Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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.
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:
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.
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.
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.
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.
Notación:
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.
c) Moda: En Estadística, la moda es el valor con una mayor frecuencia en una distribución de datos
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
`
2.2.4. Medidas de Achatamiento:
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
Coeficiente de Curtosis
n
1
∑ ( X i−μ )4
n i=1
CK =
σ4
En hidrología el modelo más simple y común, está basado en la suposición de que dos variables se
relacionan en forma lineal.
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
c) Procedimiento;
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
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
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
5) Ecuación: y = z x + bx2
y/x = 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:
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:
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.
❑
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,
La misma que es posible transformar con un adecuado artificio, en una ecuación de regresión lineal
múltiple, de la siguiente forma:
2. Haciendo:
ln y = z
lnao = ao
lnx1 = w1
lnx2= w2
lnx3 = w3
se tiene
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
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.
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
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:
De donde:
Donde:
T = período de retorno
P(X x) = probabilidad de excedencia
P(X < x) = probabilidad de no excedencia
Donde:
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:
Donde:
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:
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
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.
Es descrita por una distribución normal. Esto es particularmente cierto, si la variable hidrológica
resulta de algunos procesos multiplicativos.
a) Función densidad
Se dice que una variable aleatoria x, tiene una distribución log- normal de 2 parámetros, si sus
función densidad es:
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.
Si:
Donde:
X = media aritmética de x
Cv = coeficiente de variación
Donde:
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
a) Función densidad:
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
Donde:
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
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) = puede ser calculado por expansión de series e integración numérica por:
b) Función acumulada
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
Donde:
E) Estimación de parámetros método de máxima verosimilitud
Para: 0 ≤ y ≤ 0.5772
Donde:
Siendo:
Los 2 parámetros de la distribución gamma, por el método de los momentos lineales se encuentras
con las siguientes ecuaciones:
Donde:
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
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:
Donde:
`
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.
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:
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
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:
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.
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
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
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:
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
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.
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.
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
Donde:
ETo = evapotranspiración de referencia mensual corregida, en mm
f = factor de corrección
e = evapotranspiración mensual sin corregir, en mm
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
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
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
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
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.
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
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
2.9.3Método de Penman
a) Fórmula utilizada
ó
donde:
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
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