INGENIERIA AGRICOLA

Simulación hidrológica

General
Las tendencias del modela miento en hidrología de-
penden del problema a tratar. En general, se describe A través de la historia. la prosperidad de las
cualquier subsistema del ciclo hidrológico como un naciones ha estado estrechamente ligada al
sistema y se representa en forma de modelo estocás- manejo del agua. ya sea para uso directo
tico o determinístico; en ambos casos se puede
realizar simulación en computador dependiendo del (consumo humano y/o animal). uso indirecto en
modelo propuesto. sistemas de riego. o como generador de energía.
Con relación al modelamiento estocástico se hace Los problemas asociados a la demanda y dispo-
énfasis en la búsqueda actual de modelos robustos
para el análisis de caudales anuales máximos. nibilidad de agua han generado cada día mayor
investigación en diferentes campos de la ciencia.
entre éstos la Hidrología.
En un sentido amplio. la hidrología es la ciencia
del comportamiento del agua bajo condiciones
CARLOS A. GONZALEZ M.
naturales .... vinculada con toda el agua sobre la
Ing. Agrícola, M. Sc. en hidrología
Profesor asistente tierra: su comportamiento. su distribución y
Departamento de Ingeniería Agrícola circulación: sus propiedades físicas y químicas y
sus efectos sobre el medio ambiente y la vida en
todas sus formas (Raudkivi. 1979).
Específicamente la hidrología se relaciona con el
movimiento del agua desde la precipitación hasta
su regreso al mar a través de los ríos. o a la
atmósfera por el proceso de evaporación. Trata
también con el movimiento del agua sobre la su-
perficie de la tierra. en forma laminar o en cana-
les: la infiltración y la retención en el suelo: su
movimiento dentro de éste en la zona saturada o
saturada y la relación agua-suelo-planta-atmós-
fera (Nash. 1984).
El ciclo hidrológico puede ser representado de
diferentes formas: una de éstas es como un
sistema (ver tigura 1) que permite un estudio
integral del fenómeno. Sin embargo. a pesar de
que esto es ideal. dada la complejidad del ciclo.
todavía no existe un análisis global del mismo.
La hidrología se relaciona generalmente con uno
o varios subsistemas del ciclo hidrológico. siendo
el más notorio el proceso Iluvia-escorrentía.
De acuerdo con Oooge J, (1973). un sobresalien-
te hidrólogo. un sistema es cualquier estructura.
aparato. esquema o procedimiento. real o abs-
tracto. que interrrelaciona en un determinado
tiempo de referencia. una entrada. causa o
estímulo de materia. energía o información y una
Ingeniería e Investigación 63
INGENIERIA AGRICOLA

__
.----_...L...:lIE:....._~
---,1 T
~ Precipitación Evapo-transpiración

Intercepción ,
o
ti)
ID
o
I Almacenamiento
1
,
X
ID
ID
"C
l superficial
c:
'0
'(3
s
'0.
........... ~ ... ,..
'(3 Infiltración
~
a..
Humedad suelo - ------ .....

Agua subterránea f- -----.....,

1
Escorrentía superficial ....,..
o
z
«
w
o
O
--~~tl Escorrentía subsuperficiall---~" Almacenamiento I--_J.~ Flujo en corrientes 1--_J..11
, , en canales , (ríos) ,
Escorrentía subterránea

1 1
I LITOSFERA 1--~ ~
FIGURA 1. Representación del ciclo hidrológico como un sistema.
(Tomado de Raudkivi. 1979)

