Documentos de Académico
Documentos de Profesional
Documentos de Cultura
HIDROLOGÍA
PROYECTO FINAL:
ANÁLISIS DE LA CUENCA DEL RÍO MAGDALENA
Bogotá D.C
2021
Contenido
INTRODUCCIÓN .................................................................................................................... 3
1. OBJETIVOS ..................................................................................................................... 4
Objetivo general: ................................................................................................................. 4
Objetivos específicos: ......................................................................................................... 4
2. CONDICIONES BÁSICAS ............................................................................................... 4
3. DATOS A UTILIZAR ........................................................................................................ 4
3.1 Descripción de la cuenca ......................................................................................... 4
3.2 Modelo digital del terreno MDT ................................................................................ 6
4. ANÁLISIS Y RESULTADOS ............................................................................................ 8
4.1 Caracterización geométrica de la cuenca ..................................................................... 9
4.2 Caracterización de la Red de Drenaje ........................................................................ 10
4.3 Relieve de la cuenca ................................................................................................... 17
4.4 Precipitación ................................................................................................................ 25
4.5 Temperatura ................................................................................................................ 31
4.6 Evaporación ................................................................................................................ 33
4.7 Balance hidrológico ..................................................................................................... 41
4.8 Análisis de frecuencias ................................................................................................ 46
5. CONCLUSIONES .......................................................................................................... 47
Bibliografía ............................................................................................................................ 47
INTRODUCCIÓN
Los análisis de los fenómenos hidrológicos son de suma importancia para entender algunos
comportamientos y eventos que ocurren relacionados al ciclo del agua, especialmente en un
país como Colombia, donde existen grandes cantidades de cuerpos de agua que cambian
constantemente. Además, los cuerpos de agua presentes en el territorio son de gran influencia
en los aspectos económicos y sociales de la población, por lo que su análisis es vital para
prevenir posibles desastres. Como base para esto, se utilizan distintos sistemas de información
geográfica que funcionan para obtener datos confiables para su posterior estudio, y si es
necesario, su intervención.
En el presente proyecto se analiza la cuenca del río Magdalena con el fin de utilizar la
información geográfica obtenida para el análisis de sus características y su impacto en el
territorio colombiano. Para obtener estos datos se utilizó el SIG Grass, además de bases de
datos como el instituto de hidrología, meteorología y estudios ambientales (IDEAM) cuya
utilidad aporta en el estudio de la cuenca del río Magdalena, y en examinar variables como la
precipitación, evaporación y cambios de temperatura dentro del territorio colombiano con el
fin de poder relacionar distintos fenómenos con sus determinadas variables.
1. OBJETIVOS
Objetivo general:
Generar un análisis de condiciones hidrológicas para el territorio colombiano a partir de
sistemas de información geográfica (SIG) y datos obtenidos de la cuenca del río Magdalena.
Objetivos específicos:
1. Analizar las características geomorfológicas de la cuenca del río Magdalena.
2. Observar y comparar las condiciones de precipitación, temperatura y evaporación
dentro del territorio colombiano.
3. Estudiar los valores de caudales multianuales mensuales y anuales.
4. Aprender a utilizar el SIG GRASS para poder hacer un análisis más efectivo de distintos
fenómenos hidrológicos.
2. CONDICIONES BÁSICAS
Para el desarrollo del proyecto para el análisis de la cuenca del río Magdalena, se
utilizó el sistema de información geográfica (SIG) GRASS para obtener los datos y
generar mapas descriptivos para su posterior estudio.
3. DATOS A UTILIZAR
En cuanto a la cobertura de esta, se evidencia que está mayormente cubierta por zonas
boscosas, unas pequeñas zonas urbanas, como en el caso de algunas ciudades y pueblos,
y otras pequeñas zonas desérticas en el límite del norte del Huila y sur del Tolima.
Asimismo, dentro de esta s a observan pequeños cuerpos de agua, como lo son la laguna
de Suesca, laguna de Guatavita, el embalse del Muña, y otras pequeñas lagunas. La
elevación obtenida de entrada y salida del cauce principal de la cuenca, es de 3172m y
163m, respectivamente.
Para definir la localización en Grass, se utilizó Magna Sirgas Colombia Zona de Bogotá
(MSCZB), tal como semuestra en la ilustración 3, debido a que la cuenca es más
cercana a este origen, y así se evitan las grandes deformaciones que se generan al pasar
de coordenadas esféricas.
Después, utilizando el
comando g.region, se hizo
el recorte y reproyección de
la porción del modelo
digital del terreno que se
necesita, entre 5ºS – 15ºN,
y 80°W – 65°W, las cuales,
por medio de sumapa.com
se convirtió de los puntos
extremos de la región,
tomando como origen el
WGS 84 y como
destino Magna Sirgas - Colombia Bogotá. En este modelo se ubicó la estación caudal mediante
las coordenadas 5.4696666670,-74.66216667, y, para delimitar la región computacional más
ajustada al área de la cuenca, se utilizó n = 1133426, s = 637239, e = 1048153, w = 669530.
Para generar las corrientes, se utilizó el parámetro de threshold =10 km2. Como se muestra en
la figura, cada pixel tiene 0.0625 km2, es decir, que para llegar a los kilómetros indicados, se
necesita un total de 161 píxeles. Utilizando vector y raster stream, además de direction raster,
se obtuvo las direcciones de drenaje a partir de las alturas de cada pixel obtenidas anteriormente
con el mapa de direcciones. Este mapa, al tener la información de la altura de cada píxel,
permite conocer la dirección del flujo del agua, y con esto, es posible determinar el movimiento
de las corrientes de
Imagen: Mapa de direcciones
(ArcGIS,2020)
la cuenca. Existen 8 posibles
direcciones, relacionadas a los 8
pixeles adyacentes a cada pixel. A
partir de esto, en Grass se creó un
modelo dentro de la región
computacional con estas direcciones del agua tanto en ráster como en vectorial para crear
las corrientes.
