Hidroesta

Aranibar Pilares, Gerson

Arteaga Escobar, Victor Joseph
Ballon Guzman, Robinson
Gómez Pérez, Cesar Augusto
 INTRODUCCION

hidrología, tales como el cálculo de parámetros estadísticos para datos agrupados y no

agrupados, con los momentos tradicionales y con momentos lineales, y cálculos de
regresión lineal, no lineal, simple y múltiple, así como regresión polinomial.
Hidroesta también permite evaluar si una serie de datos se ajusta a una serie de
distribuciones:  normal, log-normal de 2 y 3 parámetros, gamma de 2 y 3 parámetros, log-
Pearson tipo III, y Gumbel y log-Gumbel, tanto con momentos ordinarios como con
momentos lineales.  Si la serie de datos se ajusta a una distribución, permite calcular, por
ejemplo, caudales o precipitaciones de diseño, con un período de retorno dado o con una
determinada probabilidad de ocurrencia.
Otros cálculos que se pueden hacer con Hidroesta son los de aforos realizados con
molinetes o correntómetros; el de caudales máximos con métodos empíricos (racional y
Mac Math) y estadísticos (Gumbel y Nash), y cálculos de la evapotranspiración con los
métodos de Thorthwaite, Blaney-
Criddle, Penman, Hargreaves y cálculo
del balance hídrico.
 HIDROESTA
1. DESCRIPCIÓN DE HIDROESTA

El software permite el cálculo de los parámetros estadísticos, cálculos de regresión lineal, no lineal,
simple y múltiple, así como regresión polinomial, evaluar si una serie de datos se ajustan a una serie
de distribuciones, calcular a partir de la curva de variación estacional o la curva de duración,
eventos de diseño con determinada probabilidad de ocurrencia, realizar el análisis de una tormenta y
calcular intensidades máximas, a partir de datos de pluviogramas, los cálculos de aforos realizados
con correntómetros o molinetes, el cálculo de caudales máximos, con métodos empíricos y
estadísticos, cálculos de la evapotranspiración y cálculo del balance hídrico.

En la investigación se probaron diferentes métodos numéricos para la solución de las ecuaciones,

seleccionándose el más adecuado para cada situación.

El producto del trabajo proporciona al ingeniero civil, agrícola, agrónomo, hidrólogos y otros
especialistas que trabajen en este campo, una herramienta que permite realizar cálculos,
simulaciones rápidas, y determinar los caudales o precipitaciones de diseño.

El software Hidroesta está dividido en 09 menús los cuales 08 de ellos son de cálculos en hidrología
y 01 que contiene la ayuda:

 Parámetros estadísticos
 Regresión
 Distribuciones
 Curvas características
 Precipitación
 Aforo
 Caudales Máximos
 Evapotranspiración
 Ayuda
2. MARCO TEORICO:

2.1. Población y Muestra:

Si un conjunto de datos consta de todas las observaciones concebibles (o hipotéticamente posibles)

de cierto fenómeno, se denomina población; si un conjunto de datos consta solamente de una parte
de estas observaciones se conoce como muestra por lo que una muestra debe ser un subconjunto de
la población.

Por ejemplo: Un periódico local imprime un artículo político para todos sus lectores. El periódico
desea considerar las actitudes de 200 lectores hacia el artículo y conocer sus puntos de vista.

De acuerdo a lo planteado en el ejemplo el total de los lectores representaría la población a la que le

llega el artículo y los 200 lectores seleccionados representarían la muestra para conocer su punto de
vista.

Se utilizará la palabra "muestra" solo con relación a datos que se puedan utilizar en forma razonable
para hacer generalizaciones acerca de la población de la cual provinieron. En este sentido más
técnico, no son aceptables muchos conjuntos de datos que por lo común se denominan muestras.

Como el término estadística(o) se introdujo con relación a los datos de muestra, se agregará que
también existe un nombre para las descripciones estadísticas de poblaciones llamadas parámetros.
Como se observará, la distinción entre estadística y parámetros servirá para simplificar nuestro
lenguaje. En realidad, hasta se usarán símbolos diferentes de medidas estadísticas, según se utilicen
para describir muestras o poblaciones. Para poblaciones se utilizarán letras griegas y para muestras,
latinas.

2.2. Menú Parámetros estadísticos:

2.2.1. Variables e Distribuciones:

a) Variables aleatorias: Una variable aleatoria (1) es una función X, definida sobre un espacio
muestral S, que asigna un valor a esta variable, correspondiente a cada punto (o cada resultado) del
espacio muestral de un experimento. A una variable aleatoria se le conoce también como variable
estocástica, sus valores son números reales, que no pueden predecirse con certeza antes de ocurrir el
fenómeno; es decir, ocurren al azar.

b) Variable aleatoria discreta: Se dice que una variable aleatoria X es discreta cuando sus valores
se restringen a un conjunto enumerable finito o infinito.

Ejemplo: Número de días de lluvias ocurridas en los meses de un año cualquiera.

c) Variable aleatoria continua: Se dice que una variable aleatoria X es continua, cuando sus
valores se encuentran en un rango continuo y puede ser representado por cualquier número entero o
decimal.

Ejemplo: El caudal diario registrado en una estación de aforo.

d) Distribuciones: El comportamiento de una variable aleatoria se describe mediante su ley de
probabilidades, que, a su vez, se puede caracterizar de varias maneras. La más común es mediante
la distribución de probabilidades de la variable aleatoria.

Notación:

X ⇒ variable aleatoria de la función

x ⇒ valor particular que toma la variable aleatoria

f(x) ⇒ función de densidad de probabilidad (función de probabilidad, distribución de probabilidad

de x)

F(x) ⇒ función acumulada (función de distribución acumulada)

2.2.2. Medidas de las distribuciones:

a) Media Aritmética: La media aritmética es el valor obtenido al sumar todos los datos y dividir el
resultado entre el número total de datos.

 Media muestral o poblacional datos no agrupados:

n
¿
1
X =μ= ∑ X i
n i=1
 Media muestral o poblacional datos agrupados:
n
¿
1
X =μ= ∑X f
n i=1 i i

b) Mediana: En el ámbito de la estadística, una mediana es el valor de la variable que deja el

mismo número de datos antes y después que él, una vez ordenados estos. De acuerdo con esta
definición el conjunto de datos menores o iguales que la mediana representarán el 50% de los datos,
y los que sean mayores que la mediana representarán el otro 50% del total de datos de la muestra

c) Moda: En Estadística, la moda es el valor con una mayor frecuencia en una distribución de datos

2.2.3. Medidas de Dispersión:

a) Rango: La medida de dispersión más simple recibe el nombre de Amplitud, recorrido o Rango y
es muy poco usada puesto que su única ventaja es la sencillez con que se calcula. Es común que se
use también el nombre de Rango para esta medida. La amplitud (A) de un conjunto de datos es la
diferencia entre las observaciones que tienen el mayor y el menor valor numérico en el mismo.

R = Xmáx - Xmín

Por ejemplo: Supóngase que en un hospital el pulso de cada paciente se mide tres veces al día y que
cierto día los registros de dos pacientes muestran:

Paciente 1: 73 77 74
Paciente 2: 64 90 73

b) Varianza: forma para asegurar que las diferencias entre la media y los puntos de un valor
positivo, es elevándola al cuadrado. Al promedio de estas distancias al cuadrado se le conoce como
varianza

 Varianza poblacional datos no agrupados:

 Varianza muestral datos no agrupados:

 Varianza poblacional datos agrupados:

 Varianza muestral datos agrupados:

c) Desviación Estándar: La desviación estándar o desviación típica (σ) es una medida de

centralización o dispersión para variables de razón (ratio o cociente) y de intervalo, de gran utilidad
en la estadística descriptiva. Se define como la raíz cuadrada de la varianza. Junto con este valor, la
desviación típica es una medida (cuadrática) que informa de la media de distancias que tienen los
datos respecto de su media aritmética, expresada en las mismas unidades que la variable.

 Desviación estándar poblacional datos no agrupados:

 Desviación estándar muestral datos no agrupados:

 Desviación estándar poblacional datos agrupados:

 Desviación estándar muestral datos agrupados:

d) Coeficiente de variación: Es una medida relativa de dispersión, que relaciona la desviación
estándar y la media:

2.2.4. Medidas de Simetría y Asimetría:

a) Sesgo: En estadística y epidemiología (y, en general, en la investigación científica de cualquier

disciplina), un sesgo es un error que aparece en los resultados de un estudio debido a factores que
dependen de la recolección, del análisis, de la interpretación, de la publicación o de la revisión de
los datos que puede conducir a conclusiones que son sistemáticamente diferentes de la verdad o
incorrectas acerca de los objetivos de una investigación

 Sesgo poblacional datos no agrupados:

 Sesgo muestral datos no agrupados:

 Sesgo poblacional datos agrupados:

 Sesgo muestral datos agrupados:

`
2.2.4. Medidas de Achatamiento:

a) Curtosis: En teoría de la probabilidad y estadística, la curtosis es una medida de la forma o

apuntamiento de las distribuciones. Así las medidas de curtosis (también llamadas de apuntamiento
o de concentración central) tratan de estudiar la mayor o menor concentración de frecuencias
alrededor de la media y en la zona central de la distribución.