salida, efecto o respuesta de información, energía MODELOS DETERMINISTICOS

o materia. Para describir un sistema hay que partir de ciertas
Cuando se trata de analizar en hidrología el suposiciones acerca de la naturaleza del mismo y
sistema de la cuenca hidrográfica =-subsisterna las leyes físicas que gobiernan su comportamien-
del ciclo hidrolóqico=- (ver figura 2), el problema to que, conjuntamente con la entrada (precipita-
que se presenta es tratar de predecir la salida de ron, contenido de humedad, etc.), tratan de
éste (escorrentía). Las figuras 3A y 38 muestran combinarse para producir la salida de éste (esco-
los elementos que conjuntamente la determinan. rrentía. variación del contenido de humedad,
Las complejidades surgidas de las leyes físicas y nivel freático. etc.).
la estructura del sistema estudiado son combina- Cuando esta relación entre entrada y salida del
das en el concepto de operación del sistema. sistema se trata de explicar en forma causal. es
Para hacer una representación del sistema que decir que en el proceso existe una entrada que
permita simular su comportamiento, el hidrólogo determina la salida del sistema como función del
se vale de modelos específicos, los cuales, dada tiempo, se dice que el sistema es determinístico.
su concepción, van a ser clasificados como En el estudio del modela miento de la cuenca
determinísticos o estocásticos. hidrográfica como un sistema, los modelos
64 Ingeniería e investigación
 INGENIERIA AGRICOLA

EVAPORACION PRECIPITACION

TAlmacenamiento
1
superficial

ESCORRENTIA
INFIL TRACION
DIRECTA
.J.. RED DE RIOS
(flujo superficial)
Almacenamiento ESCORRENTIA
del suelo ALMACENAMIENTOS TOTAL
(lagos - lagunas - etc.)
CAUDAL BAS
PERCOLACION
.¡
Almacenamiento
subterráneo

FIGURA 2. El sistema de la cuenca hidrográfica

(Tomado de O'DonneIl1984).

determinísticos han sido estudiados en dos produce la escorrentía) y la escorrentía fueran

formas generales (ver figura 4), suponiendo que adecuadamente definidas e identificables. La
el sistema es lineal o no lineal. Un sistema lineal es dificultad no estriba mucho en lo apropiado de la
caracterizado por las propiedades de proporcio- suposición sino en la dificultad de definir e
nalidad y superposición. Este sistema, a su vez, identificar las cantidades que son supuestamente
puede ser variable o no variable con el tiempo. relacionadas por el hidrograma unitario (Nash.
1984).
El hidrograma unitario (H.U) (Sherman, 1932),
una de las herramientas o modelos más útiles Este modelo se relacione con la entrada (lluvia de
para describir el proceso Iluvia-escorrentía a exceso) (X (t)), que convoluciona a través del H.U.
partir de la lluvia de exceso (entrada) que (h (t)) para producir una salida (y (t)) (escorrentía).
convoluciona a traves de la cuenca hidrográfica Estas tres entidades están directa y explicitamen-
para producir la escorrentía (salida). es un te relacionadas, pero no especifican en nin-
modelo lineal donde las propiedades de propor- gún momento la forma detallada del trabajo del
cionalidad y superposición se conservan, así sistema. En este caso ningún comportamiento
como la invariabilidad con el tiempo, es decir, la físico de la cuenca es involucrado. Este procedi-
respuesta de la cuenca (escorrentía) es la misma, miento es conocido como método de análisis, en
independiente del momento en que se produzca muchos casos nombrado como de caja negra
la precipitación. (black box approach).

El concepto de H.U sería más útil en hidrología Los métodos de síntesis, por otro lado, Intentan
aplicada si la precipitación de excesos (la que simular el trabajo interno del sistema, usando

IENTRADA i-----l..,
(INPUT) ...

DESCRIPCION
SALIDA (OUTPUT)
DEL SISTEMA

LEYES FISICAS
T DEL SISTEMA

FIGURA 3A. Factores que afectan la salida en un sistema. FIGURA 3B. El concepto de operación de un sistema.
(Tomado de Dooge J., 1973).
Ingeniería e Investigación 65
INGENIERIA AGRICOLA

INVESTIGACION
DELACUENCA
HIDROGRAFICA
COMO UN SISTEMA

I
I
SISTEMAS SISTEMAS
LINEALES NO LINEALES

I
I I
INVARIABLE VARIABLE
CON EL TIEMPO CON EL TIEMPO

I I
L
J
j
METODOS METODOS
DE ANALlSIS DE SINTESIS

FIGURA 4. Métodos de investigación de la cuenca hidrográfica como un sistema.

