Aplicación del Método GR4j para extender la data
histórica a paso diario, usando grillados PISCO en la
cuenca del Rímac
Reyna del Pilar Pradinett Olivares, Juan Carlos Ñahuincopa Auccasi, Jhon Andres Vallejos Pinaya, Cesar
Marcelo Vitor Aranda, Eddy Rene Lopez Herrera
N00192318@upn.pe , N00191981@upn.pe , N00176256@upn.pe , N00161833@upn.pe , N00101858@upn.pe
Universidad Privada del Norte
Facultad de Ingeniería
Abstract– The present investigation has been carried out in the
hydrographic basin of the Huara river, which aims to generate
daily flows. Variables such as: basin area, mean rainfall, effective
rainfall, evapotranspiration, and daily averages of flow rates have
been used. The methodology used was the application of the GR4j
method, this model is considered parsimonious because only 4
parameters. The validity and susceptibility of the variables studied
has been corroborated, in the same way the influence of the factors
on the variation of the result must be evaluated. It was determined
that the results are acceptable for obtaining daily flows in the
Huaura river basin.
Keywords: Huaura Basin, GR4j, ERA5, Daily flows.
Resumen- La presente investigación se ha llevado a cabo en la
cuenca hidrográfica del río Rímac, que tiene como objetivo la
generación de caudales diarios. Se ha utilizado las variables como:
área de la cuenca, la precipitación media, la precipitación efectiva,
evapotranspiración y los promedios diarios de los caudales. La
metodología empleada fue la aplicación del método GR4j, a este
modelo se le considera parsimonioso debido a que solo tiene 4
parámetros.
Palabras clave: Cuenca Rímac, GR4j, ERA5, Caudales
diarios.
I. INTRODUCCIÓN
En el Perú, en las últimas décadas se han venido
elaborando cada vez más proyectos que requieren de la
ingeniería en recursos hídricos, para ello se necesita la
indagación de la meteorología o hidrométrica de larga data en
el período en las cuencas que se van a estudiar para este fin.
Esto nos ayudará a mejorar el conocimiento del régimen
hidrológico de los principales ríos afluentes, Santa Eulalia
(1,097.7 km2) y Río Blanco (193.7 km2), que permitirán tener
una mejor estimación espacio – temporal del recurso hídrico
de la cuenca así procediendo a utilizarlas de manera
innovadora y eficiente para las necesidades de la población y
llevar a cabo una mejor calidad de vida.
1
La problemática para el desarrollo de estos proyectos en
nuestro país es que no se cuentan con registros históricos y
actualizados desde abril del 2004 según la base de datos
Meteorológicos a nivel Nacional de las cuencas a estudiar o
muchas veces ni siquiera existen dichos registros, esto con el
pasar de los años genera un enorme atraso en el estudio
necesario para la ejecución de proyectos hídricos. Debido a
esto, la presente investigación se llevará a cabo en la cuenca
hidrográfica del río Rímac, que tiene como objetivo la
generación de caudales diarios con el método GR4j,
utilizándose las variables como: área de cuenca, precipitación
media, precipitación efectiva, evapotranspiración y los
promedios diarios de los caudales observados, para una
simulación de 25 años (1990-2015), así mismo para poder
realizarla, se hará la calibración y validación del modelo
teniendo en cuenta un periodo de 2 años.
Área de Estudio: La cuenca hidrográfica del río Rímac, se
origina en la vertiente occidental de la cordillera de los Andes,
se ubica al nor-este de la ciudad de Lima desembocando por el
Callao, en el océano Pacífico. Ccomprendida entre las
siguientes coordenadas geográficas WGS84: Latitud 11º 25',
Longitud: 76º 00', y Latitud: 12º 10', Longitud: 77º 00'.
El cauce principal del río Huaura tiene una longitud
aproximada de 145 km. Su régimen es irregular y tormentoso.
La medida convencional anual del caudal es de 29.5 m³/s. La
cuenca completa tiene una extensión de unos 3,503.965 km 2
aproximadamente. Asimismo, para el presente estudio se
utilizó la estación hidrológica, para la delimitación de la
cuenca de la cual obtendremos los caudales medios diarios.
