0 4 (2.14)
A
donde Qp es el caudal pico de la creciente en m3/s, A es el área de
drenaje en hectáreas, i es la intensidad media durante la lluvia crítica
en mm/hr, S es la pendiente media de la cuenca, en m por cada 1000
m y C0 es un coeficiente dependiente de la naturaleza de la superficie
drenada. Algunos valores de dicho parámetro se presentan en la
Tabla 8.
Tabla 8. Valores de C0 para la fórmula de Burkli- Ziegler
Valores del coeficiente C0 para la fórmula de Burkli- Ziegler

Tipo de Superficie C0
Calles pavimentadas y barrios bastante edificados 0,75
Calles en condiciones normales 0,625
Poblados con plazas y calles en grava 0,30
Campos deportivos 0,25
- Fórmula de Kresnik
32
Q p = α1 A (2.15)
( 0 ,5 + A)
27
donde Qp es el caudal pico de la creciente en m3/s, A es el área de
drenaje en km2 y α1 es un coeficiente que varía entre 0,03 y 1,61.
- Fórmula de Creager
−0 ,048
Q p = 46 C1 A 0 ,894 A (2.16)
donde Qp es el caudal pico de la creciente en pies3/seg, A es el área
de drenaje en millas cuadradas y C1 es un coeficiente con un valor
máximo de 100. Pocas crecientes en el mundo han alcanzado dicho
valor.
- Fórmula de Baird y McIllwrsith
131000 A
Qp = (2.17)
( 107 + A) 0 ,78
donde Qp es el caudal pico de la creciente en pies3/s y A es el área de
drenaje en millas cuadradas. Esta fórmula, así como la de Creager, ha
sido derivada a partir de las máximas crecientes registradas en el
mundo.
28
2.3 Tiempo de concentración
Según Chow et al. (1994), las ecuaciones más utilizadas en el cálculo
del tiempo de concentración son las siguientes:
- Fórmula de Kirpich de 1940
t c = 0,0078 L0 ,77 S −0 ,385 (2.18)
donde tc es el tiempo de concentración de la cuenca en minutos, L es
la longitud del cauce desde la cabecera hasta la salida en pies y S es
la pendiente promedio de la cuenca en pie/pie. Esta ecuación fue
desarrollada a partir de información del Soil Consevation Service
(SCS) en siete cuencas rurales en Tennessee con cauces bien
definidos y pendientes empinadas (3 a 10%). Para flujo superficial en
superficie de concreto o asfalto se debe multiplicar tc por 0,4, para
canales de concreto se debe multiplicar por 0,2 y no se debe hacer
ningún ajuste para flujo superficial en suelo descubierto o para flujo en
cunetas.
- Fórmula de Culverts de 1942
t c = 60 ( 11,9 L3 /H)0 ,385 (2.19)
29
la longitud del curso de agua más largo en millas y H es la diferencia
de nivel entre la divisoria de aguas y la salida de la cuenca en pies.
Esta expresión es, esencialmente, la ecuación de Kirpich, desarrollada
para pequeñas cuencas montañosas en California (U.S. Bureau of
Reclamation).
- Fórmula de Izzard de 1946
41,025 (0,0007 i + c ) L0 ,33

tc = (2.20)
S 0 ,333 i 0 ,667
donde tc es el tiempo de concentración de la cuenca en minutos, i es la
intensidad de la lluvia en pulg/h, c es un coeficiente de retardo, L es la
longitud de la trayectoria del flujo en pies y S es la pendiente de la
trayectoria de flujo en pie/pie. Fue desarrollada experimentalmente en
laboratorio por el Bureau of Public Roads para flujo superficial en
caminos y áreas de céspedes.
Los valores del coeficiente de retardo varían desde 0,0070 para
pavimentos muy lisos hasta 0,012 para pavimentos de concreto y 0,06
para superficies densamente cubiertas de pasto. La solución requiere
de procesos iterativos y el producto de i por L debe ser menor o igual
a 500.
30
- Fórmula de la Federal Aviation Administration de 1970
t c = 1,8 (1,1 − C ) L0 ,50 S −0 ,333 (2.21)
donde tc es el tiempo de concentración de la cuenca en minutos, C es
el coeficiente de escorrentía del Método Racional, L es la longitud del
flujo superficial en pies y S es la pendiente de la superficie en
porcentaje. Fue desarrollada a partir de información sobre el drenaje
de aeropuertos recopilada por el Corps of Engineers. Su objetivo
inicial fue el de solucionar problemas de drenaje en aeropuertos, pero
se ha utilizado frecuentemente para estimar flujo superficial en
cuencas urbanas.
- Ecuaciones de onda cinemática. Morgali y Linsley de 1965 y Aron y
Erborge de 1973.
0 ,6
0,94 L0 ,6 n0
tc = (2.22)
(
i 0 ,4 S 0 ,3)
la longitud del flujo superficial en pies, n0 es el coeficiente de
rugosidad de Manning, i es la intensidad de lluvia en pulg/h y S es la
pendiente promedio del terreno en pie/pie. Esta es una ecuación para
31
flujo superficial desarrollada a partir del análisis de la onda cinemática
de la escorrentía superficial desde superficies. Ya que tanto la
intensidad como el tiempo de concentración tc son desconocidos, la
superposición de una curva de intensidad – duración – frecuencia da
una solución gráfica directa para tc.
- Ecuación de retardo del Servicio de Conservación de Suelos de los
EE. UU., SCS de 1973
100 L0 ,8 [(1000 /CN ) − 9]

0 ,7
tc = (2.23)
1900 S 0 ,5
la longitud de la mayor trayectoria del flujo, en pies, CN es el número
de curva y S es la pendiente promedio de la cuenca, en porcentaje.
Ecuación desarrollada por el Servicio de Conservación de Suelos de
los EEUU a partir de información de cuencas de uso agrícola, que ha
sido adaptada a pequeñas cuencas urbanas con áreas inferiores a
2000 acres. El resultado es confiable cuando el área se encuentra
pavimentada. Para áreas mixtas tiene tendencia a la sobreestimación.
Deben utilizarse factores de ajuste para corregir efectos de mejoras en
canales e impermeabilización de superficies. Se supone que el tiempo
de concentración es igual al retardo de la cuenca multiplicado por
1,67.
32
El retardo es el tiempo transcurrido entre el instante en el que se
produce el caudal pico y el momento en que cesa la escorrentía.
- Formula de Hathaway
1 / 2 ,14
⎛2 ⎞
t c = ⎜ * n0 * L * S ⎟ (2.24)
⎝3 ⎠
la longitud de la mayor trayectoria del flujo, en pies, S es la pendiente
media de la cuenca y n0 es el coeficiente de rugosidad de Manning.
- Formula de George Rivero
(
t c = 16 * L /((1,05 − 0,2 * p0 ) * (100 * S ) 0,04 ) (2.25)
la longitud de la mayor trayectoria del flujo, en km, S es la pendiente
media de la cuenca y p0 es la relación entre el área cubierta de
vegetación y el área total de la cuenca.
33
2.4 Características físicas de una cuenca hidrográfica
Estas características dependen de la morfología (forma, relieve, etc.),
los tipos de suelos, la capa vegetal, la geología, las prácticas agrícolas, etc.
Estos elementos físicos proporcionan la más conveniente posibilidad de
conocer la variación en el espacio de los elementos del régimen hidrológico.
2.4.1 Área de drenaje de la cuenca (A)
Es el área plana (proyección horizontal) incluida entre su divisoria
topográfica.
Forma de la cuenca
Esta característica es importante pues se relaciona con el tiempo de
concentración, es decir, con el tiempo que tarda el agua en ir desde los
límites más extremos de la cuenca hasta llegar a la salida de la misma. Para
cuantificar la forma de la cuenca se utilizan el coeficiente de compacidad o el
factor de forma.
2.4.2 Índice de Gravelius o coeficiente de compacidad (kc)
Es la relación entre el perímetro de la cuenca y la longitud de la
circunferencia de un círculo de área igual a la de la cuenca.
(2.26)
34
/ 2 (2.27)
Sustituyendo la ecuación 2.24 en la 2.25:
/ 2 / (2.28)
donde:
PE: perímetro de la cuenca, en km
A: área de drenaje de la cuenca, en km2
Cuanto más irregular sea la cuenca mayor será su coeficiente de
compacidad.
2.4.3 Factor de forma (Kf)
Es la relación entre el ancho medio y la longitud axial de la cuenca. La
longitud axial de la cuenca se mide cuando se sigue el curso de agua más
largo desde la desembocadura hasta la cabecera más distante en la cuenca.
El ancho medio, B, se obtiene cuando se divide el área, A, por la
longitud axial de la cuenca, LA.
/ (2.29)
/ (2.30)
/ (2.31)
donde:
B: ancho medio, en km
LA: longitud axial de la cuenca, en km
A: área de drenaje, en km2
35
Una cuenca con factor de forma bajo está menos sujeta a crecientes que otra
del mismo tamaño pero con mayor factor de forma.
2.4.4 Densidad de drenaje (Dd)
Es la relación entre la longitud total de los cursos de agua de la
cuenca y su área total.
/ (2.32)
donde:
L1: longitud total de las corrientes de agua, en km
La Dd usualmente toma valores entre 0,5 km/km2 para cuencas con
drenaje pobre hasta 3,5 km/km2 para cuencas excepcionalmente bien
drenadas.
2.4.5 Extensión media de la escorrentía superficial (l)
Se define como la distancia media en que el agua de lluvia tendría que
escurrir sobre los terrenos de una cuenca, en caso de que la escorrentía se
diese en línea recta desde donde la lluvia cayó hasta el punto más próximo al
lecho de una corriente cualquiera de la cuenca.
/4 (2.33)
donde:
L1: longitud total de las corrientes de agua, en km
36
2.4.6 Sinuosidad de las corrientes de agua (Si)
Es la relación entre la longitud del río principal medida a lo largo de su
cauce, L, y la longitud del valle del río principal medida en línea curva o recta,
Lt.
/ (2.34)
Este parámetro da una medida de la velocidad de la escorrentía del
agua a lo largo de la corriente. Un valor de Si menor o igual a 1,25 indica una
baja sinuosidad. Se define entonces, como un río con alineamiento “recto”.
Características del relieve de una cuenca
Esta característica controla en buena parte la velocidad con que se da
la escorrentía superficial y afecta, por lo tanto, el tiempo que lleva el agua de
la lluvia para concentrarse en los lechos fluviales que constituyen la red de
drenaje de las cuencas.
2.4.7 Pendiente de la corriente principal
La velocidad de escurrimiento de las corrientes de agua depende de la
pendiente de sus canales fluviales. A mayor pendiente mayor velocidad.
En la Figura 1 se puede apreciar el modelo de representación para el
cálculo de las distintas pendientes de la corriente principal.
37
a. Pendiente media (S1)
Es la diferencia total de elevación del lecho del río dividida por su
longitud entre esos puntos.
(2.35)
b. Pendiente media ponderada (S2)
Este es un valor más razonable. Para calcularlo se traza una línea, tal
que el área comprendida entre esa línea y los ejes coordenados sea igual a
la comprendida entre la curva del perfil del río y dichos ejes.
(2.36)
c. Pendiente equivalente constante (S3)
Este índice viene a dar una idea sobre el tiempo de recorrido del agua
a lo largo de la extensión del perfil longitudinal del río.
∑
(2.37)
∑
Figura 1. Pendiente de la corriente principal
38
donde li y Si son las longitudes y las pendientes de los tramos parciales,
respectivamente.
39
2.5 Distribución de valores extremos
2.5.1 Estadísticos de Orden
Los estadísticos de orden son una pieza de fundamental importancia
en la realización de un proyecto de ingeniería. Son pocos los problemas de
diseño que no se resuelven en base, exclusivamente, al análisis y predicción
de determinados estadísticos de orden (Flórez, 2007). Por otra parte, su
completa y total comprensión es de vital importancia a la hora de definir las
distribuciones de valores extremos.
Los estadísticos de orden son, en resumidas cuentas, los valores
muestrales arreglados según un orden de magnitud creciente. Así, sea X1,
X2, …, Xn una muestra aleatoria proveniente de una población de densidad
fx(x), si dichos valores muestrales se arreglan en orden creciente, entonces al
elemento que ocupa el puesto j se le denomina estadístico de orden j de la
muestra.
Los elementos X1 (mínimo de la muestra) y Xn (máximo de la
muestra), constituyen los valores extremos y son los estadísticos de orden de
mayor interés desde el punto de vista práctico. Así, por ejemplo, el caudal
máximo y mínimo de un río, y la intensidad máxima de un sismo son algunos
de los estadísticos de orden que entran en el diseño de algún proyecto, o
por ejemplo, al momento del diseño de un sistema de alarmas en caso de
40
lluvias extremas, los valores dados por los estadísticos de orden son de
principal importancia y utilidad.
En el razonamiento que sigue se acepta la hipótesis de que los
elementos de la muestra son independientes e idénticamente distribuidos y
que provienen de una población con función de distribución Fx(x).
Sea mn(x) el número de elementos de la muestra con valores Xj ≤ x.
Esta variable aleatoria se ajusta a una distribución binomial con una
probabilidad de éxito p = Fx(x) y una probabilidad de fracaso 1 – p = 1 – Fx(x),
por lo que la función de distribución correspondiente es:
j
⎛ n⎞
Fmn(x) ( j ) = P[mn ( x ) ≤ j ] = ∑ ⎜⎜ ⎟⎟ [Fx ( x )] [1 − Fx ( x )]
k n−k
(2.38)
k =0 ⎝ k ⎠
Ya que el evento {X j ≤ x}, que representa el hecho de que el
estadístico de orden j sea menor o igual que x, coincide con el evento
{mn (x) ≥ j} , que corresponde al hecho de que haya j o más elementos
menores o iguales a x en la muestra, la función de distribución del estadístico
de orden j se puede expresar como:
FX j
(x ) = 1 − F m n (x) (j − 1)
n
⎛n⎞
= ∑ ⎜⎜ ⎟⎟ [F x ( x )]k [1 − F x ( x )]n − k (2.39)
k= j ⎝ k ⎠
⎛ n ⎞ F(x) j − 1
= j ⎜⎜ ⎟⎟ ∫ u (1 − u )n − j du
⎝ ⎠j 0
41
Si la población de la cual proviene la muestra, es continua, la función
de densidad se obtiene por simple derivación de la expresión anterior. Así:
⎛n⎞
f X j ( x ) = j ⎜⎜ ⎟⎟ f X ( x )[FX ( x )] [1 − FX ( x )] =
j −1 n− j
⎝ j⎠
n!
f (x )[FX ( x )] [1 − FX (x )] =
j −1 n− j
= (2.40)
( j − 1)! (n − j )! X
f X (x )
= [FX (x )] [1 − FX ( x )]
j −1 n− j
β ( j,n − j + 1)
donde, la función Beta está definida por:
Γ ( j ) Γ (n − j + 1) ( j − 1)! (n − j )!
β ( j,n − j + 1) = = (2.41)
Γ (n + 1) n!
La distribución del máximo (j = n) de una muestra aleatoria tiene un
interés particular ya que juega un papel principal en el diseño de cualquier
obra. Las respectivas funciones de densidad y de distribución de probabilidad
son:
f X n (x ) = n f X ( x )[FX (x )]
n −1
(2.42)
FX n ( x ) = [FX ( x )]
n
Así, por ejemplo, si se define una sequía como un período de tiempo t0
durante el cual no se produce ninguna precipitación con intensidad mayor de
I0 mm/h, la probabilidad de que no haya sequía coincide con la probabilidad
de que el máximo de una muestra aleatoria de tamaño n, proveniente de una
población con distribución exponencial y media μ, sea menor que t0.
Obviamente, no hay sequía si todos los intervalos de tiempo entre lluvias
42
consecutivas son menores que t0. En este caso la función de distribución de
probabilidad es:
[
FX n (x) = 1 − e − μ x ]
n
(2.43)
Así, por ejemplo, si el promedio de precipitaciones en alguna
determinada región con intensidad superior a 1 mm/h es de 15 por año, y se
considera sequía si pasan más de 3 meses (0,25 años) sin que se produzca
una lluvia de estas características, la probabilidad de que dicha sequía se
produzca, después de 6 tormentas con intensidad superior a 1 mm/h, es de
[
1 − 1 − e −15×0 ,25 ]
6
= 0 ,13 .
2.5.2 Distribuciones Asintóticas
Muchos problemas relacionados con los valores extremos pueden
resolverse empleando algunas de las expresiones correspondientes a los
estadísticos de orden. Sin embargo, según Castillo (1988), hay casos muy
importantes en los que estas ecuaciones resultan insuficientes:
- Cuando el tamaño de la muestra tiende a infinito. En este caso, ¿hay
una distribución (o familia de distribuciones) límite para el máximo o el
mínimo? ¿Hay más de una? ¿Cuántas? ¿Cuáles son? ¿Pueden dos
poblaciones de distinta distribución tener la misma distribución límite?
¿Cómo se puede establecer la relación entre ellas?
- Cuando se desconoce la función de distribución de la población de la
cual proviene la muestra. Este es el caso más frecuente en la práctica
43
y, desde luego, las ecuaciones anteriormente establecidas para los
estadísticos de orden resultan completamente inútiles.
- Cuando se ignora el tamaño de la muestra. Este caso es más
frecuente de lo que, a simple vista, podría parecer. Podría ocurrir, por
ejemplo, que la variable solo fuese registrada cuando se supera un
valor dado, en cuyo caso, el tamaño de la muestra original se
desconoce.
La solución de los problemas planteados conduce a la definición de las
distribuciones límite.
La función de distribución de probabilidad del máximo, Zn, de una muestra
de tamaño n proveniente de una población con función de distribución F(x)
es, tal como se vio en párrafo anterior:
An ( x ) = p[Z n ≤ x] = [F (x )]
n
(2.44)
Cuando n tiende a infinito, se tiene que
⎧1 si F (x ) = 1
Lim [F ( x )] = ⎨
n
(2.45)
n ⇒∞
⎩0 si F (x ) < 1
es decir que, las distribuciones límite degeneran, ya que sólo toman valores
de 0 ó de 1. Para evitarlo se buscan transformaciones lineales:
y = an + bn x (2.46)
44
donde an y bn son constantes que dependen de n, y tales que las
distribuciones límite,
Lim An (a n + bn x ) = Lim [F (a n + bn x )] = A( x )
n
(2.47)
n⇒ ∞ n⇒ ∞
no degeneren.
Se dice que una función de distribución de probabilidad dada, F(x),
pertenece al dominio de atracción, para el máximo, de A(x), cuando satisface
la 2.32 para secuencias dadas de {an } y {bn > 0}.
Los únicos tres tipos de distribuciones, A(x), que no degeneran y que
satisfacen la 2.32, son, la de Frechet:
⎧⎪e − x
−γ
si x > 0
A1,γ ( x ) = ⎨ (2.48)
⎪⎩0 para cualquier otro valor de x
La de Weibull:
⎧⎪1 si x ≥ 0
A2 ,γ (x ) = ⎨ -(-x )γ (2.49)
⎪⎩e para cualquier otro valor de x
Y la de Gumbel:
A3 ,0 ( x ) = e − e
−x
para − ∞ < x < ∞ (2.50)
La distribución F(x) pertenece o nace en el dominio de atracción, para
el máximo, de A1,γ(x) si y solo si el máximo valor que una muestra asociada
puede llegar a tener, ω(F ) = sup{x:F( x) < 1} es igual a infinito y además,
45
1 − F (tx )
Lim = x −γ γ>0 (2.51)
t ⇒∞ 1 − F (t )
En este caso, las constantes de normalización son:
⎛ 1⎞
an = 0 bn = F −1 ⎜1 − ⎟ (2.52)
⎝ n⎠
De igual forma, F(x) pertenece al dominio de atracción, para el
máximo, de A2,γ(x) si, y solo si ω(F) < ∞ y la función
⎛ 1⎞
F* ( x ) = F ⎜ ω(F ) − ⎟ x>0 (2.53)
⎝ x⎠
satisface la ecuación 2.49. Las correspondientes constantes de
normalización son:
⎛ 1⎞
a n = ω(F ) bn = ω(F )-F −1 ⎜1 − ⎟ (2.54)
⎝ n⎠
Finalmente, el dominio de atracción será A3,0(x) si y solo si
[ ]
Lim n{1 − F X 1−1 /n + x (X 1−1 /(ne) − X 1−1 /n ) } = e − x
n⇒ ∞
(2.55)
En este caso las constantes son:
⎛ 1⎞ ω( F )
bn = [1 − F (a n )] ∫ [1 − F ( y )]dy
−1
a n = F −1 ⎜1 − ⎟
⎝ n⎠ an
(2.56)
⎛ 1 ⎞
ó bn = F ⎜⎜1 −
−1
⎟⎟ − a n
⎝ ne ⎠
Finalmente, al graficar en papel de probabilidad de Gumbel, la
probabilidad transformada η, la cual se explica con mayor detalle en el
46
siguiente capítulo, versus los valores máximos de la variable en estudio que
en este caso resultan ser las precipitaciones máximas anuales, la forma de la
curva que esbozan los puntos indica cuál puede ser el dominio de atracción,
como se puede verificar en la Figura 2.
Papel de Probabilidad de Gumbel