(Tomado de O'Donnell, 1984).

elementos estructurados, relaciones matemáti- 3. Formación de un modelo conceptual. Es en

cas que describen el proceso físico detallado y esta parte donde el investigador se debe
sus interconexiones de trabajo dentro de la proyectar sobre el fenómeno principal y las
cuenca hidrográfica (O'Donnell. 1984). Son co- relaciones que éste tenga con otras variables
nocidos como aproximación de caja de Pandora en forma cuantitativa.
(Pandora box approach). 4. Formular el modelo matemático basado en las
Tanto los métodos de conceptualización lineales funciones planteadas.
como no lineales, realizan aproximaciones de
5. Desarrollar algoritmos que sean lógicos etapa
análisis y síntesis (figura 4). Sin embargo, como por etapa, con el objetivo de solucionar el
señala O'Dorine!l (1984), la aproximación no
modelo matemático.
lineal de análisis (caja negra), tiene todavía poca
6. Chequeo del algoritmo realizando cálculos
aplicación debido, básicamente, a las dificultades
hipotéticos.
matemáticas que se enfrentan. Es por ello que el
modelamiento acerca del comportamiento del 7. La programación del mocero usando un
sistema en forma no lineal generalmente ha apropiado lenguaje (Fortran, Basic. Pascal,
seguido el proceso de síntesis. La forma general etc.) que será Introducido al computador.
de éste procedimiento se puede observar en la ~. E:stlmación de los parámetros necesarios del
figura 5. sistema, a partir de la disponibilidad de
En el proceso de síntesrs se requiere primero la información del sistema real, SI fuese necesa-
construcción de un mecanismo de simulación de rio realizar experimentos en forma indepen-
la cuenca y luego ajustarlo de tal forma que diente para obtenerlos.
proporcione una buena aproximación a los regis- 9. Hacer funcionar el programa para estar segu-
tros de entrada y salida que en un momento ros de que está libre de errores y de que- es
determinado se posean. consistente tanto en forma dimensional como
Vargas F. et al (1 988) señala n en forma clara las en su lógica interna.
etapas que tendría éste proceso de síntesis: 10. Probar la sensibilidad del modelo a la varia-
1. Colección y análisis de datos reales represen- ción de parámetros y factores, particularmen-
tativos de un tenómeno (subsistema) del que te aquellos que son un poco inciertos, muy
se está interesado dentro del sistema. variables o que están bajo nuestro control en
2. Definición del problema que debe ser analiza- la realidad.
do y obtenido a partir de un modelo de 11. Preparar y realizar ensayos pertinentes a la
simulación. simulación, orientados a la solución de pro-
66 Ingeniería e inve.tigaciÓn
 INGENIERIA AGRICOLA

EMPIECE

INFORMACION
SOBRE LA CUENCA
NECESARIA
PARA EL MODELO

EVAPORACION

CORRERLO
PRECIPITACION

_.L
í MODELO
CONCEPTUAL
I MODIFIQUE
I GENERAL SOBRE
EL MODELO
Y/O PARAMETROS
I

--r-
LA CUENCA
J INACEPTABLE

ESCORRENTIA ESCORRENTIA
CALCULADA REGISTRADA

ACEPTABLE

ACEPTABLE )---INACEPTABLE,...._--'

EL MODELO GENERAL
SE AJUSTA
A LA CUENCA
HIDROGRAFICA

FIGURA 5. Estrategia general de modela miento de la cuenca hidrográfica. (Tomado de O'Donnell, 1984).