Data morfológica de la cuenca y meteorológica
Para la obtención de la data morfológica se usó el siguiente
Software:
ArcGIS- Es un software completo que permite recopilar,
organizar, administrar, analizar, compartir y distribuir
información geográfica. Como la plataforma líder mundial
para crear y utilizar sistemas de información geográfica.[1]
Para el presente trabajo se usó este software para la
delimitación de la subcuenca del río Huaura teniendo como
punto principal la estación hidrológica Alco - Sayán,
generándose un archivo shapefile que fue usado en el código
de GEE para la obtención de los datos meteorológicos. En la
cual se obtuvo el área de la cuenca que denominamos “cuenca
Alco - Sayán” como lo muestra la Figura 2, teniendo un área
de 2862.17 km2. La elaboración de estos mapas se hizo usando
las cartas nacionales al 1:100 000 del IGN 22h, 23h, 22i, 23i,
21j, 22j y 23j.
Figura 1: Cuenca total rio Rímac delimitada con ArcGIS.
Fuente: Elaboración propia.
Para la obtención de la data meteorológica, precipitación y
temperatura medias, se usaron las siguientes plataformas:
Google Earth Engine (GEE)- Es una plataforma de geomática
basada en la nube que permite a los usuarios visualizar y
analizar imágenes multiespectrales y registros climáticos
recopilados por satélites que orbitan nuestro planeta. A través
esta base de datos, específicamente usando los datos
climáticos grillados ECMWF/ERA5/DAILY [3] y el script
desarrollado y proporcionado por el Mg. Sc. Abel Carmona
Arteaga:https://code.earthengine.google.com/83fce4f6cb3220
2e561e815f12111367 se obtuvieron los registros de
precipitación y temperatura media de la cuenca en metros (m)
y grados kelvin respectivamente (K). Esta información fue
convertida a milímetros (mm) y a grados centígrados (°C) para
cada caso. Para obtener la evapotranspiración se usó el método
de Malmstrom ya que es un método simple que solo usa
valores de temperatura media.
Método Malmstrom
El método utiliza la presión de vapor a saturación (es) para
estimar la evapotranspiración potencial [2]. A continuación, se
presenta la expresión:
2
Donde está dada por:
– Temperatura media mensual en °C
– Número de Euler
Autoridad Nacional del Agua (ANA)- Es un organismo técnico
especializado adscrito al Ministerio de Agricultura y Riego que
se encarga de realizar las acciones necesarias para el
aprovechamiento multisectorial y sostenible de los recursos
hídricos por cuencas hidrográficas. Por ello, mediante su
plataforma web: https://snirh.ana.gob.pe/observatorioSNIRH/
obtuvimos los caudales promedios diarios observados de la
Estación Alco - Sayán entre los años 2001-2009. Cabe
mencionar que para la calibración del método GR4j se usó la
data en un periodo de tiempo donde la medición era continua
(días consecutivos) generándose un periodo de análisis para la
calibración entre el 01/09/2001 al 31/01/2004 y para la
validación entre 01/04/2004 al 31/08/2006.
Descripción del modelo GR4j:
El modelo GR4J es un modelo conceptual de
precipitación en el cual se cuenta con cuatro parámetros,
los cuales representan las características de una cuenca
Hidrográfica. Este modelo fue mejorado por Perrin en el
2003, basado en el modelo GR3J de Edijatno et al.
(1999), que solo incluía tres parámetros libres (Anctil et
al., 2003), El modelo GR4J que ha demostrado que tiene
la capacidad de simular el proceso de lluvia-escorrentía a
escala diaria. Este modelo ha sido ampliamente utilizado
en la simulación dinámica de la humedad del suelo y de
los flujos en modelos conceptuales obteniendo
resultados muy satisfactorios. El modelo GR4J tiene 4
parámetros para optimización durante la fase calibración
del protocolo de modelación matemática:
· X1: máxima capacidad de almacenamiento
tanque producción (mm)
· X2: coeficiente del intercambio de agua
subterránea (mm/día)
· X3: máxima capacidad de almacenamiento
tanque subsuperficial (mm)
 · X4: tiempo de respuesta de la unidad
hidrográfica entre el inicio de la precipitación y
el pico del hidrograma (días)

