Professional Documents
Culture Documents
Capítulo 1
Planteo Teórico-Metodológico y Encuadre Geográfico del Análisis 7
1.1 CONCEPTOS GENERALES.............................................................................. 7
1.2 COMPONENTES DE LAS LLUVIAS DE DISEÑO......................................... 9
1.3 PROCESO DE ESTIMACIÓN ......................................................................... 11
1.4 NATURALEZA DE LOS EVENTOS .............................................................. 12
1.5 ESCALA DE DISEÑO...................................................................................... 13
1.6 MAGNITUD Y RECURRENCIA DE DISEÑO .............................................. 14
1.7 REGIÓN DE ENSAYO..................................................................................... 15
1.8 CONDICIONES EXPERIMENTALES............................................................ 16
1.9 CUENCA DE ENSAYO ................................................................................... 18
Capítulo 2
Relaciones entre Láminas de Lluvia Local en Función de la Recurrencia 21
2.1 VÍNCULO ENTRE ALTURA Y RECURRENCIA DE LLUVIA................... 21
2.1.1 Fórmulas empíricas............................................................................. 23
2.1.2 Modelos probabilísticos...................................................................... 25
2.2 INVESTIGACIÓN DE LLUVIAS DIARIAS EN CÓRDOBA ....................... 27
2.2.1 Condiciones experimentales ............................................................... 27
2.2.2 Análisis y síntesis de los resultados.................................................... 29
2.3 CONCLUSIONES............................................................................................. 33
2 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Capítulo 3
Relaciones entre Láminas de Lluvia Local en Función de la Duración 35
3.1 INTRODUCCIÓN............................................................................................. 35
3.2 OPCIONES METODOLÓGICAS PARA EVALUAR LAS RELACIONES.. 36
3.2.1 Cocientes que parten de posiciones de gráfica ................................... 37
3.2.2 Cocientes que parten de una función probabilística ........................... 37
3.2.3 Cocientes que parten de curvas i-d-T empíricas................................. 38
3.2.4 Cocientes entre láminas de 24 horas y diaria...................................... 38
3.3 DEPENDENCIA DE LAS RELACIONES CON LA RECURRENCIA ......... 39
3.3.1 Estimaciones por posición de gráfica ................................................. 39
3.3.2 Estimaciones con una FDP ................................................................. 40
3.3.3 Estimaciones tomadas de curvas i-d-T empíricas............................... 42
3.4 SENSIBILIDAD DE RESULTADOS AL MÉTODO DE CÁLCULO............ 43
3.5 CONTRASTE CON RELACIONES OBTENIDAS EN OTROS PAÍSES...... 43
3.6 CONVENIENCIA DE COCIENTES ZONALES Y/O REGIONALES .......... 45
3.7 CONCLUSIONES............................................................................................. 47
Capítulo 4
Estimación de Máximos en Hidrología mediante Factores de Frecuencia 49
4.1 SOBRE LA DISTRIBUCIÓN LOGNORMAL ................................................ 49
4.2 FACTORES DE FRECUENCIA NORMAL Y LOGNORMAL ..................... 51
4.3 CONTRASTE DE ALGORITMOS DE ESTIMACIÓN .................................. 56
4.4 CONCLUSIONES............................................................................................. 58
Capítulo 5
Función i-d-T de la Lluvia basada en Factores de Frecuencia: Modelo DIT 61
5.1 INTRODUCCIÓN............................................................................................. 61
5.2 ANÁLISIS DE LA RELACIÓN i-d-T.............................................................. 63
5.3 EL MODELO DIT............................................................................................. 64
5.4 VALIDACIÓN DE HIPÓTESIS EN LA REGIÓN DE ENSAYO .................. 66
5.4.1 Distribución probabilística de las láminas .......................................... 66
5.4.2 Estimador del factor de frecuencia normal ......................................... 67
5.4.3 Distribución probabilística de las láminas .......................................... 68
5.5 COMPARACIÓN DE LOS ALGORITMOS EXPUESTOS............................ 69
5.6 SÍNTESIS .......................................................................................................... 71