 Curtosis poblacional datos no agrupados:

 Curtosis muestral datos no agrupados:

 Curtosis poblacional datos agrupados:

 Curtosis muestral datos agrupados:

2.2.5. Momentos Lineales:

Constituyen una metodología moderna que permite estimar los parámetros estadísticos de una
población o de una muestra. Son otra manera de expresar las propiedades estadísticas de datos
hidrológicos, son similares a los momentos ordinarios pues proporcionan las medidas de
localización, dispersión, asimetría, curtosis, pero se calculan de las combinaciones lineales de los
datos (de aquí el nombre de momento lineal). Los parámetros estadísticos estimados con esta
metodología, son menos sensibles a los valores extremos, por lo que permite determinar la
distribución teórica de probabilidad que mejor ajusta a los datos analizados.

Por el método de momentos lineales la dispersión no se calcula con respecto a un valor central, sino
que se calculan las diferencias de todos los datos entre sí, considerando todas las posibles
combinaciones. Además, las diferencias nunca se elevan a ninguna potencia, se mantienen lineales,
por lo cual los parámetros estimados por este método son menos sensibles a los valores extremos.

a) Método Tradicional:

 Promedio
n
¿
1
X =μ= ∑ X i
n i=1
 Varianza
n
1
σ 2= ∑ ( X −μ )2
n i =1 i
 Desviación estándar
2
σ =σ
 Coeficiente de Variación, CV
σ
CV =
μ
 Coeficiente de Asimetría o Sesgo CS
 n
1
∑ ( X i−μ )3
n i =1
CS=
σ3

b) Estimado Directo de los momentos lineales

 Coeficiente de Curtosis
n
1
∑ ( X i−μ )4
n i=1
CK =
σ4

2.2.6. Distribución de Frecuencia:

Distribución de frecuencias es como se denomina en estadística a la agrupación de datos en

categorías mutuamente excluyentes que indican el número de observaciones en cada categoría. Esto
significa una de las cosas más importantes de la matemática, su estadística con la agrupación de
datos. La distribución de frecuencias presenta las observaciones clasificadas de modo que se pueda
ver el número existente en cada clase.

Hay que tener en cuenta:

x1= x minx2x3x4x5x max
 Clase
 Intervalos de Clase
 Marcas de Clase
Intervalo de clase Marcas de Clase Límites de Clase
 Limites de Clase

El código que usa Hidroesta es:

2.2.7. Uso en Hidroesta

2.3. Menú Regresión:

2.3.1 Regresión lineal simple

En hidrología el modelo más simple y común, está basado en la suposición de que dos variables se
relacionan en forma lineal.

 Como ejemplo se puede mencionar:

 Caudales y precipitaciones de una misma cuenta
 Precipitación de una estación, con precipitación de otra estación
 Caudal e una estación con caudal de otra estación
 Precipitación con la altitud de una cuenca

Este hecho, permite correlacionar esas variables para completar datos o extender un registro.

a) Ecuación de regresión.
La ecuación general de la ecuación de regresión lineal es:
y =a+bx
x= a+bx

Donde:
 x= variable independiente, variable conocida.
y= variable dependiente, variable que se trata de predecir.
a= intercepto, punto donde la línea de regresión cruza el eje y, es decir valor de y
cuando x=0
b= pendiente de la línea o coeficiente de regresión, es decir, es la cantidad de cambio
de y asociada a un cambio unitario de x.

B) Estimación de parámetros
Dada la ecuación de regresión lineal:
y =a+bx

Donde a y b son los parámetros de la ecuación.

El método más utilizado para la estimación de los parámetros a y b, es el de mínimos cuadrados.

c) Procedimiento;

1.- Cálculo del error ei entre el valor observado yi y el teórico yi:

ei =yi- yi
ei = Yi - (a+bxi)= yi –a - bxi

2.- Cálculo de la suma de cuadrados de los errores:

n n
s=∑ e 2=∑ ( yi−a−bx)
i−1 i=1

3.- Hacer que la suma de cuadrados de los errores sea mínimo:

Para que S sea mínimo, se requiere que la derivada parcial de S de la ecuación (2.55), con respecto
a cada parámetro sea igual a cero.
El resultado a obtener será:
Y= a + bx
X= variable independiente, variable conocida.
Y= variable dependiente.
a =intercepto, punto donde la línea de regresión cruza el eje y, es decir  valor de y cuando x = 0
b = pendiente de la línea o coeficiente de regresión, es decir, es la cantidad de cambio de y asociada
a un cambio unitario de x.

Los valores de los parámetros a y b, se calculan utilizando el método de mínimos cuadrados.

2.3.2 Regresión no lineal simple
Existen varias relaciones no lineales, que con un artificio adecuado pueden reducirse a relaciones
lineales, dentro de las cuales se pueden mencionar:

y = 1/a+bx
y = a+b 1/x (inversa)
y = abx (exponencial)
y = axb (potencial)
y = ax + bx2

Para el uso de estas ecuaciones, en todos los casos, el proceso es como sigue:
1. Realizar la transformación de variables a fin de obtener una regresión lineal.
2. En la ecuación lineal obtenida, aplicar el método de mínimos cuadrados para estimar los
nuevos parámetros a1 y b1
3. Restituir los cambios de variables, a fin de obtener los parámetros iníciales de a y b.
4. Utilizar la ecuación siempre y cuando exista correlación adecuada entre variables.
A continuación, se indican el proceso de liberalización.

1) Ecuación: y = 1/a+bx

Invirtiendo los miembros se tiene:

1/y = a + bx
Haciendo: 1/y=W, se tiene la ecuación linealizada:

W = a + cbx

Para aplicar el método de mínimos cuadrados y estimar a y b se trabajan con las variables:

x y w = l/y

2) Ecuación: y = a +b 1/x

Haciendo 1/x = w, se tiene:

Y = a + bw

Par aplicar el método de mínimos cuadrados y estimar a y b, se trabajan con las variables:

W= 1/x e y

x w = l/y y

3) Ecuación: y = abx

Haciendo:
In y = w
In a = a1
In b = b1

Se tiene:

W = a1 + b1x

Para aplicar el método de mínimos cuadrados y estimar a1 y b1, se trabajan con las variables;

X y w = 1n y

x y W = lny

Se tiene:
a1
a=e

b1
a=e
Por lo tanto, para estos valores toma la forma:
a1 b1
y = e . (e )x

a1 b1
 y = e . (e )x

4) Ecuación; y = axb

Se tiene:
In y = In a + b lnx

Hacienda:
Iny = w
Ina = a1
Inx = z

Resulta:
W=a 1+ bz

Para aplicar el método de mínimos cuadrados y estimar a 1 , y b, se trabajan con las variables :

z = lnx y w = lwy.

x y Z = ln x w = lny

Se tiene:
a1
a=e

Por lo tanto, toma la forma:

a1 b
y =e .x

5) Ecuación: y = z x + bx2

Dividiendo ambos miembros de la ecuación (2.67) entre x, resulta:

y/x = a+bx

Haciendo y/x = w se tiene:

w = a+bx

Para aplicar el método de mínimos cuadrados y estimar a y b, se trabajan con las variables xy
w=y/x
x y W = y/x
2.3.3Ecuación de regresión lineal múltiple
Esta técnica de análisis, se utiliza cuando la variable dependiente y, es función de dos o más
variables independientes x1, x2, x3, …….xxm , siendo el modelo lineal:

Y = a0+ a1x1+ a2x2+ a3x3+…. + am xm

Donde:
n = número de variables independientes
a0 a2. a2……., am = parámetros a estimar
p = m +1 = numero de parámetros

a) Estimación de parámetros
Extendiendo el método de mínimos cuadrados, para el caso de una regresión lineal múltiple, las
ecuaciones normales que se obtienen son:

∑ y = a0n+a1∑ a1x1+ a2 ………………… ∑ amxm+ am

∑ xmy = a0∑ xm+ xm+ a2 ∑ x2xm+ a3∑ x3xm++…… + am ∑ x2m

Donde : n = número de grupos de elementos de la muestra.

La solución del sistema proporcionan los valores a 0, a1, a2…… an

El número de ecuaciones normales, deben ser tantas como incógnitas se tienen, a fin de que se tenga
un sistema resoluble y así encontrar a0, a1, a2…… am.
El conjunto de ecuaciones normales (2.77) son fáciles de recordar, observar que la primera se
obtiene aplicando la sumatoria a ambos miembros de la ecuación (2.76), es decir:

∑ y = a0 n+ a1 ∑ x1+ a2 ∑ x2+a3. ∑ x3+….+am. ∑ xm.

