Pad

41
h de Qiciemare de 2008
KDN

KvaIuacn de Des0os NaturaIes
bmerca Latna
Sonsltoes en Riesgos y Oesestes

Modelo de Evaluacin de Amenaza pou Lluvias Intensas

120 mm

110 mm

90 mm

Regin homognea

100 mm
100 mm

Figuua h
Estacin p luviogrfica
Distribucin espacial de precipitacin puntual mxima para T = 50 aos y D = 6 hr

Anlisis espaciales de puecipitaciones mximas

Se busca con estos anlisis establecer en las zonas de aplicacin de herramientas CAPRA
las relaciones entre la profundidad mxima de precipitacin promedio (P), el rea (A) sobre
la cual cae esta profundidad, la duracin (D) durante la cual ocurre esa profundidad y la
frecuencia (F) con la cual se presenta ese evento con esas caractersticas de profundidad,
cobertura espacial y duracin. Esto corresponde a las curvas profundidad rea duracin
frecuencia (PADF). El anlisis PAD determina las cantidades mximas de precipitacin
sobre reas de diferentes tamaos y para varias duraciones de precipitacin. Estas curvas
deben ser caractersticas de las zonas homogneas mencionadas anteriormente. Un aspecto
adicional relacionado con esas curvas es el anlisis y definicin de patrones geomtricos
(p.e. de distribucin espacial de la precipitacin, los cuales se hacen a partir del estudio de
mapas de curvas isoyetas de eventos de tormentas considerados, identificando centros de
tormentas y zonas asociadas con hipocentros, es decir reas consistentemente de menor
precipitacin). Otra consideracin corresponde a la distribucin temporal de los eventos
espacialmente distribuidos. Criterios para el anlisis espacial de precipitaciones mximas se
describen a continuacin:

42
KDN
bmerca Latna



1 Definicin de rea mnima por debajo de la cual la precipitacin se considera como
puntual. Definicin adicional de rea mxima (en razn a que el nmero de
tormentas de gran extensin puede ser escaso dentro de tormentas histricas
disponibles y por lo tanto las series anuales correspondientes pueden resultar no
suficientemente largas para realizar anlisis de frecuencia de igual confiabilidad que
para el resto de eventos disponibles de menor extensin).

2 Definicin del nmero mnimo de estaciones pluviomtricas y/o pluviogrficas que
registren un determinado aguacero para la generacin de los mapas de isoyetas
correspondientes (este nmero podra estar alrededor de 10 pero depende
indudablemente de la densidad de estaciones en cada caso de estudio), de tal manera
que stos sean confiables para la descripcin espacial del evento.

3 Definicin de un valor umbral para la seleccin de un evento para ser considerado
como significativo, es decir que, adems que este evento est registrado en el
nmero mnimo de estaciones definido en el punto 2, la precipitacin registrada en
cada una de estas estaciones supere ese valor umbral (p.e. mayor que 10 mm en 24
horas).

4 Por razones de consistencia, se debe utilizar la misma distribucin de probabilidad y
el mismo mtodo de estimacin de parmetros que el definido para los anlisis
puntuales de frecuencia.

5 El anlisis de la distribucin espacial de la precipitacin para los eventos
considerados debe permitir establecer el o los patrones geomtricos ms
representativos para su caracterizacin genrica (p.e. patrn circular, patrn elptico,
etc) con localizaciones preferenciales de hiper e hipocentros, adems de
alineamientos del patrn, al igual que relaciones funcionales entre parmetros del
patrn (p.e. relacin entre eje mayor y eje menor en patrn elptico entre 2 y 3).

6 La distribucin temporal de los aguaceros con extensin espacial debe obtenerse del
comportamiento temporal de las tormentas registradas en reas extensas en conjunto
con las estaciones pluviomtricas y pluviogrficas, y no exclusivamente de los
registros de estas ltimas de manera individual. As es garantizable la aplicacin
consistente de patrones temporales y espaciales obtenidos del anlisis de
precipitaciones mximas en reas extensas.

La metodologa para la determinacin de relaciones PAD y PADF debe basarse en
procedimientos propuestos en la literatura como por ejemplo el de la OMM (1969). El
rango de variacin de reas se debe establecer a partir de los mapas de isoyetas generados
para cada uno de los eventos disponibles desde el valor mnimo equivalente puntual, hasta
la mayor de las extensiones cubiertas por estos eventos. Eventualmente puede ser necesario
extrapolar curvas PAD Y PADF para valores mayores a este mximo histrico de rea. En
relacin con las duraciones, stas se considera pueden ir desde 1 hora hasta unos 10 das, en
razn a eventos de precipitacin asociados a huracanes. Al igual que se considera adecuada
la distribucin Gumbel con MPP para los anlisis puntuales, sta tambin se cree adecuada
para los anlisis espaciales.
KDN
bmerca Latna



Para la determinacin de datos de precipitacin para los anlisis de curvas PAD y PADF se
deben establecer las fechas en las cuales en alguna o algunas de las estaciones se
registraron profundidades significativas para luego completar para estas fechas los valores
de profundidades registradas en las dems estaciones de la zona. De esta manera se tiene
para cada fecha el conjunto de valores de precipitacin registrada en todas las estaciones de
la zona homognea, los cuales graficados mediante curvas isoyetas permiten establecer la
distribucin espacial de la precipitacin en la respectiva fecha. Anlisis adicionales
similares permitiran desagregar la informacin diaria a duraciones menores en la medida
en que exista informacin pluviogrfica, pudindose establecer distribuciones espaciales y
temporales para cada uno de estos subintervalos. De igual manera, la informacin diaria se
puede agregar para duraciones mayores, pudindose identificar la distribucin espacial y
temporal para cada una de stas. Como consecuencia de lo anterior, para todas las fechas
histricas con eventos significativos se construyen las curvas PAD (una por cada evento y
por cada duracin) a partir de las cuales se realiza en correspondiente anlisis de frecuencia
para varios valores de rea. Resultado de lo anterior es la curva PADF para la zona
hidrolgica homognea.