blemas por los que el modelo fue establecido Stanford Watershed Model IV. en reiacrón con el
prioritariamente. proceso Iluvia-escorrentía. Para trabajar en el
12. Análisis de ios datos simulados y predichos modelamiento del subsistema del ciclo hidrológi-
del sistema reai bajo las diferentes premisas co agua-suelo-planta-atmósfera. uno de los más
en que se definió el problema. conocidos es el modelo SWATR (Soil Water and
Actual Transpiration Rate). realizado por Feddes
13. La variación o rechazo del modelo con base
et al (1978) y sus posteriores modificaciones.
en las comparaciones de los valores predichos
Belmans et al (1983). Feyen J. (1986).
con aquellos obtenidos del sistema real.
14. Modificación o desarrollo posterior del mo- MODELOS ESTOCASTICOS
delo. tanto como se juzgue necesario para Son aquellos en los cuales se produce una salida
corregir los defectos y mejorar su potencial que se desarrolla en el tiempo de una manera
predictivo. controlada por las leyes de probabilidad o chance
Dentro de estos modelos de síntesis se pueden (Cunnane. 1984).
enumerar. a manera de ejemplo. el modelo El hidrógrafo de un determinado río. en cualquier
Ingeniería e Investigación 67
INGENIERIA AGRICOLA

punto de éste puede ser considerado un proceso ¿QUE ES UN MODELO ROBUSTO?

estocástico cuando se observa en un período De acuerdo con Kuczera G. (1982), un modelo
prolongado. Sin embargo, si se examina la robusto es aquel que el analista usa confiable-
escorrentía en cualquier instante particular, se mente como una herramienta predictiva para su
podrían determinar sus causas físicas en termi- trabajo (en este caso, para predecir crecidas).
nas de la lluvia, evaporación y otros mecanismos Esta definición de robustez de un modelo es muy
de la cuenca. Este último proceso sería determi- superficial para ser útil. Por ello es necesario
nístico. Dentro de los modelos estocásticos de señalar la robustez de un modelo en una forma
escorrentía, los más conocidos son: modelamien- operacional mente útil; una forma natural de
to de caudales anuales máximos, caudales anua- hacer esto es caracterizar la robustez en términos
les mínimos, series de duración parcial y series de de sus propiedades. En el contexto de modela-
tiempo. miento de caudales anuales máximos parece
En adelante se prestará mayor atención al mode- razonable insistir en que un modelo robusto
lamiento de las series de caudales anuales posea al menos las siguientes propiedades:
máximos y la búsqueda de modelos robustos en
este contexto, mediante los métodos de simula- Resistencia
ción de Montecarlo. Un modelo resistente debe ser capaz de estimar
No es raro encontrar en el país daños causados eventos extremos, independientemente de cuál
por las crecidas de los ríos. El análisis de sea la distribución que mejor represente la
frecuencia de crecidas es, por tanto, de suma muestra a disposición, sin una pérdida desastro-
importancia para nuestro país. sa de su desempeño. Este desempeño está
indicado por algún criterio, tal como el error
Cuando se desea diseñar una presa, instalar una
cuádratico medio. Esto significa que las diferen-
termoeléctrica, construir un puente, etc., se
cias en el desempeño de las suposiciones de
requiere conocer el caudal máximo que podría
distribución entre los más favorables y los menos
producirse en un determinado período de tiempo.
favorables son en algún sentido minimizadas
En este análisis se supone que la serie de
(Kuczera G., 1982).
caudales anuales máximos es una muestra alea-
toria Idéntica e independientemente distribuida, Slacket al (1975), citados por Kuczera G. (1982),
la cual es usada para obtener Inferencias acerca en una investigación que buscaba un estimador
de la población de la que proviene. resistente, en ausencia de información acerca de
la distribución que genera la muestra de caudales
Generalmente se supone que esta muestra pro- máximos, encontraron que la distribución normal
viene de una determinada distribución (la distri- es preferible a las distribuciones Gumbel, Loga-
bución es un atributo de la población estadística); rítmica normal de 3 parámetros ya la distribución
sin embargo la pregunta que inmediatamente
Weibull.
surge es: ¿QUE DISTRIBUCION SE USA? Esta
pregunta es muy difícil de responder; si se realiza Eficiencia
una inspección somera sobre los modelos que se
han introducido para el análisis de crecidas, se La sola propiedad de resistencra es insuficiente
encuentran un gran número de éstos, entre los en un estimador. Este deberá tener también un
que se pueden mencionar: la distribución Normal, bajo error estándar (Kuczera., 1982).
Logarítmica normal. Pearson tipo 111, General de Generalmente la estrategia para la búsqueda de
valores extremos, etc. El problema se agrava ya un modelo robusto consiste en encontrar una
que para cada una de las distribuciones existen distribución con parámetros representativos del
diferentes métodos de estimación de parámetros; mundo real para utilizarla como aquella que
ello conlleva a que por cada distribución que se genera las muestras (Grand Parent), luego buscar
use con un método de estimación de parámetros estimados resistentes y explotar la rntorrnac.ón
determinado, la estimación final diferirá y gene- regional con el objetivo de mejorar la eücrencia
ralmente en forma ostensible, especialmente del modelo en forma puntual.
para aquellos pertodos de retorno de diseño
(100, 200, 1000 años). El proceso de simulación del modelo robusto se
puede llevar a cabo a nivel puntual y/o regional.
Algunos de los problemas que se encuentran en
la selección de la distribución a utilizar han sido Test de simulación para analizar la robustez a
señalados por González C. (1988). nivel puntual
Ante las dificultades Inherentes a la selección de 1. Seleccionar la distnbución madre (genera-
la distribución a utilizar, en los últimos años la dora de las muestras).
investigación se ha dirigido hacia la búsqueda de 2. Calcular los cuantiles verdaderos.
modelos robustos. O'r: los caudales con períodos de retorno que
68 Ingeniería e investigación
 INGENIERIA AGRICOLA