Ilustración 5: Corrientes obtenidas por el SIG
Luego de tener toda esta información dentro de la región computacional, se procede a marcar
la cuenca del río Magdalena, aplicando las coordenadas más cercanas de la estación caudal.
Como se observa en la imagen, la cuenca se muestra de color amarillo, con su punto de
referencia de la estación caudal en Puerto Salgar. Para tener solo el croquis de la cuenca, se
transforma a vectorial, y así poder ver las corrientes al interior. Esta zona significa el área de
la superficie en la cual toda el agua que escurre, y no se infiltra, se dirige hacia un mismo punto
de salida. La cuenca hace referencia a la zona delimitada por la divisoria de aguas, en donde el
agua pasa a través de las corrientes de drenaje, y fluye hasta un punto de concentración, en este
caso el que se encuentra ubicado en Puerto Salgar. Las cuencas, según su tamaño y localización,
incluyen distintos ecosistemas, tanto terrestres como acuáticos, lo que influye en sus
características, y por lo tanto, en el agua que escurre dentro de esta (Sociedad Geográfica de
Lima, 2011).
4. ANÁLISIS Y RESULTADOS
A partir de la información gráfica obtenida anteriormente del límite de la cuenca, se puede
comenzar a caracterizar distintos parámetros de esta, con datos reales del SIG.
Ilustración 6: Deimitación de la cuenca del río Magdalena
Área y perímetro
Con la línea vectorial del límite de la cuenca, y con el comando de v.report, se sacó el área y
el perímetro en kilómetros cuadrados y kilómetros, respectivamente.
𝐴 = 56106.17 𝑘𝑚2
𝑃 = 2091.16 𝑘𝑚
Parámetros de forma
En cuanto a los parámetros de forma de la cuenca, se calculó el índice de Gravelius (k) y el
factor de forma (kf). El primero, respectivamente, relaciona el perímetro de la cuenca con el
área de un círculo que tenga la misma área. Dependiendo del valor de k, se puede analizar si la
cuenca es alargada o compacta; si k>1.75, esta es alargada, si k<1.25, la cuenca es compacta.
El valor se obtiene mediante:
𝑃 2091.16𝑘𝑚
𝑘 = 0.282 = 0.282 = 2.489
√𝐴 √56106.17 𝑘𝑚2
Debido a que el índice de Gravelius indica que K>1.75, la cuenca es alargada. Esta tiene cauces
más cortos respecto al cauce principal, lo cual se traduce en que las precipitaciones se
amortiguan por el río, por lo que crece paulatinamente. Sus tiempos de concentración son altos
debido a su forma, y por lo tanto, sus crecidas son atenuadas. Para el segundo parámetro, se
hace la relación entre área y la longitud al cuadrado de la cuenca; si este es mayor a 0.75, la
cuenca tiende a ser cuadrada, y, si es menor a 0.25, la cuenca tiende a ser alargada, esto debido
a que el factor de forma compara la geometría de la cuenca con un cuadrado. Igualmente, el
factor de forma muestra que Kf está muy cercano a 0.25, el cual es el valor máximo que define
las cuencas alargadas. En relación a la forma de un cuadrado, la cuenca tiende a ser alargada.
Por otra parte, para lograr obtener el valor de la longitud del cauce principal, se creó una
máscara de recorte para que Grass solo incluya la información dentro del límite de la cuenca.
Como se observa en la ilustración 7, y a partir del comando r.mask, se recortó el mapa raster
de colores, y luego, con el comando de v.select, se recortaron las corrientes a partir del límite
de cuenca.
Con este mapa intervenido, se obtuvo la longitud del cauce principal, que para la cuenca del
río Magdalena dio 697.0406 km.
A las corrientes se les da un orden, siendo el cauce principal el mayor. Las corrientes comienzan
como orden 1, y, si se juntan dos corrientes del mismo orden, estas forman una corriente de
orden mayor. En cambio, si se juntan dos corrientes de distinto orden, la corriente continuará
con el orden mayor. Esto permite el análisis fractal de la red, además de poder analizar
corrientes por su número de orden.
Las corrientes de menor orden, consideradas como corrientes jóvenes, se relacionan con
mayores pendientes en la parte alta de la cuenca, y, por lo tanto, las corrientes de mayor orden
se consideran con menores pendientes debido a que se encuentran en las zonas bajas de la
cuenca. Esta jerarquización es de suma importancia debido a que los procesos de erosión,
transporte y deposición difieren dependiendo de la localización de las corrientes. Estos
procesos deben analizarse en conjunto con la topografía y las poblaciones cercanas para evitar
posibles desastres, ya que, dependiendo de la bifurcación de las corrientes, la red tendrá una
respuesta diferente ante la precipitación (Monsavle, 1999).
Para obtener esta información de la cuenca analizada, y a partir del comando con el comando
r.stream.stats, se obtuvieron estas estadísticas de la red de drenaje de Horton (índices de
Horton). Se utilizaron los mapas de la red de drenaje de Horton, el mapa raster de direcciones
y el mapa de elevaciones para obtener las estadísticas de las corrientes y de la cuenca, como se
observa en la figura. El orden mayor obtenido fue de 6, es decir, que las corrientes van de 1-6,
siendo 6 el orden del cauce principal.
Ilustración 9: Datos de las corrientes SIG
Densidad de drenaje
De igual manera, con estos datos obtenidos, se calculó la densidad de drenaje, la cual relaciona
la suma de las longitudes de las corrientes con el área de la cuenca. Como se bserva, la longitud
total que se tiene de las corrientes es de 13,225.6825 kilómetros, y con el área obtenida
anteriormente, se calcula la densidad:
Este valor representa cada cuántos kilómetros cuadrados hay un kilómetro de corriente. La
densidad es baja, lo que significa que cada 0.2357 kilómetros cuadrados hay una corriente, por
lo que hay muy pocas corrientes para el área de la cuenca, la evacuación del agua es en mayor
tiempo. Al comparar el valor calculado con el que sale del SIG, ambos valores dan iguales.