Figura 01: esquema conceptual del modelo GR4J

De acuerdo con los descrito por Perrin en el 2003, a

continuación, se encuentra de descripción conceptual del El nivel de almacenamiento de producción se actualiza
modelo hidrológico. Se entiende por P (mm/día) la nuevamente:
cantidad de lluvia y por E (mm/día) la
evapotranspiración potencial (PET). P es una estimación
de la lluvia y E proviene de una curva de PET media-
interanual o de estimaciones a escala diaria. A
continuación, se presentan las ecuaciones del modelo,
La cantidad de agua Pr que finalmente llega a la parte de
las cuales corresponden a las ecuaciones integradas en
enrutamiento del modelo es:
un paso de tiempo.

Descripción matemática del modelo GR4j:

La primera operación que se realiza es la neutralización
de P por E para determinar una precipitación neta Pn y
una evapotranspiración neta En, teniendo en cuenta:
En caso de que Pn sea diferente de cero, una fracción de
Pn va al depósito de producción y se calcula mediante la
ecuación (1):
El Pr se divide en dos componentes de flujo, el 90% se
enruta por un hidrograma unitario UH1 y un almacén de
enrutamiento y el 10% por un hidrograma unitario único
UH2. UH1 y UH2 dependen del mismo parámetro X4, la
base de tiempo de UH1 es expresada en días. Las
ordenadas de los hidrogramas se calculan a partir de las
curvas S (la acumulación de la proporción de unidades
de lluvia tratadas por el hidrograma en función del
tiempo), respectivamente denominadas SH1 y SH2.

SH1 se define en función del tiempo por:

para t = 0

Donde X1 (mm) y S son, la capacidad máxima y el nivel para 0 < t < X4

de producción de almacenamiento. De lo contrario,
cuando En es diferente de cero, una parte de la
evaporación Es se elimina del tanque de producción.
Está dado por la ecuación (2):

para t>X4

Luego se calcula una percolación (Perc) proveniente del

almacenamiento de producción:
SH2 se define en función del tiempo por:

3
para t = 0
Con l = int(X4) +1 y m = int(2*X4) +1, con int(.) la
parte integral.
Un término de intercambio de agua subterránea (pérdida
o ganancia) se calcula con:
para 0 < t < X4

Con R el nivel del almacén de rutas, X3 la capacidad

máxima de un día del almacén y X2 el coeficiente de
intercambio de agua, que es positivo en caso de una
ganancia, y negativo en caso de pérdida, o nulo.

El nivel en la tienda de enrutamiento se actualiza al

Para X4 < t < 2X4 agregar la salida Q9 del hidrograma HU1 y F:

Luego, se vacía en una salida Qr dada por:

Para t > 2X4

Las ordenadas de UH1 y UH2 se obtienen de:

El nivel en la tienda se convierte en:

La salida Q1 del hidrograma UH2 pasa por las mismas

donde j es un número entero.
centrales para proporcionar el componente de flujo Qd
Para cada paso de tiempo i, las salidas Q9 y Q1 de los
dos hidrogramas se calculan con:

El flujo total de flujo Q finalmente está dado por:

4
Uso del Producto Grillado PISCO de
precipitación en Estudios, Investigaciones
y Sistemas Operacionales de Monitoreo y
Pronóstico Hidrometeorológico

Para superar estos inconvenientes el SENAMHI ha

generado la base de datos PISCO (Peruvian
Interpolated data of the SENAMHI’s
Climatological and hydrological Observations) por
sus siglas en ingles. El producto PISCO de
precipitación (PISCOp) y la precipitación es la
forzante más importante del ciclo hidrológico y su
correcta estimación es vital para entender distintos
procesos hidrológicos, tales como los orientados a
la gestión de los recursos hídricos, modelamiento de
cuencas.

El SENAMHI, a través de su Dirección de

Hidrología - DHI, ha desarrollado desde las 2013
investigaciones para evaluar la calidad de los
diferentes productos satelitales disponibles a nivel
global
AE del Producto CHIRPS mensual y diario
METODOLOGÍA PARA LA GENERACIÓN
DE PISCO Climate Hazards Group InfraRed Precipitation with
Station data (CHIRPS) es una base de datos de
 Control de calidad de la información precipitación disponible al público desde 2014
pluviométrica. creada y administrada por el U.S. Geological
 Análisis exploratorio (AE) de la Survey (USGS) y la Universidad de California,
información satelital. Santa Bárbara (UCSB). Contiene información desde
 Mezcla de datos basado en técnicas 1981
geoestadísticas (mensual) y determinísticas
(diario).

Control de calidad

Este procedimiento el más tedioso de todos, fue Donde bo y b1 son los parámetros de la regresión lineal,
realizado a 681 estaciones meteorológicas CCD es “Cold Cloud Duration Percent” y CHPclim es la
climatología utilizada por CHIRP (Funk et al. 2016)
gestionadas por el Servicio Nacional de
Meteorología e Hidrología del Perú (SENAMHI).
El proceso de control de calidad se dividió en dos
partes: automático y visual.

