Guia de Elaboracion de Balance Hidiroco en Bolivia

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/318646276
Guía metodológia para la elaboración de balances hídricos superficiales

(versión resumida)
Book · August 2016
CITATIONS READS
0 8,785
Some of the authors of this publication are also working on these related projects:
Catie - Modelos hidrológicos View project
Maestría en Ingeniería de Riego View project
All content following this page was uploaded by Freddy Soria on 05 November 2019.
The user has requested enhancement of the downloaded file.

MMAyA-VRHR Guía para la Elaboración de Balances Hídricos
Ministerio de Medio Ambiente y Agua

Viceministerio de Recursos Hídricos y Riego
GUIA
METODOLOGICA
PARA LA ELABORACIÓN DE
BALANCES HÍDRICOS
SUPERFICIALES
(VERSIÓN RESUMIDA)
VICEMINISTERIO DE RECURSOS HÍDRICOS Y RIEGO

MINISTERIO DE MEDIO AMBIENTE Y AGUA
LA PAZ, ESTADO PLURINACIONAL DE BOLIVIA
1

Viceministerio de Recursos Hídricos y Riego
Viceministerio
ceministerio de Recursos Hídricos y Riego
Estado Plurinacional de Bolivia
GUÍA METODOLÓGICA
METODOL GICA PARA LA ELABORACIÓN DE
BALANCES HÍDRICOS SUPERFICIALES
ANÁLISIS DE VARIABILIDAD CLIMÁTICA DE OFERTA Y DEMANDA HÍDRICA
(VERSIÓN RESUMIDA)
La Paz, Estado Plurinacional de Bolivia
Año 2016
2
AUTORIDADES:
ALEXANDRA MOREIRA LÓPEZ
MINISTRA DE MEDIO AMBIENTE Y AGUA
CARLOS RENÉ ORTUÑO YÁÑEZ

VICEMINISTRO DE RECURSOS HÍDRICOS Y RIEGO
PUBLICACIÓN A SER CITADA COMO:

MINISTERIO DE MEDIO AMBIENTE Y AGUA - VICEMINISTERIO DE RECURSOS HÍDRICOS Y RIEGO, 2016. GUÍA
METODOLÓGICA PARA LA ELABORACIÓN DE BALANCES HÍDRICOS SUPERFICIALES - ANÁLISIS DE VARIABILIDAD CLIMÁTICA
DE OFERTA Y DEMANDA HÍDRICA. VERSIÓN RESUMIDA. 100 P. MÁS ANEXOS.
SE AUTORIZA LA REPRODUCCIÓN PARCIAL DEL PRESENTE DOCUMENTO CITANDO PREVIAMENTE LA FUENTE A LA QUE
CORRESPONDE.
MINISTERIO DE MEDIO AMBIENTE Y AGUA

CALLE CAPITÁN CASTRILLO NO. 434. ZONA SAN PEDRO.
TELÉFONO: (591-2) 2115571 - 2115573 FAX: 2115582
LA PAZ, BOLIVIA
WWW.MMAYA.GOB.BO
VICEMINISTERIO RE RECURSOS HÍDRICOS Y RIEGO

CALLE 20 DE OCTUBRE N°1628. ZONA SAN PEDRO
TELÉFONO - FAX: (591-2) 2117391 - 2124484
LA PAZ, BOLIVIA
WWW.CUENCASBOLIVIA.ORG
CONSULTOR:
FREDDY SORIA CÉSPEDES
3
CONTENIDO
I. Justificación y alcances .....................................................................................................................................................8
1.1 Objetivo de la guía ......................................................................................................................................................................................... 8
1.1.1. Ámbito geográfico e hidroclimático de aplicación de la guía ...................................................................................................... 8
1.2 Estructura del documento............................................................................................................................................................................ 8
II. Componentes clave del balance hídrico superficial ....................................................................................................... 9
2.1 La importancia del balance hídrico.............................................................................................................................................................. 9
2.2 Conceptos principales: la ecuación general del balance hídrico ............................................................................................................. 9
2.2.1. El ciclo hidrológico ........................................................................................................................................................................... 9
2.2.2. Añadiendo elementos a la ecuación general de balance hídrico.............................................................................................. 10
2.2.3. Potenciales impactos de cambios locales y globales .................................................................................................................. 11
III. Experiencias en Bolivia y países de la región .............................................................................................................. 12
3.1 Experiencias en Bolivia ................................................................................................................................................................................ 12
3.2 El balance hídrico, desde la perspectiva del modelaje matemático ...................................................................................................... 13
3.3 Otros estudios relevantes ........................................................................................................................................................................... 14
3.4 Algunas experiencias en Latinoamérica y el mundo ............................................................................................................................... 14
IV. El cálculo del balance hídrico. Etapas preliminares .................................................................................................... 16

4.1 Selección de escalas y periodos de estudio .............................................................................................................................................. 16
4.1.1. Escala temporal. .............................................................................................................................................................................. 16
4.1.2. Escala espacial. ................................................................................................................................................................................ 17
Elección de la escala espacial ............................................................................................................................................................ 17
4.1.3. Periodo histórico de cálculo del balance ..................................................................................................................................... 18
4.2 Recopilación de información hidrometeorológica .................................................................................................................................. 18
4.2.1. Monitoreo por estaciones en tierra.............................................................................................................................................. 18
4.2.2. Monitoreo en cuencas con cobertura parcial de glaciares .......................................................................................................20
4.2.3. Cuencas con presencia de lagos, lagunas, reservorios artificiales ........................................................................................... 21
4.2.4. Información complementaria: productos de teledetección y otros ....................................................................................... 21
4.2.5. Posible comportamiento futuro del clima .................................................................................................................................. 22
4.3 Recopilación de información temática ..................................................................................................................................................... 22
4.3.1. Información cartográfica ............................................................................................................................................................... 22
4.3.2. Cobertura, vegetación, uso y tipo de suelo ................................................................................................................................ 23
V. Análisis y reconstrucción de series cronológicas ......................................................................................................... 24
5.1 Estructura del proceso de análisis ..............................................................................................................................................................24
5.2 Selección de estaciones meteorológicas e hidrológicas .........................................................................................................................24
5.2.1. Selección preliminar .......................................................................................................................................................................24
Área de influencia .............................................................................................................................................................................. 24
Inventario de la información .............................................................................................................................................................25
5.2.2. Pruebas iniciales para verificar la calidad de la información .....................................................................................................26
Visualización cualitativa de datos .................................................................................................................................................... 26
Información fluviométrica .................................................................................................................................................................27
5.3 Descriptores cuantitativos sumarios de datos .........................................................................................................................................29
5.3.1. Medidas de tendencia central, de variabilidad y de simetría ....................................................................................................29
5.3.2. Distribución de frecuencias ........................................................................................................................................................... 31
5.4 Análisis de series cronológicas ................................................................................................................................................................... 31
Selección de la prueba ....................................................................................................................................................................... 31
5.4.1. Consistencia y homogeneidad de la información climática ...................................................................................................... 32
El método del vector regional ...........................................................................................................................................................32
Análisis de doble masa ...................................................................................................................................................................... 33
5.4.2. Estacionalidad .................................................................................................................................................................................34
Prueba- t para la estabilidad de la media ........................................................................................................................................ 34
Prueba U de Mann-Whitney ............................................................................................................................................................. 34
5.4.3. Persistencia ..................................................................................................................................................................................... 35
Coeficiente de correlación serial (prueba de Pearson)................................................................................................................. 35
4
Remoción de la influencia de la correlación serial......................................................................................................................... 36

5.4.4. Pruebas de tendencia .................................................................................................................................................................... 37
Prueba de tendencia del coeficiente de correlación de Spearman ..............................................................................................37
Prueba de Mann-Kendall para tendencia monotónica ................................................................................................................. 38
5.4.5. Periodicidad ................................................................................................................................................................................... 39
Filtrado de media móvil .................................................................................................................................................................... 39
5.5 Reconstrucción (relleno) de la información climática ........................................................................................................................... 40
5.5.1. Reconstrucción de las series temporales ................................................................................................................................... 40
Criterio de la regresión lineal múltiple ............................................................................................................................................ 40
Métodos aproximados, simplificados .............................................................................................................................................. 41
5.5.2. Reconstrucción de la distribución espacial de las variables ...................................................................................................... 41
Polígonos de Thiessen....................................................................................................................................................................... 42
Método de la distancia inversa ........................................................................................................................................................ 42
Kriging ................................................................................................................................................................................................. 43
Interpolación espacial por el método de remoción de tendencias ............................................................................................. 44
Interpolación de la precipitación del TRMM a través de información del WorldClim .............................................................. 45
VI. Cálculo de volúmenes de escurrimiento ..................................................................................................................... 46
6.1 Transformación de lluvia en caudal .......................................................................................................................................................... 46
6.1.1. Modelos matemáticos precipitación-escurrimiento .................................................................................................................. 46
6.1.2. Información atmosférica de entrada a los modelos ..................................................................................................................47
Precipitación ....................................................................................................................................................................................... 47
Evaporación........................................................................................................................................................................................ 47
6.2 Cálculo de la evaporación y la evapotranspiración .................................................................................................................................47
6.2.1. Cálculo de la evaporación ..............................................................................................................................................................47
Evaporación en cuerpos de agua..................................................................................................................................................... 47
6.2.2. Cálculo de la evapotranspiración de cultivo .............................................................................................................................. 48
Base conceptual................................................................................................................................................................................. 48
Esquema de cálculo ........................................................................................................................................................................... 49
6.2.3. Determinación de la evapotranspiración de referencia ........................................................................................................... 50
Método de FAO Penman-Monteith ................................................................................................................................................. 50
Cálculo de la evapotranspiración de referencia por el método de Hargreaves-Samani........................................................... 54
Precauciones en la aplicación de métodos basados en representaciones simplificadas ......................................................... 55
6.2.4. Cálculo de la ETc a través de técnicas de teledetección ...........................................................................................................55
6.3 Modelo de humedad del suelo del Sistema de Evaluación y Planificación del Agua ......................................................................... 56
6.3.1. Hidrología de superficie ................................................................................................................................................................. 57
6.3.2. Estimación de parámetros del modelo hidrológico .................................................................................................................. 58
Agregación de parámetros y variables dentro de cada subcuenca ............................................................................................ 58
Consideraciones referidas a la escala de trabajo (resolución espacial y temporal) .................................................................. 59
Sugerencias complementarias para la implementación del modelo .......................................................................................... 59
Sensibilidad esperada de los factores del modelo hidrológico ................................................................................................... 59
Coeficiente de cultivo Kc .................................................................................................................................................................. 60
Capacidad de almacenamiento de agua en la zona de raíces Sw [mm] ..................................................................................... 60
Capacidad de almacenamiento de agua en la zona profunda Dw [mm] ................................................................................... 62
Factor de resistencia a la escorrentía, RRF .................................................................................................................................... 62
Dirección preferencial de flujo, f ..................................................................................................................................................... 63
Conductividad saturada de la zona profunda, ks2 ......................................................................................................................... 63
Conductividad de zona de raíces, ks, cuando h1 =1 ........................................................................................................................ 64
Valores referenciales considerados en la literatura ...................................................................................................................... 65
6.4 Métodos indirectos simplificados para el cálculo del volumen medio anual de escurrimiento natural ......................................... 67
Método racional................................................................................................................................................................................. 67
6.5 Sensibilidad, calibración y validación de modelos matemáticos .......................................................................................................... 68
6.5.1. Análisis de sensibilidad .................................................................................................................................................................. 68
Método de las perturbaciones ......................................................................................................................................................... 68
Método de análisis de sensibilidad regional .................................................................................................................................. 69
6.5.2. Calibración y validación ................................................................................................................................................................ 69
Funciones objetivo ............................................................................................................................................................................ 70
Datos de calibración .......................................................................................................................................................................... 70
5
Estrategia de ajuste y criterio de finalización ................................................................................................................................ 70

Validación............................................................................................................................................................................................. 71
6.5.3. Incertidumbre en la predicción .................................................................................................................................................... 71
Análisis de sensibilidad como herramienta para cuantificar la incertidumbre ........................................................................... 71
Medidas rápidas para el asesoramiento de la incertidumbre .......................................................................................................72
VII. Consumos y variabilidad .............................................................................................................................................. 73
7.1 Demanda de agua ......................................................................................................................................................................................... 73
7.1.1. Demanda de agua de los cultivos .................................................................................................................................................. 73
Estimación de la demanda futura .....................................................................................................................................................73
7.1.2. Demanda de agua potable ............................................................................................................................................................. 75
7.1.3. Demanda pecuaria .......................................................................................................................................................................... 75
7.1.4. Demanda en la industria y la minería........................................................................................................................................... 76
7.1.5. Demanda ecológica o ambiental.................................................................................................................................................. 76
7.1.6. Generación de electricidad y otros usos ..................................................................................................................................... 76
7.2 El cambio en el uso de la tierra .................................................................................................................................................................. 76
7.2.1. Herramientas de teledetección para identificar cambios en la superficie............................................................................... 77
Cumplimiento de parámetros técnicos............................................................................................................................................77
Criterio de selección de escenas .......................................................................................................................................................77
Pre-calibración de las imágenes ....................................................................................................................................................... 78
Calibración de las escenas ................................................................................................................................................................ 79
Cálculo de índices de vegetación ..................................................................................................................................................... 79
Detección de cambio de uso de la tierra ........................................................................................................................................ 80
7.2.2. Cuantificación del cambio.............................................................................................................................................................. 81
Tasa de interés compuesto ............................................................................................................................................................... 81
Matrices de cambio ............................................................................................................................................................................ 81
7.3 Variabilidad climática y posibles cambios futuros de clima .................................................................................................................... 81
7.3.1. Variabilidad climática ...................................................................................................................................................................... 81
Asociación lineal entre índices océano-atmosféricos y series hidroclimáticas ........................................................................... 81
7.3.2. Posibles cambios futuros a través del enfoque del cambio climático .................................................................................... 83
Desagregación espacial de corridas de GCM ................................................................................................................................. 83
¿Cuál es la resolución espacial adecuada para realizar la desagregación de las proyecciones? .............................................. 85
Rango de incertidumbre en las predicciones ................................................................................................................................. 85
VIII. Integración de los componentes y complementos al cálculo del balance hídrico ................................................ 86
8.1 Integración de los componentes del sistema hídrico ............................................................................................................................. 86
8.1.1. Esquema conceptual...................................................................................................................................................................... 86
8.1.2. Indicadores del estado del recurso hídrico ................................................................................................................................ 87
Índices del régimen hidrológico....................................................................................................................................................... 87
Índices de demanda y variabilidad .................................................................................................................................................. 88
IX. Resumen, conclusiones y recomendaciones .............................................................................................................. 89
X. Referencias .................................................................................................................................................................... 90
ANEXOS
Anexo 1. Ejemplos de caso para la aplicación de la guía.
Anexo 2. Formato sugerido para la presentación del resumen de resultados.
6
FIGURAS
Figura 1. Esquema para la identificación de los componentes del balance hídrico superficial .................................................... 10
Figura 2. Selección preliminar de estaciones en tierra mediante el criterio de los polígonos de Thiessen. .............................25
Figura 3. Formato sugerido para describir la disponibilidad de información (etapa previa al procesamiento) .........................25
Figura 4. Diagrama de caja. .........................................................................................................................................................................27
Figura 5. Aplicación del método del vector regional. ............................................................................................................................. 33
Figura 6. Trazado de polígonos de Thiessen para el cálculo de valores medios areales ............................................................ 42
Figura 7. Componentes de un variograma............................................................................................................................................... 44
Figura 8. ETo, ETc y el Kc, en un esquema (a partir de (Allen, Pereira, Raes, & Smith, 2006)).................................................. 49
Figura 9. Esquema del modelo hidrológico para dos reservorios, 1 y 2. .......................................................................................... 58
Figura 10. Superficies de respuesta para la evaluación de la incertidumbre predictiva ................................................................72
Figura 11. Rango de incertidumbre para las salidas de dos modelos GCM.................................................................................... 85
Figura 12. Ejemplo de esquema de integración de los componentes ............................................................................................... 87
TABLAS
Tabla 1. Síntesis de la disponibilidad de información en las estaciones del SENAMHI. ................................................................ 19
Tabla 2. Resumen de los pasos a seguir para reconstruir las curvas de calibración. ................................................................... 28
Tabla 3. Síntesis de descriptores estadísticos ........................................................................................................................................ 29
Tabla 4. Modelo para el cálculo de PPA. ................................................................................................................................................... 33
Tabla 5. Modelo para el cálculo de Rτ, con τ = 1 .................................................................................................................................... 36
Tabla 6. Modelo para el cálculo de la estadística S. ............................................................................................................................... 39
Tabla 7. Coeficientes de tanque para el cálculo de la evaporación y la evapotranspiración. ...................................................... 48
2 -1 o o
Tabla 8. Radiación extraterrestre (Ra) diaria en [MJ m- día ] para latitudes 9 S a 23 S. ............................................................52
o o
Tabla 9. Insolación máxima diaria (N_max) diaria en [h] para latitudes 9 S a 23 S........................................................................ 53
Tabla 10. Valores de Kc sugeridos para algunos cultivos. ................................................................................................................... 55
Tabla 11. Valores de Kc por unidad de cobertura y uso de suelo. ..................................................................................................... 56
Tabla 12. Sensibilidad del modelo, de acuerdo a reportes de la literatura. ...................................................................................... 59
Tabla 13. Valores referenciales de profundidad máxima de raíces. .................................................................................................. 60
Tabla 14. Valores referenciales de CRH en mm/m.................................................................................................................................. 61
Tabla 15. Valores referenciales de profundidad radicular. .................................................................................................................... 61
Tabla 16. Índices de área foliar (LAI) para distintos tipos de cobertura. ........................................................................................... 62
Tabla 17. Valores referenciales de contenido de humedad en el punto de marchitez permanente. .......................................... 63
Tabla 18. Estimaciones de ks2 para diversos tipos de unidades litológicas. ..................................................................................... 63
Tabla 19. Estimaciones de ks para diferentes clases texturales. ........................................................................................................ 65
Tabla 20. Variabilidad de valores estimados para los parámetros del modelo de humedad en el suelo. ................................. 65
Tabla 21. Valores estimados en la literatura para los parámetros del modelo de humedad en el suelo. ................................. 66
Tabla 22. Incremento del área regada en el periodo 2000-2012. ....................................................................................................... 74
Tabla 23. Formato sugerido para la presentación de las características de las escenas consideradas ................................... 78
Tabla 24. Formato de matriz de cambio. ................................................................................................................................................... 81
Tabla 25. Matriz para el Índice de Vulnerabilidad al Desabastecimiento Hídrico. .......................................................................... 88
7
GUÍA METODOLÓGICA PARA LA

ELABORACIÓN DE BALANCES HÍDRICOS SUPERFICIALES
- VERSIÓN RESUMIDA -
I. Justificación y alcances
El desarrollo y promoción de Planes Directores de Cuenca como eje principal de la política del Estado
Plurinacional de Bolivia en el ámbito de los recursos hídricos, contempla el desafío de promover e
implementar la gestión integral como instrumento de planificación, hacia un desarrollo sostenible en el marco
de "vivir bien" (MMAyA, 2013). Dentro de aquel desafío, el valor de un estudio de balance hídrico radica en su
capacidad de generar información para la toma de decisiones, en función a la comprensión de la variabilidad
espacial y las tendencias históricas observadas en el sistema hidrológico (UNESCO, 1982).
1.1 Objetivo de la guía

El objetivo es desarrollar una guía metodológica aplicable a diversas escalas de cuenca, en base a
experiencias previas y la literatura especializada. El provee un marco detallado, para la correcta interpretación
y aplicación de los conceptos y procedimientos, en un moderno entorno multidisciplinario.
1.1.1. Ámbito geográfico e hidroclimático de aplicación de la guía

El balance hídrico regional determinado por los flujos térmicos y de humedad tiene una base física general
que es válida en cualquier sistema terrestre (Singh, 1995). La guía provee un marco conceptual-metodológico
con conceptos aplicables al diverso ámbito geográfico e hidroclimático del país. Las metodologías se originan
en simplificaciones ajustadas al conocimiento actual, definidas por la literatura especializada y experiencias
existentes en el cálculo de balances hídricos y sus componentes. Debido a la universalidad del enfoque, el
conocimiento plasmado se adapta a una multitud de entornos.
1.2 Estructura del documento

El eje de la guía es la ecuación general de balance hídrico superficial. Considerando el carácter
transversal del recurso hídrico, se provee recomendaciones directas, acompañadas de explicaciones
conceptuales y ejemplos de aplicación para una correcta interpretación de lo expuesto. La guía se compone
por un contenido introductorio que provee una síntesis del conocimiento actual, seguido por la presentación
de los pasos preliminares al cálculo. Las metodologías para la cuantificación y evaluación de los factores
dominantes del balance hídrico se desarrollan en los capítulos siguientes. La modelación matemática
computacional del sistema constituye la sección siguiente. La guía continua con una exposición de técnicas
de cálculo sugeridas para la inferencia de aspectos complementarios al balance, como ser el estudio de
cambios en el uso de suelo y el cálculo de la demanda de agua en los distintos usos. Finalmente, el
documento presenta enfoques sugeridos para inferir el posible futuro comportamiento del sistema. Para el
adecuado uso de la guía, el Anexo 1 provee ejemplos prácticos de aplicación de las metodologías, técnicas y
herramientas sugeridas para la ejecución de los cálculos; el Anexo 2 presenta sugerencias para la
presentación de resultados, como medio para promover el correcto intercambio de información. El documento
está complementado por un apartado importante que provee un listado de más de 200 referencias sugeridas
para ampliar el conocimiento de la temática tratada o para responder dudas de tipo conceptual u operacional.
8
II. Componentes clave del balance hídrico superficial
2.1 La importancia del balance hídrico

El balance hídrico superficial de oferta y demanda es una herramienta para evaluar cuantitativamente, en las
dimensiones espacial y temporal, los recursos hídricos en una unidad geográfica (UNESCO, 1982). Las
técnicas para su evaluación proveen medios útiles desde una perspectiva científica y práctica. Su potencial es
tal que permiten la inferencia de posibles efectos de los múltiples niveles de interacción de los parámetros del
ciclo hidrológico (Soria, Kazama, & Sawamoto, 2008), proveen medios para definir magnitudes de variables
no cuantificables por métodos o cálculos directos (Shuttleworth, 1993) y proporcionan información para
identificar deficiencias y fortalezas en las redes de monitoreo e identificar errores sistemáticos en las
mediciones (UNESCO, 1982).
En ingeniería, los estudios de balance hídrico proveen medios para asesorar las condiciones para atender los
requerimientos del sistema intervenido (García, y otros, 1999). Cuando el análisis resultante sugiere la
existencia de déficit en el sistema, las soluciones se enfocarán hacia el diseño de estrategias de
almacenamiento de agua en época de lluvias para su utilización durante la época de estiaje, la planificación
de estrategias para lograr una distribución equitativa principalmente durante la época de carencia, el análisis
de posibilidades de transferencia del recurso desde otros sistemas, el reúso o reciclaje de agua, la necesidad
de definir estrategias alternativas para proveer el recurso y la administración de la energía necesaria para que
aquellas alternativas sean viables, entre otros (García, y otros, 1999).
2.2 Conceptos principales: la ecuación general del balance hídrico

El balance hídrico superficial se basa en el principio de conservación de masa en un sistema cerrado, donde
todo cambio en el agua almacenada en la cuenca, en un volumen de suelo, durante un periodo de tiempo, es
igual a la diferencia entre el agua introducida al suelo y el agua extraída del mismo. Matemáticamente, la
variación del volumen de agua almacenada ó almacenamiento de humedad en el suelo (∆S), en un intervalo
de tiempo (t) (e.g., un mes, un año), es igual a la diferencia entre las entradas y las salidas (Toebes, 1961):
dS
= Entradas − salidas Ec. 1
dt
Las unidades de la ecuación y sus parámetros se expresan en altura media de lámina de agua sobre la
3 3 -1
cuenca [L], volumen de agua [L ] ó en forma de flujo [L T ], que es la más usual. En un sistema hídrico
estudiado a escala de cuenca las entradas son:
• la precipitación en forma de lluvia o nieve (P),
• aportes provenientes de cuencas vecinas, transportados por canales artificiales, desde reservorios
dentro de la misma cuenca u otras fuentes, o por retorno desde los sistemas de irrigación (Qimp),
• aportes subsuperficiales y/o subterráneos (aportes de manantiales) (Qsub).
En el mismo esquema, las salidas son:

• la evapotranspiración (ET),
• el flujo del río (Q) medido en el sitio de descarga a la salida de la cuenca,
• los usos de agua (U) (irrigación, demanda de agua en poblaciones, otros),
• la evaporación de cuerpos de agua (E) (lagos, lagunas, reservorios artificiales),
• la exportación de caudales hacia cuencas o sistemas vecinos (Qexp), entre otros.
2.2.1. El ciclo hidrológico

Para simplificar la explicación se asume un sistema en su conceptualización más sencilla, sin entradas ni
aportes externos, originando la siguiente expresión (UE, 2015):
9
P = (Qs + Qss + Qsubt ) + ( ET + E ) ± ∆S Ec. 2
A mayor detalle, en la dinámica de los componentes del ciclo hidrológico analizada para un intervalo de
tiempo dado, el aporte de entrada al sistema (P) alcanza la superficie del suelo y la vegetación. El agua que
llega se almacena (∆S) y escurre por la superficie (Qs) si la precipitación supera la capacidad de
almacenamiento de la misma y la capacidad de infiltración del suelo (exceso de precipitación, Pe), o bien se
evapora directamente desde los reservorios de agua (E; lagos, lagunas, reservorios artificiales), desde la
superficie del suelo o la vegetación. Para este último factor, es común que desde una perspectiva práctica se
cuantifique la evaporación conjunta del suelo y la vegetación, junto con la transpiración de la misma, a través
del concepto de evapotranspiración (ET). Una porción del agua que no se pierde por evaporación
(evapotranspiración) también puede infiltrar (percolar) y almacenarse en la zona subsuperficial no saturada
del suelo (∆Ssub) o continuar infiltrando hasta alcanzar las zonas de almacenamiento de aguas subterráneas
(∆Ssubt). Por debajo de la superficie el análisis es más complejo, porque el flujo del agua de la subsuperficie
almacenada en la zona no saturada (Qss) y/o el flujo del agua subterránea (Qsubt) pueden contribuir al flujo
del río Q. El sistema podría también considerar un término residual de discrepancia, como medio para
cuantificar los errores en la medición o estimaciones (UNESCO, 1982); paras los fines presentes se asume
que aquel factor de discrepancia está implícito en el almacenamiento ∆S.
Precipitación
∆S en la
cuenca glaciar
Divisoria de cuenca
Uso
agrícola Uso urbano
∆S en la zona
no saturada
Evaporación ∆S en el reservorio
(evapotranspiración) subterráneo
Infiltración
percolación
Almacenamiento
Salida de cuenca subsuperficial
Figura 1. Esquema para la identificación de los componentes del balance hídrico superficial
2.2.2. Añadiendo elementos a la ecuación general de balance hídrico

La escorrentía está compuesta por el flujo superficial Qs o flujo hortoniano superficial (Horton, 1933), el flujo
subsuperficial Qss y el flujo subterráneo Qsubt. Cuando el flujo superficial supera la resistencia de la
intercepción en la superficie y la resistencia de la infiltración, alcanzará eventualmente la red de drenaje
secundaria o fluirá directamente hacia el río. El flujo subsuperficial también tiene el potencial de viajar a través
de las capas superficiales del suelo hasta alcanzar el curso principal. De esta manera, la descarga total de la
cuenca estará compuesta por Qs y el Qss que representa la escorrentía directa, combinada con el flujo
subterráneo Qsubt. Este último componente tiene una velocidad de respuesta notoriamente menor a la de los
otros citados. En una cuenca donde existen aportes desde otros sistemas, la ecuación de balance se modifica
10
de la siguiente manera (UE, 2015):

P + Qimp = (Qs + Qss + Qsubt ) + ( ET + E ) ± ∆S Ec. 3,
donde Qimp es el caudal total de entrada a la cuenca o unidad hidrológica de análisis. El análisis del sistema
podría complicarse en regiones donde los reservorios subterráneos o subsuperficiales fluyen hacia las
cuencas vecinas, en cuyo caso las pérdidas (Qexp) deberán añadirse a la derecha de la ecuación.
Constituyen también un tema especial la situación donde la demanda de agua es satisfecha en mayor
proporción por explotación de acuíferos subterráneos; aquel caso, no modifica la ecuación general del
balance, al cuantificarse como el aporte de un sistema externo (Qimp).
Las escalas temporales y espaciales juegan un rol fundamental en la ecuación del balance hídrico. Para
escalas anuales, el cambio en el almacenamiento tiende a cero (Roche, Fernandez, Aliaga, Peña, Salas, &
Montaño, 1992); por otro lado, a escalas horarias, semanales y mensuales, el cambio en el almacenamiento
es importante y debe cuantificarse (Cumming, 2001).
2.2.3. Potenciales impactos de cambios locales y globales

La influencia del hombre o la propia naturaleza tiene la capacidad de causar impactos inmediatos, a corto y/o
mediano plazo en las magnitudes de los factores de la ecuación general del balance hídrico. El impacto
inmediato podría ocurrir debido al cambio en el uso de suelo, alterando los patrones de los caudales a la
salida de la cuenca (Soria, Kazama, & Sawamoto, 2008). La alteración de la cobertura vegetal por
sobrepastoreo tiene el potencial de afectar las condiciones de evaporación-transpiración, alterando las
condiciones de escorrentía superficial y la dinámica de infiltración y recarga (Toebes, 1961). Desde una
perspectiva cuantitativa, la magnitud de aquellos impactos variará en función a la escala temporal a la cual se
investiga el sistema: a escala anual, la variación del almacenamiento de la humedad en el suelo podría ser
poco relevante en la ecuación del balance hídrico (Roche, Fernandez, Aliaga, Peña, Salas, & Montaño, 1992),
contrario a lo que podría ocurrir en análisis realizados a escalas mayores (Ribas, y otros, 2002).
El cambio climático es también un factor que impone una variación en el equilibrio de los términos del balance
hídrico (IPCC, 2014). El cambio en las magnitudes y distribución estacional de la precipitación (nieve),
afectarán al almacenamiento de humedad y los factores que definen la escorrentía. De la misma forma, un
potencial incremento en la temperatura del aire afectará a la evaporación y otros factores relacionados. Para
ejemplificar el potencial de aquellos impactos, al examinar el caso de las cuencas con cobertura glaciar
parcial, estudios sugieren que el impacto de un cambio en los patrones de las variables climáticas afectará al
balance energético del glaciar y al agua almacenada en la masa de hielo, alterando las magnitudes y
velocidades de respuesta de la escorrentía en sus distintos componentes (Soruco, y otros, 2009; Soria &
Kazama, 2010).
11
III. Experiencias en Bolivia y países de la región
Los estudios de balance hídrico superficial realizados en el país demuestran experiencia en el cálculo de los
componentes que definen la oferta hídrica, en el tiempo presente (histórico). La integración de la oferta con el
análisis de los potenciales impactos de las actividades del ser humano (irrigación y otras actividades
productivas, usos desde los centros urbanos), son generalmente balanceados en una etapa posterior al
balance hídrico, en la cual se analiza posibles formas de uso y asignación de derechos de uso, e.g., (Molina,
Villarroel, Alurralde, Apaza, & Soria, 2006). Son pocos los estudios de balance hídrico que contemplan de
manera integral los impactos de la demanda de agua y la posible evolución futura de los componentes (e.g.,
(Espejo A. , 2016; Gonzáles, 2016; Soria F. , 2016)). La presente sección realiza una revisión y síntesis de
tales experiencias, en un contexto local y regional (Latinoamérica).
3.1 Experiencias en Bolivia

La primera experiencia en resumir el conocimiento de los factores constitutivos del balance hídrico superficial
a nivel nacional se desarrolló el año 1992 (Roche, Fernandez, Aliaga, Peña, Salas, & Montaño, 1992). Aquel
estudio sintetiza información producida en tesis universitarias y documentos de apoyo enfocados al análisis
exhaustivo de ocho cuencas hidrográficas que cubren casi la totalidad del país. Las regiones estudiadas son
las cuencas de los ríos Beni (Espinoza, 1985) y Mamoré (García W. , 1985), Lago Titicaca (Lozada, 1985),
lagos Poopó, Uyuni y Coipasa (Mariaca, 1985), las cuencas de los ríos Madre de Dios (Abasto, 1987), Itenez
(Cruz, 1987), Pilcomayo (Arellano, 1988), Bermejo y Grande de Tarija (Frías, 1989), además de estudios de
apoyo enfocados al análisis de la variabilidad espacial de la precipitación a escala 1:4000000 (Roche &
Rocha, 1985), la climatología de la región andina y amazónica (Herbas, 1987), el cambio de uso de suelo en
la cuenca del río Piraí (Benavidez, 1988) e información de la distribución espacial de parámetros climáticos de
Bolivia, la precipitación en los Andes y la climatología en la región del Lago Titicaca (Roche, 1986; Roche,
Aliaga, Campos, Peña, Cortés, & Rocha, 1990; Roche, Bourges, Cortes, & Matos, 1991).
Además de proveer una metodología para el cálculo de los componentes del balance hídrico basado en las
sugerencias de (UNESCO, 1982), el estudio mencionado proporciona conocimiento para la construcción de
las ecuaciones de balance hídrico en regiones complejas, donde la limitada información obliga a la
consideración de factores tales como las extensas pérdidas por infiltración y flujo subsuperficial en el Chaco
boliviano o el sur de la cuenca del Izozog, así como el intercambio hídrico en el subsuelo de las cuencas
lacustres y su entorno (Roche, Fernandez, Aliaga, Peña, Salas, & Montaño, 1992). El estudio no considera un
análisis de usos del recurso hídrico. El mismo estudio asume que para cualquier masa de agua, en áreas
extensas y en estudios que abarcan extensos periodos de tiempo, es factible considerar que los cambios en
el almacenamiento tienden a minimizarse y asumirse nulos (UNESCO, 1982).
El balance hídrico de Bolivia acuerda el inicio de su segunda etapa una década después, a través del balance
microregional de Bolivia (Molina, Vauchel, Espinoza, Aguilar, & Salcedo, 2005). Al momento se desconoce el
estado actual del emprendimiento porque no existe un documento síntesis, como ocurrió con el balance de
1992. Los productos generados son importantes, tanto desde una perspectiva metodológica como en relación
al valor del conocimiento del sistema hídrico donde se intervino. El balance microregional procedió a avanzar
en su etapa operativa en tres de las once cuencas consideradas para el territorio nacional (CA, 2012): Lago
Titicaca (Andrade, 2003), ríos Beni (Coronel, 2004), Ichilo-Mamoré (Diaz, 2004) y río Pilcomayo (Molina &
Espinoza, 2005); es también parte de los resultados el estudio de la región Mauri, Bajo Desaguadero y lagos
Poopó y Uru Uru (Iriarte, 2005). Podría igualmente considerase parte del emprendimiento el balance de la
cuenca del río Caine, con punto de control en la estación Angosto Molineros (Soria, 2004) y el estudio acerca
de los efectos locales sobre el balance hídrico de cuencas andinas húmedas (Salcedo, 2008). Los
documentos actualizaron el trabajo de (Roche, Fernandez, Aliaga, Peña, Salas, & Montaño, 1992) mejorando
la resolución espacial hasta una escala de cuenca y la resolución temporal a una escala mensual.
La guía metodológica de (UNESCO, 1982) proporciona uniformidad a los criterios generales del proceso de
cálculo de los estudios del balance microregional. En este emprendimiento es una limitante la poca
disponibilidad de información y estudios específicos que permitan explicar de mejor manera aspectos
complejos como la interacción entre el almacenamiento superficial y los componentes subterráneos que
12
existe en el sistema TDPS y también en los sistemas de llanura. El balance microregional demuestra interés
en la introducción de herramientas computacionales para facilitar los cálculos, tanto en las etapas de
tratamiento y análisis de los parámetros básicos del balance, como en la descripción de la respuesta hídrica a
nivel de cuenca. En particular, en los estudios previos al año 2004 (Andrade, 2003) se introducen
herramientas estadísticas varias para el tratamiento de la información; posterior a aquel año, la herramienta
Hydraccess llega a estandarizarse a nivel del Servicio Nacional de Meteorología e Hidrología (SENAMHI) y
del Instituto de Hidráulica e Hidrología (IHH) (Molina & Espinoza, 2005). En materia de procesos
precipitación-escurrimiento, se utiliza el modelo matemático SIMULA hasta el año 2004 y se introduce el
modelo CHAC-SIMULA de manera casi simultánea; esta herramienta es aplicada para la reconstrucción
(ampliación) de las series de caudales, en la generación de caudales en cuencas no monitoreadas (Diaz,
2004; Molina & Espinoza, 2005) y para la generación de información adicional como en el caso del cálculo
indirecto de la evapotranspiración real (Andrade, 2003; Coronel, 2004; Iriarte, 2005).
En la misma década, la Cooperación Alemana al Desarrollo (GIZ) a través del Programa de Desarrollo
Agropecuario Sustentable (PROAGRO), ejecutó ocho experiencias en relación al cálculo de balances hídricos
anuales y mensuales en igual número de microcuencas, en los departamentos de Cochabamba, Chuquisaca,
Santa Cruz y Tarija (Montaño & Salm, 2011). Las cuencas estudiadas fueron: Comarapa, en un área de 144
2 2 2 2
km (Ovando, 2010); Uchu Chajra, en subcuencas con superficies de 18 km , 14 km y 3 km (Rodriguez,
2 2
2011); Escaleras, San Jorge, en áreas con superficies de 83 km y 4 km (Torrico, 2011); Caigua, en un área
2 2
de 26 km (Roldán, 2011); y Kuyoj Khocha, en un área de 4 km (Mamani, 2011). Las metodologías siguen
una línea común, basada en la definición de la ecuación de un balance hídrico y la cuantificación individual de
sus componentes. Las técnicas, así como la nomenclatura y la propia conceptualización, siguen criterios
individuales en cuanto al enfoque del balance y la perspectiva desde la cual los resultados son obtenidos. La
desventaja de tal divergencia es que no existe una referencia definida para comparar los estudios.
Los más recientes trabajos documentados en el país alrededor de la temática corresponden a iniciativas del
Ministerio de Medio Ambiente y Agua (MMAyA) (Espejo A. , 2016; Gonzáles, 2016; Soria, 2016). El marco
general de aquellos estudios sigue las directrices de los balances hídricos de 1992 (Roche, Fernandez,
Aliaga, Peña, Salas, & Montaño, 1992) y los balances microregionales (Molina, Vauchel, Espinoza, Aguilar, &
Salcedo, 2005), incluyendo consideraciones relativas a la demanda dentro del concepto general de la
ecuación del balance hídrico. En aquellos estudios se incorpora el uso de una misma plataforma de
modelación hidrológica, el análisis de posibles futuros comportamientos de los sistemas bajo condiciones de
cambio climático, entre otros, con lo cual se provee resultados mutuamente comparables.
3.2 El balance hídrico, desde la perspectiva del modelaje matemático

Un modelo de balance hídrico es un sistema de representaciones (ecuaciones) desarrolladas para describir
aspectos del ciclo hidrológico, con grados de complejidad relativos al sistema en estudio y la complejidad
percibida por el modelador (Singh, 1995; Zhang, Walker, & Dawes, 2002). Por este nivel de cercanía entre el
concepto general del balance hídrico y la estructura de aquellos modelos matemáticos, estudios en el país
promueven el uso y aplicación de estas herramientas matemáticas desde la década del 90.
La literatura provee aportes a distintos niveles. La literatura describe emprendimientos que denotan interés
por transmitir las tecnologías a un público amplio, multidisciplinario. Los estudios de (Espejo J. , 2003) y
(Vauchel, s/r, http://www.ore-hybam.org/index.php/esl/Logiciels/Hydraccess), se enfocan, respectivamente, a
proveer una interfaz gráfica para el uso de un modelo hidrológico agregado en el balance microregional de
Bolivia, y proveer un medio amigable para el almacenamiento, uso, procesamiento y análisis de información
hidrometorológica. El estudio de (BM, 2010) se desarrolla bajo un enfoque híbrido alrededor de la herramienta
SWAT en el campo de la planificación hídrica, demostrando su utilidad a través de una amplio ejercicio de
modelación en 11 macrocuencas; el estudio propone el posible futuro estado de los recursos hídricos bajo un
enfoque de cambio climático; sin embargo, a pesar del extenso trabajo desarrollado, los resultados no fueron
promovidos a mayor detalle, aspecto determinante para amplificar su utilidad.
En el campo de las ciencias ingenieriles, el potencial impacto del cambio climático en la dinámica glaciar
provee opciones importantes para el desarrollo de temas de investigación. Entre aquellos emprendimientos,
el proyecto Grande (Asesoramiento del Impacto del Retroceso de los Glaciares y el Desarrollo de Políticas
Nacionales) constituyó en su momento uno de los más grandes en la temática de los recursos hídricos en el
13
país. Entre otros temas, Grande investigó la relevancia de los parámetros básicos del balance hídrico
mediante un análisis de sensibilidad global aplicado a través del modelo semidistribuido de (Collick, y otros,
2009), enfocado a la variabilidad de la precipitación, demostrando matemáticamente que un sistema es más
sensible a cambios climáticos durante los estados secos de la cuenca (Soria & Kazama, 2011). Entre otros
emprendimientos, similares experimentos fueron realizados en la cuenca del río Sajama, con el objetivo de
determinar la implicación de la incertidumbre en la estimación de la evapotranspiración potencial sobre los
cálculos del balance hídrico, con similares resultados (Soria, 2013).
En entornos similares de cobertura glaciar parcial, se propuso la aplicación del concepto de balance hídrico a
través de herramientas computacionales, acoplando estructuras con modelos físicos de fusión glaciar, con el
fin de determinar políticas de adaptación al retroceso de los glaciares, en vista de su potencial impacto en la
disponibilidad de agua en las ciudades de La Paz y El Alto (Olmos, 2014). La complejidad del desarrollo de
estudios en este tipo de áreas es notoriamente alta en comparación a los estudios realizados en cuencas sin
cobertura glaciar. Las fuentes de incertidumbre son igualmente mayores; varían desde la muy limitada
disponibilidad de información en una zona donde los parámetros hidroclimáticos varían en distancias cortas,
hasta la poca disponibilidad de información de la dinámica del derretimiento glaciar en un contexto espacial.
En la práctica, estas restricciones podrían tener implicaciones altas, igualmente complejas de cuantificar.
Otros estudios realizados en la misma región siguen líneas de trabajo análogas, sin confrontar obstáculos de
tal dimensión al estar concentradas en zonas particulares; entre aquellos emprendimientos está la propuesta
de aplicación del modelo de SWAT, aguas arriba del reservorio Tuni, para predecir impactos del cambio de
uso de suelo y la producción de sedimentos bajo un enfoque de balance hídrico (Cabero, en proceso). En
este tipo de estudios, el balance hídrico provee insumos importantes.
3.3 Otros estudios relevantes

Uno de los estudios más antiguos de balance hídrico se enfoca en la dinámica del lago Titicaca y provee una
importante lección acerca del enorme valor de proveer un claro panorama físico del sistema, a través de un
sencillo pero valioso enfoque conceptual (Kessler & Monheim, 1966). A través del concepto de balance de
masa, la utilidad del cálculo del balance hídrico se extienden a campos como el riego (Espinoza H. , 1989;
Campero, 2014), como elemento fundamental en el diseño de obras civiles (Trezanos Pinto, 2003), en la
estimación indirecta de componentes del sistema hídrico en regiones donde el componente hidrogeológico es
dominante (Flores, 1994), el asesoramiento sobre potenciales impactos del cambio climático en el potencial
hídrico de cuencas (Jaldin, 1999; Tudela, 1999), la evaluación de los recursos hídricos de una zona (Jarro,
2006), como herramienta proveedora de insumos en la construcción de planes directores de cuenca (Willet,
Gutierrez, Olmos, Iriarte, & Velasco, 2015) y otros.
3.4 Algunas experiencias en Latinoamérica y el mundo

La existencia de una referencia metodológica como elemento de un marco normativo en materia de recursos
hídricos, certifica el nivel de evolución del sistema científico-ingenieril, social, económico y político; se
convierte en un parámetro que califica el nivel de conocimiento relacionado a la disponibilidad en cantidad y
calidad del recurso e identifica la capacidad de un país o región hacia una efectiva gestión del agua.
El trabajo de (UNESCO, 1982) provee la base conceptual para balances hídricos realizados en Bolivia,
(Roche, Fernandez, Aliaga, Peña, Salas, & Montaño, 1992), Guatemala (UNESCO, 1992), Venezuela (Pérez,
1992), Argentina (UNESCO, 1994), y otros, además de los balances hidrológicos microregionales en Bolivia.
El documento del año 1982 constituye uno de los primeros y más importantes emprendimientos en
Latinoamérica que expresa y atiende la necesidad por contar con procedimientos unificados y comparables a
nivel de una región. Las experiencias compartidas por los expertos encargados de desarrollar la guía en
aquel entonces, presentaron distintos enfoques y diferentes niveles de conocimiento del estado de los
recursos hídricos de cada nación. A lo largo de varias décadas, la revisión de las metodologías sugiere que
en el presente aquellas divergencias persisten, proporcionando lecciones útiles.
El trabajo en Brasil ha logrado desarrollar información del balance hídrico climatológico (Pedro Jr, Mello,
Ortollani, Alfonsi, & Sentelhas, 1999) y del balance hídrico superficial para toda la nación. Entre los aspectos
útiles a los fines presentes destaca la estructura para su accesibilidad a través de plataformas estratégicas,
14
referenciales para instituciones relacionadas a la temática en el continente. Uno de ellos es el Sistema

Nacional de Informaciones sobre los Recursos Hídricos, herramienta de gestión importante instaurada a
través de la Política Nacional de Recursos Hídricos por la Ley de Aguas de 1997 (PRB, 1997). Es también
altamente relevante el enfoque aplicable a cuencas grandes, con dominio del componente subterráneo,
debido a su potencial de aplicación a zonas con limitada información.
Colombia propone la consideración del concepto de huella hídrica como herramienta complementaria para la
gestión de los recursos hídricos a nivel de cuenca; define indicadores del sistema hídrico y de intervención
antrópica, como medios para la evaluación del recurso dentro de un enfoque integral (IDEAM, 2015). El
análisis del régimen hídrico es presentado bajo condiciones hidrológicas húmedas, secas (OMM, 2012) y
medias, sintetizando las características de los sistemas a través de índices de variabilidad hídrica y de aridez.
La consideración de factores como los caudales ecológicos (ambientales), aparecen también como elementos
de síntesis e interpretación de los resultados, en vista de lograr alcanzar un público amplio. Producto de las
condiciones geográficas, se hace mención a ecosistemas particulares como aquellos con presencia de
glaciares, involucrados a nivel de indicadores de cambio global. La evaluación de la calidad de agua,
sedimentos, tendencias climáticas y proyecciones, proporcionan elementos que permiten un análisis integral,
a un nivel complejo, completo dentro de las limitaciones e incertidumbre propias de un estudio en un territorio
extenso, que define una línea de trabajo clara, para una planificación consistente del recurso en entornos
geográficos complejos y remotos donde la información histórica es escasa.
México a través de su Ley de Aguas Nacionales del año 2004, reconocer que el estudio de la disponibilidad
en cantidad y calidad es prioritario en el marco del desarrollo sustentable de un país (Aparicio, Lafragua,
Gutiérrez, Mejía, & Aguilar, 2006). Por esta razón la ley exige estimar la disponibilidad media anual del agua
superficial para efectos de concesión o asignación del recurso, otorgando fundamental relevancia a la
realización de los balances hídricos. En este contexto, la guía de (Aparicio, Lafragua, Gutiérrez, Mejía, &
Aguilar, 2006) propone un estudio desde un contexto integral superficial-subterráneo, a través de un conjunto
de enfoques y parámetros cuantitativos productos de varios años de experiencia, principalmente en el
componente subterráneo. Aunque no contempla un análisis en un sistema potencialmente afectado por
variaciones climáticas globales ni tampoco analiza los potenciales impactos de una calidad de agua en
posible deterioro futuro, como lo hace (IDEAM, 2015), la experiencia mexicana presenta una propuesta para
evaluar la incertidumbre en los componentes del balance hídrico no contemplada en las anteriores referencias
citadas, constituyendo un valioso aporte al conocimiento desde una perspectiva práctica.
Los procesos metodológicos en otras naciones se desarrollan a través de experiencias producto de la
ejecución de estudios y proyectos, a distintas escalas. En el Perú por ejemplo, existen análisis metodológicos
para el cálculo de balances hídricos nacionales bajo un enfoque multianual (UNESCO, 2006), replicados a
escalas mayores, tomando como referencia la guía de (UNESCO, 1982) (e.g., (IHHS, 1994; SENAMHI-Perú,
2013)). La aplicación en conjunción a otras metodologías, difiere principalmente en el proceso de generación
de caudales (INRENA, 2007). La introducción de herramientas computacionales es también una tendencia de
interés actual, principalmente a partir de la versatilidad de estas estructuras en el manejo de escenarios de
gestión de una manera sencilla, rápida y didáctica, en vista del multidisciplinario usuario final (e.g., (PET,
2002) (Soncco, 2015)). Este último es también un aspecto a destacar, considerando el contexto de Bolivia
como país conectado con sus vecinos a través del valioso recurso agua (DCPRH, 2015).
Las experiencias en Latinoamérica descritas son valiosas, al proveer aportes desde distintas perspectivas,
donde los avances más adelantados se presentan a niveles comparables con enfoques provenientes de
densos y evolucionados sistemas de monitoreo (e.g., (Cumming, 2001)). La necesidad por una guía
metodológica para esta región del continente fue planteada hace más de tres décadas y constituye en la
actualidad un tema demandante a nivel global (UE, 2015); este aspecto provee una justificación adicional al
emprendimiento presente.
15
IV. El cálculo del balance hídrico. Etapas preliminares
Una vez conceptualizado el sistema de estudio, el estudio continúa con la definición de las escalas, la
selección, recolección y la sistematización de la información. El presente capítulo desarrolla estas etapas;
provee sugerencias referidas a la forma de uso y ámbitos de aplicación de la información, así como
recomendaciones referidas a los medios y formas de almacenamiento de la información sistematizada.
4.1 Selección de escalas y periodos de estudio

Los procesos hidrológicos ocurren a distintas escalas, desde el flujo en suelos no saturados en una masa de
poca profundidad hasta inundaciones que abarcan regiones de varios kilómetros de extensión (i.e., escala
espacial); desde inundaciones repentinas en ríos de montaña hasta flujos en acuíferos con respuestas lentas
perceptibles por varios años (i.e., escala temporal) (Blöschl & Sivapalan, 1995). En el cálculo del balance
hídrico la elección de las escalas obedece a los objetivos del estudio, en lugar de seguir una regla general
(UE, 2015). Sugerencias para definirlas a nivel espacial y temporal se desarrollan a continuación.
4.1.1. Escala temporal.