Para construir una curva PAD en una zona hidrolgicamente homognea se establece
primero la duracin considerada; a continuacin se recopilan o generan los mapas de
isoyetas de eventos histricos para esta duracin; en seguida, cada mapa se procesa con
herramientas geogrficas computacionales tipo SURFER o SIG para identificar el o los
sitios de mayor profundidad de precipitacin, calculando la precipitacin promedio
correspondiente y midiendo el rea cubierta respectiva. Esto se repite sucesivamente,
extendiendo las reas de cubrimiento de isoyetas (yendo progresivamente de mayores a
menores valores de stas), calculando la precipitacin promedio sobre las isoyetas
consideradas y midiendo las reas respectivas. As, en la medida en que se ampla la
cobertura de isoyetas, la profundidad promedio va progresivamente disminuyendo y el rea
va consistentemente aumentando, definindose as una relacin inversa entre rea y
profundidad mxima promedio. El algoritmo del procedimiento se describe a continuacin:

1 Para cada ao seleccionar los eventos intensos de precipitacin con extensin
espacial. Los pasos 2 a 16 corresponden al anlisis de eventos de cada ao
disponible.

2 Para cada evento elaborar mapas de isoyetas para una duracin D utilizando
herramientas computacionales. Deben involucrarse estaciones perifricas que no
hayan registrado precipitacin. Es recomendable para la interpolacin espacial usar
el mtodo de Kriging.

3 Identificar las isoyetas de mayor valor. Sea este mayor valor de precipitacin p
1
.
Sea m
1
el nmero de isoyetas con valor p
1
.

4 Medir las reas encerradas en las isoyetas con valor p
1
. Denotar estas reas como a
1
,
con i desde 1 hasta m
1
.
5 Estimar el valor promedio de precipitacin en a
1
como h
1
= p
1
+ (p
max
p
1
)/3, donde
p
max
es el valor mximo puntual de precipitacin dentro del rea a
1
.

43
KDN
bmerca Latna
44

n
2


m
1

6 Sumar las reas a1. Es decir A
1
=
)
a
1
.

i1

7 Para el rea agregada
A
1
, calcular la profundidad promedio como:

H
1

m
1

)
h
1i
a
1i
=
i 1
(Ec. 13)
A
1

8 Identificar la(s) isoyeta(s) con valor inmediatamente inferior a p
1
. Sea este valor p
2
.
Sea m
2
el nmero de isoyetas con valor p
2
.

9 Medir cada una de m
2
las reas internas a las isoyetas con valor p
2
. Sean estas reas
a
2
.
10 Estimar el valor promedio de precipitacin en a
2
como:
h
1i
a
1i
+ 0.5[p
2
+ p
1
][a
2i
a
1i
]

h
2i
=

a
2i

(Ec. 14)

m
2

11 Sumar las reas a
2
. Es decir A
2
=
)
a
2
.

i 1

12 Para el rea agregada A
2

m
2

)
h
2i
a
2i
H =
i 1
(Ec. 15)
A
2

13 Continuar con las subsiguientes curvas isoyetas con un procedimiento similar. Para
la isoyeta n con un valor de precipitacin p
n
y con reas encerradas a
n
, estimar h
n

como:

h
ni
=
h
1i
a
1i
+
)
0.5[p
j
+ p
j 1
][a
ji
a
( j 1)i
]
j =2

a
n

(Ec. 16)

m
n

14 Sumar las reas a
n
. Es decir A
n
=
)
a
n

i 1

15 Para el rea agregada A
n

m
n

)
h
ni
a
ni
H =
i 1
(Ec. 1F)
n
An

16 Graficar A
j
vs. H
j
.
45
KDN
bmerca Latna
Sonsltoes en Riesgos y Oesestes Modelo de Evaluacin de Amenaza pou Lluvias Intensas

17 Repetir el procedimiento descrito entre los pasos 2 a 16 para todos los eventos de
precipitacin de duracin D disponibles en ese ao.

18 Superponer las grficas A
j
vs. H
j
del paso 16 para todos los eventos de ese ao de
duracin D.

19 Establecer la envolvente superior de precipitacin para la superposicin del paso
anterior. Esta envolvente representa la relacin entre precipitacin mxima y
extensin espacial para ese ao y esa duracin o curva PAD. En esta envolvente
determinar valores de precipitacin mxima para valores predeterminados de reas.

20 Repetir los pasos 2 a 19 para cada uno de los dems aos disponibles.

21 Conformar las series anuales de precipitacin mxima de duracin D para cada una
de las reas predeterminadas del paso 19. Hacer anlisis de frecuencia con esta serie
usando la misma distribucin de probabilidad y mismo mtodo de estimacin de
parmetros usados en los anlisis puntuales.

22 Repetir pasos 2 a 21 para otras duraciones D.

23 Con los resultados de los anlisis de frecuencia de los pasos 21 y 22 conformar las
curvas PADF.

Para ilustrar esquemticamente el procedimiento descrito mediante los pasos 1 a 23
anteriores, se presenta el siguiente ejemplo. Supngase que en la zona homognea y reas
aledaas se tiene informacin en 20 estaciones pluviomtricas (ver Figua 5-6), con un
perodo histrico de registro concurrente de 1975 a 2000. Supngase que se est analizando
el primer ao (es decir 1975) para una duracin D de 24 hr. Es decir se quiere determinar la
curva PAD para 1975 y D de 24 hr. En consecuencia se deben analizar los datos diarios en
las 20 estaciones a lo largo de 1975 identificando los das ms lluviosos y con gran
cobertura espacial dentro de la zona. Supngase que se identificaron 7 das no consecutivos
en ese ao de 1975. Para la primera fecha de estas siete, los valores registrados de
precipitacin diaria en mm se muestran en la Figura 7, junto con las correspondientes
curvas isoyetas. A partir de estas curvas isoyetas se realiza entonces el procesamiento
definido por los pasos 3 a 16: la isoyeta de mayor valor es la de 120 mm (marcada en la
Figura con la letra A), la cual tiene un rea de 7,11 km
2
; a esta rea se le asigna un valor
promedio de precipitacin igual a 120 mm + (126,3 120)/3, es decir 122,1 mm (ver
ecuacin del paso 5). A continuacin hay dos curvas isoyetas con valor de 110 mm
(marcadas con B1 y B2); el rea encerrada por la isoyeta B1 es de 24,41 km
2
y el por la
isoyeta B2 de 4 km
2
. Al rea comprendida entre las isoyetas A y B1 se le asigna un valor
medio de 115 mm, por lo cual la precipitacin promedio dentro de la isoyeta B1 es de
(122,1 x 7,11 + 115 x (24,41 7,11))/24,41 = 117,1 mm. Por otro lado, el rea encerrada
por la isoyeta B1 tiene una precipitacin promedio de 110 + (117,5 110)/3 = 112,5 mm.
Los clculos continan como se ilustra en la Tabla 11. En esta tabla, las dos ltimas
columnas constituyen la relacin entre la profundidad de precipitacin mxima promedio y
el rea. En la Figura 8 se presenta la curva PA resultante, representativa del evento de
precipitacin de la Figura 7.

