3 1 Clima

CAPITULO 3.
CARACTERIZACIÓN
FÍSICO-BIÓTICA
Las Quinchas, Puerto Boyacá, Boyacá
3.1. CARACTERIZACIÓN CLIMÁTICA

TABLA DE CONTENIDO
3.1. CARACTERIZACIÓN CLIMÁTICA DE LA CUENCA ............................................ 119
3.1.1. Objetivo general ................................................................................. 119
3.1.2. Objetivos específicos ........................................................................... 119
3.1.3. Metodología ........................................................................................ 119
3.1.4. Caracterización y localización de la red hidrometeorológica existente ......... 120
3.1.5. Tratamiento de datos climáticos ............................................................ 128
3.1.6. Caracterización espacial y temporal del clima en la cuenca hidrográfica ..... 137
3.1.7. Zonificación climática de CALDAS LANG ................................................. 172
3.1.8. BALANCE HÍDRICO. ............................................................................. 174
3.1.9. Índice de Aridez .................................................................................. 187
3.1.10. Efectos de la variabilidad climática sobre la cuenca ................................ 189
3.1.11. Efectos del cambio climático sobre la cuenca ........................................ 192
3.1.12. AMENAZA DE SEQUÍAS ...................................................................... 202
3.1.13. Requerimientos de información climatológica adicional ........................... 210
Caracterización
Nombre archivo: Elaborado por: A.G.S. Ltda.
Climática INFORME FINAL
FASE DE DIAGNÓSTICO
No. Contrato: CCC-2016-177 Revisado y aprobado por: CORPOBOYACA
Fecha: Marzo de 2019 Versión: Final Página: 113

LISTADO DE FIGURAS
Figura 3.1.1. Distribución espacial de las estaciones hidrometeorológicas. ................. 127

Figura 3.1.2. Serie completa de la estación Pto Boyacá (23115010). ......................... 130
Figura 3.1.3. Análisis de homogeneidad de la estación climática Apto Pto Berrío (23095010)
........................................................................................................................ 133
Figura 3.1.4. Procedimiento para la construcción del varíograma omnidireccional (a) y
direccional (b); y varíograma experimental que se obtiene según el caso. ................. 139
Figura 3.1.5. Mapa de precipitación de la zona de estudio. ....................................... 141
Figura 3.1.6. Ciclo anual promedio de la precipitación en la región. ........................... 143
Figura 3.1.7. Distribución de las tendencias anuales en la subzona hidrográfica 2311. . 145
Figura 3.1.8. Resultados del análisis no estacionario de la precipitación anual para la
estación Pto Boyacá (23115010) .......................................................................... 151
Figura 3.1.9. Distribución espacial de las tendencias en las series anuales de precipitación
máxima de 24 horas. .......................................................................................... 153
Figura 3.1.10. Análisis no estacionario de la precipitación máxima de la estación Chucuri
23130010. ......................................................................................................... 155
Figura 3.1.11. Curva IDF para la estación Apto Pto Berrio (2309501). ....................... 157
Figura 3.1.12. IDF estación Chucuri (23130010), método de Vargas (2000). ............. 160
Figura 3.1.13. Distribución espacial de la temperatura en la zona de estudio.............. 161
Figura 3.1.14. Variación temporal de la Temperatura media mensual de la zona de estudio.
........................................................................................................................ 163
Figura 3.1.15. Distribución temporal del número de horas de brillo solar mensual
multianual en el área de estudio. .......................................................................... 165
Figura 3.1.16. Brillo Solar medio diario para la zona de estudio. ............................... 166
Figura 3.1.17. Distribución temporal de la humedad relativa media mensual multianual en
la zona de estudio. ............................................................................................. 168
Figura 3.1.18. Humedad Relativa media multianual para la zona de estudio. .............. 169
Figura 3.1.19. Distribución temporal de la evaporación media mensual multianual en el
área de estudio. ................................................................................................. 171
Figura 3.1.20. Zonificación climática de Caldas – Lang para la zona de estudio........... 174
Caracterización

Figura 3.1.21. Esquema del balance hídrico. .......................................................... 180
Figura 3.1.22. Resultados del balance hídrico regional ............................................. 185
Figura 3.1.23. Distribución espacial de la evapotranspiración real de la zona de estudio
estimada mediante el método de Thornthwaite ...................................................... 186
Figura 3.1.24. Índice de Aridez para la subzona hidrográfica 2311. ........................... 188
Figura 3.1.25. Análisis de correlación entre índices macroclimáticos y precipitación para la
estación Sta Clara (2310080). .............................................................................. 190
Figura 3.1.26. Clasificación de la precipitación en función de las condiciones del ENSO para
le estación Puerto Boyacá .................................................................................... 191
Figura 3.1.27. Diferencia de precipitación en % entre el escenario 2071-2100 con respecto
a la precipitación promedio de referencia 1976-2005 para los departamentos Santander y
Boyacá. ............................................................................................................. 193
Figura 3.1.28. Diferencia de temperatura en °C entre el escenario 2071 - 2100 con respecto
a la temperatura promedio de referencia 1976-2005 para los departamentos Santander y
Boyacá. ............................................................................................................. 194
a la precipitación promedio de referencia 1976-2005 para la subzona hidrográfica 2311.
........................................................................................................................ 196
Figura 3.1.30. Diferencia de temperatura en °C entre el escenario 2071 - 2100 con respecto
a la temperatura promedio de referencia 1976-2005 para la subzona hidrográfica 2311.
........................................................................................................................ 197
Figura 3.1.31. Índice de aridez para el escenario 2071-2100 de la subzona hidrográfica
2311. ................................................................................................................ 198
Figura 3.1.32. Variación del caudal medio entre los escenarios 1976-2005 y 2071-2100
para la subzona hidrográfica 2311 usando las tendencias de la serie temporal. .......... 199
Figura 3.1.33. Índice de aridez para las condiciones planteadas por el estudio Nuevos
Escenarios De Cambio Climático Para Colombia 2011-2100...................................... 200
Figura 3.1.34. Variación de caudales para las condiciones planteadas por el estudio Nuevos
Escenarios De Cambio Climático Para Colombia 2011-2100...................................... 201
Figura 3.1.35. Clasificación de los valores de SPI y su relación con la curva de distribución
de probabilidad normal. ....................................................................................... 206
Caracterización

Figura 3.1.36. Valores del SPI en escala de 1, 3, 6 y 12 meses para la estación Pto Niño
(23110030). ...................................................................................................... 207
Figura 3.1.37. SPI mínimo en escala de 12 meses para un periodo de retorno 10 años.
........................................................................................................................ 208
Figura 3.1.38. Amenaza a la sequía según el SPI en escala de 12 meses para un periodo
de retorno 10 años. ............................................................................................ 209
Caracterización

LISTADO DE TABLAS
Tabla 3.1.1. Estaciones climáticas dentro de la zona de estudio. ............................... 122
Tabla 3.1.2. Estaciones de precipitación presentes en la zona de estudio. .................. 122
Tabla 3.1.3. Estaciones climatológicas adicionales. ................................................. 123
Tabla 3.1.4. Estaciones hidrológicas adicionales. .................................................... 126
Tabla 3.1.5. Longitud de registro y porcentaje de datos faltantes estaciones Pluviométricas
........................................................................................................................ 128
Tabla 3.1.6. Longitud de registro y porcentaje de datos faltantes estaciones climatológicas
........................................................................................................................ 129
Tabla 3.1.7. Resultados del análisis de homogeneidad para los datos de precipitación media
mensual ............................................................................................................ 135
Tabla 3.1.8. Resultados del análisis de homogeneidad para los datos de precipitación
máxima mensual ................................................................................................ 136
Tabla 3.1.9. Variación temporal de la precipitación media mensual (mm/mes) dentro de la
zona de estudio. ................................................................................................. 142
Tabla 3.1.10. Tendencias en la media de las series de precipitación anual. ................ 144
Tabla 3.1.11. Variables Macro climáticas utilizadas en el análisis de correlación .......... 146
Tabla 3.1.12. Resultados del análisis de correlación entre los datos .......................... 148
Tabla 3.1.13. Análisis de tendencias en las series anuales de precipitación máxima de 24
horas. ............................................................................................................... 152
Tabla 3.1.14. Resultados del análisis de correlación para las series anuales de precipitación
máxima diaria. ................................................................................................... 154
Tabla 3.1.15. Parámetros del método de Vargas para las diferentes regiones del país . 158
Tabla 3.1.16. Parámetros para la construcción de curvas IDF con influencia en la subzona
hidrográfica 2311. .............................................................................................. 159
Tabla 3.1.17. Valores medios mensuales multianuales de temperatura (°C) en las
estaciones meteorológicas utilizadas para la caracterización climática de la zona de estudio.
........................................................................................................................ 163
Tabla 3.1.18. Valores totales mensuales multianuales de horas de brillo solar en las
estaciones utilizadas para la caracterización climática en el área de estudio. .............. 165
Caracterización

Tabla 3.1.19. Valores medios mensuales multianuales de humedad relativa en las
estaciones meteorológicas utilizadas para la caracterización climática de la zona de estudio.
........................................................................................................................ 168
Tabla 3.1.20. Valores totales mensuales multianuales de evaporación (mm) en las
estaciones meteorológicas utilizadas para la caracterización climática. ...................... 171
Tabla 3.1.21. Clasificación climática según el factor de Lang. ................................... 173
Tabla 3.1.22. Área de extensión de las categorías de la clasificación climática. ........... 174
Tabla 3.1.23. Resultados de estimación de caudales mediante balance hídrico. .......... 184
Tabla 3.1.24. Índice de Aridez por área de la cuenca............................................... 187
Tabla 3.1.25. Índice de Aridez a nivel de cuenca y subcuencas ................................. 188
Tabla 3.1.26. Estaciones empleadas para el cálculo del SPI. ..................................... 203
Tabla 3.1.27. Categorías de condiciones hídricas según el SPI. ................................. 206
Caracterización

3.1. CARACTERIZACIÓN CLIMÁTICA DE LA CUENCA
3.1.1. Objetivo general
Caracterizar, dentro de un contexto regional, de las condiciones climáticas de la cuenca en
ordenación.
3.1.2. Objetivos específicos
 Caracterizar la red hidrometeorológica existente incluyendo la calidad de la
información.
 Determinar la distribución espacial y temporal de las principales variables
meteorológicas.
 Construir la Zonificación Climática para la cuenca.
 Estimar el Balance hídrico de largo plazo (Caudal promedio anual de largo plazo)
 Estimar el Índice de Aridez.
 Analizar los efectos de la Variabilidad climática sobre la cuenca.
 Establecer los efectos del cambio climático sobre la cuenca en ordenación.
3.1.3. Metodología
Para la caracterización climática inicialmente se definirá la localización geográfica de la red
meteorológica existente en el área de influencia de la subzona hidrográfica 2311. La
caracterización incluye el año de establecimiento, tipo de estación, parámetros medidos y
escala del registro, carácter (privado o público) y disponibilidad de información,
posteriormente la información recolectada será analizada en términos de su calidad y
pertinencia a partir de un análisis de completitud y homogeneidad.
Utilizando la información recolectada y tratada, se realiza la caracterización (temporal y
espacial) del clima en la cuenca hidrográfica en ordenación en un contexto regional, para
ello se estudia la variabilidad espacial y temporal del régimen de precipitaciones - valores
normales (anuales, y mensuales), así como los extremos (máximos y mínimos) incluyendo
su frecuencia de presentación, en el caso de los análisis de eventos extremos (máximos y
mínimos) se consideran escenarios de precipitación con períodos de retorno de 2, 5, 10,15,
20, 25, 30, 50, 100 y 500 años bajo estimación no estacionaria, igualmente se construyen
las IDF de las estaciones con influencia en la cuenca a partir de los métodos de Vargas
(2000) y Wilches (2001).
Caracterización

De manera particular fueron especializadas las variables climáticas referidas a:
precipitación media anual y mensual; temperatura media, máxima y mínima mensual y
anual, dichas variables sirven de referencia para estimar la evapotranspiración potencial y
real considerando metodologías aplicables a las características climáticas regionales, lo que
permite derivar y validar el balance hidro-climático de largo plazo, seleccionado el método
de cálculo más aproximado para la evapotranspiración.
Los resultados anteriores a su vez permiten estimar el mapa del índice de aridez, así como
la construcción de la zonificación climática para la cuenca a partir de la metodología de
Caldas-Lang. Mediante un análisis de correlación se establece el efecto del macro-clima
sobre la cuenca objeto de ordenación e igualmente mediante la clasificación de los registros
se establece la existencia de las condiciones secas, normales y húmedas para la cuenca en
función de los episodios de El Niño – Oscilación del Sur (ENSO).
Siguiendo la “Hoja de ruta para la incorporación de cambio climático en planes de
ordenación y manejo de cuencas hidrográficas” propuesta por ASOCARS, en el presente
capítulo se comparan las tendencias de largo plazo derivadas de los escenarios del IDEAM
para el periodo 2070-2100 con las tendencias históricas dadas por los registros
Hidrometeorológicos de las estaciones presentes en la región, los resultados permiten
proyectar los valores del índice de aridez para la cuenca así como el balance hídrico de
largo plazo.
Toda la información cartográfica generada será proyectada al sistema MAGNA-SIRGAS con
origen Bogotá, la misma se entrega con la GDB anexa al presente POMCA siguiendo las
normas para la edición de sus campos y metadatos conforme a los alcances propuestos en
los términos de referencia. Igualmente se anexan las hojas de cálculo con cada uno de los
resultados a nivel de subcuencas, incluyendo la información hidrometeorológica utilizada
para las diferentes estimaciones aquí presentadas.
3.1.4. Caracterización y localización de la red hidrometeorológica existente
3.1.4.1. Información Hidrometeorológica.
Información meteorológica:
La información meteorológica corresponde a datos de precipitación de escala diaria y
mensual, además de temperatura, humedad, evaporación, brillo solar y velocidad del
viento a escala mensual, a partir de estaciones del IDEAM dentro de la zona de estudio. La
Caracterización

información de precipitación se obtuvo de 8 estaciones pluviométricas (PM) y las demás
variables climáticas se obtuvieron a partir de 5 estaciones climáticas, 3 de las cuales son
climatológicas ordinarias (CO) y una es climatológica principales (CP), y una estación
agrometeorológica (AM); cabe aclarar que las estaciones climáticas también cuentan con
información de precipitación, para un total de 30 estaciones. Las estaciones utilizadas se
muestran en la Tabla 3.1.1 y Tabla 3.1.2.
Información adicional:
Además de la información hidrometeorológica encontrada en las estaciones del IDEAM,
ubicadas dentro de la zona de estudio, también se tomó en cuenta las estaciones cercanas
esta, como lo son 20 estaciones hidrológicas, distribuidas en 4 limnimétricas (LM) y 7
limnigraficas (LG); y 23 estaciones meteorológicas divididas en 30 estaciones
pluviométricas (PM), 13 estaciones climatológicas ordinarias (CO) y 5 estaciones
climatológicas principales (CP), 3 estaciones meteorológicas (ME); como se muestra en la
Tabla 3.1.3 y Tabla 3.1.4.
Caracterización

Tabla 3.1.1. Estaciones climáticas dentro de la zona de estudio.
CODIGO NOMBRE CAT DEPARTAMENTO MUNICIPIO CORRIENTE LAT LONG ALTI FECHA INST FECHA SUSP
23115020 PADILLA CO SANTANDER CIMITARRA QDA LA MUERTA 6.20 -74.37 100 15/04/1975 15/05/1983
23115010 PTO BOYACA CO BOYACÁ PUERTO BOYACÁ MAGDALENA 5.98 -74.57 350 15/08/1974
23095010 APTO PTO BERRIO CP ANTIOQUIA PUERTO BERRÍO MAGDALENA 6.47 -74.41 150 15/04/1975
23097030 PTO BERRIO AUT HA ANTIOQUIA PUERTO BERRÍO MAGDALENA 6.49 -74.40 111.0 15/01/1936
Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Tabla 3.1.2. Estaciones de precipitación presentes en la zona de estudio.
CODIGO NOMBRE CAT DEPARTAMENTO MUNICIPIO CORRIENTE LAT LONG ALT FECHA INST FECHA SUSP
23090040 PTO BERRIO PM ANTIOQUIA PUERTO BERRÍO MAGDALENA 6.50 -74.40 125 15/08/1958 15/06/1980
23090080 PTO BERRIO PM ANTIOQUIA PUERTO BERRÍO MAGDALENA 6.50 -74.40 125 15/07/1931 15/12/1958
23090090 POZOS LOS PM ANTIOQUIA PUERTO BERRÍO MAGDALENA 6.50 -74.38 108 15/06/1980 15/10/1988
23110030 PTO NINO PM BOYACÁ PUERTO BOYACÁ MAGDALENA 5.94 -74.59 1747 15/08/1974
23110060 PADILLA PM SANTANDER CIMITARRA QDA LA MUERTA 6.19 -74.33 171 15/05/1984
23060150 PTO LIBRE PM CUNDINAMARCA PUERTO SALGAR NEGRO 5.76 -74.63 1836 15/08/1974
23110010 PTO BOYACA PM BOYACÁ PUERTO BOYACÁ MAGDALENA 5.95 -74.60 350 15/08/1959 15/06/1974
23110040 TRIQUE EL PM BOYACÁ PUERTO BOYACÁ MAGDALENA 5.88 -74.57 179 15/08/1974
Caracterización