se vayan a evaluar. Por ejemplo: A A

010,. 020, 050, 0100, 0500, 01000 anos.

A QT - 1.96 Se (QT)
QT 0.05
Estos cuantiles son los verdaderos. QT
A A
3. Seleccionar la distribución a probar. Por A QT + 1.96 Se (QT)
ejemplo: Gumbel, Normal, Pearson, tipo 3, QT 0.95
QT
General de valores, etc.
Nota: las divisiones sobre Or facilitan la comparación de resulta-
4. Seleccionar los métodos de estimación. de dos.
pará metros. Por eje mplo: Gu m bel aj ustado
por 'el método de mo mentes. máxi ma pr o 14. Graficar resultados y compararlos.
habilidad. momentos ponderados de proba- Ejemplo de gráfica de sesgo:
ourdad (PWM).
5. Generar una secuencia de N valores prove- +1
• • • • ·QTO.95
nientes de la distribución madre.
__ ---. Sesgo
6. Ajustar las distribuciones con los diferentes
m é t od os d e e s t i m a CiÓn de pa r á m e t ros. ¡..;o:...._---II---+----+------1I---+- _____
010 020 050 0100 Q500
7. Para cada método (distribución - forma de
ajuste) hallar los cuantlles (Lh) para los .----.---- OA
----.----. TO,05
mismos períodos de retorno inicial mente
seleccionados (T= 10, 20, 50, 100, 500, -1
1000 años). FIGURA 6. Forma como se gráfica el sesgo y su variación en
los resultados de simulación.
OT (estimador de caudal para el período de
retorno T).
15. Establecer conclusiones.
8. Almacenar los valores en matrices, de
Test de simulación para analizar la robustez a
acuerdo con el número de métodos proba-
nivel regional
dos y los períodos de retorno analizados.
1. Seleccionar la reglón a simular con P esta-
9. Repetir desde el paso 5 al 8 el número de
ciones.
veces M que se desee (M= 500, 1000,
10000 veces). 2. Seleccionar la distribución madre para la
reglón.
10. Calcular el promedio para cada método
(distribución - forma de ajuste) y período de 3. Calcular los cuantiles verdaderos en la
retorno determinado. región.
4. Seleccionar. los métodos regionales y/o
M ountuales a probar.
L
i= 1 5. Generar muestras de tamaño N, provenientes
M de la distribución madre para los P sitios.
6. Ajustar los métodos regionales v/o puntua-
11. Hallar el error estándar (Se) para cada
período de retorno. les seleccionados a las muestras generadas.
7. Hallar los cuantiles puntuales verdaderos y
los ajustados por los diferentes métodos
seleccionados.
8. Repetir fIJ1 veces la generación de las mues-
tras de tamaño N para los P. sitios. .
12. Hallar el RMS E (error cuadrático medio) yel
sesgo. 9. Calcular para cada uno de los P sitios el
sesgo, RMSE, Se, y las cantidades OTO.95
A
RMSE(QT)= {M L [ QA
T - Q]2T 1M }1/2 OTO.05.