Su elección está definida por la complejidad del sistema estudiado y la disponibilidad de información.
Conceptualmente el cálculo del balance hídrico superficial es factible a ser calculado a distintas escalas
(horaria, diaria, mensual, anual). La posibilidad de realizar varios balances a distintas escalas, es también una
opción (UE, 2015). Con una perspectiva práctica, la presente guía adopta la resolución mensual en regiones
donde la disponibilidad de información es media, bajo el objetivo de generar herramientas para la gestión y
planificación de los recursos, proveer asesoramiento en cuanto a cambios en el clima, cambios en la
cobertura y uso de la tierra y proveer medios para la reconstrucción de series de caudal para el diseño de
infraestructura básica para el aprovechamiento de los recursos hídricos (Xu & Singh, 1998). Una razón
adicional para sugerir el cálculo a escala mensual es la aplicación de modelos matemáticos en sitios con
limitada información a través de la transposición de parámetros de modelación (Xu & Singh, 1998). En el
marco descrito, las escalas temporales recomendadas se sintetizan en tres niveles (Singh, 1995):
i) Nivel 1. Intervalos de tiempo utilizados para la medición, recolección, análisis y procesamiento
de los datos de entrada. Para los balances hídricos a escala de cuenca, se recomienda (e.g., (Soria,
2016)):
• Escalas diarias (horarias), mensuales y anuales, para el análisis y procesamiento de la información
hidrometeorológica.
• Escala media mensual para las principales variables del sistema (P, ET, Q). Se elegirá una escala
mayor (semanal, diurna), cuando aquello se considere importante. Aquello determinará una demanda
de información a mayor detalle a nivel de los parámetros meteorológicos, hidrológicos, suelos y otros.
Un sitio donde es posible se demande una escala mayor se presenta en una cuenca donde el aporte
del derretimiento glaciar es dominante; en aquellos sistemas, la alta sensibilidad de la nieve y hielo
del glaciar y del agua congelada en el suelo a los cambios en la atmósfera demandará un análisis a
partir de datos que describan esta variabilidad.
• Escala media mensual (medias históricas) para la demanda de agua para los distintos usos.
• Escala media mensual para series de variables que describen los escenarios climáticos futuros.
• Escala estacional, interanual o decadal para el estudio de detección de cambios de uso de suelo.
• La información temática de geología, suelos, vegetación y otros, generalmente está disponible a
través de un dato único, representativo de un espacio de tiempo específico. Por esta razón, no se
provee una recomendación específica relativa a la escala.
• Escala anual o interanual, en cuencas donde se identifique que el factor dominante presente
respuestas lentas. Esta situación podría ocurrir en un sistema donde la variabilidad de componentes
del régimen subterráneo, como ser la recarga hídrica, se constituya en el factor dominante.
16
• Otras consideraciones. Debido a la complejidad del sistema natural, es posible que la respuesta
hídrica de un factor ocurra a una escala de tiempo distinta a la del factor detonante de tal respuesta.
Por ejemplo, el impacto de la ocurrencia de la precipitación en el contenido de humedad de los suelos
suele observarse de inmediato, pero tardará en manifestarse en el río principal y demandará un
tiempo considerablemente mayor para que el caudal subterráneo capture el impacto (UE, 2015). La
descripción de la respuesta a una escala mensual y a escala de cuenca sintetiza el efecto de estos
procesos y los describe de una manera agregada.
ii) Nivel 2. Escala de tiempo para los datos de entrada a la ecuación del balance hídrico. Se elegirá
una escala menor a la de análisis y procesamiento. A la escala de cuenca presente, se recomienda las
escalas medias mensuales y anuales (Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006).
iii) Nivel 3. Escala de tiempo para realizar los cálculos de la ecuación del balance hídrico y
presentación de resultados. Las escalas generales para realizar los cálculos son medias mensuales y
anuales. La presentación de resultados considera un rango más amplio de escalas (ver Anexo 2).
4.1.2. Escala espacial.

Su unidad básica es la cuenca. La clasificación para fines de cálculo de balance hídrico tiene analogía con
niveles de jerarquía considerados en la literatura (e.g., (Cumming, 2001)) y se desarrolla dentro de un
contexto de unidades de gestión de los recursos hídricos. El Plan Nacional de Cuencas (PNC) distingue las
2
siguientes categorías (MMAyA, 2013a): i) Macrocuenca (superficie mayor a 500000 km ): Define la división al
2
nivel de las grandes cuencas hidrográficas; ii) gran cuenca (100000 a 500000 km ), iii) cuenca (10000 a
2 2 2
100000 km ); iv) subcuenca (2000 a 10000 km ); v) mesocuenca (150 a 2000 km ); microcuenca (superficie
2
menor a 100 km ); esta última coincide con un nivel 6 a 8 de la codificación Pfafstetter (MMAyA, 2013).
La clasificación por rangos de superficie se origina básicamente en consideraciones empíricas, razón por la
cual, distintos autores proveen diferentes valores y distintas nomenclaturas (Singh, 1995). En el MMAyA la
propuesta para solucionar esta ambigüedad es instaurar el sistema de delimitación y codificación de unidades
geográficas Pfafstetter (Ruiz & Torrez, 2010). Este criterio es uniforme en cuanto a la identificación de
unidades de análisis. Sus limitaciones aparecen al definir subcuencas con tamaños que no son homogéneos,
por lo cual en algunos casos se recurrirá a la unión y subdivisión de unidades; la corrección de la delimitación
en zonas de baja pendiente es también un caso posible (Gonzáles, 2016).
Elección de la escala espacial

Es complejo establecer una recomendación generalizada en la elección de la escala espacial, debido a la
relación intrínseca entre ésta y el objetivo y alcances del estudio, y la información disponible del medio físico-
geográfico (FAO, 2009). En este contexto, dos elementos importantes que definen tal elección son:
• Relieve topográfico y zonas climáticas. En zonas regiones geográficamente homogéneas, el cálculo
del balance hídrico demanda una escala espacial media a baja; por el contrario, en una región de
montaña, se demandará una escala espacial alta. Un caso especial representaría un estudio sobre
cuerpos de agua como lagos y lagunas; donde se deberá analizar las características de la superficie,
profundidad, variabilidad a lo largo de la extensión del espejo de agua. A través de un ejemplo
sencillo, si aquello se interpreta a través del nivel de resolución de celda de una fuente de información
cualquiera, el tamaño demandado deberá cubrir un área donde las características no cambian. En
regiones llanas, el tamaño de píxel estará en magnitudes de kilómetros; por otro lado, en regiones de
montaña el tamaño de la celda generalmente no excederá los 90 km.
• Cobertura de la superficie y uso de suelo. La identificación de los límites de transición entre los
distintos tipos de cobertura define la elección de la escala. La relevancia de una transición particular o
la posibilidad de unir un grupo de coberturas está en función a la resolución demandada por
elementos del estudio, por ejemplo, la identificación de los volúmenes de uso de agua.
• Geología, tipo de suelo y otros. La conceptualización del sistema comprenderá elementos
superficiales y componentes de la subsuperficie. Similar a la recomendación referida a la cobertura y
el uso de suelo, el tipo de suelo definirá el nivel de interacción entre la superficie y la subsuperficie,
desde una perspectiva hídrica. Los elementos en la elección de la escala deberán capturar tal
variabilidad, en función a los alcances particulares del estudio.
17
4.1.3. Periodo histórico de cálculo del balance

En regiones remotas, i.e., donde el acceso a los sitios de monitoreo es complejo, la literatura clásica
considera a la disponibilidad de información en las estaciones de monitoreo, como uno de los factores de
selección del periodo de cálculo (UNESCO, 1982); esta recomendación es válida, pero debe tomar en cuenta
que la elección de la línea base para el cálculo del balance hídrico y sus proyecciones, tiene una implicación
directamente relacionada a la variabilidad y tendencias climáticas. En este contexto, la elección del periodo
histórico de cálculo deberá equilibrar ambas perspectivas, como se sugiere a continuación.
Perspectiva clásica: Elección del periodo de cálculo del balance en función a la disponibilidad de información
El periodo mínimo de cálculo del balance hídrico de 15 años; se asume como un periodo ideal entre 25 a 30
años (UNESCO, 1982; Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006). El límite inferior (15 años)
corresponde a estudios en microcuencas, bajo la consideración de que sobre áreas relativamente pequeñas
el número de estaciones será reducido, principalmente en relación a información hidrométrica (e.g., (Soria,
2016)). Por otro lado, es aceptable el límite superior (25 a 30 años) en mesocuencas y macrocuencas, al ser
factible el uso de información regionalizada y proveniente de fuentes de información secundaria (información
satelital) y datos de reanálisis (e.g., (Gonzáles, 2016)).
Perspectiva moderna: variabilidad y tendencia climática

El cálculo se realiza para un periodo que permita la identificación de un ciclo (diurno, mensual, estacional,
anual, interanual o decadal) o la comparación de las tendencias entre ciclos, según el objetivo del estudio
(UE, 2015). Para ilustrar tal relevancia, estudios indican que la precipitación presenta una tendencia negativa
en la Amazonía para el periodo 1950-1994, con particular importancia desde 1982 (Espinoza, y otros, 2009)
(Seiler, Hutjes, & Kabat, 2012); la precipitación describió una tendencia positiva desde mediados de 1960
hasta alrededor de 1990, con un quiebre de negativo a positivo en las anomalías entre 1976-1977 (Marengo,
2004) (Seiler, Hutjes, & Kabat, 2012). Las anomalías estandarizadas de precipitación muestran tendencias
oscilatorias con quiebres en 1972 y 1988, tendencias crecientes desde 1965 a 1984 y tendencias
decrecientes de 1985 a 2004 (Seiler, Hutjes, & Kabat, 2012). Por otro lado, la temperatura del aire, en
términos de anomalías estandarizadas, presenta una tendencia general al incremento entre 1965-2004,
seguido por tendencias negativas ocurridas cinco años antes y cinco posteriores a aquel periodo, con un
quiebre en 1986-1987 (Seiler, Hutjes, & Kabat, 2012). Este conocimiento se analizará conjuntamente a
cambios y variaciones de naturaleza global y regional. Los detalles desarrollados en el capítulo VII, proveen
elementos adicionales que ilustran la importancia en la elección de la línea base del estudio.
4.2 Recopilación de información hidrometeorológica
4.2.1. Monitoreo por estaciones en tierra

Factores. Q, P, evaporación de tanque, temperatura del aire, humedad relativa del aire, velocidad del viento,
insolación diaria, radiación solar, presión atmosférica.
Escalas. Espacial: mediciones puntuales a ser extrapoladas mediante técnicas de regionalización. Temporal: horaria,
diaria; a partir de estos datos se estimará información mensual, anual.
Fuentes. SENAMHI, Empresa Nacional de Electricidad (ENDE), Servicio de Encauzamiento de Aguas y Regularización
del Río Piraí (SEARPI), Servicio Nacional de Hidrografía Naval (SNHN), gobiernos autónomos departamentales y
municipales, otros.
Las magnitudes, distribución espacial y temporal de los parámetros hidroclimáticos de la ecuación del balance
hídrico (P, ET, Q), se infieren primordialmente a partir de registros monitoreados en tierra. Recopilada la
información, aquella se sintetiza en una base de datos, para su análisis e interpretación. En Bolivia la red más
grande es administrada por el SENAMHI. Las características de disponibilidad de información en las
estaciones de la red se describen en (MDSP, 2002; SENAMHI, 2015); se resumen en la Tabla 1. En relación a
calidad, componentes, potencialidades y limitaciones, la literatura provee un análisis exhaustivo (ver (Olmos,
2014)). El SENAMHI recibe información de la Administración de Aeropuertos y Servicios Auxiliares a la
Navegación Aérea (AASANA) y la difunde en tiempo real (MDSP, 2002).
18
Una fuente adicional de información la constituye el Sistema de Información sobre Seguridad Alimentaria y
Alerta Temprana (SINSAAT). Se compone de una red agrometeorológica enfocada al análisis de eventos
meteorológicos para el apoyo a la agricultura, con registros adquiridos en su mayoría a partir del año 1992
(MDSP, 2002). La red del SINSAAT comparte ubicación con instrumentos de la red del SENAMHI, por lo que
la misma podría ser utilizada en un proceso de control de calidad mutuo (MDSP, 2002).
Entre los sistemas de monitoreo con administración independiente, a nivel nacional ENDE monitorea y
administra información meteorológica e hidrológica en regiones de importancia a sus actividades; algunos
ejemplos se describen en (OEA, 1975; Olmos, 2014). En cuanto a información hidrométrica, el SNHN registra,
procesa y difunde información referida a la variabilidad de niveles de agua de los principales cuerpos de agua
navegables del país; parte de esta información provee datos relativos a condiciones propias al año de
monitoreo, como ser los registros referenciales de barranco. Este último tipo de datos se utilizan para la
emisión de alertas; para otros estudios, como ser, análisis de tendencias, es posible que estos datos sean
complejos de interpretar debido a que las y secciones de control podrían variar en el tiempo (Bourgoin, 1997).
Entre los sistemas independientes, el SEARPI tiene una red importante al intervenir 16 cuencas del territorio
de Santa Cruz. En materia de hidrometeorología, la institución posee una red de estaciones para el monitoreo
de un sistema de alerta temprana, mediante el registro de niveles en los ríos principales, temperatura del aire,
precipitación, caudales y sedimentos en suspensión en cinco cuencas hidrográficas: cuenca río Piraí, cuenca
río Grande, subcuenca del río Comarapa, cuenca río Yapacaní, subcuenca río Surutú, cuenca río Ichilo y
cuenca río Parapetí, además de las subcuencas de los ríos Comarapa y Surutú (GADSC, 2012).
A nivel de proyectos y planes, la recopilación de información a través de estaciones de monitoreo permanente
es casi inexistente. La Autoridad Binacional del Sistema Hídrico del Lago Titicaca, Río Desaguadero, Lago
Poopó y Salares (ALT) no cuenta con una red propia; trabaja con información del SENAMHI y genera datos
complementarios a través de campañas de medición (aforos, batimetrías) (MDSP, 2002). En Cochabamba, el
Programa Manejo Integral de Cuencas (PROMIC) y el Laboratorio de Hidráulica de la Universidad Mayor de
San Simón (LHUMSS) establecieron en 1991 una propuesta piloto de manejo integral de la cuenca Taquiña,
a través de la cual se instalaron estaciones meteorológicas y limnígrafos, para el manejo sostenible de las
cuencas de la Cordillera del Tunari (PROMIC, 2004). Varios estudios utilizaron esta información en la
temática presente (Soria F. , 2004; Molina, Villarroel, Alurralde, Apaza, & Soria, 2006).
Tabla 1. Síntesis de la disponibilidad de información en las estaciones del SENAMHI.

A partir de información del SIGE, http://www.senamhi.gob.bo/sige/index.php
Síntesis de la información del SENAMHI
M - 1er O
M - 2doO
M - 3er O
H - 2doO
H - 3er O
(AA; PP)
(AA; PP)
(AA; PP)
(AA; PP)
(AA; PP)
(AA; PP)
(AA; PP)
M - 4toO
H - 4toO
Activas (AA);
Departamento
Paralizadas (PP)
Beni 13; 16 (1; 4) (4; 1) (9; 3) (2; 2) (7; 2) --- (1; 4)
Chuquisaca 65; 30 (7; 0) (26; 6) (12; 13) (17; 9) --- (3; 2) ---
Cochabamba 52; 12 (7; 0) (11; 5) (20; 2) (10; 3) (2; 0) (2; 0) (0; 2)
La Paz 134; 19 (11; 2) (22; 2) (41; 8) (29; 1) (2; 0) (18; 3) (11; 3)
Oruro 44; 9 (3; 0) (13; 4) (19; 4) (3; 0) (1; 0) (4; 0) (1; 1)
Pando 5; 7 (2; 1) --- (1; 0) (1; 0) (4; 0) (1; 1) (0; 1)
Potosí 77; 7 (9; 0) (21; 2) (23; 3) (18; 0) --- (6; 1) (0; 1)
Santa Cruz 34; 27 (2; 5) (1; 10) (19; 6) (8; 1) --- (1; 1) (3; 4)
Tarija 60; 12 (2; 4) (4; 0) (26; 2) (26; 2) (1; 0) (1; 3) (0; 1)
Total 495; 139
19
Síntesis de la información del SENAMHI

Notas
Clasificación de estaciones meteorológicas (SENAMHI, 2011) Clasificación de estaciones
hidrológicas (SENAMHI, 2011)
2 orden (M - 2doO)
1 orden (M - 1erO)
3 orden (M - 3erO)
4 orden (M - 4toO)
agrometeorológica
2 orden (H - 2doO)
1 orden (H - 1erO)
3 orden (H - 3erO)
Estación sinóptica
4 orden (H - 4toO)
climatológica
Estación
Estación
er
er
Parámetro
o
• • • • Precipitación √ √ √
er
er
Parámetro
o
• • • Temperatura máxima √ √ √ • • • • Cotas
• • • Temperatura mínima √ √ √
• • • • Precipitación
• • • Temperatura de bulbo seco √ √ √
• • • Caudal líquido
• • • Temperatura de bulbo húmedo √ √ √
• • Caudal sólido
• • • Humedad relativa √ √ √
• Calidad del agua
• • • Viento √ √ √
• • Radiación solar √ √
• • Insolación √ √
• • Evaporación √ √
• • Temperatura del suelo, a 5 cm de la superficie √ √
• • Presión atmosférica √ √
• Temperatura superficial del tanque √
• Viento, a 50 cm de la superficie √
• Temperatura del suelo, a 5, 10, 20, 30, 50 y 100 cm √
de profundidad
4.2.2. Monitoreo en cuencas con cobertura parcial de glaciares

Factores. Q (deshielo glaciar, caudal total de la cuenca con cobertura glaciar parcial), P, evaporación de tanque (en
la zona sin cobertura glaciar), temperatura del aire, humedad relativa del aire, velocidad del viento, insolación diaria,
radiación solar (radiación de onda corta incidente, radiación de onda corta reflejada, radiación de onda larga
incidente, radiación de onda larga reflejada), presión atmosférica.
Escalas. Espacial: mediciones puntuales, a ser extrapoladas mediante técnicas de regionalización. Temporal:
instantánea (10 minutos), horaria, diaria; a partir de estos datos se estimará información mensual, anual (esta última,
particularmente importante para estudiar el balance de masa glaciar).
Fuentes. Institut de recherche pour le développement (IRD), IHH-Universidad Mayor de San Andrés (UMSA), UMSA,
Organizaciones no Gubernamentales, otros.
Proyectos enfocados a estudiar la dinámica glaciar y la disponibilidad de los recursos hídricos, instauraron
sistemas de información hidroclimática en cuencas con cobertura glaciar parcial en ramales de los Andes en
Bolivia. Destacan dos proyectos académicos y uno de carácter particular. El primero corresponde al IRD, a
través del monitoreo de los glaciares Zongo y Antizana en la Cordillera Real (Wagnon, Ribstein, Kaser, &
Berton, 1999). La información tiene dominio público, previa autorización de la institución. Un segundo
proyecto corresponde al Proyecto Grande (Asesoramiento del Impacto del Retroceso de los Glaciares y el
Desarrollo de Políticas Nacionales). Concentró su atención en aspectos académicos y temas prácticos
enfocados a investigar la relevancia de los glaciares en la producción hídrica de la cuenca (Soria & Kazama,
2011). Se desconoce si al momento la información tiene carácter público. Un enfoque híbrido científico-
ingenieril, en un marco social-comunitario, sustentó un proyecto que apoyó el monitoreo de la respuesta
hídrica de cuencas, en sitios remotos del Parque Nacional Sajama (Soria F. , 2013). Se desconoce si en la
actualidad la información tiene dominio público.
20
4.2.3. Cuencas con presencia de lagos, lagunas, reservorios artificiales

Factores. Q (caudales de entrada o aporte de tributarios, caudales regulados a la salida del cuerpo de agua,
extracciones, reglas de regulación del reservorio), P, evaporación de tanque, temperatura del aire, humedad relativa
del aire, velocidad del viento, insolación diaria, radiación solar, presión atmosférica, curvas elevación-área-volumen
(información batimétrica).
Escalas. Espacial: mediciones puntuales, a ser extrapoladas mediante técnicas de regionalización. Temporal: horaria,
diaria; a partir de estos datos se estimará información mensual, anual.
Fuentes. IHH-UMSA, ALT, otros.
Los sistemas con reservorios naturales o artificiales tienen un nivel de interacción generalmente importante
con el entorno hidroclimático. La información del sistema podría no estar disponible a través de medición
directa, debido a limitaciones de tipo económico. Tomando como ejemplo al sistema de la cuenca del Lago
Titicaca, estudios sugieren que cambios pequeños en la precipitación y evaporación podrían dar lugar a
variaciones importantes en el estado hidrológico del sistema (Kessler & Monheim, 1966). Se estima que la
precipitación comprende 50% del total de aportes, las contribuciones de los tributarios comprenderían el
restante 50%; la evaporación comprende aproximadamente 90% de las pérdidas; y las pérdidas por
evaporación profunda en el rango 2% a 10% (Molina, Satgé, & Pillco, 2014). Debido a que estas estimaciones
corresponden a un caso específico, no se recomienda utilizarlos para el estudio de otros lagos o lagunas.
4.2.4. Información complementaria: productos de teledetección y otros

La utilidad de productos capturados por satélites y otros generados por análisis a nivel regional y global
proveen información importante. Se sugieren las siguientes fuentes:
• Intensidad de precipitación promedio. Entre las fuentes de información de mayor difusión está la
Misión para la Medición de Precipitación Tropical (TRMM). En el país, existen experiencias que
aplicaron el producto 3B43, con resolución mensual, disponible para el periodo 1998-presente
o
(NASDA, 2001; Huffman & Bolvin, 2014). Debido a su resolución espacial de 0.25 , aproximadamente
28 km, y por ser una fuente de acceso libre, es útil a escala de mesocuenca y macrocuenca, previa
calibración mediante datos de estaciones en tierra (e.g., (Gonzáles, 2016)). Una investigación
realizada en el país, aplicó estos datos junto con información del Sistema de Predicción Climática de
Reanálisis y Repredicción (CFSR, http://rda.ucar.edu/datasets/ds093.0/), con resolución horizontal de
38 km aproximadamente, y el Análisis Retrospectivo de la Era Moderna para Investigación y
Aplicaciones (MERRA, http://disc.sci.gsfc.nasa.gov/mdisc/data-
holdings/merra/merra_products_nonjs.shtml), con resolución horizontal de 50 km; el estudio concluyó
que estas dos últimas fuentes tienden a sobreestimar la precipitación sobre los Andes y a
subestimarla sobre el área amazónica, resultando en un desempeño menor al del producto TRMM
3B43 (Blacutt, Herdies, Gonçalves, Vila, & Andrade, 2015).
Otro estudio al respecto, se observó que en la región de transición entre la superficie del Lago
Titicaca y el suelo del área de las orillas y áreas circundantes, es variable el desempeño de las
estimaciones de precipitación realizadas por diversas plataformas (Satgé, y otros, 2016). En aquel
estudio, los productos TRMM 3B42, PERSIANN (Estimación de Precipitación a partir de
Teledetección Utilizando Redes Neuronales Artificiales, http://chrs.web.uci.edu/persiann/data.html) y
GSMaP (Mapeo Satelital Global de Precipitación, http://sharaku.eorc.jaxa.jp/GSMaP/index.htm),
tienden a presentar un contradictorio déficit sobre el Lago Titicaca, con sesgos que varían en el rango
de +90% a -42%, según el producto; el sesgo se redujo en algún caso, cuando los productos TRMM
3B42, PERSIANN y CMORPH se ajustaron a la información en tierra (Satgé, y otros, 2016)).
• Base de datos del WorldClim. Provee información calculada a partir de condiciones históricas
registradas en estaciones en tierra. Las variables provistas son la precipitación, la temperatura media
del aire, la temperatura mínima del aire y la temperatura máxima del aire. Tiene resolución mensual,
resultante del promedio de observaciones en el periodo 1950-2000. La interpolación del producto
considera un ajuste de curvas tipo spline de segundo grado, utilizando el DEM del SRTM, información
de la ubicación geográfica del punto (latitud, longitud) y su elevación (Hijmans, Cameron, Parra,
Jones, & Jarvis, 2005). El producto es provisto en formato raster con resolución horizontal de 1 km,
21
por lo cual es útil para estudios en microcuencas (e.g., (Soria, 2016)). El acceso a la información es
libre.
• Base de datos del Centro Nacional de Datos Climáticos (NCDC) de la Administración Atmosférica
y Oceánica de los Estados Unidos (NOAA). Provee información diaria de estaciones sinópticas en
tierra. Para estudios de balance hídrico son útiles los datos de presión atmosférica, temperaturas
medias, máximas y mínimas del aire, temperatura del punto de rocío, velocidad del viento, alturas de
precipitación (e.g., (Inypsa, 2012)). La información es útil en estudios sobre cuencas transfronterizas,
al contener datos de estaciones de países vecinos (Gonzáles, 2016). El acceso es libre.
4.2.5. Posible comportamiento futuro del clima

Existen varias experiencias de simulaciones dinámicas de alta resolución que buscaron generar información
útil para la compleja geografía nacional. Si bien estos trabajos atravesaron un riguroso procesamiento por los
autores respectivos, al momento no existe un estudio superior que valide su uso como herramienta oficial a
nivel nacional. Por esta razón, su aplicación debe contemplar un análisis del desempeño de los productos en
condiciones locales. Con esta consideración, algunas fuentes se describen a continuación.
• PRECIS (Provisión de Escenarios de Cambio Climático Regional para Estudios de Impacto). El
sistema de modelación climática PRECIS se aplicó en Sud América a través del desarrollo de
experimentos para la aplicación de Modelos Climáticos Regionales (RCM), en el contexto del Reporte
de Asesoramiento 4 del Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC)
(Solomon, y otros, 2007). Las conclusiones de las experiencias desarrolladas sugieren la
subestimación de la temperatura y la sobreestimación de la precipitación en la región andina (Seiler,
2009), además de dificultades en la representación del fenómeno ENSO (Marengo, y otros, 2011),
entre los resultados relevantes a la temática presente. Para referencia, el portal
http://unfccc.int/adaptation/nairobi_work_programme/knowledge_resources_and_publications/items/5
449.php presenta un resumen de información para acceder al modelo.
• UNL-IDB Proyecto de Modelación Climática Regional. El proyecto generó información con
resolución de 4 km, considerando los modelos globales CCSM4, ECHAM y MIROC. La simulación se
realizó para el periodo 1979-2012, para las trayectorias AR5 RCP 2.6, 4.5 y 8.5. No existe un estudio
que evalúe la calidad de los productos, por lo que se sugiere cautela en su utilización. Los datos son
de acceso libre desde el portal http://weather.unl.edu/RCM/Bolivia (Oglesby & Rowe, 2014).
• Centro Internacional de Agricultura Tropical (CIAT) y programa de investigación del Consorcio
Internacional de Centros en Investigación Agrícola (CGIAR) en Cambio Climático, Agricultura y
Seguridad Alimenticia (CCAFS). La información disponible en el portal http://ccafs-climate.org/data/,
provee salidas de GCM del Informe de Asesoramiento AR5 del IPCC, producidos por el CIAT y el
CGIAR - CCAFS. Las proyecciones están desagregadas por el método Delta, con resolución de 30
arco segundos (aproximadamente 1 km), para los periodos 2020-2049, 2040-2069, 2060-2089 y
2070-2099. La información está disponible para la precipitación, temperatura media, máxima y
mínima del aire, correspondiente a 34 GCM y cuatro Trayectorias Representativas de Concentración
(RCP): RCP2.6, RCP4.5, RCP6.0, RCP8.5. La información acerca del método delta de desagregación
utilizado (downscalling) está también disponible en el portal mencionado (Ramirez & Jarvis, 2010).
4.3 Recopilación de información temática

El cálculo del balance hídrico utilizará información temática que complementa el conocimiento provisto por las
fuentes previamente descritas. Esta información es generada a través de proyectos, estudios científico-
técnicos e iniciativas que aplican de nuevas tecnologías. Las fuentes sugeridas se describen a continuación.
4.3.1. Información cartográfica

• Base de datos cartográfica del DEM SRTM. Con esta información de acceso público se construirán
mapas de red hídrica, dirección de flujo, delimitación de cuencas. El producto está disponible para
varios tamaños de celda. Para el cálculo del balance hídrico se recomienda los productos con
resolución de 1 arco segundo, aproximadamente 30 m en la horizontal, y el producto con resolución
22
de 3 arco segundos, aproximadamente 90 m en el Ecuador, disponibles desde el portal

https://lta.cr.usgs.gov/SRTM. El uso de los productos de 30 m aplica a estudios en microcuencas y
mesocuencas; para estudios en macrocuencas, el costo computacional del procesamiento de un
DEM de 30 m podría ser alto, definiendo la necesidad de trabajar con el DEM de 90 m.
La información disponible en proyección geográfica, datum vertical WGS 84, deberá ser proyectada al
sistema UTM WGS 84, a la zona 19, 20 ó 21, según el área de estudio. La literatura provee
asesoramiento respecto a la precisión vertical y otros detalles (Rodríguez, y otros, 2005).
• Otros DEM disponibles. En relación al DEM Aster 30m, la literatura no provee información que
sugiera ventajas respecto al DEM SRTM con similar resolución (Nikolakopoulous, Kamaratakis, &
Chrysoulakis, 2006). La plataforma ALOS-1 PALSAR provee un DEM con 12.5 m de resolución en la
horizontal, disponible en el portal https://www.asf.alaska.edu/sar-data/palsar/terrain-corrected-rtc/ ó a
través del MMAyA en su unidad de Sistemas de Información Geográfica (SIG). La mayor resolución
horizontal de esta última fuente es una ventaja sobre el SRTM DEM; la literatura no provee
información que sugiera desventajas significativas en su uso.
• Mapas cartográficos del Instituto Geográfico Militar (IGM). La cartografía se complementa con la
construcción de una geodatabase de red hídrica, cuerpos de agua y otros, a través de la información
de los mapas del IGM, con resolución espacial (horizontal) de 1:250000 (mesocuencas) y 1:50000
(microcuencas). Otro recurso útil es el uso e interpretación de imágenes satelitales.
4.3.2. Cobertura, vegetación, uso y tipo de suelo

Es una práctica común considerar varias fuentes de información para un mismo factor, debido a la posible
existencia de vacíos o datos incompletos (Soria, 2016). Las fuentes descritas a continuación se adecúan a las
escalas consideras en la presente guía.
• Cobertura y uso actual de la tierra. Los mapas del Sistema Único de Información de la Tierra
SUNIT (http://geosunit.vicetierras.gob.bo/) a escala 1:100000 incluye mapas de ecorregiones como
información complementaria. Estudios recomiendan su uso en estudios sobre cuencas con áreas
2
mayores a 500 km (Gonzáles, 2016). En cuanto a información multitemporal, están disponibles
mapas de cobertura y uso actual de la tierra elaborados en base a imágenes Landsat del año 1978
por el Programa del Satélite Tecnológico de Recursos Naturales del Servicio Geológico de Bolivia,
mapas de cobertura y uso de la tierra en base a imágenes Landsat 7 de los años 1999 y 2000
elaborados por la Superintendencia Agraria y mapas de cobertura y uso de la tierra en base a
imágenes Landsat del periodo 2006-2010 elaborados por la Unidad Técnica Nacional de Información
de la Tierra (http://geo.gob.bo/IMG/wmc/mt-uso_actual.wmc). La información es también útil para el
análisis de la demanda de agua, por ejemplo, a través de la estimación del cambio en la superficie
agrícola, el crecimiento de la mancha urbana y otros. La información podría también aplicarse para
definir condiciones de flujo superficial, recarga y cambios que podrían ocurrir en estos factores.
• Tipo de suelo, vegetación, geología. Los mapas del (MDSP, 2000) disponibles a escala 1:250000,
son útiles para la descripción del medio físico.
• Mapa de Vegetación de Bolivia, escala 1:250 000 (Navarro & Ferreira, 2007).
• Base de datos de la Unidad de Cobertura Global de la Tierra GLCF (www.landcover.org). Provee
diversa información, a distintas escalas. El GLCF provee también información de límites
departamentales, municipales, comunidades y centros poblados.
• Ubicación y características generales de sistemas de riego. Se obtiene del Inventario Nacional de
Sistemas de Riego (VRHR, 2012), en formato de SIG. Es útil para el cálculo de la demanda de agua.
• Imágenes satelitales Landsat, con resolución horizontal de celda de 30 m. La información está
disponible desde el año 1986. Son útiles en el estudio de cambios en el uso de suelo, entre otros.
• Plataforma Google Earth. Provee información complementaria de alta resolución en la horizontal. No
está disponible para el análisis de sus características multiespectrales. Se utiliza para identificar las
áreas con superficies cultivadas, para el estudio de cambios en áreas urbanas y otros.
• Datos demográficos. La información de los censos nacionales de 1992 y 2012 (INE, 2005) es útil
para el cálculo de la demanda de agua en poblaciones urbanas y rurales.
• Planes de Desarrollo Municipal, con información específica. Es de particular interés la información
relativa a las actividades productivas del municipio.
23
V. Análisis y reconstrucción de series cronológicas
5.1 Estructura del proceso de análisis

Una parte fundamental en el análisis en ciencia e ingeniería es el procesamiento y estudio de la información
contenida en los datos. El proceso no es una simple colección de pruebas estadísticas; está constituido por
componentes secuenciales, cíclicos y ordenados, donde están implicados varios factores de análisis. Las
etapas desarrolladas son las siguientes (Robson, 2000): i) Selección de los datos y preparación de la
información; ii) análisis exploratorio; iii) medidas y pruebas estadísticas; iv) interpretación de los resultados.
Selección de los datos

La disponibilidad de información delimita en ocasiones los alcances, resultados y potencialidades de los
emprendimientos. En un estudio de balance hídrico comprende la primera parte del análisis. La selección de
los datos debe asegurar una calidad apropiada además de la disponibilidad de información por un periodo lo
suficientemente extenso en tiempo y espacio, en lo posible sin presencia de vacíos. La congruencia en las
dimensiones es otro aspecto a considerar, por lo que ocasionalmente la transformación de los datos
constituye un requerimiento. En el capítulo, esta etapa del análisis se desarrolla alrededor del proceso de
selección de la información meteorológica e hidrológica capturada principalmente en estaciones en tierra.
Análisis exploratorio
Comprende la definición preliminar del área de influencia, la selección (preliminar) de las estaciones en tierra
y el control de calidad inicial de los datos a través de herramientas visuales y medidas estadísticas básicas. El
análisis exploratorio a través de herramientas visuales es generalmente aplicado en distintas etapas del
estudio. Se considera inicialmente para explorar las características de los datos, la calidad de la información y
la variabilidad de la misma. En etapas posteriores será una técnica útil para investigar la eficacia de las
técnicas e hipótesis aplicadas, además de proveer los medios para la presentación de los resultados.
Medidas y pruebas estadísticas

El análisis estadístico es la etapa que mayor atención recibe en los estudios de balance hídrico. Una parte
comprende la descripción cuantitativa sumaria de datos y presunciones acerca de la distribución del
comportamiento de la variable para describir las características de la muestra. Teniendo en cuenta que el
análisis y control de calidad es un proceso cíclico, esta etapa se aplica sobre información cuya calidad está
asegurada y validada. El análisis de series cronológicas se enfoca en la aplicación de pruebas estadísticas
para evaluar la veracidad de las presunciones, el análisis de los patrones, la verificación de consistencia,
homogeneidad, estacionalidad, persistencia y periodicidad.
Interpretación de los resultados

La interpretación final de los resultados reúne el poder de la estadística como medio sintetizador de los
resultados generados, con el apoyo del impacto de medios visuales que ilustran el conocimiento adquirido.
5.2 Selección de estaciones meteorológicas e hidrológicas

La información capturada en tierra deberá tener la capacidad de describir la variabilidad espacial y temporal
de los factores del balance hídrico. La selección de las estaciones se basa en criterios estandarizados
(UNESCO, 1982; Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006), modificados secuencialmente
mediante consideraciones empíricas desarrolladas en un contexto geográfico, económico y social.
5.2.1. Selección preliminar
Área de influencia
Se denomina selección preliminar debido a que la elección definitiva de las fuentes de información se logrará
luego de la conceptualización del sistema en el entorno computacional seleccionado. La amplitud del área de
24
influencia se define a través de un cuadrante externo al área de la cuenca, definido mediante la superposición
del mapa de la cuenca, el DEM y la ubicación de las estaciones. En el proceso, la construcción de polígonos
de Thiessen es una herramienta útil. Para el caso de las estaciones hidrométricas, la selección es más
flexible, debido al limitado número de sitios de monitoreo existentes. La forma de construcción de los
polígonos se describe en el subtítulo 5.2.2 (también ver Herramienta 1 - Anexo 1).
Figura 2. Selección preliminar de estaciones en tierra mediante el criterio de los polígonos de Thiessen.
Para el ejemplo, quedarían excluidas las estaciones dentro los polígonos celestes. En algún caso, dentro de los polígonos
aceptados existirán varias estaciones; la inclusión o exclusión de aquellas responderá a un criterio técnico
Inventario de la información
Previo al procesamiento, se construye una tabla que detalla la información hidroclimática disponible. El
inventario identifica estaciones con registros extensos. El formato del inventario deberá ser flexible, con
capacidad de conservar los datos originales y mostrar cada etapa del proceso, marcando los datos
sospechosos con banderines (códigos numéricos), de modo que sea posible evaluar la fiabilidad del proceso
y se permita aplicar validaciones posteriores (OMM, 2011). Esta etapa no descarta estaciones con registros
cortos, debido a que aún no se cuenta con el conocimiento suficiente para hacerlo:
DEPARTAMENTO : BENI
1942
1943
1944
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
Nº E ST A C I O N E S
1 Angosto de Bala 6 4
2 Casarabe
3 G. Cavinas
4 Guayaramerin (AASANA) 9 11 11 11 7 7 11 10
5 Magdalena (AASANA) 3 11 11 9 11
6 Peroto
7 Reyes 4 6 7 11 11 11 11
Figura 3. Formato sugerido para describir la disponibilidad de información (etapa previa al procesamiento)
Las celdas sombreadas indican meses con información completa; los números indican el número de días con información
25
5.2.2. Pruebas iniciales para verificar la calidad de la información

El objetivo de las pruebas iniciales en el proceso de control de calidad de la información hidrometeorológica,
es verificar si el valor de un dato es representativo de la medición que se efectúa; se debe verificar que el
dato no se ha visto afectado por factores no relacionados al mismo (OMM, 2011). Constituye el paso
siguiente al proceso de selección preliminar de estaciones. Los errores en los datos se atribuyen a los
instrumentos, el observador, la transmisión de los datos y su transferencia a la base de datos. La verificación
se basa en las siguientes pruebas (OMM, 2011) (ver 2.1.2 - Anexo 1):
• Prueba de formato. Verifica la presencia de datos repetidos, datos en blanco, error en la coma
decimal, confusión en el nombre de la estación o la variable.
• Prueba de ausencia de datos. Verifica y analiza la ausencia de datos por periodos extensos.
• Prueba de coherencia interna. Verifica la relación física entre los factores del balance hídrico. Por
ejemplo, deberá existir compatibilidad entre la precipitación y los datos de caudales.
• Prueba de coherencia temporal. Verifica la variabilidad de un factor en el tiempo. Por ejemplo, la
ausencia de variación en los registros de velocidad del viento durante el día, se considera erróneo.
• Prueba de coherencia espacial. Verifica que los registros entre estaciones vecinas sean congruentes.
La coherencia se verifica en la horizontal y/o en la vertical. Por ejemplo, en los registros de
precipitación se espera coherencia en la horizontal, es decir, un comportamiento similar entre
estaciones ubicadas en sitios separados a una distancia máxima aceptable; por otro lado, en los
registros de temperatura del aire se espera también coherencia en la vertical.
• Prueba de tolerancia (prueba de rango fijo). Se verificará límites superiores o inferiores, absolutos o
referidos a parámetros estadísticos, para un factor climatológico.
Visualización cualitativa de datos

Se aplica a través de histogramas, distribuciones acumuladas de frecuencias, diagramas de caja, diagramas
de series cronológicas y otros (Kottegoda & Rosso, 1997). Estos recursos permiten visualizar tendencias,
tipificar datos anómalos y sospechosos (OMM, 2011) e identificar errores sistemáticos, por lo que constituye
un filtro importante. Se sugiere su aplicación en primera instancia a series anuales, luego a series mensuales,
para identificar el dato sospechoso en la serie (SGCA, BM, GEF, MAE/PRAA, & FONAG, 2011):
• Precipitación.
Se excluirán datos negativos en la serie. En el caso de mediciones de nieve, se buscará la presencia
de líneas rectas, como indicativo de obstrucciones en los instrumentos. Se descartará datos
adicionales en base a recomendaciones empíricas tales como (e.g., (Gonzáles, 2016)): meses con 20
o menos días de información, en el periodo noviembre a abril; meses con 15 o menos días de
información, durante el periodo mayo a octubre. A partir de esta serie, el proceso es el siguiente:
i. Exploración de las series individuales.
- Representaciones gráficas cronológicas superpuestas a datos de flujo.
ii. Exploración de series por comparación entre estaciones.
- Construcción de curvas de doble masa, para series individuales y series de estaciones vecinas.
- Superposición de series cronológicas con datos de estaciones cercanas.
- Diagramas de caja. Los valores sospechosos superan el tercer cuartil más cinco veces el rango
intercuartil (qir) o los que no alcanzan el primer cuartil menos cinco veces el qir (Aguilar, Sigró, &
Brunet, 2009).
• Temperatura del aire.