Tabla 3.1.3. Estaciones climatológicas adicionales.
ALTITU FECHA FECHA
CODIGO NOMBRE CAT DEPARTAMENTO MUNICIPIO CORRIENTE LAT LONG
D INST SUSP
23065060 STA TERESA CO CUNDINAMARCA ALBÁN NEGRO 4.84 -74.46 2200 15/12/1988
23065100 SABANETA CO CUNDINAMARCA SAN FRANCISCO NEGRO 4.90 -74.31 2475 15/08/1986
23065110 YACOPI CO CUNDINAMARCA YACOPÍ MORAS 5.48 -74.35 1347 15/09/1974
23065120 CABRERA LA CO CUNDINAMARCA PACHO NEGRO 5.14 -74.14 2000 15/09/1974
23125050 CARARE CO SANTANDER PUERTO PARRA CARARE 6.65 -74.06 168 15/08/1974
QDA
23125060 ALBANIA CO SANTANDER ALBANIA 5.76 -73.91 1690 15/03/1974
CANUTILLO
23125080 OTANCHE CO BOYACÁ OTANCHE QDA TAMBRIAS 5.66 -74.18 1100 15/03/1975
23125120 CIMITARRA CO SANTANDER CIMITARRA QDA TORABA 6.31 -73.95 198 15/04/1975
APTO
23125140 CO BOYACÁ QUÍPAMA MINERO 5.52 -74.18 1250 15/05/1991
FURATENA
SAN
23125070 CO CUNDINAMARCA SAN CAYETANO NEGRO 5.30 -74.07 2200 15/09/1974 11/12/2008
CAYETANO
PORTUGAL QDA
23125110 CO SANTANDER CIMITARRA 6.50 -74.05 200 15/05/1975 15/03/1978
HDA GUAYABITO
23125130 LANDAZURI CO SANTANDER LANDÁZURI AGUA MIEL 6.22 -73.81 935 15/04/1975
23065200 TRAPICHE EL CO CUNDINAMARCA VILLETA VILLETA 5.03 -74.50 1068 13/05/2009
23125100 BUENAVISTA CP BOYACÁ BUENAVISTA QDA NEGRA 5.51 -73.94 2200 15/11/1993
VILLETA
23065180 CP CUNDINAMARCA VILLETA CUNE 5.02 -74.47 878 10/12/2004
AUTOM
QDA NEGRA
23065190 CP CUNDINAMARCA QUEBRADANEGRA NEGRO 5.14 -74.48 1107 06/10/2005
AUTOMATICA
Caracterización

ALTITU FECHA FECHA
D INST SUSP
SAN PABLO
SAN PABLO DE
23125160 DE BORBUR CP BOYACÁ MINERO 5.65 -74.07 742 14/12/2004
BORBUR
AUTOM
SUPATA
23065210 CP CUNDINAMARCA SUPATÁ SUPATA 5.06 -74.24 1798 07/05/2006
AUTOMATICA
PTO ARAUJO
23127020 ME SANTANDER CIMITARRA CARARE 6.53 -74.09 92 15/10/1965
AUTOMATICA
23067060 TOBIA ME CUNDINAMARCA NIMAIMA NEGRO 5.13 -74.45 620 15/12/1986
23125090 PAUNA ME BOYACÁ PAUNA QDA PAUNERO 5.65 -73.98 1225 15/03/1993
23125150 VILLAGOMEZ ME CUNDINAMARCA VILLAGÓMEZ MINERO 5.27 -74.20 1575 15/08/1997
23120010 VERDE LA PM SANTANDER CIMITARRA GUAYABITO 6.41 -73.90 140 15/07/1976
23120070 PTO ARAUJO PM SANTANDER CIMITARRA CARARE 6.53 -74.12 160 15/10/1959 15/07/1995
SAN PABLO DE
23120080 BORBUR 1 PM BOYACÁ MINERO 5.65 -74.07 830 15/11/1959 15/05/1975
BORBUR
QDA
23120100 ALBANIA PM SANTANDER ALBANIA 5.78 -73.92 1925 15/11/1959 15/02/1974
CANUTILLO
23120140 PAUNA PM BOYACÁ PAUNA QDA PAUNERO 5.65 -73.98 1225 15/04/1963 15/03/1993
SAN
23120160 PM CUNDINAMARCA SAN CAYETANO NEGRO 5.30 -74.07 2200 15/12/1963 15/07/1974
CAYETANO
23120180 CIMITARRA PM SANTANDER CIMITARRA CARARE 6.32 -73.95 200 15/09/1971 15/07/1975
PTO ARAUJO
23120200 PM SANTANDER CIMITARRA CARARE 6.53 -74.08 118 15/10/1979
ALERTAS
23120220 PRADERA LA PM SANTANDER JESÚS MARÍA PENA BONITA 5.87 -73.91 2590 15/08/1980
23120240 PAIME PM CUNDINAMARCA PAIME MINERO 5.37 -74.15 1038 15/11/1958
Caracterización

ALTITU FECHA FECHA
D INST SUSP
SAN PABLO DE
23120250 BORBUR 2 PM BOYACÁ MINERO 5.65 -74.07 681 15/02/1975
BORBUR
23060090 YACOPI PM CUNDINAMARCA YACOPÍ HATICO 5.50 -74.37 1416 15/06/1958 15/02/1975
23060140 TUSCOLO EL PM CUNDINAMARCA GUADUAS NEGRO 5.08 -74.61 975 15/02/1971
23060160 SAN PABLO PM CUNDINAMARCA CAPARRAPÍ QDA PITA 5.49 -74.46 1200 15/09/1974
23060180 PENON EL PM CUNDINAMARCA EL PEÑÓN NEGRO 5.25 -74.29 1400 15/09/1974
23060200 SUPATA PM CUNDINAMARCA SUPATÁ SUPATA 5.06 -74.24 1798 15/09/1974
23060270 CABRERA LA PM CUNDINAMARCA PACHO NEGRO 5.13 -74.15 2000 15/05/1971 15/01/1974
23060290 SILENCIO EL PM CUNDINAMARCA SASAIMA NEGRO 4.97 -74.41 1425 15/03/1986
23060110 CAPARRAPI PM CUNDINAMARCA CAPARRAPÍ PATA 5.35 -74.49 1270 15/04/1959
23060170 PALMA LA PM CUNDINAMARCA LA PALMA MURCA 5.35 -74.39 1462 15/09/1974
23060190 UTICA PM CUNDINAMARCA ÚTICA NEGRO 5.20 -74.49 497 15/09/1974
CHILAGUA
23060260 PM CUNDINAMARCA NOCAIMA TOBIA 5.06 -74.38 1500 15/12/1987
FCA
23120030 OTANCHE PM BOYACÁ OTANCHE QDA TAMBRIAS 5.66 -74.18 1100 15/03/1958 15/05/1969
23120050 MUZO PM BOYACÁ MUZO MINERO 5.53 -74.10 850 15/06/1958
23120060 BUENAVISTA PM BOYACÁ BUENAVISTA QDA NEGRA 5.51 -73.94 2200 15/06/1958 15/11/1993
23120090 LANDAZURI PM SANTANDER VÉLEZ QDA ARMAS 6.22 -73.82 1085 15/10/1959 15/03/1975
23120150 MARIPI PM BOYACÁ MARIPÍ PALENQUE 5.55 -74.02 1390 15/11/1963 15/10/1971
23120210 COPER PM BOYACÁ COPER GUAZO 5.47 -74.05 1090 15/08/1980
23120260 OTANCHE PM BOYACÁ OTANCHE QDA TAMBRIAS 5.66 -74.18 1100 15/01/1965 15/03/1975
23060370 ESTANCIA LA PM CUNDINAMARCA LA VEGA TOBIA 4.97 -74.37 1280 15/07/2004
Caracterización

Tabla 3.1.4. Estaciones hidrológicas adicionales.
FECHA FECHA
CODIGO NOMBRE CAT DEPARTAMENTO MUNICIPIO CORRIENTE LAT LONG ALTITUD
INST SUSP
23067020 COLORADOS LG CUNDINAMARCA PUERTO SALGAR NEGRO 5.47 -74.59 309 15/02/1952
23067050 GUADUERO LG CUNDINAMARCA GUADUAS NEGRO 5.19 -74.57 410 15/08/1974
23067080 CHARCO LARGO LG CUNDINAMARCA EL PEÑÓN NEGRO 5.26 -74.35 940 15/09/1974
23127010 BORBUR LG BOYACÁ SAN PABLO DE BORBUR MINERO 5.65 -74.06 457 15/03/1975
23127060 STA ROSA LG SANTANDER CIMITARRA CARARE 6.29 -74.10 154 15/04/1975
23127080 SALADO EL LG SANTANDER BOLIVAR MINERO 6.08 -74.12 200 15/08/1984 15/08/1987
23127070 ANGUSTIAS LAS LG SANTANDER BOLIVAR MINERO 6.17 -74.10 190 15/08/1984 15/09/1995
23067010 CAPTACION-BOCATOMA LM CUNDINAMARCA PUERTO SALGAR NEGRO 5.50 -74.58 291 15/04/1960 15/03/1974
23067070 VILLETA LM CUNDINAMARCA VILLETA VILLETA 5.01 -74.47 790 15/08/1974
23067090 PARAISO EL LM CUNDINAMARCA PACHO NEGRO 5.23 -74.28 1050 15/09/1974 15/05/1994
23127050 BARREDERO FCA LM SANTANDER PUERTO PARRA CARARE 6.65 -74.07 90 15/08/1974
Caracterización

En la Figura 3.1.1 se muestra la distribución espacial de las estaciones hidrometeorológicas
sobre la zona de estudio y sus alrededores:
Figura 3.1.1. Distribución espacial de las estaciones hidrometeorológicas.
Caracterización

3.1.5. Tratamiento de datos climáticos
3.1.5.1. Longitud de registro y porcentaje de datos faltantes
Una vez identificadas las 21 estaciones (climatológicas y de precipitación) con influencia
en el área de estudio, se solicitó al IDEAM el envío de los registros. El procesamiento inicial
de dicha información permitió identificar la longitud disponible de las series temporales,
así como el porcentaje de datos faltantes.
En los alcances técnicos del proyecto se sugiere utilizar series temporales con longitud de
registro mayor a 15 años, igualmente, para el presente proyecto se aceptarán aquellas
series temporales con un porcentaje de datos faltantes inferior al 25%, lo anterior es
requerido para la posterior reconstrucción y llenado de las series faltantes para que no
altere las propiedades estadísticas de los registros.
Utilizando los criterios descritos con antelación, de las 21 estaciones disponibles
inicialmente, se descarta el uso de 5 estaciones pluviométricas y 1 climatológica. Los
resultados de dicho análisis se presentan en la Tabla 3.1.5 y la Tabla 3.1.6.
Tabla 3.1.5. Longitud de registro y porcentaje de datos faltantes estaciones Pluviométricas
REGISTRO % DATOS
CÓDIGO NOMBRE CATEGORIA FECHA INST FECHA SUSP
(AÑOS) FALTANTES
23090020 VIRGINIAS PM 15/07/1976 41 5%
23110010 PTO BOYACA PM 15/08/1959 15/06/1974 15 100%
23120250 BORBUR 2 PM 15/02/1975 42 7%
23120260 OTANCHE PM 15/01/1965 15/03/1975 10 17%
23090040 PTO BERRIO PM 15/08/1958 15/06/1980 22 36%
23090090 POZOS LOS PM 15/06/1980 15/10/1988 8 28%
23090110 MURILLO PM 15/09/1984 33 6%
23100070 RAMBLAS PM 15/09/1984 33 20%
23100080 STA CLARA PG 15/09/1984 15/03/2002 18 23%
23110060 PADILLA PM 15/05/1984 33 8%
23120200 PTO ARAUJO ALERTAS PM 15/10/1979 38 10%
23130010 CHUCURI PM 15/09/1959 58 2%
23110030 PTO NINO PM 15/08/1974 43 8%
23060150 PTO LIBRE PM 15/08/1974 43 10%
23080720 CANTERAS PM 15/03/1979 38 27%
23110040 TRIQUE EL PM 15/08/1974 43 10%
23090100 SAN JUAN BEDUTH PG 15/08/1984 15/03/2002 18 13%
NOTA: En Rojo las estaciones descartadas *. Fuente: POMCA Directos al Magdalena Medio entre Ríos
Negro y Carare.
Caracterización

Tabla 3.1.6. Longitud de registro y porcentaje de datos faltantes estaciones climatológicas
REGISTRO % DATOS
CÓDIGO NOMBRE CATEGORIA FECHA INST FECHA SUSP
(AÑOS) FALTANTES
23095010 APTO PTO BERRIO CP 15/04/1975 42 8%
23115020 PADILLA CO 15/04/1975 15/05/1983 8 44%
23125050 CARARE CO 15/08/1974 43 7%
23115010 PTO BOYACA CO 15/08/1974 43 16%
NOTA: En Rojo las estaciones descartadas *.

3.1.5.2. Estrategia para llenar los datos faltantes en las series de precipitación
Para llenar los datos faltantes de las estaciones climatológicas y de precipitación a escala
mensual:
a. Inicialmente, se identifican las estaciones cercanas a la correspondiente de la serie
a completar, teniendo como límite 40 km de distancia.
b. Una vez identificadas las estaciones auxiliares, se procede a la construcción de
regresiones lineales entre la serie a llenar y cada serie auxiliar.
c. Posteriormente, para aquellos datos que quedaron faltando se realiza un análisis
exploratorio de correlación cruzada entre las diferentes estaciones, dicho análisis permitirá
identificar la covarianza estadística entre las series de precipitación con el ánimo de
identificar para cada estación varias estaciones auxiliares (mínimo tres) que sirvan para el
llenado de datos, el criterio para la selección y jerarquización de las estaciones auxiliares
estará dado por la magnitud del coeficiente de correlación, el cual se considerará
significativo cuando sea superior a 0.7.
d. Las regresiones serán usadas para llenar los datos faltantes cuando exista
información en las estaciones auxiliares, en caso de no existir dicha información el dato
faltante será reemplazado por el valor medio mensual multianual de la serie temporal.
Para el caso de los datos diarios de precipitación diaria:
a. Si la precipitación media anual entre las estaciones circundantes difiere en menos
del 10% de la registrada en la estación en estudio, los datos faltantes serán estimados
mediante un promedio aritmético.
b. si la precipitación media anual de cualquiera de las estaciones circundantes difiere
en más del 10% se usa la siguiente fórmula:
Caracterización

1  px px p 
h px   h p1  h p 2    x h pn  [1]
n  p1 p2 pn 
Donde
h pi : Altura de precipitación registrada el día o mes en cuestión en la estación auxiliar i.
h px : Altura de precipitación faltante en la estación de estudio.
p i : Valor de la precipitación media multianual en la estación auxiliar i.

p x : Valor de la precipitación media multianual en la estación de estudio
n : Número total de estaciones auxiliares.
Aunque la medida de variables en la región se inicia desde mediados de la década de los
70, el periodo de registro común identificado para la reconstrucción de datos faltantes
inicia desde enero de 1985 hasta diciembre de 2002, sin embargo, en todas las estaciones
mensuales se respetará la longitud de registro existente, y solo serán extendidas aquellas
estaciones de precipitación diarias que sean requeridas para la posterior calibración y
validación del modelo lluvia-escorrentía. A manera de ejemplo en la Figura 3.1.2 se
muestran los resultados del proceso de llenado de datos faltantes para las series de
precipitación media mensual de la estación Pto Boyacá. En Anexos
Digitales/Anexo_3.1._Clima/ 2.Datos Completos entregan las series temporales completas
con influencia en el área de estudio.
Figura 3.1.2. Serie completa de la estación Pto Boyacá (23115010).

Caracterización

3.1.5.3. Análisis de consistencia y homogeneidad en los registros.
Continuando con el análisis de calidad de las series temporales, se procede ahora a estudiar
la homogeneidad de los registros a partir de un diagnóstico sobre la estabilidad de los
principales parámetros estadísticos de los datos. En las prácticas hidrológicas
históricamente se ha considerado que las series deben conservar a lo largo del tiempo sus
principales parámetros estadísticos para poder aplicar los modelos asociados al balance
hídrico, el estudio de eventos extremos y la modelación hidrológica.
Básicamente la no estabilidad de los parámetros estadísticos implica que dichos
parámetros cambien con el tiempo, cosa que puede suceder de forma natural por eventos
macro climáticos (entre ellos el cambio climático) o igualmente puede estar asociado a
ciertos errores de hidrométrica y a cambios en la calibración de las estaciones, ambas
cosas se manifiestan en términos de cambios abruptos (saltos) o cambios graduales
(tendencias) en las series temporales.
Se dice que una serie de tiempo presenta salto en la media, cuando se observa un cambio
abrupto en el nivel o la magnitud en los parámetros estadísticos, estos cambios pueden
ser negativos o positivos. Cuando ocurre un cambio positivo, el nivel de la media de la
variable en estudio se incrementa después del punto de cambio, si ocurre lo contrario se
dice que el cambio es negativo.
 PRUEBAS DE ESTABILIDAD EN LA MEDIA : Los cambios (saltos) en la media para
detectar la existencia de posibles períodos no homogéneos en las series, con niveles de
confianza del 95%, se pueden estimar utilizando la prueba T-simple (Lettenmaier, 1976a),
la prueba T-modificada (Bayley&Hammersley, 1946), (Matalas&Langbein, 1962) y la
prueba U de Mann-Whitney (Hollander& Wolf, 1973).
 PRUEBAS DE ESTABILIDAD EN LA VARIANZA : Cambios en la varianza para detectar la
existencia de posibles períodos no homogéneos en las series con niveles de confianza del
95% utilizando la prueba F simple (Devore, 1982), (Lettenmaier, 1976b), la prueba F
modificada (Bayley&Hammersley, 1946) y la prueba de Ansari – Bradley (Hollander& Wolf,
1973).
 PRUEBAS DE TENDENCIA EN LA MEDIA : Tendencias en la media para evaluar posibles
períodos no homogéneos con niveles de confianza del 95% mediante el uso de la prueba
Caracterización

T de tendencias lineales, y las pruebas no paramétricas de Mann-Kendall (Kendall, 1975;
Van Belle & Hughes, 1984; Yue et al., 2002; Kahya y Kalay, 2004).
Una serie presenta tendencia, cuando se presenta un cambio progresivo y gradual en la
magnitud o el nivel de la media. Esta tendencia puede ser positiva si hay un incremento
gradual de la magnitud de la media o negativa si ocurre lo contrario.
En algunos casos se puede confundir un cambio en la media con una tendencia o viceversa,
ya que una tendencia se puede aproximar a una sucesión de saltos en la media, por esto
se debe tener bastante cuidado en el momento de concluir cuál de las dos no
homogeneidades es la que tiene la serie en estudio, para hacer el análisis correcto. En este
sentido, las pruebas de cambio en la media pueden ser utilizadas para detectar tendencias
en la serie analizada, de manera que, si la hipótesis de cambio no puede ser rechazada,
puede ser un indicativo de que la serie tiene una tendencia.
 PRUEBAS DE DETECCIÓN DE DATOS ATÍPICOS : Los outliers son observaciones atípicas,
poco frecuentes y corresponden a datos de una variable que parecen no seguir la
distribución característica del conjunto. Pueden representar propiedades reales del
fenómeno en estudio (eventos extremos asociados a una condición climática), o ser
debidas a errores en la medición u otros que no pueden ser modelados. Las pruebas
estadísticas utilizadas para detección de outliers en las series de datos son la prueba de
puntos fuera de rango y la prueba no paramétrica del rango normalizado (Tietjen& G.L and
Moore, 1972).
Para aceptar un cambio en la media o la varianza este deberá ser confirmado por al menos
dos de las tres pruebas de hipótesis propuestas, igualmente los outliers seleccionados
serán aquellos que sean confirmados de manera simultánea por el test de puntos fuera de
rango y el de rango normalizado.
A manera de ejemplo, en la Figura 3.1.3 se presenta el análisis de homogeneidad de los
datos de precipitación media mensual de la estación climática Apto Pto Berrío (23095010).
Luego de llenar los datos faltantes, la serie temporal posee un periodo de registro desde
enero de 1985 hasta agosto del año 2009 (gráfica superior izquierda), en segunda instancia
se ha identificado que la serie posee una tendencia en la media confirmada por las pruebas
T y Mann-Kendall de 0.2429 mm/mes (gráfica superior derecha), así mismo existe un
cambio en la media ocurrido el mes de mayo de 1998 (gráfico inferior izquierdo), el cambio
Caracterización

fue confirmado por las tres pruebas para el análisis de cambio en la media. Finalmente,
ninguna de las tres pruebas sugiere un cambio en la varianza. El porcentaje de datos
atípicos para la colección de datos es de 0.66% dado que las pruebas para la detección de
outliers solo confirmaron 2 datos atípicos.
Figura 3.1.3. Análisis de homogeneidad de la estación climática Apto Pto Berrío
(23095010)