La segunda se obtiene muliplicando ambos miembros de la ecuación (2.76) por x 1 ly luego

aplicando la sumatoria, es decir:

∑ x1+ y = ∑ x1( a0 + a1x1+ a2x2 + a3x3 +……….+ + amxm )

Análogamente, la tercera se obtiene multiplicando ambos miembros de la ecuación (2.76) por x 2 , y

luego aplicando la sumatoria, es decir:

∑ x2 y = ∑ x2( a0 + a1x1+ a2x2 + a3x3 +……….+ + amxm )

∑ x2 y = a0 ∑ x2+ a1 ∑ x1+x2. + a2. ∑ x22.+ a3 +……………. + am. ∑ x2 xm

Las ecuaciones resultantes se obtienen en el mismo proceso, pero multiplicando por x 3, x4,………, xm,
respectivamente.
Cabe aclarar, que lo indicado en las líneas precedentes, no es una deducción de las ecuaciones
normales, sino sólo una forma de recordarlas.

b) Error estándar del estimado para regresión múltiple (Se)

En la medida de dispersión que se calcula con la siguiente ecuación:

❑
Se= √∑❑
( y− y )= √ ∑ e
n− p n− p

Donde
Se = error estándar del estimado
Y = valores muestrales (experimentales) de la variable dependiente
Y= a0+ a1 x1+ a2 x3+….+am. xm.
Valores estimados de la variable dependiente con la ecuación de regresión
e = y –y = error entre el valor observado y estimado de la variable dependiente.
n = número de grupos de la muetra
p = m+1 = número de parámetros a estimar a partir de la muestra.
n-p = grados de libertad

Los estadísticos han derivado una fórmula más corta de calcular por el método computacional,

c) Coeficiente de determinación múltiple

Representa la proporción de la variación total de y que es explicada por las variables
involucradas en la ecuación de regresión múltiple,

( a0 ∑y+ a1∑ x1y+ a2∑x2 y+ a3∑x3 y+……….+ + am∑xmy- ny2 )

2
R = ---------------------------------------------------------------------
 ∑ y2 – ny-2 )

d) Coeficiente de correlación múltiple

e) Ecuación de regresión no lineal múltiple

La forma general de una ecuación de regresión no lineal múltiple es: 

La misma que es posible transformar con un adecuado artificio, en una ecuación de regresión lineal
múltiple, de la siguiente forma:

1. Tomando ln a ambos miembros de la ecuación, se tiene:

2. Haciendo:

ln y = z
lnao = ao
lnx1 = w1
lnx2= w2
lnx3 = w3
se tiene

La ecuación obtenida es una ecuación  de regresión lineal múltiple.

f) Ecuación de regresión Polimnia

La ecuación polinomial de grado m es:

Para el ajuste de los pares de valores, se puede utilizar la metodología  descrita para el caso de una
ecuación de regresión lineal múltiple, siendo las ecuaciones normales:
2.3.4 Distribuciones teóricas

El hidrólogo generalmente tendrá disponible un registro de datos hidrometeorológico (precipitación,

caudales, evapotranspiración, temperaturas, etc.), a través de su conocimiento del problema físico,
escogerá un modelo probabilístico a usar, que represente en forma satisfactoria el comportamiento
de la variable.

Para utilizar estos  modelos probabilísticos, se deben calcular sus parámetros y realizar la prueba de
bondad de ajuste.

Si el ajuste es bueno, se puede utilizar la distribución elegida, una vez encontrada la ley de
distribución que rige a las variables  aleatorias, además, se podrá predecir con determinada
probabilidad, la ocurrencia de una determinada magnitud, de un fenómeno hidrometeorológico.
También se podrá determinar la magnitud de un fenómeno para un determinado periodo de retorno.

Las distribuciones teóricas comúnmente utilizadas en Hidrología, son entre otras:

 Distribución normal
 Distribución log-normal de 2 parámetros
 Distribución log-normal de 3 parámetros
 Distribución gamma de 2 parámetros
 Distribución gamma de 3  parámetros
 Distribución log-Pearson tipo III
 Distribución Gumbel
 Distribución log-Gumbel

2.3.5 Periodo de retorno (T)

Se define el período de retorno T, como el intervalo promedio de tiempo en años, dentro del cual un
evento de magnitud x puede ser igualado o excedido, por lo menos una vez en promedio. Así, si un
evento igual o mayor a x, ocurre una vez en T años, su probabilidad de ocurrencia P, es igual 1 en T
casos, es decir:
Donde:
P(X ≥ x ) = probabilidad de ocurrencia de un evento  ≥ x
T = período de retorno

La definición anterior, permite indicar que la probabilidad de que x no ocurra en cualquier año; es
decir, la probabilidad de ocurrencia de un evento < x, se expresa como:

P(X < x) = 1 - P(X  x)

De donde:

Donde:
T = período de retorno
P(X  x) = probabilidad de excedencia
P(X < x) = probabilidad de no excedencia

Período de retorno de diseño recomendado, para estructuras menores

Tipo de estructura Periodo de Retorno (años)

Puente sobre carretera importante 50 – 100
Puente sobre carretera menos importante o 25
alcantarillas sobre carretera importante
Alcantarillas sobre camino secundario 5 – 10
Drenaje lateral de los pavimentos, donde 1–2
puede tolerarse encharcamiento con lluvia
de corta duración
Drenaje de aeropuertos 5
Drenaje urbano 2 - 10
Drenaje Agrícola 5 – 10
Muros de encauzamiento 2 – 50 *

Puede aumentar si estas obras protegen poblados de importancia.

2.4. Menú Distribuciones

2.4.1 Distribución normal o gaussiana

1.- función densidad

Se dice que una variable aleatoria X, tiene una distribución normal si su función densidad es:

Donde:

f(x)  = función densidad normal de la variable x

x  =  variable independiente
= parámetro de localización, igual a la media aritmética de x
S  =  parámetro de escala, igual a la desviación estándar de x

a) Cálculo de la función de distribución acumulada

La función de distribución acumulada de la distribución normal es:

Abramowitz y Stegun (1965), han dado varias aproximaciones para la F.D.A. de la variable
normal estandarizada Z.  Una aproximación polinomial con un error menor que 10-5 es:

F(Z) ≈ 1 - f(Z) (0.4361836 t - 0.1201676 t2 + 0.9372980 t3)

Donde:

F(Z) = es la función de distribución acumulada

f(Z) = es la función densidad de la variable estandarizada
t  = es definido para Z ≥0, como:

Si  Z < 0, la F.D.A. se calcula como:

 1 - F(Z)

b) Cálculo de la inversa de la normal estándar

Una aproximación para el cálculo de la inversa de la distribución normal estándar, válida para 10 -7 <
F(Z) <0.5, es:

Donde:

d) Estimación de parámetros

Para estimar los parámetros de la distribución teórica se pueden usar el método de momentos o el
método de la máxima verosimilitud:

Cabe mencionar que la distribución normal, es la única función de distribución, que produce los
mismos resultados de los parámetros, estimados por el método de momentos y máxima
verosimilitud, los parámetros obtenidos son los siguientes:

Donde:
X = es el estimado e la media, llamado también parámetro de posición.
S = es el estimado insesgado de la desviación estándar o parámetro de escala.

Los parámetros de la distribución normal, estimados por el método de momentos lineales son:

Donde:

λ 1 = primer momento lineal.

λ2 = segundo momento lineal.

e) Aplicaciones en hidrología

La distribución normal tiene gran utilidad en hidrología, siendo algunas de sus principales
aplicaciones:
  En el ajuste de distribuciones empíricas de variables hidrológicas de intervalos de tiempo
grandes, tales como variables medias anuales, mensuales, estacionales, etc. Que pueden se
caudales, precipitaciones entre otros.
 Análisis de los errores aleatorios de las observaciones o mediciones hidrológicas.
 Como referencia de comparar varias distribuciones teóricas de ajuste en una distribución
empírica.
 Para hacer procesos de inferencia estadística.
 Para generación de datos por el método de monte Carlo. Es inconveniente en la generación
de datos, es que se obtienen valores negativos, lo cual físicamente no es justificado.

f) Ajuste

El ajuste puede realizarse gráficamente utilizando papel probabilístico normal o analíticamente,

mediante los estadísticos Chi-Cuadrado O Smirnow-Kolmogorov.

24.2. Distribución Log-Normal:

Las distribuciones logarítmicas más conocidas en hidrológica son la log-normal, log- pearson tipo
III y lo-Gumbel. Por ejemplo si la variable aleatoria x, tiene una distribución log – normal, esto
significa que Y= ln X, tiene una distribución normal.

2.4.2.1 Distribución log-normal 2 parámetros.

Muchos procesos hidrológicos tiene sesgo positivo y no son normalmente distribuidos, Sin
embargo, en muchos casos para variable aleatorias estrictamente positivas:

x>0, su logaritmo Y= lnX.

Es descrita por una distribución normal. Esto es particularmente cierto, si la variable hidrológica
resulta de algunos procesos multiplicativos.