Se excluyen registros donde la temperatura máxima (Tmax) sea superior a la temperatura mínima del
aire (Tmin). Son útiles los criterios particulares al sitio. Por ejemplo, en el Altiplano, es sospechosa
una Tmax > 60°C, Tmin < -35°C (e.g., (Gonzáles, 2016)). A partir de esta serie, el proceso es:
- Superposición de series cronológicas entre estaciones cercanas.
26
- Diagramas de caja. Los valores sospechosos superan el tercer cuartil más tres veces el qir o los que
no alcanzan el primer cuartil menos tres veces el rango intercuartil (Aguilar, Sigró, & Brunet, 2009):
Precipitación, mm
b
c
d
e
Estación 82 Estación 81
Figura 4. Diagrama de caja.
a es el valor máximo dentro de una distancia que no supere 1.5 veces el rango intercuartil (qir = tercer cuartil -
primer cuartil); b es el tercer cuartil o percentil 75; c es la mediana o percentil 50; d es el primer cuartil o percentil
25; e es el valor mínimo, dentro de una distancia que no supere 1.5 veces el qir. En este ejemplo, el eje vertical
está a la escala de la variable analizada. Los círculos son los valores alejados del tercer cuartil una distancia de
1.5 veces el qir; los números indican la posición del dato en la serie. No se observa valores extremos
• Otras variables.
Se excluirán registros de series donde la humedad relativa del aire, la velocidad media del viento
(Vmed), la evaporación de tanque, o la insolación diaria (HS) presenten valores de cero durante un
periodo extenso; lo mismo aplica a los valores negativos. Pueden excluirse datos adicionales en base
a recomendaciones empíricas tales como (e.g., (Gonzáles, 2016)): Humedad relativa máxima
(HRmax) < humedad relativa mínima (HRmin); HRmax, HRmin ó humedad relativa media (HRmed) >
100%; HS > 13 h; meses con 15 o más días de información faltante. A partir de estas series, la
exploración compara registros de estaciones vecinas, con las siguientes herramientas:
- Superposición de series cronológicas entre estaciones cercanas.
- Diagramas de caja. Tomando límites referenciales, los valores identificados como sospechosos
serán aquellos que superan el tercer cuartil más tres veces el rango intercuartil o los que no alcanzan
el primer cuartil menos tres veces el rango intercuartil (Aguilar, Sigró, & Brunet, 2009) (Figura 4). Los
diagramas podrán ser aplicados a series anuales en una primera instancia y a series mensuales
multianuales en una posterior.
Información fluviométrica
Previa exclusión de datos negativos, se analizarán los siguientes aspectos (Vauchel, Malbrunot, & Aguilar,
2006) (Tabla 2):
i. Errores sistemáticos.
- Identificación de errores de ubicación de estaciones, errores en la digitalización de los datos,
coma decimal, unidades, repetición de valores, inversión de datos en la libreta de campo (el
aforador podría haber anotado las revoluciones en la casilla del tiempo y viceversa), conteo
erróneo de revoluciones durante los aforos.
27
ii. Exploración de las series individuales (registros instantáneos, en lo posible). Utiliza gráficas de
cotas (profundidad de flujo), aforos y caudales. Se realizar a través del siguiente procedimiento:
- Identificar la presencia de líneas rectas, al ser indicativo de lagunas en el entorno de la sección
de control de la estación.
- Construcción de gráficas precipitación-caudal, precipitación-cota. Se buscará identificar la
concordancia entre la ocurrencia de crecidas y las lluvias registradas.
- Identificación de datos extrapolados. Generalmente, los valores altos no corresponden a
observaciones medidas en sitio, por las dificultades técnicas asociadas (consideraciones de
seguridad durante las campañas de aforo).
iii. Exploración de series por comparación entre estaciones.
- Superposición de series cronológicas de cotas, aforos y caudales de estaciones vecinas. Este
paso proveerá información acerca de la coherencia espacial.
- Construcción de curvas de doble masa. Se buscará cambios en las pendientes de los gráficos,
indicativos de comportamiento anómalo en relación a las estaciones del entorno. Para su
construcción, ver subtítulo 5.4.1.
- La ocurrencia de crecidas tiende a descalibrar las relaciones cota-aforo (H-Q). Se explorará los
registros en busca de aquella condición.
iv. Revisión de las curvas de calibración. Sobre los registros o periodos sospechosos, se analizará
las curvas de calibración y se evaluará la necesidad de su reconstrucción.
Tabla 2. Resumen de los pasos a seguir para reconstruir las curvas de calibración.
A partir del procedimiento sugerido en (Vauchel, Malbrunot, & Aguilar, 2006)
Revisión (reconstrucción) de las curvas de calibración
Paso 1. Recolección de 3.2 Se realiza el ajuste a cada Paso 4. Análisis complementario para el
información (datos periodo, con el cuidado de que las ajuste de las curvas de calibración.
instantáneos, características curvas no se crucen entre sí en la
de las estaciones). Cotas, aforos parte alta. Se recomienda el ajuste a Análisis de coherencia espacial.
y caudales (curvas de curvas polinómicas de segundo grado Comparación de caudales instantáneos de
calibración). Características de y curvas potenciales: estaciones vecinas y criterios adicionales
las secciones de control, como el análisis de correlación múltiple. En
geometría de las secciones. = ∙ + ∙ + , el gráfico, aparentemente existe un error en
Estudios varios. la curva de calibración de una de las
= ∙ , estaciones en el año 1993.
Paso 2. Errores sistemáticos, donde A, B y C son coeficientes del
Caudal instantáneo, m3/s
exploración de las series 600

polinomio de segundo grado; D y E
individuales y comparación son coeficientes de la curva potencial.
entre estaciones cercanas. La 400
comparación se realiza entre 700
Aforos, m3/s
estaciones que cuentan con 200

registros durante el mismo 500
periodo.
Periodo 0
300 n
Paso 3. Primer análisis de los
09/1990
09/1991
09/1992
09/1993
09/1994
Periodo
aforos y trazado de curvas de m
calibración. 100
100 200 300 400
3.1 Identificación de periodos de Cotas, cm
comportamiento homogéneo.
Análisis final
Paso 5. Extrapolación de las - Para estimar nM se considera que el mismo Paso 6. Verificación de la calidad
curvas de descarga. (Vauchel, es constante para una profundidad de flujo de la información.
Malbrunot, & Aguilar, 2006) dada, donde la influencia de la rugosidad de la
sugiere aplicar el criterio de superficie es mínima. Este valor se deduce de - Se verificará la coherencia temporal
Manning-Strickler: la ecuación de Manning-Strickler con datos de y espacial de las series cronológicas.
28
Revisión (reconstrucción) de las curvas de calibración
= / / ℎ / , los aforos durante la ocurrencia de niveles - (Vauchel, Malbrunot, & Aguilar,

medios en el río. Para caudales altos, nM se 2006) sugiere la verificación
donde Am es el área, Pm el obtiene por extrapolación de la curva nM vs mediante análisis de correlación
perímetro mojado, Sh la caudal aforado, considerando que la misma es múltiple de caudales. También
pendiente hidráulica. nM es el asintótica. sugiere evaluar la posibilidad de
coeficiente de Manning. reconstruir las series de cotas a
- Utilizando los coeficientes estimados para través del mismo enfoque.
- La geometría de la sección se cada estación, se calculan las funciones
calcula a partir del QManning=f(cota). - La aplicación del criterio del Vector
levantamiento de perfiles Regional como medio para verificar
- Se comparan las curvas obtenidas a través la homogeneidad de los caudales
transversales o de los perfiles de la ecuación de Manning-Strickler con las
transversales descritos en las construidos, es una alternativa a
curvas de descarga construidas con datos de considerar cuando la disponibilidad
campañas de aforo, para varias aforos y cotas (curvas de descarga empíricas),
fechas. de información así lo permita. A
para un ajuste final de nM. través de este medio, existe también
- La pendiente hidráulica se - Las curvas de descarga empíricas se la posibilidad de reconstruir las series
estima a partir de la diferencia extrapolarán con el nM ajustado. de caudales por criterios de
de elevaciones y la distancia de correlación múltiple*.
separación entre sitios
contiguos. *Los métodos descritos se
desarrollan en el subtítulo 5.5.1
5.3 Descriptores cuantitativos sumarios de datos
5.3.1. Medidas de tendencia central, de variabilidad y de simetría

Proveen de una forma económica, pero valiosa, propiedades cuantitativas que los histogramas y los métodos
visuales no logran entregar. Para las series hidroclimáticas se determinarán tres tipos de parámetros: las
medidas de tendencia central, de dispersión y asimetría (Kottegoda & Rosso, 1997). Las medidas de
tendencia central se determinan ubicando un valor central o representativo alrededor del cual los datos se
agrupan. Se utilizan para caracterizar la muestra junto a una medida de variabilidad y simetría. La tabla
siguiente provee una guía resumida (OMM, 2011); la sección 2.1.3 - Anexo 1 provee un ejemplo.
Tabla 3. Síntesis de descriptores estadísticos

Medida Uso Potencial Aspectos sensibles
Media Representa un número hacia el que Patrón de referencia práctico, No es representativa de

aritmética, converge el promedio de una serie de fácil cálculo, error menor al distribuciones asimétricas;
media larga y a medida que el número de de otras medidas de es afectada por valores
Tendencia central
ponderada valores de datos va aumentando. tendencia central. excepcionales.

Mediana Medida de posición que representa Útil cuando las observaciones No es adecuada para series
el medio de una distribución de tienden a agruparse alrededor que no se agrupan
frecuencias acumuladas. del centro, pero existen alrededor del valor central.
observaciones altas y bajas.
Moda Valor que se presenta con más No se ve afectada ni por el No es útil en muestras
frecuencia en la muestra. valor ni por la posición de pequeñas o muestras con
otras observaciones. más de una agrupación de
observaciones.
Rango Describe la diferencia existente entre Cálculo sencillo - No es útil si los valores
el valor más alto y el más bajo de la son escasos.
muestra - No ofrece información
Dispersión
sobre el carácter de la
distribución de frecuencias
dentro de los límites
extremos.
- No es suficiente para
estimar la fiabilidad de la
tendencia central.
29
Medida Uso Potencial Aspectos sensibles
Rango El primer cuartil (q1) es el valor de las - Es una medida más Es posible que no logre
intercuartil observaciones ordenadas de manera resistente a valores extremos describir una parte
que un 25% de aquellas es inferior y que el rango. importante de las
un 75% superior; el tercer cuartil (q3) - Al utilizarlo con la mediana, características de la
es el opuesto: el 75% es inferior y el describe propiedades población.
25% superior. El rango intercuartil adicionales de la muestra,
(qir) es el rango del 50% por ciento como en el caso de los
(diferencia entre la mediana de la diagramas de caja.
mitad superior y la mediana de la
mitad inferior).
Desviación Es la media del valor absoluto de A diferencia del rango y el qir, Son útiles solamente
media todas las desviaciones de las logra capturar las cuando las desviaciones
absoluta observaciones respecto de una características de toda la pequeñas y grandes son tan
medida de tendencia central. muestra, a través del cálculo significantes como las
de las desviaciones. desviaciones promedio.
Desviación - Es la raíz cuadrada de la media del - Es muy sensible a valores - Deja de ser útil cuando la
típica o cuadrado de todas las desviaciones altos y bajos. media tiende a cero.
desviación respecto de la media. Se utiliza para - La desviación estándar se - Al ser una medida
estándar; deducir varias medidas estadísticas expresa en las unidades de la absoluta de la variabilidad,
varianza y como factor para normalizar variable descrita. el requisito para hacer
diferentes distribuciones con el fin de comparaciones es que los
establecer comparaciones. promedios respectivos
- El cuadrado de la desviación tengan valores similares.
estándar es la varianza. - La varianza es difícil de
interpretar debido a que sus
unidades están elevadas al
cuadrado.
Coeficiente Es útil si se requiere comparaciones Permite la comparación de No es una medida de
de variación entre muestras con medias que no distintas muestras respecto a dispersión con respecto al
son similares o cuando las unidades una medida central y a la centro de la distribución.
de medición no son las mismas. dispersión.
Coeficiente Mide la asimetría respecto a la - Datos relativos a la Se sugiere su uso junto con
de asimetría media. Es positiva cuando la media temperatura máxima diaria otras medidas.
es mayor que la moda y negativa en suelen presentar una
el caso opuesto. tendencia hacia la asimetría
positiva.
Mediana
- Las temperaturas mínimas
Simetría
diarias a menudo presentan

una tendencia hacia la
asimetría negativa.
Moda Media
Sesgada hacia la derecha (positiva)
Coeficiente Proporciona una medida relativa - Curtosis positiva: indica Se sugiere su uso junto con
de curtosis adimensional del aplastamiento o mayor concentración de otras medidas.
Apuntamiento
apuntamiento de una distribución de valores respecto a la media.

frecuencia. Indica la manera en que - Curtosis negativa: indica una
el pico y las colas de una distribución región plana y amplia. Es
difieren de la distribución normal. característico de muchas
distribuciones meteorológicas,
como la humedad en altitud.
Índices Expresa la relación entre las Tiene cuatro componentes: la - La referencia debe
condiciones observadas y las de elección de sus elementos; la representar una condición
Índices
referencia mediante un solo valor. elección de la referencia; el normal o esperada.

método de cálculo; las - Es importante proveer una
ponderaciones o importancia definición apropiada de los
de cada elemento. factores de ponderación.
30
5.3.2. Distribución de frecuencias

Las funciones de probabilidad más comunes tienen la propiedad de describir situaciones presentes en la
naturaleza. Con este potencial y previa eliminación de registros con errores, las propiedades y relaciones
pueden utilizarse para analizar los datos de la estación y evaluar su coherencia en relación a estaciones
vecinas. Algunas funciones de distribución de probabilidad (pdf) sugeridas y sus propiedades se describen a
continuación (Kottegoda & Rosso, 1997; OMM, 2011). La sección 2.1.3 - Anexo 1 provee un ejemplo, en
complemento a la descripción provista.
• Distribución binomial. Indica la ocurrencia o ausencia de un evento.
• Distribución normal o gaussiana. Sus valores se agrupan en torno a un valor central, como en el
caso de las temperaturas medias.
• Distribución de Weibull versus distribución exponencial. La primera es útil para describir los
tiempos transcurridos entre fenómenos a lo largo de un proceso que se produce a ritmo variable,
mientras que la segunda, resultante de la simplificación de la distribución Weibull, es útil para
fenómenos que se producen a ritmo constante. La pdf de Weibull aplica a las series de velocidad del
viento, por otro lado la pdf exponencial aplica a las series de precipitación diaria.
• Distribución gamma. Describe las funciones delimitadas en un extremo y sesgadas, como en el
caso de la precipitación.
• Distribución beta. Delimita las distribuciones delimitadas en los extremos, como el caso de la
nubosidad.
5.4 Análisis de series cronológicas

Una vez garantizada la calidad de los registros de las estaciones, se analizará el comportamiento de las
series cronológicas a través de los siguientes factores: consistencia y homogeneidad, persistencia,
estacionalidad, tendencia y periodicidad (Dahmen & Hall, 1990; Machiwal & Kumar, 2012). El contenido
desarrollado a continuación presenta el detalle para su cálculo. La sección 2.2 - Anexo 1 provee un ejemplo.
Consistencia y homogeneidad
Las pruebas de consistencia y homogeneidad son las que se citan con mayor frecuencia en los estudios de
balance hídrico en el país (e.g., (Diaz, 2004)). En la práctica, inconsistencia se refiere al cambio en el error
sistemático, generalmente originada en el uso de distintos instrumentos o métodos de observación. La no
homogeneidad se refiere al cambio en las propiedades estadísticas de la serie, debido al cambio en la
ubicación de la estación o sus instrumentos, cambio de uso de suelo y otros.
Persistencia y estacionalidad
La persistencia representa la tendencia de que la magnitud de un evento esté influenciada por un evento
previo, tal como ocurre en las características de los registros de flujo en los ríos. El componente estacional en
una serie cronológica verifica que las propiedades estadísticas de la serie no varían en relación a la
referencia de origen considerada; tienen periodicidad anual o de un submúltiplo del año (trimestrales,
mensuales y otros). En términos prácticos, la ausencia de tendencia o periodicidad se verifica comparando
muestras distintas de la población, como en el caso de la prueba-t (Machiwal & Kumar, 2012).
Tendencia y periodicidad
La tendencia se presenta cuando existe correlación significativa entre los registros de la serie y el tiempo. Es
inducida por factores climáticos o artificiales (Kottegoda & Rosso, 1997). Por otro lado la periodicidad está
influenciada por los ciclos astronómicos, por lo cual la escala de tiempo de análisis recomendada será mayor
a la anual (Machiwal & Kumar, 2012).
Selección de la prueba
Las pruebas estadísticas se clasifican en paramétricas (i.e., requieren el conocimiento a priori de la
naturaleza o forma de las poblaciones involucradas) y no paramétricas (i.e., las hipótesis no se basan en la
31
distribución de las observaciones de la variable). Algunos métodos son más sensibles a cambios en la media
y la varianza, otros son más sensibles a cambios en la distribución de la variable, mientras algunos son
sensibles a diversos tipos de cambios. En la práctica, es común la aplicación simultánea de varias pruebas (al
menos más de dos), con el objeto de proveer adecuado asesoramiento. La presente guía toma en cuenta
aquellas consideraciones, estableciendo las recomendaciones en base a la robustez conceptual del método.
Debido al enfoque práctico demandado, las sugerencias buscan un estado de equilibrio, en referencia a la
complejidad de cálculo y la interpretación de los resultados.
5.4.1. Consistencia y homogeneidad de la información climática

En esta sección el análisis se enfoca en la consistencia relativa. Las pruebas evalúan de manera integral la
consistencia y la homogeneidad, debido a las limitaciones en información para analizar individualmente los
errores sistemáticos (causa de la inconsistencia) y los cambios en el medio físico (causante de la no-
homogeneidad) (Goulven, Alemán, & Osorno, 1988; Dahmen & Hall, 1990).
El método del vector regional

• Base conceptual
Se aplica para evaluar la homogeneidad (consistencia) a nivel local y regional en base a los principios de la
curva doble acumulada (Goulven, Alemán, & Osorno, 1988). El análisis de coherencia espacial resultante
asocia las estaciones meteorológicas en grupos o regiones de comportamiento consistente.
La tendencia de cada región es representada por un vector de referencia (índices anuales), creado en base a
una serie cronológica de datos sintéticos correspondientes a una estación ficticia. Toma en cuenta los efectos
de la tendencia de las series y los pseudo ciclos de la zona climática que afectan a las estaciones, verificando
la homogeneidad temporal y espacial de los registros. El vector de índices se basa en tres hipótesis (Goulven,
Alemán, & Osorno, 1988). La primera asume que la precipitación anual pest_t del paso de tiempo t de la
estación est, con esperanza matemática de población de precipitaciones anuales Paño, está ligada al índice
indx t del año t por:
p est _ t
= indxt + aleat est _ t Ec. 4,
Paño
donde aleat est_t es variable aleatoria independiente del índice indx t. Las esperanzas matemáticas de cada
estación (Espest) son independientes entre sí. La hipótesis implica que la esperanza matemática del vector de
índices (INDX) es igual a 1, la Espest es cero y las varianzas de Espest…. EspN_est son iguales a la varianza total
Esp; N_est es el número de estaciones.
La segunda hipótesis indica que el valor medio de los coeficientes de correlación lineal entre estaciones se
representa mediante la expresión de la ecuación siguiente:
var INDX
Correlació n. promedio = Ec. 5.
var INDX + var Esp
La tercera hipótesis sugiere que el coeficiente de correlación lineal entre el índice y una estación es la raíz
cuadrada del valor medio de los coeficientes de correlación lineal entre estaciones (r).
• Aplicación
La técnica es útil en el análisis de la precipitación, pero también se utiliza con series de temperatura del aire
(e.g., (Soria, 2016)). No es común su uso con otras variables, debido a la limitada información disponible. El
programa computacional para su cálculo es implementado a través de un algoritmo que identifica la
pertenencia de una estación a una región a través del (Goulven, Alemán, & Osorno, 1988): i) coeficiente r, y
ii) el rango entre las medias observadas y la serie virtual. Se recomienda aplicar el método a través de un
procedimiento de prueba-error que converge al definir un grupo de estaciones con coeficientes r altos y un
corto rango entre las medias observadas-calculadas. La sección 2.2.1 - Anexo 1 provee un ejemplo.
32
#
56# #57
#
Región 6 55Región 7 Región #

47
#59 58 # 51# ##54
51
346
#
53##50
G R U P O 9
#
# 5 #
4 48
#
6 # #
16 17
#
# #
3 8 #
# # 15
13
#
44
#
43 #
7
#
12
#
Región 1 #
1 #
10
#
#
9 #
# 2
#
14 11
#
29
Región 5
#
## 28 #
32
27 26
#
3
#
25 30
#
#
45
22# #23 Región
4
#
40 #
21
#
20 #
18
Región 2 M O L IN E R O S
##
# 31
19 #
24
Figura 5. Aplicación del método del vector regional.

En este ejemplo, los puntos y números hacen referencia a las estaciones meteorológicas; el borde con trazo color morado
es el borde de la cuenca. Las regiones tienen distintos tamaños debido a que la densidad de estaciones no es uniforme
Análisis de doble masa

Una vez definidas las regiones de comportamiento homogéneo, la consistencia se verifica a través del cálculo
tradicional de doble masa. El procedimiento consiste en el cálculo de patrones de precipitación anual (PPA)
de la siguiente manera (UNESCO, 1982):
i. Cálculo del PPA en cada región homogénea. En la fórmula, P1 es la precipitación anual en la estación
1, P2 corresponde a la estación 2 y así sucesivamente; y N_est es el número de estaciones. La
ecuación y tabla siguientes guían el cálculo.
N _ est
1
PPA =
N _ est
∑P
1
Ec. 6.
Tabla 4. Modelo para el cálculo de PPA.
A partir de (UNESCO, 1982)

Año P1 P2 .... PN_est PPA Σ P1 Σ P2 .... Σ PN_est Σ PPA
2015 a j .... PN 2015 PPA 2015 a j .... PN 2015 PPA2015
2014 b k .... PN 2014 PPA 2014 a+b j+k .... PN 2015+PN 2014 PPA2015+PPA2014
2013 c l .... PN 2013 PPA 2013 a+b+c j+k+l .... PN 2015+PN 2014+PN 2013 PPA2015+PPA2014+PPA2013
..... ..... ..... .... ..... ..... ..... ..... .... .... ....
..... ..... ..... .... ..... ..... ..... ..... .... .... ....
1971 g s .... PN 1971 PPA 1971 ..... ..... .... .... ....
1970 h t .... PN 1970 PPA 1970 ..... ..... .... .... ....
ii. Construcción de una gráfica de valores acumulados, ΣP versus ΣPPA, por cada estación. Si la gráfica
tiene una sola tendencia (lineal), la serie de la estación es homogénea. Caso contrario, se analiza la
posibilidad de mantener el registro o corregirlo.
iii. La corrección se realiza al tramo del año más reciente, bajo la presunción de que los datos modernos
tienen la ventaja de contar con herramientas técnicas y tecnológicas de mayor calidad. El factor
33
multiplicativo para corregir la estación i (βi) es la proporción entre la pendiente de la recta del dato
correcto (tgδreferencia) y la pendiente de la recta del dato a corregir (tgδ i).
tg δ referencia
βi = Ec. 7.
tg δ i
x corregido = x original ⋅ β i Ec. 8.
5.4.2. Estacionalidad
Una forma sencilla de evaluar la estacionalidad es a través de métodos gráficos como el de los diagramas de
caja. En la presente guía se sugieren además la prueba paramétrica t-Student y la no paramétrica de Mann-
Whitney (e.g., (Machiwal & Jha, 2008)). Los criterios adicionales considerados en la elección fueron:
• Desde una perspectiva general, las pruebas paramétricas tienen mayor potencial que las no
paramétricas. Se estima que las del segundo tipo requieren entre 5 y 35% más información para
llegar a similar conclusión, con niveles de significancia equivalentes (Machiwal & Kumar, 2012); sin
embargo, dado que las pruebas paramétricas podrían requerir mayor información y un análisis más
profundo, en el análisis hidrológico es aceptable el uso de métodos independientes de presunciones
acerca de la distribución de los datos (Robson, Bardossy, Jones, & Kundzewickz, 2000).
• En la práctica, para considerar un proceso como estacionario prevalece la estacionalidad de segundo
orden. Es decir, la invariabilidad en el tiempo se analiza respecto a la media, la varianza y la
covarianza (Burlando & Costa, 2016).
Prueba- t para la estabilidad de la media

La hipótesis nula (Ho) indica que las medias son equivalentes ( x1 = x 2 ; i.e., las medias son estables). La
estadística ts tiene una distribución con ν grados de libertad (ν = n1 + n2 - 2). Se define en función a las medias
citadas, los tamaños de las muestras (n) y las desviaciones estándar correspondientes (s). El nivel de
significancia se selecciona entre 5% y 1%. Si el cálculo indica que la estadística está en la región de rechazo,
la hipótesis nula es rechazada (Tabla A1-4 - Anexo 1) (McCuen, 2003).
ts =
(x1 − x 2 ) Ec. 9.
 (n1 − 1)s1 + (n 2 − 1)s 2 2
0 .5
1 1 
2
  +  
 n1 + n 2 − 2 n
 1 n 2 
• Acerca de su aplicabilidad
La prueba es válida cuando las varianzas de las muestras son similares y las observaciones siguen una
distribución normal, cuando las varianzas son similares y los tamaños de las muestras son grandes, cuando
las varianzas son notoriamente distintas pero los tamaños de las muestras son similares y siguen una
distribución normal, o cuando las muestras no están similarmente dispersas. Al aplicarla se recomienda
niveles de significancia altos. Cuando no se tiene una muestra con distribución normal, se sugiere
transformaciones como la de escala logarítmica; si la situación es aún adversa, es aconsejable una prueba no
paramétrica como la U de Mann-Whitney (McCuen, 2003). El Anexo 1 - sección 2.2.2, provee un ejemplo.
Prueba U de Mann-Whitney
Es una prueba alternativa a la prueba-t cuando, por ejemplo, las muestras son pequeñas. La Ho sugiere que
las submuestras a y b de las muestras 1 y 2 comparadas provienen de la misma población. El valor U de la
prueba es el menor entre los estimados Ua y Ub (McCuen, 2003):
U a = na nb + 0.5nb (nb + 1) − S b Ec. 10.
U b = n a nb + 0.5na (n a + 1) − S a Ec. 11.
34
Los valores Sa y Sb se obtienen a través de los siguientes pasos: i) se combina las dos submuestras, ii) se
asigna el orden de pequeño (orden = 1) a grande (orden = n = na + nb), iii) se asigna a ó b según la muestra de
origen del valor; iv) Sa y Sb se calculan como la suma de los números de orden asignados para a ó b,
respectivamente; v) se define el nivel de significancia. Con el valor U seleccionado, se calcula el valor de la
variable aleatoria Z con distribución normal estándar:
U − 0 .5 n a n b
Z = 0 .5
Ec. 12.
 na nb
 (n a + nb + 1)
 12 
Se calcula el valor crítico a partir de una tabla de distribución normal (Tabla A1-6 - Anexo 1): Zα/2 para una
prueba de dos colas y Zα para una prueba de una cola. Se rechaza Ho si el valor está fuera de la región de
aceptación. Un ejemplo se provee en el subtítulo Anexo 1 - sección 2.2.2.
• Acerca de su aplicabilidad
Al aplicarse a datos hidrológicos se separa la serie en dos muestras, en base al cambio que se pretende
identificar. La prueba identifica no-homogeneidades asociadas con cambios episódicos o abruptos; no es muy
adecuada cuando existen cambios graduales o cuando se espera cambio en periodos largos (McCuen, 2003).
5.4.3. Persistencia
La persistencia es la capacidad de un dato de recordar la influencia del dato predecesor (Machiwal & Kumar,
2012). Un ejemplo son aquellas series de caudales en ríos donde la contribución subterránea persiste de un
año a otro o una cuenca donde el derretimiento de nieve (hielo) es factor importante (McCuen, 2003).
Coeficiente de correlación serial (prueba de Pearson)
• Base conceptual y cálculo

El objetivo del análisis es identificar el grado de correlación entre valores próximos de una serie. Valores altos
seguidos por valores altos o valores bajo seguidos por valores bajos implica alta autocorrelación; por esta
razón la correlación serial se conoce frecuentemente como persistencia. El cambio en la correlación se
evalúa a medida que la distancia entre valores se incrementa. Esta separación se denomina retraso (τ).
El gráfico coeficiente de correlación (Rτ) versus τ se denomina correlograma. Es útil para entender el tipo de
información manejada y para la inspección de variaciones sistemáticas. Para τ pequeños, será visible una
alta correlación cuando existe tendencia secular (tendencia no cíclica ni estacional; persistente sobre un
periodo de varios años). En presencia de componentes periódicos como por ejemplo un ciclo anual, el
correlograma decrece rápidamente, con presencia de picos en el punto donde se presenta el ciclo (Kottegoda
& Rosso, 1997). A medida que τ se incrementa, disminuye el número de valores utilizados para el cómputo de
Rτ y el correlograma empieza a oscilar, por lo cual se aconseja limitar τ a un valor de aproximadamente 10%
de N (el número de registros de la serie) (McCuen, 2003).
Para la prueba de persistencia es común elegir el "retraso 1", es decir, la correlación entre valores adyacentes
(Dahmen & Hall, 1990). El coeficiente de correlación serial será positivo, tanto para una tendencia ascendente
como para una descendente; cuando el coeficiente es aplicado a datos bivariados, la pendiente de la
correlación entre dos variables aleatorias determinará el signo del coeficiente. En la función general de
autocorrelación Xi es la serie sin retraso, Xi+τ es la serie con retraso (McCuen, 2003) (ver un ejemplo en el
Anexo 1 - sección 2.2.3):
N −τ
1  N −τ  N 
∑ X i X i+τ −  ∑ X i  ∑ X i 
N − τ  i =1  i =τ +1 
R (τ ) = i =1
0. 5 0 .5
Ec. 13,
 N −τ 2 1  N −τ  
2
 N 2 1  N  
2
∑ i X − ∑ i  
X ∑ i X − ∑ i  X
 i =1 N − τ  i =1    i =τ +1 N − τ  i =τ +1  
35
Tabla 5. Modelo para el cálculo de Rτ, con τ = 1
t Xt Xt+τ Xt Xt+τ X2t X2t+τ

1 x1 --- --- --- ---
2 x2 x1 x1 x2 x22 x21
3 x3 x2 x2 x3 x23 x22
x4 x3 x3 x4 x24 x23
N xN xN-τ xN-τ xN x2N x2N-τ

N −τ N −τ
Total
 N   N −τ 
N
 ∑ Xi   ∑ Xi  ∑X i X i +τ ∑ X 2i ∑X 2
i
 i =τ +1   i =1  i =1 i =τ +1 i =1
*La suma únicamente implica considerar los valores sombreados

Para la prueba donde la Ho: R(τ) = 0 de no existencia de correlación entre dos registros consecutivos, la
región crítica de Anderson al 5% como nivel de significancia es (Dahmen & Hall, 1990):
 1.96 ( N − τ − 1) 0.5   1.96 ( N − τ − 1) 0.5 

 − 1 −  < R (τ ) <  − 1 +  Ec. 14.
(N −τ ) (N −τ )
95 %
   
Remoción de la influencia de la correlación serial

Al aplicar la prueba de Mann-Kendall (subtítulo siguiente), la presencia de autocorrelación podría invalidar los
resultados. Para mejorar la aplicación de la prueba citada, se sugiere considerar la técnica de blanqueo
modificada libre de tendencia (MTFPW), en lugar de las técnicas de blanqueo tradicionales (Constantino,
2014). Los pasos de cálculo son los siguientes (Yue, Pilon, Phinney, & Cavadias, 2002):
i. Calcular el R(τ) para τ = 1, para la serie original. Si la Ho es aceptada, entonces se aplica el criterio
de Mann-Kendall de la manera usual.
ii. Se procede a la remoción de la pendiente de la tendencia a través del coeficiente de Theil-Sen (TSA).
El proceso finaliza si el TSA tiene una pendiente cercana a cero, caso contrario, se generar una serie
con tendencia removida (Xt sin_tendencia) a través de la TSA aplicada a la serie original Xt, asumiendo una
relación lineal. El cálculo de la TSA se ilustra en (Gilbert, 1987) (seguir el esquema de la Tabla 6 de
la guía, pero sin las columnas para calcular signos; ver un ejemplo de cálculo en el Anexo 1 - 2.2.4).
 x − xb 
TSA = Mediana  a  ,∀b < a Ec. 15,
 a −b 
Xt sin_tenden cia = X t − TSA ⋅ x t Ec. 16,
iii. Para la serie con la tendencia removida (Xt sin_tendencia), calcular el R(τ)sin_tendencia para τ = 1. Si el
coeficiente sugiere la inexistencia de correlación, se aplica el criterio de Mann-Kendall sin_tendencia, caso
contrario, se procede a remover el R(τ)sin_tendencia en la serie original y se evalúa la existencia de
tendencia con el criterio de Mann-Kendall serie_modificada a la serie original modificada.
La remoción del R(τ)sin_tendencia se realiza a través de los residuales (Yt´) mediante la siguiente
expresión (Yue, Pilon, Phinney, & Cavadias, 2002):
Yt ' = X t sin_tenden cia − R (τ = 1) sin_ tendencia X t −1 sin_tenden cia

Ec. 17,
iv. Se fusiona la tendencia (TSA⋅xt) y el residual, obteniendo una serie que preserva la tendencia y no
está afectada por los efectos de la autocorrelación (Xt sin_autocorrelación). Para asegurar esta aseveración,
se sugiere aplicar la prueba Mann-Kendall a la serie corregida.
Xt sin_autoco rrelación = Yt '+ TSA ⋅ x t Ec. 18.
36
5.4.4. Pruebas de tendencia

Generalmente las tendencias hidrológicas se expresan a través de modelos lineales o no lineales. La mayoría
son de tipo paramétrico, con exigencia de normalidad en la distribución de las series analizadas. En caso de
que aquello no logre ser demostrado, es aconsejable el uso de métodos no paramétricos. En base a esta
consideración y a recomendaciones de la literatura, se sugieren dos métodos (Machiwal & Jha, 2008): la
prueba de correlación de Spearman y la prueba de Mann-Kendall para tendencias monotónicas,
desarrollados a continuación. Se ilustra un ejemplo en el Anexo 1 - sección 2.2.4.
Prueba de tendencia del coeficiente de correlación de Spearman

Esta prueba es recomendable por su eficiencia en la detección de tendencias lineales y no lineales, su
sencillez de cálculo y su independencia de una distribución, al ser una prueba no paramétrica (Dahmen &
Hall, 1990). Adicionalmente, tiene ventajas respecto a las limitaciones de los modelos de regresión lineal en
cuanto a la distinción entre tendencia y persistencia (Machiwal & Kumar, 2012).
La prueba considera dos matrices, la primera representa el factor de referencia (xi) y la segunda el factor
sobre el cual se busca detectar el cambio (yi). Con las dos muestras xi, yi, el orden de cada una se determina
de manera individual, asignando el orden 1 para el valor más pequeño y n para el mayor. El orden se
representa por rxi, ryi, con i representando a la magnitud. El coeficiente de Spearman (Rsp) y la estadística tS
con distribución t-Student de n-2 grados de libertad para muestras con tamaño mayor a diez son,
respectivamente (McCuen, 2003):
6 ∑ (rxi − ryi )
N
2
Rsp = 1 − i =1
Ec. 19.
n3 − n
0 .5
 n−2 
t S = Rsp   Ec. 20.
 1 − Rsp
2

Para una prueba de una cola, la Ho es rechazada cuando la estadística tS es mayor al valor crítico tSα. La
prueba se aplica de distintas formas. Se utiliza para verificar que no existe una correlación entre el orden
cronológico de adquisición de los datos y las magnitudes de los registros; en esta caso la variable xi será la
serie de la variable ordenada cronológicamente y su orden o ranking se obtendrá al ordenar esta serie de
menor a mayor; luego, la variable yi será la serie ordenada cronológicamente y su orden o ranking se definirá
a partir de la posición a la cual perteneció la serie al momento de ser registrada (e.g., (Dahmen & Hall, 1990)).
Otra forma de aplicar la prueba es en la investigación de la relación entre el caudal de una cuenca con la tasa
de deforestación, por ejemplo. En este caso, la variable xi será el caudal observado cronológicamente
ordenado, con un orden o ranking asignado a cada valor en función a su magnitud (orden 1 para el valor más
pequeño). La variable yi será la serie del porcentaje de cambio en la unidad de cobertura a la cual se atribuye
preliminarmente el cambio en los caudales de la cuenca, ordenada cronológicamente, con orden o ranking
asignado a cada valor en función a su magnitud (orden 1 para el valor más pequeño) (e.g., (McCuen, 2003).
El Anexo 1 - sección 2.2.4 presenta un ejemplo numérico.
• Prueba-F para la estabilidad de la varianza

La prueba de tendencia del coeficiente de correlación de Spearman deberá ir acompañada de técnicas para
evaluar la estabilidad a la media y la varianza. La estabilidad a la media se realiza con la prueba-t. La
estabilidad a la varianza se evalúa con la prueba F, entre otras medidas. Contempla la tasa de las varianzas
de dos muestras de la serie, una de una muestra grande Sl2 y la otra de una muestra pequeña Ss2. Las
muestras proveen un adecuado indicador, aunque no sean provenientes de una distribución normal como lo
demanda la distribución F de Fisher (Dahmen & Hall, 1990). La estadística de la prueba es:
2
Sl
F = 2
Ec. 21.
SS
37
La estadística tiene grados de libertad ν1 = nl - 1 para el numerador y ν2 = nS - 1 para el denominador. El valor

F calculado se compara con la tabla del estadístico (Tabla A1-9 y A1-10 - Anexo 1); la Ho es rechazada si el
valor crítico es superado.
Prueba de Mann-Kendall para tendencia monotónica
• Base conceptual y cálculo

Es una prueba no paramétrica evalúa la tendencia monotónica creciente o decreciente, sin que aquella sea
necesariamente lineal. En relación a un análisis paramétrico de regresión lineal, la prueba Mann-Kendall no
demanda que los residuales de la función de ajuste sigan una distribución normal. En la práctica, es aplicable
como un método exploratorio, para identificar las estaciones donde los cambios son significativos; la prueba
también permite identificar las magnitudes de aquellos cambios (Hirsch, Slack, & Smith, 1982).
La aplicación asume que en ausencia de tendencia, los datos son independientes (no están correlacionados
en el tiempo) e idénticamente distribuidos. También asume que las observaciones puntuales son
representativas de la muestra. Así, Ho sugiere que no existe tendencia monotónica, mientras que la hipótesis
alternativa (HA) sugiere lo contrario.
La prueba se aplica siguiendo los pasos siguientes (Gilbert, 1987) (ver el ejemplo del Anexo 1 - 2.2.4):
i. Se ordena los datos en orden cronológico, x1, x2,...., xn. Para los registros sin datos, se debe intentar
proceder a su relleno mediante información provisional, por ejemplo, considerando medias históricas.
ii. Determinar la función signo de todas las n(n-1)/2 posibles diferencias xj - xk, donde j > k. Se obtendrá:
x2 - x1, x3 - x1,...., xn - x1, x3 - x2, x4 - x2,..., xn - xn-2, xn - xn-1....., donde la función es:
signo(xj - xk) = 1, si (xj - xk) > 0.
= 0, si (xj - xk) = 0.
= -1, si (xj - xk) < 0.
iii. Calcular la estadística S, que es el número de diferencias positivas menos el número de diferencias
negativas (Tabla 6). Valores de S positivos indican que las observaciones tienden a un sentido
creciente. La estadística se calcula denota matemáticamente por:
n −1
∑ signo (x − xk )
n
S =∑ j
Ec. 22.
k =1 j = k +1
iv. Si n ≤ 10 y la probabilidad asociada a la estadística S y n de la Tabla A1-14 del Anexo 1 es menor al

nivel de significancia (α), entonces se rechaza la Ho y se concluye que la tendencia existe.
v. Si n > 10, la varianza de S se calcula en función a n, el número de grupos asociados (g) (un grupo
asociado es una asociación de datos -dos o más datos- con el mismo valor) y el número de
observaciones en el grupo asociado p (tp),:
1   g

VAR ( S ) =  n(n − 1) 2n + 5) − ∑ t p (t p − 1)( 2t p + 5)   Ec. 23.
18   p −1  
vi. Calcular la estadística ZMK. Un valor positivo indica que los datos tienden a incrementarse y
viceversa.
S −1
Z MK = , si S > 0
VAR ( S )
= 0, si S = 0 Ec. 24.
S +1
= , si S < 0
VAR ( S )
38
vii. Interpretación. Calcular la probabilidad asociada con la estadística normalizada y definir un nivel de
significancia α (por ejemplo, 95%).
- Prueba de dos colas: Para tendencia decreciente o creciente al nivel de significancia α, la Ho es
rechazada si el valor absoluto de ZMK es mayor a la estadística Z 1-α/2.
- Prueba de una cola, para tendencia creciente: La Ho es rechazada si ZMK es mayor a Z 1-α.
- Prueba de una cola, para tendencia decreciente: La Ho es rechazada si ZMK es negativo y su valor
absoluto es mayor a Z 1-α/2.
- No existe tendencia si la probabilidad es menor a α.
Tabla 6. Modelo para el cálculo de la estadística S.
A partir de (Gilbert, 1987)

x1 x2 x3 x4 .... xn - 1 xn Número de signos "+" Número de signos "-"
x2 - x1 x3 - x1 x4 - x1 .... xn-1 - x1 xn - x1
x3 - x2 x4 - x2 .... xn-1 - x2 xn - x2
x4 - x3 .... xn-1 - x3 xn - x3
.... .... ....
xn-1 - xn-2 xn - xn-2
xn - xn-1
S= Sumatoria de signos "+" Sumatoria de signos "-"
5.4.5. Periodicidad
El análisis de periodicidad busca la identificación de armónicos en los componentes periódicos de las series
hidrológicas. Los métodos citados en la literatura se enfocan al dominio del tiempo (medias móviles, e.g.,
(McCuen, 2003)) y al dominio del espacio (análisis espectral, e.g., (Yevjevich, 1972; Machiwal & Kumar,
2012)). En la presente guía se propone el método del filtrado de media móvil, operacionalmente menos
costoso que las técnicas de análisis espectral, útil sin embargo para proveer una aproximación.
Filtrado de media móvil

Busca reducir los efectos de variaciones no sistemáticas. La aplicación de la técnica espera eliminar
fluctuaciones aleatorias (varianza total) a través del promedio de registros adyacentes. El producto expresará
la tendencia sistemática, a través de la serie filtrada (McCuen, 2003):
m
Yî = ∑ w j Yi + j − 0.5( m +1) , para i = 0.5( m + 1),...., n −
1
(m − 1) Ec. 25,
j =1 2
donde m es el número de observaciones del intervalo de filtrado (la longitud de la serie total es n), wj es el
peso para el valor j de la serie Y. El intervalo de filtrado sugerido es 0.5⋅(m-1) valores de Y antes y después de
la observación i considerada para estimar el valor suavizado Yî .
• Ejemplos de factores de peso

- Media aritmética (wj=1-m):
1 m
Yî = ∑ Yi + j − 0.5 ( m +1) Ec. 26,
m j =1
- Pesos desiguales. Por ejemplo, 25% a los extremos, 50% al valor central:
Yî = 0 .25 Yt −1 + 0 .50 Yt + 0 . 25 Yt +1 Ec. 27,
• Cuidados en la aplicación de la técnica

Entre las desventajas está:
39
- A través de la ventana de filtrado, se pierden (m-1) observaciones.