46
KDN
bmerca Latna

20
16

1
2
17

3
4

5

6
7

8
9
10

18
11

12
13

19
14
Figuua 6
Ubicacin de estaciones pluviomtricas

2.3
0

73,2
104.5
0

33.4
126.3

64.9

102.9

123.7

103.0

0

105.6

117.5

75.1

37.9

41.8

72.6
0

Figuua 7
Curvas isoyetas
KDN
bmerca Latna

P
e
c
.

M
x
i
m
a

(
m
m
}



Taala 11
Clculos de curva de profundidad mxima promedio vs. rea

Isoyeta
(mm)

Curva

Valor
(mm)

rea
encerrada
(km2)

Valor
superior
(mm)

Prec. Prom.
entre curvas
(mm)

Prec. Prom. en
rea encerrada
(mm)

rea
(km2)

P (mm)
120 A 120 7.11 126.3 122.1 122.1 7.11 122.1

110
B1 110 24.41 120 115 117.1

28.41

116.4
B2 110 4 117.5 112.5 112.5

100
C1 100 60.26 110 105 109.9

82.43

108.9
C2 100 22.17 110 105 106.4
50 D 50 159.79 100 75 92.5 159.79 92.5
0 E 0 317.4 50 25 59 317.4 59

K40

K20

K00

80

60

40

20

0
0 50 K00 K50 200 250 300 350

Aea (kmX}

Figuua 8
Cuuva Puofundidad mxima puomedio vs% uea

Un procedimiento alternativo al mtodo antes descrito para determinar la relacin PA
(profundidad mxima promedio vs. rea) se muestra a continuacin. Este procedimiento
puede facilitar la implementacin computacional y se basa en representar las curvas
isoyetas de la Figura 7 mediante el formato de celdas o raster. En la Figura 9 se muestra
esta representacin, obtenida mediante la herramienta computacional ArcView 3.2 con las
extensiones Spatial Analyst y CGv1.avx (Contour Gridder que interpola celdas a partir de
las curvas isoyetas). La malla de la Figura 9 tiene 107 x 61 celdas, cada una de las cuales
posee su propio valor de precipitacin obtenido por interpolacin. Cada celda tiene un
tamao de aproximadamente 320 m x 320 m. A continuacin, estos 6527 valores de

4F
KDN
bmerca Latna

48

precipitacin de celda son procesados de la siguiente manera: (a) ordenarlos de mayor a
menor; (b) para cada celda i, con i desde 1 hasta 6527, calcular el valor promedio desde el
i
valor mayor, es decir calcular P
i
=
)
p
i
. Paralelamente, calcular el correspondiente valor

j =1
de rea, es decir A
i
= 0,32 0,32 i . Los valores y establecen la relacin Profundidad
mxima promedio vs. rea.

Figuua 9
Isoyetas en foumato de celdas

Hasta aqu se ha determinado la curva PA (Profundidad mxima promedio vs. rea) para el
primer evento seleccionado de 1975. Este procedimiento se debe repetir para los otros 6
eventos intensos de ese ao. Como resultado, se disponen de 7 curvas PA para 1975 con
una duracin de 24 horas. Si stas se graficaran luciran como se muestra en la Figura 10.

K40

K20

K00

80

60

40

20

0
0 200 400 600 800 K000
ea (km
X
}
Figuua 10
Cuuvas PA paua 197h y D de h4 hu

E K
E 2
E 3
E 4
E 5
E 6
E 7
KDN
bmerca Latna

4P

Con base en los eventos de la Figura 10, la curva PAD para 1975 y D de 24 hr corresponde
a la envolvente superior de las 7 curvas, lo cual se ilustra en la Figura 11.

K40

K20

K00

80

60

40

20

0
0 200 400 600 800 K000
ea (km
X
}
Figuua 11
Cuuva PAD paua 197h y D de h4 hu (envolvente supeuiou)

E K
E 2
E 3
E 4
E 5
E 6
E 7

El anterior procedimiento se realiza para todos los aos histricos disponibles (es decir 26
aos en el ejemplo ilustrativo), por lo cual se tendrn 26 curvas PAD para 24 hr. Con estas
26 curvas se realizan ahora anlisis de frecuencia de la siguiente forma: (a) se seleccionan
valores de rea (por ejemplo 1, 5, 10, 25, 50, 100, 200, 300 km
2
, etc.); (b) para cada uno de
estos valores se determinan los 26 valores correspondientes de P, es decir que para cada
rea se tiene su correspondiente serie anual de precipitacin mxima promedio; (c) con
cada serie anual anterior se realiza en anlisis de frecuencia correspondiente (p. e. con
Gumbel y MPP) y se estima P para perodos de retorno seleccionados (p. e. 2, 5, 10, 25, 50,
100, 250 aos, etc.); (d) se grafican o tabulan los anteriores valores estimados vs. rea,
obtenindose as las correspondientes curvas PADF para una duracin de 24 hr. En la
Figura 12 se esquematizan estas curvas. Todo el procedimiento descrito se repite entonces
para otras duraciones D.