La variable aleatoria x, es positiva y el limite inferior xo no aparece, la variable aleatoria: Y=ln X,

es normalmente distribuida con media uY y varianza 2 y se usan estos parámetros para especificar
que la distribución es logarítmica, puesto que también puede usarse la media y la varianza de X.

a) Función densidad

Se dice que una variable aleatoria x, tiene una distribución log- normal de 2 parámetros, si sus
función densidad es:

Para 0 < x < 

Donde µy, y, son la media y desviación estándar de los logaritmos naturales de x, es decir de lnx,
y representan respectivamente, el parámetro de escala y el parámetro de forma de la distribución.

b) Función de la distribución acumulada

La función de distribución acumulada de la distribución log-normal de 2 parámetros es:

Si:

Se tiene la distribución normal estándar:

c) Estimación de parámetros método de momentos

Utilizando el método de los momentos las relaciones entre la media y la varianza de la variable x y
los parámetros uy y y.

Donde:

X =  media aritmética de x

Cv = coeficiente de variación

D) Estimación de parámetros método de máxima verosimilitud

Utilizando este método se obtienen:

E) Estimación de parámetros, método de momentos lineales

Utilizando el método de momentos lineales se obtienen:

Donde:

1, 2 = primer y segundo momento lineal calculados con los yi = lnxi

Nota: Muchos registros hidrometeoro lógicos, tienen como valores de sus variables un valor igual a
cero. Al utilizar la distribución log-normal, cuando se toma logaritmos a estos valores, el resultado
es -∞.
2.4.2.1 Distribución log-normal 3 parámetros

La distribución log-normal de 3 parámetros difiere de la distribución log-normal de 2 parámetros

por la introducción de un límite inferior x0 tal que:

Y=ln(x-x0) => y = N(uy, 2y)

a) Función densidad:

La función densidad de 3 parámetros es:

Para xo ≤ x < ∞

Donde:
xo :   parámetro de posición en el dominio x
µy:   parámetro de escala en el dominio x
y  :  parámetro de forma en el dominio x

b) Función de la distribución acumulada:

La función de distribución acumulada, se calcula haciendo la transformación, a una distribución

normal estándar, siendo su ecuación:

Donde:

µy, y , xo, son los parámetros de la distribución log-normal de 3 parámetros

Estimación de parámetros método de momentos

Utilizando el método de los momentos, las relaciones entre la media, la varianza y el coeficiente de
sesgo, de la variable x y los parámetros x0, uy y 2y que se obtienen son:

Cs = coeficiente de sesgo
c) Estimación de parámetros método de máxima verosimilitud

Los parámetros de la distribución log-normal de 3 parámetros, se calculan, mediante un proceso

iterativo como solución de las ecuaciones:
2.4.3 Distribución Gamma.

Otra distribución que juega un papel importante en la hidrológica es la distribución gamma. Su

aplicación esta común como el uso de la distribución normal.

2.3.7.1 Distribución gamma 2 parámetros.

a) Función densidad

Se dice que una variable aleatoria x, tiene una distribución gamma de 2 parametros si su función
densidad de probabilidad es:

Válido para:

0  ≤ x < ∞

0<ɣ<∞
0<ß<∞

Siendo:
ɣ =  parámetro de forma (+)
ß =  parámetro de escala (+)

r (ɣ) =  función gamma completa, definida como:

r (ɣ) =  puede ser calculado por expansión de series e integración numérica por:

b) Función acumulada

La función de distribución acumulada, de la función gamma de 2 parámetros es:

Si se coloca en términos de la variable reducida gamma:

La función acumulada, se expresa como:

La solución de la integral de la función gamma reducida, se puede obtener por el desarrollo de la

serie:

Función acumulada de variables aleatorias reducidas Gamma, G(y), en función de y y ‫ץ‬

G(y) ‫ץ‬
1 2 5 10 20
0.10 0.105 0.532 2.433 6.221 14.530
0
 0.20 0.223 0.824 3.090 7.289 16.170
0
0.30 0.357 1.097 3.634 8.133 17.440
0
0.40 0.511 1.376 4.148 8.904 18.570
0
0.50 0.693 1.678 4.671 9.669 19.670
0
0.60 0.916 2.022 5.237 10.476 20.810
0
0.70 1.204 2.439 5.890 11.387 22.080
0
0.80 1.609 2.994 6.721 12.519 23.630
0
0.90 2.303 3.890 7.994 14.206 25.900
0
0.95 2.996 4.744 9.154 15.705 27.880
0
0.99 4.605 6.638 11.605 18.783 31.850
0

D) Estimación de parámetros método de momentos

Utilizando el método de los momentos, las relaciones entre la media X, la varianza S2 y el

coeficiente de sesgo Cs, de la variable X y los parámetros By Y de la distribución gamma, se
obtiene con:

Donde:
E) Estimación de parámetros método de máxima verosimilitud

Greenwood y Durand (1960), presentan las siguientes relaciones aproximadas, de estimación de

parámetros por el método de máxima verosimilitud:

Para:   0 ≤ y  ≤ 0.5772

ɣ = (0.5000876 + 0.1648852y - 0.0544274y²) / y 

y para:      0.5772 < y  ≤ 17.0

Donde:

Siendo:

F) Estimación de parámetros método de momentos lineales

Los 2 parámetros de la distribución gamma, por el método de los momentos lineales se encuentras
con las siguientes ecuaciones:

Donde:

a1 = -0.308: a2 = -0.05812: a3 = 0.01765

b1 = 0.7213: b2 = -0.5947: b3 = -2.1817: b4 = 1.2113
1, 2 = primer y segundo momento lineal
2.4.3.2 Distribución gamma 3 parámetros.

a) Función densidad

Se dice que una variable aleatoria x, tiene una distribución gamma de 3 parámetros, si su función
densidad de probabilidad es:

Para:
xo ≤ x < ∞

-∞ < xo < ∞

0 < ß <∞

0<<∞

b) Función acumulada

La función de distribución acumulada de la distribución gamma de 3 parámetros es:

Donde:

xo = origen de la variable x, parámetro de posición

ß =  parámetro de escala (+)

 =  parámetro de forma (+)

La variable reducida es:

c) La función acumulada reducida es:

D) Estimación de parámetros método de momentos

Aplicando el método de momentos, se obtienen las siguientes relaciones:

Donde:

Cs = coeficiente de sesgo
E) Estimación de parámetros método de momentos lineales

Los 3 parámetros de la distribución gamma, por el método de los momentos lineales se encuentras
con las siguientes ecuaciones:

Si:

Entonces: t1 = 1 - t3

Si:

Entonces: t1= 3∏t3²

Donde:

a1 = 0.2906: a2 = 0.1882: a3 = 0.0442

b1 = 0.36067: b2 = -0.59567: b3 = 0.25361

b4 = -2.78861: b5 = 2.56096: b6 = -0.77045

1, 2 =segundo y tercer momento lineal

`
F) Aplicaciones en hidrología.

Su uso en hidrología esta casi difundido, como el uso de la distribución log-normal de 3 parámetros,
con la desventaja, que tiene mayor complicación al estimar sus parámetros y calcular los valores de
la función de distribución acumulada.

La practica ha demostrado que los resultados entre la distribución log- normal y la distribución
pearson tipo III, para el ajuste de series de precipitaciones anuales, módulos anuales, precipitaciones
mensuales, etc. no difieren.

2.5 Menú Curvas Características

2.6 Menú Precipitación

2.6.1 Cálculo de la precipitación media

En general, la altura de precipitación  que cae en un sitio dado, difiere de la que cae en los
alrededores, aunque sea en sitios cercanos.

Los pluviómetros registran la lluvia puntual, es decir, la que se produce en el punto en la que está
instalada el aparato. Para muchos problemas hidrológicos, se requiere conocer la altura de
precipitación media de una zona y El software viene implementado para calcular dicha altura por
medio de 3 métodos:

2.6.1.1 Promedio aritmético:

Consiste en obtener el promedio aritmético, de las alturas de precipitaciones registradas, de las
estaciones localizadas dentro de la zona:

Pmed = (1/n) ∑ Pi

Donde:
Pmed = precipitación media de la zona o cuenca
Pi = precipitación de la estación  i
n = número de estaciones dentro de la cuenca

Utilizando el software del Hidroesta:

Solo se deberá colocar las alturas de las precipitaciones en mm en la tabla de ingreso de datos. Una
vez terminado el ingreso de dichos datos se procederá a pulsar el botón de calcular y arrojara el
cálculo de la precipitación media.
2.6.1.2 Polígono de Thiessen

Para este método, es necesario conocer la localización de las estaciones en la zona bajo estudio, ya
que para su aplicación, se requiere delimitar la zona de influencia de cada estación, dentro del
conjunto de estaciones:

Pmed = (1/AT) ∑ Ai*Pi

Donde:
Pmed = precipitación media
AT = área total de la cuenca
Ai = área de influencia parcial del polígono de Thiessen   correspondiente  a la estación i
Pi = precipitación de la estación i
n  = número de estaciones tomadas en cuenta
a) El método consiste en:
1. Ubicar las estaciones, dentro y fuera de la cuenca.
2. Unir las estaciones formando triángulos, procurando en lo posible que estos sean
acutángulos (ángulos menores de 90°).
3. Trazar las mediatrices de los lados de los triángulos formando polígonos. (Por geometría
elemental, las mediatrices correspondientes a cada triángulo, convergen en un solo punto.
En un triángulo acutángulo, el centro de mediatrices, está ubicada dentro del triángulo,
mientras que en un obtusángulo, está ubicada fuera del triángulo).  
4. Definir el área de influencia de cada estación, cada estación quedará rodeada por las líneas
del polígono (en algunos casos, en parte por el parteaguas de la cuenca). El área encerrada
por los polígonos de Thiessen y el parteaguas será el área de influencia de la estación
correspondiente.
5. Calcular el área de cada estación.
6. Calcular la precipitación media, como el promedio pesado de las precipitaciones de cada
estación, usando como peso el área de influencia correspondiente, es decir:
b) Utilizando el software del Hidroesta:
Solo se deberá colocar las alturas de las precipitaciones que registra cada estación en mm y el área
de influenza de la misma; En la tabla de ingreso de datos. Una vez terminado el ingreso de dichos
datos se procederá a pulsar el botón de calcular y arrojara el cálculo de la precipitación media
2.6.1.3. Isoyetas:
Para este método, se necesita un plano de isoyetas de la precipitación registrada, en las diversas
estaciones de la zona en estudio. Las isoyetas son curvas que unen puntos de igual precipitación.
Este método es el más exacto, pero requiere de un cierto criterio para trazar el plano de isoyetas. Se
puede decir que si la precipitación es de tipo orográfico, las isoyetas tenderán a seguir una
configuración parecida a las curvas de nivel. Por supuesto, entre mayor sea el número de estaciones
dentro de la zona en estudio, mayor será la aproximación con lo cual se trace el plano de isoyetas.

Pmed = (1/AT) ∑ (Pi-1+ Pi)/2

Donde:
Pmed = precipitación media
AT = área total de la cuenca
Pi  = altura de precipitación de las isoyetas i
Ai  = área parcial comprendida entre las isoyetas  Pi-1  y  Pi
n = número de áreas parciales

a) El método consiste en:

1. Ubicar las estaciones dentro y fuera de la cuenca.

2. Trazar las isoyetas, interpolando las alturas de precipitación entre las diversas estaciones, de
modo similar a cómo se trazan las curvas de nivel.
3. Hallar las áreas A1, A2, …. , An entre cada 2 isoyetas seguidas.
4. Si P0, P1, . . . . , Pn  son las precipitaciones representadas por las isoyetas respectivas,
calcular la precipitación media utilizando:

b) Utilizando el software del Hidroesta:

Solo se deberá colocar las alturas de las precipitaciones que registra cada Isoyeta comenzando con
la isoyeta inicial en mm y el área parcial comprendida entre 2 isoyetas; En la tabla de ingreso de
datos. Una vez terminado el ingreso de dichos datos se procederá a pulsar el botón de calcular y
arrojara el cálculo de la precipitación media
2.6.2 Calculo de la Intensidad Máxima

Utilizando el software del Hidroesta:

a) Datos con los que se debe contar:

1. (T) Periodo de retorno en años.

2. (D) Duración en min.
3. (Imax) intensidad máxima en mm/hr

Para la Intensidad Max de diseño se deberá ingresar:

1. Ingresar un valor adecuado para el periodo de retorno en años

2. Ingresar un valor para la duración en min

b) Cálculos obtenidos son:

1. La intensidad máxima para los dos últimos datos ingresados

2. También se obtendrá la ecuación de la intensidad max en función al periodo de retorno y la
duración
2.6.3 Análisis de una tormenta:

Utilizando el software del Hidroesta:

a) Datos con los que se debe contar:

1. Tiempo Parcial (min)
2. Lluvia parcial en (mm)
b) Los cálculos obtenidos son:
1. La intensidad máxima
2. la duración
3. También como dato adicional se obtendrá un reporte con el tiempo parcial, tiempo
acumulado, la Precipitación parcial, Precipitación Acumulada y sus respectivas
intensidades.

c) Graficando los valores:

2.7 Menú Aforo

2.7.1 Calculo con correntómetro:

a) Datos con los que se debe contar:

1. Profundidad en el margen h0 (m)
2. velocidad en el margen h0 (m/s)

Según el esquema de ingreso de datos se colocara:

1. La longitud en metros (L)

2. La profundidad en metros en cada tramo (h)
3. La Velocidad media en metros por segundo en cada tramos (V)

b) Los cálculos
obtenidos son:
1. El área (m2)
2. La velocidad (m/s)
3. El área (m3/s)
4. El grafico de la sección
2.8 Caudales Máximos
Para diseñar:

 Las dimensiones de un cauce

 Sistema de drenaje
o agrícola
o aeropuerto
o ciudad
o carretera
 Muros de encauzamiento para proteger ciudades y plantaciones
 Alcantarillas
 Vertedores de demasías
 Luz en puentes

Se debe calcular o estimar el caudal de diseño que, para esos casos, son los caudales máximos
Algunos métodos para el cálculo del caudal máximo, son:
 Método directo
 Métodos empíricos
 Método del número de curva
 Métodos estadísticos
 Métodos hidrológicos
2.8.1 Método Racional:
2.8.2 Método de Mac Math
2.8.3 Método de Gumbel

2.8.4 Método de Nash

2.9 Menú Evapotranspiración

La evapotranspiración está constituida por las pérdidas totales, es decir: evaporación de la superficie
evaporante (del suelo y agua) + transpiración de las plantas.
El término evapotranspiración potencial fue introducido por Thornthwaite, y se define como la
pérdida total del agua, que ocurriría si en ningún momento existiera deficiencia de agua en  el suelo,
para el uso de la vegetación.
Se define como el uso consuntivo,  la suma de la evapotranspiración y el agua utilizada
directamente para construir  los tejidos de las plantas.
Como el agua para construir los tejidos, comparada con la evapotranspiración es despreciable, se
puede tomar:
Uso consuntivo    evapotranspiración
 En los proyectos de irrigación, interesa hacer cálculos previos de las necesidades de agua de los
cultivos. Estas necesidades de agua, que van a ser satisfechas mediante el riego, viene a constituir la
evapotranspiración o el uso consuntivo.
Para el cálculo de estas cantidades de agua se han desarrollados métodos basados en datos
meteorológicos, de los cuales los  mas conocidos son el Thornthwaite, Blaney – Clidde, Penman y
Hargreaves.

2.9.1 Método de Thornthwaite

Este método fue desarrollado en los Estados Unidos, se puede aplicar con relativa confianza en
regiones húmedas como Costa Rica. Para su cálculo se requieren datos de temperaturas medias
mensuales.

Para el cálculo de la evapotranspiración por el método de Thornthwaite, hacer lo siguiente:

1. Calcular la evapotranspiración mensual  e, en mm por mes de 30 días de 12 horas de

duración.

Donde:
e = evapotranspiración mensual en mm por mes de 30 días, y 12 horas de duración
t = temperatura media mensual en °C
I =  índice térmico anual

i = índice térmico mensual

a = exponente que varía con el índice anual de calor de la localidad

2. Corregir el valor de e, de acuerdo con el mes considerado y a la latitud de la localidad que
determinan las horas de sol, cuyos valores se obtienen de la tabla.

Donde:
ETo = evapotranspiración de referencia mensual corregida, en mm
f = factor de corrección
e = evapotranspiración mensual sin corregir, en mm