- No es una herramienta matemática para realizar proyecciones.
- La elección del intervalo de filtrado debe evitar eliminar variaciones que podrían eliminar componentes
importantes. A medida que m se incrementa, se podría eliminar variaciones sistemáticas y no sistemáticas.
Ventajas:
- Es un método sencillo para identificar de manera preliminar periodos, ciclos y tendencias. En la literatura
existen ejemplos de su aplicación a la hidrología (e.g., (Tallaksen & van Lanen, 2005)).
- Una forma sencilla de estimar la cantidad de varianza reducida es a través de la construcción de series
truncadas. Aquella serie se construye a través de la serie original de tamaño n = (n-m+1), en la cual se
eliminan los registros capturados en los pasos de tiempo no correspondientes a los de la serie filtrada. Luego,
la varianza reducida es igual al cociente entre la varianza de la serie filtrada y la varianza de la serie original
con número de registros correspondientes a los de la serie filtrada.
- El Anexo 1 - sección 2.2.5, provee un ejemplo que complementa la explicación.
5.5 Reconstrucción (relleno) de la información climática

Luego de un proceso sistemático de recolección de información base, de proveer elementos cualitativos y
cuantitativos que garantizan la calidad de la información, habiendo capturado de manera preliminar las
relaciones espaciales-temporales en el entorno geográfico mediante inspección de las condiciones de
homogeneidad-consistencia, persistencia, estacionalidad, tendencia y periodicidad en las series, se procede a
reconstruir la información. La predicción de información faltante tiene interés práctico, entre otras razones,
para la aplicación de pruebas estadísticas y las predicciones de los posibles estados futuros. La
reconstrucción o relleno de información se realiza en dos dimensiones: i) para los pasos de tiempo (años,
meses, días) donde no existen registros en la estación en tierra y en los pasos de tiempo donde se identifica
errores de registro o información inconsistente con el sistema de estudio (errores sistemáticos); ii) para
mejorar la distribución espacial de la información.
5.5.1. Reconstrucción de las series temporales
Criterio de la regresión lineal múltiple

Es el método de mayor difusión en los estudios de balance hídrico en el país, principalmente por la
practicidad de aplicación (UNESCO, 1982; OMM, 2011). Se basa en la presunción de que las estaciones
pertenecientes a una misma región registran patrones similares. En este contexto, el criterio del vector
regional identifica las posibles regiones de comportamiento homogéneo. El método se aplica a escala
mensual o anual. El procedimiento se explica a través del siguiente ejemplo: En la estación X1 se desea
predecir el valor del paso de tiempo i que no fue medido o fue eliminado. El análisis espacial (e.g., a través
del vector regional) identificó la estación X1 como perteneciente a la región "A". La estación X1 es la variable
dependiente del modelo de regresión, mientras que las otras estaciones X2...XN pertenecientes a la misma
región A, son las potenciales variables independientes del modelo de regresión lineal múltiple. El requisito
para que una variable se considere dentro del modelo de regresión es que la misma tenga registros en el
paso de tiempo i que se desea predecir o rellenar.
Los modelos de regresión se construyen a través de un procedimiento iterativo, mediante técnicas de
eliminación hacia atrás, hacia adelante o mediante el método de pasos sucesivos (Kottegoda & Rosso, 1997).
Tomando como ejemplo al proceso de eliminación hacia atrás, los pasos de construcción del modelo son:
i. Se realiza el ajuste al modelo de regresión asumiendo que todas las estaciones de la región A tienen
la capacidad de predecir el valor faltante i. Se obtienen los resultados de la regresión.
ii. Se excluye una variable independiente por vez y se analiza si tal exclusión afecta el valor del
coeficiente de determinación (R2) calculado para el modelo mediante el método de los mínimos
cuadrados (Kottegoda & Rosso, 1997). Cuando se detecta que el efecto es notorio, se considera que
aquella variable independiente es importante en el modelo y se la mantiene.
40
El R2 no es un simple coeficiente de ajuste. Define la fracción de la variabilidad en el factor

dependiente, cuantificada a través del cambio en los valores de los factores independientes. Por
ejemplo, si el R2 calculado es 88%, significa que el 12% de la variación no está cuantificada por el
modelo de regresión. En general en un modelo de regresión se espera que el R2 sea cercano a la
unidad (1), sin que llegue a uno, al sugerir una interpretación distinta (Kottegoda & Rosso, 1997).
En la construcción del modelo de regresión se sugiere considerar factores como el parámetro p y el
error estándar (Kottegoda & Rosso, 1997). El parámetro p es función de R2, del número de
observaciones y del número de variables independientes. Cuando p es calculado para cada variable
independiente, la Ho sugiere que el coeficiente de la misma es igual a cero; es decir, prueba si la
variable independiente tiene o no efecto en la regresión. El valor del factor p es un contraste al nivel
de significancia; un valor bajo de p menor a un valor de nivel de significancia indica que la Ho se
rechaza. En el caso opuesto, por ejemplo, si p es mayor a un valor de significancia de 0.05 (nivel de
confianza de 95%), entonces se acepta la Ho, implicando que es posible que la variable
independiente asociada no tenga relevancia en el modelo y puede ser excluida. Para el nivel de
confianza, se sugiere tomar límites que no sean menores al 90%.
iii. Se sugiere comparar el desempeño de los métodos considerados. Por ejemplo, en el caso descrito
se utilizó el método de eliminación hacia atrás en primera instancia; es una buena práctica construir
también modelos a través el método de pasos sucesivos, resultante de la combinación del proceso
de eliminación hacia atrás y un proceso de eliminación hacia adelante (Kottegoda & Rosso, 1997).
iv. La construcción de los modelos de regresión lineal se realiza para toda estación donde se desea
rellenar un registro. Al predecir el valor faltante no se debe considerar dato predichos previamente;
únicamente se procede a la predicción en base a datos registrados en la estación. Se debe omitir la
predicción de años completos, debido a la falta de sustento desde una perspectiva estadística y
física. Excepciones son admitidas cuando existe una razón muy importante que así lo justifique.
La relación lineal múltiple para cada estación es sencilla, con una variable respuesta Ŷ (i.e., la estación que
se busca rellenar), u-1 variables explicativas x1, x2,...., xu-1; un número u de parámetros o coeficientes de
regresión (coeficientes parciales de regresión) β0, β1, β2,...., β u-1 (Kottegoda & Rosso, 1997):
Yˆ = β 0 + β 1 ⋅ x1 + β 2 ⋅ x 2 + ..... + β u −1 ⋅ x u −1 + ε Ec. 28.
La prueba de hipótesis y la definición de los intervalos de confianza se aplican considerando que el error ε es
independiente, normalmente distribuido con media 0 y varianza s2. El método aplica a cualquier variable; sin
embargo se recomienda su uso con series de precipitación. Para otras variables del balance hídrico, será
complicado ajustar un modelo de regresión lineal debido al número limitado de registros. Como alternativa,
varios estudios consideran medias históricas de la estación (e.g., (Molina & Espinoza, 2005; Espejo A. , 2016;
Gonzáles, 2016; Soria, 2016)). El Anexo 1 - 2.3.1 provee un ejemplo.
Métodos aproximados, simplificados

Los métodos aproximados se aplican en zonas donde la variación geográfica así lo permite. Su uso en zonas
de valles y áreas de montaña deberá ser analizada y comparada con otras alternativas. Debido a la sencillez
de su concepción y aplicación, solamente se procede a citarlos (UNESCO, 1982):
• Media aritmética.
• Media ponderada con pesos variables en función a consideraciones empíricas, la geografía u otros.
• Media ponderada por coeficientes de correlación lineal.
• Relación simple de proporciones.
5.5.2. Reconstrucción de la distribución espacial de las variables

La selección de la técnica se realiza a través de la comparación entre los resultados de dos o tres métodos, o
a través de comparación con información general, estudios previos, por ejemplo, provenientes de (Roche,
Fernandez, Aliaga, Peña, Salas, & Montaño, 1992), mapas del WorldClim y otros. Para la comparación se
sugiere el uso de simples residuales graficados con la ayuda de histogramas (la media de la distribución
normal es el estimativo del sesgo de las predicciones) o parámetros como la raíz cuadrada del error
41
cuadrático medio (RMSE) (incorpora el sesgo y la dispersión del error) (Isaaks & Srivastava, 1989). En zonas
llanas se sugiere comparar los resultados de esquemas sencillos como ser, los polígonos de Thiessen y el
método de la distancia inversa (IDW). En zonas de montaña, es una buena práctica comparar uno de los dos
métodos citados con otro que considere al menos el relieve topográfico (e.g., (Mair & Fares, 2011)).
Polígonos de Thiessen
Es el método más difundido para la construcción de isolíneas, junto con el método de la distancia inversa.
Interpola (extrapola) los registros en el espacio a través del cálculo de valores medios areales. El método de
define los pesos en base a un área de influencia establecida a partir del área del polígono que circunscribe a
la estación. El trazo de cada polígono se inicia dibujando las líneas que conectan a las estaciones adyacentes
en tierra. A partir de allí se trazan mediatrices, que se prolongan hasta la divisoria de la cuenca (Figura 6)
(Chow, Maidment, & Mays, 1998). El peso de cada estación se mantiene constante para cada estación. En
caso de que la escala de tiempo cambie (anual, mensual, diaria) la geometría del polígono se mantendrá
constante. Aquella practicidad es un aspecto atractivo del método; sin embargo, su aplicación contempla
obstáculos en zonas de montaña, debido a la variabilidad en sentido horizontal y vertical ocurre en distancias
cortas. En este escenario, es aconsejable un método alternativo que tome en cuenta el relieve topográfico.
Divisoria de cuenca
Estación 1
Polígonos de Thiessen
Estación 2
Estación 3
Red hídrica
Figura 6. Trazado de polígonos de Thiessen para el cálculo de valores medios areales
Método de la distancia inversa

La interpolación asigna mayor peso a estaciones cercanas al sitio para el cual se desarrolla el proceso. El
método provee buenos resultados en zonas de montaña, donde la poca densidad de estaciones podría no
proveer información suficiente para relacionar una variable con amplia variación en la horizontal como el caso
de la precipitación (Avalos, y otros, 2011; Soria, 2016). La función estima el valor de la variable Yˆ en un sitio
x mediante un parámetro de ponderación inversamente proporcional a la distancia elevada a una potencia υ.
El efecto de la potencia es sencillo de interpretar: mientras es más pequeño, los pesos de la ponderación son
más parecidos; por otro lado, mientras más grande será el valor elegido, la diferencia entre los pesos será
mayor. El valor más común para υ es 2, por practicidad (Isaaks & Srivastava, 1989; Webster & Oliver, 2007);
d es la distancia a la estación x; y es el valor de la serie Yˆ . La desventaja del método es que la potencia se
elige sin una referencia exacta; otra de sus debilidades es la carencia de una medida para asesorar acerca
del error. El Anexo 1 - 2.3.2 provee un ejemplo.
n
1
∑dυ y
i =1
i
Yˆx = n
i
Ec. 29.
1
∑
i =1 d i
υ
42
Kriging
A diferencia de los métodos descritos, la interpolación kriging se basada en elementos de la teoría de
probabilidades. Está desarrollado alrededor de un concepto enfocado a minimizar la varianza de los errores,
aunque desde una perspectiva práctica, los errores y la varianza son factores desconocidos. De manera
general, la estimación se realiza mediante ponderación de los valores medidos en un área adyacente al sitio
donde se realiza la predicción (Isaaks & Srivastava, 1989). El procedimiento se desarrolla en el análisis de la
variabilidad espacial mediante la inspección de variogramas y el cálculo de las predicciones. Un variograma
experimental es una gráfica de observaciones versus la distancia entre muestras. Este variograma se ajusta a
un variograma empírico, en analogía al caso de la regresión múltiple donde una curva se ajusta a los datos.
La identificación del mejor modelo sigue un procedimiento iterativo, para lo cual los programas
computacionales resultan útiles. El método kriging calcula los pesos en cada sitio a través del variograma. Al
emplear un modelo estadístico, la principal ventaja del método es la posibilidad de calcular medidas de
incertidumbre asociadas a las inferencias (EPA, 2007).
Kriging ordinario
La literatura reporta estudios que comparan distintos modelos de interpolación espacial. A partir de aquella
recopilación se sugiere el método de kriging ordinario (Mair & Fares, 2011), una versión que asume que la
media es constante pero desconocida a lo largo del espacio de análisis. El método define el proceso a través
de la siguiente relación (EPA, 2007):
Z ( x , y ) = µ + e( x , y ) Ec. 30,
donde Z (x, y) es el proceso (e.g., precipitación media anual), µ es la función de tipo estacionaria (media global),
(x, y) es la ubicación (e.g., longitud, latitud), e son las fluctuaciones aleatorias a pequeña escala (el
componente estocástico correlacionado en el espacio, sobre el cual se enfoca el análisis del variograma).
• Variograma experimental
El análisis de los datos se realiza graficando las semivarianzas (diferencias entre valores vecinos):
ϑ (h) =
1
2
[
E (z ( x , y ) − z [( x , y ) + h ] )
2
] Ec. 31,
donde ϑ (h) es el modelo espacial de covarianza (la correlación espacial de los datos), z(x,y) es el valor de la
variable objetivo en la ubicación (x,y) y z(x,y + h) es el valor vecino en la ubicación [(x,y) + h]. Asumiendo que
existen n observaciones que dan lugar a n(n-1)/2 pares para los cuales es posible el cálculo de la
semivarianza, se obtiene un gráfico llamado nube de variograma con todas las semivarianzas versus las
distancias. Las nubes podrían no ser fáciles de interpretar, por lo cual se recurre a otra gráfica donde se
agrupa los datos correspondientes a distancias promedio estandarizadas llamadas "retraso", clases o
sectores. Las sugerencias de la literatura respecto al número de sectores son extensas (EPA, 2007): mínimo
de 30 pares de datos por cada clase o un número de clases igual a la raíz cuadrada del número total de
registros de la serie, constituyen un par de alternativas. El resultado es el variograma experimental.
• El variograma empírico
El cálculo continúa con la selección de un variograma empírico. El ajuste se realiza a través de funciones
objetivo e inspección visual (ESRI, 2016). Los modelos gaussiano, esférico y exponencial son los más
comunes. El primero tiene una forma en "S", con un incremento gradual inicial, seguido por un incremento
pronunciado en la parte media y un incremento gradual al final. Por otro lado, los otros dos modelos tienen un
incremento pronunciado al inicio, con el modelo exponencial trazando un comportamiento menos brusco. Los
variogramas empíricos están definidos por el nugget, la meseta y el rango (Figura 7) (EPA, 2007):
- El nugget es la variación debido a errores sistemáticos y variaciones micro escala. Si existen datos co-
localizados, es aceptable que una primera estimación sea el promedio de aquellos datos. Software de cálculo
provee valores referenciales que podrían ser promediados al anteriormente citado, para definir un valor final.
La extrapolación del primer tramo del variograma empírico proveer también una estimación de su valor.
- La meseta es la máxima varianza asociada a la superficie. Para su estimación existen varias alternativas: el
43
valor asociado a la distancia mayor, el valor más grande definido por el variograma empírico y el promedio de
las mesetas de varias funciones de variogramas empíricos.
- El rango es la distancia a partir de la cual la correlación espacial deja de ser relevante. Su estimación se
realiza mediante el método de medias cuadráticas, conocidos el nugget y la meseta. Alternativamente, el
rango se estima desde el variograma, a partir de la definición propia del factor. Promediar los datos en series
mensuales, estacionales y anuales, es uno de los aspectos que mayor efecto tendrá en el rango; a medida
que la resolución es menor, menor será la varianza y mayor la correlación espacial, incrementando el rango.
En la actualidad, paquetes computacionales como Surfer, ArcGIS y similares proveen herramientas para el
cálculo del variograma. Aunque su uso es altamente recomendable, la interpretación demanda un enfoque
crítico debido a que los productos a ser obtenidos son resultado de esquemas numéricos de optimización.
Semivarianza
Meseta
parcial
Meseta
Nugget Rango
Distancia
Figura 7. Componentes de un variograma
Conceptualmente, kriging busca definir relaciones lineales óptimas y consistentes con los datos. El siguiente
paso en el análisis consiste en interpretar el variograma empírico y aplicar fórmulas de productos matriciales
de covarianzas para las estimaciones kriging en los sitios de interés. El desarrollo se lo encuentra en la
literatura (e.g., (Isaaks & Srivastava, 1989; Webster & Oliver, 2007; EPA, 2007) y su aplicación se facilita a
través de los programas computacionales señalados.
El último paso provee el asesoramiento de la calidad del producto. Se realiza a través de la comparación de
varios modelos y su relación con funciones objetivo, como la raíz del error cuadrático medio. Son
herramientas útiles la inspección visual y la validación cruzada (i.e., proceso de remoción de uno o varios
elementos y reevaluación de la calidad de los resultados). Modelos de mayor complejidad y alcances se
describen en la literatura y podrán ser aplicados en función a la temática específica (e.g., (EPA, 2007)). El
ejemplo del Anexo 1 - Tabla A1-17 provee un esquema que ilustra el proceso de interpolación.
Co-kriging
Analiza la relación espacial entre dos variables. En el contexto presente, existen estudios que consideraron
este enfoque para analizar la relación entre la precipitación, el relieve topográfico y el Índice de Diferencias
Normalizadas de Vegetación (NDVI) (e.g., (Espejo A. , 2016)). El Co-kriging realiza la predicción por
combinación lineal de covarianzas, similar al caso del kriging ordinario (EPA, 2007).
Interpolación espacial por el método de remoción de tendencias

El método asume una correlación espacial (lineal) entre la topografía y las variables climáticas (Fries, y otros,
2009; Fries, Rollenbeck, Nauß, Peters, & Bendix, 2012). La técnica demanda datos con densidad espacial
adecuada para verificar tal correlación. Para el caso de la temperatura del aire y la humedad relativa del aire
registrada cerca de la superficie, aquella regla es aplicable; sin embargo para la precipitación en zonas de
montaña, la topografía define una variabilidad espacio temporal compleja, que no responde únicamente al
relieve de la superficie o la dinámica de la vegetación. En referencia a otras variables, como la evaporación
(evapotranspiración), la disponibilidad de es muy limitada, impidiendo la aplicación de la técnica.
La reconstrucción espacial considera como referencia a la topografía del DEM; se incluye un proceso de
remoción de la tendencia de la serie histórica. El proceso se aplica obteniendo una relación promedio para
44
toda el área (e.g., (Soria, 2016)) o de manera individual por unidad de cobertura del suelo dominante. El
Anexo 1 - Tabla A1-18 provee un ejemplo aplicado a través de los pasos siguientes (Fries, y otros, 2009):
i. Cálculo del gradiente térmico promedio. Se realiza mediante ajuste a un modelo de correlación
o
múltiple, donde la variable dependiente es la temperatura mensual promedio en C (Tmes) (medida en
las estaciones), b la temperatura base (el coeficiente de intercepción de la regresión), Γ es la
-1
pendiente de la regresión (gradiente térmico negativo, km ) y la variable independiente es la altitud
de las estaciones en msnm (Aestación):
Tmes = b + Γ ⋅ Aestación Ec. 32.
ii. Remoción de la tendencia en los sitios de emplazamiento de estaciones. Se realiza a través de

la definición de una temperatura base. Los parámetros de cálculo son: el promedio mensual de la
o
temperatura del aire base en C medida a 2 m de la superficie (TDet), la temperatura media mensual
o
en C en la estación (Tmes), la elevación base de remoción de la tendencia (ADet) establecida a un nivel
definido por convención (e.g., a nivel del mar 0 msnm, a la elevación media de todas las estaciones y
otros), y la elevación de la estación a normalizar en msnm (Aestación):
TDet = Tmes + [Γ ⋅ ( ADet − Aestación ) ] Ec. 33.
iii. Raster de temperaturas con la tendencia removida (TDet). Los valores puntuales de TDet en los
sitios de las estaciones climáticas se interpolan espacialmente mediante los métodos IDW ó kriging.
iv. Resultado: Raster de temperaturas. La inversión de la última ecuación resulta en la temperatura
o
mensual promedio T(x,y) en C en cada celda con coordenada (x,y), en base al raster de TDet , a la
elevación de la celda del DEM ADEM(x,y) en msnm y al ADet.
[
T( x , y ) = T Det + Γ ⋅ ( A DEM ( x , y ) − ADet ) ] Ec. 34.
Interpolación alternativa para la temperatura del aire

En un enfoque similar al propuesto previamente, el estudio de (Gonzáles, 2016) propone una función
parabólica para explicar la relación entre la temperatura del aire a la altura de pantalla y el relieve topográfico.
Para el caso se ajustaron rectas para los meses cálidos y ajustes parabólicos para los meses fríos:
T A Det = Tmes + Γestación Aestación Ec.35, meses calientes,
T A Det = T mes + Γ1 estación Aestación + Γ 2 estación A 2 estación Ec. 36, meses fríos,
donde la temperatura TADet corresponde a la altura base ADet (que podría ser a nivel del mar), Γestacion es el
gradiente de una estación específica; el coeficiente para el caso parabólico se define a través de dos factores
Γ1 estacion y Γ2 estacion. Para el proceso reverso, se obtiene una serie promedio que representa a las estaciones
referenciadas a una elevación común (i.e., nivel del mar), la cual provee la solución de las dos ecuaciones
citadas, para reconstruir las series de temperatura a nivel de cada estación o de una unidad de planificación.
Interpolación de la precipitación del TRMM a través de información del WorldClim

El uso de información secundaria (productos satelitales, entre otros) es un recurso útil para inferir magnitudes
y la distribución espacial de factores climáticos y geográficos. Por ejemplo, la combinación entre el producto
3B43 del TRMM con datos del WorldClim, provee una alternativa de naturaleza empírica para generar
información de la distribución espacial de la precipitación en zonas remotas. A escala mensual, el peso para
cada valor de precipitación del TRMM (PTRMM), se define a través del cociente entre la media de
precipitaciones del WorldClim ( PWordlC lim ) y la media de las estimaciones del TRMM ( PTRMM )de la manera
siguiente (Gonzáles, 2016) (ver el ejemplo de la Figura A1-13 - Anexo 1):
PWordlC lim
PTRMM _ corregido = PTRMM Ec. 37.
PTRMM
45
VI. Cálculo de volúmenes de escurrimiento
Las herramientas presentadas hasta el capítulo V se enfocan en la recopilación, reconstrucción (predicción),

análisis e interpretación de la información base. El siguiente paso consiste en traducir el conjunto de esta
información, para cuantificar, interpretar y describir patrones históricos y espaciales del sistema hídrico. En la
guía, tal interpretación se realiza a través de la variable caudal, al constituir el parámetro integrador que
cuantifica y asesora el potencial hídrico en una cuenca (Beven, 2004; Aparicio, Lafragua, Gutiérrez, Mejía, &
Aguilar, 2006). Este capítulo desarrolla la temática, proporcionando el marco conceptual a través de la
descripción de métodos para el cálculo de caudales mediante una técnica de transformación de lluvia. Se
presentan también técnicas para la calibración y validación de los modelos. El contenido se complementa con
la descripción de enfoques recomendados para el análisis de sensibilidad en modelos matemáticos, como
medida para reducir la incertidumbre en los productos generados.
6.1 Transformación de lluvia en caudal

La variabilidad en el caudal es una respuesta natural al clima, a los cambios en la cobertura vegetal o el uso
de suelo y las intervenciones del hombre en el medio (Harden, 2006). Al ser un factor cuantificable, el análisis
de caudales es de interés en varias disciplinas (Harden, 2006; Buytaert, Iñiguez, & De Bievre, 2007). Su
inferencia a través de la transformación de la precipitación es común en la práctica de la ingeniería y es
aplicable desde la perspectiva del balance hídrico. En esta sección se presentan dos enfoques: la aplicación
de modelos precipitación-escurrimiento y el enfoque tradicional mediante coeficientes de escurrimiento.
6.1.1. Modelos matemáticos precipitación-escurrimiento

Son herramientas utilizadas en la actualidad de forma rutinaria para estudios en ingeniería y las ciencias
ambientales (Wagener, Wheater, & Gupta, 2004). Las limitaciones de las técnicas de medición hidrológica,
han promovido y extendido su uso en múltiples actividades y propósitos (Wagener, Wheater, & Gupta, 2004),
desde la predicción de caudales en el espacio y el tiempo (Manley, 1978), la evaluación de estrategias de
manejo de los recursos hídricos (Molina & Cruz, 2008), la evaluación de potenciales impactos de cambios en
el uso del suelo y la cobertura vegetal (Soria, Kazama, & Sawamoto, 2008), el cálculo de crecientes de diseño
(Moore, 1999; Calver, Jones, Kjeldsen, & Reynard, 2004), para proporcionar datos de entrada a modelos de
simulación de calidad de aguas (Mroczkowski, Raper, & Kuczera, 1997), hasta la generación de condiciones
de borde para modelos de circulación global (GCM) (Wood, Lettenmaier, & Zatarin, 1992), entre otros.
Desde la presentación del Stanford Model de Crawford y Linsley en 1966, un gran número de estructuras
fueron propuestas (Todini, 2007). La literatura especializada clasifica estos modelos de acuerdo a tres
criterios (Singh, 1995; Wagener, Wheater, & Gupta, 2004): a) descripción de los procesos, b) escala y c)
técnica de solución. Para los fines presentes, es de interés el primer criterio, enfocado a estudiar los procesos
físicos encargados de generar la respuesta de la cuenca a través de estructuras agregadas, semidistribuidas
y distribuidas, determinísticas, empíricas o mixtas (Singh, 1995).
Los modelos agregados consideran al sistema como una sola unidad. Son aplicables cuando el modelador
percibe que una cuenca tiene propiedades espaciales homogéneas, a la escala de análisis. En el extremo
opuesto se sitúan los esquemas distribuidos. En este tipo de modelos, la representación de los procesos se
realiza a través de esquemas a resolución de celdas (pixeles) interconectadas. Esta última representación
identifica los factores que dominan la respuesta del sistema en cada unidad hidrogeomorfológica, así como
los niveles de interacción mutua. En la práctica ingenieril, la limitada disponibilidad de información, induce a
que la aplicación de un modelo distribuido tenga el potencial de introducir cargas de incertidumbre difíciles de
sobrellevar (Wagener, Wheater, & Gupta, 2004; Soria, Kazama, & Sawamoto, 2008). Un tipo de estructura
con complejidad intermedia es la semidistribuida o pseudo distribuida (Singh, 1995). Estos modelos describen
la respuesta hídrica de un cuenca a través de sistemas agregados conectados entre sí a un sistema global
(Collick, y otros, 2009). Dependiendo de la complejidad del sistema estudiado, las ventajas al aplicar esta
estructura son equivalentes a las de un modelo agregado, mientras que las desventajas se resumen en la
siguiente cita (Ajami, Gupta, Wagene, & Sorooshian, 2004): la aplicación de modelos semidistribuidos provee
información acerca de las condiciones de flujo en puntos internos de las cuencas. Sin embargo, la mejora
46
resultante en la simulación a la salida de la cuenca comparada con la aplicación de un modelo agregado, no

es una justificación significante para adoptarlos por sobre estructuras más simples. En cualquier caso, la
literatura actual sostiene preferencias hacia las estructuras determinísticas en detrimento de estructuras
estocásticas, debido a la regular demanda de información pero principalmente debido a la transparencia en la
descripción de los procesos.
En la guía, se sugiere el uso de un modelo semidistribuido, a partir de las últimas experiencias desarrolladas
en el VRHR (Espejo A. , 2016; Gonzáles, 2016; Soria, 2016) y a las potenciales aplicaciones de la
herramienta como medio de planificación hídrica. El modelo semidistribuido sugerido es flexible en cuanto a
las escalas espaciales y temporales de aplicación; sin embargo, podría no ser recomendable a escalas
puntuales o de proyecto, debido al amplio volumen de información demandada.
6.1.2. Información atmosférica de entrada a los modelos

Considerando el sistema general de la Figura 1 (capítulo II), excluyendo los aportes externos de transvases,
aportes regulados desde reservorios, lagos y lagunas, los principales factores atmosféricos son la
precipitación y la evaporación (evapotranspiración).
Precipitación
La fuente de información primaria son las estaciones en tierra. En regiones con limitada información histórica
y espacial, aquella información reconstruida se complementa utilizando datos globales como los del
WorldClim (Hijmans, Cameron, Parra, Jones, & Jarvis, 2005) o fuentes de información satelital. La
aplicabilidad de la información secundaria, es decir, de aquella información capturada a través de medios
distintos a los provistos por las estaciones en tierra, deberá ser evaluada en funciones a las condiciones
particulares; un ejemplo que ilustra la importancia de tal evaluación lo provee la literatura, a través de un
estudio realizado en la región del Lago Titicaca, en cuyas orillas, se demuestra que el contraste entre la
energía irradiada por el propio cuerpo de agua y el suelo influye en el desempeño de las predicciones
realizadas del producto 3B43 del TRMM (Satgé, y otros, 2016).
Evaporación
La evaporación es el proceso por el cual el agua se convierte en vapor de agua y se retira de los lagos,
embalses, ríos, suelos, vegetación (la superficie evaporante) (Allen, Pereira, Raes, & Smith, 2006). La
evaporación y la transpiración constituyen las principales pérdidas hacia la atmósfera. La clave en el proceso
de evaporación es la energía proporcionada por la radiación solar y en menor grado por la temperatura del
aire. La diferencia entre la presión de vapor de agua en la superficie y la atmósfera provoca el flujo de la
presión de vapor. A medida que la superficie se satura por efecto de la evaporación, la velocidad del viento es
fundamental para provocar el flujo de aire seco (mayor densidad) hacia la masa de aire saturado (menor
densidad). Estos parámetros, junto con el tipo de cobertura del suelo y la cantidad de agua en la superficie
evaporante, son los factores considerados en el cálculo (Allen, Pereira, Raes, & Smith, 2006). La
-2
cuantificación se realiza en lámina de agua (mm) o unidades de energía por unidad de área (e.g., MJ m ).
6.2 Cálculo de la evaporación y la evapotranspiración

La pérdida de agua desde la superficie del suelo mediante evaporación y la pérdida de agua mediante la
transpiración de las plantas, son procesos importantes en el cálculo del balance hídrico superficial. Ambos
ocurren simultáneamente y su inferencia por separado es compleja. Por esta razón, para su cuantificación se
recurre al proceso combinado denominado evapotranspiración (Allen, Pereira, Raes, & Smith, 2006).
6.2.1. Cálculo de la evaporación
Evaporación en cuerpos de agua

El cálculo de este factor se realiza mediante aproximaciones basadas en el balance energético de la
superficie, la ecuación del balance hídrico u otros, o experimentalmente a través de evaporímetros. Los
cálculos producto de ecuaciones empíricas varían en un rango amplio en función a las condiciones de
aplicación; los detalles se explican en una sección siguiente. Los métodos experimentales tienen rangos de
47
error alrededor del 15%, producto de la incertidumbre en la estimación del coeficiente de embalse, i.e., la
relación entre la evaporación real y la evaporación de tanque; como referencia, se estima que el coeficiente
de embalse para un tanque evaporímetro tipo A varía de 0.6 a 0.8 (UNESCO, 1982; Aparicio, Lafragua,
Gutiérrez, Mejía, & Aguilar, 2006). Este valor se multiplica mensualmente por el área de la superficie del
cuerpo de agua y se obtiene el volumen de agua evaporada.
Evaporación de tanque tipo A

El tanque tipo A tiene una superficie cilíndrica, con profundidad 25.4 cm y una superficie expuesta a la
atmósfera de diámetro interno de 121 cm. El tanque está generalmente acompañado de un pluviómetro para
definir las entradas de precipitación al tanque. La estimación de la evaporación (E) se realiza a través de un
enfoque simplificado de la ecuación de balance hídrico para un paso de tiempo ∆t (Cumming, 2001):
E = P + V1 − V 2 Ec. 38,
donde V1 y V2 son los volúmenes de agua al inicio y al final del periodo ∆t, correspondientemente. En la
práctica, la evaporación medida en el tanque es superior a la evaporación en cuerpos de agua como los
lagos, debido principalmente a la baja capacidad de almacenamiento de calor, la exposición lateral al sol y
viento, además de la incapacidad para representar el intercambio entre el lago, el suelo y el reservorio
subterráneo. Como se mencionó previamente, el cociente de la evaporación del lago a la evaporación de
tanque se denomina coeficiente de tanque o de embalse. Los valores del coeficiente difieren según la región;
su determinación empírica es relativamente sencilla debido a que no tiende a variar a escala interanual
(Cumming, 2001). En la tabla a continuación se presentan cifras referenciales para distintas coberturas de
suelo, comparados con valores empíricos de coeficientes de tanque resultantes del cociente entre la
evapotranspiración de un cultivo de referencia y la evaporación del tanque evaporímetro tipo A.
Tabla 7. Coeficientes de tanque para el cálculo de la evaporación y la evapotranspiración.

A partir de (Cumming, 2001) (Allen, Pereira, Raes, & Smith, 2006)
Cultivo Coeficiente de tanque Referencia
Evaporación
Huerto de manzanas 1.05 (Cumming, 2001)
Alfalfa 1.00 (Cumming, 2001)
Cultivos varios 0.80 - 1.00 (Cumming, 2001)
Rye grass 0.70 - 0.85 (Cumming, 2001)

-1
Evapotranspiración (velocidad del viento de 2 a 5 m s , humedad relativa media del aire de 40 a 70%, distancia
del cultivo a barlovento 100 m)
Tanque situado en superficie cultivada 0.75 (Allen, Pereira, Raes, & Smith, 2006)
Tanque situado en suelo desnudo 0.60 (Allen, Pereira, Raes, & Smith, 2006)
Cultivo de quinua, Altiplano boliviano 0.63 (Choquecallata, Vacher, Fellmann, & Imaña, 1991)
6.2.2. Cálculo de la evapotranspiración de cultivo
Base conceptual
Durante el inicio del crecimiento del cultivo, las pérdidas de agua ocurren principalmente sobre las capas
superficiales del suelo. A medida que el cultivo crece y proyecta más sombra, disminuye la fracción de
radiación solar que incide en el suelo, hasta que la vegetación cubre totalmente la superficie; en esta etapa,
aproximadamente el 90% de las pérdidas se atribuyen a la transpiración (Allen, Pereira, Raes, & Smith,
2006).
48
Para el cálculo de la evapotranspiración de cultivo se debe distinguir dos conceptos: la evapotranspiración del
cultivo bajo condiciones estándar (ETc) y la evapotranspiración del cultivo de referencia (ETo). La ETc se
relaciona al manejo del cultivo, al expresar la evapotranspiración en condiciones óptimas de suelo, agua y
clima. Por otro lado, la ETo expresa la demanda de evapotranspiración de la atmósfera sobre una superficie
de referencia (cultivo hipotético de pasto, rye grass), no sometida a restricciones de agua; se calcula
exclusivamente en base a consideraciones climáticas, independientemente al tipo de cultivo, las condiciones
de manejo o las condiciones del suelo (Allen, Pereira, Raes, & Smith, 2006). La ETo; reemplaza al concepto
de la evapotranspiración potencial.
Las necesidades de agua del cultivo son en magnitud iguales a la evapotranspiración del cultivo. Sin
embargo, conceptualmente se refieren a la cantidad de agua que debe ser proporcionada (riego o
precipitación). Este último concepto es de interés para los fines presentes.
El consumo de agua de la vegetación agrícola y natural se estima a través del enfoque Kc ETo (Allen, Pereira,
Raes, & Smith, 2006):
ETc = Kc ⋅ ETo Ec. 39,
-1
donde ETc y ETo están en [L T ] y los coeficientes de cultivo (Kc) son adimensionales. El Kc integra las
características que distinguen el cultivo real del cultivo de referencia. Representa cuatro factores distintivos: la
altura del cultivo, el albedo de la superficie suelo-cultivo, la resistencia del follaje o manto de las hojas y la
evaporación del suelo expuesto. El Kc está limitado únicamente a un cierto rango climático (la mayoría de los
efectos climáticos son asumidos por el ETo), por lo que se define básicamente de acuerdo a las
características del cultivo y su variación estacional durante el periodo de crecimiento. Estos aspectos
permiten que en general se acepte valores de Kc estandarizados para ciertos climas y tipos de cultivos (Allen,
Pereira, Raes, & Smith, 2006). Cuando las condiciones se alejan de aquellas asumidas por el ETc, la
evapotranspiración difiere y se introduce el término "real" (ETreal), resultante de la inferencia de variaciones
en las condiciones del suelo y de los cultivos a través de un coeficiente de estrés hídrico Kcs que reducen el
factor Kc. Su estimación se realiza mediante cálculo del balance hídrico del suelo o a través de relaciones
empíricas (e.g., (Collick, y otros, 2009)); para fines de la presente guía, su determinación se realiza
empíricamente a través del modelo de humedad del suelo.
Cultivo de ETo
Clima + referencia =
Kc
ETo x = ETc
Figura 8. ETo, ETc y el Kc, en un esquema (a partir de (Allen, Pereira, Raes, & Smith, 2006))
Esquema de cálculo
i. Cálculo de la ETo. La mayoría de los estudios de balance hídrico realizados en el país comparan el
uso de métodos varios como el de Turc, Blaney-Cridley y aquellos descritos en el capítulo III de la
presente guía. Entre aquellos métodos, la literatura sugiere la aplicación del método de la FAO
Penman-Monteith (García, Raes, Allen, & Herbas, 2004; Allen, Pereira, Raes, & Smith, 2006). La
sección siguiente muestra los detalles del método.
ii. Interpolación espacial de la ETo. La ETo estimada para las estaciones en tierra se interpola
espacialmente.
49
iii. Estimación del Kc. Los valores se definen a través de información de propiedades biofísicas de la
vegetación. El primer enfoque para su cálculo es a través de la estimación por separado de los
coeficientes de transpiración y evaporación para cada tipo de cultivo (Allen, Pereira, Raes, & Smith,
2006). Un segundo enfoque toma ventaja de la directa relación existente entre la ET y el balance
energético de la Tierra; este método estima el Kc a través de técnicas de teledetección, siguiendo el
esquema de cálculo a continuación descrito (Cuesta, Montoro, Jochum, López, & Calera., 2005;
Ferrara, Fiorentino, Martinelli, Garofalo, & Rana, 2010):
- Paso iii-1. Cálculo de la superficie de las áreas cultivadas. Se realiza mediante digitalización de
las parcelas o unidades de vegetación sobre mapas o preferentemente en escenas de plataformas
satelitales. Las plataformas Landsat y Google Earth constituyen adecuadas alternativas.
- Paso iii-2. Ortorectificación de los polígonos de las parcelas. Se consideran procedimientos
estándar de teledetección cuantitativa para quitar la distorsión de los polígonos (Liang, 2004).
- Paso iii-3. Distribución espacial de los Kc. Valores de Kc para cada unidad de cobertura o uso de
suelo son obtenidos a partir de estudios o información general de la literatura; aquellos valores se
relacionan con la cobertura observada en la información temática o la interpretación realizada a partir
de las escenas satelitales. Los valores de Kc se distribuyen espacialmente asumiendo una relación
lineal con índices NDVI. Se debe procurar seleccionar escenas coincidentes con aquellas utilizadas
para digitalizar las parcelas; en ausencia de información, se deberá capturar escenas lo más
cercanas posible a la fecha deseada. El preprocesamiento y tratamiento de las imágenes, así como el
cálculo de los índices NDVI, se explican en una sección posterior.
iv. Distribución espacial de la ETc. Se define por simple álgebra de mapas a través de los raster de Kc.
v. Predicciones futuras. Se deberá predecir el comportamiento futuro del Kc y del ETo por separado.
En caso de que no exista un fundamento que sugiera un cambio futuro en el Kc, una alternativa para
predecir su comportamiento futuro es asumir que la variabilidad estacional del parámetro permanece
invariable en el futuro (e.g., (Soria, 2016)). El siguiente paso es predecir el comportamiento futuro de
la ETo; constituye una alternativa, estimar el comportamiento futuro de la temperatura del aire y a
través de allí estimar la ETo (ver sección 7.3.2). A partir de allí, se estiman series cronológicas del
posible comportamiento futuro de la ETc como parámetro representativo de la demanda futura.
6.2.3. Determinación de la evapotranspiración de referencia
Método de FAO Penman-Monteith

El método de FAO Penman-Monteith es el procedimiento estándar para la estimación de la ETo a escala
diaria, de manera consistente en todas las regiones y climas (Allen, Pereira, Raes, & Smith, 2006). El método
se desarrolló el año 1990 en base a la ecuación original de Penman-Monteith, corrigiendo las imprecisiones
del método FAO Penman. Hace uso de la definición del cultivo de referencia como un cultivo hipotético sobre
-1
una superficie extensa de pasto verde, con altura asumida de 0.12 cm, resistencia de la superficie de 70 s m
y albedo de 0.23. La literatura provee la justificación para considerar este método en nuestro país (e.g.,
(García, Raes, Allen, & Herbas, 2004)).
La ecuación de FAO Penman-Monteith requiere datos de temperatura máxima y mínima del aire (no
únicamente la temperatura media), humedad atmosférica, radiación solar (en su caso, insolación diaria o
nubosidad diaria) y velocidad del viento. Se debe contar con información de la latitud y la altura sobre el nivel
del mar en msnm sobre el sitio de emplazamiento de la estación para la cual se realiza el cálculo. Esta
información será útil para calcular algunos parámetros a la presión atmosférica local, la radiación
extraterrestre (Ra) y estimar la duración máxima de insolación. La expresión general de la ecuación para el
cálculo de la ETo es la siguiente (Allen, Pereira, Raes, & Smith, 2006):
900
0.408 ⋅ ∆( Rn − G) + γ u 2 ( e s − ea )
ETo = T + 273 Ec. 40,
∆ + γ (1 + 0.34u 2 )
-1 -1
dónde la ETo está en [mm día ], ∆ es la pendiente de la curva de presión de vapor [kPa °C ], Rn la radiación
50
neta en la superficie del cultivo [MJ m día ], G el flujo del calor de suelo [MJ m día ], γ la constante
-2 -1 -2 -1
-1
psicrométrica [kPa °C ], T la temperatura media del aire a 2 m de altura [°C], u2 la velocidad del viento a 2 m
-1
de altura [m s ], es la presión de vapor de saturación [kPa], ea la presión real de vapor [kPa], la diferencia (es –
-1
ea) es el déficit de presión de vapor [kPa]. En esta expresión, Ra se mide en [mm día ]. A continuación, se
explican estos parámetros así como su cálculo, en base a (Allen, Pereira, Raes, & Smith, 2006).
Temperatura del aire

La humedad y la temperatura tienen una relación no lineal. La presión de vapor para cierto periodo debe
calcularse como la media entre la presión de vapor en condiciones de temperatura máxima (Tmax) y su
correspondiente a una temperatura mínima (Tmin). La Tmax y la Tmin corresponden a máximas y mínimas
observadas durante un periodo de 24 horas; para periodos más extensos, los valores se calcularán a través
de promedios simples. La temperatura media del aire Tmed se emplea para calcular el valor del parámetro ∆.
Humedad del aire

El contenido de agua en el aire se expresa a través de la presión de vapor, la temperatura del punto de
condensación (punto de rocío) y la humedad relativa (HR).
• Presión de vapor
El factor determinante para la remoción de vapor es la diferencia entre la presión de vapor de agua en la
superficie y la presión de vapor de agua en el aire circundante. En regiones con alta humedad de aire, la
demanda de evapotranspiración será menor en comparación a zonas áridas y calientes. La presión real de
vapor (ea) es la presión de vapor ejercida por el vapor de agua en el aire; la diferencia entre la presión de
vapor de saturación (es) y ea es el indicador de la real capacidad evaporativa del aire.
• Temperatura del punto de rocío

De denomina también punto de condensación. Es la temperatura a la cual el aire necesita ser enfriado para
saturarse. La ea es la es a la temperatura del punto de rocío. La diferencia entre la temperatura del aire y la
temperatura del punto de rocío crece a medida que las condiciones del aire están más secas.
• Humedad relativa
La HR es el cociente entre la cantidad de agua que el aire realmente contiene y la cantidad que podría
contener si estuviera saturado. Varía entre un máximo al amanecer a un mínimo a primeras horas de la tarde.
Esta fluctuación es debido a que la presión de saturación de vapor depende de la temperatura del aire.
Cálculo
o o
Presión de saturación de vapor (e (T)) [kPa]. Se calcula en función a la temperatura del aire T [ C]. La
presión de vapor de saturación (es) es calculada como el promedio sobre el periodo de cálculo de la presión
de saturación de vapor (eo) a la Tmax y la Tmin (eoTmax y eoTmax, respectivamente):
 17 .27 ⋅ T 
e o (T ) = 0.6108 ⋅ exp  Ec. 41,
 T + 237 .3 
e o T max + e o T min
es = Ec. 42.
2
∆) [kPa °C ]. La curva de saturación de vapor

-1
Pendiente de la curva de presión de saturación de vapor (∆
o
representa la relación entre la e (T) y la temperatura media del aire (Tmed [°C]):
4098 ⋅ e o Tmed
∆= Ec. 43,
(Tmed + 237 .3)2
Presión real de vapor (ea) [kPa]. Se calcula a través de la temperatura de rocío (Tdew) o la HR [%] (HRmax,
HRmin ó HRmed), a través de una de las siguientes expresiones:
51
 17 .27 ⋅ Tdew 
e a = e o (Tdew ) = 0 .6108 ⋅ exp   Ec. 44,
 Tdew + 237 .3 
HR max HR min
e o T min + e o T max
ea = 100 100 Ec. 45,
2
En caso de que los datos de HRmin sean dudosos, se sugiere la siguiente relación:
HR max
e a = e o T min Ec. 46,
100
Cuando HRmax y HRmin no estén disponibles, una expresión con menor precisión que las citadas es:
HRmed
e a = e o Tmed Ec. 47.
100
Radiación
• Radiación extraterrestre Ra [MJ m-2 día-1]