Los análisis de homogeneidad para cada una de las estaciones y de las series analizadas
se presentan en el Anexos Digitales/Anexo_3.1._Clima/3.Homogeneidad, donde se incluye
un documento con las ecuaciones, insumos y resultados arrojados por cada una de las
metodologías descritas con antelación.
En la Tabla 3.1.7 se muestra un resumen de los resultados del análisis de homogeneidad
para las 15 estaciones con datos de precipitación media. En el caso de la precipitación
media, se confirma la existencia de tendencia en 8 estaciones, 13 estaciones confirman la
existencia de cambios en la media, y 4 estaciones poseen cambios en la varianza
confirmados.
Caracterización

En la Tabla 3.1.8 para las precipitaciones máximas, se resaltan en negrita las tendencias
y las fechas de cambio confirmadas por más de una prueba de hipótesis.
Se confirma la existencia de tendencias en 5 estaciones, 14 estaciones confirman la
existencia de cambios en la media, y ninguna estación presenta cambios en la varianza.
Caracterización

Tabla 3.1.7. Resultados del análisis de homogeneidad para los datos de precipitación media mensual
PRECIPITACIÓN MEDIA
TENDENCIA CAMBIO EN LA MEDIA CAMBIO EN LA VARIANZA
T T T F F A
CODIGO NOMBRE MANN-KENDALL MANN-WITNEY
SIMPLE SIMPLE MODIF SIMPLE MODIF BRADLEY
23060150 PTO LIBRE NO NO NO mar-04 mar-04 NO NO NO
23090020 VIRGINIAS 0.1822 0.1822 abr-95 abr-95 abr-95 dic-99 NO NO
23090100 SAN JUAN BEDUTH NO NO NO nov-96 NO NO NO NO
23090110 MURILLO 0.4947 0.4947 may-00 sep-03 may-00 ene-00 ene-00 ene-00
23095010 APTO PTO BERRIO 0.243 0.2429 may-98 may-98 may-98 NO NO NO
23100070 RAMBLAS NO NO abr-95 abr-95 abr-95 nov-99 NO NO
23100080 SANTA CLARA NO NO dic-91 dic-95 dic-91 feb-92 feb-92 feb-92
23110030 PTO NINO 0.155 NO abr-03 abr-03 abr-03 ene-04 NO NO
23110040 TRIQUE EL 0.4271 0.4271 mar-04 abr-05 mar-04 ene-04 ene-04 ene-04
23110060 PADILLA 0.415 0.415 sep-93 sep-93 sep-93 may-98 NO NO
23115010 PTO BOYACA 0.166 0.1661 abr-03 abr-03 abr-00 may-00 NO NO
23120200 PTO ARAUJO ALERTAS 0.1859 0.1859 abr-98 abr-98 abr-98 NO NO NO
23120250 BORBUR 2 0.1447 0.1447 abr-88 abr-88 abr-88 dic-88 dic-88 dic-88
23125050 CARARE NO NO may-92 may-92 abr-92 NO NO NO
23130010 CHUCURI NO NO NO nov-90 NO mar-94 NO NO
Caracterización

Tabla 3.1.8. Resultados del análisis de homogeneidad para los datos de precipitación máxima mensual
PRECIPITACION MÁXIMA MENSUAL
TENDENCIA CAMBIO EN LA MEDIA CAMBIO EN LA VARIANZA
T MANN- T T MANN- F F A
CODIGO NOMBRE
SIMPLE KENDALL SIMPLE MODIF WITNEY SIMPLE MODIF BRADLEY
23060150 PTO LIBRE NO NO NO abr-88 abr-88 mar-06 NO NO
23090020 VIRGINIAS NO 0.0341 abr-95 abr-95 abr-95 oct-97 NO NO
23090100 SAN JUAN BEDUTH NO NO NO mar-95 NO NO NO NO
23090110 MURILLO 0.0973 0.0973 ago-98 ago-98 ago-98 oct-98 NO NO
23095010 APTO PTO BERRIO 0.027 0.027 ago-08 ago-08 ago-08 NO NO NO
23100070 RAMBLAS NO NO abr-98 abr-98 abr-98 abr-98 NO NO
23100080 STA CLARA NO NO nov-92 nov-92 nov-92 NO NO NO
23110030 PTO NINO NO NO NO sep-04 sep-04 nov-89 NO NO
23110040 TRIQUE EL 0.0743 0.0743 mar-04 mar-04 jul-04 NO NO NO
23110060 PADILLA 0.092 0.092 jul-93 jul-93 jul-93 ene-93 NO NO
23115010 PTO BOYACA NO NO mar-03 mar-03 mar-03 jul-03 NO NO
23120200 PTO ARAUJO ALERTAS NO NO jul-92 jul-92 jul-92 oct-04 NO NO
23120250 BORBUR 2 0.0528 0.0528 feb-88 feb-88 feb-88 NO NO NO
23125050 CARARE 0.0296 NO jul-08 jul-08 jul-08 nov-08 NO NO
23130010 CHUCURI NO NO oct-06 oct-06 NO sep-06 NO NO
Caracterización

Los resultados anteriores son bastante importantes porque muestran que el total de las
series completas con influencia en la subzona hidrográfica 2311 son no estacionarias por
existencia de tendencia y cambios en la media y varianza para el caso de los valores
mensuales de precipitación; al igual que para los valores máximos de precipitación, sin
embargo, dado que los alcances técnicos del proyecto sugieren el análisis no estacionario
de la información hidrológica, se ha optado por no remover los cambios y las tendencias
encontradas.
Sobre el análisis de los datos atípicos, en la mayoría de las series no representan más del
2% de la información siendo removidos y completados con el procedimiento ya explicado
en el numeral 3.1.4.1
Será importante analizar los saltos y comprobar si éstos se deben a cambios súbitos o en
realidad están asociados a tendencias de largo plazo, en tal sentido se propondrá en los
numerales siguientes el análisis de las tendencias anuales con ventana móvil para verificar
si las variaciones efectivamente se conservan en el tiempo.
Sobre las precipitaciones máximas se ha demostrado que son no estacionarias en la media,
en consecuencia, para el análisis de eventos extremos máximos de precipitación también
deberá efectuarse un análisis de tendencias anuales con ventana móvil que permita
corroborar los resultados. Lo anterior implica la obligatoriedad del análisis no estacionario
de los eventos extremos máximos.
3.1.6. Caracterización espacial y temporal del clima en la cuenca hidrográfica
3.1.6.1. Análisis del régimen de precipitaciones (Valores medios)
Distribución espacial de la precipitación media multianual.
El campo de precipitación media multianual para la zona de estudio se ha estimado usando
la técnica de Krigeado con Deriva Externa (KDE). Esta técnica, al ser estocástica, tiene dos
ventajas principales sobre los algoritmos tradicionales como, por ejemplo, el método del
inverso de la distancia al cuadrado o el Krigeado ordinario. La primera ventaja está dada
en que permite considerar una variable secundaria densamente muestreada, la cual se usa
como apoyo para mejorar las estimaciones; la segunda es que permite estimar campos de
varianza que se interpretan como la incertidumbre en las estimaciones.
Para aplicar el KDE debe estimarse un modelo de regionalización para la precipitación
promedio, el cual representa la estructura de variación de dicha variable en la zona de
Caracterización

estudio. Existen muchas formas de representar dicha variabilidad, pero la más
ampliamente utilizada es mediante la estimación de un variograma anisotrópico. Éste
permite considerar las diferentes estructuras de variación a lo largo de las diferentes
direcciones espaciales y cuantifica el grado de afinidad espacial entre los valores de
precipitación de un sitio y aquellos localizados a una distancia o separación h del primero;
valores bajos representan alta afinidad y valores altos baja correspondencia. El estimador
de variograma usado en el presente estudio es el siguiente (Issaks y srivastava, 1989;
Goovaerts, 1999; Deutsch y Journel, 1998;):
1 n (h)
 (h1  h  h2 )   (h)  [ z(u ) z(u  h)]2
2n (h)  1
El cual calcula semi-promedios de residuales cuadráticos en las zonas de separación
definidas a priori. Así, en la Figura 3.1.4 se representa esquemáticamente la construcción
de un varíograma para un conjunto de estaciones de registro (puntos negros) distribuidas
espacialmente. Debido a que dicha distribución es discreta en el plano (x, y), la estimación
del variograma se hace para intervalos discretos de distancia [hα, hα+1], de forma que,
para cada estación, se realiza una búsqueda de las n (h) estaciones ubicadas en dicho
intervalo (puntos rojos), a las cuales corresponden valores medios de precipitación z
(u+h).
Cuando el variograma experimental mostrado en la Figura 3.1.4 se construye con toda la
información disponible (ver Figura 3.1.4.a), éste recibe el nombre de variograma
omnidireccional. No obstante, si el variograma se construye para diferentes direcciones 
(Figura 3.1.4.b) se denomina direccional. Al respecto, en un variograma experimental, se
pueden identificar tres componentes principales: (i) la meseta, que se define como el
máximo valor que la función alcanza en la región analizada y sugiere el mínimo o máximo
de correlación espacial; (ii) el rango, que corresponde a la distancia h en la cual tiende a
alcanzarse la meseta; y (iii) el efecto pepita, que se relaciona con la incertidumbre
localizada en la misma estación y puede representar la varianza de la estimación del dato
disponible.
Caracterización

Figura 3.1.4. Procedimiento para la construcción del varíograma omnidireccional (a) y
direccional (b); y varíograma experimental que se obtiene según el caso.

Ahora bien, las direcciones de máxima y mínima variabilidad de la precipitación se definen
estimando variogramas experimentales en diferentes direcciones, buscando aquellas
donde: (i) las mesetas son máxima y mínima, respectivamente, y (ii) los rangos donde son
mínimo y máximo, respectivamente. Para efectos prácticos, se han definido las siguientes
direcciones, dadas como azimut medidos desde el norte geográfico: N0E, N15E, N30E,
N45E, N60E, N75E, N90E, N120E y N150E. Aparte de lo anterior, también se ha estimado
el variograma omnidireccional.
Del diagrama de rosas (también denominado ovni-variograma), se deduce que la dirección
de mínima variación para la precipitación media en la zona de estudio se localiza entre las
direcciones N30E y N345E puesto que éstas exhiben las mínimas mesetas y los máximos
rangos en los variogramas experimentales estimados. Esta tendencia se confirma
visualmente mediante el varíograma superficial. Los variogramas son tradicionalmente
Caracterización

presentados como curvas unidimensionales, es decir, γ (h) es una función de la distancia
h a lo largo de una determinada dirección, que se define mediante un azimut en el presente
estudio. Con el fin de identificar claramente la existencia o no de anisotropía en el
fenómeno estudiado, suele ser de gran utilidad disponer de una vista global de los valores
del variograma para todas las direcciones que se denomina variograma superficial (Isaaks
y Srivastava, 1989, Chu, 1993).Un varíograma superficial 𝛾(ℎ) = 𝛾(ℎ𝑥 , ℎ𝑦 ), es un gráfico en
dos dimensiones, en el cual se representan los valores de los variogramas experimentales
para todos los vectores de separación disponibles ℎ = (ℎ𝑥 , ℎ𝑦 ). El centro de este gráfico
corresponde al valor 𝛾(0) = 𝛾(0,0), además, unvalor experimental cualquiera 𝛾(ℎ) = 𝛾(ℎ𝑥 , ℎ𝑦 )
se representa midiendo las distancias hx y hy a partir del centro de la figura y asignando a
la celda en cuestión el color adecuado de acuerdo a la escala seleccionada. Cualquier corte
transversal a un variograma superficial, se corresponde con el variograma unidimensional
en la dirección en la cual se ha realizado el corte.
A partir de los variogramas experimentales estimados en la dirección de mínima
variabilidad, se ajusta un modelo anisotrópico permisible de variograma. Éste está
compuesto por la superposición de tres estructuras imbricadas: un efecto pepita isótropo,
un modelo lineal y un modelo Gaussiano.
Espacialmente, las Isoyetas son la representación gráfica en un plano cartográfico de los
valores de precipitación, los cuales ilustran la distribución de las lluvias en la región. La
distribución espacial de la lluvia para la zona de estudio se presenta en la Figura 3.1.5 ,
permitiendo observar que las mayores precipitaciones se presentan hacia el norte de la
zona de estudio en cercanías al municipio de Puerto Parra, Santander con valores de hasta
3100 mm al año; la precipitaciones más bajas se presentan hacia el suroeste de la zona
de estudio, donde la precipitación anual toma valores de 2200 mm al año cercano a los
municipios de Puerto Triunfo, Antioquia y Puerto Boyacá, Boyacá en las cercanías al río
Magdalena. Sobre la zona de estudio la precipitación promedio anual es de 2572 mm.
Caracterización

Figura 3.1.5. Mapa de precipitación de la zona de estudio.

Distribución temporal de la precipitación.
De acuerdo con los resultados obtenidos de los histogramas de las estaciones utilizadas,
se logró establecer que el área de estudio, el régimen pluviométrico es bimodal, típico de
la región Andina, donde se presentan dos periodos de precipitación alta correspondiente a
los meses de Abril y Mayo, y otro pico más alto en los meses de Octubre y Noviembre;
mientras que los periodos de baja precipitación se presentan desde Junio a Agosto y de
Diciembre a Febrero, siendo el mes de Enero el mes más seco. La precipitación media
anual varía desde los 2968 mm/año hasta los 1360 mm/año, con una predominancia de
precipitación sentido Nor-Este a Sur.
En la Tabla 3.1.9 y en la Figura 3.1.6 se muestra la variación temporal de la precipitación
media mensual (mm/mes) obtenida a partir de las estaciones de precipitación con
influencia a la cuenca, aquí se observa el comportamiento bimodal en las estaciones
utilizadas para la caracterización climatológica de la zona de estudio, con picos de
precipitación en los meses de Abril y Mayo y Septiembre y Octubre.
Caracterización

Tabla 3.1.9. Variación temporal de la precipitación media mensual (mm/mes) dentro de la zona de estudio.
CODIGO NOMBRE Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total
23095010 APTO PTO BERRIO 45.1 87.3 193.8 300.2 288.5 231.2 234.3 256.5 330.0 317.4 193.4 97.0 2574.7
23115020 PADILLA 33.5 47.9 122.2 286.7 226.3 175.2 113.5 172.9 236.2 253.8 160.7 115.1 1944.0
23115010 PTO BOYACA 63.4 97.4 181.1 260.5 244.0 160.0 153.6 164.6 247.0 292.8 197.6 110.7 2172.7
23090040 PTO BERRIO 55.6 97.0 195.6 240.7 340.7 242.7 185.7 316.9 337.7 419.9 192.6 84.4 2709.4
23090090 POZOS LOS 35.8 55.3 144.2 302.0 323.4 157.3 189.0 203.1 291.1 258.0 122.1 78.0 2159.4
23110030 PTO NINO 60.5 102.6 182.8 265.0 251.2 153.6 154.9 174.0 259.9 294.5 201.4 119.0 2219.5
23110060 PADILLA 87.0 107.0 202.3 292.8 308.7 225.2 188.8 213.4 320.5 352.3 261.5 133.2 2692.7
23060150 PTO LIBRE 75.6 111.1 189.3 268.0 238.8 136.5 115.4 151.2 207.8 280.8 225.2 106.5 2106.0
23110040 TRIQUE EL 87.1 121.9 199.7 287.5 281.8 160.4 163.1 187.3 256.8 322.2 238.5 123.3 2429.4
23090110 MURILLO 47.1 88.5 192.0 341.8 395.7 280.9 276.4 326.8 414.6 369.3 242.0 115.6 3090.6
23100070 RAMBLAS 34.7 86.9 152.7 238.2 308.5 249.0 234.5 254.0 334.8 327.4 208.5 100.4 2529.5
23100080 STA CLARA 93.3 112.2 182.8 342.9 371.4 275.4 291.9 322.0 413.9 356.4 304.6 149.5 3216.3
Promedio 59.9 92.9 178.2 285.5 298.2 204.0 191.7 228.5 304.2 320.4 212.3 111.1 2487.0
Caracterización

Figura 3.1.6. Ciclo anual promedio de la precipitación en la región.