ÍNDICES DE HORTON
Relación de bifurcación
Asimismo, se calcularon los índices de Horton. El primero, la relación de bifurcación (Rb), la
cual explica que tanto se bifurca, o se ramifica, una corriente. Para esto, se utilizaron los datos
de orden de corrientes y el número de corrientes por cada uno. A partir de esta información se
hizo el respectivo ajuste de mínimos cuadrados para sacar el valor de Rb. Para ello, se graficó
el orden i de las corrientes versus el logaritmo del número de corrientes por orden. A estos
valores se les sacó una línea de tendencia con su respectiva ecuación y, utilizando el valor de
la pendiente m, se obtuvo Rb:
Tabla 1: Cálculo de relación de bifurcación
y = mx + b → y = -1.394x + 8.3137
m = -1.394 = -ln(Rb)
𝑅𝑏 = 𝑒 𝑚 = 𝑒1.394 = 4.0309
Este valor relaciona el número de canales i-1 con el de i, con el fin de entender la correlación
entre cuantas veces se ramifican las corrientes. El rango normal de este índice está entre 3 a 5,
por lo que el valor se encuentra dentro de este rango (Cardona, s.f).
Relación de longitudes
Este índice relaciona las longitudes promedio por cada orden i, es decir, que tanto desarrollo
tienen las corrientes de orden uno en comparación con los demás órdenes. Como la cuenca,
según los factores de forma y lo visto en los planos del SIG, tiene una forma alargada. Esto se
relaciona con el desarrollo del cauce principal, el cual debería ser mayor a los cauces de orden
menor.
Tabla 2: Cálculo de relación de longitudes
Para calcular este índice se utilizaron los órdenes i, y las longitudes promedio obtenidas
del SIG de todos los cauces de cada orden. AL obtener la gráfica de los órdenes versus
el logaritmo de las longitudes, se hizo el respectivo ajuste y se obtuvo la ecuación:
Es evidente que la longitud del cauce principal es mucho mayor que las corrientes de otro
orden, esto debido a la forma de la cuenca alargada. El rango normal de este parámetro está
entre 1.5 y 3.5.
Tiempo de concentración
El tiempo de concentración de una cuenca se describe como el tiempo que se demora una gota
de agua de la escorrentía superficial más alejada de la cuenca en llegar al punto de salida.
Cuando la cuenca estudiada es muy grande este tiempo se considera con el tiempo de flujos de
laderas más el tiempo de viaje de las corrientes (UPEGUI, 2010). Para encontrar este tiempo,
distintos autores diseñaron fórmulas diferentes para el cálculo de este tiempo de concentración
(tc), para distintas regiones en el mundo. Por esta razón, muchos de los cálculos de este tiempo
varían su valor, ya que cada ecuación fue diseñada para lugares distintos. En este caso se
escogieron dos ecuaciones principales:
Ecuación de Kirpich:
S cuenca 0.202464
L cuenca (km) 462.8
tc(min) 829.4917366
tc(hrs) 13.82486228
Ilustración 12: Tabla cálculo tc Kirpich
Esta ecuación surgió para para cuencas de Tennessee y Pensilvania en los Estados Unidos. La
L es la longitud del canal desde aguas arriba hasta la salida, en unidades de pies. Y S es la
pendiente en pies/pie calculada a partir del SIG. Esta ecuación se obtuvo convirtiendo la
longitud de la cuenca de km a pies, y con la pendiente, pasar este tiempo a horas.
tc = 60(11.9L^3)/H)0.385
= 60(11.9(433.12)^3)/16519)0.385 = 4107.67 min = 68.46 horas
tc(min) 4107.676627
tc(hrs) 68.46127711
Ilustración 13: Cálculo tc California Culverts practice
Por otro lado, la ecuación de California Culverts practice da un tiempo de 68 horas. Se utilizó
L como la corriente más larga, es decir, la longitud en millas de la corriente de orden 6, que es
la corriente de mayor orden de la cuenca del río Magdalena. Además, para la variable H de la
fórmula que es la diferencia de nivel entre la divisoria de aguas y la salida en unidades de pies,
se utilizó la altura máxima y mínima obtenida de las estadísticas de elevación que se obtuvieron
del SIG.
Como la altura obtenida es mayor el punto máximo registrado de alturas, se utilizó una altura
aproximada máxima de 5199 metros, mientras que la altura mínima si se aplicó igual como
164m.
Como se evidencia, cada una de las ecuaciones arroja un tiempo de concentración distinto, por
lo que es importante entender cuál de estas se relaciona más con la cuenca para la que fue
desarrollada.
Se calcula a partir de la división del área de la cuenca sobre cuatro veces la suma total de las
longitudes de las corrientes dentro de esta.
A 56106.17km2
Es = = = 1.06055 km
4Li 4 ∗ 13225.6825km
Pendiente de la cuenca
La pendiente de la cuenca es de suma importancia, ya que, según la pendiente de una cuenca,
el tiempo de concentración varía, además de la rapidez de evacuación y escorrentía del agua.
Para calcularla se utilizaron 2 métodos. El primero fue por medio del SIG, a partir del comando
r.slope.aspect, y utilizando el mapa ráster de elevación (MDT), se generó un mapa de salida de
pendiente ráster en unidad de porcentaje.
Como se observa en el mapa, las pendientes altas son las de colores rojo y fucsia,
mientras que las pendientes bajas de colores verdes y blanco. Es posible observar las
partes planas de la cuenca con facilidad, como algunas partes de pendientes muy bajas
hacia Puerto Salgar, al noreste una parte del altiplano cundiboyacense, e igualmente el
valle del Magdalena. Luego de tener este mapa, se utilizó el comando r.univar para
calcular los momentos estadísticos de un mapa, en este caso de pendientes, saca el
promedio, el mínimo, el máximo, la desviación estándar, y, en general, las estadísticas
principales de cada pixel.
La imagen anterior muestra los resultados arrojados por el SIG para la pendiente promedio.
Este valor es de 20.2464%, lo que indica que es un terreno muy accidentado.