Tabla. Factor de corrección f

E F M A M JN JL A S O N D

Latitud
Norte 5 0.74 0.7 1.02 1.1 1.33 1.3 1.37 1.2 1.06 0.9 0.76 0.70
0 8 5 6 5 2
4 0.80 0.8 1.02 1.1 1.28 1.2 1.31 1.2 1.04 0.9 0.79 0.75
5 1 3 9 1 4
4 0.84 0.8 1.03 1.1 1.24 1.2 1.27 1.1 1.04 0.9 0.83 0.81
0 3 1 5 8 6
3 0.87 0.8 1.03 1.0 1.21 1.2 1.23 1.1 1.03 0.9 0.86 0.85
5 5 9 1 6 7
3 0.90 0.8 1.03 1.0 1.18 1.1 1.20 1.1 1.03 0.9 0.89 0.88
0 7 8 7 4 8
2 0.93 0.8 1.03 1.0 1.15 1.1 1.71 1.1 1.02 0.9 0.91 0.91
5 9 6 4 2 9
2 0.95 0.9 1.03 1.0 1.13 1.1 1.14 1.1 1.02 1.0 0.93 0.94
0 0 5 1 1 0
1 0.97 0.9 1.03 1.0 1.11 1.0 1.12 1.0 1.02 1.0 0.95 0.97
5 1 4 8 8 1
1 0.98 0.9 1.03 1.0 1.08 1.0 1.08 1.0 1.02 1.0 0.98 0.99
0 1 3 6 7 2
5 1.00 0.9 1.03 1.0 1.06 1.0 1.06 1.0 1.01 1.0 0.99 1.02
3 2 3 5 3
  0 1.02 0.9 1.04 1.0 1.04 1.0 1.04 1.0 1.01 1.0 1.01 1.04
4 1 1 4 4
Sur 5 1.04 0.9 1.04 1.0 1.02 0.9 1.02 1.0 1.00 1.0 1.03 1.06
5 0 9 3 5
1 1.08 0.9 1.05 0.9 1.01 0.9 1.00 1.0 1.00 1.0 1.05 1.10
0 7 9 6 1 6
1 1.12 0.9 1.05 0.9 0.98 0.9 0.97 1.0 1.00 1.0 1.07 1.12
5 8 8 4 0 7
2 1.14 1.0 1.05 0.9 0.96 0.9 0.95 0.9 1.00 1.0 1.09 1.15
0 0 7 1 9 8
2 1.17 1.0 1.05 0.9 0.94 0.8 0.93 0.9 1.00 1.1 1.11 1.18
5 1 6 8 8 0
3 1.20 1.0 1.06 0.9 0.92 0.8 0.90 0.9 1.00 1.1 1.14 1.21
 0 3 5 5 6 2
3 1.23 1.0 1.06 0.9 0.89 0.8 0.87 0.9 1.00 1.1 1.17 1.25
5 4 4 2 4 3
4 1.27 1.0 1.07 0.9 0.86 0.7 0.84 0.9 1.00 1.1 1.20 1.29
0 6 3 8 2 5
4 1.31 1.1 1.07 0.9 0.81 0.7 0.78 0.9 0.99 1.1 1.26 1.36
5 0 1 1 0 7
5 1.37 1.1 1.08 0.8 0.77 0.6 0.74 0.8 0.99 1.1 1.29 1.41
0 2 9 7 8 9

2.9.2  Método de Blanney-Criddle (modificado por la FAO)

La formula original de Blaney-Criddle (Blaney H.F. y Criddle W.D, 1950) fue desarrollada en la
región árida al oeste de los Estados Unidos, para calcular la evapotranspiración  potencial durante
un período dado.

Con el fin de definir mejor los efectos del clima sobre la evapotranspiración, la FAO modificó la
ecuación  original y presenta la siguiente ecuación:
ETo = a + b f

donde:
ETo = evapotranspiración de referencia (mm/día)
a, b = coeficientes de regresión lineal, entre f y ETo que se obtienen de:
a = 0.043 HRmin - n/N - 1.41
b = a0 + a1 HRmin + a2 n/N + a3 Ud + a4 HRmin  n/N  + a5 HRmin  Ud

además:
a0 = 0.81917
a1= - 0.0040922
a2 = 1.0705
a3 = 0.065649
a4 = - 0.0059684
a5 = - 0.0005967
HRmin = humedad relativa mínima, en %, pero en la fórmula  ingresa en decimal
n/N = fracción de insolación
Ud = velocidad del viento tomada a 2 m de altura, en m/s, pero por lo general los datos se toman en
Km/hr
f = p (0.46 t + 8.13)
f = factor de uso consecutivo, en mm/día
p = porcentaje de horas de luz diaria, promedio del total anual, sus valores se encuentran en tablas
t = temperatura promedio mensual, en °C

 Tabla. Porcentaje de horas de luz diaria (hemisferio norte)

LAT Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
  1 2 3 4 5 6 7 8 9 10 11 12
60 0.15 0.20 0.26 0.32 0.38 0.41 0.40 0.34 0.2 0.22 0.17 0.13
8
58 0.16 0.21 0.26 0.32 0.37 0.40 0.39 0.34 0.2 0.23 0.18 0.15
8
56 0.17 0.21 0.26 0.32 0.36 0.39 0.38 0.33 0.2 0.23 0.18 0.16
8
54 0.18 0.22 0.26 0.31 0.36 0.38 0.37 0.33 0.2 0.23 0.19 0.17
8
52 0.19 0.22 0.27 0.31 0.35 0.37 0.36 0.33 0.2 0.24 0.20 0.17
8
50 0.19 0.23 0.27 0.31 0.34 0.36 0.35 0.32 0.2 0.24 0.20 0.18
8
48 0.20 0.23 0.27 0.31 0.34 0.36 0.35 0.32 0.2 0.24 0.21 0.19
8
46 0.20 0.23 0.27 0.30 0.34 0.35 0.34 0.32 0.2 0.24 0.21 0.20
8
44 0.21 0.24 0.27 0.30 0.33 0.35 0.34 0.31 0.2 0.25 0.22 0.20
8
42 0.21 0.24 0.27 0.30 0.33 0.34 0.33 0.31 0.2 0.25 0.22 0.21
8
40 0.22 0.25 0.27 0.30 0.32 0.34 0.33 0.31 0.2 0.25 0.22 0.21
8
35 0.23 0.25 0.27 0.29 0.31 0.32 0.32 0.30 0.2 0.25 0.23 0.22
8
30 0.24 0.26 0.27 0.29 0.31 0.32 0.31 0.30 0.2 0.26 0.24 0.23
8
25 0.24 0.26 0.27 0.29 0.30 0.31 0.31 0.29 0.2 0.26 0.25 0.24
8
20 0.25 0.26 0.27 0.28 0.29 0.30 0.30 0.29 0.2 0.26 0.25 0.25
8
15 0.26 0.26 0.27 0.28 0.29 0.29 0.29 0.28 0.2 0.27 0.26 0.25
8
10 0.26 0.27 0.27 0.28 0.28 0.29 0.29 0.28 0.2 0.27 0.26 0.26
8
5 0.27 0.27 0.27 0.28 0.28 0.28 0.28 0.28 0.2 0.27 0.27 0.27
8
0 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.2 0.27 0.27 0.27
7

 Tabla. Porcentaje de horas de luz diaria (hemisferio sur)

 Lat Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
  1 2 3 4 5 6 7 8 9 10 11 12
0 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.27 0.2 0.27
7
-5 0.28 0.28 0.28 0.27 0.27 0.27 0.27 0.27 0.27 0.28 0.2 0.28
8
-10 0.29 0.28 0.28 0.27 0.26 0.26 0.26 0.27 0.27 0.28 0.2 0.29
8
-15 0.29 0.28 0.28 0.27 0.26 0.25 0.26 0.26 0.27 0.28 0.2 0.29
9
-20 0.30 0.29 0.28 0.26 0.25 0.25 0.25 0.26 0.27 0.28 0.2 0.30
9
-25 0.31 0.29 0.28 0.26 0.25 0.24 0.24 0.26 0.27 0.29 0.3 0.31
0
-30 0.31 0.30 0.28 0.26 0.24 0.23 0.24 0.26 0.27 0.29 0.3 0.32
1
-35 0.32 0.30 0.28 0.25 0.23 0.22 0.23 0.26 0.27 0.29 0.3 0.32
1
-40 0.33 0.31 0.28 0.25 0.22 0.21 0.22 0.24 0.27 0.30 0.3 0.34
2
-42 0.33 0.31 0.28 0.25 0.22 0.21 0.21 0.24 0.27 0.30 0.3 0.34
3
-44 0.34 0.31 0.28 0.25 0.11 0.20 0.21 0.24 0.27 0.30 0.3 0.35
3
-46 0.34 0.32 0.28 0.24 0.21 0.20 0.20 0.23 0.27 0.30 0.3 0.35
4
-48 0.35 0.32 0.28 0.24 0.21 0.19 0.20 0.23 0.27 0.31 0.3 0.36
4
-50 0.35 0.32 0.28 0.24 0.20 0.18 0.19 0.23 0.27 0.31 0.3 0.36
4
-52 0.36 0.33 0.28 0.24 0.20 0.17 0.19 0.22 0.27 0.31 0.3 0.37
5
-54 0.37 0.33 0.28 0.23 0.19 0.17 0.18 0.22 0.26 0.31 0.3 0.38
6
-56 0.38 0.33 0.28 0.23 0.18 0.16 0.17 0.21 0.26 0.32 0.3 0.39
6
-58 0.39 0.34 0.28 0.23 0.18 0.15 0.16 0.21 0.26 0.32 0.3 0.40
7
-60 0.40 0.34 0.28 0.22 0.17 0.13 0.15 0.20 0.26 0.32 0.3 0.41
8

a) Cálculo del uso consecutivo del cultivo  ETc

ETc  = Kc. ETo

donde:
ETc = uso consecutivo del cultivo, mm/día
Kc = coeficiente del cultivo, la FAO tiene un amplio estudio al respecto, algunos valores se
muestran en la tabla
ETo = evapotranspiración de referencia, mm/día

Tabla. Coeficientes Kc del cultivo

Cultivo Kc

Alfalfa 0.85  
Algodón 0.70  
Arroz 1.10  
Banano 0.90  
Cacao 0.75  
Café 0.75  
Caña de azúcar 0.85  
Cereales menores 0.80  
Frijoles 0.65  
Frutales, cítricos 0.60  
Maíz 0.75  
Papa 0.70  
Pastos 0.75  
Remolacha azucarera 0.70  
Sorgo 0.70  
Tabaco 0.75  
Tomate 0.70  
Vegetales pequeños 0.60  
Viñas 0.55  

2.9.3 Método de Hargreaves

La formula planteada por Hargreaves para el calculo de ETo, es la siguiente:

ETo = 0.0023 Ra (Tmax – Tmin)1/ 2 (Tmed + 17.8) 

donde:
ETo = evapotranspiración  de referencia, mm/día
Ra = radiación extraterrestre, mm/día, sus valores se obtienen de tablas  para  la latitud y el período
correspondiente
Tmax =  temperatura máxima media, °C
Tmin = temperatura mínima media, °C
Tmed = (Tmax + Tmin)/2, temperatura media, °C.