5
Donde CHIRPM es el CHIRP modificado utilizando las
climatologías del TRMM2A25, y E es una artificio
matemático para evitar grandes desviaciones (igual a
2.5).

A la izquierda climatología de precipitación (1998-

2014) generado a partir de datos TRMM2A25 y a la
derecha CHPclim nótese los excesivos valores en la
costa sur del país.
 Mezcla de la información pluviométrica y
CHIRPM
Para la mezcla a paso mensual de la precipitación se
ha utilizado la técnica geoestadística Kriging con
Deriva Externa (KED) por ser una técnica robusta.
En esta metodología, la variable a regionalizar es la
precipitación observada y la covariable es la
precipitación estimada por el producto CHIRPM
Coeficiente de Correlación (CC), BIAS en porcentaje y
RMSE obtenido en la validación independiente. Puntos
rosados son las estaciones utilizadas para generar
PISCOp.
 Versiones liberadas del producto PISCO
El producto PISCO de precipitación cuenta con 3
versiones anteriores a la descrita en este reporte, tal
como se observa en la Tabla 1.

 La validación del producto PISCO

El método de mezcla de datos utilizados en PISCO parte
de la hipótesis de que la variabilidad espacial de la
precipitación es bien capturada por el producto
CHIRPM, por lo que se espera que los residuales
presente autocorrelación espacial significativa (por lo
menos a paso de tiempo mensuales)

6
PRINCIPALES PRODUCTOS
DERIVADOS DE LA BASE DE DATOS
PISCO DE PRECIPITACIÓN

PISCOpm se utiliza desde el año 2014 en el

Monitoreo Nacional de Sequías para la elaboración
Índice de precipitación normal (IPN) el índice de
Precipitación Estandarizado de Precipitación (SPI).
 Sistema de Observación de Inundaciones del
Los mapas de índices se actualizan mensualmente y SENAMHI – SONICS
están disponibles en http://www.senamhi.gob.pe/? SONICS es un conjunto de códigos que permite
p=sequias y en el Observatorio Nacional de Sequías caracterizar espacialmente la magnitud las lluvias diarias
del ANA en y el Potencial de Inundación para lluvias acumuladas de
http://ons.snirh.gob.pe/Peru/maproom/Monitoring/ 1, 5 y 10 días, basado en los umbrales de lluvia extrema
Meteorological/SPI.html del ítem 3.2 Disponible en:
http://www.senamhi.gob.pe/?p=observacion-de-
 Mapas de umbrales de precipitación extrema inundaciones

PISCOpd ha permitido la generación de umbrales de

precipitación extrema considerando valores de
percentiles diarios de lluvia a 75%, 90%, 95% y 99%
que se ilustra en la Figura 4.

7
  Modelamiento hidrológico de cuencas
Otra de las aplicaciones de PISCOp es la
calibración de modelos hidrológicos para el
pronóstico de caudales de corto plazo. Con
PISCOp se ha superado las limitaciones que se

tenía en el uso de modelos matemáticos a escala

Caracterización de lluvias para acumulaciones de 1, 5 y 10 diaria por la escasez de datos diarios de
días precipitación en muchas cuencas del país

 Monitoreo decadiario de la precipitación –

MIDAS
MIDAS es informacion de lluvias diarios acumulados
cada 10 dias basados en indices decílicos, orientado a las
aplicaciones agrometeorológicas principalmente.
Disponible en: http://www.senamhi.gob.pe/?
p=monitoreo-decadal-precipitacion

Otros productos derivados de PISCOp

Para los fines operacionales del Monitoreo y
pronóstico hidrológico, PISCOp producto
precipitación se actualiza diariamente, con el
producto IMERG del satélite GPM que se
. Caracterización decadiaria de la
precipitación

8
 combina con los datos provenientes de las
estaciones climáticas del SENAMHI.

 LIMITACIONES Y RECOMENDACIONES
Se debe tener en cuenta que la precisión de la
predicción espaciotemporal de las precipitaciones
tendrá más fiabilidad en los lugares donde se
tenga información de pluviómetros, en esta última
versión de PISCOp precipitación (versión 2) se ha
hecho hincapié en esta premisa y se ha
desarrollado un control de calidad robusto y
exhaustivo que incluye un proceso de
completación de datos.