El segundo método utilizado para calcular este mismo parámetro fue a partir del criterio de
Alvord, este es el siguiente:
𝛴𝐿𝑖 ∗ 𝐸𝑞
𝑆 𝑐𝑢𝑒𝑛𝑐𝑎 =
𝐴
Ecuación 2: Pendiente de la cuenca
La pendiente de la cuenca (S) es igual a la sumatoria de las longitudes (Li) de las curvas de
nivel de la cuenca, multiplicado por la equidistancia vertical (Eq) entre curvas, y dividido sobre
el área (A). Para obtener los datos necesarios primero se comenzó utilizando el comando
r.contour, deponiendo como mapa de entrada del modelo digital del terreno en formato ráster,
y como salida, un mapa tipo vectorial debido a que las curvas de nivel que se obtienen son
líneas. Para esto se sacaron tipos de curvas con información, una para incremento de niveles
de contorno de 100m y otra para 500m, como se muestra en las dos imágenes.
Ilustración 17: Planos curvas de nivel de 100 y 500 metros
Sin embargo, para obtener el criterio de Alvord se necesitan las longitudes de las curvas, por
lo que a partir del comando v.report, y, con los planos de curvas ya obtenidos, se utilizaron
para sacar las longitudes en kilómetros de cada uno.
Para las curvas que van cada 500 metros se obtuvieron 10 categorías, cada una con el total de
longitudes por cada una. Para obtener el criterio de Alvord (500m), se hizo la sumatoria de las
longitudes, con un total de 26060.77km.
26060.77244𝑘𝑚 ∗ 0.5𝑘𝑚
𝑆 𝑐𝑢𝑒𝑛𝑐𝑎 500𝑚 = = 0.232245165 = 23.22%
56106.17𝑘𝑚2
Ecuación 3: Pendiente criterio de Alvord 500m
Cálculo crit. Alvord z=100m
cat level length
2 200 165.4313171
3 300 1622.526471
4 400 2382.894279
5 500 2954.964467
6 600 3325.916901
7 700 3537.985483
8 800 3752.960208
9 900 4004.737532
10 1000 4108.059548
11 1100 4044.975516
12 1200 4194.445695
13 1300 4316.808081
14 1400 4281.377748
15 1500 4347.568108
16 1600 4399.873856
17 1700 4468.231054
18 1800 4460.504745
19 1900 4398.353805
20 2000 4360.116052
21 2100 4291.441272
22 2200 4240.480106
23 2300 4171.322654
24 2400 4000.663201
25 2500 3781.039532
26 2600 4054.786207
27 2700 3930.932431
28 2800 3581.35276
29 2900 3312.859898
30 3000 3084.915541
31 3100 2886.511575
32 3200 2746.294968
33 3300 2838.389565
34 3400 2876.989909
35 3500 2803.296364
36 3600 2473.686973
37 3700 1902.471696
38 3800 1455.603402
39 3900 983.9601331
40 4000 527.7999275
41 4100 259.2348656
42 4200 143.3107707
43 4300 118.3320713
44 4400 108.4216122
45 4500 74.31054416
46 4600 51.57647043
47 4700 40.41755314
48 4800 31.88284264
49 4900 24.09046088
50 5000 18.70235593
51 5100 15.16059416
52 5200 8.204423193
53 5300 1.233961309
∑ Li 129967.4075
Tabla 4: : longitudes por categoría curvas de nivel 100m
Para las categorías obtenidas de las curvas de nivel a cada 100m se hizo el mismo
procedimiento. Cabe aclarar que todas las medidas se tomaron en kilómetros, por lo que los
100 y 500 metros se utilizaron como 0.1 y 0.5 kilómetros, respectivamente.
129967.4075𝑘𝑚 ∗ 0.1𝑘𝑚
𝑆 𝑐𝑢𝑒𝑛𝑐𝑎 100𝑚 = = 0.23164549 = 23.16%
56106.17𝑘𝑚2
Ecuación 4: Pendiente criterio de Alvord 100m
Es evidente que a partir de ambos cálculos la pendiente dio casi igual, aproximadamente un
23%. Esta también se puede comparar con la que arrojó el SIG, la cual fue de aproximadamente
20%. Esta pequeña diferencia puede variar debido a que al utilizar las curvas no se tiene en
cuenta todas las elevaciones exactas del modelo, debido a que solo se sacan curvas precisas
cada 100 y 500 metros de altura. Por el contrario, el SIG utiliza todas las alturas del modelo
para calcular la pendiente promedio.
Para crear esta curva, se comenzó utilizando el comando de r.hypso, y, utilizando el modelo
digital del terreno que contiene las elevaciones se obtuvieron los valores de las elevaciones
versus el percentil, lo que indica cuanto porcentaje hay de alturas en la cuenca. Las mayores
alturas se muestran cercanas al 0, mientras que las menores se
acercan a 1.
A partir de lo anterior, con el SIG se obtuvo las siguientes gráficas de curva hipsométrica y
curva tipográfica. De dichas curvas se observa que la cuenca es joven, además de que tiene un
quiebre aproximadamente en los 1.500 km2, lo cual significa que en esa parte existe un plano
dentro del relieve. Al igual, al principio se observa que existen pendientes considerables en los
3736 m de elevación, aproximadamente, al igual que al final, en donde hay una pequeña caída.
Es evidente como a partir de la curva hipsométrica se logra entender los procesos de erosión
de esta a partir del cambio de pendientes. En este caso, como se muestra en la figura, su curva
muestra un promedio entre ser una cuenca con valles profundos y con valles extensos. Teniendo
unos valles y pendientes medias en general.
Ilustración 21: Análisis de curvas hipsográficas de una cuenca. Fuente: (Monsalve, 1999).