KDN
bmerca Latna

50

100 aos
50 aos

25 aos
5 aos

rea (km
2
)
Figuua 1h
Cuuvas PADF

En consecuencia, como resultado de los anlisis anteriores se disponen de curvas PADF
representativas de zonas homogneas correspondientes. Adems, los anlisis de curvas
isoyetas histricas permiten establecer patrones tpicos de distribucin espacial de eventos
de precipitacin, que pueden ser diferenciados segn su origen sea por huracanes o por
lluvias intensas. Complementariamente a lo anterior, se pueden determinar ubicaciones
preferenciales de estos patrones dentro de la zona. Los tres ingredientes anteriores, i.e.,
curvas PADF, patrones tpicos y ubicacin preferencial, permiten establecer
procedimientos para la generacin sinttica de eventos de precipitacin sobre la zona. Para
esto, de manera aleatoria controlada se pueden generar ubicaciones de eventos espaciales
de precipitacin, con caractersticas tambin aleatorias controladas de tamao y forma que
cumplan con las relaciones contenidas en las curvas PADF. As, el procedimiento es: (1)
Seleccionar un determinado perodo de retorno T; (2) Determinar aleatoriamente una
duracin D; (3) Seleccionar valores de rea, A
i
, dentro del rango cubierto por la curva
PADF correspondiente a la duracin D y frecuencia T anteriores; (4) Con base en la curva
PADF determinar los respectivos valores de profundidad mxima promedio P
i
; (5) Generar
aleatoriamente la ubicacin, forma y tamao del patrn de precipitacin; (6) Generar con el
patrn tpico las correspondientes curvas isoyetas que preserven para las anteriores reas A
i

las respectivas profundidades de precipitacin P
i
; (7) Con herramientas computacionales
geogrficas (como las descritas en el desarrollo del ejemplo ilustrativo) convertir las
anteriores curvas isoyetas en su equivalente en formato de celdas o raster para facilitar su
uso en modelos lluviaescorrenta; (8) Repartir la profundidad en cada celda para
subintervalos de tiempo dentro de la duracin D, usando una misma distribucin temporal
(hietograma) para toda la tormenta. Algunos elementos de lo anteriormente descrito se
ilustran a continuacin para un patrn espacial circular o elptico. En la Tabla 12 se
presentan las ecuaciones para confeccionar un patrn espacial circular o elptico, pues una
elipse est definida por los semiejes menor y mayor, a y b respectivamente, y se puede
KDN
bmerca Latna

51

A
i

P
i

Valor isoyeta, h
i

Semieje menor a
i

Semieje mayor b
i

A
1

P
1

h
1
= P
1

0.5

a =
{
h
A
1
[

1
| |
[
K
J

b
1
= Ka
1

A
2

P
2

h =
2(P
2
A
2
P
1
A
1
)
h

2 1
{ A
[
0.5

2

2
| |
[
K
J

b
2
= Ka
2

A
3

P
3

h =
2(P
3
A
3
P
2
A
2
)
h

3 2
{ A
3
[

0.5

3
| |
[ J

b
3
= Ka
3

A
n

P
n

h =
2(P
n
A
n
P
n1
A
n1
)

n

n1
{ A
[
0.5

n
n
[ J

b
n
= Ka
n

expresar el uno en funcin del otro como b = Ka. Si K es 1 entonces se tiene un patrn
circular. En la Tabla 12 las dos primeras columnas corresponden a los valores de reas y
precipitaciones mximas promedio adoptados de la curva PADF (pasos 3 y 4), con las reas
ordenadas de menor a mayor. La tercera columna muestra las ecuaciones para determinar el
valor correspondiente de la isoyeta del patrn elptico. Las columnas 4 y 5 permiten
calcular los valores para cada isoyeta de los semiejes mayor y menor. En consecuencia, la
Tabla 12 permite dibujar el patrn elptico o circular para un evento dado de precipitacin
mxima.

Taala 1h
Deteuminacin de patuones sintticos espaciales

2
A A
1 a =

3
A A
2 a =
K

n
A A
h
n1 a =
| |

K

Para la generacin sinttica de eventos de precipitacin mxima, es necesario definir tres
elementos complementarios a lo anteriormente descrito: (1) la ubicacin espacial del centro
de la tormenta; (2) el valor de K, y (3) la direccin del eje mayor. En relacin con la
ubicacin espacial del centro de tormenta, con base en los mapas histricos de isoyetas se
debe identificar la o las zonas de mayor frecuencia de ubicacin, las cuales se pueden
representar mediante polgonos. Por lo tanto, es dentro de estos polgonos donde se deben
generar centros aleatorios de tormentas. Con respecto al valor K, nuevamente del anlisis
de mapas histricos de isoyetas se pueden determinar rangos de valores de K ms
representativos, ajustando una distribucin uniforme o triangular simtrica, por ejemplo.
Para la direccin del eje mayor, los mapas histricos de isoyetas permiten establecer
alineamientos preferenciales de los patrones de tormentas, a partir de los cuales se pueden
definir rangos de valores de azimut del eje mayor, dentro de los cuales se deben generar
valores aleatorios.

Para la generacin aleatoria de centros de tormenta dentro de polgonos previamente
definidos como preferenciales se puede hacer lo siguiente: (1) definir un rea rectangular
que contenga los polgonos, donde las coordenadas se definan como x
min
, x
max
, y
min
y y
max
;
(2) generar un punto aleatorio dentro de este rectngulo con coordenadas
52

V
KDN

bmerca Latna


x = x
min
+ ( x
max
x
min
)u y y = y
min
+ ( y
max
y
min
)v , donde u y v son nmeros aleatorios
uniformemente distribuidos entre 0 y 1; (3) aplicar el algoritmo radial para verificar si el
punto generado est dentro del o los polgonos de inters. Para esto, vase laFigura 13,
donde P representa el punto generado y V
i
los vrtices que definen el polgono. Igualmente
se definen el ngulo
i
que corresponde al ngulo entre la lnea que une el punto P y el
vrtice V
i
y la lnea que une el punto P y el vrtice V
i+1
. El algoritmo consiste en sumar
todos los ngulos
i
con la convencin de signo positivo si el ngulo es antihorario y
negativo si es horario. El resultado de esta suma slo puede ser 0 o 2, significando que el
punto P est fuera del polgono o dentro de ste, respectivamente.