3.1.6.2. Análisis de eventos extremos de precipitación con enfoque no estacionario
La metodología clásica de análisis y predicción de eventos de variables hidrológicas se basa
en la teoría de valores extremos de series estacionarias. Bajo condiciones de
estacionariedad, la distribución de la variable de interés es invariante en el tiempo, sin
tendencias, cambios y periodicidades (Villarini & Smith, 2010). No obstante, la validez de
la estacionariedad de las series de tiempo está siendo cuestionada por la comunidad
científica debido al cambio climático (Milly et al., 2008).
Normalmente las autoridades ambientales Colombianas cuantifican la disponibilidad del
recurso hídrico en función de los valores medios de precipitación o caudal, lo que podría
ser insuficiente dado que no se consideran los cambios en el comportamiento temporal de
dichas variables, sin embargo, si la disponibilidad se estimara a parir de eventos de
precipitación, asociados a una determinada probabilidad de ocurrencia, y escenarios que
consideren la disminución o aumento de los valores medios, se podría crear una mejor
estrategia para repartir el agua (Álvarez y Escalante, 2016).
Caracterización

Metodología general para el análisis no estacionario de las precipitaciones mínimas
anuales
Los datos utilizados en el presente análisis corresponden a precipitación anual (mm/año)
extraídos de las 15 estaciones seleccionadas en Tabla 3.1.5 y Tabla 3.1.6, cuyo registro es
superior a 15 años, estos datos ya han sido indagados en cuanto a su homogeneidad
detectando cambios, tendencias y datos anómalos de escala mensual. Los valores atípicos
que resultaron claramente erróneos fueron eliminados y para deducir los datos faltantes
se aplicó el método de regresiones lineales.
El siguiente paso fue verificar la presencia de cambios graduales(tendencias) en las series
de precipitación total anual y máxima anual, cosa que no se había hecho en el análisis de
homogeneidad anterior; para efecto del análisis no estacionario es muy importante
demostrar que la tendencia afecta a un conjunto significativo de datos, y por tanto se
propone el análisis incluyendo los promedios de ventanas móviles de 5 años y 10 años,
para determinar la significancia estadística de las tendencias se utiliza test de Mann-
Kendall. Los resultados del análisis de tendencias para las series de precipitación anual con
influencia directa sobre la subzona hidrográfica 2311 se presentan en la Tabla 3.1.10 y de
manera gráfica en la Figura 3.1.7.
Tabla 3.1.10. Tendencias en la media de las series de precipitación anual.
TENDENCIA
VENTANA VENTANA
REGISTRO SERIE
CODIGO NOMBRE LATITUD LONGITUD MOVIL MOVIL
(AÑOS) ORIGINAL
5 AÑOS 10 AÑOS
23060150 PTO LIBRE 5.76 -74.63 43 NO NO 13.455
23090020 VIRGINIAS 6.39 -74.68 41 24.664 34.945 40.579
23090100 SAN JUAN BEDUTH 6.60 -74.45 18 NO NO NO
23090110 MURILLO 6.60 -74.40 33 NO 49.073 75.974
23095010 APTO PTO BERRIO 6.27 -74.24 42 32.802 32.224 38.196
23100070 RAMBLAS 6.64 -74.37 33 NO 43.053 48.822
23100080 STA CLARA 6.65 -74.32 18 NO NO -137.695
23110030 PTO NINO 5.94 -74.59 43 NO 9.391 12.045
23110040 TRIQUE EL 5.88 -74.57 43 30.331 39.874 43.289
23110060 PADILLA 6.19 -74.33 33 55.775 48.852 50.522
23115010 PTO BOYACA 5.58 -74.34 15 22.638 23.730 24.230
23120200 PTO ARAUJO ALERTAS 6.53 -74.08 38 24.744 24.845 25.100
23120250 BORBUR 2 5.65 -74.07 42 NO 10.940 9.105
23125050 CARARE 6.38 -74.30 43 NO 17.005 18.680
Caracterización

TENDENCIA
VENTANA VENTANA
REGISTRO SERIE
(AÑOS) ORIGINAL
5 AÑOS 10 AÑOS
23130010 CHUCURI 6.88 -74.03 58 NO NO NO
Figura 3.1.7. Distribución de las tendencias anuales en la subzona hidrográfica 2311.

Las tendencias se distribuyen a lo largo de toda la subzona hidrográfica 2311, además, se
destaca el comportamiento positivo en las 6 estaciones que presentan tendencia. Lo
Caracterización

anterior se traduce en un incremento de la precipitación en eventos futuros dentro de la
subzona hidrográfica 2311.
También vale la pena destacar los órdenes de magnitud de las tendencias, en la todos los
casos su valor absoluto es superior a 20 mm/año, dichas tendencias se suelen preservar
cuando se analizan los promedios móviles de los datos, lo anterior tendrá como
consecuencia que para escenarios de largo plazo las reducciones o aumentos en la
precipitación sean considerables.
En segunda instancia se propone evaluar la influencia que ejercen las variables macro-
climáticas sobre la precipitación de las estaciones analizadas mediante el cálculo del
coeficiente de correlación entre índices macro-climáticos y los datos de precipitación anual
estandarizada. Para estandarizar la serie de precipitaciones anuales, a cada dato se le resta
la media general y se divide por la desviación estándar.
Los sistemas macro-climáticos analizados en el presente análisis de correlación
corresponderán a aquellos cuya variabilidad inter-anual presente una periodicidad superior
a los 5 años, esto con el fin de definir su influencia en el largo plazo.
Los sistemas macro-climáticos más conocidos y con influencia sobre la hidroclimatología
Colombiana son El Niño Oscilación del Sur, La Oscilación Decadal del Pacífico y la Oscilación
del Atlántico Norte (ENSO, PDO y NAO por sus siglas en inglés), una explicación más
detallada de cada uno de los índices macro-climáticos se presenta en la Tabla 3.1.11.
Tabla 3.1.11. Variables Macro climáticas utilizadas en el análisis de correlación
ÍNDICE DESCRIPCIÓN
El Niño-Oscilación del Sur, (ENSO), es un patrón climático que consiste en la
oscilación de los parámetros meteorológicos del Pacífico cuya periodicidad se
ubica entre los 3 y 8 años Presenta dos fases opuestas, una de calentamiento y
lluvias en el Pacífico oriental conocido como el fenómeno de El Niño y la otra fase
Índice de enfriamiento llamada La Niña.
Oceánico del El indicador más relevante para describir las fases del ENSO se conoce como el
Niño (ONI) índice Oceánico del Niño (ONI) y corresponde al promedio de los últimos tres
meses de las anomalías de temperatura superficial del océano (SST) Pacifico en
la región Niño 3-4 (5N-5S, 120-170W).
http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ensoye
ars.shtml
Caracterización

ÍNDICE DESCRIPCIÓN
La Oscilación Decadal del Pacífico (PDO) puede describirse como un patrón de la
variabilidad climática en el océano Pacífico, esta tiene características similares al
fenómeno macro-climático El Niño/La Niña, ya que exhibe aproximadamente las
La Oscilación mismas relaciones en cuanto a las anomalías o desviaciones en las temperaturas
Decadal del superficiales del mar; pero a diferencia de éste, la PDO tiene un periodo de
Pacífico (PDO) oscilación de más o menos 10-20 años y sus efectos se encuentran localizados
más al Pacífico Norte. El índice PDO se obtiene tomando la primera componente
principal de las anomalías de temperatura en el océano Pacífico Norte.
http://research.jisao.washington.edu/pdo/PDO.latest
Es la alternación de la masa atmosférica entre las regiones subtropical y subpolar
del océano Atlántico Norte, se caracteriza por variaciones en el gradiente de
presiones a nivel del mar en escalas mensual y estacional, en los vientos del
Oscilación del oeste en las latitudes medias, en las temperaturas superficiales del mar y en el
Atlántico Norte clima de las regiones continentales adyacentes. Se define en términos de la
(NAO) variabilidad de la presión en dos sitios claves, un centro de presión en las islas
Azores, influenciado por el centro de alta presión subtropical, y el otro centro de
presión sobre Islandia, lugar donde predominan las bajas de presiones.
http://www.cpc.ncep.noaa.gov/products/precip/CWlink/pna/nao.shtml
Asumiendo que la función de distribución de portabilidades de los coeficientes de
correlación entre dos variables se ajusta a la t- Student, se propone el siguiente estadístico
para evaluar la significancia estadística de los coeficientes de correlación obtenidos:
r
t0 
1 r2
N 2 [2]
t0
Siendo el estadístico de la prueba, r el coeficiente de correlación obtenido y N el número
de datos involucrados en la correlación. La correlación será estadísticamente significativa
t0
si es superior al valor inverso de la distribución t, para un nivel de significancia del 5%
y N-2 grados de libertad.
Caracterización

Los resultados del análisis de correlación entre los datos de precipitación anual y los índices
macro-climáticos se presentan en la Tabla 3.1.12, con negrita se resaltan aquellas
correlaciones significativas.
Tabla 3.1.12. Resultados del análisis de correlación entre los datos
CORRELACIÓN
REGISTRO
CODIGO NOMBRE LATITUD LONGITUD ONI PDO NAO
(AÑOS)
23060150 PTO LIBRE 5.76 -74.63 43 -0.499 -0.347 -0.201
23090020 VIRGINIAS 6.39 -74.68 41 -0.474 -0.378 -0.176
23090100 SAN JUAN BEDUTH 6.60 -74.45 18 -0.397 -0.133 -0.146

23090110 MURILLO 6.60 -74.40 33 -0.239 -0.313 -0.313
23095010 APTO PTO BERRIO 6.27 -74.24 42 -0.114 -0.126 -0.177
23100070 RAMBLAS 6.64 -74.37 33 -0.280 -0.162 -0.195

23100080 STA CLARA 6.65 -74.32 18 -0.205 -0.189 0.101
23110030 PTO NINO 5.94 -74.59 43 -0.432 -0.198 -0.198
23110040 TRIQUE EL 5.88 -74.57 43 0.066 0.024 -0.119

23110060 PADILLA 6.19 -74.33 33 -0.450 -0.192 -0.044
23115010 PTO BOYACA 5.58 -74.34 15 -0.264 -0.226 -0.135
23120200 PTO ARAUJO ALERTAS 6.53 -74.08 38 -0.283 -0.040 -0.152
23120250 BORBUR 2 5.65 -74.07 42 0.108 -0.093 -0.188
23125050 CARARE 6.38 -74.30 43 -0.455 0.029 -0.321
23130010 CHUCURI 6.88 -74.03 58 -0.100 -0.411 -0.411
* En negrita se resaltan las correlaciones significativas

Del análisis de correlación se puede concluir que 5 estaciones, Carare (23125050), Pto
Libre (23060150), Virginias (23090020), Pto Nino (23110030) y Padilla (23110060),
presentan una correlación significativa con el Índice Oceánico del Niño (ONI), y Chucuri
(23130010) el resto de las estaciones parecen no responder al macroclima. Estos
resultados serán discutidos en el literal sobre variabilidad climática, porque a grandes
rasgos al parecer sí existe una importante influencia del ENSO y de la PDO sobre la
precipitación en la cuenca.
Luego de analizar las posibles fuentes de variabilidad en los parámetros estadísticos de las
series de precipitación media multianual (las tendencias y el macroclima), se procede a
sugerir el esquema no estacionario para la evaluación de eventos extremos. No existe una
teoría general establecida para procesos no estacionarios, por lo que es usual utilizar como
base modelos de valores extremos estándares y extenderlos (Coles, 2001). Álvarez y
Caracterización

Escalante (2016) demuestran que la fdp Log-Normal LN(μ,σ) es la que mejor se ajusta
para el cálculo de eventos extremos (mínimos) asociados a la precipitación anual, donde μ
es el parámetro de escala y σ el parámetro de forma, cada parámetro podría tener una
ecuación en términos del tiempo y/o de una variable macroclimática, gracias al análisis de
homogeneidad y tendencias ya sabemos que en los datos medios de precipitación no
existen cambios significativos en la varianza y por tanto los cambios en los parámetros de
la función de distribución de probabilidades estarán asociados a las variaciones que
presente la media: así pues se desarrollan los siguientes esquemas para el análisis no
estacionario de eventos extremos:
Modelo estacionario (M0):

 t , vmc   0 [3]
Modelo no estacionario tipo 1 (M1):

 t , vmc   0  1t [4]
Modelo no estacionario tipo 2 (M2):

 t , vmc   0  1t   2 vmc [5]
Donde t corresponde a la tasa anual de cambio en el tiempo y vmc corresponde a alguna
de las variables macroclimáticas (ONI, PDO, NAO), los parámetros de los modelos
propuestos se obtienen a partir de regresiones lineales múltiples donde la variable
dependiente corresponde a las precipitaciones anuales y las variables independientes son
el tiempo y la variable macroclimática seleccionada. El modelo M0, corresponde al caso
clásico estacionario, y será aplicado a aquellas estaciones en las cuales no se presentan
tendencias y no existe correlación con alguna variable macroclimática. En el modelo M1
las variaciones a través del tiempo en los procesos observándose una tendencia lineal en
el parámetro de ubicación de la distribución, este tipo de análisis no estacionario será
aplicado a aquellas estaciones que poseen tendencias confirmadas en la media sin
correlación con variables macroclimáticas. El Modelo M3 implica la simulación conjunta de
las tendencias y de la variable macroclimática para obtener el parámetro μ.
La forma más popular de la expresión de Ven T. Chow para el análisis de frecuencias (de
máximos o de mínimos) es:
X T    KT [6]
Donde  corresponde al valor medio de los datos y  a su desviación estándar. KT Recibe

el nombre de factor de frecuencias y su cálculo es función de la probabilidad de ocurrencia
Caracterización

del evento y los parámetros de la distribución de probabilidades, en el caso de la
distribución Log-Normal de dos parámetros el factor de frecuencia está dado por:
KT 

exp zT ln 1  Cvx2   0.5

 0.5 ln 1  Cvx2   1
Cvx [7]
Donde
Cvx corresponde al coeficiente de variación y zT es la variable normal tipificada
P 1
asociada a una probabilidad de ocurrencia T siendo T el periodo de retorno. La
generación de la ecuación [6] para el caso de media no estacionaria estará dado por:
X T   t , vmc  KT t , vmc [8]
Donde
 t, vmc se calcula según las consideraciones de los modelos M0, M1 o M2.
Los periodos de retorno de análisis, fueron sugeridos por los alcances técnicos del proyecto,
siendo de 2, 5, 10, 15, 20, 25, 30, 50, 100 y 500 años, finalmente para el análisis no
estacionario se requiere de la definición de los escenarios hacia los cuales se desea
proyectar la información teniendo como base el año inicial del proyecto (2017), dado que
en la fase prospectiva los POMCAS son formulados para 10 años, se propone como segundo
escenario el año 2027, luego 2042, y como es habitual en los análisis de cambio climática
se extienden los resultados en 50 años y 100 años para tener información sobre los
resultados a 2067 y 2117. Otra observación importante sobre el uso de variable macro
climática en el enfoque no estacionario está ligada al análisis de los escenarios más
desfavorables, en tal sentido la evaluación de los parámetros estadístico proyectados a
2027, 2042,2067 y 2117 se hará asumiendo estados de la variable macro climática que
impliquen una disminución de la precipitación.
A manera de ejemplo, en la Figura 3.1.8 se presentan los resultados de la estación Pto
Boyacá (23115010). Sobre esta estación se tiene que existe una tendencia positiva en la
señal, por lo que la precipitación aumentará con el tiempo, según los datos con ventanas
móviles de 5 y 10 años. En promedio los valores anuales de precipitación aumentan a
razón de 31.8 mm/año. El análisis de correlación, representado por una dispersión entre
los datos de precipitación anual estandarizados (anomalías) y los de las variables
Caracterización

macroclimáticas (ONI, PDO, NAO) muestran que no existe correlación significativa entre la
serie. Así pues el modelo no estacionario seleccionado será del tipo M1 que considera la
tendencia de la señal más no las variables macroclimática, utilizando la fdp log normal se
estiman las precipitaciones mínimas anuales para los periodos de retorno seleccionados, y
luego se modifican los parámetros estadísticos de la señal proyectándolos para cada uno
de los escenarios obteniendo el análisis no estacionario, en particular para esta estación,
se prevé un aumento de la precipitación media anual del 30% en los próximo 10 años, del
43% al 2042, del 64% al 2067 y 108% en 2117 años.
Figura 3.1.8. Resultados del análisis no estacionario de la precipitación anual para la
estación Pto Boyacá (23115010)
Caracterización

El cálculo del análisis de frecuencias no estacionario para los datos de precipitación media
anual de todas las estaciones seleccionadas se presenta en Anexos
Digitales/Anexo_3.1._Clima/4.Eventos extremos
Metodología general para el análisis de las precipitaciones máximas anuales.
La metodología general para el análisis no estacionario de eventos extremos con
antelación. Se utilizan los datos de precipitación máxima anual con periodo de registro
superior a 15 años y con influencia en la cuenca. De igual manera se procedió a la
cuantificación de las tendencias en las series de precipitación máxima anual donde se
utilizaron ventanas móviles de 5 y 10 años, las tendencias establecidas serán aquellas
significativas según el test de Mann-Kendall. En la Tabla 3.1.13 se presentan los resultados
del análisis de tendencias para los datos de precipitaciones máximas de 24 horas en las
estaciones en el área del proyecto, dichas tendencias se muestran de forma gráfica en la
Figura 3.1.9.
Tabla 3.1.13. Análisis de tendencias en las series anuales de precipitación máxima de 24
horas.
TENDENCIA
VENTANA VENTANA
REGISTRO SERIE
(AÑOS) ORIGINAL
5 AÑOS 10 AÑOS
23060150 PTO LIBRE 5.76 -74.63 43 NO NO NO
23090020 VIRGINIAS 6.39 -74.68 41 NO NO 1.6018
23090100 SAN JUAN BEDUTH 6.60 -74.45 18 NO NO NO
23090110 MURILLO 6.60 -74.40 33 NO NO 1.2563
23095010 APTO PTO BERRIO 6.27 -74.24 42 NO NO NO
23100070 RAMBLAS 6.64 -74.37 33 NO NO NO
23100080 STA CLARA 6.65 -74.32 18 NO NO NO
23110030 PTO NINO 5.94 -74.59 43 NO NO NO
23110040 TRIQUE EL 5.88 -74.57 43 NO NO NO
23110060 PADILLA 6.19 -74.33 33 1.9095 1.9858 1.9278
23115010 PTO BOYACA 5.58 -74.34 15 NO 0.5831 0.4683
23120200 PTO ARAUJO ALERTAS 6.53 -74.08 38 NO NO NO
23120250 BORBUR 2 5.65 -74.07 42 NO NO NO
23125050 CARARE 6.38 -74.30 43 NO NO -0.307
23130010 CHUCURI 6.88 -74.03 58 NO NO NO
Caracterización

Figura 3.1.9. Distribución espacial de las tendencias en las series anuales de precipitación
máxima de 24 horas.
Caracterización