Es la radiación recibida al tope de la atmósfera sobre una superficie horizontal. Es función de la latitud, la
época del año y la hora del día. Se estima a partir de la constante solar, la declinación solar y la época del
año. Para simplificar los cálculos, en la tabla siguiente se presenta valores de Ra en el día 15 de cada mes.
2 -1 o o
Tabla 8. Radiación extraterrestre (Ra) diaria en [MJ m- día ] para latitudes 9 S a 23 S.
1
Los valores se convierten a [mm día- ] si se dividen por el factor 2.45. A partir de (Allen, Pereira, Raes, & Smith, 2006)
Latitud en Hemisferio sur

grados enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre
24 42.5 40.0 35.8 29.8 24.6 21.9 22.9 27.2 33.1 38.3 41.7 43.0
22 42.2 40.1 36.2 30.6 25.6 23.0 24.0 28.1 33.7 38.4 41.4 42.6
20 41.9 40.0 36.6 31.3 26.6 24.1 25.0 28.9 34.2 38.6 41.2 42.1
18 41.5 40.0 37.0 32.1 27.5 25.1 26.0 29.8 34.7 38.7 40.9 41.7
16 41.1 39.9 37.2 32.8 28.5 26.2 27.0 30.6 35.2 38.7 40.6 41.2
14 40.6 39.7 37.5 33.4 29.4 27.2 27.9 31.3 35.6 38.7 40.2 40.6
12 40.1 39.6 37.7 34.0 30.2 28.1 28.9 32.1 36.0 38.6 39.8 40.0
10 39.5 39.3 37.8 34.6 31.1 29.1 29.8 32.8 36.3 38.5 39.3 39.4
8 38.9 39.0 37.9 35.1 31.9 30.0 30.7 33.4 36.6 38.4 38.8 38.7
• Radiación solar o de onda corta (Rs) [MJ m-2 día-1]
- Cálculo cuando se tiene información de insolación

Es la cantidad de radiación que llega a un plano horizontal en la superficie terrestre, luego de atravesar la
atmósfera y de haber sido dispersada, reflejada o absorbida por los gases, nubes y polvo atmosférico. Se
denomina también radiación global o radiación de onda corta en relación a las características de las ondas
electromagnéticas emitidas por el sol. En un día despejado constituye aproximadamente 75% de Ra; en un
día nublado este valor disminuye a valores generalmente no menores al 25% de Ra, principalmente como
radiación difusa de la atmósfera. Su estimación se realiza por medición directa o a través de expresiones
indirectas. La siguiente fórmula de cálculo aplica la relación de Angstrom:
 N _ real 
Rs =  a s + bs  Ra Ec. 48,
 N _ max 
52
donde N_real [h] es la duración real de la insolación, N_max [h] es la duración máxima posible de la insolación,
N_real/N_max es la duración relativa de insolación (expresa la nubosidad atmosférica), as es la constante de
regresión que expresa la fracción de radiación extraterrestre que llega a la tierra en días muy nublados
(cuando N_real = 0) y as+bs es la fracción de la radiación extraterrestre que llega a la tierra en días despejados
(cuando N_real = N_max). La literatura recomienda valores de as= 0.25 y bs = 0.50 (Allen, Pereira, Raes, &
Smith, 2006).
-2 -1
En condiciones de cielo despejado (cuando N= N_max), la radiación solar Rso [MJ m día ] se calcula:
Rso = (a s + b s )Ra Ec. 49,
o o
Tabla 9. Insolación máxima diaria (N_max) diaria en [h] para latitudes 9 S a 23 S.
A partir de (Allen, Pereira, Raes, & Smith, 2006)
Latitud en Hemisferio sur

grados enero febrero marzo abril mayo junio julio agosto septiembre octubre noviembre diciembre
24 13.3 12.8 12.2 11.4 10.8 10.5 10.7 11.2 11.9 12.6 13.2 13.5
22 13.2 12.7 12.1 11.5 10.9 10.7 10.8 11.2 11.9 12.5 13.1 13.3
20 13.1 12.7 12.1 11.5 11.1 10.8 10.9 11.3 11.9 12.5 13.0 13.2
18 13.0 12.6 12.1 11.6 11.2 10.9 11.0 11.4 11.9 12.4 12.9 13.1
16 12.9 12.5 12.1 11.6 11.3 11.1 11.1 11.5 11.9 12.4 12.8 12.9
14 12.7 12.4 12.1 11.7 11.4 11.2 11.2 11.5 11.9 12.3 12.7 12.8
12 12.6 12.4 12.1 11.7 11.4 11.3 11.4 11.6 11.9 12.3 12.6 12.7
10 12.5 12.3 12.1 11.8 11.5 11.4 11.5 11.7 11.9 12.2 12.5 12.6
8 12.4 12.3 12.1 11.8 11.6 11.5 11.6 11.7 12.0 12.2 12.4 12.5
- Cálculo derivado de las diferencias térmicas

La diferencia entre Tmax [°C] y Tmin [°C] en un sitio se relaciona con el grado de nubosidad. Condiciones
despejadas determinan altas temperaturas durante el día (Tmax) y bajas temperaturas durante la noche
(Tmin). En condiciones nubladas, Tmax es relativamente más pequeño porque una parte significativa de la
radiación solar entrante es absorbida y reflejada por las nubes; de manera similar, Tmin será relativamente
más alta porque la cobertura de la nubosidad disminuye la radiación saliente neta de onda larga. Bajo este
razonamiento, la diferencia Tmax - Tmin se utiliza como indicador de la fracción de la radiación extraterrestre
que alcanza la superficie de la tierra (Hargreaves, 1994). Este principio es la base para que Hargreaves y
Samani hubiesen desarrollado estimaciones de ETo usando solamente datos de temperatura del aire. La
ecuación de radiación de Hargreaves, ajustada y validada en varias estaciones meteorológicas en una amplia
variedad de condiciones climáticas, está dada por (Allen, Pereira, Raes, & Smith, 2006):
Rs = k Rs ⋅ Ra (T max − T min )
0 .5
Ec. 50,
-2 -1
donde Rs y Ra están en [MJ m día ], Tmax y Tmin están en [°C] y kRs es un coeficiente de ajuste, usualmente
-0.5
en el rango 0.6-0.9 [°C ].
• Radiación solar neta o de onda corta Rns [MJ m-2 día-1]

Resulta del equilibrio entre la radiación solar entrante y la reflejada. Se calcula en función al albedo o
-2 -1
coeficiente de reflexión del cultivo (α) [adimensional] (0.23 para el cultivo de referencia) y la Rs [MJ m día ]:
Rns = Rs (1 − α ) Ec. 51,
• Radiación neta de onda larga Rnl [MJ m-2 día-1]

La proporcionalidad de la cantidad de emisión de energía de onda larga a la cuarta potencia de la
temperatura absoluta de la superficie se expresa a través de la ley de Stefan-Boltzmann corregida por la
53
humedad (0.34 − 0.14 e ) y la nubosidad 1.35 Rso

a
Rs 
− 0.35 :
 
 T 4 max, k + T 4 min, k 
Rnl = σ   ( 
)
0 .34 − 0 .14 e a 1 .35
Rs 
− 0 .35  Ec. 52,
 2   Rso 
donde σ es la constante de Stefan-Boltzmann [4.903 x 10 MJ K m día ], Tmax,k es la temperatura máxima

-9 -4 -2 -1
absoluta durante un periodo de 24 horas [°K = °C + 273.16], Tmin,k es la temperatura mínima

correspondiente [°K = °C + 273.16], Rs/Rso es la radiación relativa de onda corta (con valores ≤ 1,0).
• Radiación neta (Rn) [MJ m-2 día-1]

Es la diferencia entre la radiación neta de onda corta Rns y la radiación neta de onda larga Rnl. Es positiva
durante el día y negativa durante la noche
Rn = Rns − Rnl Ec. 53,
• Flujo del calor de suelo G [MJ m-2 día-1]

Es la energía utilizada para calentar el suelo. Tiene valores positivos cuando se calienta y negativos cuando
se enfría. Para periodos mensuales se asume una capacidad calorífica del suelo de 2.1 [MJ m-3 oC-1] a una
profundidad media del suelo. Las temperaturas Tmed,i+1 y Tmed,i-1 corresponden a dos pasos de tiempo:
G mes ,i = 0 .07 (T med ,i +1 − T med ,i −1 ) Ec. 54,
Presión atmosférica (Pa) [kPa]

Es el peso ejercido por la atmósfera terrestre. En caso de que no existan mediciones, se estima a través de
una simplificación de la ley de los gases ideales a una temperatura atmosférica estándar de 20°C, en función
a la elevación del sitio Asitio [msnm]:
 293 − 0 .0065 ⋅ Asitio 

5.26
Pa = 101 .3  Ec. 55,

 293 
Constante psicrométrica (γγ)

Se calcula a través de la expresión (Martínez, Calera, Melia, & Jochum, 2004):
cp
γ = Pa = 0 .000665 ⋅ Pa Ec. 56,
ξ ⋅ς
donde Pa está en [kPa], ζ es el calor latente de vaporización igual a 2.45 [MJ kg ], cp es el calor específico a
-1
presión constante (para condiciones atmosféricas medias se asume un valor de 1.013 x 10 [MJ kg °C ]), ξ
-3 -1 -1
es el cociente entre el peso molecular de vapor de agua al peso molecular del aire seco igual a 0.622.
Cálculo de la evapotranspiración de referencia por el método de Hargreaves-Samani

El método de Hargreaves-Samani es una opción alternativa para el cálculo de la ETo en estaciones donde no
existe información real de insolación, humedad relativa o velocidad del viento. La información de esta manera
generada provee un estimativo. El método considera solamente la temperatura del aire [°C], a través de las
relaciones mostradas a continuación, donde ETo y Rs están en [mm día-1] (Hargreaves, 1994; Allen, Pereira,
Raes, & Smith, 2006):
ETo = 0 .0135 ⋅ Rs (T + 17 .8 ) = 0.0135 ⋅ k Rs ⋅ Ra ⋅ (T max − T min ) (T + 17 .8 )

0 .5
Ec. 57,
0 .5
 Pa 
k Rs = 0.17   Ec. 58,
 Po 
54
-0.5
El factor kRs [°C ] reduce los valores de temperatura a radiación solar; varía en función a la proximidad del
sitio en relación a ubicaciones a nivel del mar y se define en función a la presión atmosférica media del lugar
Pa [kPa] y la presión media mensual a nivel del mar Po [kPa] (Hargreaves, 1994). Para zonas donde
predominan las masas de tierra y no son influenciadas fuertemente por cuerpos de agua se sugiere el valor
-0,5
promedio de 0.16 [°C ] (Hargreaves, 1994). Como referencia, en el estudio para el área de la cuenca
Cachimayu en los departamentos de Chuquisaca y Potosí, el valor promedio obtenido en función a los
-0,5
registros de las estaciones Sucre (SENAMHI) y Yotala fue de 0.14 [°C ] (Soria, 2016).
Precauciones en la aplicación de métodos basados en representaciones simplificadas

Entre las limitaciones al aplicar un método basado en la temperatura del aire está la tendencia a subestimar la
-1
ETo bajo condiciones de viento fuerte (mayor a 3 m s ) y a sobreestimar la ETo bajo condiciones de elevada
humedad relativa (García, Raes, Allen, & Herbas, 2004; Allen, Pereira, Raes, & Smith, 2006). Una precaución
adicional en regiones húmedas es que las correcciones a las ecuaciones podrían variar de estación a
estación y en función al periodo (mes) considerado (Gonzáles, Villazón, & Willems, 2009). Similar
observación aplica al uso de ecuaciones como la de Thornthwaite; el estudio citado determinó los factores de
corrección en función a las estimaciones realizadas por el método de la FAO Penman-Monteith. La literatura
también reporta resultados adversos al cálculo de la evapotranspiración de referencia utilizando
observaciones en tanque evaporímetro, bajo condiciones húmedas (Gonzáles, Villazón, & Willems, 2009).
6.2.4. Cálculo de la ETc a través de técnicas de teledetección

La teledetección constituye un medio para estudiar la evolución histórica y la distribución espacial de factores
del balance energético superficial en cuencas remotas (Bastiaanssen, 2000; Li, Tang, Wan, Bi, Zhou, & Tang,
2009). La ETc se calcula como un residual del balance energético superficial a través del estudio de la
relación indirecta entre el Kc y el estado de desarrollo de los cultivos. En este proceso, el Kc se estima
considerando su potencial relación lineal con el NDVI (Cuesta, Montoro, Jochum, López, & Calera., 2005;
Ferrara, Fiorentino, Martinelli, Garofalo, & Rana, 2010). El cálculo del NDVI se describe en una sección
posterior. La relación lineal citada se determina a partir de puntos de anclaje que definen los extremos dentro
de un proceso de correlación, con un Kc mínimo correspondiente al NDVI mínimo (suelo sin cobertura
vegetal) y un Kc máximo correspondiente al NDVI máximo (cobertura máxima).
El cálculo de los valores de anclaje del NDVI se realiza por análisis de imágenes multiespectrales (Landsat)
dentro de las áreas digitalizadas encerradas por las parcelas de los cultivos. En función a las características
de la zona de estudio, en algún caso podría considerarse que la cobertura de pasto nativo no representa un
usuario de agua dominante. En cuencas remotas, es posible que no sea factible la determinación de valores
de Kc a través de estudios de campo; en ese caso, los valores de anclaje del coeficiente de cultivo podrían
estimarse a través de información obtenida, por ejemplo, de los planes de desarrollo del municipio. La
literatura provee valores referenciales de anclaje; por ejemplo, un Kc máximo de 1.15, correspondiente al
máximo de cobertura de los cultivos principales identificados en planes de desarrollo municipal (papa, maíz y
trigo) se estimó en una región de Chuquisaca-Potosí (Soria, 2016) (Tabla 10). En el mismo estudio, se asumió
un Kc mínimo en el rango 0.15 a 0.2, en correspondencia a valores de suelo desnudo citados en la literatura
(Allen, Pereira, Raes, & Smith, 2006). Los restos de cosecha implican un ligero ascenso en este valor, hasta
un Kc mínimo igual a 0.20, correspondiente a suelos descubiertos (Allen, Pereira, Raes, & Smith, 2006). Otros
estudios sugieren coeficientes de cultivo únicos por unidad de cobertura y uso de suelo (e.g., (Espejo J. ,
2003; Gonzáles, 2016)). La Tabla 11 compara los criterios de los autores mencionados.
Tabla 10. Valores de Kc sugeridos para algunos cultivos.

A partir de (Soria, 2016) en base a (Allen, Pereira, Raes, & Smith, 2006)
Kc papa Kc trigo Kc maíz
Octubre 0.5 0.3 0.3
Noviembre 0.5 0.3 0.3
Diciembre 0.83 0.73 0.73
55
Kc papa Kc trigo Kc maíz
Enero 1.15 1.15 1.15
Febrero 1.15 1.15 1.15
Marzo 0.9 0.4 0.6
Abril 0.65
Tabla 11. Valores de Kc por unidad de cobertura y uso de suelo.

Las mayores discrepancias se observan en las celdas sombreadas color naranja
Kc
Unidad de cobertura y uso de suelo (Gonzáles, 2016) en (Espejo A. ,

base a (Allen, Pereira, 2016)
Raes, & Smith, 2006))
Bosque denso (amazónico, andino, chiquitano) 1.05
Bosque denso esclerófilo, bosque denso nublado 0.80
Bosque o monte ralo 0.90
Bosque ralo esclerófilo 0.80
Matorral, pajonal andino montano semiárido 0.90
Matorral chiquitano sobre ondulaciones y llanuras, semiárido 0.90
Herbazal graminoide, llanura inundada estacionalmente o por periodos cortos 1.00
Herbazal graminoide, puna altoandina árida 1.00
Herbácea graminoide 0.75
Vegetación dispersa en pedregales. Puna altoandina semiárida 0.70
Arbustos dispersos 0.75
Estructura urbana y rural, ciudades y pueblos 0.70 0.50
Depósitos de arena, playas y dunas 0.70
Superficie descubierta cárcavas, arena 0.60
Cuerpos y cursos de agua 1.05 0.40
Agricultura múltiple. Agricultura comercial 0.70
Cultivos plurianuales 0.80
Cultivos en rotación extensiva 0.70
Cultivos en rotación intensiva 0.85
6.3 Modelo de humedad del suelo del Sistema de Evaluación y Planificación del Agua
El modelo conceptual hidrológico semidistribuido sugerido es el modelo de humedad del suelo del Sistema de
Evaluación y Planificación del Agua (WEAP). Se implementa a través de un esquema unidimensional, con
una estructura de balance hídrico desagregada a escala de subcuenca (Yates, Sieber, Purkey, & Huber-Lee,
2005). La aplicación del modelo dentro la plataforma WEAP provee un ambiente para el posterior análisis de
relaciones oferta-demanda.
El modelo comprende dos reservorios verticales. A través de aquello el flujo total se cuantifica mediante
análisis del flujo superficial, las pérdidas por evaporación, la infiltración, la percolación y el flujo base. El
esquema del modelo transmite la percolación profunda hacia un cuerpo de agua superficial o directamente
56
hacia el acuífero subterráneo, de acuerdo a las características del sistema observado. La influencia de
embalses, la red de distribución y otras condiciones de operación, se asignan a los puntos de extracción de
agua y se incorporan a los cálculos a través de criterios que maximizan la satisfacción de la demanda
(CCGUC-SEI, 2009). La representación de los procesos hidrológicos tiene un nivel de agrupamiento que hace
válida la aplicación del modelo dentro de una escala temporal semanal y mensual (CCGUC-SEI, 2009).
La respuesta física del modelo tiene dos premisas. La primera sugiere que en cuencas con topografía
accidentada, los reservorios subterráneos están alimentados por los aportes de la precipitación en las
subcuencas situadas aguas arriba. La segunda premisa sugiere que los aportes de la precipitación en las
subcuencas aguas abajo, en zonas con relieve suave, contribuyen a la recarga de los reservorios aluviales,
aprovechables para fines de irrigación y directamente relacionados con el flujo de los ríos principales.
Esquemáticamente, este tipo de respuesta sugiere una configuración con dos reservorios verticales aguas
arriba de la cuenca y un solo reservorio vertical en la zona con reservorios aluviales (Yates, Sieber, Purkey, &
Huber-Lee, 2005; SEI, 2015).
6.3.1. Hidrología de superficie

La estructura del modelo describe a través de representaciones empíricas los procesos de
evapotranspiración, escorrentía superficial y subsuperficial, infiltración y percolación profunda, en una
conceptualización basada en las ideas del modelo Watbal (Yates S. , 1994). El balance hídrico es calculado
en cada fracción de uso o cobertura j de las X áreas fraccionales que forman parte de cada subcuenca. La
ecuación del balance de masa se define asumiendo que las variables climáticas son homogéneas en cada j,
de la manera siguiente (Yates, Sieber, Purkey, & Huber-Lee, 2005):
dh1, j
Sw j = Pe(t ) − ET (t ) − Qs (t ) − Qss (t ) − Qp (t ) Ec. 59,
dt
donde Sw,j [L] es un estimado de la capacidad efectiva de almacenamiento de agua en el suelo para cada j. El
almacenamiento relativo de agua en el suelo h1,j, representa una fracción del total de almacenamiento efectivo
en el reservorio "1" (Figura 9); h1,j varía entre 0 (punto de marchitez permanente) y 1 (capacidad de campo). Pe
es la precipitación efectiva total acumulada en el paso de tiempo t, ET es la evapotranspiración, Qs es la
escorrentía superficial, Qss es la escorrentía subsuperficial, Qp es la percolación profunda.
La ecuación siguiente presenta la expresión desarrollada por (Yates, Sieber, Purkey, & Huber-Lee, 2005),
donde RRF [adimensional] es el factor de resistencia al escurrimiento, con los valores más bajos relacionados
a las tasas más altas de escorrentía superficial (suelos sin cobertura vegetal); en la formulación original, este
-1
factor era el índice de área foliar LAI. ksj [L T ] es un estimado de la conductividad saturada en el reservorio
superficial. fj [adimensional] es un parámetro de calibración relacionado al tipo de suelo, cobertura y
topografía, que define la proporción que escurre horizontalmente (fj) o verticalmente (1 - fj):
dh1, j  5h1, j − 2h1, j 2 

Sw j = Pe (t ) − ETo(t ) K c , j (t )  − P (t ) h RRF j − f ks h 2 − (1 − f )ks h 2 Ec. 60.
dt  3  e 1, j j j 1, j j j 1, j
 
Para cuantificar la suma de los aportes de Qs y Qss desde el reservorio "1" en cada subcuenca de área Aj , la
expresión para la variable resultante Q1 es:
[ ]
N
Q1 (t ) = ∑ A j Pe (t )h1, j + f j ks j h1, j
RRFj 2
Ec. 61.
j =1
En aplicaciones donde se asume que no existe recarga hacia el nodo del acuífero, con ks2 [L T-1]
representando la conductividad hidráulica en el reservorio "2" (valor constante para toda la cuenca, por lo que
no incluye el subíndice j) (Figura 9), el caudal del reservorio subterráneo es (SEI, 2015):
N
dh 2
= ∑ (1 − f j ) ks j h1, j − ks 2 h2
2 2
Dw Ec. 62,
dt j =1
57
donde Dw [L] es la percolación profunda desde el reservorio superficial. Luego, la aproximación a la

descripción del flujo base QG se expresa:
N
QG (t ) = ∑ A j (ks2 h2 )
2
Ec. 63.
j =1
Para el caso de la cuenca situada aguas abajo, con recarga hacia el reservorio aluvial (nodo del acuífero), se
omite el flujo desde el reservorio subterráneo (ks2 ⋅ h22) y la recarga expresada por la percolación (Perc) [L3 T-1]
es (Yates, Sieber, Purkey, & Huber-Lee, 2005):
N
Perc = ∑ A j (1 − f j )ks j z 21, j Ec. 64.
j =1
P Irrigación ET
Pe
f (P)
Qs=(P+Irrigación)h1RRF
Reservorio 1
U
Sw[L] h1% L Qss = f ks h12
Perc
f(h1,ks,1-f)
Reservorio 2
Dw[L] h2% Qsubt = ks2h22
Figura 9. Esquema del modelo hidrológico para dos reservorios, 1 y 2.

U y L son los límites superior e inferior de irrigación, respectivamente. Esquema a partir de (Yates, Sieber, Purkey, &
Huber-Lee, 2005)
6.3.2. Estimación de parámetros del modelo hidrológico

Los caminos para implementar el modelo tienen en general características híbridas, con consideraciones
basadas en la estimación física de los parámetros y consideraciones desarrolladas a partir de los resultados
de un proceso de calibración (SEI, 2015b; Fernandez, 2013; Marisa, Lima, Purkey, Yates, & Forni, 2013). La
propuesta desarrollada en la presente guía tiene preferencia por el primer camino; busca promover la
generación de productos comparables entre sí, donde el número de parámetros a calibrar sea el menor
posible, con el consiguiente beneficio en términos de una reducción en el rango de incertidumbre predictiva
del proceso. La estimación de los parámetros se presenta a continuación en un orden cronológico sugerido.
Agregación de parámetros y variables dentro de cada subcuenca

Para describir la variabilidad espacial que define la respuesta de la cuenca, los factores del modelo
(precipitación, temperatura del aire, parámetros de suelos y otros) se calculan para cada subelemento dentro
de cada subcuenca o unidad hidrológica (unidad de modelación de balance hídrico). Dos enfoques se
recomiendan para su estimación. El primero asume que existe una relación entre la elevación (geografía) y el
clima; a partir de aquello se definen rangos de elevación, dentro de los cuales se agregará los parámetros del
suelo, escorrentía, infiltración (percolación) y factores meteorológicos (e.g., (Soria, 2016)). Un segundo
enfoque sugiere dividir las subcuencas en función a unidades de cobertura y uso de suelo (e.g., (Yates,
Purkey, Sieber, Huber-Lee, & Galbraith, 2005; Gonzáles, 2016)). La elección del enfoque depende de la
heterogeneidad del medio físico y de consideraciones de tipo operacional.
La agregación de los factores climáticos se realiza para cada variable, por mes de cálculo. A partir de esta
58
información, se procede a agregar los valores por unidad espacial de análisis. Por ejemplo, si el balance
hídrico se calcula para 40 años, a nivel mensual se necesitaría 492 mapas, por variable. Como alternativa y
en función a la complejidad del medio geofísico y climático, se recurre a simplificaciones como la desarrollada
en el ejemplo del Anexo 1 - sección 3.1.2.
Consideraciones referidas a la escala de trabajo (resolución espacial y temporal)

Excede los alcances presentes el desarrollo de recomendaciones relativas a aplicaciones a escala puntual o
de proyecto. En referencia a la escala temporal, se sugiere aplicaciones a escala mensual. Estudios a escalas
semanales o diarias son posibles desde una perspectiva conceptual, cuando se considere que el sistema
responde a esta resolución; para este caso, la disponibilidad de información deberá ser compatible con tal
escala. No se desarrollan aplicaciones a escalas temporales mayores a la diaria, debido a que a tales
resoluciones la descripción de los procesos físicos se deberá realizar a través de enfoques distintos.
Sugerencias complementarias para la implementación del modelo

Un modelo hidrológico está compuesto por los datos de entrada, la geometría de la cuenca, las leyes que
gobiernan los procesos físicos representados, y las condiciones iniciales y de borde. Entre otros factores, la
forma en la cual cada componente se incluye en el proceso de modelación está influenciado por la
perspectiva elegida para describir el flujo: ya sea a través de un enfoque hidrológico o a través de enfoques
hidráulicos (Singh, 1995). El balance hídrico se implementa a través de una modelación hidrológica basada
en una forma agregada de la ecuación de continuidad y una relación de flujo que expresa el almacenamiento
como función de la entrada y las salidas del sistema (Singh, 1995). Las condiciones iniciales y de borde son
elementos importantes en aquella predicción; las primeras definen los principios físicos que controlan la
dinámica del sistema en un paso de tiempo inicial; por otro lado, las condiciones de borde son las fronteras
físicas de los estados y procesos del sistema (DeChant, 2014).
Las condiciones iniciales proveen el punto de partida para predecir las trayectorias de comportamiento del
sistema (Beven, 2004). Generalmente, el modelo evolucionará hacia estados donde las condiciones iniciales
carecerán de importancia de manera progresiva; sin embargo, aquello dependerá de la estructura del sistema
y de la propia capacidad del modelo para describir las condiciones del sistema (DeChant, 2014). Es esta una
de las razones por la cual es común ejecutar las corridas iniciales durante estados donde es mínima la
interacción entre los componentes del sistema, i.e., durante condiciones secas (e.g., al inicio del año
hidrológico) o estados de humedad del suelo con mínima influencia de las condiciones inducidas por las
condiciones de flujo y humedad de la temporada anterior. En la práctica, las condiciones iniciales se estiman
a partir de un estado inicial registrado en mediciones en sitio. Es también común definir las condiciones
iniciales a partir de una corrida inicial del modelo, luego de que éste hubiese alcanzado un comportamiento
estable. La literatura tiende a sugerir el primer enfoque (e.g., (DeChant, 2014)).
Las condiciones de borde son estáticas o dinámicas, dependiendo si el sistema en estudio es cerrado (sin
influencia de otros sistemas) o parcialmente abierto (afectado por los cambios en un sistema vecino) (Beven,
2004). Las condiciones de borde estáticas se definen en base al conocimiento de las características del
medio en estudio; en el caso de los modelos matemáticos, algunos de estos factores se definirán inclusive a
través de calibración o procesos similares de estimación (DeChant, 2014). El adecuado balance entre ambos
(la interpretación física y el proceso de calibración) constituirá un factor para medir la confiabilidad de las
predicciones realizadas por el modelo matemático: cuando un modelo depende excesivamente en la
calibración de sus factores para asegurar la concordancia entre las predicciones y las observaciones, es
posible que se enfrenten mayores dificultades al momento de realizar proyecciones.
Sensibilidad esperada de los factores del modelo hidrológico

La tabla a continuación resume la sensibilidad esperada al cambio en los parámetros del modelo.
Tabla 12. Sensibilidad del modelo, de acuerdo a reportes de la literatura.

Se califican tres niveles de sensibilidad: alta, media, baja.
59
Sensibilidad reportada en la literatura
(Amato, McKinney, Ingol-

Parámetro Blanco, & Teasley, 2006;
(Gonzáles, 2016) (Soria, 2016)
CCGUC-SEI, 2009; Ingol-
Blanco, 2009)
Sw [mm] Media Media Media
Dw [mm] Alta Media Alta

Kc Alta Media Media
RRF Alta Media Media-baja

ks [mm/mes] Media Media Media
ks2 [mm/mes] Media Media Media
f Media Media Baja

h1 Baja Media Baja
h2 Baja Media Baja
Coeficiente de cultivo Kc
Se sugiere considerar coeficientes distintos para las coberturas y para los cultivos. Para coberturas, los
valores se obtienen por trabajo de campo o mediante valores referenciales de la literatura (Allen, Pereira,
Raes, & Smith, 2006). Por otro lado, es factible considerar que el Kc para cobertura vegetal nativa es
invariable en el año. Para el caso de los cultivos, los Kc tienen variabilidad mensual (estacional). Su
estimación a través de técnicas de teledetección.
Capacidad de almacenamiento de agua en la zona de raíces Sw [mm]

Se estima directamente a partir de la profundidad máxima en la zona de raíces (Yates, Purkey, Sieber, Huber-
Lee, & Galbraith, 2005). Alternativamente, valores menos optimistas se obtienen al asociar el parámetro con
el almacenamiento potencial de agua en el suelo o agua disponible en la zona radicular del suelo [mm] (Soria,
2016). En el último caso, Sw se calcula como el producto entre la profundidad radicular [m] y la capacidad de
retención de humedad del suelo CRH; estos factores se estiman a partir de valores referenciales de la
literatura o mediciones en campo. A su vez el CRH se estima como la diferencia entre el contenido de
3 3
humedad en el suelo a capacidad de campo [m /m ] y el contenido de humedad en el punto de marchitez
3 3
permanente [m /m ] (MDSP, 2001; Allen, Pereira, Raes, & Smith, 2006; DHI, 2009).
Tabla 13. Valores referenciales de profundidad máxima de raíces.

A partir de (Allen, Pereira, Raes, & Smith, 2006)
Profundidad máxima de las raíces (m)
Hortalizas Cultivos textiles

Zanahoria 0.5-1.0 Algodón 1.0-1.7
Lechuga 0.3-0.5 Cultivos oleaginosos
Cebolla 0.3-0.6 Girasol 0.8-1.5
Tomate 0.7-1.5 Frutas y árboles tropicales
Pepino 0.7-1.2 Banana 0.5-0.9
Sandía 0.8-1.5 Cacao 0.7-1.0
Raíces y tubérculos Café 0.9-1.5
60
Profundidad máxima de las raíces (m)
Remolacha 0.6-1.0 Palma 0.7-1.1

Yuca 0.5-0.8 Piña 0.3-0.6
Papa 0.4-0.6 Gomero 1.0-1.5
Caña de azúcar 0.7-1.2 Té 0.9-1.5
Leguminosas Uvas
Frijoles 0.5-1.2 Uvas 1.0-2.0
Habas 0.5-0.7 Árboles frutales
Lenteja 0.6-0.8 Almendra 1.0-2.0
Arveja 0.6-1.0 Manzana, pera 1.0-2.0
Soya 0.6-1.3 Durazno 1.0-2.0
Cereales Palta 0.5-1.0
Trigo 1.0-1.8 Cítricos 1.1-1.5
Maíz 1.0-1.7 Coníferas 1.0-1.5
Arroz 0.5-1.0 Kiwi 0.7-1.3
Alfalfa 1.0-3.0 Oliva 1.2-1.7
Rye Grass 0.6-1.0 Nuez 1.7-2.4
Pastizales 0.5-1.5
Tabla 14. Valores referenciales de CRH en mm/m.

A partir de (Soria, 2016), en base a información de (MDSP, 2001)
CRH
Textura del suelo
(Contenido de piedra y grava entre 5-15%)
Arcilla 120
Franco 140
Limo 120
Arena 70
Arena francosa 90
Arcilla arenosa 90
Franco arcillo arenoso 130
Franco arenoso 120
Arcilla limosa 130
Franco Arcillo limoso 140
Franco limoso 150
Franco arcilloso 120
Tabla 15. Valores referenciales de profundidad radicular.

A partir de (Soria, 2016), en función de información de (MDSP, 2001)
61
Tipo de utilización de la tierra Profundidad máxima de raíces,
en cm
Agricultura anual 100
Agricultura perenne 150
Pastos sembrados 100
Pasturas naturales 100
Bosques 150
Capacidad de almacenamiento de agua en la zona profunda Dw [mm]

Se estima como un valor único para toda la cuenca, asumiendo un solo reservorio horizontal subterráneo. El
valor se ignora cuando el sitio de la demanda recarga el acuífero local (SEI, 2015). Se infiere por calibración
del modelo, debido a que su estimación es compleja a través de información física (Yates, Purkey, Sieber,
Huber-Lee, & Galbraith, 2005).
Factor de resistencia a la escorrentía, RRF

Controla la respuesta de la escorrentía superficial. Valores altos implican tasas bajas de escorrentía y
viceversa. Valores estimados en base a calibración del modelo varían en el rango de 0.1 a 10 (Ingol-Blanco,
2009; Yalcinkaya, 2011; SEI, 2015b; SEI, 2015). El RRF se lo relaciona teóricamente con el LAI (Yates,
Sieber, Purkey, & Huber-Lee, 2005), a su vez estimado a partir de técnicas de teledetección o a partir de
referencias en la literatura (Scurlock, Asner, & Gower, 2001; Amato, McKinney, Ingol-Blanco, & Teasley,
2006). La tabla siguiente provee valores estimados.
Tabla 16. Índices de área foliar (LAI) para distintos tipos de cobertura.
Valores descritos en (Soria, 2016), en base a (Scurlock, Asner, & Gower, 2001; Amato, McKinney, Ingol-Blanco, &
Teasley, 2006)
LAI
Cobertura
Promedio Mínimo Máximo
Desiertos (sin cobertura vegetal) 1.31 0.59 2.84
Pasturas (zonas templadas y tropicales) 1.71 0.29 5.00
Pastizales altos, arbustos 2.08
Otra vegetación 2.08
Pastizales para actividades ganaderas 2.50
Pastizales 2.50
Cultivos (zonas templadas y tropicales) 3.62 0.20 8.70
Cultivos (agricultura intensiva; extensiva) 4.22
Humedales 6.34 2.50 8.40
Áreas urbanas 8.00
Plantación forestal 8.72 1.55 18.00
• Valor inicial del nivel de humedad en la zona de raíces (h1) y la zona profunda (h2)
Es una condición de borde en la simulación. Representa el almacenamiento relativo expresado en porcentaje
62
del almacenamiento efectivo total de Sw. Los valores máximos para la calibración corresponden al contenido
de humedad en el punto de marchitez permanente. En referencia al valor inicial del nivel de humedad en la
zona profunda (h2), el mismo no se considera cuando el nodo de demanda recarga al acuífero local.
Tabla 17. Valores referenciales de contenido de humedad en el punto de marchitez permanente.

A partir de (Soria, 2016)
3 3
Humedad del suelo en el punto de marchitez (m /m )
Textura del suelo
Promedio Mínimo Máximo
Arenoso 0.045 0.02 0.07
Arenoso franco 0.065 0.03 0.10
Franco arenoso 0.110 0.06 0.16
Franco 0.120 0.07 0.17
Franco limoso 0.150 0.09 0.21
Limoso 0.170 0.12 0.22
Franco arcillo limoso 0.205 0.17 0.24
Arcillo limoso 0.230 0.17 0.29
Arcilloso 0.220 0.20 0.24
Dirección preferencial de flujo, f

Depende de la cobertura del suelo. Varía desde 1 para flujo 100% horizontal, a 0 para flujo 100% vertical. Los
valores se estiman al inicio de las simulaciones. Los valores finales se definen por calibración.
Conductividad saturada de la zona profunda, ks2

Representa el flujo máximo posible cuando h2=1. Es un valor único para toda la cuenca y no se considera
cuando el nodo de demanda recarga el acuífero local. Controla el flujo subterráneo a través de una relación
directamente proporcional. Una posibilidad para estimar valores iniciales es a través de la geología local. La
tabla siguiente muestra algunos ejemplos (e.g., (Soria, 2016)).
Tabla 18. Estimaciones de ks2 para diversos tipos de unidades litológicas.

A partir de (Soria, 2016), en función a información de (Lewis, Cheney, & ÓDochartaigh, 2006)
ks2 (cm/min)
Litología
Promedio Máximo Mínimo
Pizarra 2.5E-06 5.0E-09 5.0E-06
Roca cristalina densa 5.0E-06 5.0E-08 1.0E-05
Esquisto 5.0E-05 5.0E-08 1.0E-04
Basalto denso 5.0E-04 1.0E-06 1.0E-03
Arcilla 2.5E-03 5.0E-07 5.0E-03
Arena 7.5E-02 1.0E-01 5.0E-02
Till 2.5E-01 1.0E-07 5.0E-01
Piedra caliza 5.0E-01 5.0E-06 1.0E+00
63
ks2 (cm/min)
Litología
Basalto fracturado 5.0E-01 1.0E-04 1.0E+00
Franco 5.1E-01 1.0E-02 1.0E+00
Roca volcánica 1.0E+00 2.0E-02 2.0E+00
Roca cristalina fracturada 5.0E+00 1.0E-03 1.0E+01
Piedra arenisca 1.0E+01 5.0E-05 2.0E+01
Yeso 5.0E+01 5.0E+01
Arena y grava 5.3E+01 5.0E+00 1.0E+02
Grava 2.5E+04 5.0E-01 5.0E+04
El desarrollador del modelo sugiere los siguientes pasos para la estimación inicial del parámetro ks2 (Yates,
Purkey, Sieber, Huber-Lee, & Galbraith, 2005):
i. Tomar el registro de caudales a la salida de la cuenca y separar el flujo base. Este cálculo se realiza
3
para el promedio de toda la serie. Calcular el volumen de flujo (GV) promedio mensual en [L ].
ii. Dividir el volumen de flujo por el área de la cuenca, para obtener la profundidad de flujo equivalente
3 2
Gh: GV [L ] / Áreacuenca [L ] = Gh [L]. En una cuenca compuesta por varias subcuencas se deberá
proveer una estimación en relación a la proporción del flujo base que contribuye cada subcuenca y
proceder a ponderar la relación recién citada. Por ejemplo, si se percibe que una subcuenca es
responsable de proveer el 85% del caudal base total, la profundidad de flujo equivalente será igual a
3 2
85%(GV [L ] / Áreacuenca [L ]).
iii. Estimar un valor de h2[%] para toda la cuenca. Luego, el caudal del reservorio 2 (el reservorio
profundo correspondiente a ks2) será (Figura 9): Gh=ks2 ⋅ h22. El primer estimativo del parámetro será:
ks2[L]=Gh[L]/h22. Las unidades están en relación al periodo de análisis; por ejemplo, si el estudio es a
escala mensual, se obtiene un valor de [L/mes] (e.g., mm/mes).
Conductividad de zona de raíces, ks, cuando h1 =1

Es el máximo flujo posible cuando el reservorio "1" está a capacidad de campo. Al referirse en teoría a un
parámetro físico, estos valores se estiman a través de referencias generales de la literatura (e.g., (DHI,
2009)), reduciendo de esta manera los parámetros a calibrar, en cuyo caso las unidades del parámetro
-1 -1
deberían ser [mm día mes ] (e.g., (Soria, 2016)). Tal como ocurre con la estimación de la conductividad de
la zona profunda, la conceptualización del autor difiere de la aparente interpretación física sugerida por el
nombre del parámetro. De esta manera, el segundo procedimiento sugerido para estimar la ks es (Yates,
Purkey, Sieber, Huber-Lee, & Galbraith, 2005):
i. Tomar el registro de caudales a la salida de la cuenca y separar el flujo base. Simultáneamente
cuantificar el caudal pico promedio mensual (Qpico-V). Estos cálculos se refieren a un promedio del
3
periodo histórico de registro. Calcular los volúmenes de flujo promedio mensual GV y Qpico-V en [L ]
y definir la diferencia entre ambos: Qexceso=GV - Qpico-V.
ii. Si se divide el Qexceso por el área de la cuenca, se obtiene la profundidad de flujo equivalente:
3 2
Qexceso-h [L] = Qexceso [L ] / Áreacuenca [L ]. En una cuenca compuesta por varias subcuencas, se
estimará la porción del flujo en exceso que contribuye cada subcuenca; luego, se procederá a
ponderar la relación recién citada. Por ejemplo, si se percibe que una subcuenca de interés provee
3
el 85% del caudal base total, entonces la profundidad de flujo equivalente será igual a 85%(GV [L ] /
2
Áreacuenca [L ]).
iii. Estimar h1[%] para toda la cuenca. Luego, el caudal del reservorio 1 (el reservorio de la zona de
raíces correspondiente a ks) será (Figura 9): Qexceso-h = f ⋅ ks⋅ h12. El primer estimativo del parámetro
64
ks será igual a ks [L]= Qexceso-h [L]/h22, en relación al periodo de análisis; por ejemplo si el análisis es
mensual, se obtiene un valor de [L/mes] (e.g., mm/mes).
Tabla 19. Estimaciones de ks para diferentes clases texturales.