1=1 QT 10. Comparar los diferentes resultados.

González C. (1986 y 1989), presenta algu·nos
estudios realizados para evaluar los procedimien-
tos actualmente en uso y señala que existe un
método particularmente robusto y útil para nues-
tro país, siendo éste el presentado por Wallis J.
(1980) denominado Método Regional de Mo-
13. Suponer qUA OT se distribuye normalmente. mentos Ponderados de Probabilidad.
Ingeniería e Investigación 69
INGENIERIA AGRICOLA

CONCLUSIONES preconcebidos en otros lugares: aunque es bien

Los estudios de simulación,
determinísticos o estocásticos,
larmente útiles en el desarrollo
sin embargo, este tipo de estudios concebidos
el país son muy escasos
nuestra a realizar solamente
cierto que no hay una necesidad de duplicar
ya sea de modelos
estuerzos.se hace necesaria una mayor "agresivi-
han sido particu-
dad" intelectual de nosotros los que, de alguna
de la hidrología:
forma, tenemos la posibilidad escasa de desarro-
en
llar investigación en el país,
dada la tendencia
ajustes de modelos

BIBLlOGRAFIA 8. González C. Métodos regionales ae analisis de Irecuencia. A

ser publicado en la Revista Ingeniría e Investigación. 1989.
1. Belmans. C .. J. G. Vvesselinq and R.A. Feddes. Srrnularion 9. Kuczera. G. Robust Ilood Irequency models. Water Resources
módel 01 the water balance 01 a cr opped soil: SWATRE. J. Research. Vol. 18 (2). 1982.
Hydrol. (63), 1983. 10. Nash J.E. Applied hvdr olo qv part 1:Deterministic Lecture notes
2. Cunnane, C. Stochastic hydrology - Lecture notes, postgra- postgraduate course In hydrology. University College Galwav.
duate course in hydrology. University College Galway IRELAND. 1984.
IRELAND, 1984. 11. O'Donnell. T. Deterrrurustrc catchment modelling. In Real time
3. Dooge. J. C. l. Linear theory 01 hvdr oloqical systems - river Ilow for ecastinq, edited by J.R. MolI. 1984.
technical bulletin-USDA. 1973. 12. Raudkivi. A.J. Hydrology: An advance introduction to hydrolo-
4. Feddes R.A .. P.J. Kowalik and H. Zaradny. Sirnulation 01 Ileld glcal processes and modellinq Pergamon Press. U K. 1984.
water and crop yield. Wageningen, 1978. 13. Vargas. F.. J. t.edieu. y S. Dautrebande. La modelizacion en
5. Feyen, J .. Swatr er model - Software' handbook. Faculty 01 lísica de suelos. Escuela Latinoamericana de física de suelos.
Agric.ultural Sciences. Leuven Balqium. 1986. Sao Paulo. Brasil. 1988.
6. González C. Regional Ilow analyses lor the Valle del Cauca 14. Wallis. J.R. Hisk and uncertamnes in the evaluation 01 Ilood
región in Colombia. M.Sc thesis University Co.llege Galway. events lor the design 01 hydrological structures. Keynote
IRELAND, 1986. Address Serninar on extreme hydrological events: Floods and
7. González C. Algunos estudios estadísticos útiles en hidrología Droughts. Erice. ITALY. 1980.
- Revista Ingeniería e Investigación No. 17. Universidad
Nacional de Colombia, Bogotá, 1988.
70 Ingeniería e investigación