Con respecto al análisis sobre las series originales, la estación Padilla (23110060) presenta
tendencia de 1.91 mm/año, mientras que los 14 restantes no tienen variación; sin
embargo, para una media móvil de 10 años, 3 estaciones adicionales presentan una
tendencia alrededor de 1.5 mm/año y la estación Carare (23125050) tiene una tendencia
negativa de 0.3 mm/año.
Así mismo se realizó un análisis de correlación entre las variables macro-climáticas ONI,
PDO Y NAO con las series anuales de precipitación máxima de 24 horas (Tabla 3.1.14), los
resultados arrojaron que no existe correlación significativa con los sistemas
macroclimáticos, salvo en la estación San Juan Beduth (23090100) donde al parecer
eventos El Niño podrían disminuir la precipitación máxima (correlación negativa), así
mismo durante la fase positiva de la PDO.
Tabla 3.1.14. Resultados del análisis de correlación para las series anuales de
precipitación máxima diaria.
CORRELACIÓN
REGISTRO
CODIGO NOMBRE LATITUD LONGITUD ONI PDO NAO
(AÑOS)
23060150 PTO LIBRE 5.76 -74.63 43 0.1888 -0.0117 0.0835
23090020 VIRGINIAS 6.39 -74.68 41 -0.289 0.1485 0.1485
23090100 SAN JUAN BEDUTH 6.60 -74.45 18 -0.4028 -0.4098 -0.1981
23090110 MURILLO 6.60 -74.40 33 -0.0202 -0.1462 0.1446
23095010 APTO PTO BERRIO 6.27 -74.24 42 -0.1125 0.036 -0.2437
23100070 RAMBLAS 6.64 -74.37 33 0.1356 -0.1084 0.011
23100080 STA CLARA 6.65 -74.32 18 -0.308 -0.1852 -0.1068
23110030 PTO NINO 5.94 -74.59 43 -0.1831 0.1157 -0.0178
23110040 TRIQUE EL 5.88 -74.57 43 -0.3474 -0.134 -0.0748
23110060 PADILLA 6.19 -74.33 33 -0.1437 -0.2514 -0.1948
23115010 PTO BOYACA 5.58 -74.34 15 -0.1478 -0.2389 0.0398
23120200 PTO ARAUJO ALERTAS 6.53 -74.08 38 0.2863 0.2407 0.1079
23120250 BORBUR 2 5.65 -74.07 42 -0.0795 -0.0512 -0.1525
23125050 CARARE 6.38 -74.30 43 -0.1035 0.04 0.04
23130010 CHUCURI 6.88 -74.03 58 0.0077 0.0916 -0.0055

Para el análisis no estacionario de eventos extremos máximos se ha utilizado el mismo
modelo no estacionario considerando las condiciones M0, M1 y M2, siguiendo el modelo de
la ecuación [3-8], en este caso se ha utilizado la función Generalizada de eventos extremos
Tipo 1 para la estimación de las precipitaciones máximas de 24 horas asociadas a los
Caracterización

periodos de retorno dados por el alcance técnico del proyecto. El factor de frecuencias está
dado por:
K T  0.45  0.7797 ln ln 1  P [9]

Se utilizarán los mismos escenarios definidos para la precipitación media anual. A manera
de ejemplo en la Figura 3.1.10 se presentan los resultados para la estación Chucuri
(23130010), al igual que en el análisis asociado a datos medios, se identifican las
tendencias y correlaciones para luego estimar los valores máximos de precipitación
asociados a diferentes periodos de retorno, en este caso, la existencia de tendencias
positivas implica que a futuro la precipitación máxima aumentará, y por tanto las
tormentas asociadas tendrán una mayor intensidad.
Figura 3.1.10. Análisis no estacionario de la precipitación máxima de la estación Chucuri
23130010.
Caracterización

3.1.6.3. Estimación de las curvas Intensidad Duración y Frecuencia
Dada la importancia que tienen la utilización de las curvas Intensidad - Frecuencia -
Duración (IDF) en el cálculo y diseño de obras de ingeniería, se hace un análisis de
diferentes metodologías para su estimación utilizando información de 10 estaciones con
registros diarios de precipitación, media, máxima, y días de lluvia, con influencia en la
subzona hidrográfica 2311. La metodología utilizada fue las ecuaciones paramétricas
(Vargas,1997) en función, además, de la precipitación media anual, la elevación, el número
de días con lluvia al año y la lámina máxima de 24 horas de duración.
IDF existentes en la región
La curva de Intensidad, Duración y Frecuencia (IDF) expresa la máxima intensidad de
precipitación registrada en diversos intervalos de tiempo en función del periodo de retorno
y la duración del evento.
Se obtuvo la curva IDF de la estación Apto Pto Berrio (2309501) de la base de datos del
IDEAM, siendo esta la información oficial para Colombia, presentada en la Figura 3.1.11.
El IDEAM pone a disposición del público las curvas IDF de las estaciones hidrológicas que
cuentan con ella, las cuales fueron conformadas con los registros existentes hasta el año
2010.
Si bien esta IDF no está ubicada precisamente al interior de la cuenca, su relación con el
vecindario y la región, así como su proximidad y similitud climática, pueden servir de
referencia para entender la magnitud de los eventos extremos de precipitación en la
subzona hidrográfica 2311.
Caracterización

Figura 3.1.11. Curva IDF para la estación Apto Pto Berrio (2309501).
Fuente: IDEAM, 2016.
Teoría paramétrica de Vargas (1997)

Vargas (1997), evaluó la aplicabilidad de las principales ecuaciones propuestas por la
literatura para generar curvas IDF sobre una amplia región colombiana. En primera
instancia, se utilizó la ecuación de Kothyari y Garde cuya forma generalizada es:
Caracterización

Tr 2 d
I a ( R24 )
tc [10]
Luego, se reemplazó el término R224 por el valor promedio anual máximo de
precipitación diaria M
Tb
I a c
Md
t [11]
Se proponen modificaciones a esta ecuación de tal manera que incluyera un
parámetro correspondiente al número de días con lluvia al año N.
Tb d e
I a M N
tc [12]
Donde a, b, c, d y e son coeficientes determinados por análisis de regresión para
las estaciones consideradas. Finalmente, se adicionan parámetros como la
precipitación media anual PT en mm y la elevación sobre el nivel del mar ELEV en
msnm obteniéndose las siguientes ecuaciones:
Tb d e
I a c
M N PT f
t [13]
Tb d e
I  a c M N PT f ELEV g
t [14]
A partir de un análisis regional, Vargas determinó los valores de los parámetros a,
b, c, d, e y f en diferentes regiones de Colombia, como se muestra en la Tabla
3.1.15.
Tabla 3.1.15. Parámetros del método de Vargas para las diferentes regiones del país
Región
Coeficiente Andina Caribe Pacífico Orinoquía
a 1.61 8.51 2.31 1.3 E -26
b 0.19 0.21 0.19 0.19
c 0.65 0.5 0.58 0.58
d 0.75 -0.01 -0.20 1.19
e -0.15 -0.08 0.12 -1.46
Caracterización

Región
Coeficiente Andina Caribe Pacífico Orinoquía
f 0.08 0.28 0.4 8.28
Correlación (R2) 0.93 0.74 0.91 0.97
Fuente: Vargas, 1997
Resultados de la estimación de las IDF para la subzona hidrográfica 2311
Utilizando la metodología multiparamétrica de Vargas (1997) se estimaron las
curvas IDF para aquellas estaciones con registro de precipitación superiores a 15
años e influencia al interior de la cuenca. Para el método de Vargas los datos
básicos requeridos son el valor medio de la precipitación máxima diaria (Pmax 24
h), el número de días de lluvia al año, la precipitación media multianual y la
elevación de la estación de precipitación, dichos parámetros para las estaciones
seleccionadas se presentan en la Tabla 3.1.16.
Tabla 3.1.16. Parámetros para la construcción de curvas IDF con influencia en la subzona
hidrográfica 2311.
Pmax 24h Días con lluvia P media Elevación
Código Nombre
(mm/día) (días/año) (mm/año) (msnm)
23130010 CHUCURI 119.4 127 3107 100
23120200 PTO ARAUJO ALERTAS 114.8 147 2854 118
23100080 STA CLARA 117.7 137 3175 100
23100070 RAMBLAS 115.6 111 2505 120
23090100 SAN JUAN BEDUTH 120.8 92 2429 150
23090110 MURILLO 120.2 127 3087 130
23110060 PADILLA 106.2 166 2690 171
23110030 PTO NINO 99.6 125 2213 1747
23110040 TRIQUE EL 109.9 130 2419 179
23060150 PTO LIBRE 105.9 115 2092 1836
A manera de ejemplo en la Figura 3.1.12 presentan las curvas IDF para la estación Aguas
Chucuri (23130010) por el método propuesto para los periodos de retorno de 2, 5, 10, 15,
20, 25, 50, 100 y 500 años, las demás estaciones de la Tabla 3.1.16 se entregan en el
Anexos Digitales/Anexo_3.7._Caract_hidroligica/2.Oferta Hídrica y en Anexos
Caracterización

Digitales/Anexo_3.1._Clima/ 5.Curvas IDF se adjuntan las IDF para las estaciones de la
Tabla 3.1.16.
Figura 3.1.12. IDF estación Chucuri (23130010), método de Vargas (2000).

3.1.6.4. Distribución espacio-temporal de la temperatura.
Distribución espacial de la temperatura.
La variación de la temperatura con la altura se estima mediante la ecuación propuesta por
Cenicafé (Chávez y Jaramillo, 1998) para la región andina de Colombia.
Tmedia  29.42  0,0061 H
Donde, Tmedia es la temperatura media anual en (°C) y H es la altura sobre el nivel del
mar en (m); dicha ecuación fue construida usando 626 estaciones existentes en la región
Andina colombiana con un R

2
 0.99 . Debe anotarse que la dependencia lineal empírica
expresada en la relación anterior, concuerda aproximadamente con el decrecimiento de la
temperatura en la atmósfera en función de la altura sobre el nivel del mar, para condiciones
adiabáticas cercanas a saturación cuyas ligeras diferencias pueden ser explicadas en
función de la humedad del aire (Mesa et al. 1997). El mapa de temperatura para la zona
Caracterización

de estudio se presenta en la Figura 3.1.13. En el mapa se observa una temperatura
homogénea de aproximadamente 28°C a excepción de la zona sur oriental de la subzona
donde se encuentran los valores menores de temperatura, de alrededor 19°C.
Figura 3.1.13. Distribución espacial de la temperatura en la zona de estudio.
Caracterización

Variabilidad temporal de la temperatura.
La temperatura es uno de los factores más importantes en el análisis climático, pues este
parámetro incide directamente en los procesos de evapotranspiración y condicionan la
existencia de determinadas especies vegetales.
Utilizando las tres estaciones climatológicas con mayor relevancia al interior del área de
estudio y su vecindario, se analizó la variabilidad temporal de la temperatura promedio,
como de los demás parámetros climáticos.
La temperatura media mensual multianual en la zona de estudio oscila entre 24°C a 27°C,
coincidiendo el período más caliente con el período más seco y el período más frío con el
período de mayor pluviosidad. Estas temperaturas corresponden a un clima Cálido; por la
poca variación durante el transcurso del año, se ajusta a un régimen isotérmico de
temperaturas con un promedio de 28°C, como se observa en la Figura 3.1.14.
Las temperaturas en la zona presentan una tendencia moderadamente alta durante los
periodos de bajas precipitaciones, siendo de diciembre a marzo los meses donde en
promedio se presentan las temperaturas medias más altas, con valores del orden de
25.7°C a 26.2°C.
Las temperaturas medias más bajas se registran durante los meses de junio y julio; siendo
estos los meses donde en promedio se registra mayor precipitación, con valores mensuales
de 24°C.
A continuación, en la Tabla 3.1.17 se relacionan las temperaturas medias anuales
multianuales de las estaciones meteorológicas con datos disponibles.
Caracterización

Tabla 3.1.17. Valores medios mensuales multianuales de temperatura (°C) en las estaciones meteorológicas utilizadas para
la caracterización climática de la zona de estudio.
23095010 APTO PTO BERRIO 28.8 28.9 28.7 28.5 28.5 28.6 28.6 28.6 28.1 27.8 27.9 28.2 28.4
23115020 PADILLA 28.1 27.8 28.9 27.6 28.0 27.8 28.3 27.9 27.7 27.1 27.6 26.9 27.8
23115010 PTO BOYACA 28.1 28.3 28.0 27.6 27.8 27.9 28.3 28.4 27.6 27.0 27.1 27.5 27.8
Promedio 28.3 28.3 28.5 27.9 28.1 28.1 28.4 28.3 27.8 27.3 27.5 27.5 28.0
Figura 3.1.14. Variación temporal de la Temperatura media mensual de la zona de estudio.

Caracterización

3.1.6.5. Variabilidad espacio-temporal del brillo solar.
En la zona de estudio, el brillo solar presenta un valor promedio mensual multianual del
orden de 1587 horas al año. La insolación media mensual en promedio es del orden de 132
horas. El número de horas de brillo solar es influenciado en gran medida por la precipitación
en los diferentes meses del año, siendo el período más seco el de mayor insolación y la
temporada húmeda presenta los valores más bajos de brillo solar. El brillo solar varía al
mes en promedio entre 102 horas como mínimo a 166 horas como máximo.
En promedio en el área de estudio los meses donde se presentan las mayores insolaciones
son julio a agosto, siendo el mes de mayor insolación julio, con 166 horas de brillo solar.
Las menores insolaciones en promedio se registran durante los meses de marzo a abril,
siendo abril el mes donde se presentan los valores más bajos con 100 horas de Brillo solar.
A continuación, en la Tabla 3.1.18 se relacionan los valores totales mensuales de horas de
brillo solar de las estaciones que caracterizan el área de estudio.
Caracterización

Tabla 3.1.18. Valores totales mensuales multianuales de horas de brillo solar en las estaciones utilizadas para la
caracterización climática en el área de estudio.
23065110 YACOPI 154.5 120.2 108.7 105.3 132.5 155.3 186.5 172.4 136.1 133.8 134.2 137.8 1677.3
23095010 APTO PTO BERRIO 213.3 173.3 141.2 154.1 180.6 197.6 223.2 220.6 184.2 175.3 177.4 197.8 2238.5
23125100 BUENAVISTA 97.6 72.9 58.3 41.2 53.7 68.2 87.3 75.9 72.4 75.1 60.6 81.1 844.4
Promedio 155.1 122.1 102.7 100.2 122.3 140.4 165.7 156.3 130.9 128.1 124.1 138.9 1586.7
Fuente: IDEAM 2017.
Figura 3.1.15. Distribución temporal del número de horas de brillo solar mensual multianual en el área de estudio.
Caracterización

En la Figura 3.1.16 se muestra la distribución espacial del brillo solar medio diario para la
zona de estudio, en la cual se observa que el valor promedio multianual de horas de brillo
solar se obtiene al dividir el valor anual de brillo solar por el número de días del año.
Utilizando una interpolación lineal inversa a partir de las estaciones con registro de Brillo
Solar, se obtiene que el Brillo solar promedio es de 6 horas para toda la subzona.
Figura 3.1.16. Brillo Solar medio diario para la zona de estudio.
Caracterización

3.1.6.6. Variabilidad espacio-temporal de la humedad relativa.
La humedad relativa es la relación expresada en porcentaje entre la tensión real del vapor
de agua y la tensión de saturación a la misma temperatura. La relación humedad relativa
y temperatura es inversa cuando la temperatura aumenta, la capacidad del aire para
retener vapor de agua aumenta y la humedad relativa disminuye, mientras que cuando la
temperatura disminuye, la capacidad de retención decrece y la humedad relativa aumenta;
adicionalmente, la relación humedad relativa y precipitación es directa, dado que en los
meses de mayores precipitaciones se presentan las mayores humedades relativas,
dependiendo del régimen pluviométrico de las lluvias. La humedad relativa y la
temperatura permiten que la vegetación y la fauna adquieran diferencias fisonómicas de
una zona a otra; estos parámetros tienen una relación inversa.
El período donde se presentan las mayores humedades relativas está entre los meses de
noviembre a diciembre con un valor promedio de 83%. Las menores magnitudes de
humedad relativa en promedio se registran en el mes febrero, con un valor promedio de
77.3%, como se aprecia en la Figura 3.1.17. A continuación, en la Tabla 3.1.19 se
relacionan los valores medios mensuales multianuales de humedad relativa de las
estaciones que caracterizan el área de estudio.
Caracterización

Tabla 3.1.19. Valores medios mensuales multianuales de humedad relativa en las estaciones meteorológicas utilizadas para
la caracterización climática de la zona de estudio.
23095010 APTO PTO BERRIO 77.0 76.0 79.0 81.0 81.0 80.0 80.0 79.0 81.0 82.0 82.0 81.0 80.0
23115020 PADILLA 83.0 81.0 83.0 85.0 87.0 82.0 80.0 83.0 83.0 84.0 87.0 88.0 84.0
23115010 PTO BOYACA 76.0 75.0 78.0 80.0 80.0 78.0 75.0 75.0 78.0 81.0 82.0 80.0 78.0
Promedio 78.7 77.3 80.0 82.0 82.7 80.0 78.3 79.0 80.7 82.3 83.7 83.0 80.7
Fuente: IDEAM 2017

Figura 3.1.17. Distribución temporal de la humedad relativa media mensual multianual en la zona de estudio.

En la Figura 3.1.18 se presenta la humedad relativa media multianual para la zona de
estudio, construida a partir de interpolación con los datos de las estaciones con información
de humedad relativa. En la figura se observa que en la parte baja de la subzona la humedad
media se encuentre entre 85 y 90%, mientras que para el resto de la cuenca toma valores
de 80 a 85 % al año.
Figura 3.1.18. Humedad Relativa media multianual para la zona de estudio.

Caracterización

3.1.6.7. Variabilidad temporal de la evaporación.
La evaporación es un indicador natural del balance hídrico, el cual corresponde al agua que,
en forma de vapor, llega a la atmósfera, estando influida por diversos factores entre los que
se encuentran el tipo de suelo y factores climáticos como la temperatura atmosférica, el
brillo solar, entre otros. La evaporación nos permite obtener las deficiencias o excesos de
humedad en el suelo cuando éste se encuentra a capacidad de campo.
De acuerdo con los registros de las estaciones analizadas en el área de estudio, la
evaporación mensual varía entre 95 mm a 1200 mm; siendo agosto el mes con mayor
evaporación, con un valor promedio del orden de 120.5 mm mensuales. Los períodos con
menor evaporación son de julio a agosto, con un valor promedio 120 mm. La evaporación
anual en el área de influencia varía entre 1095 mm a 1525 mm y en promedio la
evaporación en el área es del orden de 1134 mm mensuales multianuales, como se observa
en la Figura 3.1.19.
A continuación, en la Tabla 3.1.20 se relacionan los valores totales mensuales de
evaporación media mensual multianual.
Caracterización

Tabla 3.1.20. Valores totales mensuales multianuales de evaporación (mm) en las estaciones meteorológicas utilizadas para
la caracterización climática.
23065110 YACOPI 88.4 82.1 92.5 88.8 93.7 91.3 104.0 102.3 98.8 90.5 82.4 80.1 1094.9
23095010 APTO PTO BERRIO 141.8 132.9 133.0 115.2 117.3 126.8 137.1 136.7 126.9 116.0 116.0 125.4 1525.0
23125050 CARARE 118.5 116.5 130.6 119.0 111.7 118.1 127.3 136.5 112.4 94.0 92.1 111.9 1388.6
23125120 CIMITARRA 105.8 109.7 104.1 102.1 110.2 102.7 110.5 106.6 113.5 100.0 89.1 93.3 1247.6
Promedio 113.6 110.3 115.1 106.3 108.2 109.7 119.7 120.5 112.9 100.1 94.9 102.7 1314.0
Fuente: IDEAM 2017.
Figura 3.1.19. Distribución temporal de la evaporación media mensual multianual en el área de estudio.