(Valores Máximos)
4
η
3
Frechet
1
Gumbel Weibull
0
-1
-2
Variable Estudiada
Figura 2. Dominios de Atracción para Valores Máximos
donde
1. Si la curva es cóncava, la muestra pertenece a una distribución cuyo
dominio de atracción, para máximos, es la distribución de Weibull.
2. Si los puntos se ajustan a una línea recta, el dominio de atracción
corresponde a la distribución de Gumbel.
47
3. Si los puntos sugieren la presencia de una curva convexa, el dominio
de atracción corresponde a la distribución de Frechet.
Resumiendo,
- Solo hay tres distribuciones límite, para el máximo, de ensayos
independientes: Frechet, Weibull y Gumbel.
- Las reglas para determinar si cualquier distribución F(x) pertenece al
dominio de atracción de las tres posibles distribuciones límite, están
claramente definidas.
- Se conocen las reglas de definición de las constantes an, bn, cn, dn (i =
1, 2, …).
- Una distribución de origen con un posible valor extremo de magnitud
infinita no puede pertenecer al dominio de atracción de la distribución
de Weibull.
48
2.6 Selección de la distribución límite a partir de una muestra y
definición de los parámetros de la distribución
2.6.1 Selección de la distribución límite
Tal como se estableció anteriormente, solo hay tres distribuciones
límite, para el máximo de ensayos independientes: Frechet, Weibull y
Gumbel. Siendo la manera más simple de establecer cuál es la distribución
límite la de representar los valores muestrales en papel de probabilidad de
Gumbel y asignar la distribución según la curvatura que presenta la curva. El
inconveniente es que, en ocasiones, dicha curvatura no está claramente
definida y surge la duda entre las distribuciones.
Es por ello que se debe hacer uso de una metodología alternativa,
más confiable, de fácil aplicación y que no sea tan dependiente del criterio
subjetivo del investigador, para poder seleccionar la distribución límite que
mejor ajusta la serie de datos.
Esta metodología consiste prácticamente en ajustar un polinomio de
segundo grado a los datos de la muestra de las precipitaciones máximas
anuales.
η = a0 + a1 * X + a2 * X2 (2.57)
Mediante el desarrollo matricial, en nuestro caso, del método de
mínimos cuadrados, en donde la matriz [X] es de la forma:
49
1 X1 X 12
1 X2 X 22
[X]= 1 X3 X 32
..........
..........
..........
1 Xn-1 Xn-12
1 Xn X n2
y la matriz [Y] de la forma:
η1
η2
[Y]= η3
..........
ηn-1
ηn
para luego probar la hipótesis nula referente al conjunto de coeficientes del
modelo lineal, siendo esto:
H0: a0=a1=a2=0 (2.58)
50
y su hipótesis alternativa:
H1: Por lo menos un ai ≠ 0 Para i = 1,2 y 3 (2.59)
Una vez determinado si el ajuste del modelo corresponde o no, de
rechazarse la hipótesis nula, se procede a calcular el intervalo de confianza
del coeficiente del término de segundo grado. Dado que, en esta función, es
el signo o la nulidad de dicho coeficiente el que determina la concavidad o
convexidad, basta con analizar el correspondiente intervalo para definir el
dominio de atracción. Para esto se plantea una nueva hipótesis la cual
establece:
H0: a2 = 0 (2.60)
siendo su hipótesis alternativa:
H1: a2 ≠ 0 (2.61)
y el intervalo de confianza se calcula según la relación,
aˆ j − t α/ 2 ,n −3 σˆ 2 C jj ≤ a j ≤ aˆ j + t α/ 2 ,n −3 σˆ 2 C jj (2.62)
donde, σ̂ 2 es el estimador insesgado de la varianza del modelo:
SS E
σˆ 2 = (2.63)
n−3
siendo SSE la suma de los cuadrados de los errores:
n
SS E = ∑ (ηi − ηˆ i )
2
(2.64)
i =1
y Cjj es el j-ésimo elemento de la diagonal de la matriz [X ]T [X ] . [ ]

−1
51
2.6.2 Ajuste de los Datos
Una vez establecido cuál es el dominio de atracción para un conjunto
de datos en particular, el siguiente paso será ajustar dichos datos a la
distribución seleccionada.
Al hacer el ajuste es necesario recordar que los datos raramente
provienen de una población que realmente se ajusta a una de las tres
distribuciones mencionadas. En la mayor parte de los casos Gumbel, Weibull
y Frechet son sólo distribuciones asintóticas, es decir, aproximadas. De
hecho, en estos casos sólo deben usarse los datos de la cola de interés o si
se trabaja con todos los datos, deben ponderarse de manera diferente.
2.6.3 Distribución de Gumbel
La función de distribución acumulada, para valores máximos, de
Gumbel es:
-(x − λ)
G M (x ) = e −e − ∞ < x < ∞; δ > 0

δ
(2.65)
donde, tal como se ha especificado anteriormente, λ y δ son los parámetros
de localización y escala, respectivamente. Derivando ambas expresiones se
obtienen las respectivas funciones de densidad de probabilidad:
-(x-λ( -(x-λ(
1
g M (x ) = e −e
− ∞ < x < ∞; δ > 0
δ
δ
e (2.66)
δ
52
La distribución de Gumbel es la más importante y ha sido utilizada,
tanto en el papel de distribución principal como asintótica, para describir el
comportamiento de la altura de las olas, caudales, velocidad máxima del
viento, precipitaciones máximas y mínimas, esperanza de vida, temperaturas
mínimas, resistencia eléctrica de los materiales, niveles de contaminación del
aire y muchos otros. En la Tabla 9 se presenta un resumen de sus
características más importantes.
Estimación de Parámetros en la Distribución de Gumbel - Dos
Parámetros
Son varios los métodos que pueden emplearse para estimar los
parámetros de una distribución. Algunos se basan en la búsqueda de
características especiales en los estimadores, como el Método del Mejor
Estimador Lineal Insesgado (BLUES) (Castillo, 1988) que busca estimadores
insesgados que minimicen la varianza y que se emplea sobre todo en
distribuciones que, como la de Gumbel, dependen de dos parámetros: de
escala, δ, y de localización, λ. En la misma línea y muy relacionado con el
anterior, el Método del Mejor Estimador Lineal Invariante (BLIES) minimiza el
error medio cuadrático. Sin embargo, en este estudio sólo se empleara el
más simple, que permita un cálculo que no necesite del uso de complejos
programas de computación como lo es el método gráfico haciendo uso del
papel de probabilidad. El procedimiento se refiere a la distribución
correspondiente a valores máximos, GM(x) y gM(x).
53
Tabla 9. Características de la Distribución de Gumbel
Parámetro Distribución
GM(x)
Media λ + 0,57772 δ
Mediana λ + 0,3665 δ
Moda λ
π 2δ 2
Varianza
6
Coeficiente de Kurtosis 1,1396
Estimación Mediante el Uso del Papel de Probabilidad
Una forma muy simple de llevar a cabo la estimación de los
parámetros es, tal como se ha indicado anteriormente, midiéndolos
directamente en el papel de probabilidad. El inconveniente es que no es
posible establecer límites de confianza.
Si se va a dar un peso específico a algunos datos sobre los otros debe
recordarse que conviene realizar el ajuste minimizando la relación planteada,
que para la distribución Gumbel (valores máximos), es:
2
⎡ ⎛ −e⎛⎜⎜⎝ − ( xiδ − λ ) ⎞⎟⎟⎠ ⎞ ⎤
⎢ pi − ⎜ e ⎟⎥
n ⎢ ⎜ ⎟⎥
G2 = ∑ ⎢ ⎝ ⎠
⎥ (2.67)
i=k ⎢ 1 − pi ⎥
⎢ ⎥
⎣ ⎦
Si el ajuste se realiza, simplemente, por mínimos cuadrados la
estimación de los parámetros se lleva a cabo.
54
2.6.4 Distribución de Weibull
La función de distribución de probabilidad de Weibull es, para valores
máximos:
⎧ −⎛⎜ λ − x ⎞⎟
β
⎪ ⎝ δ ⎠ para x ≤ λ
GM (x) = ⎨e (2.68)
donde λ, δ y β son los parámetros de localización, escala y forma,
respectivamente, siendo λ > 0 y β > 0. Las correspondientes funciones de
densidad de probabilidad son:
⎧ λ − x β −1 −⎛⎜ λ − x ⎞⎟
β
⎪ β ⎛⎜ ⎞
e ⎝ δ ⎠
⎪ ⎝ δ ⎟⎠
g M (x) = ⎨ para x ≤ λ (2.69)
⎪ δ
Tabla 10. Características de la Distribución de Weibull
GM(x)
⎛ 1⎞
Media λ − δ Γ⎜⎜1 + ⎟⎟
⎝ β⎠
Mediana λ − δ(0,693)1/β
1/β
⎛ β −1⎞
λ − δ⎜⎜ ⎟⎟ ; β >1
Moda ⎝ β ⎠
λ ; β ≤1
⎡ ⎛ 2⎞ ⎛ 1 ⎞⎤
Varianza δ 2 ⎢Γ⎜⎜1 + ⎟⎟ − Γ 2 ⎜⎜1 + ⎟⎟⎥
⎣ ⎝ β⎠ ⎝ β ⎠⎦
55
La distribución de Weibull ha sido utilizada para describir el
comportamiento de la resistencia a la fatiga de ciertos materiales, resistencia
a la corrosión, vida útil de tubos de vacío, aislamientos eléctricos, etc
(Castillo, 1988). En la Tabla 10 se presenta un resumen de sus
características más importantes.
Estimación de Parámetros en la Distribución de Weibull - Dos
Parámetros
Considérese, inicialmente, que el parámetro de localización, λ, se
conoce. Los otros dos parámetros pueden estimarse haciendo el cambio de
variable,
Y = − ln(λ − X ) (2.70)
que transforma la distribución de Weibull (X), en la de Gumbel (Y). La
correspondiente relación de parámetros es:
λG = − ln (δW ) (2.71)
1
δG = (2.72)
βW
donde el subíndice G hace referencia a la distribución de Gumbel y el
subíndice W a la de Weibull. Si se hace la transformación,
Y = ln( X − λ) (2.73)
la relación de parámetros es:
λG = ln(δW ) (2.74)
56
1
δG = (2.75)
βW
En consecuencia, cualquiera sea el método desarrollado para la
distribución de Gumbel resulta aplicable, así el método gráfico resulta ser el
escogido nuevamente.
Estimación de Parámetros en la Distribución de Weibull - Tres
Parámetros
Cuando se desconocen los tres parámetros de la distribución de
Weibull se pueden utilizar, además del papel de probabilidad, otros dos
métodos: el de máxima verosimilitud y el de discretización multinomial. Para
seguir utilizando el método gráfico se selecciona un valor del parámetro λ y
se realiza el ajuste gráfico, tal como se indicó anteriormente. Luego se varía
dicho parámetro hasta maximizar el coeficiente de determinación, calculado
según la relación general:

n
∑ ( yˆ − y)
2
i
r2 = 1− i =1
(2.76)
∑ (y )
n
2
i −y
i =1
donde ŷi es el valor estimado de la variable, yi el correspondiente valor real y
y la media de dichos valores.
57
2.6.5 Distribución de Frechet
La función de distribución de probabilidad de Frechet es, para valores
máximos:
⎧ −⎛⎜ δ ⎞⎟
β
⎪ ⎝ λ− x ⎠ para x ≥ λ
GM (x) = ⎨e (2.77)
donde λ, δ y β son los parámetros de localización, escala y forma,
respectivamente, siendo λ > 0 y β > 0. Las correspondientes funciones de
densidad de probabilidad son:
⎧
β
β +1 ⎛ δ ⎞
⎪ β ⎛⎜
δ ⎞ −⎜ ⎟
⎟ e ⎝ λ− x ⎠
⎪
g M (x) = ⎨ ⎝ λ − x ⎠ para x ≥ λ (2.78)
⎪ δ
La distribución de Frechet (Castillo, 1988) ha sido utilizada para
describir el comportamiento del oleaje marino y la velocidad del viento. En la
Tabla 11 se presenta un resumen de sus características más importantes.
Estimación de Parámetros en la Distribución de Frechet - Tres
Parámetros
En el caso de la distribución de Frechet sólo se considera el caso en el
que se conoce el valor del parámetro de localización, λ. De nuevo, si se hace
el cambio de variable,
58
Y = − ln(λ − x ) (2.79)
se pasa de la variable aleatoria X (Frechet) a una variable aleatoria Y
(Gumbel), con la siguiente relación de parámetros:
λG = − ln (δ F ) (2.80)
1
δG = (2.81)
βF
donde los subíndices G y F corresponden a las distribuciones de Gumbel y
Frechet, respectivamente. De la misma forma, si el cambio de variable es:
Y = ln(x-λ) (2.82)
la relación de parámetros es:
λG = ln (δ F ) (2.83)
1
δG = (2.84)
βF
El procedimiento de ajuste se hace en forma similar al de la distribución de
Weibull.
Tabla 11. Características de la Distribución de Frechet
GM(x)
⎛ 1⎞
Media λ + δ Γ⎜⎜1 − ⎟⎟; β > 1
⎝ β⎠
Mediana λ + δ(0,693)-1/β
⎡ ⎛ 2⎞ ⎛ 1 ⎞⎤
Varianza δ 2 ⎢Γ⎜⎜1 − ⎟⎟ − Γ 2 ⎜⎜1 − ⎟⎟⎥; β > 2
⎣ ⎝ β⎠ ⎝ β ⎠⎦
59
3. Descripción del área en estudio
Cuenca del río Chama
El río Chama nace cerca de la población de Mifafí, en el noroeste de
Venezuela, a una altitud de alrededor de 4500 m.s.n.m. Su longitud total es
de 187 km (Rosales, 2002), de los cuales unos 100 km fluyen a lo largo de la
Cordillera de los Andes, el sistema montañoso más alto del país, y después
de correr en un terreno llano, desemboca en el Lago de Maracaibo.
El presente estudio se limita a la parte correspondiente al estado
Mérida, aunque el Chama atraviesa también el estado Zulia. Concretamente,
el área de estudio ocupa políticamente los municipios Rangel, Santos
Marquina, Libertador y Campo Elías.
La cuenca, según Rosales (2002), abarca una superficie de 1116 km2.
Para este estudio se midió una superficie de 1169,47 km2, similar a la
considerada por Rosales.
La cuenca del río Chama está favorecida por una variedad de
condiciones climáticas y de aprovechamiento del terreno. Los tramos
superiores y medios, bajo el clima ártico, templado y tropical, se encuentran
en producción agrícola de papa, zanahorias, ajo y otras hortalizas; y los
60
tramos inferiores, bajo un clima tropical, están ocupados principalmente por
plantaciones de plátano y pastos.
Debido a las fuertes precipitaciones en la zona, la cuenca ha sufrido
desastres causados por el arrastre de sedimentos y por inundaciones, lo que
ha generado daños en infraestructuras, productos agrícolas, actividades
sociales, etc.
Dada esta problemática, el Estado Venezolano ha ejecutado obras
de rehabilitación, mantenimiento y prevención para hacer frente a los
desastres.
En estas circunstancias, ha surgido la necesidad de proporcionar
mayor información para un mejor desarrollo de todos los planes y futuros
desarrollos de la zona.
61
3.1 Principales aspectos físico – naturales del área en estudio
Cuando se requiere estimar el caudal máximo asociado a una
determinada cuenca, necesario para estudios de control de inundaciones,
diseño de estructuras hidráulicas, etc., se pueden emplear varias
metodologías siempre y cuando se disponga de registros hidrológicos de
longitud suficiente y de una fuente confiable.
Sin embargo, cuando existe escasez de información hidrológica, un
problema típico de los estudios realizados en nuestro medio y en particular
del caso que se desarrolla en este trabajo, se presenta el problema de cómo
determinar los caudales con cierto nivel de confiabilidad.
Entre los principales aspectos necesarios para poder emplear metodologías
de diseño hidrológico con información escasa, se tienen:
a. Uso del agua.
b. Geología y geomorfología.
c. Hidrografía.
d. Clima.
e. Precipitación.
f. Cobertura vegetal y uso de la tierra.
62
a. Uso del Agua
En la cuenca del río Chama, el agua se usa principalmente para el
riego y para el abastecimiento de poblaciones.
Las tomas se han restringido a las partes más altas de la cuenca,
debido al alto grado de contaminación que alcanza el río a medida que
desciende.
El uso en sistemas de riego en los tramos superiores y medios pueden
verse en la tierra utilizada en el cultivo. El sistema de abastecimiento de
agua para el uso doméstico se ha desarrollado fundamentalmente en las
ciudades de Mérida y Ejido, en los tramos medios, y afecta principalmente a
afluentes tales como el Mucujún y otras quebradas de la zona.
Otro aspecto a considerar es el uso del material del lecho en la
construcción. Esto se traduce en la proliferación de excavaciones, en
particular, en los tramos medios cercanos a la población de Tabay.
b. Geología y Geomorfología
Una vez que comienza la escorrentía, ésta ocurre en una zona
superficial formada por pequeños surcos y arroyos hasta el canal o cauce
considerado de orden 1, según los diversos métodos de ordenación de redes
de drenaje, y a lo largo de la progresiva de la red de cauces. Por lo tanto, el
63
correcto conocimiento de la geomorfología de una cuenca es importante en
el análisis de respuesta de la misma a un evento de precipitación
significativo.
Litológicamente el área presenta características heterogéneas. En la
parte alta de la cuenca predomina la formación Sierra Nevada, su litología
está compuesta por granitos del paleozoico y precámbrico, gneis graníticos y
esquistos micáceos granafiteros. Los rasgos tectónicos son muy evidentes
en la cuenca ya que está atravesada por una de las principales fallas activas
geológicas del país, como lo es la falla de Boconó, cuyo trazado es sencillo
de encontrar debido a que se corresponde con el recorrido del río Chama en
toda su extensión. La falla Boconó es una gran falla activa de importancia,
con rumbo derecho con desplazamiento vertical, y se extiende unos 450 km
en dirección nordeste-sudoeste.
Estas condiciones geológicas, más las características topográficas de
fuertes pendientes y altas precipitaciones, generan situaciones de gran
inestabilidad produciendo graves problemas de deslizamientos.
Geomorfológicamente, la parte alta de la cuenca presenta un relieve
marcado, conformado por vertientes de montaña, dentro del sistema
montañoso de los Andes entre la Sierra de Santo Domingo y los páramos de
Piedras Blancas y de Mucuchíes. La orientación del sistema que conforma el
64
cauce es en sentido NE – SO. La topografía del área ha sido producto de la
tectónica general de la zona y los procesos modeladores del relieve están
representados por el glaciarismo que se observa en toda el área. Por lo
general, a partir de los 2700 m de altitud en consecuencia se observan valles
en forma de “V” y morrenas. En las partes bajas el suelo es de origen
sedimentario y presenta numerosos afloramientos de rocas ígneas y
metamórficas.
La cuenca alta del río Chama presenta un relieve bastante abrupto
con una variabilidad altitudinal bastante marcada. En la parte media de la
cuenca se encuentra un relieve en forma de terrazas, en donde se encuentra
emplazada la ciudad de Mérida (1560 m.s.n.m de altura promedio),
extendiéndose con un ancho aproximadamente de 7 km y una longitud de 15
km. Esta terraza es producto de depósitos aluviales del río Chama y de
afluentes como los ríos Albarregas y Mucujún, asociados al sistema de fallas
de Boconó.
c. Hidrografía
La cuenca del río Chama está ubicada en el noroeste de Venezuela y
forma la parte central de la Sierra de Mérida. El río Chama, con unos 200 km
de largo, tiene su origen a unos 4500 m.s.n.m, en el sector de Piedras
Blancas cerca del Pico El Águila. Fluye hacia el sur a través de un valle de
origen glaciar que genera la quebrada de Mifafí hasta alcanzar el pueblo de
Apartaderos.
65
Los drenes que generan la quebrada de Mifafí, cuyo cauce principal
está bien definido, conducen a la pequeña planicie aluvial del Llano
Redondo. Luego la quebrada cambia su curso hacia el sur,
aproximadamente a 3600 m.s.n.m, y recibe por la margen izquierda la
quebrada el Águila. A partir de allí la quebrada de Mifafí toma el nombre de
río Chama.
De Apartaderos hasta Ejido, atravesando Mérida, el Chama recorre
unos 60 km casi en línea recta hacia el sudoeste, a lo largo de la falla
Boconó. El patrón de drenaje está dictaminado por la topografía accidentada,
con predominio de pendientes fuertes en casi toda la extensión de la cuenca
alta.
Esto hace que todas las corrientes secundarias caigan directamente al
drenaje principal que es el río Chama. En su extenso recorrido hacia la
margen derecha se localizan los ríos Mucujún, Albarregas y Montalbán y por
la margen izquierda las quebradas La Mucuy y La Fría, hasta llegar a Ejido
saliendo hacia la población de San Juan donde se encuentra el punto final
para este estudio.
d. Clima
La cuenca del río Chama está bajo influencia de la vaguada
ecuatorial y de los vientos alisios del hemisferio norte. La vaguada ecuatorial
66
domina durante los meses húmedos (mayo-noviembre) y los vientos alisios
predominan durante la parte seca del año (diciembre-abril). De acuerdo con
la distribución mensual de la precipitación afectada por las antedichas
circulaciones de gran escala, ocurren dos modelos de precipitación
genéricos: el Modelo de Llanos que tiene una máxima ocurrencia simple, y el
Modelo Semestral que completa los dos ciclos de estaciones húmedas y
secas durante el año.
El Modelo de Llanos es característico de la parte central de
Venezuela, mientras el Modelo Semestral predomina en las áreas costeras y
también en altitudes superiores a 1000 m.s.n.m donde se prevé un clima de
montaña. El valle del río Chama está principalmente bajo el Modelo
Semestral, pero la cuenca más alta, con Mucuchíes en el centro, disfruta del
Modelo de Llanos con influencia del interior de Venezuela (Agencia de
Cooperación Internacional del Japón - ACIJ, 1989).
La temperatura media anual en el área superior (Mucuchíes) es de
11,0 ºC, mientras que en la parte cercana a la ciudad de Mérida es de 19,2
°C, según la estación meteorológica de Mérida ubicada en el Aeropuerto
Alberto Carnevali.
La ubicación de la cuenca alta del río Chama, entre dos alineaciones
montañosas: al noreste de la Sierra de la Culata y al sureste de la Sierra
67
Nevada, hace que el clima sufra las influencias de la altitud y de la
exposición de las vertientes. Así mismo, se siente la influencia de los
elementos climáticos de las regiones bajas, como consecuencia de los
efectos producidos por la circulación de las masas de aire locales. La
temperatura, al igual que otros componentes climáticos, depende
severamente de las variaciones altitudinales. El hecho de que el área de
estudio se ubique dentro de un sistema montañoso trae como consecuencia
una disminución de la temperatura con la altitud, lo cual viene a ser una de
las características más importantes en la determinación de diversos tipos
climáticos.
e. Precipitación
La magnitud de la precipitación varía considerablemente entre las
diferentes zonas de la cuenca. Así, por ejemplo, en la parte baja se
producen precipitaciones que conforman un período lluvioso que va de
marzo a noviembre, con valores que pueden sobrepasar los 300 mm
mensuales, principalmente en los meses de mayo y junio. Se puede
observar que, a pesar de existir un período de lluvias en los meses
mencionados, se puede apreciar un descenso de las precipitaciones entre
julio y agosto de acuerdo a las estadísticas. Los meses de diciembre, enero,
febrero y marzo se encuentran enmarcados dentro del período seco, sin
embargo, para el mes de diciembre se registran lluvias que alcanzan los 60
68
a 80 mm, especialmente en horas de la tarde y primeras horas de la noche,
según la estación meteorológica de Mérida.
f. Cobertura Vegetal y Uso de la Tierra
En cuanto a la cobertura vegetal, hay diferentes tipos de formaciones
vegetales en el área de estudio debido a las variaciones altitudinales. El
clima, precipitación y temperatura determinan fajas climáticas con
condiciones ambientales particulares a las cuales se adapta la vegetación.
En cuanto al uso de la tierra, se encuentran las siguientes divisiones:
- Asentamientos y tierras circundantes no agrícolas.
- Cultivos permanentes.
- Cultivos anuales.
- Pastos cultivados o mejorados.
- Pastos naturales y rastrojos.
- Bosques: Tupido, abierto, matorral y bosque con cultivos intercalados.
- Plantaciones forestales.
- Páramos y cumbres rocosas.
- Zonas urbanas.
69
3.2 Datos de la Cuenca en Estudio
Para la obtención de los parámetros, se digitalizaron los planos de la
Dirección de Cartografía Nacional del año 1979, escala 1:100.000,
concretamente las hojas 5941, 5942, 6041 y 6042.
Se pudo acceder a dichas cartas geográficas gracias a la colaboración
del Geógrafo Nerio Ramírez del Instituto de Protección Civil y Administración
de Desastres del Estado Mérida (INPRADEM).
En las Tablas 12 y 13 se resumen las diferentes características del río
Chama en el tramo en estudio, cuyas definiciones fueron hechas en el
capítulo 2 en la sección 2.4.
Tabla 12. Dimensiones de la Cuenca del río Chama
Dimensiones de la Cuenca del río Chama