A partir de (Soria, 2016), en base a información de (DHI, 2009)
ks (cm/min)
Textura del suelo
Arena 0.505 1.056 0.2800
Arena francosa 0.712 1.318 0.0180
Franco arenoso 0.166 0.299 0.0115
Franco 0.049 0.042 0.0035
Franco limoso 0.019 0.043 0.0045
Franco arcillo arenoso 0.045 0.082 0.0163
Franco arcilloso 0.027 0.064 0.0007
Franco arcillo limoso 0.013 0.020 0.0010
Arcilla arenosa 0.021 0.043 0.0050
Arcilla limosa 0.015 0.039 0.0009
Arcilla 0.010 0.020 0.0024
Valores referenciales considerados en la literatura

La literatura reporta aplicaciones del modelo hidrológico en distintos ambientes geográfico-climáticos. La
síntesis presentada en las tablas siguientes compara los criterios para la selección de valores representativos
para cada parámetro; las dos últimas referencias difieren en sus percepciones respecto a los coeficientes de
conductividad hidráulica por razones explicadas en los dos subtítulos precedentes.
Tabla 20. Variabilidad de valores estimados para los parámetros del modelo de humedad en el suelo.
Plataforma WEAP. Parte I: valores promedio
(Escobar,
(Amato,
Purkey,
McKinney,
(CCGUC- (Ingol- Pouget,
Ingol- (SEI, (SEI, (Espejo (Gonzáles, (Soria,
Parámetro Blanco, &
SEI, Blanco,
2015b) 2014)
Suarez,
A. , 2016) 2016) 2016)
2009) 2009) Condom,
Teasley,
& Ramos,
2006)
2008)
Área Máx 18000 11600 18000 1900 11500 270

2 22171 2880 11634
[km ] Mín 106 512 106 33 500 60
Dw Máx 25 7500 300000 320
1200 800 1000 500 300
[mm] Mín 1 300 12000 70
600
816
1080 mm/mes 45
Máx mm/día/
ks2 mm/día 250 mm/ mm/mes 500 80 600 200 20 mes
-1
[L T ] semana mm/mes mm/mes mm/mes mm/mes mm/mes
96 140 3 492
Mín
mm/día mm/mes mm/mes mm/día/
65
(Escobar,
(Amato,
Purkey,
McKinney,
(CCGUC- (Ingol- Pouget,
Ingol- (SEI, (SEI, (Espejo (Gonzáles, (Soria,
Parámetro Blanco, &
SEI, Blanco,
2015b) 2014)
Suarez,
A. , 2016) 2016) 2016)
2009) 2009) Condom,
Teasley,
& Ramos,
2006)
2008)
4 mm/ mes
semana
Máx 30 20
h1 [%] 50 --- 30 35 80 30
Mín 5 10
---
Máx 20 40
h2 [%] 50 --- 30 35 15 30
Mín 5 30
Sw Máx 25 4320 600 1300 800 155 1800 180
713
[mm] Mín 5 80 250 600 400 210 100 31
Máx 1.00 1.00 1.10 0.85 1.05 1.05
Kc --- --- 1.1
Mín 0.34 0.60 0.75 0.40 0.70 0.50
Máx 8.0 250 4.0 6.5 3.2 6.0 7.0 4.2
RRF ---
Mín 0.1 0.8 0.5 3.0 1.6 3.0 1.0 1.3
10 239
624 180 1050 190 80 50
Máx mm/día/
mm/día mm/mes mm/mes mm/mes mm/mes mm/mes
ks 500 600 mes
-1
[L T ] mm/mes mm/mes 141
45 80 80 40 20
Mín 7 mm/día mm/día/
mm/mes mm/mes mm/mes mm/mes mm/mes
mes
Máx 1.00 0.9 0.80 0.90 0.90 0.50
f --- 0.2 0.68
Mín 0.20 0.4 0.30 0.55 0.15 0.15
Tabla 21. Valores estimados en la literatura para los parámetros del modelo de humedad en el suelo.
Plataforma WEAP. Parte II: valores por unidad de cobertura y uso de suelo. Se omiten la conductividad hidráulica
Sw [mm] RRF f
(Gonzáles,
(Gonzáles,
(Gonzáles,
(Espejo A.
(Espejo A.
(Espejo A.
Cobertura
, 2016)
, 2016)
, 2016)
(Soria,
(Soria,
(Soria,
2016)
2016)
2016)
2016)
2016)
2016)
Bosque denso 200 1800 5 3.3 0.55 0.15

Bosque denso andino montano semihúmedo 350 1.9 0.90
Bosque ralo suculentas 200 350 5 1.9 0.55
Bosque ralo esclerófilo 190 350 5 1.9 0.55
Bosque o monte ralo 350 1.9 0.90
Matorral, pajonal andino montano semiárido 350 1.9 0.90
Matorral chiquitano sobre ondulaciones y
1800 3.3 0.15
llanuras
Herbazal graminoide, llanura inundada 1800 3.3 0.15
estacionalmente, llanura inundada por
66
Cobertura Sw [mm] RRF f

periodo cortos
Herbazal graminoide, puna altoandina árida 350 1.9 0.90
Herbácea graminoide 155 350 4.5 1.9 0.65
0.15 (<3000 msnm);
Gramadal camefital 90 2.5
0.50 (>3000 msnm)
Vegetación dispersa en pedregales puna

350 1.9 0.90
altoandina semiárida
Arbustos dispersos 150 4.5 0.65
0.15 (<3000 msnm);
Arbustal con pajonal 90 2.1
0.50 (>3000 msnm)
0.15 (<3000 msnm);
Arbustal con pajonal/pastos 140 2.1
0.50 (>3000 msnm)
0.15 (<3000 msnm);
Pajonal 130 2.5
0.50 (>3000 msnm)
0.15 (<3000 msnm);
Tholar 180 2.1
0.50 (>3000 msnm)
Cultivos 210 800 150 4 4 4.2 0.65 0.50 0.50

Estructura urbana y rural, ciudades y
150 100 2 1 0.90 0.90
pueblos
Cuerpos de agua 180 1000 6 7 0.50 0.50
Superficie descubierta cárcavas 180 3 0.85
Superficie descubierta arena 170 1000 3 2 0.85 0.50
Superficie descubierta, suelos muy poco
28 1.3
profundos y afloramientos rocosos
6.4 Métodos indirectos simplificados para el cálculo del volumen medio anual de
escurrimiento natural
Para la cuantificación del potencial hídrico de una zona o región remota existen alternativas simplificadas que
proveen una visión general del estado de los recursos hídricos. La aplicación de los métodos y de la
información generada, deberá ser cuidadosamente analizada y demostrada en situaciones donde se busque
extrapolar el conocimiento. La razón de tal cuidado es el carácter empírico de los enfoques y la ausencia de
estudios y una base de datos que sistematice el conocimiento. El método sugerido a continuación se deberá
aplicar únicamente dentro de las escalas especificadas.
Método racional
Dos situaciones se adecúan al uso de este enfoque agregado: i) estudios a escala puntual o de proyecto y ii)
estudios en regiones con disponibilidad muy limitada de información hidrométrica. El método original es
probablemente el más antiguo, desarrollado a mediados del siglo 19 para estimaciones de caudales pico
durante eventos puntuales (inundaciones). La literatura sugiere su aplicación en cuencas con superficie no
2
mayor a 250 km (Pilgrim & Cordery, 1992). Debido a la simplicidad en su concepción y principalmente debido
a la sencillez de cálculo, se considera en algunos países Latinoamericanos para el cálculo de volúmenes
medios anuales (e.g., (Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006)). La expresión es la siguiente:
Vanual = Panual ⋅ Area⋅ Ce Ec. 65,
67
3
donde Vanual [L ] es el volumen anual de escurrimiento en la cuenca, Panual [L] es la precipitación anual de la
2
cuenca, Area [L ] es la superficie de la cuenca y Ce [adimensional] es el coeficiente de escorrentía. Este último
se determina a través de la transposición de parámetros desde otra cuenca o a partir de información de
cobertura y uso de suelo.
Cálculo del Ce por regionalización de parámetros de cuencas vecinas, hidrológicamente homogéneas

- Identificación de cuencas vecinas hidrológicamente homogéneas. Además de comparar el
comportamiento de las variables meteorológicas observadas, la categorización de una cuenca vecina como
hidrológicamente homogénea a otra, se realiza por criterios de geomorfometría y morfometría de cuencas. La
cuenca vecina desde la que se desea transponer los parámetros deberá tener información hidrológica
disponible (hidrometría, volúmenes de escurrimiento). La homogeneidad regional se demostrará mediante el
cálculo de parámetros asociados a la forma de la cuenca (área, perímetro, factor de forma, coeficiente de
compacidad y otros), relieve (pendiente, elevación, curva hipsométrica y otros), perfil (pendiente del cauce,
longitud del cauce principal y otros) y drenaje (orden de los cauces, densidad de drenaje, tiempo de
concentración) (e.g., (Rojo, Morfometría de cuencas, s/f)). Aunque computacionalmente demandantes en
relación a las medidas recién descritas, se recomienda el análisis geomorfométrico del DEM (e.g. (Olaya,
2016)), al haber sido demostrado útil en estudios realizados en el país (e.g., (Fuentes, 2009; Soria, 2016)).
- Cálculo de coeficientes anuales de escorrentía Ce. Los coeficientes se calcularán en la cuenca vecina
mediante el cociente entre el Vanual [L3] y el volumen de precipitación anual Panual [L3]. Se graficarán los
coeficientes Ce contra los Panual, posibilitando la generación de una ecuación que describa el comportamiento
de la cuenca vecina. De esta forma, conociendo los volúmenes de precipitación en la cuenca donde no
existen registros de caudales, se asume que la ecuación de la cuenca vecina es aplicable para el cálculo de
los coeficientes de escorrentía.
6.5 Sensibilidad, calibración y validación de modelos matemáticos
6.5.1. Análisis de sensibilidad

El procedimiento de generación de caudales mediante aplicación de un modelo precipitación-escorrentía
comprende cuatro etapas: selección de la estructura del modelo, análisis de sensibilidad, calibración,
validación y predicción (Wagener, Wheater, & Gupta, 2004). La selección del modelo se realiza acorde al
objetivo del estudio, a las características de la cuenca, las condiciones climáticas y la disponibilidad de
información. El análisis de sensibilidad, calibración y validación, constituyen las etapas siguientes. Es un
proceso importante, no solo para fines de la presente etapa de cálculo sino también en vista a su potencial en
subsecuentes secciones, donde se buscará identificar la respuesta de la cuenca a cambios en el medio
geográfico-climático (cambio de uso de suelo, cambio climático y otros).
Se sugiere aplicar el análisis de sensibilidad previo al proceso de calibración del modelo, debido a que
permitirá identificar componentes importantes del sistema, a través del cálculo de medidas cuantitativas de
evaluación del rendimiento del modelo. Los métodos descritos a continuación para el análisis de sensibilidad
son el de las perturbaciones y el método de análisis de sensibilidad regional (Wagener, Wheater, & Gupta,
2004; Saltelli, Tarantola, Campolongo, & Ratto, 2004).
Método de las perturbaciones

El método de las perturbaciones o método "uno-a-la-vez", es el más sencillo y es el que se debería aplicar
cuando el modelador no está enteramente familiarizado con el modelo hidrológico (Saltelli, Tarantola,
Campolongo, & Ratto, 2004). Es análogo al proceso de ecualización manual, donde se modifica un botón a la
vez para evaluar cómo varía la respuesta del mecanismo. Provee resultados satisfactorios cuando el modelo
hidrológico es relativamente sencillo (e.g., modelos agregados y semidistribuidos) y cuando la estrategia para
elegir los parámetros y los rangos de variación está definida de manera adecuada. La mayoría de los estudios
en balance hídrico en nuestro país opta por esta técnica (e.g., (Gonzáles, 2016; Soria, 2016)). Los pasos para
su aplicación son:
68
i. Se define un rango posible de variaciones para cada parámetro del modelo, en función a las
características físicas que el factor debe reproducir. En el caso de los factores de naturaleza
empírica, aquel rango se elige en función a las experiencias previas en la aplicación del modelo;
ii. A partir de allí se induce cambios graduales en cada uno de los parámetros de manera individual,
mientras los otros factores se mantienen fijos en valores asumidos como óptimos. El modelo se
calcula para cada uno de los cambios y se almacenan los resultados. En el caso de la aplicación de
los módulos hidrológicos del WEAP, en esta etapa son útiles los procesos semiautomáticos de
calibración (optimización) PEST (SEI, 2015).
iii. Se identifica los parámetros que son poco sensibles, es decir, los parámetros para los cuales la
variación de sus valores no afecta al modelo. Se fija aquellos parámetros insensibles a un valor
medio u óptimo; de esta manera se reduce el número de parámetros a estimar y se amplifica el
potencial del modelo hidrológico para la realización de predicciones. La forma más sencilla de
identificar estos parámetros es a través de gráficas o medidas estadísticas (i.e., funciones objetivo).
El modelo hidrológico se computa para cada experimento y se evalúan los resultados a través de
cualquiera de las técnicas descritas en capítulos precedentes.
Método de análisis de sensibilidad regional

La utilidad de un método de sensibilidad crece cuando se varía los parámetros considerando la posibilidad de
que el cambio en un factor podría afectar localmente a un grupo de factores. El método de sensibilidad
regional captura aquel potencial, dividiendo el universo de parámetros en dos grupos: el primero con los
factores que reproducen adecuadamente la respuesta hídrica de la cuenca y el segundo grupo con los
factores que no lo hacen. La identificación del grupo "adecuado" se realiza mediante comparación de las
funciones objetivo que juzgan el rendimiento del modelo. La dificultad práctica define a la vez la riqueza del
método: se enfoca en el proceso de selección de los parámetros que pertenecerán a cada uno de los grupos;
aquello se realiza a través del método de las perturbaciones, entre otros enfoques, mediante una rigurosa
estrategia que permita identificar la mayor parte de las posibles combinaciones y mutuas interacciones entre
parámetros (y los resultados que podrían originar en la aplicación del modelo). Desde una perspectiva
práctica, este proceso podría funcionar al utilizar modelos agregados o semidistribuidos (e.g., (Soria, 2013));
sin embargo, es complejo y computacionalmente demandante al utilizar modelos distribuidos debido a que en
aquellos existe la posibilidad de que en cada celda (pixel) la combinación de parámetros sea distinta; la
probabilidad de encontrar un set óptimo de parámetros es igualmente compleja. En estos casos generalmente
se recurre a medios estocásticos para generar las muestras de manera aleatoria (e.g., (Tang, Reed, van
Werkhoven, & Wagener, 2007; Soria, Kazama, & Sawamoto, 2008). En cualquier caso, los pasos para su
aplicación son:
i. Se aplica el método de las perturbaciones (uno-a-la-vez) para entender las posibles interacciones
entre los parámetros en las salidas del modelo.
ii. A través de funciones objetivo elegidas previamente, se identifica los parámetros poco sensibles. Se
fija aquellos factores a valores óptimos.
iii. Para los parámetros sensibles, se elige un método de generación de muestras aleatorias y se
procede a identificar sets de parámetros. En caso de que la generación de muestras aleatorias se
realice por el método Monte Carlo, se deberá considerar al menos 2000 cómputos del modelo, como
regla básica (Kottegoda & Rosso, 1997).
iv. Se corre el modelo para cada set de parámetros. Las salidas del modelo se grafican mediante uno o
más de los métodos descritos en el capítulo correspondiente al análisis exploratorio. Este medio
permitirá separar los parámetros en dos grupos: el primero, que reproduce adecuadamente el
comportamiento del modelo y el segundo, que no lo hace (Wagener, Wheater, & Gupta, 2004).
6.5.2. Calibración y validación

La calibración es un procedimiento que consta de cuatro componentes (Wagener, Wheater, & Gupta, 2004):
las funciones objetivo, los datos de calibración, la estrategia de ajuste (en la presente guía, asociada al
análisis de sensibilidad) y el criterio de finalización. La validación es también parte del proceso, al proveer una
herramienta adicional para juzgar el desempeño del modelo.
69
Funciones objetivo
Es poco probable que un modelo matemático logre describir exactamente y en simultáneo todas las fases del
comportamiento de una cuenca hidrográfica (Beven, 2004). Por esta razón, al juzgar su comportamiento, la
evaluación gráfica se aplica junto a una evaluación cuantitativa. Las funciones objetivo juegan este rol. Se
sugiere considerar al menos las tres siguientes: el coeficiente de eficiencia de Nash-Sutcliffe (NSE), la raíz
cuadrada de la varianza de los residuales (RMSE) y el error volumétrico relativo (RVE) (Wagener, Wheater, &
Gupta, 2004). El NSE es una función adimensional que considera la relación entre la sumatoria de la
diferencia al cuadrado de los valores observados en la estación hidrométrica (Ot) y los valores calculados por
el modelo matemático (Ct), con la sumatoria de la diferencia al cuadrado entre las observaciones y la media
de la serie de observaciones (Om). El RMSE se basa en similares premisas, con la ventaja de que los
resultados están en las mismas unidades de la variable evaluada (en el presente caso, el caudal); en su
ecuación, Nobs es el número de observaciones de la serie.
El NSE y el RMSE están basados en el cálculo de residuales al cuadrado, por lo cual se utilizan para evaluar el
desempeño del modelo durante picos y caudales altos. Por otro lado, el RVE se utiliza para evaluar el
desempeño global del modelo, juzgando la concordancia en términos de la descarga volumétrica total. El NSE
varía desde menos infinito (desempeño pobre) hasta 1 (comportamiento idéntico entre el modelo y las
observaciones); valores negativos sugieren lo opuesto. El RMSE y el RVE indican buen desempeño cuando
son cercanos a cero. Las expresiones y tabla resumen siguientes proveen los elementos de cálculo.
∑ (O − C )
2
NSE = 1 −
t t
Ec. 66,
∑ (O − C )
2
t m
∑ (O − Ct )
1 2
RMSE = t Ec. 67,
N obs
RVE =
∑ (O − C )
t t
Ec. 68.
∑O t
Datos de calibración
La calidad de la calibración, por ende, la capacidad de predicción de un modelo, depende enormemente en la
calidad de los datos utilizados. Al respecto, la literatura provee algunas recomendaciones generales (e.g.,
(Wagener, Wheater, & Gupta, 2004)):
• ¿Cuánto de información es suficiente? Dependerá de la complejidad del modelo. Para el caso del
modelo hidrológico del WEAP, la descripción fue presentada en los capítulos precedentes. Para otros
modelos como el CHAC-Simula, la literatura provee referencias (e.g., (Molina & Espinoza, 2005)).
• ¿Cuántos años son suficientes para calibrar un modelo? Generalmente se buscará que los ciclos,
periodos multianuales o etapas de la cuenca (ciclos naturales o con intervención humana) sean
observables en los datos de calibración. En el mejor caso, podría ser suficiente un año de mediciones
de muy alta calidad en la cuenca de interés, cuando exista un número amplio de años de
observaciones en cuencas vecinas con comportamiento hidrológico similar. En otros estudios, serán
varios los años requeridos para calibrar los parámetros de un modelo (Wagener, Wheater, & Gupta,
2004). En cualquier caso, la recomendación general es contar con información de buena calidad
durante los periodos húmedos, con el objetivo de activar la respuesta del total de parámetros del
modelo (Yapo, Gupta, & Sorooshian, 1996).
Estrategia de ajuste y criterio de finalización

En la estructura de la presente guía, la estrategia de ajuste se asocia al análisis de sensibilidad. La
experiencia adquirida en aquella etapa a través de procesos sencillos de prueba y error, la variación de
parámetros mediante la técnica uno-a-la-vez y eventualmente la aplicación de estrategias complejas y
avanzadas de sensibilidad regional y global, lleva al técnico hidrólogo a encontrar el set de parámetros que
70
mejor describe la respuesta en la cuenca estudiada. En este proceso aparece la pregunta de cuándo terminar
la búsqueda del parámetro óptimo que describe la respuesta del componente de interés. Formalmente, la
finalización se logrará al alcanzar a través de (Wagener, Wheater, & Gupta, 2004):
• Convergencia de las funciones. En la práctica, esta es una decisión subjetiva, apoyada por
parámetros cuantitativos provistos por límites mínimos y máximos asignados a las funciones objetivo
en base a las expectativas del hidrológo.
• Convergencia en los parámetros. Se analizará si el parámetro calibrado está dentro de los límites
físicos o empíricos esperados.
• Número máximo de iteraciones. Aplica a los enfoques de análisis de sensibilidad regional. Por
ejemplo, para las técnicas Monte Carlo, si bien existe un número mínimo de muestreo, también se
deberá definir un número máximo de cálculos del modelo, por razones prácticas y conceptuales.
El Anexo 1 - tabla A1-24 resume el proceso de implementación del modelo hasta la presente etapa.
Validación
En la práctica la validación verifica si el modelo calibrado tiene un desempeño adecuado en referencia a la
predicción de caudales. Se aplica considerando datos de un periodo distinto al utilizado durante la calibración.
Este sencillo proceso se aplica siguiendo las directrices sugeridas en los párrafos precedentes y se considera
válido para los fines presentes. Alternativamente, la hidrología moderna amplía este procedimiento a través
de enfoques jerárquicos similares al proceso siguiente (Wagener, Wheater, & Gupta, 2004):
i. Se analiza la validez del modelo a través de la prueba tradicional de dos muestras.
ii. Se valida estas percepciones en cuencas vecinas hidrológicamente similares.
iii. Se selecciona dos periodos distintos a los previamente identificados. El requisito es identificar
periodos donde se espera que el comportamiento de la cuenca hubiese cambiado o evolucionado
por efectos varios, de preferencia naturales. En este paso, es posible que los parámetros calibrados
cambien, debido a que se busca evaluar el desempeño del modelo en condiciones distintas.
iv. Se aplica el paso iii a las cuencas vecinas hidrológicamente similares.
6.5.3. Incertidumbre en la predicción

La incertidumbre es inherente a todo emprendimiento que busca explicar el comportamiento de la naturaleza.
En la práctica, lo importante es analizarla y comprenderla para lograr traducir su efecto en las predicciones en
términos aplicables en la toma de decisiones. Comprende cuatro componentes (Wagener, Wheater, & Gupta,
2004): incertidumbre en los datos, incertidumbre en la estructura del modelo, incertidumbre en las
condiciones iniciales e incertidumbre en la aleatoriedad de la naturaleza. En teoría, es posible reducir o
eliminar los tres primeros componentes; en el caso del último componente, no será posible eliminarlo, pero
podría agregarse como parte de las incertidumbres en los datos.
Análisis de sensibilidad como herramienta para cuantificar la incertidumbre

La variabilidad es el término comúnmente asociado con la incertidumbre; por el contrario, el término error es
una palabra que, aunque coloquialmente se asocia con la incertidumbre, no significa lo mismo. La
incertidumbre está determinada por el cambio identificado en los parámetros estadísticos de una muestra
respecto a su población. Por esta cualidad, el análisis de sensibilidad es una de las técnicas para la
cuantificación de la incertidumbre en los datos de entrada, los parámetros del modelo y la estructura del
modelo (Saltelli, Tarantola, Campolongo, & Ratto, 2004).
Un medio sencillo y eficaz para su asesoramiento son los métodos exploratorios. En particular, las superficies
de respuesta proveen una alternativa de fácil construcción e interpretación para asesorar la incertidumbre en
un entorno de modelación. La Figura 10 provee un ejemplo de superficie de respuesta (Soria, 2013), que entre
sus variantes admite representar en las ordenadas a las funciones objetivo y en las abscisas a los parámetros
del modelo o un set de parámetros representados por una medida estadística (Wagener, Wheater, & Gupta,
2004). Es también común definir una superficie de respuesta graficando una variable en un eje y otra variable
en el otro eje, considerando en la tercera dimensión al valor obtenido por la función objetivo (Beven, 2004).
Estas últimas superficies se grafican de la misma manera en que se construye una superficie topográfica en
71
un software de SIG como por ejemplo en ArcGIS; la diferencia es que para este caso las coordenadas son los
valores de las dos variables y el resultado de la función objetivo se asigna como valor del punto. La
interpretación es similar: una superficie con formas no identificables implica un parámetro con incertidumbre
en su estimación (i.e., un componente con incertidumbre dentro la estructura del modelo); para el caso de las
superficies de (Beven, 2004) se deberá además considerar la posición de los picos, la existencia de zonas
planas y otras características de las superficies.
45 45
Specific discharge [L/s/km2]

Specific discharge [L/s/km2]
40 40
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
0.16 0.18 0.2 0.22 0.24 120 137 154 171 188
Cse P [mm]
a) El parámetro Cse no es identificable (i.e., alta b) El parámetro P es identificable (i.e., baja incertidumbre): la
incertidumbre): provoca respuestas de distinta variación del parámetro ocasiona respuestas en el modelo que
magnitud para un amplio rango de valores. podrían ser calificadas como sujetas a predicción.
Figura 10. Superficies de respuesta para la evaluación de la incertidumbre predictiva
Medidas rápidas para el asesoramiento de la incertidumbre
Valor esperado y varianza.

El cambio en las dos medidas estadísticas son los medios más sencillos para cuantificar la incertidumbre en
la variable de salida, que en el caso presente corresponde al caudal. Estas medidas serán tan representativas
como sea permitido por la estrategia de muestreo para definir los sets de parámetros considerados para
evaluar la respuesta del modelo a los cambios inducidos.
Límites de confianza
Como guía básica para el asesoramiento de la incertidumbre, se sugiere el cálculo de límites de confianza
para los componentes del balance hídrico a escala mensual (Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar,
2006) (ver una aplicación básica en las tablas A1-18 y A1-19 - Anexo 1):
Límite inferior(95%)= ( X t − 2s)ω Ec. 69,
Límite superior(95%)= ( X t + 2s)ω Ec. 70,
La literatura sugiere multiplicar los límites por una corrección ω , para los factores más sensibles; para
factores insensibles la corrección es igual a 1 (Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006):
 Xt 
ω = ψ Ec. 71,
 s 
donde Xt es el valor de la variable de interés en el mes t, s es la desviación estándar, ψ es el coeficiente de
asimetría considerado solamente para los meses lluviosos (para otros meses el factor es igual a 1). Aquella
corrección será aplicable para series donde la asimetría no es amplia.
72
VII. Consumos y variabilidad
7.1 Demanda de agua

La demanda hídrica se define como la utilización de agua provista por el sistema natural, destinada a
satisfacer los requerimientos humanos, las actividades productivas y los consumos no antrópicos (IDEAM,
2015). En Bolivia se estima que alrededor del 86% de las extracciones totales provienen del sector agrario y
los usos mineros (MMAyA, 2009). El restante 14% se asigna a usos abastecidos por las redes de agua
potable: el 10.5% se atribuye a usos domésticos, 2.1% a para los usos comerciales, el 0.5% para usos
industriales y el 0.9% para otros. Estos rangos varían en magnitud, según la publicación consultada; así por
ejemplo, el AQUASTAT de la FAO (http://www.fao.org/nr/water/aquastat/countries_regions/bol/printesp1.stm)
indica que para el año 2008 el 92% de las extracciones se asignan al sector agrícola, 6% del total asignado al
sector municipal y el 2% asignado a la industria y minería. Los usos por explotación subterránea y el uso por
demanda ecológica o uso ambiental, están inmersos en uno o más de los usos previamente descritos. Es
también un componente a considerar los usos no consuntivos como los de la generación de electricidad.
La estimación de demandas y tasas de retorno a los cuerpos de agua se realiza mediante mediciones
directas, relaciones y valores referenciales. Los consumos se calculan en lo posible en magnitudes unitarias,
con fines de comparación y predicción en función al posible crecimiento de la unidad identificada. Los
cálculos se realizan de manera agregada para cada subunidad en cada unidad hidrográfica, en concordancia
a la desagregación horizontal de un modelo hidrológico semidistribuido. Para la escala de balance hídrico
propuesta, el análisis no contempla elementos específicos a los sistemas de riego, la infraestructura
hidráulica de los sistemas de aducción y distribución o componentes de similar calidad. En este contexto las
estimaciones comprenden tres etapas: estimación y validación de consumos unitarios y regionalización de los
consumos (DGSB, 2004; Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006; CA, 2008; IDEAM, 2015). En
el presente capítulo se desarrollan consideraciones para la estimación de consumos; la validación se asume
implícita al proceso. La sección 4.1 - Anexo1, complementa la explicación con ejemplos.
7.1.1. Demanda de agua de los cultivos

Este tipo de uso suele ser consuntivo. En general se distingue un tipo de demanda de cultivos con sistema de
riego y otro tipo de demanda de cultivos a secano. Para la cuantificación del primer tipo, el MMAyA provee un
inventario con información general que permite la estimación de volúmenes de riego, la cuantificación de
áreas de las superficies regadas además de su ubicación espacial (VRHR, 2012). El trabajo en campo para el
levantamiento y validación de esta información es una alternativa válida y deseable.
La cuantificación de la demanda de agua en cultivos a secano se realiza mediante el cálculo de la cantidad de
agua perdida a través de la evapotranspiración (ETc). La ETc difiere conceptualmente, pero no en magnitud,
de la necesidad de agua del cultivo, entendida como la cantidad de agua que necesita ser proporcionada al
cultivo como riego o precipitación. La ETc no implica el cálculo de la necesidad de riego como se sugiere en
algunas referencias (e.g., (Aparicio, Lafragua, Gutiérrez, Mejía, & Aguilar, 2006; IDEAM, 2015)), debido a que
este otro concepto se entiende como la diferencia entre la necesidad de agua del cultivo y la precipitación
efectiva, lo cual además incluye el agua adicional requerida para el lavado de sales y para compensar la falta
de uniformidad en la aplicación del riego (Allen, Pereira, Raes, & Smith, 2006).
El cálculo de la ETc sigue varios enfoques. A partir de información de alta resolución espacial que permita
identificar, digitalizar y cuantificar la superficie de las áreas de las parcelas (e.g., (Soria, 2016)), la situación
deseable ocurre cuando es posible el relevamiento de las características de los cultivos en cada unidad, la
identificación del tipo de uso (intensivo, extensivo, cultivos anuales y otros) para su asociación con
parámetros de Kc y su variabilidad estacional.
Estimación de la demanda futura

La demanda de los cultivos se calcula en función al consumo del propio cultivo y a las superficies de las áreas
cultivadas. El consumo del cultivo se estima en la presenta guía por la cantidad de agua perdida a través de
la evapotranspiración (ETc); este enfoque aplica a cultivos a secano y a cultivos con sistemas de riego; para
73
este último caso se añade los caudales de riego definidos por el sistema implementado. En referencia al
cálculo de las superficies cultivadas, aquellas se estiman a partir de información cartográfica e imágenes
satelitales. El siguiente paso es estimar la demanda futura; las metodologías se desarrollan alrededor de
proyectar la demanda de los cultivos y estimar el crecimiento de las superficies de cultivo, bajo dos enfoques
generales: i) proyección de tendencias históricas (estadísticas), ii) definición de posibles escenarios futuros
(MAGRAMA, 2000; IMA, 2010; IDEAM, 2015). Se recomienda considerar el primer enfoque, debido a que en
ausencia de una línea base robusta, no es posible definir escenarios futuros para el país.
Demanda futura de los cultivos

Se sugiere realizar las proyecciones de manera indirecta, a través de estimaciones del posible
comportamiento futuro de las variables climáticas, en particular de la temperatura del aire. A través de este
procedimiento, se estimará la ETo. Para estimar el Kc, se sugiere mantener invariables las estimaciones
realizadas para el periodo histórico, en ausencia de un criterio que indique las posibles variaciones del clima
futuro; la demanda futura se calculará mediante el producto Kc⋅ETo.
Estimación de las áreas futuras

La planificación de la tendencia futura de la superficie de las áreas cultivadas se realiza por lo general en
función a estrategias estatales (MAGRAMA, 2000). Otros factores influyentes son (IMA, 2010; IDEAM, 2015):
antecedentes climáticos extremos, la evolución futura de la calidad de los recursos hídricos, condiciones
sociales y de mercado, y las condiciones y desarrollo de la tecnología. Por esta razón, la definición de una
tendencia unívoca constituye en un aspecto complejo. A continuación se proveen alternativas para realizar
una estimación de la posible evolución del área cultivada.
• Técnicas de teledetección.
La plataforma Google Earth provee información histórica que permitirá proyectar el cambio a corto
plazo de las áreas cultivadas para algunos sitios. De la misma forma, la plataforma Landsat provee
información útil para estimaciones sobre áreas relativamente amplias (la resolución de las celdas es
de 30 m en la horizontal) (e.g., (Soria, 2016)).
• Proyecciones estadísticas.
- Riego a secano. Las estadísticas del Primer Censo Agropecuario del Instituto Nacional de
Estadística del año 2013 proveen información básica accesible desde el portal
http://sice.ine.gob.bo/censofichacna, sin proporcionar información referida a proyecciones. Utilizando
estos datos, y considerando una situación deseable que ocurre cuando es posible la realización de
trabajo de campo para recolectar información adicional, será posible definir una tendencia a corto
plazo. Definir una tendencia a mediano plazo será imposible sin contar con información histórica.
- Cultivos con sistemas de riego. El medio principal para estimar el futuro incremento en la
demanda del sector proviene de la proyección de datos estadísticos e información de estudios
generados en la temática. En el país, existe información referencial que muestra la evolución del área
regada, por Departamento, en el periodo 2000-2012 (ver tabla a continuación) (VRHR, 2012). La
inspección de esta información indica tasas de incremento que sugieren la proyección para rangos
cortos de tiempo, e.g., entre los años para los cuales existe información estadística; la inaplicabilidad
de proyecciones de tipo lineal queda demostrada.
Tabla 22. Incremento del área regada en el periodo 2000-2012.
A partir de (VRHR, 2012)
Área regada por año [Ha] Incremento respecto al año 2000

Departamento
2000 2012 Incremento [%] Incremento [Ha] Incremento [Ha/año]
Chuquisaca 21.168 29.721 40.4 8.6 0.7
Cochabamba 87.534 95.95 9.6 8.4 0.7
La Paz 35.993 54.002 50.0 18.0 1.5
74
Área regada por año [Ha] Incremento respecto al año 2000

Departamento
2000 2012 Incremento [%] Incremento [Ha] Incremento [Ha/año]
Oruro 14.039 18.442 31.4 4.4 0.4
Potosí 16.24 27.785 71.1 11.5 1.0
Santa Cruz 15.239 31.645 107.7 16.4 1.4
Caudales de retorno
El uso agrícola es de tipo consuntivo, con tasas de retorno de agua a la red hídrica de drenaje de naturaleza
variables según la eficiencia del riego (riego a secano o sistema de riego). La literatura sugiere el cálculo
mediante aplicación de un coeficiente de retorno, que es la relación entre el volumen de retorno y los
volúmenes de demanda bruta de riego. Como referencia, estudios en el Perú consideraron coeficientes de
3
retorno entre 15% a 20%, para sistemas con demanda bruta de agua mayores a 8000 m /Ha/año (IMA, 2010).
7.1.2. Demanda de agua potable

La demanda se asocia a las estadísticas poblaciones generadas en los censos nacionales (INE, 2005), a
información de las empresas y cooperativas locales de agua, y la Norma Boliviana 689 y sus Reglamentos
(DGSB, 2004). La población se estima en base a datos disponibles cuando aquello es posible para los
horizontes deseados; cuando esta información no está disponible, las estimaciones se realizan considerando
funciones matemáticas, por ejemplo, de crecimiento geométrico (DGSB, 2004):
t
 i p  diseño
Población futura[hab] = Población inicial[hab]⋅ 1 +
  Ec. 72,
 100 
donde ip es el índice de crecimiento poblacional anual en porcentaje y tdiseño es el periodo de diseño o intervalo
de años para los cuales se desea realizar la proyección.
La dotación media diaria sugerida por la Norma Boliviana 689 varía según los rangos de población. El dato es
susceptible a ser modificado de acuerdo a las condiciones específicas del estudio. La dotación futura se
determina a través del método de crecimiento geométrico, con concordancia con el método para la estimación
de la población futura (DGSB, 2004):
tdiseño
 d 
Dotación futura[ L/hab ⋅ día] = Dotación inicial[ L/hab ⋅ día]1 + anual  Ec. 73,
 100 
donde danual [%] es la variación anual de la dotación.
Caudales de retorno
El caudal de retorno se estima a través del caudal de aguas residuales y domésticas (sin incluir
consideraciones de la calidad con la cual el recurso hídrico retorna al sistema). El coeficiente de retorno es la
relación entre el caudal medio de aguas residuales domésticas y el caudal medio de agua que consume la
población (lavado de vehículos, aceras y calles, riego de jardines y parques y otros) (VSB, 2007). La Norma
Boliviana sugiere utilizar valores entre el 60% al 80% de la dotación de agua potable (VSB, 2007).
7.1.3. Demanda pecuaria

En general es poco relevante, llegando a alcanzar 2% del consumo total y menos del 1% del consumo anual.
Por esta razón, en ocasiones su consideración es omitida (e.g., (Soria, 2013). En casos donde aquel uso sea
importante, la información recopilada en sitio constituirá la fuente de información primaria. Como referencia,
documentos publicados en México sugieren que el consumo de agua es de aproximadamente 10% del peso
del ganado vivo. Con estadísticas de la población del ganado, las proyecciones futuras de la demanda se
realizarán mediante relaciones empíricas o utilizando las ecuaciones el subtítulo precedente.
75
7.1.4. Demanda en la industria y la minería

Cuantificar la demanda de agua en la industria, la minería y el sector de hidrocarburos es un tema complejo al
tratarse de un uso consuntivo, con información limitada respecto a la variabilidad en los consumos según el
proceso aplicado. Si bien de manera global la literatura indica que estos sectores consumen
aproximadamente el 2% de las demandas totales de agua a nivel del país, aquello no significa que, en una
cuenca, área o región, aquella proporcionalidad tenga proporciones semejantes.
En cuanto a la industria, la literatura general provee información referencial para países con desarrollo
industrial consolidado. Aquellos datos podrían diferir con la realidad local según la cuenca en estudio, por lo
que se sugiere la verificación en sitio. Para el caso de la minería, la cuantificación de la demanda de agua
involucra volúmenes variables según el proceso industrial considerado, por lo que aquellos deberán ser
investigados para cada caso específico. Como referencia general, datos de la empresa Minera San Cristóbal
indican un consumo anual de 15 millones de metros cúbicos de agua para fines industriales
(http://www.minerasancristobal.com/es/responsabilidad-medioambiental/gestion-de-los-recursos-hidricos), sin
especificar detalles acerca de aquellos procesos. La Ley de Minería y Metalurgia del 28 de mayo de 2014
(ALP, 2014) tampoco provee mayores recursos para proceder a un inferencia, debido a que la temática
hídrica referida en sus artículos 111 y 112 se limita a asignar responsabilidad a la autoridad competente en
cuanto a la otorgación de derechos de uso y aprovechamiento, estableciendo la obligación de una correcta
gestión y manejo de los recursos hídricos.
Con referencia a los caudales de retorno, estudios desarrollados en la temática sugieren realizar una relación
entre el volumen de agua que retorna al sistema con calidad adecuada a la normativa vigente con el volumen
suministrado a la industria. Tal relación resulta en que, para sistemas donde el control sobre los efluentes no
tiene control relacionado a la calidad, los caudales de retorno serían despreciables (IMA, 2010).
7.1.5. Demanda ecológica o ambiental

Este tipo de demanda es susceptible a no considerarse dentro de la ecuación de balance hídrico. Su
aplicación ocurre en un contexto de análisis oferta-demanda, en entornos con presión por demanda industrial,
energética, agrícola y todo uso productivo. Los métodos para su cálculo varían de acuerdo al sistema (Pouilly,
Ibañez, Zepita, Gutierrez, Aguillera, & Aguirre, 2014). En ausencia de un estudio específico que sugiera
umbrales particulares a las regiones geográficas del país, la Reglamentación de la Ley del Medio Ambiente
vigente sugiere que el aprovechamiento del caudal de un río natural no deberá exceder el 20% de la
descarga mínima diaria promedio, asumiendo que aquel volumen abastece la demanda ecológica o medio
ambiental (CNB, 2012). En cuanto a las proyecciones futuras, la ausencia de estudios específicos no provee
una justificación para cambiar el porcentaje de 20% del caudal mínimo diario promedio.
7.1.6. Generación de electricidad y otros usos

Para el año 1999, en Bolivia existían 68 centrales hidroeléctricas, con caudales empleados para la generación
3
de energía que varían en el rango de 12 L/s hasta 9.3 m /s. Si bien este consumo es de tipo no consuntivo, la
capacidad de regulación de las obras civiles implementadas tiene el potencial de alterar las condiciones
hídricas locales y deben ser tomados en cuenta.
Entre los usos citados, es posible que según el sistema particular, se considere factible y relevante la
cuantificación de otros sectores o se proceda a subdividir un sector específico. Por ejemplo, es posible que en
un sistema particular se considere relevante incluir valores individuales para usos doméstico y servicios
(hospitales, unidades educacionales), turismo y entretenimiento, acuicultura, navegación y otros. Es
importante considerar que, para toda desagregación a ser incluida en el estudio, aquella deberá ir
acompañada de una fuente robusta de información como medio de validación (e.g., (IDEAM, 2015)).
7.2 El cambio en el uso de la tierra

Los componentes del balance hídrico son elementos dinámicos en esencia. Están definidos por procesos
aleatorios inherentes a la complejidad propia de la naturaleza; simultáneamente, son factores sensibles a la
alteración causada por el ser humano. El cambio en el uso de suelo es un elemento importante en la
dinámica del ciclo hidrológico, por tanto, en el régimen hídrico (Cumming, 2001). Este parámetro representa
76
uno de los factores para el análisis de los impactos de posibles cambios en la respuesta hídrica de la cuenca.
La presente sección provee los lineamientos para su cuantificación.
7.2.1. Herramientas de teledetección para identificar cambios en la superficie

El uso de imágenes adquiridas por satélites en aplicaciones medio ambientales ha entrado en una nueva era
con el lanzamiento de la serie perteneciente a los programas espaciales de la Administración Nacional de la
Aeronáutica y del Espacio (NASA) (Liang, 2004). Desde la puesta en marcha de aquellos emprendimientos, la
literatura reporta aplicaciones que demuestran el potencial de las técnicas de teledetección para el análisis
cuantitativo y cualitativo de las propiedades geométricas y multiespectrales de los objetos (Bastiaanssen,
2000; Liang, 2004; Soria & Kazama, 2009; Soria & Kazama, 2011). La teledetección provee herramientas
valiosas en el análisis multitemporal del cambio en la cobertura y uso de la tierra; constituye el medio
sugerido en la presente guía al haber sido demostrado útil en estudios implementados en nuestro país.
Cumplimiento de parámetros técnicos

El uso de imágenes ópticas de la plataforma Landsat se considera una de las más adecuadas para este tipo
de estudio, al cumplir con los siguientes parámetros técnicos:
• Disponibilidad de información histórica para la detección de cambios en la cobertura y el uso
de suelo. La plataforma Landsat es la única con casi treinta años de información continua. Los datos
que recopila permite capturar cambios en la morfología de la superficie, la fluviomorfología,
geomorfología, cambios estacionales, anuales e interanuales en la cobertura del suelo.
• Resolución espacial horizontal de 30 m. La escala es adecuada para observar cambios en
unidades morfológicas superficiales relevantes a tales escalas; es compatible con los objetivos de un
estudio a escala de cuenca.
• Resolución espectral útil en estudios de la biofísica de la superficie. Las imágenes Landsat 5
Thematic Mapper (TM), Landsat 7 Enhanced Thematic Mapper Plus (ETM+) y Landsat 8 Operational
Land Imager and Thermal Infrared Sensor (OLI/ TIRS) proporcionan información en siete bandas (la
OLI/TIRS tiene aún mayor resolución), útil para un estudio de balance hídrico (Bastiaanssen, 2000;
Liang, 2004).
• Inversión mínima. La inversión para la adquisición, procesamiento y análisis son bajos desde una
perspectiva económica, técnica y de recursos humanos. En diciembre de 2009 el Servicio Geológico
de los Estados Unidos de Norteamérica (USGS – EROS Centre), hizo efectiva la apertura pública y
gratuita del inventario completo de las imágenes Landsat, reduciendo substancialmente los costos
mencionados. Asociado a tal ventaja y a la mediana resolución espacial de la información, es posible
el proceso de análisis de las imágenes a través de un ordenador doméstico, reduciendo costos de
inversión. Los recursos humanos demandados son igualmente menores comparados a los requeridos
por la aplicación de otras técnicas y el uso de otro tipo de imágenes.
Criterio de selección de escenas

Con enfoque al uso de imágenes ópticas, las escenas deben satisfacer los siguientes requerimientos:
• Cobertura de nubes y calidad radiométrica. La poca cobertura de nubes y una buena calidad
radiométrica de la imagen proveen las primeras razones para aceptar o rechazar una escena. El
proveedor de las imágenes proporciona esta información a través de los metadatos y vistas previas
de la imagen al momento de la selección. Entre los sitios para accedes a la información están:
http://glovis.usgs.gov; http://earthexplorer.usgs.gov.
• Escenas de calidad comparable. Hasta antes del 18 de noviembre de 2011 cuando las imágenes
TM dejaron de ser capturadas, se sugiere seleccionar las escenas otorgando prioridad a esta
plataforma (es adecuado el tamaño de los archivos). Desde el 19 de noviembre de 2011 hasta el 31
de mayo de 2013 existe la posibilidad de realizar el análisis con la plataforma Landsat 7, por lo que la
plataforma se convierte en prioridad (los archivos son más grandes que los de las escenas TM, pero
tiene una ventaja adicional al contener una capa con mayor resolución espacial). A partir del 1 de
junio de 2013, luego del fallo permanente en el sensor corrector de captura (SCS-off) de la plataforma
Landsat 7, se otorga prioridad a las imágenes capturadas por la plataforma Landsat 8 OLI/TIRS, sin
77
descartar las imágenes ETM+ ni las imágenes TM. Las escenas OLI/TIRS tienen un tamaño enorme
en disco, lo cual demanda mayor tiempo en descarga y procesamiento. Principalmente durante la
época de lluvias cuando la cobertura de nubes es casi permanente, se debe procurar colectar la
mayor cantidad de información posible.
• Detección de cambios multitemporales y estacionales. Como mínimo se sugiere obtener dos
escenas por año. La primera escena buscará capturar las condiciones durante el mes de máximo
crecimiento de la vegetación y máxima disponibilidad de agua, i.e., periodo de mayor demanda de
agua: enero a marzo (España, 2014). La segunda escena se selecciona en la estación de invierno,
durante el periodo de menor demanda de agua (junio, julio). Se sugiere que para un periodo dado (un
año completo), se procure obtener una escena para cada mes, con el objetivo de proveer información
que capture las características durante un ciclo de cultivo.
• Información espectral. Las imágenes deben ser obtenidas por capa espectral. Aunque resulta
sencillo y rápido obtener imágenes en formato jpg, para fines de análisis esta información es inútil.
• Control de calidad. Se deberá proveer la referencia completa de las escenas consideradas. La
calidad de la información deberá contemplar el porcentaje de cobertura de nubes (-1 implica que no
se tiene información al respecto), la calidad de la escena (de 0 a 9; 9 hace referencia a la mejor
calidad; -1 implica que no se tiene información al respecto). El formato sugerido para el reporte se
presenta en la tabla siguiente.
Tabla 23. Formato sugerido para la presentación de las características de las escenas consideradas
Longitud de Calidad Fecha de la

Resolución
Imagen Banda onda (nubosidad % ; escena
(metros)
(micrómetros) calidad) (dd/mm/aaaa)
TM B1 - Azul 0.45-0.52 30 30%; 9 11/04/1986

B2 - Verde 0.52-0.60 30 0%; 6 16/07/1986
B3 - Rojo 0.63-0.69 30 ..... .....
B4 - Infrarrojo cercano NIR 0.76-0.90 30 ..... .....
B5 - Infrarrojo de onda corta SWIR-1 1.55-1.75 30 ..... .....
B6 - Infrarrojo termal TIR 10.40-12.50 120 ..... .....
B7 - Infrarrojo de onda corta SWIR-2 2.08-2.35 30 ..... .....
Pre-calibración de las imágenes

El siguiente paso es la transformación de coordenadas y la calibración de las imágenes. El objetivo es
permitir la comparación entre escenas capturadas bajo distintas condiciones atmosféricas y de luz (análisis
multitemporal). Las escenas Landsat obtenidas de los sitios sugeridos están proyectadas al sistema elipsoide
WGS84, UTM zona 20 norte. En general, esta proyección la define el proveedor de la información a través del
sistema LPGS (Sistema de Generación de Productos Nivel L1), durante la solicitud realizada a la base de
datos del USGS – EROS Centre. Se sugiere las escenas en formato GeoTIFF, con corrección geométrica y
radiométrica, nivel de corrección L1T; lo óptimo es obtener escenas con corrección mejorada referida a las
propiedades geométricas del producto, nivel de corrección L1G.
Los productos L1T y L1G son escenas rectificadas, libres de distorsiones relativas al sensor, al satélite y a la
Tierra (USGS, 1998), por lo cual no sería necesaria la georeferenciación y el co-registro. En el caso de las
imágenes previas a 1986, estos dos últimos pasos serán un requisito (co-registro, georeferenciación); es
decir, será necesario aplicar un proceso adicional para que exista superposición entre las escenas. Este
proceso se realiza mediante herramientas disponibles en la mayoría de los programas computacionales para
el análisis de imágenes (e.g., Erdas Imagine e inclusive Photoshop).
Como se indicó, las resoluciones espectrales y radiométricas varían entre las escenas según el día, las
elevaciones del ángulo del sol, el azimut y la plataforma de adquisición, por lo cual sería necesario aplicar
correcciones geométricas, correcciones atmosféricas y correcciones topográficas (Liang, 2004). Para el caso
de las escenas Landsat obtenidas de los sitios indicados, se asume que las correcciones geométricas son
78
implícitas al proceso de co-registro realizado por el sistema LPGS, las correcciones atmosféricas son
implícitas a la calibración radiométrica (Arnaud, Muller, Vuille, & Ribstein, 2001) y la corrección topográfica es
implícita al cálculo de índices como el Índice de Vegetación Diferencial Normalizado NDVI (Liang, 2004).
Calibración de las escenas

La calibración re-escala los valores de cada pixel desde unidades de números digitales (DN), a valores de
radiancia espectral a la apertura del sensor (Lλ) [watts⋅m ⋅ster ⋅µm ]. Para disminuir la variabilidad entre
-2 -1 -1
escenas se normaliza la irradiancia solar a través de la conversión de Lλ a reflectancia planetaria o albedo

medido a la altura de órbita del sensor (ρλ ) [adimensional] (USGS, 1998). Considerando que λ es la banda,
las ecuaciones son (Markham & Barker, 1986; USGS, 1998):
 LMAX − LMIN  Ec. 74,

Lλ =   * ( DN − QCALMIN ) + LMIN
 QCALMAX − QCALMIN 
Ec. 75.
π * Lλ * d 2
ρλ =
 π 
ESUN λ * cos (90 − θ ) 
 180 
En las ecuaciones, QCAL es el valor calibrado del pixel en [DN], QCALMIN es el mínimo QCAL de la imagen
[DN]; QCALMIN es igual a 1 para las Landsat ETM+ LPGS y NLAPS producidos luego del 4 de abril del 2004
(Sistema de Producción del Archivo Nacional en Tierra); QCALMIN es igual a cero para otro caso del ETM+ y
las TM. QCALMAX es el máximo QCAL de la imagen [DN]; es igual a 255 para las Landsat TM y ETM+. LMINλ
[watts⋅m ⋅ster ⋅µm ] es la radiancia espectral escalada al QCALMIN; LMAXλ [watts⋅m ⋅ster ⋅µm ] es la
-2 -1 -1 -2 -1 -1
radiancia espectral escalada al QCALMAX. LMINλ y LMAXλ varían para cada sensor y sus valores se
encuentran en (Markham & Barker, 1986) y (USGS, 1998).
Para el cálculo de ρλ , d es la distancia Tierra-Sol en [unidades astronómicas] calculadas a partir del día
2
juliano de la imagen. ESUNλ [watts⋅m ⋅µm ] es la irradiancia solar exoatmosférica media (Markham & Barker,
-2 -1
1986; USGS, 1998); θ [grados] es el ángulo solar cenital, descrito en el metadato de la imagen. Para las
imágenes ETM+ y Landsat 8 OLI/TIRS, la ecuaciones siguientes son equivalentes a las dos últimas
presentadas (USGS, 1998; USGS, 2015), donde el metadato de la imagen proporciona los valores de GAIN
[watts⋅m ⋅ster ⋅µm ⋅ DN ], BIAS [watts⋅m ⋅ster ⋅µm ], ML el factor de escala multiplicativo de la radiancia, AL
-2 -1 -1 -1 -2 -1 -1
el factor de escala aditivo de la radiancia, M ρ el factor de escala multiplicativo de la reflectancia y Aρ el factor

de escala aditivo de la reflectancia.
Lλ = GAIN * QCAL + BIAS Ec. 76 (ETM+),
Lλ = M L * QCAL + AL Ec. 77 (Landsat 8 OLI/TIRS),
M ρ * QCAL + Aρ Ec. 78 (Landsat 8 OLI/TIRS).