Para obtener este valor se utilizaron igualmente 3 métodos más, a partir de datos obtenidos del
SIG. El primer método define la pendiente como la diferencia entre la mayor altura y la mínima,
sobre la longitud del cauce principal. Es decir:
MÉTODO 1
H MAX cauce principal (m) 1934
H MIN cauce principal (m) 189
Long cauce ppal (km) 697.0406
(Hmax-Hmin)/long cauce
principal 0.002503441
0.25034%
Tabla 5: Datos cauce principal
El Segundo y tercer método aplicados se obtuvieron a partir de los datos de las elevaciones del
perfil del cauce principal obtenido del SIG. Se investigó como obtener este perfil con sus datos
y se obtuvo los valores de cotas versus abscisas, como se observa en la hoja de Excel adjunta
(cota y pendiente cauce principal). Con esto se sacaron dos gráficas para ajuste de mínimos
cuadrados.
La primera gráfica muestra el ajuste utilizando los 502 datos arrojados por el SIG del perfil del
cauce principal, para así sacar la línea de tendencia, y, por lo tanto, la pendiente promedio. Para
este primer ajuste la pendiente arrojada fue de 0.0023, es decir 0.23%.
Para este segundo ajuste se quitaron 10% de los datos al inicio y al final, es decir 50 datos
menos al inicio y al final. Para este, el valor de la pendiente obtenida fue de 0.0019, es decir,
0.19%. Se puede observar que la pendiente arrojada por el SIG fue diferente a la obtenida por
los métodos, esto debido a que el SIG obtiene valores más exactos del cauce principal, mientras
que el perfil realizado se hizo a partir de una aproximación en el mapa digital.
4.4 Precipitación
Para el análisis de precipitación se utilizó una base de datos (promedios_precip.prn) que
contiene la información de los promedios multianuales mensuales, y el promedio
multianual anual de las precipitaciones del país.
Existen distintos tipos de precipitación: las convectivas, las cuales ocurren cuando las
masas de aire se calientan y contienen aire frío encima de estas, lo que hace que el vapor
se condense rápidamente. El segundo tipo es la precipitación por convergencia, que sucede
cuando dos masas de aire de distintas temperaturas se chocan entre sí, esto genera frentes
cálidos y fríos que producen la precipitación. El último tipo son las precipitaciones
orográficas, que suceden cuando una masa de aire húmedo choca contra una montaña, por
lo que se ve obligado a ascender, en donde es posible que se encuentre con niveles más
secos y fríos, provocando la condensación. (Bateman, 2007)
CIUDADES ELEGIDAS
CIUDAD LON LAT ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
Neiva -75.25 2.75 116.14 113.32 141.1 154.44 103.62 56.56 38.26 42.12 64.52 191.86 219.78 161.28 1403
Ibagué -75.25 4.25 83.96 104.8 167.02 225.12 220 147.36 89.34 96.68 151.1 216.56 182.18 122.12 1806.24
Bogotá -74.25 4.25 77.54 76 102.8 121.94 126.44 69.04 50.88 41.62 66.22 133.8 155.66 86.98 1108.92
Como se contempla en la gráfica, los mayores datos de precipitación los tiene la ciudad de
Ibagué, la cual tiene sus mayores precipitaciones en los meses de abril-mayo, y en octubre. Por
otro lado, en general Bogotá es la ciudad con menores precipitaciones, las mayores se presentan
en mayo y noviembre. La ciudad de Ibagué tiene sus mayores valores en abril y noviembre
igualmente. Se puede observar la tendencia de los datos de todas las ciudades que en los
mismos meses es donde tienen mayores y menores precipitaciones intra-anuales. Esto
evidencia la diferencia de precipitaciones dependiendo la ubicación geográfica de cada una.
Interpolar mapas de precipitación media
Para obtener los valores interpolados de la precipitación, se utilizó el comando v.surf.idw y la
tabla de datos con coordenadas planas en la localización GRASS de Magna Sirgas. Este, utiliza
el método de interpolación IDW (Inverse Distance Weighting) para interpolar los datos de
precipitación. Este método utiliza los datos cercanos al punto en donde se requiere encontrar el
valor, estos datos cercanos se ponderan
para encontrar el valor desconocido,
debido a que se interpola relacionando
los valores cercanos que se asume que
están más relacionados con el punto de
búsqueda que los lejanos a este (QGIS,
s.f.).
Ilustración 31: método interpolación IDW
A partir de los mapas obtenidos del SIG, se pudo distinguir como las precipitaciones promedio
multianual por cada mes van variando, dependiendo de la zona. Las mayores precipitaciones
constantes se dan hacia la parte del pacífico colombiano, mientras que en la mayoría de meses
las menores se dan hacia el norte de Colombia y una parte occidental de Venezuela. Por otro
lado, la mayor diferencia de colores en los mapas se observa en los meses de abril, mayo, y
junio, en donde hacia la zona de la Amazonía aumentan considerablemente las precipitaciones.
A partir del mapa obtenido con ayuda de GRASS, se pueden analizar los colores de las
precipitaciones anuales totales. Las mayores precipitaciones, como se evidenciaba en los
planos de precipitaciones mensuales anteriores, se observan hacia el pacífico, mientras que las
menores se observan sobre la parte alta de las cordilleras.
Para obtener los valores promedio de precipitación, temperatura, evaporación potencial, índice
de aridez, y evaporación real, se utilizaron los mapas que se sacaron del SIG por cada variable,
y, utilizando r.mask, se obtuvieron las estadísticas dentro de la cuenca. De allí, a partir del
comando r.univar, se utilizó el valor medio arrojado por el SIG.