Área de la cuenca 116946,92 Ha
Longitud del cauce principal 80763,06 m
Longitud total de las corrientes de agua 1077819,71 m
Perímetro de la cuenca 181490,24 m
Longitud del valle 73290,77 m
Diferencia de cotas extremas en la cuenca 3700,00 m
70
Tabla 13. Características de la Cuenca del río Chama
Características de la Cuenca del río Chama
Índice de Gravelius o
Es mayor que 1, por lo tanto, se trata de
Coeficiente de 1,50
una cuenca muy irregular
Compacidad (Kc).
Factor de forma (Kf) Se trata de una cuenca alargada sin
0,18
graves problemas de inundación
Densidad de drenaje (Dd) 0,92 Cuenca medianamente drenada
Extensión media de la
0,23 Cuenca medianamente drenada
escorrentía superficial (l)
Sinuosidad de las Baja sinuosidad, se trata de un río de
1,10
corrientes de agua (Si) alineamiento recto
Para el cálculo de las pendientes, se utilizaron los siguientes tramos y
desniveles expuestos en la Tabla 14.
71
Tabla 14. Perfil longitudinal del cauce del río Chama.
Cota (m.s.n.m) Longitud Parcial (m) Longitud Acumulada (m)

4540,00 0,00 0,00
4320,00 1647,54 1647,54
4120,00 2286,57 3934,11
3920,00 3023,64 6957,75
3720,00 3900,01 10857,76
3520,00 3079,33 13937,09
3320,00 2532,35 16469,44
3120,00 3320,94 19790,38
2920,00 3792,66 23583,04
2720,00 4438,69 28021,73
2520,00 4098,45 32120,18
2320,00 4430,41 36550,59
2120,00 3077,15 39627,74
1920,00 4456,02 44083,76
1720,00 4284,96 48368,72
1520,00 7173,07 55541,79
1320,00 6399,65 61941,44
1120,00 6319,21 68260,65
920,00 9046,33 77306,98
840,00 3456,08 80763,06
Dichos datos permitieron obtener los valores de pendiente mostrados en la
Tabla 15, calculados mediante las expresiones reseñadas en el capítulo 2,
mediante las ecuaciones (2.35), (2.36) y (2.37), respectivamente.
72
Tabla 15. Pendientes medias del cauce del río Chama.
Pendientes Medias del río Chama

Pendiente media 4,58 %
Pendiente media ponderada 3,57 %
Pendiente equivalente constante 4,00 %
Valores bastante cercanos, por lo que se podría afirmar que el 4 % es
un valor representativo en el caso del cauce del río Chama.
73
3.3 Usos de la tierra
Para conocer los usos de la tierra se tomaron como referencia las
cartas antes mencionadas, que junto con las imágenes satelitales landsat de
30 metros de resolución permitieron identificar dicha característica. Así, para
la clasificación de los usos de la tierra en la cuenca del Chama, se contó con
una primera tipificación hecha desde el punto de vista de la ingeniería
forestal, la cual estableció los porcentajes establecidos en la Tabla 16.
Tabla 16. Usos de la tierra. Enfoque ingeniería forestal
Uso de la Tierra %
Páramo 1,70
Bosque 3,43
Bosque Ripario-Ribereño 0,41
Matorral Espinoso 0,65
Cultivo 1,84
Pastizal 13,53
Herbazal 1,82
Matorral 23,00
Plantación 0,54
Asociación cultivo/matorral medio 0,15
Asociación cultivo/subsistemas/herbazal arbolado 26,47
Asociación subsistema/herbazal arbolado 0,69
Asociación pastizal arbolado/cultivo/bosque remanente 4,24
Cobertura mala (herbazales) 3,00
Suelo descubierto 12,31
Deslizamiento 0,08
Laguna 3,11
Centros poblados 3,04
74
Clasificación realizada en el año 2003 y obtenida a través de la
colaboración de INPRADEM, que más tarde tuvo que ser modificada por sus
equivalentes para aplicar el método del Servicio de Conservación de Suelos
EE. UU. de 1972, obteniéndose la clasificación reseñada en la Tabla 17.
Tabla 17. Usos de la tierra. Enfoque Servicio de Conservación de Suelos

EE. UU. de 1972
Uso de la tierra %
Bosque - Condición Hidrológica: Buena 4,28
Bosque - Condición Hidrológica: Mala 31,99
Pastos de Pastoreo - Condición Hidrológica: Buena 37,62
Pastos de Pastoreo - Condición Hidrológica: Regular 5,26
Cultivo en hileras - Condición hidrológica: Buena 2,82
Pavimentos 3,48
Rastrojos 14,55
3.4 Tiempo de concentración
Siendo el tiempo de concentración el tiempo que tarda el agua en
viajar desde el punto más alejado de la cuenca, hasta la salida de la misma,
dependerá de las características topográficas y geomorfológicas de la
cuenca.
Para el cálculo de este factor existen varias expresiones, como son:
Fórmula de Kirpich de 1940, Fórmula de Culverts de 1942, Fórmula de
Izzard de 1946, Fórmula de la Federal Aviation Administration de 1970,
Ecuaciones de onda cinemática: Morgali y Linsley de 1965 y Aron y Erborge
75
de 1973, Ecuación de Retardo SCS de 1973, Fórmula de Kirpich, Fórmula de
Hathaway y Fórmula de George Rivero, las cuales fueron presentadas en el
capítulo 2 en la sección 2.3.
Se utilizaron aquéllas para las cuales se tenía la información necesaria
y se calculó, en cada caso, el tiempo de concentración total de la cuenca,
obteniéndose los resultados presentados en la Tabla 18.
Tabla 18. Tiempo de concentración para la cuenca del río Chama
Tiempo de Concentración de la Cuenca del río Chama

Fórmula tc (min)
Kirpich de 1940 383,24
Culverts de 1942 383,78
Izzard de 1946 175,78
Federal Aviation Administration de 1970 390,72
Ecuaciones de onda cinemática. Morgali
y Linsley de 1965. Aron y Erborge de 473,89
1973
Hathaway 38,40
George Rivero 1350,99
Tal como puede observarse en la Tabla 18, todas estas expresiones,
generan resultados muy distintos, ya que fueron deducidas para cuencas con
características muy particulares. Se pueden descartar aquellos valores
excesivamente altos o bajos que, dadas las características de la cuenca, son
poco probables. Por otra parte, algunos valores coinciden aproximadamente,
como los obtenidos en base a las ecuaciones de Kirpich, Culverts y de la
76
Federal Aviation Administration. Se puede considerar, entonces, un tiempo
de concentración de 6,5 horas, es decir, 390 minutos.
77
4. Base de datos
Como ya se comento, en Venezuela, la escasez de información
hidrológica es notable, y abarca desde los datos de precipitación hasta los
datos de caudales, que son los de mayor interés y que resultan ser casi
inexistentes.
Adicional a esto, medir el caudal de un río es difícil y más peligroso
que medir cualquier otra variable hidrológica. Para empezar es necesario
establecer la curva de gastos de la sección bajo estudio, es decir, la relación
existente entre el caudal (volumen que pasa a través de la sección
transversal en la unidad de tiempo) y el nivel de agua correspondiente. Esto
exige la realización de un mínimo de diez aforos en épocas, tanto de verano
(sequía) como de invierno (lluvias). El aforo de un río suele ser un
procedimiento engorroso, pero en época de lluvias es, simplemente,
peligroso. Posteriormente es necesario registrar, de manera continua, las
variaciones del nivel de agua en el río con el paso del tiempo.
Como se puede apreciar todo esto es mucho más difícil de
automatizar que la medición, por ejemplo, de la precipitación. Actualmente se
están instalando decenas de estaciones meteorológicas en todo el país, que
enviarán información, cada hora, de manera automática (Flórez, 2007). Por
78
lo cual dicha información será de fácil acceso en un futuro, cuestión que no
se ve que ocurra, por el momento, con los registros de caudal.
La cuenca del río Chama es una de las más importantes en la Región
Andina debido a su magnitud y ubicación geográfica, como ya se reseñó
anteriormente, sin embargo, a pesar de esto dicha cuenca no escapa de la
realidad de la escasez de información. Así, los únicos datos disponibles son
los registrados por la División de Hidrología del antiguo Ministerio de Obras
Públicas.
Tabla 19. Relación de Estaciones Meteorológicas en la Cuenca del Río

Chama.
Número de años de registro

Estación Altitud (m.s.n.m)
de datos
San Juan de Lagunillas 1050 7
La Punta 1323 7
Mesa de Ejido 1520 16
Mérida 1623 8
Jají 1827 7
Mucurubá 2320 15
Valle Grande 2515 15
Páramo la Culata 2920 14
Páramo de Mucuchíes 3685 26
Páramo Pico El Águila 4120 24
El banco de datos se compone de los registros de precipitación de
lluvias extremas para 6 horas, siendo éste el tiempo de concentración,
aproximadamente, para la cuenca del río Chama en un conjunto de 10
79
estaciones, con registro comprendido entre los años 1962 y 1977, siendo las
estaciones escogidas para nuestro estudio las que se encuentran localizadas
dentro de la delimitación de la cuenca. En la Tabla 19 se presenta un listado
de las estaciones y de sus características.
4.1 Ajuste Gráfico
En el desarrollo de la metodología se encontró que el primer paso es
llevar los datos a papel de probabilidad de Gumbel para valores máximos,
Para ello se comienza por ordenar los datos n en orden ascendente y
calcular la probabilidad empírica correspondiente.
m
pE = (4.1)
n +1 Para m = 1, 2, 3,…, n
La probabilidad reducida o transformada, para la distribución de Gumbel, es:
η = − ln (− ln ( p E )) (4.2)
En la Tabla 20 se incluyen los cálculos respectivos para el caso de la
estación Mucurubá y en la Figura 3 la correspondiente representación
gráfica.
80
Tabla 20. Ajuste de datos de precipitación en papel de probabilidad de

Gumbel para la estación de Mucurubá (Valores Máximos)
Precipitación Probabilidad Transformada de la
Valores
Año (mm) Empírica probabilidad
Ordenados
(6 horas) pE=m/(n+1) η
1963 39 19 0,0625 -1,019781441
1964 34 20 0,1250 -0,732099368
1965 20 23 0,1875 -0,515201894
1966 28 23 0,2500 -0,32663426
1967 23 26 0,3125 -0,151132538
1968 29 28 0,3750 0,019356889
1969 33 29 0,4375 0,190339326
1970 23 29 0,5000 0,366512921
1971 29 33 0,5625 0,552752143
1972 19 34 0,6250 0,755014863
1973 37 37 0,6875 0,981647055
1974 47 38 0,7500 1,245899324
1975 38 39 0,8125 1,571952527
1976 26 46 0,8750 2,013418678
1977 46 47 0,9375 2,740493007
81
3
2.5
η
y = 0.119x - 3.227
2
1.5
1
0.5
0
0 10 20 30 40 50
-0.5
-1
-1.5
Precipitación Máxima Anual (mm)
Gumbel. Estación Mucurubá (Valores Máximos)
4.2 Definición del dominio de atracción
El siguiente paso es decidir cuál es el dominio de atracción que mejor
se ajusta a la serie de datos en cuestión. El análisis visual de la tendencia
de los datos (Figura 3) parece mostrar que se ajustan a una línea recta. Esto
indicaría que los datos pertenecen al dominio de atracción de la distribución
de Gumbel. Sin embargo, siempre es conveniente realizar el análisis objetivo
a través de la prueba de ajuste a un polinomio de segundo grado, tal como
se explicó en el capítulo 2 en la sección 2.6.1.
82
Así, luego de realizado el ajuste por mínimos cuadrados en forma
matricial, se obtuvo que, para el caso de la estación Mucurubá, se tiene:
ao = -2,53484
a1 = 0,073781
a2 = 0,000691
quedando finalmente conformado el polinomio de segundo grado de la forma:
η = -2,53484 + 0,073781X + 0,000691X2 (4.3)
Repitiendo dicho procedimiento con el resto de las estaciones, se
obtuvieron los coeficientes correspondientes a cada caso. Dichos
coeficientes se presentan en la Tabla 21, y la conformación del polinomio de
segundo grado correspondiente a cada una de las estaciones en la Tabla 22.
Tabla 21. Coeficientes del polinomio de segundo grado para cada una
de las estaciones
Estación ao a1 a2
San Juan de Lagunillas -1,29215 -0,009690 0,000958
La Punta -1,48979 0,045675 0,000091
Mesa de Ejido -2,39170 0,075800 -0,000220
Mérida 4,20664 -0,244200 0,003100
Jají -2,34528 0,068999 -0,000210
Mucurubá -2,53484 0,073781 0,000691
Valle Grande 2,41647 -0,198688 0,003094
Páramo la Culata -9,59171 0,459051 -0,004222
Páramo de Mucuchíes -0,94345 -0,099569 0,007871
Páramo Pico El Águila -1,30606 -0,013845 0,005441
83
Tabla 22. Polinomio de segundo grado para cada una de las estaciones
Estación Polinomio de segundo grado