Para la generacin de valores aleatorios de K que define la relacin entre ejes de la elipse se
puede hacer lo siguiente: (1) definir el rango de valores de variacin de K, es decir K
min
y
K
max
; (2) adoptar una distribucin representativa de la variabilidad de K. Aqu se ilustra
para el caso de una distribucin uniforme o triangular simtrica entre K
min
y K
max
; (3) para
la distribucin uniforme generar un valor aleatorio K = K
min
+ (K
max
K
min
)u , donde u es
un nmero aleatorio uniforme entre 0 y 1; (4) o para la distribucin triangular simtrica
generar un valor aleatorio como:
0.5

K = K
0.5

min
+ (K
max
K
min
)u
0.5
/ 2
0.5
si 0 u 0.5 , o
K = K
max
(K
max
K
min
)(u 0.5)

/ 2 , si 0.5 u 1 .
Para la generacin aleatoria del azimut del eje mayor, se adopta una forma similar a la
usada para la generacin del centro de tormenta, es decir mediante una distribucin
uniforme: (1) definir el rango de valores dentro del cual vara el azimut del eje mayor de la
elipse. Sea ste definido por az
min
y az
max
, donde estos valores varan entre 0 y 360; (2)
generar un valor aleatorio dentro de este rango, es decir az = az
min
+ (az
max
az
min
)u , donde
u es un nmero aleatorio uniformemente distribuidos entre 0 y 1.

y
max

V
7

6

7
V
6

8
P

9

V
1
1

V
9

V
2
2
V
3

V
4
5

4

V
5

y
min

x
min
x
max

Figuua 1S
Algouitmo uadial
53
KDN
bmerca Latna

Confoumacin de aase de datos de eventos de cuecientes

En los sitios donde exista informacin hidromtrica disponible es recomendable utilizarla
para los anlisis de amenaza por dos razones: (1) para las modelaciones lluvia escorrenta
en cuencas hidrogrficas es el medio ms robusto para realizar ejercicios de calibracin y
verificacin de stas, y (2) dado que los procesos hidrolgicos involucrados en la
transformacin lluvia escorrenta son complejos y variables en el espacio y tiempo, el
caudal medido a la salida de la cuenca hidrogrfica sintetiza esta complejidad, indicndose
con esto que la mejor manera de aproximarse a la respuesta hidrolgica de una cuenca es a
travs de la medicin de su caudal a la salida, antes que la modelacin lluvia escorrenta,
la cual conlleva necesariamente simplificaciones conceptuales de procesos, informacin
escasa (eventualmente no representativa 100% espacialmente) e incertidumbres. Al igual
que con la informacin de precipitacin descrita anteriormente, en el caso de informacin
hidromtrica es necesario conformar una base de datos pertinente para los anlisis
correspondientes.

Los criterios para la obtencin de informacin hidromtrica son los siguientes:

1 Definicin de reas de estudio: necesaria para identificar las estaciones
hidromtricas existentes (limnimtricas, limnigrficas y de aforos) ubicadas dentro
de stas, al igual que en su periferia en reas adyacentes.

2 Identificacin de eventos histricos de crecientes e inundaciones asociadas con
huracanes y eventos debidos a lluvias intensas provocadas por sistemas
convectivos o de baja presin. Igualmente, identificacin de eventos concurrentes
con eventos de lluvia identificados en la base de datos de precipitacin.

3 Los registros histricos de las estaciones hidromtricas anteriores deben tener
perodos comunes concurrentes entre s para robustecer los anlisis regionales de
caudales. Adicionalmente, deben tener perodos comunes concurrentes con
estaciones de precipitacin dentro de sus cuencas tributarias para propsitos de
calibracin de modelos lluvia escorrenta. La informacin hidromtrica debe
extraerse de los registros de las estaciones existentes pertenecientes a las diferentes
entidades pblicas y privadas que midan parmetros fluviales.

4 La informacin hidromtrica debe corresponder a registros diarios de niveles y
caudales en el caso de estaciones linmimtricas; para estaciones linmigrficas
adems de lo anterior debe disponerse de registros continuos de nivel (y de caudal o
disponer de curvas de calibracin nivel vs. caudal) para los eventos previamente
definidos. Toda informacin hidromtrica debe obtenerse en medio digital.

5 El almacenamiento de informacin debe hacerse mediante herramientas
computacionales que faciliten un adecuado control de calidad con propsitos de
depuracin y eventualmente de complementacin, su fcil manejo y su posterior
anlisis en las fases siguientes. Herramientas para este fin pueden ir desde hojas de
clculo tipo Excel hasta bases de datos como Access, por ejemplo.

Informacin requerida:
54
KDN
bmerca Latna

1 Localizacin geogrfica de estaciones hidromtricas

2 Ubicacin de estaciones hidromtricas en mapas a escala adecuada con red de
drenaje y cuencas y subcuencas hidrogrficas. Para cada estacin es necesario
determinar su respectiva cuenca tributaria y realizar a partir de sta la
caracterizacin geomorfolgica correspondiente (rea, longitud cauce principal,
coeficiente de forma, densidad de drenaje, pendiente promedio, etc)

3 Perodos de registro de las estaciones hidromtricas disponibles.

4 Informacin diaria de niveles y caudales para el perodo de registro en cada estacin
hidromtrica.

5 Informacin continua de niveles y caudales en cada estacin linmigrfica para
perodos enmarcados dentro de los eventos previamente identificados. En su
defecto, informacin horaria.