PRECIPITACIÓN
MES
PROMEDIO
ENE 111.617
FEB 117.56
MAR 162.363
ABR 201.614
MAY 178.394
JUN 107.532
JUL 76.9567
AGO 77.7094
SEP 121.792
OCT 222.511
NOV 230.503
DIC 154.005
ANUAL 1762.56
Tabla 8: Precipitaciones promedio multianual anual y mensual al interior de la cuenca
4.5 Temperatura
Información puntual de temperatura mensual
CIUDADES ELEGIDAS
CIUDAD LON LAT ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC ANUAL
Neiva -75.25 2.75 24.9 25.28 24.97 24.58 24.95 24.97 25.2 25.79 25.96 24.95 24.07 24.49 25.01
Ibagué -75.25 4.25 24.64 24.8 24.75 24.58 24.43 24.46 24.69 25.03 25.06 24.24 24.02 24.35 24.59
Bogotá -74.25 4.25 8.68 8.95 8.92 9.18 9.08 8.71 8.77 8.95 9.02 8.78 8.65 8.69 8.87
Los ciclos intra-anuales de temperatura de las tres ciudades elegidas dentro de la cuenca son
diferentes dependiendo de la ubicación de cada una. Como se logra evidenciar en la gráfica,
las temperaturas anuales son mucho mayores en Neiva e Ibagué que en la ciudad de Bogotá.
En las dos ciudades con mayores temperaturas se observan valores aproximados de 25°C en
promedio, mientras que en la ciudad de Bogotá aproximadamente 8-9°C. Además, a partir del
comportamiento de los puntos se puede observar que en Ibagué y Neiva los mayores valores
se dan en Agosto-Septiembre, y las menores temperaturas en Noviembre. Por otro lado, las
temperaturas de Bogotá no tienen grandes cambios que evidencien meses significativos.
Es evidente que la temperatura a través de los meses no tiene un cambio significativo, esta es
mayormente constante a través de los meses, las variaciones son pequeñas. En donde se
observan las mínimas temperaturas es principalmente en la cima de las tres cordilleras dentro
del territorio colombiano y el macizo de las Guayanas hacia la parte oriental de Sudamérica.
Se logra percatar esta relación de altura del modelo digital del terreno con la temperatura de
cada nivel, en donde los puntos de mayor altura tienen una menor temperatura, y los puntos
más bajos tienen mayores temperaturas.
Mapa de temperatura promedio multianual anual
La temperatura promedio anual es muy similar a lo que se registró en los planos obtenidos
por cada mes. Se sigue viendo la relación del relieve con los cambios de temperatura, como
en los puntos de color verde que se observan en las cordilleras, los cuales son los puntos
más altos tomando como referencia 0 el nivel del mar.
4.6 Evaporación
Evaporación potencial
Para hallar la evaporación potencial se utilizó la ecuación de Thornthwaite:
𝑐𝑚 10 × 𝑇𝑀 𝑎
𝐸𝑇𝑝𝑟 [ ] = 1.6 × 𝐿𝑎 × ( )
𝑚𝑒𝑠 𝐼𝑇
Tabla 10: Evaporación potencial
Donde:
𝐸𝑇𝑝𝑟 : Evapotranspiración mensual
𝐿𝑎 : Ajuste por el número de horas de luz en el mes (relacionada con la latitud del sitio), en este
caso utilizaremos los datos de Latitud norte = 0 (es decir, en la línea ecuatorial) dada la cercanía
con los puntos que van a ser mapeados.
𝑇𝑀 : Temperatura del aire promedio para cada mes (°C)
𝑇𝑀 1.514
𝐼𝑇 : Índice calórico anual. Sumatoria de los valores mensuales 𝐼𝑇=∑ 𝑖 , donde 𝑖 = ( )
5
𝑎: Constante empírica, donde:
Primero se utilizaron los valores de 𝐿𝑎 para latitud norte = 0, entonces los meses de 31 días
tendrán un valor de 1,04; los meses de 30 días un valor de 1,01; y febrero por ser de 28 días un
valor de 0,94.
El segundo paso fue hallar los valores de 𝑖, utilizando como 𝑇𝑀 los datos de la temperatura
multianual mensual del archivo promedios_air.prn.
Acto seguido, se aplicaron las fórmulas de 𝐼𝑇 y 𝑎, con estos valores finalmente se designó la
ecuación de Thornthwaite para obtener la evaporación potencial de cada uno de los puntos.
El mapa de evaporación potencial multianual anual muestra los totales de la evaporación. Los
menores valores se relacionan a los mayores niveles del modelo digital de terreno, tanto en las
cordilleras, como en el macizo de las Guayanas. Los niveles más altos se dan mayormente
cercanos a las costas del pacífico, mar caribe, y hacia el sur-occidente del territorio colombiano.
Tabla 11: Evaporación potencial promedio multianual anual y mensual al interior de la cuenca.
Índice de aridez
Para hallar el Índice de aridez se utilizaron los datos de precipitación multianual mensual del
archivo promedios_precip.prn y los valores de evaporación potencial obtenidos en el
punto anterior, aplicando así la siguiente ecuación:
𝐸𝑝
Í𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑎𝑟𝑖𝑑𝑒𝑧 =
𝑃
Ecuación 7:Índice de aridez
Donde:
𝐸𝑝 : Evaporación potencial
Finalmente, para obtener la evaporación real en todos los puntos, se utiliza la ecuación de
Budyko:
𝐸𝑅 1
= √(∅ ∙ 𝑡𝑎𝑛ℎ ( ) ∙ (1 − 𝑒 −∅ ))
𝑃 ∅
Ecuación 8:Budyko
Donde:
𝐸𝑅 : Evaporación real.
∅: Índice de aridez.
1
𝐸𝑅 = 𝑃 ∙ √(∅ ∙ 𝑡𝑎𝑛ℎ ( ) ∙ (1 − 𝑒 −∅ ))
∅
A partir de los cálculos del índice de aridez en las hojas de cálculo, se puede observar que los
mayores índices de aridez ocurren en los primeros y los últimos meses, mayormente hacia la
zona nor-occidental de Venezuela, en donde se observan cambios significativos entre marzo y
abril, además entre noviembre y diciembre. Por otro lado, debido a la región computacional,
solo se alcanza a observar un aumento del índice en la zona de Ecuador, especialmente de junio
a octubre.
Por otro lado, los menores valores de índice de aridez se encuentran en las partes altas de las
cordilleras, lo que significa que estas zonas explicadas con valores bajos no cuentan con
suficiente precipitación.