San Juan de Lagunillas η = -1,29215-0,00969X+0,000958X2
La Punta η = -1,48979+0,045675X+0,000091X2
Mesa de Ejido η = -2,3917+0,0758X-0,00022X2
Mérida η = 4,20664-0,2442X+0,0031X2
Jají η = -2,34528+0,068999X-0,00021X2
Mucurubá η = -2,53484+0,073781X+0,000691X2
Valle Grande η = 2,41647-0,198688X+0,003094X2
Páramo la Culata η = -9,59171+0,459051X-0,004222X2
Páramo de Mucuchíes η = -0,94345-0,099569X+0,007871X2
Páramo Pico El Águila η = -1,30606-0,013845X+0,005441X2
Una vez que se realizó el ajuste a un polinomio de segundo grado, es
importante verificar la hipótesis nula referente al conjunto de coeficientes del
modelo lineal, siendo esto:
H0: a0= a1= a2= 0 (4.4)
y su hipótesis alternativa:
H1: Por lo menos un ai ≠ 0 Para i = 1,2 y 3 (4.5)
Continuando con el desarrollo matricial se obtiene el valor observado
del estadístico de prueba para el planteamiento de esta hipótesis,
SS R /K
F0 = (4.6)
SS E / (n − p i )
donde k es el número de grados de libertad del modelo de regresión (2 en
este caso) y (n – pi) define los grados de libertad del error (n, número de
84
datos y pi, número de coeficientes a estimar). SSE es la suma de los
cuadrados de los errores,
n
SS E = ∑ ( y i − yˆ i )
2
(4.7)
i =1
y SSR es la suma de cuadrados de la regresión,
⎡n 1⎛ n ⎞ ⎤
2
SS R = S yy − SS E = ⎢∑ yi2 − ⎜ ∑ yi ⎟ ⎥ − SS E (4.8)
⎢⎣ i =1 n ⎝ i =1 ⎠ ⎥⎦
En el caso particular de la Estación de Mucurubá, F0 = 285,67. Este
parámetro se ajusta a una distribución F con k grados de libertad en el
numerador y (n – pi) grados de libertad en el denominador.
En consecuencia, debe rechazarse la hipótesis nula si el valor
calculado del estadístico de prueba, F0, es mayor que fα,k,n-p = f0.05,2,12 = 3,89.
Se tomó α igual a 0,05; que corresponde a un 95 % de confianza, nivel de
significancia común en ingeniería civil.
Como F0 = 285,67 > f0.05,2,12 = 3,89; se rechaza H0, luego existe el
ajuste, lo que significa que al menos uno de los coeficientes es distinto de
cero a0 ≠ a1 ≠ a2 ≠ 0.
Una vez verificado que el ajuste existe, solo resta averiguar a cuál
distribución corresponde la serie de datos, para ello basta con docimar la
segunda hipótesis nula, la cual establece:
H0: a2 = 0 (4.9)
85
siendo su hipótesis alternativa:
H1: a2 ≠ 0 (4.10)
en este caso, el estadístico de prueba está dado por la relación
a2
T0 = (4.11)
σˆ 2 C 22
donde σ̂ 2 es el estimador de la varianza del modelo,
SS E
σˆ 2 = (4.12)
n− p
[
y C22 es el último elemento de la diagonal de la matriz X T X ]
−1
.
En esta ocasión, T0 = 1,17. Este parámetro se ajusta a una distribución
“t” de Student con (n - pi) grados de libertad.
En consecuencia, debe rechazarse la hipótesis nula si el valor
calculado del estadístico de prueba, T0, es mayor que tα/2,n-p = t0.025,12 = 2,179.
Igual que en el caso anterior se tomó α = 0,05, para un 95 % de confianza.
Como T0 = 1,17 < t0.025,12 = 2,179; no existe suficiente evidencia como
para rechazar H0, lo que en nuestro caso significa que no se puede rechazar
la hipótesis de que el coeficiente del término de segundo orden sea igual a
cero, a2 = 0. Consecuentemente, los datos se ajustan a una línea recta, lo
que indica que el dominio de atracción para la estación de Mucurubá,
86
Esto se verifica calculando el intervalo de confianza correspondiente,
detallado en la expresión (2.62), con el mismo nivel de significancia,
obteniéndose:
-0,000596 < a2 < 0,001978
donde podemos apreciar que el cero está incluido en el intervalo.
Este procedimiento se repitió con todas las demás estaciones. Y, si
bien en la primera prueba de hipótesis la conclusión fue siempre la misma
(se rechazaba la hipótesis nula, tal como se puede observar en los
resultados presentados en la Tabla 23), cuando se trata de la segunda
hipótesis los resultados variaron.
Así, por ejemplo, en el caso de la Estación Páramo La Culata, el valor
observado del estadístico de prueba para el planteamiento de esta hipótesis,
fue T0 = 2,84. Y, ya que T0 = 2,84 es mayor que tα/2,n-p = t0.025,11= 2,201 (aquí
el registro era de 14 datos en vez de 15 como en el caso anterior) se debe
rechazar la hipótesis nula, lo que significa que el coeficiente del término de
segundo orden en el modelo no se puede considerar igual a cero, a2 ≠ 0, y la
distribución que define el dominio de atracción de estos datos está dada por
el signo de dicho coeficiente. En este caso, el valor de este coeficiente
87
resultó ser, a2 = -0,00422 (Tabla 21) y, siendo éste un valor negativo
característico de una curva convexa, el dominio de atracción pertenece a la
distribución de Frechet.
En el caso de la Estación Páramo de Mucuchíes, T0 arrojó un valor
igual a 6,16. De nuevo, y ya que T0 = 6,16 > tα/2,n-p = t0.025,23= 2,069 (en este
caso se tienen 26 datos) debe rechazarse la hipótesis nula, a2 no es igual a
cero. Ahora bien, en este caso dicho coeficiente resultó ser, como ya se
detalló en la Tabla 21, a2 = 0,007871. Siendo éste un valor positivo
característico de una curva cóncava, el dominio de atracción para los datos
de esta estación es la distribución de Weibull.
En la Tabla 24 se presenta un resumen de los resultados obtenidos.
88
Tabla 23. Resultados de la primera prueba de hipótesis sobre los

coeficientes del polinomio de segundo grado para cada una de las
estaciones.
fα,k,n-p
Estación Fo Conclusión
(α=0,05;2;n-3)
San Juan de F0> fα,k,n-p. Se rechaza la hipótesis
53,03 6,94
Lagunillas nula. La regresión existe.
F0> fα,k,n-p. Se rechaza la hipótesis
La Punta 187,06 6,94
nula. La regresión existe.
Mesa de Ejido 236,07 3,81
Mérida 13,37 5,79
Jají 19,49 6,94
Mucurubá 285,67 3,89
Valle Grande 218,77 3,89
Páramo la F0> fα,k,n-p. Se rechaza la hipótesis
67,78 3,98
Culata nula. La regresión existe.
Páramo de F0> fα,k,n-p. Se rechaza la hipótesis
116,90 3,42
Mucuchíes nula. La regresión existe.
Páramo Pico El F0> fα,k,n-p. Se rechaza la hipótesis
584,77 3,47
Águila nula. La regresión existe.
Como se puede apreciar en estos resultados, en todas las estaciones F0 >
fα,k,n-p; por lo tanto se rechaza H0, luego la regresión existe, lo que significa
que al menos uno de los coeficientes es distinto de cero.

89
estaciones.
Estación T0 t0,025;n-3 Conclusión

T0 < tα/2,n-p. No se puede rechazar H0, el
San Juan de coeficiente del término de segundo orden
1,66 2,78
Lagunillas en el modelo es igual a cero, a2 = 0,
distribución de Gumbel.
coeficiente del término de segundo orden
La Punta 0,53 2,78
en el modelo es igual a cero, a2 = 0,
Mesa de Ejido 1,83 2,16
Mérida 1,42 2,57
Jají 0,27 2,78
Mucurubá 1,17 2,18
90
estaciones. (Continuación)
Estación T0 T0,025;n-3 Conclusión

T0 > tα/2,n-p. Se rechaza H0, el coeficiente
del término de segundo orden no se
puede considerar igual a cero, a 2≠ 0. Ya
Valle Grande 6,40 2,18
que el signo de este coeficiente resultó
ser positivo, el dominio corresponde a la
distribución de Weibull.
Páramo de puede considerar igual a cero, a2 ≠ 0. Ya
6,16 2,07
Mucuchíes que el signo de este coeficiente resultó
Páramo Pico El puede considerar igual a cero, a2 ≠ 0. Ya
10,10 2,08
Águila que el signo de este coeficiente resultó
Páramo la puede considerar igual a cero, a2 ≠ 0. Ya
2,84 2,20
Culata que el signo de este coeficiente resultó
ser negativo, el dominio corresponde a la
distribución de Frechet.
91
En resumen, se puede afirmar, con un nivel de confianza de 95 %, que
del conjunto de diez estaciones estudiadas:
• Seis (6) se ajustan a la distribución de Gumbel.
• Tres (3) se ajustan a la distribución de Weibull.
• Y solo una (1) a la distribución de Frechet.
De esta configuración se generó la interrogante del por qué la diferencia
de distribuciones entre estaciones, siendo que la precipitación es la variable
común de estudio entre ellas y que además pertenecen a una misma área
geográfica. Es por ello que se decidió establecer un arreglo con estos
resultados, a manera solo de información, con el propósito de dilucidar un
poco esa duda.
Así, se procedió a representar en una tabla el conjunto de estaciones y
los correspondientes resultados obtenidos en cuanto al dominio de atracción
de cada una, añadiendo, sólo para esta prueba, cuatro nuevas estaciones,
fuera del área de la cuenca del Chama pero cercanas a la misma. Así, se
agregaron las Estaciones de Santo Domingo, Pueblo Llano, Páramo El
Molino y El Perol. Se realizó el estudio completo en cada una de ellas para
de esta manera aumentar el tamaño de la muestra.
92
En primer caso se pensó que podría influir el número de registros, es
decir, el número de años con datos de precipitación de cada estación, por lo
cual en la Tabla 25 se presentan los resultados correspondientes.
Tabla 25 Distribución que ajusta a cada estación, ordenada según el

número de años de registro
Número
Estación Gumbel Weibull Frechet
de datos
San Juan de
7
Lagunillas
La Punta 7
Jají 7
Pueblo llano 7
El perol 7
Mérida 8
Santo domingo 14
Páramo el Molino 14
Páramo la Culata 14
Mucurubá 15
Valle Grande 15
Mesa de Ejido 16
Páramo Pico el Águila 24
Páramo de Mucuchíes 26
Haciendo una revisión visual de estos resultados, y bajo el
conocimiento de que quizás el número de estaciones no es suficiente para
establecer alguna conclusión, se puede decir que, aparentemente, no existe
correlación entre el número de años de registro y el dominio de atracción.
93
Como una segunda opción, probablemente más sensata, se intentó
establecer una relación con la altitud de cada estación. En la Tabla 26 se
presentan los correspondientes resultados.
Tabla 26. Distribución que ajusta a cada estación, ordenada según su

altitud
Altitud
Estación Gumbel Weibull Frechet
(m.s.n.m)
San Juan de
1050
Lagunillas
La Punta 1323
Mesa de Ejido 1520
Mérida 1623
Jají 1827
Santo Domingo 2155
Pueblo Llano 2230
Mucurubá 2320
Valle Grande 2515
Páramo el Molino 2750
El Perol 2760
Páramo la Culata 2920
Páramo de Mucuchíes 3685
Páramo Pico el Águila 4120
En este caso, y por supuesto sin olvidar que es producto de un
análisis visual y con las estaciones ya mostradas, si existe, aparentemente,
cierta correlación entre la altura a la cual se encuentra la estación en la que
se realizó la medición de las precipitaciones, que para el estudio de ríos de
94
alta montaña varía considerablemente, y la distribución para valores
máximos de precipitación. Hecho que podemos apreciar en la Tabla 26, en
donde se observa que, para estaciones con altitudes comprendidas entre los
1000 m.s.n.m y 2000 m.s.n.m, la distribución que ajusta es la de Gumbel,
mientras que para estaciones con altitudes mayores a los 2500 m.s.n.m se
encontró que la distribución que ajusta es la de Weibull, dejando quizás
cierta ambigüedad para la distribución de Frechet la cual se encuentra
ubicada entre altitudes de los 2000 m.s.n.m a los 3000 m.s.n.m.
En cualquier caso, de existir dicha correlación, para este estudio es
necesario tan solo el conocimiento de que existen estas tres distribuciones
límites y que en los ríos de alta montaña se pueden presentar cualquiera de
ellas, como ocurrió, en nuestro caso particular, en la cuenca del río Chama.
4.3 Definición de Parámetros
Una vez establecido el dominio de atracción, el siguiente paso es
estimar los parámetros de la distribución. Puesto que se tienen tres
distribuciones a estudiar en forma conjunta y como el objetivo de este trabajo
es el desarrollo de una metodología estándar para la estimación de caudales
máximos en ríos de alta montaña, sólo se utilizó el método grafico que, es
importante añadir, es el único aplicable en los tres casos y el de más fácil
desarrollo para el usuario final de la metodología. Sin embargo, como todo
método gráfico no resulta siempre ser el más exacto.
95
4.3.1 Método Gráfico para la estimación de parámetros de la
distribución de Gumbel
Puesto que se trata de la distribución de Gumbel, será necesario
estimar el parámetro de localización, λ, y el de escala, δ. Los parámetros se
pueden obtener ajustando, de diversas formas, una línea recta a los valores
graficados en papel de probabilidad. El ajuste se puede hacer, simplemente,
por mínimos cuadrados o minimizando la relación dada por la ecuación:
⎛ pi − F (x(i );θ ) ⎞
2
n
G2 = ∑ ⎜⎜ ⎟⎟ (4.13)
i =k ⎝ 1 − pi ⎠
En este caso,
2
⎛ ⎛ x −λ ⎞
− ⎜⎜ i ⎟⎟ ⎞
⎜ pi − e ⎝ δ ⎠
n − e ⎟
G2 = ∑ ⎜ ⎟ (4.14)
i=k ⎜ 1 − pi ⎟
⎝ ⎠
En la Figura 4 se presenta el ajuste gráfico correspondiente para la
estación de Mucurubá. Allí se puede observar que, para η = 0, λ es igual a
27,54 y que para η = 1, λ + δ es igual a 35,94, lo que hace que δ sea igual a
8,4.
96
2.5
η y = 0.119x - 3.227
2
1.5
0.5
0
0 10 20 30 40 50
-0.5
-1
-1.5
λ=27,54 λ+δ=35,94
Precipitacion Maxima anual (mm)
Figura 4. Ajuste por Mínimos Cuadrados para la estación de Mucurubá
Una vez que se tienen los parámetros se pueden definir los valores de
diseño, correspondientes a un período de retorno dado. Así, ya que la
función de distribución de Gumbel es:

-(x − λ)
G M (x ) = P( X ≤ x ) = e −e δ
(4.15)
el período de retorno se puede expresar como:

⎛ x−λ ⎞
1 − ⎜⎜ ⎟⎟
= P( X ≥ x ) = 1 − e − e
⎝ δ ⎠
(4.16)
Tr
y, por lo tanto, el valor de diseño está dado por la relación:
⎡ ⎛ 1 ⎞⎤
x = λ − δ ln ⎢− ln⎜⎜1 − ⎟⎟⎥ (4.17)
⎣ ⎝ Tr ⎠⎦
97
En la Tabla 27 se presentan los valores de diseño, para distintos
períodos de retorno

retorno. Estación Mucurubá
Valores de Diseño
Precipitación de Diseño (mm)
Tr Método Gráfico
1,2 23
5 40
25 54
50 60
100 66
500 80
1000 86
Repitiendo el procedimiento gráfico antes mostrado para el resto de
las estaciones en las cuales la distribución límite resultó ser Gumbel, se
obtuvieron los parámetros λ y δ para cada caso. Los resultados se presentan
en la Tabla 28.
Luego que se tienen los parámetros para cada estación se procedió al
cálculo de los valores de diseño, correspondientes a un período de retorno
dado, al igual que en la estación Mucurubá, obteniendo los valores
reseñados en la Tabla 29.
La representación en papel de probabilidad de Gumbel y el ajuste por
la distribución de Gumbel se incorporan en el Anexo 2.
98
Tabla 28. Parámetros de las estaciones cuya distribución límite es

Gumbel
Estación λ λ+δ δ
San Juan de Lagunillas 41,13 53,78 12,66
La Punta 30,66 49,53 18,87
Mesa de Ejido 35,51 54,38 18,87
Mérida 47,39 61,67 14,29
Jají 39,26 61,00 21,74
Mucurubá 27,54 35,94 8,40
Tabla 29. Valores de precipitación de diseño para distintos períodos de

retorno en estaciones cuya distribución límite es Gumbel
Valores de Diseño
Estación
Tr San Juan
Mesa de
Mucurubá de La Punta Mérida Jají
Ejido
Lagunillas
1,2 23 34 20 25 39 27
5 40 60 59 64 69 72
25 54 82 91 96 93 109
50 60 91 104 109 103 124
100 66 99 117 122 113 139
500 80 120 148 153 136 174
1000 86 129 161 166 146 189
99
distribución de Weibull
En este caso, el hecho de que la distribución de Weibull sea una
distribución con tres parámetros (λ, β y δ) complica considerablemente su
definición. No queda otra opción que suponer un valor de λ y llevar los datos
al papel de probabilidad respectivo hasta lograr un ajuste lineal.
La función de distribución de Weibull, para valores máximos, es:
⎛ λ-x ⎞ β
−⎜ ⎟
F ( x; λ, β,δ ) = e ⎝ δ ⎠
(4.18)
donde:
β
⎛ λ-x ⎞
−⎜ ⎟
y=e ⎝ δ ⎠
(4.19)
Tomando logaritmos dos veces consecutivas y multiplicando por – 1, se tiene
que:
⎛ λ-x ⎞
− ln[− ln ( y )] = − β ln⎜ ⎟ = − β ln ( λ-x ) + β ln δ (4.20)
⎝ δ ⎠
Por lo tanto:
⎧η = h(y) = − ln[− ln( y )]

⎨ (4.21)
⎩ξ = g(x) = − ln(λ-x)
El siguiente paso consiste en suponer un valor inicial de λ. Para ello
existen algunas aproximaciones hechas por algunos autores, como son las
expresiones de Dubey (Flórez, 2007), sin embargo, en nuestro caso vamos a
prescindir del uso de dichas ecuaciones, limitándonos a maximizar el
100
coeficiente de determinación. Por lo tanto, sólo es necesario escoger un valor
arbitrario, siempre y cuando sea mayor que el máximo del conjunto de datos,
ya que, de no ser así habría indeterminación en las expresiones de logaritmo
antes señaladas. En consecuencia, y ya que en el caso de la estación
Páramo de Mucuchíes el valor máximo de precipitación de los años de
registro (1952-1977) resulta ser de 31 mm, se tomará un valor inicial de λ de
32.
Se ajustó una línea recta por mínimos cuadrados, obteniéndose los
resultados que se incluyen en la Tabla 30. En la Figura 5 se incluye la
correspondiente representación gráfica.
Tabla 30. Parámetros de Weibull y coeficiente de determinación para

λ=32. Estación Páramo de Mucuchíes
Ajustes por Mínimos Cuadrados

λ β β lnδ Coeficiente de Determinación, r2
32 1,634 4,328 0,811
101
5
y = 1.634x + 4.328
4
η
λ = 32
3
-1
-2
-4 -3 -2 -1 0 1
ξ
Figura 5. Representación gráfica en papel de Weibull para λ=32
donde el coeficiente de determinación se calculó según la expresión:

n
∑ ( yˆ − y)
2
i
r2 = 1− i =1
(4.22)
∑ (y )
n
2
i −y
i =1
siendo yi el valor de probabilidad modificada, es decir η, y el valor medio
correspondiente y ŷ el valor estimado mediante la ecuación obtenida por
mínimos cuadrados.
Partiendo de este valor de λ se maximizó el coeficiente de determinación.
Así, para λ = 36,05 se obtuvo el máximo valor del coeficiente de
102
determinación: r2 = 0,877 (r = 0,937). En la Figura 6 se presenta la ecuación
correspondiente, que es:
η = 2 ,840 ξ + 8 ,189 (4.23)
9
8
η 7
y = 2.840x + 8.189
6
5
λ = 36,05
4
3
2
1
0
-1
-2
-4 -3 -2 -1 0 1
ξ
Figura 6. Representación gráfica en papel de Weibull para λ=36,05
El parámetro de forma, β es directamente igual a 2,84, aunque
también puede obtenerse haciendo η = 1. En cuanto al parámetro de escala,
δ, se puede obtener del término independiente β ln δ = 8,189, y despejando,
se tiene que δ = 17,876 o de otra manera, haciendo para η = 0, el gráfico
indica que ξ es igual a –2,883, y por lo tanto:
δ = e −ξ = e +2 ,883 = 17,876 (4.24)
103
Una vez que se tienen los parámetros se pueden definir los valores de
diseño, correspondientes a un período de retorno dado. Así, ya que la
función de distribución de Weibull es:
⎛ λ-x ⎞ β
−⎜ ⎟
G M ( x ) = P( X ≤ x ) = e ⎝ δ ⎠
(4.25)
el período de retorno se puede expresar como:
⎛ λ-x ⎞ β
1 −⎜ ⎟
= P( X ≥ x ) = 1 − e ⎝ δ ⎠
(4.26)
Tr
y, por lo tanto, el valor de diseño está dado por la relación:

⎡ ⎛ 1 ⎞⎤
ln ⎢ − ln ⎜⎜ 1− ⎟
⎟⎥
⎣⎢ ⎝ Tr ⎠ ⎥⎦
x = λ −δe β
(4.27)
En la Tabla 31 se presentan los valores de diseño, para distintos
períodos de retorno.
Repitiendo el procedimiento gráfico antes mostrado para el resto de
las estaciones en las cuales la distribución límite resultó ser Weibull, se
obtuvieron los parámetros λ, β y δ. En la Tabla 32 se presentan los
resultados correspondientes.
104

retorno. Estación Páramo de Mucuchíes
Valores de Diseño
Tr Método Gráfico
1,2 14
5 26
25 30
50 32
100 33
500 34
1000 35
Tabla 32. Parámetros de las estaciones cuya distribución límite es la de

Weibull
Estación λ β δ
Valle Grande 72,62 2,081 26,237
Páramo de Mucuchíes 36,05 2,840 17,876
Páramo Pico el Águila 40,65 3,763 24,263
Luego que se tienen los parámetros para cada estación se procedió al
cálculo de los valores de diseño, correspondientes a un período de retorno
dado, obteniendo los valores reseñados en la Tabla 33.
105

retorno de las estaciones cuya distribución límite es Weibull
Valores de Diseño
Estación
Tr Páramo
Valle Páramo de
Pico el
Grande Mucuchíes
Águila
1,2 38 14 12
5 60 26 24
25 67 30 30
50 69 32 32
100 70 33 35
500 71 34 36
1000 72 35 37
distribución de Frechet
En este caso, de igual manera que en la distribución de Weibull la
distribución de Frechet es una distribución con tres parámetros (λ, β y δ) lo
que complica considerablemente su definición. No queda otra opción que
suponer un valor de λ y llevar los datos al papel de probabilidad respectivo
hasta lograr un ajuste lineal.
La función de distribución de Frechet, para valores máximos, es:
⎛ δ ⎞β
−⎜ ⎟
F ( x; λ, β,δ ) = e ⎝ λ-x ⎠
(4.28)
106
donde:
β
⎛ δ ⎞
−⎜ ⎟
y=e ⎝ λ-x ⎠
(4.29)
Tomando logaritmos dos veces consecutivas y multiplicando por – 1, se
tiene que:
⎛ δ ⎞
- ln[− ln ( y )] = − β ln ⎜ ⎟ = β ln ( λ-x ) − β ln δ (4.30)
⎝ λ-x ⎠
Por lo tanto:
⎧η = h(y) = − ln[− ln( y )]

⎨ (4.31)
⎩ξ = g(x) = ln(λ-x)
El siguiente paso consiste en suponer un valor inicial de λ. En este
caso no hay expresiones que permitan estimar el valor inicial de tanteo. Se
procedió a seleccionar, de manera arbitraria, un primer valor, siempre y
cuando sea mayor que el valor máximo del conjunto de datos para no causar
indeterminación en las expresiones de logaritmo antes señaladas. En la
estación Páramo La Culata el valor máximo de precipitación de los años de
registro (1952-1977) resulta ser de 49 mm, por lo cual se supone que el
mismo toma el valor inicial, λ = 50.
Se ajustó una línea recta por mínimos cuadrados, obteniéndose los
resultados que se incluyen en la Tabla 34 y en la Figura 7:
107
Tabla 34. Parámetros de Frechet y coeficiente de determinación para

λ = 50. Estación Páramo La Culata
Ajustes por Mínimos Cuadrados

λ β β lnδ Coeficiente de Determinación, r2
50 0,971 3,193 0,577
3.5
3
η 2.5 λ = 50
2
1.5
1
0.5
0
y = -0.971x + 3.193
-0.5
-1
-1.5
0 1 2 3 4
ξ
Figura 7. Representación gráfica en papel de Frechet para λ = 50
Partiendo de este valor de λ se maximizó el coeficiente de
determinación. Así, para r2 = 0,870 (r = 0,933), se obtuvo por mínimos
cuadrados la siguiente expresión
η = −6 x10 6 ξ + 1x10 8 (4.32)
La correspondiente representación gráfica en la Figura 8.
108
3
λ = 20955185,96
2.5
η
2 y = -6E+06x + 1E+08
1.5
1
0.5
0
16.85789 16.85789 16.85789 16.85789 16.85789
-0.5
-1
-1.5
Figura 8. Representación gráfica en papel de Frechet para
λ=20955185,96
Como se puede apreciar, al maximizar el coeficiente de determinación,
el valor del parámetro de localización λ, resulta excesivamente elevado. Esto
podría indicar falta de convergencia en la distribución de Frechet. De allí que
resulte imposible obtener una precipitación de diseño para esta estación.
109
5. Estimación del caudal
Con el análisis hidrológico se pretende determinar los caudales pico
asociados a algún período de retorno para la cuenca en estudio. Para la
determinación de estos valores se siguieron los procedimientos estudiados
en el capítulo 2, resumidos a continuación.
Los métodos empleados son: el método racional, el método del
Servicio de Conservación de Suelos de los EE. UU., la ecuación de Holtan y
Overton y una fórmula empírica desarrollada por Burkli y Ziegler, siendo
todos estos métodos similares en cuanto a las variables que intervienen en
su desarrollo. Dichos métodos permitieron obtener el caudal pico asociado a
un período de retorno de 100 años.
En el desarrollo del presente trabajo se han encontrado todos los
parámetros y características de la cuenca del río Chama, como son:
• Área de drenaje.
• Usos de la tierra.
• Tiempo de concentración.
• Precipitación de diseño para 6 horas y un período de retorno igual a
100 años.
Todas ellas necesarias encontrar la estimación del caudal pico por los
métodos ya antes mencionados.
110
5.1 Estimación del caudal pico mediante el uso del método
racional
Así, para obtener el caudal máximo esperado para un período de retorno
de 100 años en la cuenca del río Chama, se necesitan las siguientes
características:
• Área de drenaje = 116946,92 Ha
• Usos de la tierra y coeficientes de escorrentía, obtenidos de la Tabla 2.
Se intentó tomar en consideración la relación entre la condición
hidrológica y la permeabilidad del suelo, señalada en el capítulo 2,
estableciendo que si un suelo posee condición hidrológica buena se
puede suponer que será permeable. De forma análoga, si un suelo posee
condición hidrológica regular se puede suponer que el mismo será
semipermeable y, finalmente, si un suelo posee condición hidrológica
mala se puede suponer que el mismo será impermeable, esto debido a la
relación entre la cobertura vegetal y la permeabilidad del suelo.
Usos de la tierra % C
Bosque - Condición Hidrológica: Buena 4,28 0,10
Bosque - Condición Hidrológica: Mala 31,99 0,40
Pastos de Pastoreo - Condición Hidrológica: Buena 37,62 0,20
Pastos de Pastoreo - Condición Hidrológica: Regular 5,26 0,40
Cultivo en hileras - Condición hidrológica: Buena 2,82 0,25
Pavimentos 3,48 0,65
Rastrojos 14,55 0,55
111
Así,
C = 0,0428*0,10 + 0,3199*0,40 + 0,3762*0,20 + 0,0526*0,40 + 0,0282*0,25 +
+0,0348*0,65 + 0,1455*0,55 = 0,34
• Tiempo de concentración = 6,5 hrs.
• Para el cálculo de la intensidad, se realizó un promedio aritmético de las
precipitaciones de diseño de las estaciones en estudio, el cual arrojó un
valor de 109 mm.
Así,
precipitación de diseño para 6 horas con Tr 100 años 109