ρλ =
sen(θ )
Cálculo de índices de vegetación

Una vez que las escenas fueron re-escaladas, el proceso continúa con la identificación del cambio
multitemporal en el uso de suelo. Aquello se realiza a través de índices de banda definidos por el concepto de
la línea del suelo (Liang, 2004). Los índices se utilizan también en el cálculo de la distribución espacial del
coeficiente de cultivo Kc. Se considera una buena práctica la comparación del comportamiento de varios
índices multiespectrales, debido a que cada uno es desarrollado para condiciones particulares de suelo y
cobertura (e.g., (Soria & Kazama, 2009). Por lo general, son útiles los siguientes: el NDVI y el SR (índice de
79
vegetación de proporción o razón simple) (Liang, 2004).

El NDVI varía entre -1 y 1; valores positivos corresponden a zonas cubiertas por vegetación (vegetación
verde: de 0.2 a 0.8); valores negativos correspondientes a nubes, nieve y agua; las zonas con suelo desnudo
y roca o suelos con vegetación dispersa presentan valores negativos o positivos cercanos a cero (Liang,
2004). Los cálculos se implementan en un SIG o un programa como Erdas Imagine. Las ecuaciones son:
ρ B4 − ρ B3
NDVI = Ec. 79 (TM, ETM+),
ρ B 4 + ρ B3
ρ B5 − ρ B4
NDVI = Ec. 80 (Landsat 8 OLI/TIRS),
ρ B5 + ρ B 4
ρ B4
SR = Ec. 81 (TM, ETM+),
ρ B3
ρ B5
SR = Ec. 82 (Landsat 8 OLI/TIRS),
ρ B4
donde ρλ se refiere a la reflectancia planetaria para la banda λ. Por ejemplo, para la banda B4, la reflectancia
se simboliza como ρ Β4 . La Herramienta 12 - Anexo 1, provee medios que complementan la explicación.
Detección de cambio de uso de la tierra

El paso previo a la cuantificación del cambio es el análisis de índices multiespectrales calculados de
imágenes satelitales Landsat (FAO, 1996; Soria & Kazama, 2009). El procedimiento sugerido sigue la
estructura conceptual de un procedimiento de interpretación interdependiente (FAO, 1996) y
recomendaciones varias de la literatura (e.g., (Soria & Kazama, 2009)). En una situación deseable, el análisis
es confirmado a través de muestreos en campo e información secundaria. Los pasos son los siguientes:
i. Identificación de clases de cobertura y uso dominantes. Las características de los mismos se
obtienen por muestreo en campo, mapas temáticos (e.g., ZONISIG, SUNIT y otros) o imágenes de
alta resolución, como las disponibles en la plataforma Google Earth.
ii. Muestreo. Para cada clase dominante, se procede al muestreo de la resolución espectral y espacial
de las imágenes satelitales.
iii. Elección del índice multiespectral a aplicar. Se calculan los índices NDVI y SR para una escena
capturada en época húmeda, con el objeto de comparar la idoneidad de cada índice en la
identificación de los usos predominantes. Luego de seleccionar el índice adecuado a las condiciones
de estudio, se procede a calcular el mismo para todas las escenas.
iv. Identificación de límites de clase. Una recomendación práctica es agrupar las celdas según
afinidad, en un número finito de clases, en base a recomendaciones de la literatura o por un proceso
de selección subjetiva. En caso de que el índice idóneo sea el NDVI, los límites de clase se definen
en base a una clasificación no supervisada con las siguientes consideraciones (Soria, 2016):
A) Control de calidad. Verificación visual de concordancia entre los valores de NDVI menores a 0.1
calculados sobre cuerpos de agua, lechos de río, formaciones rocosas y áreas urbanizadas,
B) Identificación de cobertura arbustiva y de pastizales: NDVI en el rango 0.2 a 0.3 (Gross, 2005);
C) Identificación de vegetación densa: NDVI en un rango de 0.3 a 0.6, con un umbral de 0.7 para
condiciones de máxima cobertura vegetal (Trezza, 2006).
80
7.2.2. Cuantificación del cambio.

Existen varios parámetros para la identificación del cambio en un entorno geográfico. En el primer grupo de
técnicas están los métodos gráficos de exploración y las medidas estadísticas para la identificación de
tendencias revisadas en el capítulo V. En un segundo grupo están los criterios empíricos. Estudios en materia
de recursos naturales realizados en nuestro país demostraron útiles la aplicación de los parámetros descritos
a continuación (Peralta, Torrico, Vos, Galindo, & Contreras, 2015) (ver también, sección 4.2.1 - Anexo 1):
Tasa de interés compuesto

El índice tiene la propiedad de no subestimar la tasa anual de deforestación cuando los cambios son grandes
o acelerados (Peralta, Torrico, Vos, Galindo, & Contreras, 2015). La tasa de interés compuesto (TIC) expresa
el cambio, en términos de porcentaje, de la superficie al inicio de cada año en función a la tasa de cambio en
la superficie. En su cálculo, t2 y t1 son respectivamente el año al final del periodo y el año al inicio del periodo:
1 Area2
TIC = ln Ec. 83.
t 2 − t1 Area1
Matrices de cambio
Es una alternativa a los métodos gráficos exploratorios. Permite observar la transición entre las clases
identificadas, como medio para detectar cambios y patrones en la cobertura y uso de suelo. El esquema de
su construcción es el siguiente (FAO, 1996; Peralta, Torrico, Vos, Galindo, & Contreras, 2015):
Tabla 24. Formato de matriz de cambio.

El ejemplo identifica el cambio en la cobertura o uso de suelo; por esta razón, entre clases del mismo tipo, no
existirá variación. Otra alternativa considera tasas de cambio en la superficie; en aquel caso, existirá cambio
dentro de una misma clase. A partir de (FAO, 1996; Peralta, Torrico, Vos, Galindo, & Contreras, 2015).
t1 t2
Clase a Clase b Clase c Clase d ..... Clase n
Clase a --- TIC ab TIC ac TIC ad .... TIC an
Clase b TIC ba ---
Clase c TIC ca ---
Clase d TIC da ---

.... --- ---
Clase n TIC na ---
7.3 Variabilidad climática y posibles cambios futuros de clima
7.3.1. Variabilidad climática

Se entiende por variabilidad climática a las fluctuaciones durante periodos (meses, años, decenios) donde se
registra valores por debajo o superiores a valores normales en referencia a promedios representativos de
periodos de treinta años (IDEAM, 2015). Cuando los parámetros meteorológicos se intensifican o debilitan se
desvían respecto al comportamiento promedio, definiendo una anomalía. Una de las partes más importantes
en un estudio enfocado en el ciclo hidrológico es el análisis de la variabilidad interanual. La variabilidad se
investiga a través de parámetros estadísticos (ver capítulo V) y parámetros empíricos (índices).
Asociación lineal entre índices océano-atmosféricos y series hidroclimáticas

La variabilidad hidroclimática se analiza en base a series mensuales promedio de caudal (lámina de agua,
81
mm) y precipitación total, desestacionalizadas y regionalizadas en la unidad hidrológica considerada (e.g., a

través de los métodos del capítulo V). El análisis de variabilidad climática considera generalmente un número
amplio de índices océano-atmosféricos (Barnston, 2015); para los fines de la presente guía se recomienda
índices analizados en estudios aplicados en el país, sin que aquello implique una restricción en el uso de
parámetros adicionales con la justificación apropiada. Aquellos son: el índice ENSO multivariado (MEI)
(http://www.esrl.noaa.gov/psd/enso/mei/table.html) (Ribeiro, Ramirez, Simoes, & Machaca, 2013), la
Oscilación Decadal del Pacífico (PDO) (http://research.jisao.washington.edu/pdo/PDO.latest) (Seiler, Hutjes, &
Kabat, 2012) y la Oscilación Antártica (AAO) (http://research.jisao.washington.edu/data_sets/aao/) (Garreaud,
Vuille, Compagnucci, & Marengo, 2009; Seiler, Hutjes, & Kabat, 2012).
Para ilustrar la importancia de los índices, la literatura describe algunas características (Seiler, Hutjes, &
Kabat, 2012): la PDO es el componente principal de las anomalías mensuales en la temperatura de la
o
superficie en el Océano Pacífico al norte de los 20 N, exhibiendo una oscilación decadal entre fases calientes
(PDO (+)) y fases frías (PDO (-)); el ENSO es una oscilación del Pacífico ecuatorial que cambia entre fases fría
y caliente con una oscilación irregular de 2 a 7 años; la AAO es una variación climática en el hemisferio sur
o o
producto de la variación en la presión atmosférica centrada entre las latitudes sur 55 a 60 . La literatura
sugiere correlaciones positivas entre la temperatura de la superficie, la PDO y el ENSO (Garreaud, Vuille,
Compagnucci, & Marengo, 2009) (Seiler, Hutjes, & Kabat, 2012); correlaciones entre anomalías de
precipitación y la PDO fueron encontradas en algunas partes de Sud América (Garreaud, Vuille,
Compagnucci, & Marengo, 2009) (Seiler, Hutjes, & Kabat, 2012); existe correlación negativa entre el ENSO y
la precipitación entre diciembre y febrero en los Andes de Bolivia, correlación positiva entre el ENSO y la
precipitación entre junio y agosto en las tierras bajas (Seiler, Hutjes, & Kabat, 2012), mientras que las
anomalías en la precipitación se observan asociadas a las fases fría y caliente del ENSO (Garreaud, Vuille,
Compagnucci, & Marengo, 2009) (Seiler, Hutjes, & Kabat, 2012); la AAO está asociada a anomalías en la
precipitación en el sur de Chile y la costa este subtropical (Garreaud, Vuille, Compagnucci, & Marengo, 2009)
(Seiler, Hutjes, & Kabat, 2012).
Tendencias climáticas históricas identificadas en estudios realizados en la región sudamericana, proveen
mayor información para interpretar las tendencias descritas en el párrafo anterior (Seiler, Hutjes, & Kabat,
2012). En relación a la precipitación, una tendencia negativa de -0.32% en la en la Amazonía en el periodo
1950-1994, con particular importancia desde 1982, fueron identificados por (Espinoza, y otros, 2009) (Seiler,
Hutjes, & Kabat, 2012); la precipitación describió una tendencia positiva desde mediados de 1960 hasta
alrededor de 1990, con un quiebre de negativo a positivo en las anomalías entre 1976-1977 asociado a un
cambio en la PDO de una fase fría a una caliente (Marengo, 2004) (Seiler, Hutjes, & Kabat, 2012). A escala
mensual, anomalías estandarizadas de precipitación muestran tendencias oscilatorias con quiebres en 1972
(precio a una fase ENSO caliente) y 1988 (luego de una fase ENSO caliente), y tendencias crecientes desde
1965 a 1984 y tendencias decrecientes de 1985 a 2004.
En referencia a la temperatura del aire, se encontró un incremento de 0.15 oC por década en las medias de la
temperatura del aire en la superficie (Vuille, Bradley, Werner, & Keimig, 2003) (Seiler, Hutjes, & Kabat, 2012).
En términos de anomalías estandarizadas, la tendencia general sugiere un incremento sostenido medio de
o
0.4 C entre 1965-2004 seguido por tendencias negativas de cinco años antes y después de aquel periodo,
con un quiebre en 1986-1987 que coincide con una fase ENSO caliente (Seiler, Hutjes, & Kabat, 2012).
Funciones para el análisis de la dependencia lineal

Al ser una temática amplia, se sugieren funciones simplificadas. Se propone considerar la dependencia lineal
entre las variables hidroclimáticas y los índices océano-atmosféricos, analizada a través de una función de
correlación cruzada (R) entre registros de variables, con retraso máximo de 7 meses (IDEAM, 2015):
ϑx , y (τ )
Rx , y (τ ) = Ec. 84,
sx s y
donde ϑ es la función covarianza entre dos variables Xt y Yt , sx y sy son las desviaciones estándar y τ es el
retraso. La significancia de la correlación se analiza a través de la estadística t. La caracterización de las
series culmina con la identificación del índice océano-atmosférico que mejor se correlaciona con los
parámetros hidroclimáticos, en la zona geográfica seleccionada. El análisis continúa mediante el ajuste a
82
funciones de densidad de probabilidad (IDEAM, 2015). El cálculo de anomalías promedio mensuales

multianuales para la identificación de altos y bajos de los parámetros hidroclimáticos seleccionados, resulta el
paso final en esta etapa (IDEAM, 2015) (la sección 4.3.1 - Anexo 1, complementa la explicación):
Valor condición extrema - valor condición media

Anomalía en el mes t = Ec. 85,
valor condición media
7.3.2. Posibles cambios futuros a través del enfoque del cambio climático
El enfoque del cambio climático sugiere un desequilibrio en el balance energético de la Tierra. El forzamiento
radiativo (FR) cuantifica el cambio en los flujos de energía originados por variaciones en la acción de
procesos naturales y antropogénicos (FB, 2013). El AR5 del IPCC describe cuatros Trayectorias
Representativas de Concentración (RCP). Cada escenario se identifica por su FR total para el año 2010, que
2
varía de 2.6 a 8.5 W/m , dando lugar a los RCP 2.6, RCP 4.5, RCP 6.0 y RCP 8.5.
Los escenarios de cambio climático no son una predicción ni un pronóstico del cambio futuro; son
proyecciones en base a supuestos de la evolución de las condiciones futuras (Salinas, 2014). Bajo un
enfoque de cambio climático, estos escenarios son implementados a través de representaciones matemáticas
del sistema atmosférico (modelos de circulación global - GCM). Estos modelos matemáticos se definen a
través de percepciones particulares, en un número amplio de institutos de investigación. En consecuencia las
estructuras de los modelos varían, así como los resultados obtenidos por las corridas correspondientes.
Como resultado de tal divergencia y dado el limitado conocimiento de la comunidad científica global respecto
a la variabilidad inherente a los procesos naturales y a la futura evolución de la sociedad, no existe consenso
respecto a cómo serán las condiciones futuras. Ante tal complejidad, las salidas de los GCM proveen una
referencia válida que proporciona una idea general de posibles futuros estados del sistema hídrico.
Desagregación espacial de corridas de GCM

Debido al enorme costo computacional para realizar cómputos de los GCM bajo resoluciones altas, las
salidas de los mismos son provistas a escalas globales. Para aplicaciones a escala de cuenca, los productos
GCM se desagregan (proceso de downscalling), en función de información del clima, relieve del terreno y
otras variables. Existen dos tipos de técnicas de desagregación: i) downscalling dinámico y ii) downscalling
estadístico. La primera se basa en fundamentos físicos, interpretados a través de complejas relaciones
físicas; generan un amplio volumen de información y demandan alta capacidad computacional para el cálculo,
el almacenamiento y procesamiento. Como alternativa, los métodos estadísticos son herramientas limitadas
en cuanto a su capacidad de describir los procesos físicos del entorno, al depender fundamentalmente de la
información capturada en las estaciones en tierra y de las tendencias que allí se registran. A pesar de esta
limitación, los métodos estadísticos tienen valor práctico, debido a que permiten la desagregación a escala de
una estación, pueden ser interpretados de manera sencilla e implementados a través de ordenadores
personales. Debido a las cualidades expresadas, su utilidad a nivel local es recomendada por agencias a
nivel internacional (García, Pozo, & Rojas, 2014). Los métodos de desagregación, así como su uso descritos
a continuación, resultan de experiencias aplicadas en nuestro país, considerando las siguientes variables
climáticas a escala mensual: la precipitación y la temperatura media del aire.
Generador de clima LARS-WG

Los generadores de clima se aplican en la desagregación temporal, para sitios específicos o
emprendimientos a pequeña escala. En nuestro país se aplicó el modelo LARS-WG V 5.0 sobre las
predicciones del AR4, para generar datos sintéticos a partir de condiciones observadas a nivel diario,
expresando los cambios a través de las variaciones en la distribución de probabilidad (García, Pozo, & Rojas,
2014). Conceptualmente, su desventaja se deriva de su naturaleza estocástica, por la dificultad para capturar
variaciones de baja frecuencia (variaciones multianuales o multidecadales, http://www.ipcc-
data.org/ddc/ddc_faq.html). Al momento no contempla una base de datos para generar proyecciones
referidas al AR5. El modelo está disponible en www.rothamsted.bbsrc.ac.uk/mas-models/lasrwg.php.
Método delta o de anomalías

Es un método lineal, enfocado a la desagregación espacial. Se basa en la adición de anomalías (deltas)
83
interpoladas a superficies mensuales de alta resolución, por ejemplo, aquellas disponibles en la base de
datos del WorldClim. La premisa del método yace en la presunción de que los cambios en el clima son
relevantes únicamente a escalas grandes y que la relación entre las variables se mantiene en el futuro
(Ramirez & Jarvis, 2010). La ventaja radica en la aplicación relativamente sencilla; por otro lado, sus
desventajas son el requisito de normalidad de las series, que imposibilita la aplicación al análisis de eventos
extremos (Trzaska & Schnarr, 2014), además de las posibles dificultades de aplicación a zonas donde el
relieve topográfico accidentado tenga influencia en las anomalías (Ramirez & Jarvis, 2010). El cálculo sigue
los siguientes pasos (Ramirez & Jarvis, 2010):
i. Definición de la línea base. Por ejemplo, a partir de la base de datos del WorldClim (periodo 1961-
1990).
ii. Cálculo de medias móviles. Por ejemplo, para la media móvil de 30 años y 7 periodos futuros
sugeridos por (Ramirez & Jarvis, 2010), para cada GCM considerado y de manera individual para
cada variable, se generan las siguientes series:
0. 1961-1990: la línea base.
1. 2010-2039 (los 2020s).
2. 2020-2049 (los 2030s).
3. 2030-2059 (los 2040s).
4. 2040-2069 (los 2050s).
5. 2050-2079 (los 2060s).
6. 2060-2089 (los 2070s).
7. 2070-2099 (los 2080s).
iii. Cálculo de anomalías. Resulta de la diferencia absoluta entre los valores futuros y la línea base.
iv. Interpolación de anomalías. Se realiza a partir de los centroides de las celdas del GCM. El método
sugerido en (Ramirez & Jarvis, 2010) es la técnica de la curvatura mínima básica (interpolación spline
de placa delgada). La resolución de interpolación deberá ser concordante con la correspondiente a la
línea base.
v. Adición de superficies. Las anomalías interpoladas se suman a las correspondientes de la línea
base. Para el caso de las temperaturas mínima y máxima, las superficies interpoladas de las
o o
anomalías en C se suman a los valores de temperatura de la línea base, en C. Para el caso de la
precipitación, se considera la siguiente relación (Ramirez & Jarvis, 2010):
Panomalía
Pfutura = PWorldC lim 1 + Ec. 86,
PWorldC lim + 1
donde Pfutura es el valor futuro en el pixel, PWorldClim es el valor de la línea base, Panomalía es el valor
interpolado de la anomalía.
Técnica de desagregación por reducción del sesgo

La técnica demanda un costo computacional mínimo. La forma de reducir la escala a través de este método
implica la presunción de que las funciones de probabilidad que describen el comportamiento en las
estaciones medidas en estaciones en tierra podrían expresar el comportamiento esperado en los resultados
de los GCM, sin alterar las tendencias definidas por estas últimas series. Los pasos de aplicación de la
técnica son los siguientes (Ines & Hansen, 2006) (ver el ejemplo de la sección 4.4 - Anexo 1):
i. Ajuste de los registros históricos de las estaciones meteorológicas en tierra a una función de
distribución de probabilidad. Por ejemplo, tomando una función gamma demanda el cálculo de los
parámetros de escala y forma, a través del cálculo de la media y la distribución estándar de la
muestra. Estos parámetros serán utilizados para ajustar el sesgo en las predicciones de los GCM.
ii. Ajuste de las salidas de los GCM a la misma función de distribución de probabilidad
considerada para el ajuste de la información en tierra.
84
iii. Función inversa para la reconstrucción de las predicciones. La inversa de la función de

distribución transforma los resultados a las unidades de la variable de interés. En la función gamma,
los parámetros de escala y forma no ajustados, son reemplazados por los parámetros de escala y
forma calculados para la estación en tierra correspondiente. En caso de que exista más de una
estación dentro los límites de la celda, el usuario decide a cuál de las estaciones se realiza el ajuste.
El resultado es una serie del GCM con el sesgo ajustado a la tendencia definida por la estación en
tierra. Este ajuste no elimina la tendencia de la celda del GCM.
iv. Interpolación espacial de los resultados. Como resultante del proceso, se tienen predicciones de
GCM en las celdas donde el sesgo fue corregido. Se desechan las celdas del GCM que no fueron
corregidas por sesgo. La interpolación de los resultados seguirá el mismo proceso considerado para
la variable medida en la estación en tierra, bajo los métodos del capítulo V.
¿Cuál es la resolución espacial adecuada para realizar la desagregación de las proyecciones?

Al presente, no existen organizaciones, instituciones o gobiernos que provean guías oficiales para desarrollar
el proceso de desagregación (downscalling) (Trzaska & Schnarr, 2014). La elección de la escala se realiza de
modo que exista compatibilidad entre la disponibilidad de información medida en tierra (o capturada a través
de otros medios, debidamente validada) y su capacidad para reproducir la variabilidad espacial de los
procesos. Este análisis adquiere particular relevancia en zonas de montaña. Por ejemplo, en caso de que se
evidencie que se hubiese logrado desagregar la precipitación de manera adecuada hasta una resolución de X
km, es posible que el downscalling de las corridas del modelo regional sea factible a producir resultados
plausibles a escalas menores a aquella.
Rango de incertidumbre en las predicciones

Al tratarse de inferencias, las corridas de los GCM están sujetas a incertidumbres. Para su visualización, se
genera los resultados bajo un rango de incertidumbre definido por la variabilidad de las predicciones de los
GCM disponibles (e.g., (Gonzáles, 2016)). El proceso demanda un esfuerzo computacional grande, pero
justificable. Las Figuras A1-33 y 34 - Anexo 1, ilustra un ejemplo ejecutado a través de los pasos siguientes:
• Bajar series cronológicas de predicciones de variables climáticas precipitación mensual y
temperatura del aire mensual para un número de GCM definido. Las series están disponibles en el
portal http://ccafs-climate.org/data. Se sugiere considerar el uso de los modelos HadGEM2-ES, IPSL-
CM5A-LR, MIROC5, MRI-GCM3 y NCAR-CCSM4, a partir de las recomendaciones de FAN (2015)
(citado en (Gonzáles, 2016)).
• Por cada RCP, por horizonte disponible, graficar las predicciones de los GCM. Realizar el mismo
procedimiento para las salidas del modelo hidrológico. El resultado no seguirá una tendencia única;
por el contrario, la envolvente de las gráficas definirá el rango de incertidumbre que explica el posible
comportamiento de las variables. La figura siguiente presenta un ejemplo que compara las salidas de
dos modelos GCM; el rango de incertidumbre define un posible rango de comportamiento.
30
Temperatura del aire [oC]
CCSM3_T_C
25 MIROChires_T_C
20
15
10
0
2000
2008
2016
2024
2032
2040
2048
2056
2064
2072
2080
2088
2096
Figura 11. Rango de incertidumbre para las salidas de dos modelos GCM.
El ejemplo presenta información de temperatura media del aire para dos RCP predichas por dos modelos GCM
85
VIII. Integración de los componentes y complementos al cálculo del balance hídrico
8.1 Integración de los componentes del sistema hídrico
8.1.1. Esquema conceptual

El análisis de escenarios explora posibles futuras trayectorias de cambio que difieren de las condiciones
presentes (condiciones históricas) y dan lugar a futuros estados (Kepner, Ramsey, Brown, Jarchow,
Dickinson, & Mark, 2012). Un escenario no es una predicción o una proyección; son descripciones
simplificadas de alternativas que podrían definir las futuras condiciones de un sistema, a partir de
forzamientos y relaciones clave (Kepner, Ramsey, Brown, Jarchow, Dickinson, & Mark, 2012). Cuando el
análisis de escenarios se utiliza junto a una herramienta de modelación, se amplifica su utilidad, al constituir
un puente para alcanzar al tomador de decisión. Uno de los objetivos para elegir un modelo matemático
computacional para el cálculo del balance hídrico es justamente el desarrollo de aquel potencial.
El esquema de análisis de escenarios contempla fases que toman en cuenta las variables descritas en
capítulos previos, de la manera siguiente (Kepner, Ramsey, Brown, Jarchow, Dickinson, & Mark, 2012):
• Primera fase: Definición de escenarios. Involucra tres etapas:
i) Determinación de los factores a incluir en el análisis e identificación de los factores clave
(crecimiento poblacional y crecimiento urbano, ampliación de la frontera agrícola, posibles cambios
en el clima, cambios en políticas ambientales y otros);
ii) identificación del parámetro que globaliza la respuesta a analizar (para el caso del balance hídrico,
la variable será generalmente el caudal a la salida de la cuenca);
iii) identificación de las características que distinguen a cada escenario.
La Figura 12 ilustra un ejemplo. La primera etapa identifica como factores relevantes al crecimiento
demográfico, los cambios en las condiciones de uso y cobertura del suelo y la posible evolución
futura del clima. En la segunda etapa se identifica al caudal a la salida de la cuenca como el factor
que sintetiza la respuesta hídrica. En la tercera etapa las características distintivas de cada
escenario son: los impactos del cambio en condiciones de uso y cobertura de suelo, la evolución en
el uso y demandas de agua, los potenciales impactos futuros sobre la disponibilidad de agua, en
función a percepciones de la posible evolución del clima a partir de trayectorias de cambio climático
(proyecciones de modelos de circulación global GCM).
• Segunda fase: Construcción de los escenarios. Involucra la definición de variables cuantitativas y
factores cualitativos que permitan entender las proyecciones estimadas sobre posibles futuros
estados.
• Tercera fase: Análisis de los escenarios. Contempla la comparación de los escenarios simulados
con la línea base, el análisis de los datos y su consistencia lógica, la cuantificación de incertidumbres
y posibles tendencias.
• Cuarta fase: Asesoramiento de las implicaciones de los escenarios y gestión del riesgo. Esta
fase excede los alcances del balance hídrico. Contempla la presentación de los resultados a los
tomadores de decisión y el proceso de definir las medidas para enfrentar el riesgo.
La Tabla A1-26 - Anexo 1, complementa la explicación provista.
86
Percepciones calibradas
(modelo hidrológico , otras herramientas)
Registros hidroclimáticos de estaciones en tierra o información
secundaria, para el periodo 1975-2015.
Escenarios del tiempo Escenarios futuros (2020-2049)

presente (1975-2015) (tendencias inferidas, predicciones de
(periodo con mediciones) modelos de circulación atmosférica)
Clima, cobertura Tendencias Trayectorias

y uso de la tierra Usos y Usos y RCP 2.6, 4.5,
demanda de demanda de Etapa 4a.
6.0, 8.5
Etapa 1. agua agua Clima, cobertura
Variabilidad hídrica y uso del suelo,
natural. usos y demandas Etapa 4b.
Etapa 3a. Etapa 3b. Proyecciones GCM
de agua
Actividades Centros urbanos, (temperatura del
Etapa 2. (actividades
agrícolas y industria y aire,
Cambio en la productivas, agua
pecuarias. minería. precipitación).
cobertura y uso de la potable).
tierra.
Figura 12. Ejemplo de esquema de integración de los componentes
8.1.2. Indicadores del estado del recurso hídrico

Los resultados de la modelación hidrológica, inducida por las alteraciones sugeridas en el esquema de
integración de componentes, se comparan con indicadores de estado del recurso con el objeto de otorgar
robustez al análisis y proveer herramientas de sencillo manejo e interpretación (IDEAM, 2015). Los
indicadores de estado sugeridos son los siguientes:
Índices del régimen hidrológico

• Índice de regulación hídrica (IRH). Expresa la capacidad de la cuenca para mantener un régimen
de caudales. Permite evaluar la capacidad de regulación del sistema. Se estima en base a la curva de
duración de caudales medios diarios. Estas curvas indican el porcentaje de tiempo durante el cual los
caudales igualan o exceden un umbral, sin reflejar la distribución en aquel periodo. El índice está en
el rango 0 a 1, donde los valores bajos implican menor regulación hídrica.
El índice resulta de la relación entre el volumen representado por el área debajo de la línea del caudal
medio y el área total debajo de la curva de duración de caudales diarios. A partir de este índice, la
literatura sugiere que el caudal ambiental corresponde al Q85% (probabilidad de excedencia del
85%) de la curva de duración para índices mayores a 0.7 y Q75% (probabilidad de excedencia del
75%) para otros casos (IDEAM, 2015).
• Índice de aridez (Ia). Expresa cualitativamente una situación de excedencia o déficit de agua en
relación a la dinámica superficial:
ETo − ETreal
Ia = Ec. 87.
ETo
87
Índices de demanda y variabilidad

• Índice de uso del agua (IUA). Expresa la cantidad de agua utilizada por los diferentes usuarios en
un periodo determinado, en una unidad hidrológica. Considerando únicamente la oferta de agua
superficial (a la cual se sustrae el caudal ecológico), el índice es:
Demanda hídrica del sector

IUA = ⋅ 100 Ec. 88.
Oferta hídrica en la UH
• Índice de vulnerabilidad al desabastecimiento hídrico (IVH). Expresa el grado de fragilidad del
sistema para mantener la oferta demandada, ante la ocurrencia de amenazas (eventos extremos y
otros). Se determina mediante una matriz de relación entre el IRH y el IUA:
Tabla 25. Matriz para el Índice de Vulnerabilidad al Desabastecimiento Hídrico.

No existen estudios en el país para asignar rangos a las categorías. Los rangos propuestos se considerarán
útiles hasta que sean reemplazados por valores propios
IUA IRH
Muy alta Alta Media Baja Muy baja
Muy bajo Media Media Media Baja Muy baja
Bajo Media Media Media Baja Muy baja
Moderado Alta Alta Media Media Baja
Alto Muy Alta Alta Alta Media Baja
Muy alto Muy Alta Muy Alta Alta Media Media
Crítico Muy Alta Muy Alta Muy Alta Alta Alta
La sección 5.1.3 - Anexo 1 provee un ejemplo numérico que complementa la explicación.
88
IX. Resumen, conclusiones y recomendaciones
La experiencia en el cálculo de balances hídricos superficiales en el país está demostrada en el amplio

volumen de publicaciones al respecto. Desde una perspectiva científico-técnica, las mayores fortalezas están
en el análisis de los regímenes hidroclimáticos, producto de décadas de trabajo. El presente documento
recopila estas experiencias en un contexto válido a nivel país y regional. La guía busca ordenar el
conocimiento, expandirlo y desarrollarlo, con el objeto de que en el futuro los productos relacionados sean
mutuamente comparables y extrapolables.
La guía hace énfasis en la importancia de proveer el mejor producto posible en términos de calidad de
información básica, como pilar para el análisis y cuantificación del estado del recurso hídrico. Las
metodologías presentadas en este marco, se basan en experiencias previamente aplicadas en Bolivia y
entornos geográficos de la región con características similares a las propias. En caso de que aquello no fuese
posible, la guía provee un marco conceptual robusto, sustentado en un extenso listado de referencias
bibliográficas sugeridas. Toda duda de tipo conceptual u operacional, deberá referirse al listado citado.
Las técnicas de análisis y métodos estadísticos presentados tienen validez universal, por lo cual su aplicación
no contemplará dificultades. En todas las etapas, el criterio del técnico es fundamental; a partir del capítulo
VI, los esquemas hidrológicos sugeridos aplicarán de manera directa en zonas de montaña; sin embargo, en
zonas de llanos y áreas con características dominadas por aportes de reservorios subterráneos, como
aquellas situadas en el altiplano sur, la interacción entre la superficie y la subsuperficie demandará criterios
empíricos e información que deberá ser recopilada en el sitio del estudio. En estos casos, como herramientas
de validación de las percepciones, será útil el uso de información secundaria, proveniente de plataformas
satelitales, modelos regionales y otros.
La integración del conocimiento generado se enfatiza en los capítulos VII y VIII. La guía sitúa particular
atención en la necesidad de generar herramientas de síntesis del conocimiento. En particular, se sugiere el
uso de herramientas computacionales en el análisis del balance oferta-demanda, como medio de planificación
del recurso hídrico. En estos capítulos se proponen métodos probados en Latinoamérica, cuyo atractivo es la
atención en fortalecer la interacción entre la práctica y la investigación, como medio para transmitir el
conocimiento hacia el tomador de decisión. Desde una perspectiva técnica, la necesidad por promover mayor
desarrollo es evidente en nuestro país; en este contexto, los avances en temas de inclusión social hacia la
toma de decisiones alrededor del agua aparecen como un valioso recurso, con alto potencial para el
desarrollo de herramientas y medios útiles en la región.
El desarrollo de la presente guía busca también promover la capacidad de identificar los componentes que
definen las fuentes responsables de la incertidumbre en las estimaciones. A través de allí, se busca identificar
factores y campos de acción sobre los cuales será necesario incrementar los esfuerzos para promover la
producción y desarrollo desde una perspectiva técnico-científica, en un entorno social de constante evolución.
Los temas principales donde se recomienda fortalecer y generar conocimiento de naturaleza cuantitativa
(estudios piloto, sistemas sólidos de monitoreo permanente), bajo un sólido esquema conceptual-científico
son: la dinámica de las aguas superficiales en zonas remotas, la cuantificación y estudio de la dinámica de las
aguas subterráneas, las relaciones de intercambio entre la superficie y la subsuperficie en zonas complejas
(grandes lagos y cuerpos de agua, zonas remotas áridas y semiáridas, zonas de llanura y pié de monte,
áreas de transición, entre otras); la cuantificación de los usos, demandas de agua y su dinámica de evolución
histórica y posibles tendencias futuras, tasas y volúmenes de retorno al sistema, demandas
medioambientales; la posible evolución del clima y sus consecuencias, entre otros. Promover la
trascendencia del presente producto y sus derivados, hacia los distintos niveles educacionales, aparece como
una necesidad evidente.
Un factor no considerado en el presente documento es la cuantificación de la vulnerabilidad del sistema a un
virtual deterioro de la calidad del recurso hídrico. Éste es un aspecto altamente sensible, con potencial de
convertirse en uno de los mayores retos de la sociedad actual. Se recomienda analizar la inclusión gradual
del mismo en las siguientes versiones de la guía, a través de un proceso simultáneo y sistemático, de
monitoreo y generación de información.
89
X. Referencias
Abasto, N. (1987). Balance hídrico superficial de la cuenca del río Madre de Dios, Amazonía, Bolivia-Perú. La Paz: Universidad Mayor de San
Andrés.
Aguilar, E., Sigró, J., & Brunet, ,. M. (2009). RClimdex con funcionalidades extra de control de calidad. Manual de Uso. Tarragona: University
Rovira i Virgili.
Ajami, N., Gupta, H., Wagene, T., & Sorooshian, S. (2004). [Calibración de un modelo hidrológico semi distribuído para la estimación de
flujo de caudales en un sistema hídrico]. Journal of Hydrology , 298, 112–135. (En inglés).
Allen, R., Pereira, L., Raes, D., & Smith, M. (2006). Evapotranspiración del cultivo. Guias para la determinación de los requerimientos de agua
de los cultivos. Roma: Organización de las Naciones Unidas para la Agricultura y la Aimentación.
ALP. (28 de Mayo de 2014). Ley de Minería y Metalurgia. La Paz, Estado Plurinacional de Bolivia: Asamblea Legislativa Plurinacional (ALP).
Amato, C., McKinney, D., Ingol-Blanco, ,. E., & Teasley, R. (2006). [Modelo hidrológico WEAP aplicado a la cuenca Rio Conchos]. Austin:
Center for Research in Water Resources CRWR Online Report 06-12. (En inglés).
Andrade, F. (2003). Balance hídrico superficial de la cuenca del Lago Titicaca. La Paz: Universidad Mayor de San Andrés.
Aparicio, J., Lafragua, J., Gutiérrez, A., Mejía, R., & Aguilar, E. (2006). Evaluación de los recursos hídricos - Elaboración del balance hídrico
integrado por cuencas hidrográficas. Montevideo: Instituto Mexicano de Tecnología del Agua - Programa Hidrológico Internacional de la
UNESCO para América Latina y el Caribe.
Arellano, R. (1988). Balance hídrico superficial de la cuenca del río Pilcomayo, Río de la Plata, Bolivia. La Paz: Universidad Mayor de San
Andrés.
Arnaud, Y., Muller, F., Vuille, M., & Ribstein, P. (2001). [Influencia de la Oscilación sur El Niño en un glaciar del volcán Sajama, de 1963 a
1998 a partir de fotografía aérea Landsat]. Journal of Geophysical Research , (106), 17773-17784. (En inglés).
Avalos, G., Cubas, F., Oria, C., Díaz, A., Quispe, N., Rosas, R., y otros. (2011). Atlas climático de precipitación y temperatura del aire en la
cuenca del río Mantaro. Lima: Consejo Nacional del Ambiente - CONAM.
Barnston, A. (29 de enero de 2015). [¿Porqué tántos índices ENSO en lugar de tener sólo uno?]. Recuperado el 1 de junio de 2016, de
Climate.gov: https://www.climate.gov/news-features/blogs/enso/why-are-there-so-many-enso-indexes-instead-just-one. (En inglés)
Bastiaanssen, W. (2000). [Flujos sensible y latent basados en SEBAL en la cuenca irrigada de Gediz, Turquía]. Journal of Hydrology , 229,
87–100. (En inglés).
Bastiaanssen, W. (2000). [Método SEBAL para el cálculo del calor sensible y el calor latente en la cuenca irrigada de Gediz, Turquía[.
Journal of Hydrology , 229, 87–100. (En inglés).
Benavidez, C. (1988). Influencia de los cambios en el uso de suelo sobre el escurrimiento y la erosión en la cuenca del río Piraí, Amazonía
Andina, Bolivia. La Paz: Universidad Mayor de San Andrés.
Beven, K. (2004). [Modelación precipitación escurrimiento - La guia elemental]. Chichester: John Wiley. (En inglés).
Blacutt, L., Herdies, D., Gonçalves, L., Vila, D., & Andrade, M. (2015). [Comparación de precipitación para el CFSR, MERRA, TRMM3B42 y
un esquema combinado de datos en Bolivia]. Atmospheric Research , 29 (11), 1574 - 1594.
Blöschl, G., & Sivapalan, M. (1995). [Problemas de escalas en la modelación hidrológica: Una reseña]. Hydrological Processes , 9, 251-290.
(En inglés).
BM. (2010). Construyendo herramientas para evaluar vulnerabilidades y estrategias de adaptación al cambio climático en el sector de los
recursos hídricos en Bolivia. Volúmen I. Resultados y recomendaciones. La Paz: Banco Mundial (BM).
Bourgoin, M. (1997). [Reporte de misión Beni VI]. La Paz: ORSTOM. http://www.ore-