En cuanto al mapa de índice de aridez multianual anual se puede observar que, en promedio,
hacia la zona del mar caribe, hacia Ecuador, y hacia la zona de los llanos en Venezuela, existen
los valores más altos de precipitación suficiente. Hacia la zona de la cordillera de los Andes
existe el área de mayor valor de precipitación suficiente.
Evaporación real
Mapas de evaporación real promedio multianual mensual
A partir de las evaporaciones reales obtenidas, se logra evidenciar en los mapas sacados del
SIG que las mayores evaporaciones reales se dan en los meses de noviembre a enero,
específicamente hacia la zona de la Amazonía. Por el contrario, los valores más pequeños se
observan hacia los meses de diciembre-marzo hacia los llanos de Venezuela y la zona norte de
Colombia, hacia la Guajira.
Mapa de evaporación real promedio multianual anual
Con el mapa multianual anual de evaporación real es posible notar el total de evaporación que
se presenta. Esta muestra que las zonas donde existe mayor evaporación son hacia el pacífico
y hacia el lago de Maracaibo, mientras que los puntos de menor evaporación real están en las
zonas más elevadas de las cordilleras, y macizos.
Evaporación real promedio multianual anual y mensual al interior de la cuenca
Tabla 12: Evaporación real promedio multianual anual y mensual al interior de la cuenca
ENE FEB MARZO ABR MAY JUN JUL AGO SEP OCT NOV DIC
PROMEDIO 1156.80574 1210.62897 1379.26348 1857.90838 2103.20106 1840.39397 1612.28686 1328.80942 1158.32891 1584.68327 2018.9326 1666.24278
DESVIACIÓN 449.24494 587.802953 547.578057 605.102362 651.239258 543.005903 434.209593 349.718695 334.991643 575.054878 652.840098 614.168492
MIN 465.4 449.5 551.5 696.9 887 809 925.7 777.5 537.6 611.8 770.5 568.3
MAX 2554 3318 2632 4065 4306 3913 2776 2535 2000 3182 3372 3867
A partir de los datos ajustados según los años elegidos, se obtuvo el promedio, la desviación
estándar, el valor máximo y mínimo. Con los valores de promedio se hizo una gráfica para
entender cómo se comportan los valores promedio comparados entre meses. Como es evidente,
los mayores caudales se dan en el mes 5 y 11, es decir, en mayo y noviembre, respectivamente.
Los menores valores se dan en enero y en septiembre.
Gráficaciclointer-anual:
El gráfico del ciclo intra-anual de la estación de puerto salgar se ha realizado con una gran
variedad de datos, una forma más práctica y útil de analizarlos es mediante el boxplot , este
demuestra cómo durante la toma de datos de caudales de forma intra-anual mensual existen
datos que se puede catalogar más confiables que otros, es decir los valores entre el percentil 25
(1121 m3/s) y el percentil 75 (1956 m3/s) son los más confiables y moderados (Estos datos son
los que se pueden observar en la gráfica), por otra parte, los valores por encima del percentil
75 y por debajo del percentil 25 se pueden determinar como los años de los fenómenos de la
niña y el niño respectivamente. Pues estos valores son confiables, pero poco moderados, es
decir que se repiten, pero no todos los años. Finalmente, existen valores poco confiables, estos
datos anómalos son los que están por encima del percentil 95(3184 m3/s) y por debajo del
percentil 5 (449 m3/s). Por otra parte, del ciclo intra-anual se puede observar que es bimodal,
adicionalmente hay un verano en enero y febrero hasta alrededor de abril y luego se presenta
otro verano en septiembre, el cual finaliza alrededor de noviembre, en cuyo mes es el segundo
invierno, en conclusión los valores bajos se presentan en los meses de Enero, Febrero,
Septiembre y Agosto mientras que los niveles altos se presentan en Abril, Mayo, Noviembre.
449.5
NIÑO
Q1 1081
NORMAL Q2 1396.909
NORMAL Q3 1813
NIÑA
2911
crítico 4065
A partir de estos rangos, se clasificaron los datos (Anexo Excel “balance hídrico”), para marcar
que datos eran para que fenómeno de niño o niña. Con esto se obtuvo los promedios del caudal
multianual mensual y anual.
PROMEDIOS
1411.2301871 1380.2427890 1358.11325 1428.80842 1482.27512 1479.91117 1425.28321 1307.40591 1350.40294 1448.63133 1484.05603 1419.22339 1429.16509
NORMAL
PROMEDIOS NIÑA
1896.843719 2557.5 2145.80469 2311.969 2422.39654 2197.26464 2099.91667 1925 2000 2111.83333 2428.90321 2265.64706 2003.13209
PROMEDIOS NIÑO
803.7107164 764.6509682 783.374129 934.3 962.5 922.5 996.3 958.958588 888.210167 888.96436 929.125 846.9625 960.727778
A partir de lo anterior, se obtuvo una gráfica representando los datos dentro del rango del niño,
de la niña, y los considerados como normales. Como muestra la ilustración 49, el fenómeno de
la niña presenta tiene valores mayores, debido a que este fenómeno representa un aumento
considerable en las precipitaciones, lo contrario al fenómeno del niño, el cual, debido al
calentamiento del océano pacífico, aumenta las temperaturas y produce sequías. Igualmente,
dentro de los valores del fenómeno de la niña se observan unos picos de caudal hacia febrero,
mayo, y noviembre.