Anlisis puntuales y uegionales de niveles y caudales mximos

El propsito de estos anlisis es establecer curvas puntuales de frecuencia, es decir propias
de cada estacin hidromtrica, que representen adecuadamente las caractersticas de
eventos extremos de crecientes e inundaciones en esos sitios. Los anlisis puntuales se
deben realizar para cada una de las estaciones hidromtricas disponibles con perodos de
registro suficientemente largos. A partir de los resultados de estos anlisis puntuales de
frecuencia se deben realizar anlisis regionales como los que se describen ms adelante.
Criterios para el anlisis puntual de frecuencias se presentan a continuacin:

1 Es conveniente establecer una distribucin de probabilidad como base para los
anlisis puntuales junto con el mtodo de estimacin de parmetros que sean los
ms apropiados y confiables para la caracterizacin de crecientes e inundaciones.

2 La caracterizacin puntual de niveles, caudales y volmenes de crecientes deben
hacerse en trminos de curvas de frecuencia de estos parmetros y de relaciones
paramtricas entre stos.

3 Las estaciones seleccionadas para anlisis regionales por zonas deben pertenecer a
un conjunto de estaciones hidrolgicamente homogneas, lo cual significa que
registren el efecto de los mismos factores meteorolgicos de tal forma que los
anlisis puntuales puedan ser analizados de manera espacial en la zona
correspondiente.

En relacin con la escogencia de la distribucin de probabilidad y el mtodo de estimacin
de parmetros ms apropiados, en la literatura existe amplia documentacin sobre el tema.
De manera similar a lo mencionado para precipitacin, para los casos de estudio en
CAPRA se requiere realizar pruebas preliminares escogiendo al azar algunas estaciones
hidromtricas, ajustando diversas distribuciones de probabilidad (p.e. Gumbel, GEV, Log
KDN
bmerca Latna
55

0
1
k
k k
k k k
1
n

normal, Log Pearson T3, etc.) con varios mtodos de estimacin de parmetros (p.e.
Momentos [M], Momentos Ponderados con Probabilidad [MPP], Mxima Verosimilitud
[MV], etc.) y determinando medidas de bondad de ajuste y menor incertidumbre asociada.
Con base en lo anterior, se debe definir la distribucin ms apropiada para utilizarse de
manera generalizada en las zonas de estudio de CAPRA. De manera preliminar y
adelantndose a los anlisis recin descritos, por la experiencia de los Consultores y otros,
se considera que la distribucin Gumbel con parmetros estimados con el mtodo de MPP
es la distribucin de mejor ajuste para precipitaciones extremas, o alternativamente la
distribucin generalizada de valor extremo GEV (la cual resulta en la distribucin Gumbel
cuando el parmetro de forma n es igual a 0) por lo cual los detalles adicionales siguientes
giran alrededor de estas distribuciones.

El procedimiento del ndice de creciente es una tcnica simple de regionalizacin muy
usada en hidrologa para el anlisis de frecuencia de crecientes (Maidment, 1993).
Bsicamente usa series anuales de varios sitios para construir estimadores ms confiables
de cuantiles de crecientes. El concepto que soporta el mtodo es que las distribuciones de
crecientes en diferentes sitios de una determinada regin son las mismas excepto por un
factor de escala (o parmetro de ndice de creciente) que refleja los efectos de tamao de
cuenca y caractersticas de precipitacin y escorrenta en sta. Usualmente la creciente
mxima media se utiliza como ndice de creciente, y por lo tanto la estimacin de Q
T
en un
determinado sitio se basa en la estimacin de la media Q
i
del sitio i y en la relacin regional
Q
T
/Q
i
. Varios estudios de regionalizacin han usado procedimientos basados en MPP o
momentos-L y distribuciones Wakeby y GEV. Los resultados en general muestran que
usando momentos-L y la distribucin GEV el procedimiento resulta razonablemente
robusto y ms acertado que otros mtodos. Este procedimiento, propuesto por Landwehr,
Matalas y Wallis (Maidment, 1993) se describe a continuacin, para una regin homognea
con K sitios con informacin de series anuales de crecientes, cada una de stas de longitud
n
k
, para k = 1, , K. Es decir en el sitio k, la serie anual correspondiente ordenada de
menor a mayor es
x
k ,1
, x
k , 2
, ..., x
k ,n
k
.
1. Calcular en cada sitio k los 3 momentos-L,
b
1
k
, b
2
k
, b
3
k
usando los estimadores no
sesgados con MPP:

M
k
a. Calcular el primer momento ponderado:
n
k

=
)
x
k ,i
k i=1

n
k

M =

1

] n
k
i ]
x

1
k

b. Calcular el segundo momento ponderado:
) | |

n
k i=1 [
n
k

J

k ,i
1
n
k

] (n

i)(n

i 1)]

c. Calcular el tercer momento ponderado:
M
2
k
=
) |

n
k i=1 [
k
(n
k

k
1)(n
k

2)
|
x
k ,i

J
d. Calcular el primer momento L:
b
1
k
= M
0

e. Calcular el segundo momento L:
b
2
k
= 2M
1
M
0

f. Calcular el tercer momento L:
b
3
k

= 6M
2
6M
1
+ M
0

56

1
k
2
k
3
2
3 2
R
R
k
R
KDN

bmerca Latna


2. Calcular el promedio regional de los momentos-L normalizados para obtener una
distribucin de frecuencia normalizada para la regin:
a.
b

= 1

w =
n
k
n
R

k
b. Para cada sitio k, calcular el peso respectivo:
K

n
k
+ n
R
, con
n
R

25
.