De acuerdo con el comportamiento de la evaporación en el área de estudio se logró
determinar que éste es directamente proporcional a los parámetros de temperatura y
brillos solares registrados e inversamente proporcional a los niveles de precipitación. Por
consiguiente, durante el periodo de enero a marzo, y julio a septiembre es cuando se
presentan los niveles más altos de evaporación con un promedio de 123.5 mm,zy los cuales
contrastan con los registros más altos de temperatura y los más bajos de precipitación.
La variabilidad espacial de la evaporación será estimada de forma analítica buscando aquel
método que mejor ajuste tenga al balance hídrico de largo plazo, es decir, el resultado
básico del balance hídrico de largo plazo corresponderá al valor medio multianual de la
evapotranspiración real y potencial que mejor estimen los caudales al interior de la cuenca
y su vecindario, por tanto, se pide al lector dirigirse al numeral 3.1.8.4 sobre los resultados
del balance hídrico de largo plazo.
3.1.7. Zonificación climática de CALDAS LANG
La clasificación climática del trópico americano se inició en 1802 cuando se reunieron en
Quito los investigadores Alejandro Humboldt, Ame Bonpland y Francisco José de Caldas;
este último disponía de una copiosa información relativa a las alturas sobre el nivel del mar
y su influencia en la variación de las temperaturas. Expuesta y analizada la información,
Caldas determinó los pisos térmicos para la región Andina-tropical. Humboldt informó a los
naturalistas europeos sobre lo convenido en la reunión, respetándose incluso la
designación de los pisos térmicos en castellano propuesta por Caldas, cosa que ha
perdurado hasta nuestros días.
Caldas estableció una relación empírica que muestra que a una altitud de 1000 m
corresponde una temperatura media de 23.8°C, a 2000 m se alcanzan los 18°C, a 3OOO
m se observan 12.7°C y a 4OOO m se tienen valores de 7°C. Los límites de Caldas indican
cuatro (4) pisos térmicos a saber:
 Piso térmico cálido: localizado entre 0 y 1000 m. de altitud, con valores de
temperatura superiores a 24°C y un margen de altitud en el límite superior hasta 400 m,
según sean las características locales.
 Piso térmico templado: comprende altitudes situadas entre 1000 Y 2000 m, con
temperaturas mayores o iguales a 17.5°C y con un margen de amplitud en sus límites
superior e inferior a 5OOm.
Caracterización

 Piso térmico frío: comprende altitudes entre 2000 y 3000 m.
 Piso térmico paramuno: corresponde a las áreas situadas entre los 3000 m de
altitud y bajo el límite de las nieves- perpetuas. Con el propósito de detallar más las
condiciones climáticas se subdivide en dos zonas de páramo: la primera de mayor
temperatura, denominada "páramo bajo" con altitudes que oscilan entre 3200 y 3700 m,
y que se caracteriza por estar en el intervalo de los 7°C a los 12°C; la segunda conocida
como "'páramo alto", consecuentemente está sobre tos 3700 m y va hasta los 4200 m
aproximadamente (Eslava, J., 1992).
Otro avance significativo en la zonificación climática fue expuesto por Richard Lang en el
año de 1915, quien con su trabajo estableció una nueva clasificación del clima basado en
la relación obtenida al dividir la precipitación anual (P en milímetros) por la temperatura
media anual (T en °C). Este cociente se llama también Índice de efectividad de la
precipitación y/o factor de lluvia de Lang (Eslava, 1992) el cual es usado por el autor para
definir los índices de aridez o humedad según se muestra en la Tabla 3.1.21.
Tabla 3.1.21. Clasificación climática según el factor de Lang.
FACTOR DE LANG CLASE DE CLIMA SÍMBOLO
0 a 20.0 Desértico D
20.1 a 40.0 Árido A
40.1 a 60.1 Semiárido Sa
60.1 a 100.1 Semihúmedo. Sh
100.1 a 160.1 Húmedo H
> a 160.0 Super húmedo SH
Fuente: Eslava, 1992
Los resultados de la zonificación climática para la cuenca usando el método de Caldas -
Lang se presentan en la Figura 3.1.20, en la cual se observa que la zona de estudio se
encuentra ubicada casi en su totalidad dentro de la zonificación Cálida-Semihúmeda,
excepto de los extremos norte y sur oriental donde se encuentra clasificaciones de Cálido
Húmedo y Templado Húmedo, siendo estas las zonas donde se presentan las mayores
precipitaciones dentro del límite de la subzona hidrográfica. En la Tabla 3.1.22 se presentan
la extensión de cada categoría y su respectiva proporción en el área total.
Caracterización

Tabla 3.1.22. Área de extensión de las categorías de la clasificación climática.
Clasificación Área (km2) % Área
Cálido Húmedo 283.30 11.07%

Cálido Semihúmedo 2249.52 87.90%
Templado Húmedo 26.41 1.03%

Total 2559.23 100.00%
Figura 3.1.20. Zonificación climática de Caldas – Lang para la zona de estudio.
Fuente: Pomca Directos Al Magdalena Medio Entre Ríos Negro Y Carare,2017.

3.1.8. Balance Hídrico.
3.1.8.1. Balance hídrico de largo plazo

El clima de Colombia está determinado por la posición del país en la zona tropical y por
otros aspectos geográficos y atmosféricos como precipitación, intensidad de radiación
Caracterización

solar, temperatura, sistemas de vientos, altitud, continentalidad y humedad atmosférica.
Estos factores desarrollan un amplio mosaico de climas y microclimas en Colombia que van
desde los más calurosos en las costas y llanuras hasta los más frío en los picos de las
montañas de la Cordillera de los Andes y la Sierra Nevada de Santa Marta. (Maricio Cabrera
Leal, 1994).
Teniendo en cuenta el diagnóstico elaborado para la Política Nacional del Recurso Hídrico
(MAVDT, 2010) con base en estimaciones del IDEAM et al. (2004), en promedio en
Colombia la precipitación media anual es de 3.000 mm con una evapotranspiración real de
1.180 mm y una escorrentía media anual de 1.830 mm (Maricio Cabrera Leal, 1994).
Partiendo del conocimiento de las precipitaciones medias mensuales y de la
evapotranspiración de referencia mensual estimada, es posible estudiar el balance del agua
en el suelo a lo largo del año. Conocer el balance de humedad en el suelo es importante
para evaluar la disponibilidad del agua para los cultivos, estudios hidrológicos, de
conservación de suelos, de drenaje, de recuperación de suelos salinos, de repoblación
forestal o de criterios de diferenciación climática.
En la zona de estudio se analizaron factores de precipitación, temperatura y
evapotranspiración, teniendo en cuenta los datos históricos registrados por las estaciones
meteorológicas del IDEAM que estuvieran dentro y en la periferia de la cuenca.
La evapotranspiración es uno de los componentes más importantes del balance hídrico, se
define como la suma de la evaporación desde la tierra (superficies de agua, suelo) y la
transpiración de las plantas y los seres vivientes. En otras palabras, la evapotranspiración
representa la cantidad de agua saliente del volumen de control (la cuenca o parcela) hacia
la atmósfera en forma de vapor de agua gracias a una combinación de la evaporación física
y de la transpiración biológica.
La dinámica de la evapotranspiración está condicionada por tres factores fundamentales:
disponibilidad de agua, disponibilidad de energía para el cambio de estado del agua y
condiciones aerodinámicas propicias para asimilación y transporte de vapor de agua.
En el largo plazo la disponibilidad de agua en una zona es determinada por la precipitación;
dicha variable es responsable del suministro de agua a los acuíferos por infiltración
manteniendo el flujo base de las corrientes, además el suministro de agua en la zona
Caracterización

vadosa va directamente a las plantas, y junto con el agua interceptada por las mismas
conforma el volumen disponible para la evapotranspiración.
La radiación neta estimada a partir del balance energético global se ve afectada por
factores astronómicos y por condiciones físicas y climáticas. Factores como la nubosidad,
la posición geográfica y el albedo de las superficies (asociadas a los usos del suelo)
determinan la cantidad de radiación incidente sobre la superficie.
Las condiciones aerodinámicas propicias para la evaporación son influenciadas por la
velocidad del viento, la cantidad de vapor de agua en el aire, la resistencia aerodinámica
de la superficie y por el tipo y cantidad de vegetación presentes.
Para el cálculo de la evapotranspiración media multianual existen varios métodos
empíricos, la mayoría de ellos basados en fórmulas que han sido obtenidas en condiciones
climáticas diferentes a las tropicales. A partir del estudio realizado por Barco y Cuartas
(1998) se demostró que los métodos más confiables para estimar la evapotranspiración en
Colombia se basan en las ecuaciones propuestas por Cenicafé y Turc. El presente
documento tiene por objeto presentar de manera resumida las principales ecuaciones
utilizadas para estimar la evapotranspiración de largo plazo en Colombia. Dichas
metodologías representan un insumo de gran importancia para el cálculo de la oferta
hídrica (caudales medios) en cuencas poco instrumentadas.
3.1.8.2. Ecuaciones para estimar la evapotranspiración
 Cenicafé
Esta metodología permite calcular la evapotranspiración potencial (ETP) de forma sencilla,
pues en dicha ecuación la ETP solo depende de la elevación sobre el nivel del mar. La
ecuación fue producto de una regresión elaborada por Cenicafé entre los valores de
evapotranspiración y la altura sobre el nivel del mar. Las estimaciones de ETP fueron
obtenidas al aplicar el método de Pemán a los datos de las estaciones climáticas de
Colombia (Jaramillo, 1989):
𝐸𝑇𝑃 = 1700.17𝑒𝑥𝑝(−0.0002 ∗ ℎ) [15]
Donde, ETP es la evapotranspiración potencial (mm/año) y h es la elevación (m).
 Ecuación de Budyko
La evapotranspiración potencial se transforma a evapotranspiración real mediante la
ecuación de Budyko (Budyko, 1974):
Caracterización

𝑃 𝐸𝑇𝑃 𝐸𝑇𝑃 1/2
𝐸𝑇𝑅 = {𝐸𝑇𝑃 ∗ 𝑃 ∗ tanh ( ) ∗ [1 − 𝑐𝑜𝑠ℎ ( ) + 𝑠𝑒𝑛ℎ ( )]} [16]
𝐸𝑇𝑃 𝑃 𝑃
Donde, ETR es la evapotranspiración real (mm/año), ETP es la evapotranspiración potencial

(mm/año) y P es la precipitación media en la cuenca (mm/año).
 Turc
La formulación de Turc está basada en un balance de masas, en función de elementos
meteorológicos simples como la temperatura y la precipitación de la cuenca:
𝑃
𝐸𝑇𝑅 = 2
[17]
√0.9+𝑃2
𝐿
Donde, ETR es la evapotranspiración real (mm/año), P es la precipitación media en la

cuenca (mm/año) y T la temperatura promedio anual en °C.
Para P/L > 0.316, donde L (L es una función que depende de la temperatura) se expresa
como:
𝐿 = 300 + 25𝑇 + 0.05𝑇 3 [18]
Si P / L < 0.316:
𝐸𝑇𝑅 = 𝑃 [19]
 Factor regional
Estima la evapotranspiración real mediante la siguiente ecuación empírica:
𝑃
𝐸𝑇𝑅 = 1/∝ [20]
𝑃 ∝
(1+( ) )
𝑅𝑛
Donde, ETR es la evapotranspiración real (mm/año), P es la precipitación media en la

cuenca (mm/año), Rn es el equivalente de agua de la radiación neta con Rn = 1172,69
(mm/año) y ∝ es un parámetro que depende de la escala temporal de estimación de la
variable.
El método asume que la evaporación anual no excede los valores correspondientes a P o
Rn y dispone de la relación µ= P/ Rn en el intervalo 0.23 <µ<1.97. Esta metodología
propone para el cálculo del factor α en la región de trabajo, el valor que minimiza el error
medio entre las evaporaciones estimadas y las obtenidas al realizar el balance de largo
plazo. En 52 cuencas con áreas entre 25 y 5300 km² con condiciones climáticas diferentes,
se encontró un valor de α = 1.91 con muy buenos resultados, pero aplicable para zonas
con 0.85<µ<6.37.
 Ecuación de Countagne
Caracterización

Esta ecuación se basa en las condiciones meteorológicas de la cuenca. De una estimación
de la evapotranspiración real en función de la precipitación y la temperatura de la forma:
𝐸𝑇𝑅 = 𝑃 − 𝛾𝑃2 [21]
Donde ETR es la evapotranspiración real en m/año y P es la precipitación en metros.
1
𝛾= [22]
0.8+0.14∗𝑇
Donde T es la temperatura media anual en °C. La ecuación sólo es aplicable para valores
de P comprendidos entre (8γ)-1 y (2γ)-1. Si las precipitaciones son inferiores a (8γ)-1
entonces: ETR = P. Si P > (2γ)-1entonces:
𝐸𝑇𝑅 = (4𝛾)−1 = 0.2 + 0.035𝑇 [23]
 Ecuación de Thornthwaite.
1. Se calcula un “índice de calor mensual” (i) a partir de la temperatura media mensual
(t):
𝑡 1,514
𝑖=( ) [24]
5
2. Se calcula el índice de calor anual (I) sumando los 12 valores calóricos mensuales:
𝐼 = ∑𝑖 [25]
3. Se calcula la ETP mensual “sin corregir” mediante la siguiente fórmula:
𝑡 𝑎
𝐸𝑇𝑃sin 𝑐𝑜𝑟𝑟𝑒𝑔𝑖𝑟 = 16 (10 ) [26]
𝐼
Donde:
ETP sin corregir = ETP mensual mm/mes, para meses de 30 días y 12 horas
de sol (teóricas)
t = Temperatura media mensual, °C
I = índice de calor anual, obtenido en el punto 2
a=(675 ∗ 10−9 ∗ 𝐼 3 ) − (771 ∗ 10−7 ∗ 𝐼 2 ) + (1792 ∗ 10−5 ∗ 𝐼) + (0,49239)
 Corrección de la Evapotranspiración
𝐸𝑇𝑃 = 𝐸𝑇𝑃sin 𝑐𝑜𝑟𝑟𝑒𝑐𝑐𝑖ó𝑛 ∗ 𝐹 [27]
Dónde:
ETP = Evapotranspiración corregida
F = Factor de corrección de Thornthwaite
Caracterización

3.1.8.3. Validación Balance Hídrico.
El balance hídrico corresponde a la comparación entre las entradas de agua, producto
principalmente de la precipitación, y las salidas derivadas de la escorrentía, la evaporación
y la transpiración de las plantas, entre otras.
Debido a que comúnmente no se toma información directa de la evapotranspiración, este
parámetro debe ser calculado a partir de fórmulas que estiman las pérdidas de agua que
se producen por la evaporación y la transpiración en su conjunto, si la humedad del suelo
y la cobertura vegetal estuvieran en condiciones óptimas. Para este caso particular tanto
la evapotranspiración (ETP) como el balance hídrico climático se obtuvo a partir de la
metodología de Thornthwaite, la cual utiliza para el cálculo de la ETP el dato de la
temperatura media mensual.
Para la elaboración de un buen balance hídrico, se deben tener en cuenta los mapas de
precipitación y temperatura media multianual, a partir de los cuales se realizan varios
ensayos para encontrar un mejor ajuste en el balance hídrico de la cuenca a partir de la
estimación de diversos mapas de evapotranspiración para la zona, con el objeto de elegir
aquel con mejor estimación de los caudales medios multianuales y el menor error de ajuste
en el balance hídrico de largo plazo.
Para el balance hidrológico, se utilizan las ecuaciones de conservación de masa de agua en
un sistema o volumen de control. En este caso, el volumen de control considerado está
conformado por las columnas atmosféricas y de suelo, donde la frontera horizontal está
definida por la divisoria de la cuenca; el borde inferior de la columna de suelo es un estrato
impermeable y el borde superior de la columna atmosférica es su tapa.
En la Figura 3.1.21 se presenta un esquema del volumen de control donde se indican las
variables del sistema. Las variables P , E F y R tienen dimensiones de longitud por unidad
de tiempo, o caudal por unidad de área; mientras que W y S tienen dimensiones de

longitud, es decir, volumen por unidad de área. Así pues, el balance de agua para la
columna atmosférica está dado por la ecuación:
dW
F EP [28]
dt
Y el balance de agua para la columna de suelo está dado por:
Caracterización

dS
PER  [29]
dt
En el largo plazo, los volúmenes de agua almacenados en la columna de suelo y la columna
de atmósfera permanecen constantes, por lo que el cálculo de la escorrentía se lleva a
cabo por medio de la siguiente operación en cada punto interior del modelo digital de
elevación x, y  , como lo presenta la siguiente ecuación:

Rx, y   Px, y   Ex, y  [30]
Donde Rx, y  representa la columna de agua que el punto x, y  le aporta a la escorrentía
de la cuenca en el período considerado; Px, y  la precipitación que recibe el mismo punto
en el mismo período y E x, y  la lámina de agua que se pierde por evaporación en el punto
x, y  en el mismo período.