Para calcular los caudales mensuales se utilizó la ecuación de balance hídrico a largo plazo:
𝑸 = 𝑨 ∗ (𝑷 − 𝑬)
Ecuación 10: Balance hídrico a largo plazo
Donde:
𝑸 : Caudal mensual
A: Área de la cuenca en 𝒎𝟐
𝑷: 𝑷𝒓𝒆𝒄𝒊𝒑𝒊𝒕𝒂𝒄𝒊ó𝒏 𝒂𝒍 𝒊𝒏𝒕𝒆𝒓𝒊𝒐𝒓 𝒅𝒆 𝒍𝒂 𝒄𝒖𝒆𝒏𝒄𝒂 𝒎/𝒔
E: Evaporación real al interior de la cuenca en 𝒎/𝒔
Dado que los datos promedios de precipitación y evaporación real están en unidades de
mm/mes, primero se debe hacer la respectiva corrección a m/s. Además se sabe que el área de
la cuenca es de 𝟓, 𝟔𝟏𝑿𝟏𝟎𝟏𝟎 𝒎𝟐 , el cálculo de dichos caudales mensuales a largo plazo se puede
observar en la siguiente tabla:
PRECIPITACIÓN PROMEDIO Precipitación Evaporación Q largo plazo Q Estación
MES EV. REAL (mm/mes)
(mm/mes) Promedio (m/s) Real (m/s) (m3/s) (m3/s)
ENE 111,617 63,0802 4,1673E-08 2,3551E-08 1017 1157
FEB 117,56 63,5497 4,85946E-08 2,6269E-08 1253 1211
MAR 162,363 76,2285 6,06194E-08 2,846E-08 1804 1379
ABR 201,614 78,6674 7,77832E-08 3,035E-08 2661 1858
MAY 178,394 76,242 6,66047E-08 2,8466E-08 2140 2103
JUN 107,532 59,3132 4,14861E-08 2,2883E-08 1044 1840
JUL 76,9567 49,4182 2,87323E-08 1,8451E-08 577 1612
AGO 77,7094 51,536 2,90134E-08 1,9241E-08 548 1329
SEP 121,792 66,0404 4,69877E-08 2,5479E-08 1207 1158
OCT 222,511 80,0779 8,30761E-08 2,9898E-08 2984 1585
NOV 230,503 75,202 8,89286E-08 2,9013E-08 3362 2019
DIC 154,005 70,8561 5,74989E-08 2,6455E-08 1742 1666
ANUAL 1762,56 810,212 5,58904E-08 2,5692E-08 20337 18917
Tabla 14: Cálculo caudal a largo plazo
Comparando el ciclo anual de caudal calculado a largo plazo con el caudal promedio mensual
multianual, se obtiene la siguiente gráfica:
Caudales mensuales
4000
3500
Caudal Q (m3/s)
3000
2500
2000
1500
1000
500
0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Tiempo (meses)
En la ilustración 50 se observa que para los dos tipos de datos de caudal el invierno se presenta
en los meses de en marzo, abril, octubre y noviembre, mientras que el verano se presenta en
los meses de enero, julio, agosto y diciembre.
Estos datos demuestran que el caudal a largo plazo mantiene el mismo comportamiento
bimodal tal como pasa con él ha sucedido con los datos de caudal tomados en la estación de
puerto salgar. Sin embargo, los cambios de sus valores en el eje van a ser más bruscos, lo que
quiere decir que en los veranos la evaporación será más fuerte y en los inviernos sucede lo
mismo con la precipitación. Adicionalmente, los meses en los que al parecer los datos de caudal
han sido mejor tomados son mayo y septiembre, pues son los puntos donde estos más
convergen. Todo esto puede suceder porque existen variables que no se están tomando en
cuenta.
Ahora se calculó el caudal medio multianual en la cuenca y se comparó con los datos anuales
promedio de la estación:
De la tabla anterior se concluye que los valores de caudal medio multianual no están tan
alejados entre sí; No obstante, el caudal a largo plazo es mayor por 1420 m3/s al caudal tomado
en la estación, esto quiere decir que el nivel de evaporación real es menor.
Este análisis es muy importante porque nos indica la probabilidad de que ocurra el paso de una
cantidad de caudal para un período de retorno, esto se realiza con ayuda de la estadística
mediante las distribuciones. Es decir, de acuerdo la anterior ilustración entre más alta la
probabilidad de ocurrencia más alta va a ser la magnitud. Por ende, los valores de caudales para
el año 500 pueden ocurrir, pero la probabilidad de ocurrencia es muy baja, caso contrario
sucede con los primeros años de retorno donde la probabilidad de ocurrencia es mucho más
alta. La gráfica se obtiene mediante los valores de caudal máximos para cada uno de los años
de los datos de la estación de puerto salgar; Sin embargo, según la organización mundial de
meteorología e hidrología se recomienda que los caudales estimados no superen el doble de la
longitud temporal de la serie de datos en los cuales se está trabajando. Debido a que la
estadística contempla solo valores matemáticos y no los factores físicos, si se hace un diseño
para un tiempo de retorno de 500 años, teniendo datos de tan solo 70 años, la confianza es muy
baja y por ende el diseño puede ser demasiado costoso.
5. CONCLUSIONES
Finalmente, a partir del análisis realizado mediante el sistema de información geográfico
GRASS, se pudo concluir la importancia de los fenómenos hidrológicos y su impacto en el
territorio colombiano. Además, se pudo hacer una relación de distintas variables hidrológicas
aplicadas a un escenario real, la cuenca del río Magdalena. Este análisis de la cuenca requirió
variables de relieve, clima, mediciones de áreas, longitudes, pendientes, y, en general,
características de la cuenca que permitieron un análisis completo de sus procesos.
Bibliografía
Bateman, A. (2007). Obtenido de https://www.upct.es/~minaeees/hidrologia.pdf
IDEAM. (2010). Índice de aridez. Obtenido de http://www.ideam.gov.co/web/agua/ia
QGIS. (s.f.). Análisis espacial (interpolación). Obtenido de QGIS:
https://docs.qgis.org/2.14/es/docs/gentle_gis_introduction/spatial_analysis_interpolation.html
Sáenz, G. M. (1999). Hidrología en la ingeniería. México.
UPEGUI, J. J. (13 de Diciembre de 2010). Revistas UNAL. Obtenido de ESTIMACIÓN DEL
TIEMPO DE CONCENTRACIÓN Y TIEMPO DE REZAGO EN LA CUENCA
EXPERIMENTAL URBANA DE LA QUEBRADA SAN LUIS, MANIZALES:
https://revistas.unal.edu.co/index.php/dyna/article/view/25640/39138