)
w
k
(b
2
k

b
1
)
b =
R

c. Calcular
k =1
K
)
w
k
k =1

K

)
w
k
(b
3
k

b
1
)
b =
R

d. Calcular

k =1
K
)
w
k
k =1
.
3. Determinar los parmetros normalizados de la distribucin regional GEV:

c =
a. Calcular
2b
R
b + 3b
R R

ln(2)

ln(3)

b. Calcular

R
= 7.859c + 2.9554c
2

=

R
b
2
R
c. Calcular
(1 +
R
)(1 2

R
)
, siendo 0 la funcin gama.

d. Calcular

R
= b
1
+

R

R
[(1 +

R
) 1]

4. La distribucin GEV regional normalizada es:

y
T
=
R
+

R
{1 [ ln(1 1/ T )]

R
}

R

5. El valor extremo estimado del anlisis regional en el sitio k para un perodo de
retorno T es:

x
T
k

= b
1
y
T

6. Para sitios j sin estaciones de medicin, j = 1, , M, aplicar la distribucin regional
normalizada mediante regresin regional. Esta regresin regional se obtiene de la
siguiente forma:
a. Para los K sitios con informacin utilizada en el anlisis regional establecer
sus respectivas caractersticas geomorfolgicas y otros parmetros como por
ejemplo rea A
k
, pendiente media S
k
, rendimiento hdrico medio R
k
, etc.
KDN
bmerca Latna

5F

j

b. Ajustar modelos de regresin multivariada entre
b
1
k
como variable
dependiente y variables independientes como A
k
, S
k
, R
k
, etc. Determinar la
mejor regresin de acuerdo con el valor del coeficiente de determinacin.
c. Aplicar la anterior regresin a cada uno de los sitios j sin mediciones,
b

estimando as los correspondientes valores de
1
j

d. Calcular el valor extremo estimado del anlisis regional en el sitio j para un
=

x

perodo de retorno T como:
T
j

b
1
y
T

Como consecuencia de lo anteriormente descrito es posible estimar para sitios sin
mediciones de nivel o caudal curvas de frecuencia de eventos mximos correspondientes,
las cuales permiten determinar amenazas en determinados puntos de cauces susceptibles de
generar afectaciones a poblaciones y/o actividades socioeconmicas.

TnEormacin Requerida y Disponibi1idad

Para el desarrollo y calibracin del modelo de amenaza por inundaciones, se requiere la
siguiente informacin hidrolgica y espacial:

(a) Precipitacin y evapotranspiracin: informacin de estaciones
hidrometeorolgicas con datos horarios de precipitacin para eventos catastrficos
extremos e imgenes de radar de precipitacin para eventos de crecientes recientes.
Se espera que esta informacin sea suministrada por las agencias del gobierno a
cargo de la informacin hidroclimatolgica.

(b) Datos de escorrenta: datos de caudales en ros principales durante eventos
extremos catastrficos para todas las estaciones de medicin. Para los embalses
principales informacin de caudales de entrada y salida, curvas de elevacin-
almacenamiento y caudales de salida, curvas de elevacin-rea-caudales de salida,
detalles de estructuras de salida e informacin complementaria.

(c) Informacin de uso y cobertura de la tierra: tipo de suelo, usos de la tierra, tipo
de cobertura y vegetacin y otros detalles. Datos de uso y cobertura de la tierra se
desarrollarn a partir de Imgenes ASTER de 15 m. Los tipos de suelo y la
geologa se obtendr de los mapas publicados de las agencias y entidades
nacionales responsables de esta informacin.

(d) Modelo digital de elevacin para zonas inundables: para los anlisis de inundacin
se utilizarn SRTM (Shuttle Radar Topographic Misin) con 90 m de precisin o
mayor resolucin si es posible. En las reas de alto impacto se mejorar la calidad
de la informacin, por ejemplo con base en MDE (Modelo Digital de Elevacin)
derivados de mapas topogrficos a escala 1:10,000, con curvas de nivel cada metro
KDN
bmerca Latna

58

o similar. Se requieren correcciones para garantizar una compatibilidad hidrolgica
del MDE.

(e) Desarrollo de la red fluvial y trayectorias de flujo: los mapas topogrficos se
utilizarn para desarrollar la red fluvial integral digital y en lo posible trayectorias
de flujo a partir de las cotas topogrficas y de rastros de zonas inundables a partir
de eventos histricos catastrficos en las regiones de inters. La red fluvial y su
consistencia se verificar en relacin a su consistencia espacial y conectividad con
el fin de que sea adecuada para la modelacin hidrulica.

(f) Propiedades de las cuencas de anlisis: el MDE se utilizar para delimitar los
cauces principales de los ros. Las dems propiedades requeridas para el cauce
mismo tales como la pendiente media, relacin de aspecto, longitud, patrn de
drenaje, trayectorias medias de drenaje, se desarrollarn utilizando herramientas
GIS aplicadas a los MDE.

(g) Mapas de inundacin por crecientes para eventos pasados: se requiere la
reconstruccin de mapas o de imgenes tomadas de sensores remotos para
reconstruir la extensin y la profundidad de inundacin de los eventos histricos
mayores con el fin de validar y calibrarlos modelos de inundacin que se
desarrollen.

Calidad de la infoumacin

La calidad de la informacin hidrometeorolgica tomada por agencias y entidades
gubernamentales es por lo general incompleta y deficiente. En general se presentan
faltantes de informacin por estaciones en mantenimiento o por relocalizacin de
estaciones, cambios en los alrededores de las estaciones y otros factores.

Se requiere un proceso de filtrado, complementacin y ajuste de la informacin con el fin
de conformar una base de datos completa, integral y consistente con la realidad
hidrometeorolgica del pas. En general se requieren dos actividades complementarias en
las bases de datos de informacin hidrometeorolgica:

(a) Complementacin de informacin faltante: esta se realizar por interpolacin a
partir de las estaciones cercanas a aquella en que se presente la deficiencia
(interpolacin espacial) o interpolacin entre tiempos de observacin por
comparacin con otros periodos climticos similares (interpolacin temporal). A
partir de la historia de la estacin se identificarn rangos de datos faltantes. En
varios casos, la informacin puede estar intermitente, pueden presentarse cambios
radicales en las tendencias de los valores medios por ejemplo de mediciones de
caudal o pueden tener por ejemplo nicamente informacin de profundidad del
agua. Antes de la modelacin se realizarn las correcciones necesarias para
completar y ajustar la informacin.
KDN
bmerca Latna

5P

(b) Reemplazo de valores errneos: se realizarn chequeos de consistencia de datos
entre regiones de comportamiento esperado similares y a lo largo del tiempo para
una misma zona. Los paquetes de informacin que presenten comportamientos
anmalos, por fuera de los rangos esperados o que evidencien algn tipo de
inconsistencia sern reemplazados por informacin consistente obtenida a partir de
interpolacin espacial o temporal.