Integrando la ecuación anterior sobre toda la cuenca se obtiene que:
Caudal Medio   Px, y   Ex, y  dA

Área
[31]
Figura 3.1.21. Esquema del balance hídrico.
Caracterización

Es decir, el caudal medio se obtiene aplicando la ecuación anterior a elementos
diferenciales de área, cuyo tamaño corresponde al de los píxeles del Modelo Digital de
Elevación (30m x 30m). Así, para cada píxel en el interior de la cuenca, se estima E y P
de los mapas descritos en secciones posteriores de la ecuación de balance y su resultado
se multiplica por el área del píxel, obteniendo así el volumen de agua que el píxel aporta
durante el intervalo de tiempo dado (un año en este caso). La integración sobre toda la
cuenca estima el volumen total de agua que sale del sistema durante el mismo período de
tiempo, convirtiendo este valor a m³/s para obtener el caudal medio.
Sin embargo, el método propuesto presenta algunas dificultades en particular en la
estimación de la evapotranspiración, pues de todas las variables del ciclo hídrico la
evapotranspiración es quizás la que posee mayor incertidumbre en su estimación y es por
ello que se deben evaluar diferentes metodologías para su valoración hasta alcanzar el
menor error en la obtención de los caudales medios multianuales.
Es así como, una vez obtenido el mapa de precipitación y temperaturas de la cuenca, el
ejercicio de balance hídrico se reduce a la estimación de diversos mapas de
evapotranspiración hasta encontrar el mejor ajuste entre los caudales aforados por las
diversas estaciones que existen en la región y los estimados mediante el balance hídrico.
La evapotranspiración es uno de los componentes más importantes del balance hídrico, y
se define como la suma de la evaporación desde la tierra (superficies de agua, suelo) y la
transpiración de las plantas y los seres vivientes. En otras palabras, la evapotranspiración
representa la cantidad de agua saliente del sistema hacia la atmósfera en forma de vapor
de agua, por la acción combinada de la evaporación física y de la transpiración de la
vegetación.
La dinámica de la evapotranspiración está condicionada por tres factores fundamentales:
disponibilidad de agua, disponibilidad de energía para el cambio de estado del agua y
condiciones aerodinámicas propicias para la asimilación y transporte del vapor de agua. La
disponibilidad de agua en una zona es determinada por la precipitación, ya que, a largo
plazo, ésta es la responsable del suministro de agua a los acuíferos por medio de
infiltración, manteniendo el flujo base de las corrientes. El suministro de agua en la zona
vadosa va directamente a las plantas, y junto con el agua interceptada por las mismas
conforma el volumen disponible para la evapotranspiración.
Caracterización

La radiación neta es el remanente del balance energético global, el cual está afectado por
factores astronómicos y por condiciones físicas y climáticas. La disponibilidad de energía
para el cambio de estado del agua es suministrada por la radiación neta proveniente del
sol.
Las condiciones aerodinámicas propicias para la evaporación son influenciadas por la
velocidad del viento, la cantidad de vapor de agua en el aire, la resistencia aerodinámica
de la superficie y por el tipo y cantidad de vegetación presentes. Para el cálculo de esta
variable existen varios métodos empíricos, la mayoría de ellos explicados en el trabajo de
Barco y Cuartas (1998), cuyo principal resultado fue demostrar que los cálculos más
confiables para estimar la evapotranspiración en Colombia estaban dados por los métodos
de Cenicafé y Turc. No obstante, se implementaron los métodos de Thornthwaite,
Countagne y el Factor Regional para determinar dicha confiabilidad.
3.1.8.4. Resultados del balance hídrico de largo plazo
Una vez aplicadas las metodologías para la determinación de la Evapotranspiración
Potencial (ETP), así como la Evapotranspiración Real (ETR), se busca validar el balance
hídrico que mejor se ajuste a la región donde se ubica la zona de estudio, empleando las
áreas de cuencas vecinas que cuenten con datos de caudales mensuales multianuales, lo
que nos permitirá realizar un cálculo de caudales a partir de la ecuación de balance hídrico
de larga duración en términos de escorrentía superficial, y mediante el cálculo del error del
caudal resultante contra el caudal conocido, se conocerá el método que mejor ajuste
presente para la zona en la que se ubican las cuencas hidrográficas.
La ecuación del cálculo de caudales a partir de balances hídricos de larga duración es la
siguiente:
𝑄 = (𝑃 − 𝐸𝑇𝑅) ∗ 𝐴 [32]
Para la realización del balance hídrico se utilizaron 4 estaciones hidrológicas con más de
10 años de registro, debido a la falta de estaciones hidrologías dentro de la zona de estudio
se utilizaron las estaciones vecinas en los ríos Carare y Minero. Se trazó la cuenca de cada
corriente a partir de la ubicación del punto de aforo, para obtener el área aferente y las
respectivas estimaciones de precipitación y evapotranspiración real media sobre cada
cuenca.
Caracterización

A continuación en la Tabla 3.1.23 se presenta el análisis de validación del Balance Hídrico
regional de largo plazo y en la Figura 3.1.22 se presenta las gráficas de las regresiones
logarítmicas entre el caudal real y el caudal generado por el balance hídrico con distintas
metodologías de estimación de la evapotranspiración real.
Gracias al análisis propuesto se concluye que el mejor método para estimar el balance
hídrico regional corresponde al método de Thornwaite, cuya distribución espacial se
presenta en la Figura 3.1.23.
Caracterización

Tabla 3.1.23. Resultados de estimación de caudales mediante balance hídrico.
CAUDAL COUNTAGE
CAUDAL CENICAFÉ
ETR THORNWAITE
REGIONAL MEDIA
REGIONAL MEDIA
ETR TURC MEDIA
CAUDAL FACTOR
CAUDAL THORN
CAUDAL MEDIO
ETR COUNTAGE
ETR CENICAFÉ
CAUDAL TURC
PRECITACIÓN
MULTIANUAL
ETR FACTOR
AREA (Km2)
CORRIENTE
(mm/año)
(mm/año)
(mm/año)
(mm/año)
(mm/año)
(mm/año)
ESTACION
(m3/s)
(m3/s)
(m3/s)
(m3/s)
(m3/s)
(m3/s)
MEDIA
MEDIA
MEDIA
MEDIA
MEDIA
MEDIA
MEDIA
MEDIA
BORBUR
Minero
1567.31 77.98 2370.67 1002.75 870.31 1061.86 915.10 674.31 67.94 74.52 65.01 72.29 84.25
STA ROSA
Minero
4912.91 236.96 2590.58 1041.41 951.17 1230.25 1144.94 732.86 241.19 255.24 211.79 225.07 289.23
BARREDERO
Carare
FCA
6446.20 302.09 2688.5 1050.90 1004.84 1351.16 1342.13 771.06 334.53 343.93 273.19 275.03 391.69
ANGUSTIAS
Minero
3389.56 142.07 2563.63 1032.96 938.86 1201.39 1084.09 722.66 164.42 174.52 146.32 158.92 197.75
% Error Absoluto 10.28 12.21 9.96 8.28 24.74
Caracterización

Figura 3.1.22. Resultados del balance hídrico regional

Según los resultados de validación del balance hidroclimático (de largo plazo), para estimar
la evapotranspiración sobre la zona de estudio se utilizará el método de Thornthwaite, ya
que fue el que menor error presentó entre los métodos aplicados al balance sobre las
cuencas de la región. Como se observa en el mapa, sobre toda la zona de estudio la
evapotranspiración real es homogénea presentando valores promedio de 1012 mm al año;
exceptuando la parte sur oriental, donde se encuentran valores de entre 800 y 1000 mm,
siendo esta la parte de mayor altitud de la subzona hidrográfica.
Caracterización

Figura 3.1.23. Distribución espacial de la evapotranspiración real de la zona de estudio
estimada mediante el método de Thornthwaite
Caracterización

3.1.9. Índice de Aridez
Según el Estudio Nacional del Agua (ENA)- 2014, el índice de aridez es otro indicador del
régimen natural y ha sido definido como una característica del clima que muestra, de
manera cualitativa, los lugares con excedentes y déficit de agua. La evapotranspiración
potencial representa, para este caso, un factor determinante en la obtención de este índice.
Para generar dicho indicador, se utilizan las ecuaciones de Thornwaite y Budyko para el
cálculo de la evapotranspiración potencial (ETP) y real (ETR) respectivamente. Según el
ENA-2015 el índice de aridez se estima como:
ETP  ETR
Ia  [33]
ETP
El valor del índice de aridez por área de la cuenca se presenta en la Tabla 3.1.24 y sus
valores a nivel de subcuencas se presentan en Anexos
Digitales/Anexo_3.7.Caract_Hidrologica/6.Indicadores
En la Figura 3.1.24 se presenta la distribución espacial del índice de aridez para la región
de estudio, los resultados indican que toda la cuenca posee índice de aridez entre
moderados y altos excedentes de agua de manera multianual.
Tabla 3.1.24. Índice de Aridez por área de la cuenca
Índice Área %
Significado
de Aridez (km2) Índice de Aridez
<0.15 Altos excedentes de Agua 122 4.7%
0.15-0.19 Excedentes de Agua 130 5.0%
0.19-0.29 Moderados excedentes de agua 2310 89.6%
>0.29 Moderados 15 0.6%
Caracterización

Figura 3.1.24. Índice de Aridez para la subzona hidrográfica 2311.

Tabla 3.1.25. Índice de Aridez a nivel de cuenca y subcuencas
Código Subcuenca IA Categoría
231101 Caño La Mariela 0.271 Moderado a excedentes de agua
231102 Caño SN_1 0.267 Moderado a excedentes de agua
231103 Qda Damiana Pescado 0.242 Moderado a excedentes de agua
231104 Qda Velasquez 0.224 Moderado a excedentes de agua
231105 Caño Sacamujeres 0.274 Moderado a excedentes de agua
Caracterización

Código Subcuenca IA Categoría
231106 Caño Las Pavas 0.275 Moderado a excedentes de agua
231107 Caño Palagua 0.261 Moderado a excedentes de agua
231110 Caño Tambo 0.254 Moderado a excedentes de agua
231111 Rio Ermitaño 0.213 Moderado a excedentes de agua
231112 Caño Zambito 0.241 Moderado a excedentes de agua
231113 Caño Baul 0.230 Moderado a excedentes de agua
231114 Caño Cachimbero 0.232 Moderado a excedentes de agua
231115 Caño Negro 2 0.247 Moderado a excedentes de agua
231116 Caño Negro 0.258 Moderado a excedentes de agua
231117 Qda Sandovala 0.253 Moderado a excedentes de agua
231118 Caño Rio Viejo 0.234 Moderado a excedentes de agua
231119 Qda La Llave 0.210 Moderado a excedentes de agua
231120 Caño Gallego 0.197 Excedentes de agua
231121 Caño Mosquitera 0.199 Excedentes de agua
231122 Bajo Tagual 0.211 Moderado a excedentes de agua
231123 Directos pequeños 0.245 Moderado a excedentes de agua
2311 Directos al Magdalena Entre
0.242 Moderado a excedentes de agua
ríos Negro y Carare
3.1.10. Efectos de la variabilidad climática sobre la cuenca
El efecto sobre la precipitación de la subzona hidrográfica 2311 causado por las variables
macroclimáticas, caracterizadas a través de indicadores como lo son las temperaturas en
la superficie del mar en la región Niño 3-4 (SST), el índice atmosférico del Niño conocido
como Oscilación del Sur (SOI), el índice oceánico del Niño (ONI), y los indicadores de la
PDO, la NAO y la oscilación Quasibienal (ver Tabla 3.1.11), es cuantificado mediante un
análisis de correlación cruzada, donde a mayor valor absoluto de dicho coeficiente se
evidenciará en mayor medida la influencia de las variables macroclimáticas en la
precipitación de la cuenca. Se debe tener presente que el efecto sobre la zona de estudio
y el estímulo de las variables macroclimáticas no necesariamente ocurre simultáneamente,
Caracterización

por lo que en el momento del análisis se realizarán rezagos de 0 a 12 meses de los valores
de precipitación frente a los índices macroclimáticos para poder observar una posible
reacción retardada.
En la Figura 3.1.25 se presentan los resultados del análisis de efecto de la variabilidad
climática para la estación Sta. Clara (23100080), en los cuales se observa una influencia
considerable del ENSO sobre la estación, evidenciado por la correlación de la precipitación
con el indicador N3-4 y SOI con rezago 9 y 12 meses, sin embargo, dicha correlación debe
analizarse con cuidado pues los datos para efectuarla no se encuentran estandarizados,
por tanto el ciclo anual de ambas series (cuya explicación es astronómica) puede ser la
causa de la existencia de dicha correlación. Así mismo, se encontró correlación significativa
con la Oscilación del Pacífico Norte (PDO) con rezago de 5 meses.
Figura 3.1.25. Análisis de correlación entre índices macroclimáticos y precipitación para la
estación Sta Clara (2310080).

A partir de los resultados de las estaciones con influencia en la cuenca se concluye que
podría existir una correlación significativa entre las series de precipitación y de los
Caracterización

diferentes índices macroclimáticos, pero para rezagos superiores a 5 meses, evidenciando
la influencia del ENSO sobre el régimen de precipitación de la subzona hidrográfica 2311.
Así mismo, se evidenció influencia de la PDO, pero la NAO y la QBO parecen no tener una
relación directa y proporcional con la precipitación en el área del estudio.
Los resultados para las estaciones con influencia en la subzona hidrográfica 2311 se
encuentran en el Anexo Digital/Anexo3.8.Calidad_agua
Dado que el análisis de correlación muestra una relación significativa entre el ENSO y la
precipitación media de la región se ha optado por clasificar los valores de precipitación de
las diferentes estaciones según las condiciones del ENSO dadas por Índice Oceánico del
Niño (ONI), las cuales discriminan los diferentes meses y años por eventos La Niña, El Niño
y condiciones normales, a manera de ejemplo se presenta el caso de estudio de puerto
Boyacá.http://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.
php
Figura 3.1.26. Clasificación de la precipitación en función de las condiciones del ENSO para
le estación Puerto Boyacá
Caracterización

Los resultados indican que las condiciones secas y húmedas de la cuenca están moduladas
por el sistema ENSO (El Niño Oscilación del sur) el cual modifica la amplitud del ciclo anual
de la precipitación, presentándose un aumento de las lluvias durante episodios La Niña,
entre los meses de Diciembre a Mayo y de Agosto a septiembre, mientras que durante el
Niño Hay una reducción generalizada de la precipitación a lo largo del año con mayor
incidencia entre diciembre, enero y febrero y desde Abril hasta octubre.
3.1.11. Efectos del cambio climático sobre la cuenca
Para determinar el efecto del cambio climático sobre la cuenca se propone analizar los
escenarios planteados por el IDEAM en el estudio Nuevos Escenarios De Cambio Climático
Para Colombia 2011-2100, siendo el primer escenario las condiciones medias de las
variables precipitación y temperatura entre los años 1976-2005 y el segundo entre los
años 2071 y 2100. Dicha información será comparada con las tendencias de largo plazo de
las estaciones hidrológicas y climáticas presentes en la región conforme a lo previsto en la
guía para incorporar el cambio climático en los POMCAS propuesta por ASOCARS.
3.1.11.1. Efectos del cambio climático acorde con el estudio Nuevos Escenarios De Cambio
Climático Para Colombia 2011-2100 (IDEAM, 2015).
En el año 2015 el IDEAM publicó el estudio Nuevos Escenarios De Cambio Climático Para
Colombia 2011-2100, en el cual se estimó a nivel departamental la variación de
precipitación y temperatura entre los escenarios 1976-2005 y 2071-2100.
A partir del estudio del IDEAM, se determinarán las proyecciones de variación en la
precipitación y temperatura para la subzona hidrográfica 2311, la cual se encuentra
ubicada entre los departamentos de Santander y Boyacá.
Precipitación
Acorde con la Figura 3.1.27, entre los escenarios 1976-2005 y 2071-2100 se espera una
variación de la precipitación entre el -10% y 10% para toda la zona de estudio,
destacándose la cercanía de la cuenca al centro del departamento de Boyacá, para el cual
se prevé una variación superior al 40% de la precipitación actual.
Caracterización

a la precipitación promedio de referencia 1976-2005 para los departamentos Santander y
Boyacá.

Temperatura
Para los escenarios 1976-2005 y 2071-2100 se espera en la zona de estudio una variación
de la temperatura entre el 2.4 y 2.6 °C, expresado gráficamente en la Figura 3.1.28.
Actualmente la temperatura promedio de la cuenca se encuentra en 28.1 °C, por lo que
para el escenario futuro planteado rondará 30.6 °C.
Caracterización

Figura 3.1.28. Diferencia de temperatura en °C entre el escenario 2071 - 2100 con
respecto a la temperatura promedio de referencia 1976-2005 para los departamentos
Santander y Boyacá.
3.1.11.2. Efectos del cambio climático sobre la cuenca según el análisis no estacionario
A través de los resultados obtenidos del análisis no estacionario de la información
hidrológica de las estaciones con influencia en la subzona hidrográfica 2311, se determina
la tendencia global de los registros de precipitación y temperatura, a partir de las cuales
se estiman las condiciones en el escenario a futuro propuesto, 2071-2100, y compararlas
con las presentes en el escenario 1976-2005.
Caracterización

Precipitación
La variación porcentual de la precipitación entre los escenarios 1976-2005 y 2071-2100
está dada por:
𝑚𝑝 ×𝐴
∆𝑃 = × 100% [34]
𝑃̅1976−2005
Donde
∆𝑃: Variación porcentual de la precipitación entre los escenarios 1976-2005 y 2071-2100.
𝑚𝑝 : Tendencia de la precipitación, resultado del análisis no estacionario de la precipitación
media multianual.
𝐴: Número de años proyectados.
𝑃̅1976−2005: Precipitación media en el escenario 1976-2005.
A partir de la proyección de la precipitación se espera para la subzona hidrográfica 2311
una variación mayor al 40% de la precipitación media para el escenario 2071-2100, como
se puede observar en la Figura 3.1.29.
Acorde con el estudio Nuevos Escenarios De Cambio Climático Para Colombia 2011-2100
para la zona de estudio la variación de la precipitación rondará entre -10% y 10%, siendo
menor a la proyectada con la información hidrometeorológica de las estaciones con
influencia en la cuenca. Dicha diferencia en las estimaciones puede ser causada por las
dinámicas climatológicas de la zona de estudio, que pudieron ser detalladas con mayor
precisión para la subzona hidrográfica a partir de la información descrita al inicio del
capítulo.
Caracterización

a la precipitación promedio de referencia 1976-2005 para la subzona hidrográfica 2311.

Temperatura
La diferencia de temperatura entre los escenarios 1976-2005 y 2071-2100 es estimada a
partir de la expresión:
∆𝑇 = 𝑇̅1976−2005 + 𝑚 𝑇 × 𝐴 [35]
Donde
∆𝑇: Variación de la temperatura entre los escenarios 1976-2005 y 2071-2100.
𝑚𝑝 : Tendencia de la temperatura, resultado del análisis de consistencia y homogeneidad.
𝐴: Número de años proyectados.
𝑇̅1976−2005: Temperatura media en el escenario 1976-2005.
Caracterización

A partir de la proyección de la temperatura se determinó para la subzona hidrográfica 2311
una variación entre 0 y 0.5 °C de la temperatura media para el escenario 2071-2100, como
se puede observar en la Figura 3.1.30.
Figura 3.1.30. Diferencia de temperatura en °C entre el escenario 2071 - 2100 con
respecto a la temperatura promedio de referencia 1976-2005 para la subzona hidrográfica
2311.