Tabla. Radiación extraterrestre Ra (mm/día), hemisferio norte

L En Fe M Ab Ma Ju Ju Ag Se Oc No Di
at e b ar r y n l o p t v c
1 2 3 4 5 6 7 8 9 10 11 12
50 3.8 6.1 9.4 12. 15. 17. 16. 14. 10. 7.4 4.5 3.2
7 8 1 4 1 9
48 4.3 6.6 9.8 13. 15. 17. 16. 14. 11. 7.8 5.0 3.7
0 9 2 5 3 2
46 4.9 7.1 10. 13. 16. 17. 16. 14. 11. 8.3 5.5 4.3
2 3 0 2 6 5 5
44 5.3 7.6 10. 13. 16. 17. 16. 14. 11. 8.7 6.0 4.7
6 7 1 2 6 7 9
42 5.9 8.1 11. 14. 16. 17. 16. 15. 12. 9.1 6.5 5.2
0 0 2 3 7 0 2
40 6.4 8.6 11. 14. 16. 17. 16. 15. 12. 9.6 7.0 5.7
4 3 4 3 7 2 5
38 6.9 9.0 11. 14. 16. 17. 16. 15. 12. 10. 7.5 6.1
8 5 4 2 7 3 8 0
36 7.4 9.4 12. 14. 16. 17. 16. 15. 13. 10. 8.0 6.6
1 7 4 2 7 4 1 6
34 7.9 9.8 12. 14. 16. 17. 16. 15. 13. 10. 8.5 7.2
4 8 5 1 8 5 4 8
32 8.3 10. 12. 15. 16. 17. 16. 15. 13. 11. 9.0 7.8
2 8 0 5 0 8 6 6 2
30 8.8 10. 13. 15. 16. 17. 16. 15. 13. 11. 9.5 8.3
7 1 2 5 0 8 7 9 6
28 9.3 11. 13. 15. 16. 16. 16. 15. 14. 12. 9.9 8.8
1 4 3 5 8 7 7 1 0
26 9.8 11. 13. 15. 16. 16. 16. 15. 14. 12. 10. 9.3
5 7 3 4 7 6 7 3 3 3
24 10. 11. 13. 15. 16. 16. 16. 15. 14. 12. 10. 9.7
2 9 9 4 4 6 5 8 5 6 7
22 10. 12. 14. 15. 16. 16. 16. 15. 14. 13. 11. 10.
7 3 2 5 3 4 4 8 6 0 1 2
20 11. 12. 14. 15. 16. 16. 16. 15. 14. 13. 11. 10.
2 7 4 6 2 4 3 9 8 3 6 7
18 11. 13. 14. 15. 16. 16. 16. 15. 14. 13. 12. 11.
6 0 6 6 1 1 1 8 9 6 0 1
16 12. 13. 14. 15. 16. 15. 15. 15. 15. 13. 12. 11.
0 3 7 6 0 9 9 7 0 9 4 6
14 12. 13. 14. 15. 15. 15. 15. 15. 15. 14. 12. 12.
4 6 9 7 8 7 7 7 1 1 8 0
12 12. 13. 15. 15. 15. 15. 15. 15. 15. 14. 13. 12.
8 9 1 7 7 5 5 6 2 4 3 5
10 13. 14. 15. 15. 15. 15. 15. 15. 15. 14. 13. 12.
2 2 3 7 3 3 3 5 3 7 6 9
8 13. 14. 15. 15. 15. 15. 15. 15. 15. 14. 13. 13.
6 5 3 6 0 0 1 4 3 8 9 3
6 13. 14. 15. 15. 14. 14. 14. 15. 15. 15. 14. 13.
9 8 4 4 7 7 9 2 3 0 2 7
 4 14. 15. 15. 15. 14. 14. 14. 15. 15. 15. 14. 14.
3 0 5 5 4 4 6 1 3 1 5 1
2 14. 15. 15. 15. 14. 14. 14. 14. 15. 15. 14. 14.
7 3 6 3 2 2 3 9 3 3 8 4
0 15. 15. 15. 15. 13. 13. 14. 14. 15. 15. 15. 14.
0 5 7 3 9. 9 1 8 3 4 1 8

Tabla. Radiación extraterrestre Ra (mm/día), hemisferio sur

L En Fe M A M Ju Ju Ag Se Oc No Di
at e b ar br ay n l o p t v c
1 2 3 4 5 6 7 8 9 10 11 12
0 15 15 15. 15 14. 13 14 14 15 15 15 14
.0 .5 7 .3 4 .9 .1 .8 .3 .4 .1 .8
-2 15 15 15. 15 14. 13 13 14 15 15 15 15
.3 .7 7 .1 1 .5 .7 .5 .2 .5 .3 .1
-4 15 15 15. 14 13. 13 13 14 15 15 15 15
.0 .8 6 .9 8 .2 .4 .3 .1 .6 .5 .4
-6 15 16 15. 14 13. 12 13 14 15 15 15 15
.8 .0 6 .7 4 .8 .1 .0 .0 .7 .8 .7
-8 16 16 15. 14 13. 12 12 13 14 15 16 16
.1 .1 5 .4 1 .4 .7 .7 .9 .8 .0 .0
- 16 16 15. 14 12. 12 12 13 14 15 16 16
10 .4 .3 5 .2 8 .0 .4 .5 .8 .9 .2 .2
- 16 16 15. 14 12. 11 12 13 14 15 16 16
12 .6 .3 4 .0 5 .6 .0 .2 .7 .8 .4 .5
- 16 16 15. 13 12. 11 11 12 14 15 16 16
14 .7 .4 3 .7 1 .2 .6 .9 .5 .8 .5 .6
- 16 16 15. 13 11. 10 11 12 14 15 16 16
16 .9 .4 2 .5 7 .8 .2 .6 .3 .8 .7 .8
- 17 16 15. 13 11. 10 10 12 14 15 16 17
18 .1 .5 1 .2 4 .4 .8 .3 .1 .8 .8 .1
- 17 16 15. 13 11. 10 10 12 13 15 17 17
20 .3 .5 0 .0 0 .0 .4 .0 .9 .8 .0 .4
- 17 16 14. 12 10. 9. 10 11 13 15 17 17
22 .4 .5 8 .6 6 6 .0 .6 .7 .7 .0 .5
- 17 16 14. 12 10. 9. 9. 11 13 15 17 17
24 .5 .5 6 .3 2 1 5 .2 .4 .6 .1 .7
- 17 16 14. 12 9.7 8. 9. 10 13 15 17 17
26 .6 .4 4 .0 7 1 .9 .2 .5 .2 .8
- 17 16 14. 11 9.3 8. 8. 10 13 15 17 17
28 .4 .4 3 .6 2 6 .4 .0 .4 .2 .9
- 17 16 14. 11 8.9 7. 8. 10 12 15 17 18
30 .8 .4 0 .3 8 1 .1 .7 .3 .3 .1
- 17 16 13. 10 8.5 7. 7. 9. 12 15 17 18
32 .8 .2 8 .9 3 7 6 .4 .1 .2 .1
- 17 16 13. 10 8.0 6. 7. 9. 12 14 17 18
34 .8 .1 5 .5 8 2 2 .0 .9 .1 .2
- 17 16 13. 10 7.5 6. 6. 8. 11 14 17 18
 36 .9 .0 2 .1 3 8 8 .7 .6 .0 .2
- 17 15 12. 9. 7.1 5. 6. 8. 11 14 17 18
38 .9 .8 8 6 8 3 3 .4 .4 .0 .3
- 17 15 12. 9. 6.6 5. 5. 7. 11 14 16 18
40 .9 .7 5 2 3 9 9 .0 .2 .9 .3
- 17 15 12. 8. 6.1 4. 5. 7. 10 14 16 18
42 .8 .5 2 8 9 4 4 .3 .0 .8 .3
- 17 15 11. 8. 5.7 4. 4. 6. 10 13 16 18
44 .8 .3 9 4 4 9 9 .2 .7 .7 .3
- 17 15 11. 7. 5.2 4. 4. 6. 9. 13 16 18
46 .7 .4 5 9 0 4 5 7 .4 .7 .3
- 17 14 11. 7. 4.7 3. 4. 6. 9. 13 16 18
48 .6 .9 2 5 5 0 0 3 .2 .6 .2
- 17 14 10. 7. 4.2 3. 3. 5. 8. 12 16 18
50 .5 .7 9 0 1 5 5 9 .9 .5 .2

a) Evapotranspiración  del cultivo ETc

ETc = Kc ≤ ETo

 donde:
ETc = evapotranspiración del cultivo, mm/día
Kc = coeficiente del cultivo, sus valores se obtienen de tabla
ETo = evapotranspiración de referencia, mm/día