Mapas

a. Mapas de ubicacin de estaciones pluviomtricas, pluviogrficas, limnigrficas e
hidromtricas: La ubicacin geogrfica con sus respectivas coordenadas, es un dato
fundamental para el desarrollo del mtodo de anlisis propuesto, pues de esto depender
la distribucin de las precipitaciones y consiguientemente de las inundaciones, dentro
del rea de estudio. Entre mayor sea el nmero de estaciones existir mayor calidad en
los resultados, siempre y cuando el periodo de registro de las mismas sea lo
suficientemente amplio para que los anlisis probabilsticos sean ptimos.

De esta manera, se requiere disponer de mapa en formato vectorial (Shape file) de
puntos de localizacin de estaciones hidro-meteorolgicas: pluviomtricas,
pluviogrficas, hidrogrficas e hidromtricas, con tablas de atributos descriptivos que
contengan como mnimo: nombre de la estacin, ao de instalacin, periodos de
funcionamiento, coordenadas "x", "y" y "z" para los datos de precipitacin, tipos y
cantidad de instrumentos, elevacin, temperatura media, periodo, desviacin, entre
otros.

b. Redes de drenaje, cuencas y subcuencas hidrogrficas: El conocimiento de las
caractersticas geogrficas, geomtricas e hidrogeolgicas de la cuenca es otro factor
muy importante para un anlisis de inundaciones y regimenes de precipitaciones, puesto
que condiciona parmetros muy significativos como el tiempo de retencin hidrulico,
el tiempo de concentracin, la densidad de drenaje, el rea de drenaje, la pendiente,
entre otros.

c. Modelos digitales o mapas topogrficos base: Como se menciono en el recuento de los
modelos analticos, es necesario un modelo de elevacin digital o un plano con curvas
de nivel a partir del cual se pueda generar el DTM, puesto que este es un elemento
indispensable para la creacin de los mapas de amenazas.

Adicionalmente se requiere:

Mapas en formato raster de elevacin continental sobre el nivel del mar.
Informacin de elevacin (entindase tamao del pxel) de 60m.
Ortofotomapas a escala 1:10,000. Digital, resolucin 10px mm.
Espaciomapas a escala 1:100,000 derivados de imgenes de satlite spot (ESA,
Agencia Espacial Europea) Digital.
KDN
bmerca Latna

60

Curvas de nivel cada 10 metros interpoladas de cada hoja del ortofotomapa a escala
1:10,000.

d. Mapas de distribucin de la precipitacin: A pesar de que este es uno de los tipos de
mapas deducibles del modelo analtico, es conveniente tener los existentes para
verificacin de la informacin de las bases de datos y de los resultados.


Mapa en formato vectorial (Shape file) de precipitacin promedio anual con tabla de
atributos descriptivos (No. de identificacin de la isoyeta, precipitacin promedio,
rea y permetro).
Mapa de Precipitacin Media Anual
Mapa de precipitacin ms frecuente durante huracanes importantes y fenmenos
metereolgicos importantes, como El Nio.
Mapa Dficit de precipitacin anual en eventos metereolgicos importantes, como
El Nio.
Mapa de Probabilidad Anual de Ocurrencia de Tormentas

e. Mapas de amenaza, riesgo y vulnerabilidad a inundaciones: A pesar de que este es uno
de los resultados del modelo analtico, es conveniente tener los existentes para
posteriores anlisis y comparaciones.


Mapa en formato vectorial (Shape file) de polgonos de delimitacin de zonas
inundables, con tabla de atributos descriptivos (profundidad mxima esperada,
nmero de habitantes en la zona, nmero de viviendas en la zona).
Mapa de amenaza por inundacin para Costa Rica y Nicaragua
Mapa de amenazas por inundacin por ciudades o cantones.
Mapa de reas susceptibles a inundacin.
Mapa de riesgo especfico de inundacin por departamentos.
Mapa de riesgo ponderado de inundacin por departamentos.
Mapa de vulnerabilidad a inundacin por departamentos.

Bases de datos paua cada estacin

a. Periodos de Registro: Conocer con exactitud el tiempo durante el cual han operado u
operan las estaciones de registro es muy importante para saber la magnitud de las series
histricas y determinar que datos podran ser utilizados para los anlisis
probabilsticos, con la certeza de obtener buenos resultados. Sin embargo, como se
menciono en la descripcin de los mapas disponibles, el archivo shape de ubicacin de
las estaciones pluviomtricas, carece de informacin acerca del periodo de
funcionamiento.

KDN
bmerca Latna

61

b. Series Histricas: Estas son un dato bsico de entrada para el modelo de anlisis
propuesto, se requieren series diarias y/o horarias, tanto puntuales como continuas. La
informacin que se tiene al respecto es muy limitada.

No obstante, la informacin acerca de parmetros hidrolgicos de los eventos, es
mnima, razn por lo cual, se requiere de la siguiente informacin:

Precipitaciones diarias: Tabla en formato plano (Excel, ASCII, .txt) de informacin
digital histrica de registros de parmetros hidro-meteorolgicos diarios (mm de
precipitacin, velocidad y direccin del viento, brillo solar, evaporacin)

Niveles y caudales diarios (informacin continua) o niveles y caudales Horarios
(informacin puntual): Tabla en formato plano (Excel, ASCII, .txt) de informacin
digital histrica caudales en ros principales.

Lluvias mximas histricas para diferentes duraciones o series anuales de
precipitaciones mximas para diferentes duraciones

Adicionalmente, se requiere informacin directa de curvas Profundidad Duracin
Frecuencia (PDF) o de curvas Intensidad Duracin Frecuencia (IDF) obtenidas de
informacin secundaria, para complementar y corroborar los datos necesarios para el
modelo propuesto.

Pad

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Pad

Caricato da

Copyright:

Formati disponibili

41

Potrebbero piacerti anche