hybam.org/index.php/por/content/download/232/1289/file/bo_06.pdf. (En francés).
Burlando, P., & Costa, A. (2016). [Jefatura de hidrología y gestión de recursos hídricos. Notas de clase]. Recuperado el 20 de mayo de 2016,
de https://www.ethz.ch/content/dam/ethz/special-interest/baug/ifu/hydrology-
90
dam/documents/lectures/wasserhaushalt/lectures/WHH_SS16_L3.pdf. (En inglés)
Buytaert, W., Iñiguez, V., & De Bievre, B. (2007). [Los efectos de la deforestación y los cultivos en la produccón de agua en los páramos
andinos]. Forest Ecology and Management , 251, 22–30. (En inglés).
CA. (2008). Manual de estadísticas ambientales. Lima: Organización de Estados Americanos - Comunidad Andina (CA).
CA. (2012). Taller “Sistemas nacionales de información de recursos hídricos en los países de la Comunidad Andina" . Lima: Comunidad Andina
(CA). Secretaría General.
Calver, A., Jones, D., Kjeldsen, T., & Reynard, N. (2004). [Cuantificación de frecuencia de inundaciones para sitios no monitoreados
utilizando simulación contínua]. Oxon: Centre for Ecology & Hydrology. (En inglés).
Campero, S. (2014). Balance hídrico, las condiciones de humedad y condición climática de 124 estaciones climatológicas. La Paz: Servicio
Nacional de Meteorología e Hidrología.
CCGUC-SEI. (2009). Guia metodológica. Modelación hidrológica y de recursos hídricos con el modelo WEAP. Santiago, Boston: Centro de
Cambio Global-Universidad Católica de Chile, Stockholm Environment Institute (CCGUC-SEI).
Choquecallata, J., Vacher, J., Fellmann, T., & Imaña, E. (1991). Evapotranspiración máxima del cultivo de la quinua por lisimetría y su
relación con la evapotranspiración potencial en el Altiplano boliviano. Actas del VII Congreso Internacional sobre Cultivos Andinos, (págs.
63-67). La Paz.
Chow, V., Maidment, d., & Mays, L. (1998). Hidrología aplicada. Nueva York: McGraw hill.
CNB. (2012). Reglamentación de la Ley del Medio Ambiente No. 1333. La Paz: Congreso Nacional de Bolivia (CNB). Gaceta Oficial de Bolivia.
Collick, A., Easton, Z., Ashagrie, T., Biruk, B., Tilahun, S., Adgo, E., y otros. (2009). [Un modelo de balance hídrico semi distribuído simple
para las tierras altas de Etiopía]. Hydrological Processes , 23, 3718-3727. [En inglés].
Constantino, G. (2014). [Remoción de la influencia de la correlación serial en la prueba de Mann-Kendall]. Revista Brasileira de
Meteorologia , 29 (2), 161-170. (En inglés).
Coronel, E. (2004). Balance hídrico superficial microregional de la cuenca andina del río Beni. La Paz: Universidad Mayor de San Andrés.
Cruz, C. (1987). Balance hídrico superficial de la cuenca del río Itenez, Amazonía, Bolivia-Brasil. La Paz: Universidad Mayor de San Andrés.
Cuesta, A., Montoro, A., Jochum, A., López, P., & Calera., P. (2005). Metodología operativa para la obtención del coeficiente de cultivo
desde imágenes de satélite. Revista ITEA , (101) 3, 212-224.
Cumming. (2001). [Análisis de balance hídrico en cuencas]. Ontario: Watershed Management Committee. Cumming Cockburn Limited
(Cumming). (En inglés).
Dahmen, E., & Hall, M. (1990). [Inspección de datos hidrológicos]. Wageningen: International Institute for Land Reclamation and
Improvement. (En inglés).
DCPRH. (2015). Modelo hidrológico de gestión integrada de recursos hídricos del río Maure - Mauri. Anexos. Modelo hidrológico de la cuenca
Maure - Mauri. Lima: Dirección de Conservación y Planeamiento de Recursos Hídricos (DCPRH) - Autoridad Nacional del Agua (ANA).
DeChant, C. (2014). [Cuantificando el impacto de las condiciones iniciales y la incertidumbre del modelo en las predicciones hidrológicas].
Portland: Portland State University. (En inglés).
DGSB. (2004). Norma Boliviana NB 689 - Instalaciones de agua - Diseño para sistemas de agua potable. La Paz: Dirección General de
Servicios Básicos (DGSB) - Viceministerio de Servicios Básicos.
DHI. (2009). [MIKE 11. Un sistema de modelación para ríos y canales]. Hørsholm: DHI Water & Environment (DHI). (En inglés).
Diaz, E. (2004). Balance hídrico superficial microregional de la cuenca del río Ichilo-Mamoré. La Paz: Universidad Mayor de San Andrés.
EPA. (2007). [Desarrollando superficies espacialmente interpoladas y estimando sus incertidumbres]. Research Triangle Park: US
Environmental Protection Agency (EPA). (En inglés).
Escobar, M., Purkey, D., Pouget, J., Suarez, W., Condom, T., & Ramos, C. (2008). Construcción del modelo WEAP del río Santa. Lima:
Stockholm Environment Institute.
91
España, M. (2014). Variables climáticas y la dinámica espacio-temporal del NDVI en el Valle Alto de Cochabamba-Bolivia. Cochabamba:
Universidad Mayor de San Simón.
Espejo, A. (2016). Balance hídrico integral para la cuenca del río Guadalquivir. La Paz: Viceministerio de Recursos Hídricos y Riego.
Espejo, J. (2003). Modelo distribuido de balance hídrico. La Paz: Universidad Mayor de San Andrés.
Espinoza, H. (1989). Balance hídrico y necesidades de agua para los cultivos más importantes en la cuenca del río Ciénega. Vallegrande:
CORDECRUZ, PNUD, FAO.
Espinoza, J., Ronchail, J., Guyot, J., Cochonneau, G., Naziano, F., Lavado, W., y otros. (2009). [Variabilidad espacio-temporal de la
precipitación en los países de la cuenca del Amazonas (Brasil, Perú, Bolivia, Colombia y Ecuador]. International Journal of Climatology , 29,
1574-1594. (En inglés).
Espinoza, O. (1985). Balance hídrico superficial de la cuenca del río Beni, Amazonía, Bolivia. La Paz: Universidad Mayor de San Andrés.
ESRI. (2016). ¿Cómo funciona kriging? Recuperado el 2 de junio de 2016, de Ayuda - ArcGIS for Desktop. ESRI:
https://pro.arcgis.com/es/pro-app/tool-reference/spatial-analyst/how-kriging-works.htm
FAO. (2009). ¿Porqué invertir en la ordenación de las cuencas hidrográficas? Roma: Organización de las Naciones Unidas para la Agricultura
y la Alimentación (FAO).
FAO. (1996). Investigación de cobertura forestal y estudio de los procesos de cambio. Roma: Organización de las Naciones Unidas para la
Alimentación y la Agricultura (FAO).
FB. (2013). Cambio climático: Bases físicas. Guia resumida del Quinto Informe de Evaluación del IPCC Grupo de Trabajo I. Madrid: Fundación
Biodiversidad (FB), Oficina Española de Cambio Climático, Agencia Estatal de Meteorología,.
Fernandez, J. (2013). Modelación del Arroyo Santa Clara, Santa Clara.
Ferrara, R., Fiorentino, C., Martinelli, N., Garofalo, P., & Rana, G. (2010). Comparación de diferentes metodologías de mediciones de
campo del NDVI para la evaluación de propiedades biofísicas de los cultivos. Revista Italiana de Agronomía , 5, 145-154.
Flores, J. (1994). Estudio cuantitativo y cualitativo de aguas subterráneas para abastecimiento de agua potable para la ciudad de El Alto. La
Paz: Universidad Mayor de San Andrés.
Frías, R. (1989). Balance hídrico superficial de la cuenca de los ríos Bermejo y Grande de Tarija, Río de la Plata, Bolivia. La Paz: Universidad
Mayor de San Andrés.
Fries, A., Rollenbeck, R., Göttlic, D., Nauss, T., Homeier, J., Peters, T., y otros. (2009). [Estructura térmica de un ecosistema megadiverso
andino de montaña megadiverso en el sur de Ecuador y su regionalización]. Erdkunde , 63 (4), 321-335. (En inglés).
Fries, A., Rollenbeck, R., Nauß, T., Peters, T., & Bendix, J. (2012). [Humedad del aire cerca de la superficie en un ecosistema megadiverso
Andino de montaña del sur del Ecuador y su regionalización]. Agricultural and Forest Meteorology , 152 (17-30). (En inglés).
Fuentes, J. (2009). Aplicación de la geomorfometria para la definición de unidades fisiográficas de paisaje en una zona piloto del Parque
Nacional Natural Puracé. Cochabamba, Bolivia. La Paz: Universidad Mayor de San Andrés.
GADSC. (15 de mayo de 2012). Gobierno Autónomo Departamental de Santa Cruz (GADSC). Recuperado el 12 de mayo de 2016, de
http://www.santacruz.gob.bo/Noticia.php?IdNoticia=7042
García, M., Contreras, C., Sánchez, F., Marín, R., Guzmán, H., Wilches, J., y otros. (1999). Sistema información componente hidrológico.
Redes, mediciones, observaciones y procesos básicos. Bogotá: Instituto de Hidrología, Meteorología y Estudios Ambientales - IDEAM.
García, M., Pozo, O., & Rojas, K. (2014). Eventos extremos a partir de escenarios climáticos. Análisis en municipios rurales de Bolivia. Zonas
andinas y valles. La Paz: Helvetas Swiss Intercooperation.
García, M., Raes, D., Allen, R., & Herbas, C. (2004). [Dinámicas de la evapotranspiración de referencia en las tierras altas de Bolivia
(Altiplano)]. Agricultural and Forest Meteorology , 125, 67–82. (En inglés).
García, W. (1985). Balance hídrico superficial de la cuenca del río Mamoré, Amazonía, Bolivia. La Paz: Universidad Mayor de San Andrés.
Garreaud, R., Vuille, M., Compagnucci, R., & Marengo, J. (2009). [Clima sudamericano del día presente]. Palaeogeography,
92
Palaeoclimatology, Palaeoecology , 281 (3-4), 180-195. (En inglés).
Gilbert, R. (1987). [Métodos estadísticos para el monitoreo de contaminación ambiental]. Nueva York: Van Nostrand Reinhold Company
Inc. (En inglés).
Gonzáles, A. (2016). Desarrollo metodológico de balances hídricos para cuencas menores como el río Grande y microcuencas en el marco de
la gestión integral de recursos hídricos y manejo integral de cuencas. La Paz: GIZ-PROAGRO, Viceministerio de Recursos Hídricos y Riego.
Gonzáles, A., Villazón, M., & Willems, P. (2009). [Evapotranspiración de referencia con datos climáticos limitados en la amazonía
boliviana]. Proceedings at 1st International Congress of Hydroclimatology (págs. 1-14). Cochabamba: SENAMHI. (En inglés).
Goulven, P., Alemán, M., & Osorno, I. (1988). Homogeneización y regionalización pluviométrica por el método del vector regional. V
Congreso Nacional de Hidráulica. Asociación Ecuatoriana de Hidráulica (págs. 95-118). Quito: AEHID/CICP.
Gross, D. (2005). [Monitoreo de biomasa agrícola utilizando series de tiempo de NDVI]. Roma: FAO. (En inglés).
Harden, C. (2006). [Impactos del ser humano en las cabeceras de los sistemas fluviales en los Andes centrales y del norte].
Geomorphology , 79, 249–263. (En inglés).
Hargreaves, G. (1994). [Coeficientes simplificados para la estimación de la radiación solar mensual en Norte América y Europa].
Departmental Paper, Dept. of Biol. And Irrig. Engrg, Utah State University, Logan , 9. (En inglés).
Herbas, C. (1987). Climatología de la cuenca andina y amazónica del río Grande, Bolivia. La Paz: Universidad Mayor de San Andrés.
Hijmans, R., Cameron, S., Parra, J., Jones, P., & Jarvis, A. (2005). [Mapas climáticos interpolados de muy alta resolución para superficies
globales]. International Journal of Climatology , 25, 1965–1978. (En inglés).
Hirsch, R., Slack, J., & Smith, R. (1982). [Técnicas de análisis de tendencias para datos mensuales de calidad de agua]. Water Resources
Research , 18 (1), 107-121. (En inglés).
Horton, R. (1933). [El rol de la infiltración en el ciclo hidrológico]. Transactions of the American Geophysical Union , 14, 446-460. (En inglés).
Huffman, G., & Bolvin, D. (2014). [Documentación de TRMM y otros datos de precipitación]. Greenbelt: Mesoscale Atmospheric Processes
Laboratory, NASA Goddard Space Flight Center. (En inglés).
IDEAM. (2015). Estudio nacional del agua 2014. Bogotá: Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM).
IHHS. (1994). Balance hídrico superficial de la cuenca río Puyango-Tumbes y Quebrada Bocapan. Piura: Instituto de hidráulica, hidrología y
sanitaria (IHHS) Universidad de Piura. UNESCO-ROSTLAC.
IMA. (2010). Informe final de demanda hídrica actual y futura en la región Cusco en el marco del Programa de Adaptación al Cambio Climático
Fase II y III, nivel regional. Cusco: Instituto de Manejo de Agua y Medio Ambiente (IMA).
INE. (2005). Atlas estadístico de municipios 2005. La Paz: Instituto Nacional de Estadística (INE).
Ines, A., & Hansen, J. (2006). [Corrección de sesgo de precipitación diaria de GCM para estudios de simulación de cultivos]. Agricultural
and Forest Meteorology , 138, 44-53. (En inglés).
Ingol-Blanco, E. (2009). [Modelo hidrológico para la cuenca del río Conchos: calibración y validación]. Austin: Center for Research in Water
Resources. (En inglés).
INRENA. (2007). Evaluación de los recursos hídricos de la cuenca del río Mala. Estudio hidrológico. Mala: INRENA – Intendencia de Recursos
Hídricos – ATDR- Mala – Omas - Cañete.
Inypsa. (2012). Balance hídrico superficial de Bolivia. La Paz: Cooperación Alemana para el Desarrollo - Unión Europea.
IPCC. (2014). [Cambio climático2014: Reporte síntesis. Contribución de los grupos de trabajo I, II y III al Quinto Reporte de Asesoramiento del
Panel Intergubernamental en Cambio Climático [R.K. Pachauri and L.A. Meyer (eds.)]]. Génova: Panel Intergubernamental del Cambio
Climático (IPCC). (En inglés).
Iriarte, J. (2005). Balance hídrico microregional de las cuencas Mauri, Bajo Desaguadero y los lagos Poopó y Uru Uru. La Paz: Universidad
Isaaks, E., & Srivastava, M. (1989). [Geoestadística aplicada]. New York: Oxford university Press. (En inglés).
93
Jaldin, L. (1999). Evaluación del impacto sobre el escurrimiento en la cuenca del río Piraí ante un posible cambio climático. La Paz:
Universidad Mayor de San Andrés.
Jarro, I. (2006). Diagnóstico de los recursos hídricos del Valle de Araca. La Paz: Universidad Mayor de San Andrés.
Kepner, W., Ramsey, M., Brown, E., Jarchow, M., Dickinson, K., & Mark, A. (2012). [Futuros hidrológicos: utilizando análisis de escenarios
para evaluar impactos de cambios predichos en el uso de la tierra sobre servicios hidrológicos]. Ecosphere , 3 (7), 1-25. (En inglés).
Kessler, A., & Monheim, F. (1966). El balance hidrológico del lago Titicaca. Conferencia Regional Latinoamericana / Union Geografica
Internacional T.3 (págs. 412-422). Union Geografica Internacional.
Kottegoda, N., & Rosso, R. (1997). [Estadística, probabilidad y verosimilitud para ingenieros civiles y ambientales]. Nueva York: Mc Graw
Hill. (En inglés).
Lewis, M., Cheney, C., & ÓDochartaigh, B. (2006). [Guia de índices de permeabilidad]. Keyworth: British Geological Survey - Information
Products Programme, Open Report CR/06/160N. (En inglés).
Li, Z., Tang, R., Wan, Z., Bi, Y., Zhou, C., & Tang, C. (2009). [Revisión de metodologías actuales para la estimación de evapotranspiración
regional a partir de datos remótamente adquiridos]. Sensors , 3801–3853. (En inglés).
Liang, S. (2004). [Teledetección cuantitativa]. Nueva Jersey: Wiley. (En inglés).
Lozada, G. (1985). Balance hídrico superficial de la cuenca del Lago Titicaca. La Paz: Universidad Mayor de San Andrés.
Machiwal, D., & Jha, M. (2008). [Evaluación comparativa de pruebas estadísticas para el análisis de series de tiempo: aplicación a series
hidrológicas]. Hydrological Sciences Journal , 353-366. (En inglés).
Machiwal, D., & Kumar, M. (2012). [Análisis de series temporales hidrológicas: Teoría y práctica]. New Delhi: Springer. (En inglés).
MAGRAMA. (2000). Plan Nacional de Regadíos - Horizonte 2008. Madrid: Ministerio de Agricultura, Alimentación y Medio Ambiente
(MAGRAMA).
Mair, A., & Fares, A. (2011). [Comparación de métodos de interpolación en una región montañosa de una isla tropical]. Journal of
Hydrologic Engineering , 16 (4), 371-383. (En inglés).
Mamani, J. (2011). Determinación de balances hídricos en las subcuencas Comarapa y Kuyoj Khocha. Chuquisaca: ASDI, GTZ-PROAGRO.
Manley, R. (1978). [Simulación de caudales en cuencas no aforadas]. Hydrological Sciences Bulletin , 23 (1), 85-101. (En inglés).
Marengo, J. (2004). [Variabilidad interdecadal y tendencias de la precipitación a lo largo de la cuenca del Amazonas]. Theoretical and
Applied Climatology , 78, 79-96.
Marengo, J., Pabón, J., Díaz, A., Rosas, G., Ávalos, G., Montealegre, E., y otros. (2011). [Cambio climático: Evidencia y escenarios futuros
para la región Andina]. En K. Herzog, R. Martínez, P. Jørgensen, & H. Tiessen, Climate Change and Biodiversity in the Tropical Andes (págs.
110-127). São Paulo: Inter-American Institute for Global Change Research (IAI) and Scientific Committee on Problems of the Environment
(SCOPE). (En inglés).
Mariaca, J. (1985). Balance hídrico superficial de la cuenca del Lago Poopó y los salares de Uyuni y Coipasa. La Paz: Universidad Mayor de San
Andrés.
Marisa, E., Lima, N., Purkey, D., Yates, D., & Forni, L. (2013). Modelación hidrológica y escenarios de cambio climático en cuencas de
simunistro de agua en las ciudades La Paz y El Alto, Bolivia. Aqua-LAC , 5 (2), 23-34.
Markham, M., & Barker, J. (1986). [Rangos dinámicos post-calibración Landsat MSS y TM, reflectancias exoatmosféricas y temperaturas en la
apertura del satélite temperatures]. Thornton, CO: EOSAT (ahora Space Imaging, Inc.). (En inglés).
Martínez, C., Calera, A., Melia, J., & Jochum, A. (2004). [Efecto en el NDVI de la incertidumbre en la corrección geométrica en la
calibración cruzada de diferentes satélites]. Remote sensing of environment. (En inglés).
McCuen, R. (2003). [Modelando el cambio hidrológico: Métodos estadísticos]. Boca Ratón: Taylor and Francis. (En inglés).
McCuen, R. (2003). [Modelando el cambio hidrológico: Métodos estadísticos]. Boca Ratón: Taylor and Francis.
MDSP. (2002). Diagnóstico de redes de observación sistemática para el cambio climático en Bolivia. La Paz: Ministerio de Desarrollo
94
Sostenible y Planificación (MDSP).
MDSP. (2001). Procedimientos metodológicos de la zonificación agrológica y socioeconómica. Sucre: Ministerio de Desarrollo Sostenible y
Planificación (MDSP).
MDSP. (2000). ZONISIG, Proyecto Zonificación Agroecológica y Establecimiento de una Base de Datos y Red de Sistema de Información
Geográfica en Bolivia. Sucre: Ministerio de Desarrollo Sostenible y Planificación (MDSP).
MMAyA. (2013). Marco conceptual y estratégico del Plan Director de la Cuenca del rio Grande. La paz: Ministerio de Medio Ambiente y Agua
(MMAyA) - Viceministerio de Recursos Hídricos y Riego (VRHR).
MMAyA. (2013). Marco conceptual y estratégico del Plan Director de la Cuenca del río Grande. La Paz: Ministerio de Medio Ambiente y Agua
(MMAyA) - Viceministerio de Recursos Hídricos y Riego.
MMAyA. (2013a). Metodología de priorización de microcuencas. La Paz: Ministerio de Medio Ambiente y Agua (MMAyA) - Viceministerio
de Recursos Hídricos y Riego (VRHR).
MMAyA. (2009). Plan Nacional de Desarrollo del Riego Para Vivir Bien 2007-2011. La Paz: Ministerio de Medio Ambiente y Agua (MMAyA).
Molina, J., & Cruz, R. (2008). Escenarios de uso y asignación del agua en la cuenca de los ríos Mauri y Desaguadero. La Paz: Agua
Sustentable.
Molina, J., & Espinoza, D. (2005). Balance hídrico superficial de la cuenca alta del río Pilcomayo. La Paz: Comité Nacional del Programa
Hidrológico Internacional (CONAPHI). Gestión Integrada y Plan Maestro - Cuenca del Río Pilcomayo.
Molina, J., Satgé, F., & Pillco, R. (2014). Los recursos hídricos del sistema TDPS. En M. Pouilly, X. Lazzaro, D. Point, & M. Aguirre, Línea
base de conocimientos sobre los recursos hidrológicos e hidrobiológicos en el sistema TDPS con enfoque en la cuenca del Lago Titicaca (pág.
320). Quito: IRD - UICN.
Molina, J., Vauchel, P., Espinoza, D., Aguilar, I., & Salcedo, F. (2005). Balance hídrico microregional de Bolivia. Modelación y avances.
Reunión Hybam. Lima: Hybam.
Molina, J., Villarroel, E., Alurralde, J., Apaza, A., & Soria, F. (2006). [Derechos de agua en cuencas Andinas]. 3rd APHW Conference (págs. 1-
10). Bangkok: . (En inglés).
Montaño, C., & Salm, H. (2011). Elaboración en balances hídricos. Experiencias de PROAGRO en ocho microcuencas. Taller sobre Balances
Hídricos y Modelaje con SWAT/WEAP en Microcuencas. La Paz: GIZ - PROAGRO.
Moore, R. (1999). [Sistemas de predicción en tiempo real: Perspectivas y prospectos]. En R. Casale, & C. Margottini, Floods and landslides:
Integrated risk assessment (págs. 147-189). Berlin: Springer-Verlag. (En inglés).
Mroczkowski, M., Raper, G., & Kuczera, G. (1997). [La búsqueda para una más poderosa validación de modelos de cuenca conceptuales].
Water Resources Research , 33 (10), 2325-2335. (En inglés).
NASDA. (2001). [Manual de usuarios del TRMM]. Yokohama: National Space Development Agency of Japan (NASDA) - Earth Observation
Center. (En inglés).
Navarro, S., & Ferreira, W. (2007). Mapa de vegetation de Bolivia a escala 1:250000. La Paz: The Nature Conservancy.
Nikolakopoulous, K., Kamaratakis, E., & Chrysoulakis, N. (2006). [Productos de elevación SRTM vs ASTER. Comparación para dos
regiones en Creta, Grecia.]. International Journal of Remote Sensing , 27 (21), 4819, 4838. (En inglés).
OEA. (1975). Proyecto Chapare - Propuesta de Estudio para el Desarrollo Integrado. La Paz: Instituto Nacional de Colonización.
Departamento de Desarrollo Regional. Organización de los Estados Americanos (OEA).
Oglesby, R., & Rowe, C. (12 de Mayo de 2014). [Impactos climáticos para Bolivia: Resultados y entrenamiento en modelos globales y
regionales del IPCC AR5]. La Paz. (En inglés).
Olaya, V. (2016). Sistemas de Información Geográfica. Madrid: CreateSpace Independent Publishing Platform.
Olmos, C. (2014). Evaluación de Capacidades y Necesidades para el Mantenimiento del Sistema Hidrometeorológico SENAMHI. La Paz:
Programa Piloto de Resiliencia Climática.
95
OMM. (2011). [Guía de prácticas climatológicas - OMM No. 100]. Ginebra: Organización Meteorológica Mundial (OMM). (En inglés).
OMM. (2012). [Índice de precipitación estandarizado]. Geneva: World Meteorological Organization (OMM). (En inglés).
Ovando, A. (2010). Potenciales impactos del cambio climático en la cuenca del río Comarapa. Santa Cruz: Fundación Amigos de la
Naturaleza.
Pedro Jr, M., Mello, M., Ortollani, A., Alfonsi, R., & Sentelhas, P. (1999). [Balances hídricos climatológicos de Brasil - 500 balances hídricos
de localidades brasileras]. Piracicaba: Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ) da Universidade de São Paulo. (En
portugués).
Peralta, C., Torrico, J., Vos, V., Galindo, M., & Contreras, C. (2015). Tasas de cambio de coberturas de suelo y deforestación (1986-2011) en
el Municipio de Riberalta, Amazonía boliviana. Ecología en Bolivia , 50 (2), 91-114.
Pérez, R. (1992). Balance hídrico superficial en las cuencas de la región Llanos Occidentales de Venezuela. Caracas: UNESCO.
PET. (2002). Plan de gestión de la oferta de agua en las cuencas del Proyecto Puyango - Tumbes. Balance oferta-demanda de agua. Tacna:
Proyecto Especial Tacna (PET).
Pilgrim, D., & Cordery, I. (1992). [Escorrentía de avenidas]. En D. Maidment, [Manual de hidrología] (págs. 9.1-9.42). New York: McGraw-
Hill Inc. (En inglés).
Pouilly, M., Ibañez, C., Zepita, C., Gutierrez, R., Aguillera, G., & Aguirre, M. (2014). Caudal ambiental: perspectivas de evaluación en el
sistema TDPS. En M. Pouilly, X. Lazzaro, D. Point, & M. Aguirre, Línea base de conocimientos sobre los recursos hidrológicos en el sistema
TDPS con enfoque en la cuenca del Lago Titicaca (págs. 288-303). Quito: Unión Internacional para la Conservación de la Naturaleza y de los
Recursos Naturales.
PRB. (8 de Enero de 1997). [Ley No. 9433]. LEI Nº 9.433, DE 8 DE JANEIRO DE 1997 . Brasilia, Brasil: Presidência da República do Brasil (PRB).
(En portugués).
PROMIC. (2004). El manejo integral de cuencas en el desarrollo local, un proceso de construcción y aprendizaje. Cochabamba: Programa
Manejo Integral de Cuencas (PROMIC).
Ramirez, J., & Jarvis, A. (2010). [Desagregación de salidas de modelos de circulación global: El método delta]. Cali: CIAT. (En inglés).
Ribas, A., Saurí, D., Tábara, J., Bayés, C., Pavón, D., Ribera, L., y otros. (2002). Participación de agentes sociales en la gestión del agua:
Propuesta metodológica para la cuenca del río Muga (Girona). III Congreso Ibérico sobre Gestión y Planificación del Agua, (págs. 13-17).
Sevilla.
Ribeiro, R., Ramirez, E., Simoes, J., & Machaca, A. (2013). [46 años de de datos ambientales del grupo de glaciares Nevado Illimani,
Bolivia, utilizando aerofotogrametría digital ]. Annals of Glaciology , 54 (63), 272-278. (En inglés).
Robson, A. (2000). [Guía para el análisis]. En Z. Kundzewicz, & A. Robson, [Detección de tendencias y otros cambios en datos hidrológicos]
(pág. 168). Ginebra: World Meteorological Organization. (En inglés).
Robson, A., Bardossy, A., Jones, D., & Kundzewickz, Z. (2000). [Métodos estadísticos para las pruebas de cambio]. En Z. Kundzewicz, &
A. Robson, [Detección de tendencias y otros cambios en datos hidrológicos] (págs. 49-62). Génova: World Meteorological Organization.
(En inglés).
Roche, M. (1986). Distribuciones espacio-temporales de los parámetros climatológicos sobre Bolivia. Primer Symposium de la Recherche
Francaise en Bolivie (págs. 29-32). La Paz: PHICAB.
Roche, M., & Rocha, N. (1985). Mapa pluviométrico de Bolivia y regiones vecinas, 1: 4 000 000. La Paz: PHICAB: Orstom, SENAMHI.
Roche, M., Aliaga, A., Campos, J., Peña, J., Cortés, J., & Rocha, N. (1990). [Heterogeneidad de la precipitación sobre la Coordillera de los
Andes Bolivianos]. En H. Lang, & A. Musy, Hydrology in Mountainous Regions (págs. 193: 381-38). IAHS. (En francés).
Roche, M., Bourges, J., Cortes, J., & Matos, R. (1991). Climatología e hidrología de la cuenca del Lago Titicaca. En C. Dejoux, Iltis,
ORSTOM, & Hisbol, El Lago Titicaca (págs. 83-104). Rotterdam: Kluwer Academic Publisher.
Roche, M., Fernandez, C., Aliaga, A., Peña, J., Salas, E., & Montaño, J. (1992). Balance Hídrico Superficial de Bolivia. La Paz: PHICAB.
Rodríguez, E., Morris, C., Belz, J., Chapin, E., Martin, J., Daffer, W., y otros. (2005). [Asesoramiento sobre los productos del SRTM].
96
California. (En inglés).: Technical Report JPL D-31639, Jet Propulsion Laboratory.
Rodriguez, J. (2011). Determinacion de balances hidricos en microcuencas y subcuencas El Salto, Tapera, Hio (Aiquile). Cochabamba: ASDI,
GIZ-PROAGRO.
Rojo, J. (s/f). Morfometría de cuencas. Recuperado el 2 de junio de 2016, de Recursos hidráulicos:

http://julianrojo.weebly.com/uploads/1/2/0/0/12008328/morfometria.pdf
Roldán, V. (2011). Estudio del balance hídrico del río Caigua, Villamontes (Bolivia). Tarija: GIZ - Proagro.
Ruiz, R., & Torrez, H. (2010). Manual de procedimientos de delimitación y codificación de unidades hidrográficas. La Paz: Ministerio de
Medio Ambiente y Agua, Viceministerio de Recursos Hídricos y Riego.
Salcedo, F. (2008). Efectos locales sobre el balance hídrico de cuencas andinas húmedas. La Paz: Universidad Mayor de San Andrés.
Salinas, G. (2014). Línea base sobre modelos y escenarios climáticos del Estado Plurinacional de Bolivia. Tercera Comunicación Nacional
para el Cambio Climático de Bolivia. La Paz: Ministerio de Medio Ambiente y Agua.
Saltelli, A., Tarantola, S., Campolongo, S., & Ratto, F. (2004). [Análisis de sensibilidad en la práctica: Guía para el asesoramiento de modelos
científicos]. Chichester: John Wiley. (En inglés).
Satgé, F., Bonnet, M.-P., Gossetb, M., Molina, J., Yuque, W., Pillco, R., y otros. (2016). [Asesoramiento de productos de precipitación
sobre el altiplano andino]. Atmospheric Research , 167, 1-14. (En inglés).
Scurlock, J., Asner, G., & Gower, S. (2001). [Estimaciones globales históricas del Indice de Area Foliar 1932-2000]. Oak Ridge: Oak Ridge
National Laboratory. (En inglés).
SEI. (2015). Guia del Usuario - Sistema de evaluación y planificación del agua. Estocolmo: Stockholm Environment Institute (SEI).
SEI. (2014). Modelación del recurso hídrico en la cuenca del río La Vieja en Colombia. Davis: Stockholm Environment Institute (SEI).
SEI. (2015b). Modelación del recurso hídrico en la cuenca del río La Vieja en Colombia. Davis, CA: Stockholm Environment Institute (SEI).
Seiler, C. (2009). Implementación y validación de un modelo climático regional para Bolivia. Santa Cruz: FAN.
Seiler, C., Hutjes, R., & Kabat, P. (2012). [Variabilidad del clima y tendencias en Bolivia]. Journal of Applied Meteorology and Climatology ,
52, 130-146. (En inglés).
SENAMHI. (2015). Manual informativo del modelo conceptual del Sistema Nacional de Información Meteorológica, Climatológica,
Agrometeorológica e Hidrológica SNIMCAH. La Paz: Servicio Nacional de Meteorología e Hidrología (SENAMHI).
SENAMHI. (2011). Servicio Nacional de Meteorología e Hidrología. Recuperado el 10 de Mayo de 2016, de

http://www.senamhi.gob.bo/sige/listado_estaciones_municipios/Clasificacion_de_estaciones_meteorologicas_e_hidrologicas%20.pdf
SENAMHI-Perú. (2013). Balance hídrico superficial de la cuenca del río Chicama. Lima: SENAMHI-Perú.
SGCA, BM, GEF, MAE/PRAA, & FONAG. (2011). Propuesta y desarrollo de estandarización de la información hidrometeorológica. Sistema de
monitoreo para evaluar la disponibilidad de agua y evolución de los impactos asociados al cambio climático en la parte alta de la cuenca del
río Guayllabamba y .. Quito: SGCA Perú.
Shuttleworth, W. (1993). [Evaporación]. En D. Maidment, [Manual de Hidrología] (pág. 1424). Nueva York: McGraw-Hill, Inc. (En inglés).
Singh, V. (1995). [Modelación de cuencas]. En V. Singh, Computational Models of Watershed Hydrology (págs. 1-22). Highlands Ranch:
Water Resources Publications. (En inglés).
Singh, V. (1995). [Modelación hidrológica]. En V. Singh, Computational Models in Watershed Hydrology (pág. 1130). Colorado: Water
Resources Publications. (En inglés).
Solomon, S., Qin, D., Manning, M., Chen, Z., Marquis, M., Averyt, K., y otros. (2007). [Contribución del Grupo de Trabajo I al Cuarto Reporte
de Asesoramiento del Panel Intergobernamental de Cambio Climático]. Cambridge: Cambridge University Press. (En inglés).
Soncco, C. (2015). Estudio de valoración económica del servicio de regulación hídrica en el Valle Sagrado de los Incas, departamento de
Cusco. Casos: Microcuenca Qochoq - Calca y Yanahuara – Urubamba. Cusco: Consorcio de Investigación Económica y Social.
97
Soria, F. (2013). [Relevancia de la incertidumbre en las estimaciones de la evapotranspiración potencial para el cálculo del balance hídrico
en cuencas de montaña]. Cold and Mountain Region Hydrological Systems Under Climate Change: Towards Improved Projections (págs. 39-
44). Gothenburg: IAHS. (En inglés).
Soria, F. (2016). Balance hídrico superficial integral para la cuenca del río Ravelo, en el marco de los planes directores de cuenca. La Paz:
Viceministerio de Recursos Hídricos y Riego.
Soria, F. (2004). Modelos hidrológicos para la evaluación de los recursos hídricos en la gestión del agua. La Paz: Universidad Mayor de San
Andrés.
Soria, F. (2013). Relaciones precipitación-escurrimiento en la cuenca del Río Sajama (punto de control en el Puente Río Sajama) y mapa para
orientar el uso y aprovechamiento de los recursos hídricos. La Paz: Agua Sustentable.
Soria, F., & Kazama, S. (2011). [Análisis de incertidumbre del balance hídrico aguas abajo de la Cordillera Real en Bolivia] . Tohoku Shibu
(pág. En CD). Sendai: Japan Society of Civil Engineering. (En inglés).
Soria, F., & Kazama, S. (2010). [Evaluación de los efectos de un evento El Niño en el derretimiento de glaciares]. Annual Journal of
Hydraulic Engineering , JSCE 54. (En inglés).
Soria, F., & Kazama, S. (2009). [Evaluación de los efectos del cambio climático en las áreas de glaciares y áreas cubiertas de vegetación
das utilizando imágenes satelitales]. Actas del 7º Congreso de Hidroinformática. Concepción: . (En inglés).
Soria, F., & Kazama, S. (2011). [Investigación de la incertidumbre de predicciones de derretimiento de glaciares]. Publicaciones del IAHS ,
346. (En inglés).
Soria, F., Kazama, S., & Sawamoto, M. (2008). [Análisis de sensibilidad para evaluar los efectos del cambio de uso de suelo en los
caudales de una cuenca]. En M. B. Taniguchi, From Headwater to the Ocean, Hydrological changes and watershed management (págs. 203-
208). Londres: CRC Press/Balkema. (En inglés).
Soria, F., Kazama, S., & Sawamoto, M. (2008). [Distribución espacial de índices de sensibilidad y su contribución a la predicción en
cuencas no aforadas]. Proceedings of the JSCE Tohoku conference. Sendai: JSCE Tohoku Branch. (En inglés).
Soruco, A., Vincent, C., Francou, B., Ribstein, P., Berger, T., Sicart, J., y otros. (2009). [Balance de masa del glaciar Zongo, Bolivia, entre
1956 y 2006, utilizando métodos glaciológicos, hidrológicos y geodésicos]. Annals of Glaciology , 50, 1–8. (En inglés).
Tallaksen, L., & van Lanen, H. (2005). [Sequía hidrológica. Procesos y métodos de estimación en flujos de ríos y flujo subterráneo].
Amsterdam: Elsevier. (En inglés).
Tang, Y., Reed, P., van Werkhoven, K., & Wagener, T. (2007). [Avanzando en la identificación y evaluación de modelos precipitación-
escurrimiento distribuidos utilizando análisis de sensibilidad global]. Water Resources Research , 43, W06415. (En inglés).
Todini, E. (2007). [Modelación hidrológica de cuencas: Pasado, presente and future]. Hydrology and Earth Science Systems , 11 (1), 468-
482. (En inglés).
Toebes, C. (1961). [El balance hídrico]. Hydrology Symposium Annual Conference of the Meteorological Service (págs. 5-9). Wellington:
Meteorological Service. (En inglés).
Torrico, M. (2011). Determinación de balances hídricos en microcuencas y subcuencas. Escaleras (Municipio de Villa Serrano) y San Jorge
(Municipio de Mojocoya). Cochabamba: ASDI, GIZ- PROAGRO.
Trezanos Pinto, M. (2003). Proyecto de riego y diseño de la presa de Uchumbaya. La Paz: Universidad Mayor de San Andrés.
Trezza, R. (2006). Evapotranspiración de un modelo de percepción remota para la gestión del agua en un sistema con irrigación en
Venezuela. Interciencia , 31(6), 417-423.
Trzaska, S., & Schnarr, E. (2014). [Una revisión de métodos de desagregación para proyecciones de cambio climático]. Burlington: USAID.
(En inglés).
Tudela, O. (1999). Evaluación del impacto sobre el escurrimiento en el río La Paz ante un posible cambio climático. La Paz: Universidad
UE. (2015). [Documento guía en la aplicación de los balances hídricos en apoyo a la implementación del Marco Directivo del Agua].
98
Luxemburgo: Unión Europea (UE). (En inglés).
UNESCO. (1994). Balance hídrico de la República Argentina. Buenos Aires: UNESCO.
UNESCO. (1992). Balance hídrico superficial de la República de Guatemala. Guatemala C.A.: UNESCO-ROSTLAC, INSIVUMEH.
UNESCO. (2006). Balance hídrico superficial del Perú a nivel multianual. Montevideo: Documentos técnicos del PHI-LAC No.1.
UNESCO. (1982). Guía metodológica para la elaboración del balance hídrico de América del Sur. Grupo de Trabajo Regional para la
elaboración de la Metodología para un eventual Balance Hídrico de América del Sur. Montevideo: ROSTLAC - Organización de las Naciones
Unidas para la Educación, la Ciencia y la Cultura (UNESCO).
USGS. (1998). [Manual del usuario de la información científica de Landsat 7]. Sioux Falls: Servicio Geológico de los Estados Unidos (USGS).
(En inglés).
USGS. (2015). [Manual del usuario de la información científica de Landsat 8]. Sioux Falls: Servicio Geológico de los Estados Unidos (USGS).
(En inglés).
Vauchel, P., Malbrunot, A., & Aguilar, I. (2006). Análisis, crítica y tratamiento de los datos hidrométricos de la cuenca alta del río Pilcomayo
disponibles aguas arriba de Misión La Paz (Argentina). La Paz: Proyecto Pilcomayo - SENAMHI – IRD – IHH –– PV, AM, IAR.
VRHR. (2012). Inventario Nacional de Sistemas de Riego. La Paz: Ministerio de Medio Ambiente y Agua - Viceministerio de Recursos
Hídricos y Riego (VRHR).
VSB. (2007). Norma Boliviana NB 688. Diseño de Sistemas de Alcantarillado Sanitario y Pluvial. La Paz: Viceministerio de Servicios Básicos
(VSB).
Vuille, M., Bradley, R., Werner, M., & Keimig, F. (2003). [Cambio climático en el siglo 20 en los Andes tropicales: observaciones y
resultados de modelación]. Climate Change , 59, 75-99.
Wagener, T., Wheater, H., & Gupta, H. (2004). [Modelación precipitación-escurrimiento en cuencas aforadas y no aforadas]. Londres:
Imperial College Press. (En inglés).
Wagnon, P., Ribstein, P., Kaser, G., & Berton, P. (1999). [Balance de energía y estacionalidad de la escorrentía de un glaciar boliviano].
Global and Planet Change , 22, 49-58. (En inglés).
Webster, R., & Oliver, M. (2007). [Geoestadística para científicos ambientales]. The Atrium: John Wiley & Sons. (En inglés).
Willet, J., Gutierrez, Z., Olmos, C., Iriarte, J., & Velasco, R. (2015). Elaboración del plan director de la cuenca del río Mizque. La Paz:
Programa Piloto de Resiliencia Climática Bolivia Fase 2 - Ministerio de Medio Ambiente y Agua.
Wood, E., Lettenmaier, D., & Zatarin, V. (1992). [Una parameterización de modelación hidrológica tierra-superficie con variabilidad sub-
celda para modelos de circulación global]. Journal of Geophysical Research , 97 (D3), 2717-2728. (En inglés).
Xu, C., & Singh, V. (1998). [Una revisión de modelos de balance hídrico mensual para la investigación de los recursos hídricos]. Water
Resources Management , 12, 31-50. (En inglés).
Yalcinkaya, S. (2011). [Modelación hidrológica de la cuenca del río Pecos aguas abajo del reservorio Red Bluff]. Austin: Center for Research in
Water Resources. (En inglés).
Yapo, P., Gupta, H., & Sorooshian, S. (1996). [Calibración automática de modelos conceptales precipitación-escurrimiento]. Journal of
Hydrology , 181, 23-48. (En inglés).
Yates, D., Purkey, D., Sieber, J., Huber-Lee, A., & Galbraith, H. (2005). [WEAP21 – Un modelo para la planificación del agua, regido por la
demanda, las prioridades y las preferencias - Parte II: apoyando la evaluación de los servicios en ecosistemas de agua dulce]. Water
International , 30 (4), 501-512. (En inglés).
Yates, D., Sieber, J., Purkey, D., & Huber-Lee, A. (2005). [WEAP21 – Un modelo para la planificación del agua, regido por la demanda, las
prioridades y las preferencias - Parte I: Características del modelo]. Water International , 30 (4), 487–500. (En inglés).
Yates, S. (1994). [Watbal: Un modelo de balance hídrico para el asesoramiento de impactos climáticos en la escorrentía de ríos]. Laxenburg:
WP-94-64, International Institute for Applied Systems Analysis. (En inglés).
99
Yevjevich, V. (1972). [Análisis estructural de series de tiempo hidrológicas]. Fort Collins: Colorado State University.
Yue, S., Pilon, P., Phinney, B., & Cavadias, G. (2002). [La influencia de la autocorrelación en la habilidad para detectar tendencias en series
hidrológicas]. Hydrological Processes , 16 (1807-1827). (En inglés).
Zhang, L., Walker, G., & Dawes, W. (2002). [Modelación del balance hídrico: Conceptos y aplicaciones]. En T. McVicar, L. Rui, J. Walker, R.
Fitzpatrick, & L. Changming, Regional water and soil assessment for managing sustainable agriculture in China and Australia. Canberra:
ACIAR Monograph No. 84 [online]. (En inglés).
100
View publication stats

Guia de Elaboracion de Balance Hidiroco en Bolivia

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

Guia de Elaboracion de Balance Hidiroco en Bolivia

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Guía metodológia para la elaboración de balances hídricos superﬁciales

Book · August 2016

Catie - Modelos hidrológicos View project

Maestría en Ingeniería de Riego View project

The user has requested enhancement of the downloaded file.

Ministerio de Medio Ambiente y Agua

VICEMINISTERIO DE RECURSOS HÍDRICOS Y RIEGO

LA PAZ, ESTADO PLURINACIONAL DE BOLIVIA

Ministerio de Medio Ambiente y Agua

La Paz, Estado Plurinacional de Bolivia

CARLOS RENÉ ORTUÑO YÁÑEZ

PUBLICACIÓN A SER CITADA COMO:

MINISTERIO DE MEDIO AMBIENTE Y AGUA

VICEMINISTERIO RE RECURSOS HÍDRICOS Y RIEGO

IV. El cálculo del balance hídrico. Etapas preliminares .................................................................................................... 16

Remoción de la influencia de la correlación serial......................................................................................................................... 36

Estrategia de ajuste y criterio de finalización ................................................................................................................................ 70

Anexo 2. Formato sugerido para la presentación del resumen de resultados.

GUÍA METODOLÓGICA PARA LA

1.1 Objetivo de la guía

1.1.1. Ámbito geográfico e hidroclimático de aplicación de la guía

1.2 Estructura del documento

II. Componentes clave del balance hídrico superficial

2.1 La importancia del balance hídrico

2.2 Conceptos principales: la ecuación general del balance hídrico

En el mismo esquema, las salidas son:

2.2.1. El ciclo hidrológico

P = (Qs + Qss + Qsubt ) + ( ET + E ) ± ∆S Ec. 2

2.2.2. Añadiendo elementos a la ecuación general de balance hídrico

de la siguiente manera (UE, 2015):

2.2.3. Potenciales impactos de cambios locales y globales

III. Experiencias en Bolivia y países de la región

3.1 Experiencias en Bolivia

3.2 El balance hídrico, desde la perspectiva del modelaje matemático

3.3 Otros estudios relevantes

3.4 Algunas experiencias en Latinoamérica y el mundo

referenciales para instituciones relacionadas a la temática en el continente. Uno de ellos es el Sistema

IV. El cálculo del balance hídrico. Etapas preliminares

4.1 Selección de escalas y periodos de estudio

4.1.1. Escala temporal.

4.1.2. Escala espacial.

Elección de la escala espacial

4.1.3. Periodo histórico de cálculo del balance

Perspectiva moderna: variabilidad y tendencia climática

4.2 Recopilación de información hidrometeorológica

4.2.1. Monitoreo por estaciones en tierra

Tabla 1. Síntesis de la disponibilidad de información en las estaciones del SENAMHI.

Beni 13; 16 (1; 4) (4; 1) (9; 3) (2; 2) (7; 2) --- (1; 4)

Cochabamba 52; 12 (7; 0) (11; 5) (20; 2) (10; 3) (2; 0) (2; 0) (0; 2)

La Paz 134; 19 (11; 2) (22; 2) (41; 8) (29; 1) (2; 0) (18; 3) (11; 3)

Oruro 44; 9 (3; 0) (13; 4) (19; 4) (3; 0) (1; 0) (4; 0) (1; 1)

Pando 5; 7 (2; 1) --- (1; 0) (1; 0) (4; 0) (1; 1) (0; 1)

Potosí 77; 7 (9; 0) (21; 2) (23; 3) (18; 0) --- (6; 1) (0; 1)

Tarija 60; 12 (2; 4) (4; 0) (26; 2) (26; 2) (1; 0) (1; 3) (0; 1)

Total 495; 139

Síntesis de la información del SENAMHI

4.2.2. Monitoreo en cuencas con cobertura parcial de glaciares

4.2.3. Cuencas con presencia de lagos, lagunas, reservorios artificiales

4.2.4. Información complementaria: productos de teledetección y otros

4.2.5. Posible comportamiento futuro del clima

4.3 Recopilación de información temática

4.3.1. Información cartográfica