Intensidad 18 mm/hr
6 horas 6
Se obtuvo que el caudal máximo es:
Q P 2,78*0,34*18*116946,92 1989688,12 lps
112
5.2 Estimación del caudal pico mediante el uso del método del
Servicio de Conservación de Suelos de los EE. UU. (SCS).
Para este método se necesita la siguiente información:
• De manera de ir del lado de la seguridad se supuso un suelo Tipo C,
impermeable y además que la humedad antecedente es CHA III, es decir,
húmeda.
• Usos de la tierra y el valor del CN obtenido de las Tablas 4 y 7.
Usos de la tierra % CN-CHAII
Bosque - Condición Hidrológica: Buena 4,28 77
Bosque - Condición Hidrológica: Mala 31,99 83
Pastos de Pastoreo - Condición Hidrológica: Buena 37,62 80
Pastos de Pastoreo - Condición Hidrológica: Regular 5,26 84
Cultivo en hileras - Condición hidrológica: Buena 2,82 89
Pavimentos 3,48 92
Rastrojos 14,55 94
Así,
CN-CHAII ponderado = 84
Por lo tanto, CN-CHAIII = 93
• Cálculo de SP
25400
254 19,12
93
113
• Para el cálculo de la precipitación, se realizó un promedio aritmético de
las precipitaciones de diseño de las estaciones en estudio, el cual arrojó
el valor de 109 mm.
• Cálculo de QE
109 0,2 19,12

89,00
109 0,8 19,12
1,91 89 116946,92
3058431,8
6,5
114
5.3 Estimación del caudal pico mediante el uso de la ecuación de
Holtan y Overton de 1963
En este caso, los parámetros a emplear son:
• Con el propósito de ser conservadores se supuso un suelo Tipo C,
impermeable y además que la humedad antecedente es CHA III, es decir,
que el evento se produce en plena época de lluvias.
• Usos de la tierra y el valor del CN obtenido de la Tablas 4 y 7.
Usos de la tierra % CN-CHAII
Bosque - Condición Hidrológica: Buena 4,28 77
Bosque - Condición Hidrológica: Mala 31,99 83
Pastos de Pastoreo - Condición Hidrológica: Buena 37,62 80
Pastos de Pastoreo - Condición Hidrológica: Regular 5,26 84
Cultivo en hileras - Condición hidrológica: Buena 2,82 89
Pavimentos 3,48 92
Rastrojos 14,55 94
Así,
CN-CHAII ponderado = 84
Por lo tanto, CN-CHAIII = 93
115
• Cálculo de SP
25400
254 19,12
93
• Para el cálculo de la precipitación, se realizó un promedio aritmético de
las precipitaciones de diseño de las estaciones en estudio, el cual arrojó
el valor de 109 mm.
• Cálculo de QE
109 0,2 19,12

89,00
109 0,8 19,12
2,78 89 116946,92
4046854,1
6,5 1,1
116
5.4 Estimación del caudal pico mediante el uso de las fórmulas
empíricas
Se decidió emplear la fórmula de Burkli – Ziegler porque es la única que
toma en consideración el valor de la precipitación. Las características a
emplear son:
• Pendiente media del cauce principal = 4%
precipitación de diseño para 6 horas con Tr 100 años
• Intensidad 18 mm/hr
6 horas 6
-Fórmula de Burkli- Ziegler
40
0,022 116946,92 18 0,275 4723,49042
116946,92
4723490,42
En la Tabla 35 se presenta el resumen de los caudales máximos obtenidos.
Tabla 35. Resumen de caudales máximos obtenidos
Metodología Q Máximo (lps) Q Máximo (m3/s)

Método Racional 1989688,12 1989,69
SCS 3058431,8 3058,43
Holtan y Overton 4046854,1 4046,85
Burkli- Ziegler 4723490,42 4723,49
117
6. Metodología de cálculo
En este capítulo se presenta un procedimiento de cálculo para el análisis
completo en la estimación de caudales pico para ríos de alta montaña
cuando hay escasez de información hidrológica. Dicho análisis comprende
las siguientes etapas:
- Estudio detallado de las principales características de la cuenca del río en
el cual se desea estimar el caudal.
- Representación en papel de probabilidad de Gumbel.
- Determinación del dominio de atracción.
- Estimación de parámetros.
- Definición de valores de diseño.
- Cálculo del caudal pico.
6.1 Estudio detallado de las principales características de la
cuenca.
Cuando se requiere estimar el caudal máximo asociado a una
determinada cuenca, es necesario que al menos se disponga de registros
hidrológicos de precipitaciones de longitud suficiente y de una fuente
confiable.
6.1.1 Principales aspectos físico – naturales del área en estudio
El siguiente paso es la búsqueda de un conocimiento lo más amplio
posible de la cuenca en estudio. Para ello se recomienda que, con ayuda de
118
las herramientas tecnológicas como el uso de imágenes satelitales y
sistemas de información geográfica y sin olvidar las ventajas de una visita
presencial al sitio, se proceda a estimar los principales aspectos físico-
naturales como uso del agua, geología y geomorfología, hidrografía, clima,
precipitación, cobertura vegetal, entre otros. Todos estos factores son de vital
importancia, quizás no al momento del cálculo del caudal pico de la cuenca,
pero si establecen un criterio de aproximación sobre los posibles resultados
del estudio.
6.1.2 Datos de la Cuenca en Estudio
En este punto es importante estimar las dimensiones y características
de la cuenca. Las más importantes son el área y el perfil longitudinal del río,
siendo las demás de carácter informativo sobre la conformación de la cuenca
para el estudio.
En relación con sus características es de vital importancia el cálculo
de la pendiente media del río mediante la ayuda de su perfil longitudinal.
6.1.3 Usos de la tierra
Siguiendo con el respaldo de las fotos satelitales se debe proceder a
la sectorización, clasificación y cuantificación de los diferentes usos de la
tierra contenidos en el perímetro de la cuenca así como su correspondiente
condición hidrológica. Siguiendo para ello la clasificación propuesta por el
Servicio de Conservación de los Suelos de los EE. UU. de 1972 mostrada en
Tabla 4. Se recomienda esta clasificación debido a que los métodos de
estimación de caudal pico hacen uso de ella.
119
6.1.4 Tiempo de concentración
Para el cálculo de este factor existen varias expresiones, como son:
Fórmula de Kirpich de 1940, Fórmula de Culverts de 1942, Fórmula de
Izzard de 1946, Fórmula de la Federal Aviation Administration de 1970,
Ecuaciones de la onda cinemática: Morgali y Linsley de 1965 y Aron y
Erborge de 1973, Ecuación de Retardo SCS de 1973, Fórmula de Kirpich,
Fórmula de Hathaway y Fórmula de George Rivero.
Se recomienda utilizar aquéllas en las que se tiene la información
necesaria, y después, en base al criterio y conocimiento de la cuenca
obtenido mediante el estudio realizado en los puntos 6.1.1 y 6.1.2 escoger el
valor que mejor se ajuste al caso de la cuenca en particular.
6.2 Representación en Papel de Probabilidad de Gumbel
El primer paso en el análisis es su representación en papel de
probabilidad de Gumbel. La curvatura señalada es una indicación de cuál
podría ser el dominio de atracción de la distribución de la cual proviene la
muestra. Los pasos a seguir son:
- Ordenar los datos de la muestra en orden ascendente, es decir, de
menor a mayor.
- Calcular la correspondiente probabilidad empírica. Para ello, se
recomienda el empleo de la fórmula de Weibull:
m
pE = (6.1)
n +1 Para m = 1, 2, 3,…, n
120
donde n es el número total de datos de la muestra (El número total de
registro de precipitaciones máximas) y m el número de datos menores o
iguales presente en la muestra.
- Calcular la probabilidad reducida, es decir, hacer la transformación
necesaria para llevar a una línea recta los valores de probabilidad de
Gumbel.
η = − ln(− ln( pE )) (6.2)
- Representar los valores de probabilidad reducida, η, en el eje de las
ordenadas y los de la variable analizada (precipitación) en el eje de las
abscisas.
La forma de la curva, señaladas en la Figura 9, indica cuál puede ser el
dominio de atracción.
4. Si la curva es cóncava, la muestra pertenece a una distribución cuyo
dominio de atracción, para máximos, es la distribución de Weibull.
5. Si los puntos se ajustan a una línea recta, el dominio de atracción
6. Si los puntos sugieren la presencia de una curva convexa, el dominio
de atracción corresponde a la distribución de Frechet.
121
Papel de Probabilidad de Gumbel

4
(Valores Máximos)
η
3
Frechet
2
1
Gumbel Weibull
0
-1
-2
Precipitación Máxima anual
Figura 9. Dominio de Atracción para Valores Máximos
Aunque en algunos casos la curvatura está claramente definida, la
decisión será siempre subjetiva si se realiza mediante simple inspección
visual. Por lo tanto, es necesario aplicar otro método más objetivo cuando se
quiere definir el dominio de atracción.
6.3 Definición del Dominio de Atracción
Así, el procedimiento para definir el dominio de atracción es el siguiente:
- Se realiza el ajuste, de los n datos seleccionados, a una ecuación de
segundo grado, mediante la técnica de mínimos cuadrados:
η = a0 + a1 x + a 2 x 2 (6.3)
obteniéndose los valores de los coeficientes a0, a1 y en especial a2.
122
- Se verifica si el ajuste existe, mediante el uso de la prueba de hipótesis y
la distribución F, obteniendo el estadístico de prueba observado, de la
forma siguiente:
SS R /K
F0 =
SS E / (n − p i ) (6.4)
donde k es el número de grados de libertad del modelo de regresión (2 en
este caso) y (n – pi) define los grados de libertad del error (n, número de
datos y pi, número de coeficientes a estimar). Este parámetro se ajusta a
una distribución F con k grados de libertad en el numerador y (n – pi)
grados de libertad en el denominador.
SSE es la suma de los cuadrados de los errores,
n
SS E = ∑ ( y i − yˆ i )
2
(6.5)
i =1
y SSR es la suma de cuadrados de la regresión,
⎡ n 2 1 ⎛ n ⎞2 ⎤
SS R = S yy − SS E = ⎢∑ yi − ⎜ ∑ yi ⎟ ⎥ − SS E (6.6)
⎢⎣ i =1 n ⎝ i =1 ⎠ ⎥⎦
Si F0 > fα,k,n-p ; se rechaza H0, luego existe el ajuste, lo que significa que al
menos uno de los coeficientes es distinto de cero a0 ≠ a1 ≠ a2 ≠ 0.
- Se calculan los límites del intervalo de confianza, según la relación.
aˆ j − t α/ 2 ,n −3 σˆ 2 C jj ≤ a j ≤ aˆ j + t α/ 2 ,n −3 σˆ 2 C jj (6.7)
donde, σ̂ 2 es el estimador insesgado de la varianza del modelo:
SS E
σˆ 2 = (6.8)
n−3
123
[ ]
y Cjj es el j-ésimo elemento de la diagonal de la matriz [X ]T [X ] , siendo [X ]
−1
la matriz de datos de precipitación:
1 X1 X 12
1 X2 X 22
[X]= 1
.......... X3 X 32
..........
..........
1 Xn-1 Xn-12
1 Xn X n2
El estadístico tα/2,n-3 sigue una distribución “t” de Student con n – 3 grados
de libertad.
En ingeniería, la probabilidad de cometer un error Tipo I, es decir, la
probabilidad de rechazar la hipótesis nula cuando ésta es verdadera, α, se
suele tomar igual a 0,05. O dicho de otra manera, se suele trabajar con
intervalos que corresponden a un 95 % de confianza.
El signo del coeficiente del término de segundo grado, a2, determina el
tipo de curvatura que presenta la línea de ajuste. Así, si a2 es mayor que
cero, la segunda derivada es positiva y la línea es cóncava. Si a2 es menor
que cero, también lo es la segunda derivada y la línea es convexa. Si a2 es
igual a cero, el ajuste corresponde a una línea recta.
124
- Se verifica el signo de este coeficiente, mediante el uso de la prueba de
hipótesis y la distribución “t” de Student, obteniendo el estadístico de
prueba observado, de la forma siguiente:
a2
T0 = (6.9)
σˆ 2 C 22
donde σ̂ 2 es el estimador de la varianza del modelo,
SS E
σˆ 2 = (6.10)
n − pi
[
y C22 es el último elemento de la diagonal de la matriz X T X ]
−1
.
Si T0 < tα/2,n-p; no existe suficiente evidencia como para rechazar H0, lo que en
nuestro caso significa que no se puede rechazar la hipótesis de que el
coeficiente del término de segundo orden sea igual a cero, a2 = 0, por lo
tanto, se distribuye Gumbel. En caso contrario se tendría que chequear el
signo del coeficiente para así determinar su distribución. Cuestión que
también se puede resolver mediante el cálculo de los límites del intervalo de
confianza del coeficiente de segundo grado los cuales permiten establecer
cuál es el dominio de atracción, de acuerdo a los siguientes criterios:
- Si los límites del intervalo de confianza son ambos negativos, la curva es
convexa y el dominio de atracción corresponde a la distribución de
Frechet.
- Si los límites del intervalo de confianza son ambos positivos, la curva es
cóncava y el dominio de atracción corresponde a la distribución de
Weibull.
125
- Si los límites del intervalo de confianza incluyen el cero, la línea de mejor
ajuste es recta y el dominio de atracción corresponde a la distribución de
Gumbel.
6.4 Estimación de Parámetros
Para estimar los parámetros desafortunadamente el único
procedimiento que siempre se podrá emplear es el gráfico, que no es el más
adecuado, desde el punto de vista estadístico.
6.4.1 Distribución de Gumbel
Para el ajuste gráfico, el procedimiento es el siguiente:
- Se llevan los n datos seleccionados de la muestra a papel de probabilidad
de Gumbel. O lo que es lo mismo, se calculan los valores de probabilidad
reducida, η, en el eje de las ordenadas, mediante la expresión
η = h(y) = − ln (− ln y ) (6.11)
y en el eje de las abscisas los datos de precipitación máxima.
Una vez que se tiene el ajuste gráfico correspondiente, se tiene para η = 0,
el valor de λ y para η = 1, el valor λ + δ con lo cual se puede despejar δ.
126
6.4.2 Distribución de Weibull
Para el ajuste gráfico, el procedimiento es el siguiente:
- Se supone un valor de λ, en este caso este valor debe de ser
obligatoriamente mayor al máximo valor de precipitación que se tenga en
el registro.
de Weibull. O lo que es lo mismo, se calculan los valores de probabilidad
reducida, η, mediante la expresión
η = h(y) = − ln (− ln y ) (6.12)
y los valores de la variable reducida, ξ, según la ecuación,
ξ = g(x) = - ln( λ-x) (6.13)
- Se ajusta, por mínimos cuadrados, una recta a los datos así obtenidos y
se calcula el correspondiente coeficiente de determinación, r2:

n
∑ (ηˆ − η)
2
i
r2 = 1− i =1
n
(6.14)
∑ (η − η)
2
i
i =1
siendo η̂ el valor estimado mediante la ecuación de regresión.
- Se halla el valor de λ que maximiza el coeficiente de determinación.
- En el gráfico correspondiente al valor de λ que maximiza el coeficiente de
determinación, se hace η = 0 para obtener δ y η = 1 para hallar β.
127
6.4.3 Distribución de Frechet
Al igual que la distribución de Weibull, la de Frechet es una distribución de
tres parámetros. Para el ajuste gráfico, el procedimiento es el siguiente:
- Se supone un valor de λ, en este caso este valor debe de ser
obligatoriamente mayor al máximo valor de precipitación que se tenga en
el registro.
de Weibull. O lo que es lo mismo, se calculan los valores de probabilidad
reducida, η, mediante la expresión
η = h(y) = − ln (− ln y ) (6.15)
y los valores de la variable reducida, ξ, con la ecuación,
ξ = g(x) = ln( x − λ) (6.16)
- Se ajusta, por mínimos cuadrados, una recta a los datos así obtenidos y
se calcula el correspondiente coeficiente de determinación, r2:

n
∑ (ηˆ − η)
2
i
r2 = 1− i =1
n
(6.17)
∑ (η − η)
2
i
i =1
siendo η̂ el valor estimado mediante la ecuación de regresión.
- Se halla el valor de λ que maximiza el coeficiente de determinación.
- Del gráfico correspondiente al valor de λ que maximiza el coeficiente de
determinación, se obtienen los parámetros de escala y de forma. se hace
η = 0 para obtener δ y η = 1 para hallar β.
128
6.5 Estimación de los Valores de Diseño
Luego se pasa a calcular los valores de diseño. En este caso, los valores
de precipitación. De cualquier manera, el problema, una vez definida la
distribución límite y estimados los parámetros respectivos, es de fácil
solución: basta con calcular el valor de la variable correspondiente a una
cierta probabilidad de ocurrencia, es decir, a un período de retorno dado.
Consiste simplemente en igualar la función de distribución de probabilidad
que corresponda a esta probabilidad dada por el período de retorno, para
luego despejar el valor de la variable x, de la forma siguiente.
1
G M (x ) = P( X ≤ x ) =
Tr (6.18)
6.6 Estimación del caudal
El objetivo final, es el cálculo del caudal del río en estudio para aquel
período de retorno que se escogió, y haciendo uso de los parámetros
encontrados en los puntos previos, mediante el siguiente procedimiento:
- Estimación del caudal pico mediante el uso del método racional
- Estimación del caudal pico mediante el uso del método del Servicio de
Conservación de Suelos de los EE. UU.
- Estimación del caudal pico mediante el uso de la ecuación de Holtan y
Overton de 1963.
- Estimación del caudal pico mediante el uso de las fórmulas empíricas.
129
7. Conclusiones
Una vez realizada la revisión bibliográfica, se obtuvieron los caudales pico
para el río de montaña estudiado y se formuló una metodología estándar
para la estimación de caudales, con lo cual se lograron alcanzar los objetivos
planteados al comienzo de este trabajo.
- El producto de este proyecto es la metodología estándar de estimación de
caudales en ríos de alta montaña, cuando sólo se poseen precipitaciones
máximas.
- Dada la escasez de información hidrológica, como lo es en el caso de los
datos de caudal, debido a la falta de estaciones limnigráficas y
pluviográficas, el empleo de los métodos estadísticos es cada vez más
frecuente y necesario.
- La representación gráfica de los valores muestrales en papel de
probabilidad de Gumbel, con su correspondiente inspección visual
permite tener una idea de cuál puede ser la distribución límite, sin
embargo, siempre resulta importante apoyar dicha conclusión mediante
un análisis más objetivo, como lo es el método propuesto que plantea las
pruebas de hipótesis.
- Aunque en la teoría de valores extremos existe la posibilidad de que las
funciones de distribución sean Gumbel, Weibull o Frechet, en el caso
particular de estimación de valores de diseño en base a precipitaciones,
130
se espera que se ajusten a la distribución de Gumbel, la cual arrojó
valores de mayor coherencia que en el caso de Weibull, los cuales
tuvieron que ser descartados, y más aun en comparación con la de
Frechet la cual ni siquiera presento convergencia.
- Para establecer los parámetros, luego de seleccionado el dominio de
atracción, el método gráfico mediante el ajuste de mínimos cuadrados
resulta ser el más práctico y probablemente el de mayor uso en la
ingeniería de campo, sin embargo, no se puede considerar como el de
mayor validez estadística.
- Con las distribuciones de Weibull y Frechet se tenía el inconveniente al
momento de estimar sus parámetros, ya que eran distribuciones de tres
parámetros: de localización, λ, de escala, δ, y el de forma, β. Sin embargo
dado el alto poder de cómputo que existe en la actualidad y mediante el
uso de alguna herramienta computacional que permita resolver
problemas de optimización, se puede llegar a estimar dichos parámetros
sin mayor complejidad, siempre que converjan.
- La metodología propuesta está basada en la búsqueda de la precipitación
de diseño, a pesar de que algunas expresiones para el cálculo del caudal
trabajan con intensidades. Se escogió dicha variable debido a que en el
presente y en un futuro cercano es mucho más probable encontrar datos
de precipitación que de intensidad. De igual forma, en el caso de cuencas
grandes, como la desarrollada en nuestro estudio, se pierde la calidad de
131
los datos al realizar la división de la precipitación entre el tiempo de
concentración, en búsqueda de ese valor de intensidad.
- En oposición a lo que habitualmente se considera, el método racional es
el que proporciona un menor caudal de diseño (debido probablemente al
tamaño de la cuenca). El máximo caudal de diseño lo arroja la fórmula de
Burkli – Ziegler. Los valores medios los proporcionan la fórmula de Holtan
– Overton y el método del Servicio de Conservación de Suelos de los
EE. UU., siendo lógico que arrojen valores similares ya que los conceptos
utilizados son los mismos.
7.1 Recomendaciones
- Realizar un estudio con mayor detalle sobre la correlación entre la
distribución del dominio de atracción y la altura de las estaciones, o sobre
la naturaleza misma de los datos en estudio.
- Se acepta, en general, que los valores de precipitación máxima se
ajustan a una distribución Gumbel. Sería recomendable que se
confirmara por otros métodos el ajuste a distribuciones como Weibull y
Frechet.
- Todas las estimaciones estadísticas sobre caudales deben verse sólo
como métodos alternativos y provisionales, siempre teniendo en la mira la
construcción y adaptación de estaciones limnigráficas y pluviográficas, las
cuales en un futuro permitan trabajar con datos reales.
132
- En cuanto a la escogencia del valor de caudal de diseño se puede
recomendar:
a. Seguir un criterio conservador y escoger el mayor de todos ellos.
b. Limitarse al uso de las fórmulas basadas en un hidrograma triangular
(Método del Servicio de Conservación de Suelos y fórmula de Holtan –
Overton) que arrojan, en general, valores intermedios, seleccionando
el más conservador de los dos.
- Profundizar en el análisis de valores extremos utilizando otras
metodologías como, por ejemplo, la técnica de muestreo de muestras
(Bootstrap) que permiten evadir hasta cierto punto el problema de la
escasez de datos.
133
Referencias bibliográficas
Agencia de Cooperación Internacional del Japón (ACIJ). 1989. “Estudio
sobre el proyecto de conservación de la cuenca del río Chama”.
Castillo, E. 1988. “Extreme value theory in engineering”. Academic press, inc.
San Diego, California, U.S.A.
Chow, V.T., D.R. Maidment y I.W. Mays. 1994. “Hidrología Aplicada”.
McGraw Hill. Bogotá, Colombia.
Flórez I. 2007. “Teoría estadística de valores extremos: algunas aplicaciones
a la ingeniería civil”. Tesis de Maestría. Universidad de Los Andes.
Mérida, Venezuela.
Guilarte, R. J. 1970. “Estimación de aportes del río Uribante en el sitio de
presa La Blanquita”. Ministerio de Obras Públicas – División Hidrología.
Landaeta, Y. 2004. “Aplicación de los modelos: CAUDAL 3, HEC-HMS,
SMADA y métodos empíricos para la determinación de caudales
máximos. caso cuenca río La Pedregosa, Mérida, estado Mérida evento
máximo del 30-10-2001”. Proyecto de grado. Tutor: Prof. Yajaira
Ovalles de Cabezas. Universidad de Los Andes. Mérida, Venezuela.
Ministerio de Obras Públicas, Dirección General de Recursos Hidráulicos.
1972. “Estudio hidrológico del río Chama”. Venezuela.
Ministerio del Ambiente y de los Recursos Naturales Renovables. 1982.
“Estimación de la disponibilidad de agua superficial en la cuenca del río
Chama”. Venezuela.
134
Monsalve, G. 1995. “Hidrología en la ingeniería”. Escuela Colombiana de
Ingeniería. Bogotá, Colombia.
Rojas, R. M. 1983. “Hidrología de tierras agrícolas”. CIDIAT. Mérida,
Venezuela.
Rosales, C. A. 2002. “Validación de dos modelos de simulación hidrológica
de crecidas en la cuenca del río Chama hasta Ejido”. Proyecto de
grado. Tutor: Prof. Alex Barrios. Universidad de Los Andes. Mérida,
Venezuela.
Sociedad Venezolana de Ingeniería Hidráulica. 1962. “Ingeniería hidráulica”.
Mérida, Venezuela.
135
Anexos
Anexo 1 Clasificación hidrológica de los suelos. Para el Servicio de

Conservación de los Suelos de los EE. UU. (Rojas, 1983)
136
Anexos
Anexo 2 Representación en papel de probabilidad de Gumbel y ajuste por
Gumbel.
2.5
2
y = 0.079x - 3.249
η
1.5
0.5
0
0 20 40 60 80
-0.5
-1 λ=41,13 λ+δ= 53,78


Figura 10. Datos de precipitaciones máximas en papel de probabilidad
de Gumbel. Estación San Juan de Lagunillas
137
Anexos
2.5
2
η y = 0.046x - 1.806
1.5
0.5
0
0 20 40 60 80 100
-0.5
-1 λ+δ= 61,00
λ=39,26

de Gumbel. Estación Jají
2.5
2
η y = 0.053x - 1.625
1.5
0.5
0
0 20 40 60 80
-0.5
-1 λ+δ= 49,53
λ=30,66

de Gumbel. Estación La Punta
138
Anexos
2.5
2
η
1.5
y = 0.070x - 3.317
1
0.5
0
0 20 40 60 80
-0.5
-1
λ=47,39 λ+δ= 61,67

de Gumbel. Estación Mérida
3.5
3
η 2.5 y = 0.053x - 1.882
2
1.5
1
0.5
0
-0.5 0 20 40 60 80 100
-1
-1.5
λ=35,51 λ+δ=54,38

de Gumbel. Estación Mesa de Ejido
139
Anexos
3
2.5
η y = 0.119x - 3.227
2
1.5
1
0.5
0
-0.5 0 10 20 30 40 50
-1
-1.5
λ=27,54 λ+δ=35,94

de Gumbel. Estación Mucurubá
140

Nairouz Jean 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

Nairouz Jean PDF

Cargado por

Copyright:

Formatos disponibles

Trabajo de Grado

Presentado ante la ilustre UNIVERSIDAD DE LOS ANDES como requisito parcial

obtener el Título de INGENIERO DE SISTEMAS

ESTIMACIÓN DE CAUDALES EN RÍOS DE ALTA MONTAÑA

MEDIANTE TEORÍA ESTADÍSTICA DE VALORES

EXTREMOS. PLANTEAMIENTO DE UN MODELO

CASO: CUENCA DEL RÍO CHAMA

Br. Jean Pierre Nairouz

Tutora: Prof. Isabel Flórez López

Co-Tutor: Prof. Herbert Hoeger Zibauer

©2008 Universidad de Los Andes Mérida, Venezuela

Que a pesar de que lo tienes todo,

en cuanto atractivos naturales y materiales.

Posees algo aun más importante para mí,

Como lo es tu gente, en especial los seres que quiero,

Aun cuando con el uso de estas sencillas palabras, me siento reducido al

momento de expresar mi agradecimiento, les digo:

A Dios, por todo…

A la profesora Isabel Flórez, maestra, tutora, guía y critica, quien supo

de manera especial ayudarme a culminar tan importante meta...

A mis padres y hermanas, los cuales con sus palabras de aliento,

ayuda constante y paciencia infinita para conmigo, me acompañaron en este

A María Luisa López, que de manera persistente y oportuna me brindo

su ayuda en el desarrollo del trabajo, tanto de manera técnica, como al

momento de ofrecerme todo su cariño y apoyo en tan crucial momento…

Al profesor Eugenio Mora, profesor Herbert Hoeger y al geógrafo Nerio

Ramírez, que con su vasta experiencia y conocimientos en el área estudiada

supieron brindarme la mayor colaboración…

A la Universidad de Los Andes, por convertirse además del lugar

donde forme mi carrera, un hogar el cual nunca olvidare…

A la Escuela de Civil y a la Escuela de Sistemas, y a quienes

evidentemente las conforman, como son sus profesores, secretarias y todos

mis compañeros, que de alguna u otra manera me brindaron su apoyo…

A todos aquellos que no mencione, pero que de igual manera

impactaron de cualquier forma, en la generación de este escrito...

A Todos, Mil Gracias!!!

ESTIMACIÓN DE CAUDALES EN RÍOS DE ALTA MONTAÑA MEDIANTE TEORÍA

ESTADÍSTICA DE VALORES EXTREMOS. PLANTEAMIENTO DE UN MODELO ELEMENTAL

CASO: CUENCA DEL RÍO CHAMA

Tutora: Prof. Isabel Flórez López

Universidad de Los Andes. Facultad de ingeniería. Mérida, Venezuela

En este trabajo se propone un modelo de cálculo para la estimación

de caudales en ríos de alta montaña cuando existe escasez de información

hidrológica, con el objetivo de obtener una metodología estándar para la

obtención de dichos valores de caudal que pueden ser utilizados en múltiples

campos como son el diseño de obras civiles, manejo de emergencias y

control de crecidas, además del consumo humano, entre otros.

El procedimiento propuesto consta de las siguientes etapas:

• Estudio detallado de las principales características de la cuenca del río

Chama, que se utilizará como ejemplo.

• Cálculo de la probabilidad empírica.

• Representación en papel de probabilidad de Gumbel.

• Selección del dominio de atracción.

• Definición de los parámetros de la distribución límite.

• Cálculo del valor de diseño, utilizando para la realización del estudio

técnicas de información escasa.

• Definición del modelo elemental para la estimación del caudal.

Se hace un análisis comparativo de los resultados obtenidos, se

presentan conclusiones y recomendaciones.

Palabras Clave: Valores extremos, información escasa, estimación de

caudales, ríos de montaña.

Índice general Pág.

Índice General vii