Tabla. Coeficiente Kc para usarse en la fórmula de Hargreaves

Cultivo Fase Mediados de Fin de

Inicial temporada temporad
a
Alcachofa 0.90-1.00 0.95-1.05 0.90-1.00
Alfalfa 0.40-0.50 1.00-1.40 0.95-1.35
Algodón 0.20-0.50 1.05-1.30 0.30-0.60
Apio 0.25-0.35 1.00-1.15 0.90-1.05
Arroz 1.10-1.15 1.10-1.30 1.10
Avena 0.20.040 1.00-1.20 0.20-0.25
Banano 0.40-0.65 1.00-1.20 0.75-1.15
Berenjenas 0.20-0.50 0.95-1.10 0.80-0.90
Calabacitas 0.20-0.40 0.90-1.00 0.70-0.80
Caña de azúcar 0.40-0.50 1.00-1.30 0.50-0.60
Cártamo 0.30-0.40 1.05-1.20 0.20-0.25
Cebada 0.25-0.30 1.00-1.10 0.10-0.20
Cebollas secas 0.40-0.60 0.95-1.10 0.75-0.85
Cebollas verdes 0.40-0.60 0.95-1.05 0.95-1.05
Cereales pequeños 0.20-0.40 1.10-1.30 0.20-0.35
Chile verde pimiento 0.30-0.40 0.95-1.10 0.80-0.90
Cítricos 0.65 0.65-0.75 0.65
 Espárrago 0.25-0.30 0.95 0.25
Espinaca 0.20-0.30 0.95-1.05 0.90-1.00
Frijos castor 0.30-0.40 1.05-1.20 0.5
Frijos seco 0.30-0.40 1.05-1.20 0.25-0.30
Frijos verde 0.30-0.40 0.95-1.05 0.85-0.95
Frutales-hoja caduca 0.50 0.85-1.20 0.50-0.85
Frutales con 0.75-0.85 1.10-1.25 0.70-1.10
cobertura  verde
Girasol 0.30-0.40 1.05-1.20 0.35-0.45
Guisantes 0.40-0.50 1.05-1.20 0.95-1.10
Kiwi 0.30 1.05 1.05
Lechuga 0.20-0.30 0.85-1.05 0.45
Legumbres (pulses) 0.20-0.40 1.05-1.20 0.25-0.30
Lenteja 0.20-0.30 1.05-1.20 0.25-0.30
Linaza 0.20-0.40 1.00-1.15 0.20-0.25

Cultivo Fase Mediados de Fin de

Inicial temporada temporada
Linaza 0.20-0.40 1.00-1.15 0.20-0.25
Maíz de grano 0.20-0.50 1.05-1.20 0.35-0.60
Maíz dulce 0.20-0.50 1.05-1.20 0.95-1.10
Maní (cacahuate) 0.30-0.50 0.95-1.00 0.50-060
Melones 0.15-0.40 1.00-1.10 0.30.0.90
Mijio 0.20-0.40 1.00-1.15 0.25-0.30
Olivos 0.60 0.80 0.80
Papas 0.40-0.55 1.10-1.20 0.40-0.75
Pepino 0.20-0.40 0.90-1.00 0.70-0.80
Pistacho 0.10 1.05 0.35
Rábano 0.20-0.30 0.80-0.90 0.75-0.85
Remolacha 0.25-0.40 1.05-1.20 0.25-0.30
Remolacha de azúcar 0.20-0.40 1.05-1.20 0.70-1.00
Repollo 0.30-0.50 0.95-1.10 0.80-0.95
Sandia 0.25-0.50 1.00-1.10 0.20-0.70
Sorgo 0.15-0.40 1.05-1.20 0.30-0.50
Soya 0.30-0.40 1.00-1.15 0.45-0.55
Tabaco 0.30-0.40 1.00-1.20 0.75-0.85
Tomate 0.25-0.50 1.05-1.25 0.60-0.85
Trigo 0.20-0.40 1.00-.125 0.20-0.30
Uvas de Mesa 0.20-0.50 0.75-0.85 0.20-0.45
Zanahoria 0.40-0.50 1.05 0.75

2.9.3Método de Penman

La ecuación de Penman, modificada por la FAO predice la evapotranspiración potencial ETo

(mm/dia) tanto para zonas frías y húmedas, así  como  también para zonas calientes y áridas.
Para el cálculo de ETo, la ecuación de Penman modificada, requiere datos de temperatura, humedad
relativa,  velocidad de viento, horas de insolación o radiación.  Además para el cálculo del factor de
ajuste (c), requiere datos de humedad relativa máxima, radiación solar, y la relación entre la
velocidad del viento durante las horas del día y de la noche.

a) Fórmula utilizada

La fórmula de Penman modifica por la FAO, es la siguiente:

                 
ó

donde:

ETo = evapotranspiración del cultivo, mm/día

c = factor de ajuste para Penman
w = factor de ponderación para Penman
Rn = radiación neta total (mm/día)
f (u) = función del viento
f (u) = 0.27 (1 + U2/100)
ea = presión de vapor en saturación, mbar

ed = presión del vapor de agua ambiente, mbar

ed = ea  HRmed/100 
 = pendiente de la curva que relaciona la presión de vapor con la temperatura del aire
t = temperatura media, ºC
HRmed = humedad relativa media, %
ea - ed= déficit de presión de vapor, mbar

ɣ = calor latente de vaporización, MJ/kg

p = presión atmosférica, kPa

h = altitud, altura sobre el nivel del mar, m

ɣ = calor latente de evaporación, MJ/kg

Rn = Rns – Rn1
Rn = radiación neta total, mm/día
Rns = (1-) Rs
Rns = 0.75 Rs
Rns = radiación neta de onda corta, mm/día
ɣ = coeficiente de reflexión del cultivo, albedo (ɣ = 0.25 para una pradera)
Rs = (0.25 + 0.50  n/N) Ra
Rs = radiación de onda corta, mm/día
n = duración media de las horas de insolación real, hr/día
N = duración máxima  posible de las horas de insolación, hr/día
Ra = radiación extraterrestre, mm/día
Rn1 = f (t)  f (ed)  f (n/N)
Rn1 = radiación neta de onda larga, mm/día

ɣ = constante  de Stefan-Boltzmann (4.910-9 MJ/m2/d)

t = temperatura, °C
f (t) = función de la temperatura
f (ed) = 0.34 - 0.044 ed1/ 2 
f (ed) = función de la presión del vapor de agua
f (n/N) = 0.1 + 0.9  n/N 
f (n/N) = función de la relación entre horas de insolación reales y máximas
f (u) = 0.27 (1 + U2/100)
f (u) = función del viento
U2 = velocidad del viento, media diaria, medida a 2m de altura sobre el nivel del suelo, km/día
Si el anemómetro, con el cual se mide la velocidad del viento (U) se encuentra a una altura diferente
del estándar de 2 m, usar la formula:
U2 = f (Z)  U
U2 = velocidad del viento media  a 2 m de altura
U = velocidad de viento medida a una altura Z

f(Z) = coeficiente de corrección para la medición de la  velocidad del viento

Los valores del factor de ajuste c, se obtiene en función de la relación de la relación de  Vdía/
Vnoche, la humedad relativa máxima (HRmax) en %, la velocidad del viento a 2 m de altura (U2),
expresada en m/s y la radiación  global (Rs), en mm/día. Una ecuación  aproximada  para el cálculo
de c, fue ajustada por Allen y Pruitt (1991), la cual es:

Donde:
U2 = velocidad del viento, a 2m de altura, m/s
HRmax = humedad relativa máxima, %
Ud/Un = relación entre la velocidad del viento en el día y en  la noche
Rs = radiación global, mm/día

Para calcular N y Ra se pueden utilizar las siguientes ecuaciones:

Ra = 37.7 dr [sen(Lat) sen (Dec) hs + cos (Lat)cos (Dec) sen (hs)]

donde:
Ra = radiación extraterrestre, en MJ/m2/día
1 MJ/m2/día = 0.408215 mm/día
dr = 1 + 0.033 cos (360xDDa/365)
dr = corrección debida a variaciones en la distancia Tierra-Sol
DDA = es el día del año (que va de 1 a 365)
Dec = 23.5 cos (360 (DDA-172)/365)
Dec = declinación solar, en radianes
Lat = latitud, en radianes. Para el hemisferio Norte Lat es positiva,  mientras que para el hemisferio
Sur, Lat es negativa
hs = arc cos (-tan(Lat) tan (Dec))
hs = mitad de la duración del día, en radianes
N = 24 hs/∏
N = número máximo de horas de sol