3.1.11.3. Proyección del índice de aridez
Por medio del índice de aridez se caracterizará el efecto del cambio climático sobre las
condiciones de sequía o humedad en el escenario 2071-2100, así mismo, utilizando el
balance hídrico de largo plazo se proyectará el caudal medio a nivel de subcuencas para
estimar la variación con respecto al escenario 1976-2015.
Caracterización

Proyección del índice de aridez para el escenario 2071-2100.
El índice de aridez es función de la evapotranspiración potencial y real, en este caso las
calculadas para el escenario 1976-2100, las cuales son función la temperatura y
precipitación proyectadas, siguiendo el procedimiento descrito en la sección 3.1.8.2.
Los resultados obtenidos a partir del análisis no estacionario de eventos extremos
determinan un aumento gradual de la precipitación, por lo que el agua necesaria para el
mantenimiento de los ecosistemas de la región es suplida en mayor proporción, lo que
genera que para los escenarios analizados el índice de aridez pase de moderados y
excedentes de agua (ver Figura 3.1.24) a altos excedentes de agua (Figura 3.1.31), debido
al incremento de la precipitación media que suple la demanda de agua de la cuenca,
llegando a existir oferta excedente.
Figura 3.1.31. Índice de aridez para el escenario 2071-2100 de la subzona hidrográfica
2311.

Caracterización

3.1.11.4. Proyección de caudales para el escenario 2071-2100.
Para considerar el efecto sobre los caudales se determinó a partir del balance hídrico de
largo plazo los caudales de las diferentes subcuencas, siguiendo el procedimiento descrito
en la sección 3.1.8.4.
Los resultados obtenidos determinan un incremento de los caudales medios en la cuenca,
siendo de menor proporción en la parte alta. Dicho incremento está relacionado a la
tendencia positiva de los registros de precipitación media.
Figura 3.1.32. Variación del caudal medio entre los escenarios 1976-2005 y 2071-2100
para la subzona hidrográfica 2311 usando las tendencias de la serie temporal.

Según las proyecciones del estudio Nuevos Escenarios De Cambio Climático Para Colombia
2011-2100 se proyectó las condiciones a futuro del índice de aridez y caudales promedio
a nivel de subcuenca, mostrados en la Figura 3.1.33 y Figura 3.1.34.
Caracterización

El panorama propuesto por el IDEAM en su estudio prevé un incremento de la demanda de
agua, mientras que la oferta se mantiene constante, teniendo como consecuencia una
disminución en los caudales con respecto al escenario 1976-2015.
Figura 3.1.33. Índice de aridez para las condiciones planteadas por el estudio Nuevos
Escenarios De Cambio Climático Para Colombia 2011-2100.
Caracterización

Figura 3.1.34. Variación de caudales para las condiciones planteadas por el estudio Nuevos
Escenarios De Cambio Climático Para Colombia 2011-2100.

Ya que el estudio Nuevos Escenarios De Cambio Climático Para Colombia 2011-2100
plantea un régimen de precipitación invariable y un incremento en la temperatura,
mientras que en los resultados anteriormente expuestos se proyecta un aumento de la
precipitación media y temperatura constante, las conclusiones sobre la disponibilidad de
agua a futuro van en direcciones contrarias.
Se concluye entonces:
1) Que las tendencias propuestas por el escenario de cambio climático del IDEAM
difieren de las tendencias históricas existentes en las series de datos presentes en
la subzona hidrográfica.
Caracterización

2) El escenario propuesto por el IDEAM implica un aumento de las temperaturas
superior a 2°C para el periodo 2070-2100 mientras que no se presenta una
variación significativa de la temperatura en la región.
3) El escenario derivado del análisis de las tendencias históricas en las series de datos
existentes en la región implica un aumento en la precipitación media superior al
40% en buena parte de la región, mientras se estima un incremento en la
temperatura superior a 0.5° en la porción norte de la cuenca.
4) Siguiendo el escenario del IDEAM se presentaría un aumento en el índice de aridez
y una disminución de los caudales medios por balance hídrico de largo plazo
(suponiendo condiciones de humedad en el suelo estacionarias para 2070-2100)
5) Siguiendo el escenario dado por las tendencias presentes en las series de datos, se
presentaría una disminución en el índice de aridez y un aumento de los caudales
medios por balance hídrico de largo plazo (suponiendo condiciones de humedad en
El Suelo Estacionarias Para 2070-2100).
3.1.12. Amenaza de Sequías
3.1.12.1. Definición
Las condiciones de sequía son resultado de la disminución de la oferta de agua necesaria
para mantener los ecosistemas, fruto de una disminución drástica en la precipitación. Lo
anterior implica la importancia de determinar condiciones la intensidad y duración del
déficit de precipitaciones (sequía meteorológica) para una determinada región.
Para determinar condiciones de escasez/abundancia se emplean diferentes indicadores
basados en el comportamiento de la precipitación, entre los que se encuentran la
desviación de la precipitación frente a la media (de largo plazo) y el SPI (Standardized
Precipitation Index). En el presente estudio se adoptó el SPI por su buen desempeño en
lugares con altos valores de precipitación, como es el caso de la subzona hidrográfica 2311;
además de su flexibilidad para ser comparado entre regiones con diferencias marcadas en
sus climas, lo que brinda enormes posibilidades para realizar comparaciones a lo largo del
espacio y tiempo.
Los valores del SPI se estiman a partir de la función de distribución de probabilidad de la
lluvia seleccionada, la cual se ajusta a los registros de precipitación. Magnitudes positivas
Caracterización

del indicador significan precipitación mayor a los valores medios, mientras que negativas
representan precipitación menor a los valores medios.
El SPI para periodos cortos de escala temporal está estrechamente relacionado a la
humedad del suelo, mientras que para escalas largas tiene relación con almacenamiento
de agua subterránea y depósitos. Los realizados en el presente estudio corresponden a 1,
3, 6 y 12 meses.
3.1.12.2. Cálculo del SPI
El cálculo del SPI de la subzona hidrográfica 2311 se realizó a partir de 14 estaciones
pluviométricas presentes en el área de estudio, enlistadas en la Tabla 3.1.26. El
procedimiento de cálculo se describe a continuación (Parker, Priest, & Tapsell, 2009).
Tabla 3.1.26. Estaciones empleadas para el cálculo del SPI.
Altitud Fecha Fecha
Código Nombre Latitud Longitud
(msnm) instalación suspensión
23120250 BORBUR 2 5.650 -74.069 681 15/02/1975
23120060 BUENAVISTA 5.515 -73.943 2200 15/06/1958 15/11/1993
23120210 COPER 5.475 -74.046 1090 15/08/1980
23120010 VERDE LA 6.413 -73.900 305 15/07/1976
23120200 PTO ARAUJO ALERTAS 6.534 -74.083 159 15/10/1979
23120220 PRADERA LA 5.871 -73.913 2590 15/08/1980
23110030 PTO NINO 5.938 -74.589 150 15/08/1974
23060150 PTO LIBRE 5.759 -74.631 180 15/08/1974
23110040 TRIQUE EL 5.880 -74.567 150 15/08/1974
23060140 TUSCOLO EL 5.078 -74.612 975 15/02/1971
23060180 PENON EL 5.253 -74.295 1400 15/09/1974
23060110 CAPARRAPI 5.352 -74.495 1270 15/04/1959
23060170 PALMA LA 5.349 -74.389 1462 15/09/1974
23060190 UTICA 5.196 -74.486 497 15/09/1974

 Media de la precipitación
Caracterización

∑𝑋
𝑋̅ = 𝑁 [1]
Donde
𝑁: Número de datos de precipitación.
 Desviación estándar de la precipitación
∑(𝑋−𝑋̅ )2
𝑠=√ [2]
𝑁
 Índice de asimetría
𝑁 𝑋−𝑋̅ 3
𝑆𝑘𝑒𝑤 = (𝑁−1)(𝑁−2) ∑ ( ) [3]
𝑠
 La precipitación es convertida a valores log normales y son calculados el estadístico

U, parámetro de forma y parámetro de escala de la distribución gamma.
𝐿𝑜𝑔 𝑚𝑒𝑑𝑖𝑎 = 𝑋̅𝑙𝑛 = ln 𝑋̅ [4]

∑ ln 𝑋
𝑈 = 𝑋̅𝑙𝑛 − [5]
𝑁
4𝑈
1+√1+
3
𝛽= [6]
4𝑈
𝑋̅
𝛼=𝛽 [7]
Donde
𝛽: Parámetro de forma
𝛼: Parámetro de escala
 Los parámetros encontrados son utilizados para calcular la probabilidad acumulada
de la precipitación observada.
−𝑥
𝑥
∫0 𝑥 𝛼−1 𝑒 𝛽 𝑑𝑥
𝐺(𝑥) = [8]
𝛽 𝛼 𝛤(𝛼)
Ya que la función gamma es indefinida para valores de 𝑥 = 0 y la distribución de

precipitación puede contener valores nulos, la probabilidad acumulada se convierte en:
𝐻(𝑥) = 𝑞 + (1 − 𝑞)𝐺(𝑥) [7]
Donde
𝑞: Probabilidad de cero.
Caracterización

 La probabilidad acumulada 𝐻(𝑥) es luego transformada a la variable aleatoria
estándar normal Z, con media 0 y varianza uno, que correspondería al valor del SPI.
𝑐 +𝑐 𝑡+𝑐2 𝑡 2
𝑍 = 𝑆𝑃𝐼 = − (𝑡 − 1+𝑑0 𝑡+𝑑1 2 +𝑑 𝑡 3 ) para 0 < 𝐻(𝑥) ≤ 0.5 [8]
1 2𝑡 3
𝑐 +𝑐 𝑡+𝑐2 𝑡 2
𝑍 = 𝑆𝑃𝐼 = + (𝑡 − 1+𝑑0 𝑡+𝑑1 2 +𝑑 𝑡 3 ) para 0.5 < 𝐻(𝑥) ≤ 1.0 [9]
1 2𝑡 3
Donde
1
𝑡 = √ln (𝐻(𝑥)2 ) para 0 < 𝐻(𝑥) ≤ 0.5
1
𝑡 = √ln ( 2 ) para 0.5 < 𝐻(𝑥) ≤ 1.0
(1.0−𝐻(𝑥))
𝑐0 = 2.515517
𝑐1 = 0.802583
𝑐2 = 0.010328
𝑑1 = 1.432788
𝑑2 = 0.189269
𝑑3 = 0.001308
 Finalmente, a partir de los valores mínimos mensuales de los valores de SPI
obtenidos, se realizó un análisis de frecuencia para estimar la magnitud del evento extremo
sequía para periodos de retorno de 10, 50 y 100 años, según lo descrito en la sección
3.1.6.2 y aplicado a la función de distribución de probabilidad de Gumbel a continuación.
La forma más popular de la expresión de Ven T. Chow para el análisis de frecuencias (de
máximos o de mínimos) es:
X T    KT [10]
Donde  corresponde al valor medio de los datos y  a su desviación estándar. K T

Recibe el nombre de factor de frecuencias y su cálculo es función de la probabilidad de
ocurrencia del evento y los parámetros de la distribución de probabilidades, en el caso de
la distribución Gumbel de dos parámetros el factor de frecuencia está dado por:
Caracterización

𝐾𝑇 = −0.45 − 0.7797 ln{− ln[𝐹(𝑥)]} [7]
1
Donde para eventos mínimos 𝐹(𝑥) = 𝑝 = 𝑇𝑟
3.1.12.3. Clasificación de la sequía según el SPI
A partir de la probabilidad de ocurrencia de los valores de precipitación analizados,
correspondiente al SPI calculado, se clasifican los datos en categorías de sequía/humedad,
según la Figura 3.1.35 y representado gráficamente en la Tabla 3.1.27.
Tabla 3.1.27. Categorías de condiciones hídricas según el SPI.
Rango SPI Categoría
>2.00 Extremadamente húmedo (XH)
1.50 a 1.99 Muy húmedo
1.00 a 1.49 Moderadamente húmedo (MH)
0.00 a 0.99 Ligeramente húmedo (LH)
0.00 a -0.99 Ligeramente seco (LS)
-1.00 y -1.49 Moderadamente seco (MS)
-1.50 y -1.99 Muy seco (YS)

<= a-2.00 Extremadamente seco (XS)
Fuente: Centro del Clima. Estados Unidos, 1993
Figura 3.1.35. Clasificación de los valores de SPI y su relación con la curva de distribución
de probabilidad normal.
Fuente: J. Keyantash, 2002.
Caracterización

3.1.12.4. Resultados del SPI en la subzona hidrográfica 2311.
Según las escalas de 1, 3, 6 y 12 meses se calculó el SPI para las estaciones descritas en
la Tabla 3.1.26 en un intervalo de tiempo desde 01/01/1975 hasta 31/12/2015. Por medio
del procedimiento de análisis de frecuencias descrito anteriormente, se obtuvo el SPI
mínimo en las escalas de 1, 3, 6 y 12 meses para los periodos de retorno de 10, 50 y 100
años.
Los resultados del SPI en escalas de 6 y 12 meses para la estación Pto Niño (23110030)
se presentan en la Figura 3.1.36. Los resultados del SPI mínimo en escala de 12 meses
adoptados corresponden al periodo de retorno de 10 años, los cuales corresponde al valor
típico de un evento El Niño promedio, los resultados para la subzona hidrográfica 2311 se
muestran en la Figura 3.1.37.
Figura 3.1.36. Valores del SPI en escala de 1, 3, 6 y 12 meses para la estación Pto Niño
(23110030).
Caracterización

Figura 3.1.37. SPI mínimo en escala de 12 meses para un periodo de retorno 10 años.
Caracterización

Figura 3.1.38. Amenaza a la sequía según el SPI en escala de 12 meses para un periodo de
retorno 10 años.
Caracterización

3.1.13. Requerimientos de información climatológica adicional
La cuenca de Directos al Magdalena entre ríos Negro y Carare, posee desde el punto de
vista climático una buena red de estaciones meteorológicas que han permitido a la presente
consultoría y a otros actores interesados desarrollar a cabalidad las caracterizaciones
climáticas requeridas conforme a los términos de referencia específicos de cada proyecto.
Con la información climática existente se han podido generar campos climatológicos de
buena calidad, así como la caracterización de la variabilidad temporal de dichos campos,
además no se ha dejado de construir algún mapa o variable climatológica por falta de
información, igualmente se ha podido llegar más allá evaluando las proyecciones de cambio
climático del IDEAM y generando los índices de sequía para la cuenca. Por todo lo anterior,
la presente consultoría considera que no existen requerimientos de información
climatológica adicional más allá del buen mantenimiento y seguimiento a la red existente,
contratando adecuadamente los observadores de cada estación, esto con el ánimo de evitar
la suspensión de los registros o la disminución en la calidad de la información recopilada.
La única variable con total ausencia de información corresponde a la magnitud y dirección
del viento dado que ninguna de las estaciones climatológicas existentes en el área de
estudio posee los instrumentos necesarios para medir dicha variable. Como recomendación
general en la fase de formulación será necesario proponer una mejor instrumentación que
incluya los sensores necesarios para medir adecuadamente el viento.
Caracterización

3 1 Clima

Cargado por

Información del documento

Descripción original:

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

3 1 Clima

Cargado por

Copyright:

Formatos disponibles

CAPITULO 3.

Las Quinchas, Puerto Boyacá, Boyacá

3.1. CARACTERIZACIÓN CLIMÁTICA

Fecha: Marzo de 2019 Versión: Final Página: 113

Figura 3.1.1. Distribución espacial de las estaciones hidrometeorológicas. ................. 127

Fecha: Marzo de 2019 Versión: Final Página: 114

Fecha: Marzo de 2019 Versión: Final Página: 115

Fecha: Marzo de 2019 Versión: Final Página: 116

Fecha: Marzo de 2019 Versión: Final Página: 117

Fecha: Marzo de 2019 Versión: Final Página: 118

Fecha: Marzo de 2019 Versión: Final Página: 119

Fecha: Marzo de 2019 Versión: Final Página: 120

Fecha: Marzo de 2019 Versión: Final Página: 121

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 122

Fecha: Marzo de 2019 Versión: Final Página: 123

Fecha: Marzo de 2019 Versión: Final Página: 124

Fecha: Marzo de 2019 Versión: Final Página: 125

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 126

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 127

Fecha: Marzo de 2019 Versión: Final Página: 128

NOTA: En Rojo las estaciones descartadas *.

Fecha: Marzo de 2019 Versión: Final Página: 129

h px : Altura de precipitación faltante en la estación de estudio.

p i : Valor de la precipitación media multianual en la estación auxiliar i.

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 130

Fecha: Marzo de 2019 Versión: Final Página: 131

Fecha: Marzo de 2019 Versión: Final Página: 132

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 133

Fecha: Marzo de 2019 Versión: Final Página: 134

Fecha: Marzo de 2019 Versión: Final Página: 135

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 136

Fecha: Marzo de 2019 Versión: Final Página: 137

Fecha: Marzo de 2019 Versión: Final Página: 138

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 139

Fecha: Marzo de 2019 Versión: Final Página: 140

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 141

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 142

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 143

Fecha: Marzo de 2019 Versión: Final Página: 144

Figura 3.1.7. Distribución de las tendencias anuales en la subzona hidrográfica 2311.

Fuente: POMCA Directos al Magdalena Medio entre Ríos Negro y Carare,2017.

Fecha: Marzo de 2019 Versión: Final Página: 145

Fecha: Marzo de 2019 Versión: Final Página: 146

Fecha: Marzo de 2019 Versión: Final Página: 147

23090100 SAN JUAN BEDUTH 6.60 -74.45 18 -0.397 -0.133 -0.146

23095010 APTO PTO BERRIO 6.27 -74.24 42 -0.114 -0.126 -0.177

23100070 RAMBLAS 6.64 -74.37 33 -0.280 -0.162 -0.195

23110030 PTO NINO 5.94 -74.59 43 -0.432 -0.198 -0.198

23110040 TRIQUE EL 5.88 -74.57 43 0.066 0.024 -0.119

* En negrita se resaltan las correlaciones significativas

Fecha: Marzo de 2019 Versión: Final Página: 148