Índice 3
Capítulo 6
Incidencia de Tendencias Climáticas sobre las Lluvias Máximas 73
6.1 INTRODUCCIÓN............................................................................................. 73
6.2 METODOLOGÍA PARA EL ANÁLISIS DE TENDENCIAS ........................ 74
6.3 TENDENCIA EN SERIES DE LLUVIAS MÁXIMAS DE CÓRDOBA........ 75
6.3.1 Análisis de las series de lluvias máximas ........................................... 75
6.3.2 Comparación entre totales y máximos anuales................................... 77
6.3.3 Cuantificación de efectos de cambio climático .................................. 79
6.4 SÍNTESIS .......................................................................................................... 84
Capítulo 7
Transposición de Lluvias con objetivos de Diseño 85
7.1 CONCEPTOS Y ALTERNATIVAS DE TRANSPOSICIÓN.......................... 85
7.2 APLICACIÓN DE LOS MÉTODOS EN CÓRDOBA..................................... 86
7.2.1 Equiparación ....................................................................................... 86
7.2.2 Regionalización................................................................................... 88
7.2.3 Interpolación ....................................................................................... 90
7.2.4 Extrapolación ...................................................................................... 91
7.2.5 Zonalización........................................................................................ 93
7.3 TRANSPOSICIÓN DE LLUVIAS DE DISEÑO ............................................. 95
7.4 CONTRASTE DE TÉCNICAS DE TRANSPOSICIÓN.................................. 96
7.5 CONCLUSIONES............................................................................................. 98
Capítulo 8
Precipitación Máxima Probable. Estimación Estadística Regional Diaria 99
8.1 CONCEPTO DE PRECIPITACIÓN MÁXIMA PROBABLE ......................... 99
8.2 MÉTODO DE LA ENVOLVENTE................................................................ 100
8.3 EXPERIENCIAS EN LA REGIÓN CENTRAL DEL PAÍS .......................... 103
8. 3. 1 Ensayo en el noroeste de Córdoba .................................................... 104
8.4 SENSIBILIDAD A LAS CONDICIONES EXPERIMENTALES................. 105
8. 4. 1 Efectos de densidad de red y longitud de series ............................... 107
8. 4. 2 Efecto del tamaño del sistema de ensayo.......................................... 108
8.5 SÍNTESIS DEL ESTUDIO REGIONAL........................................................ 109
4 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Capítulo 9
Variación de la PMP con la Duración. Elección de la Escala de Diseño 111
9.1 VARIACIÓN DE LA PMP CON LA DURACIÓN DE LLUVIA................. 111
9.2 CONTRASTE DE TÉCNICAS EN CÓRDOBA............................................ 112
9.3 SELECCIÓN DEL NIVEL DE DISEÑO ....................................................... 120
9.4 PLANTEO EXPERIMENTAL ....................................................................... 120
9.5 ANÁLISIS DE RESULTADOS...................................................................... 121
9.6 CONCLUSIONES........................................................................................... 123
Capítulo 10
Lámina de Lluvia a Escala de Cuenca para Intervalos de Máxima Anual 125
10.1 CARACTERIZACIÓN ESPACIAL DE LAS LLUVIAS DE DISEÑO ........ 125
10.1.1 Círculos de influencia de la estación núcleo..................................... 128
10.1.2 Coeficiente de decaimiento areal...................................................... 129
10.1.3 Elección de la estación núcleo .......................................................... 130
10.1.4 Calibración de ecuaciones de atenuación ......................................... 131
10.2 REDUCCIÓN PARA INTERVALOS DE MÁXIMA ANUAL..................... 132
10.2.1 Resultados en la cuenca del Río San Antonio .................................. 132
10.2.2 Síntesis de la relación analítica: Modelo CoDA............................... 135
10.3 CONCLUSIONES PARA INTERVALOS DE MÁXIMA ANUAL ............. 136
Capítulo 11
Reducción Areal de Tormentas Severas. Efectos Fisiográficos y Climáticos 137
11.1 INTRODUCCIÓN........................................................................................... 137
11.2 RESULTADOS PARA LA CUENCA DEL SAN ANTONIO....................... 138
11.3 CONTRASTE DE FUNCIONES DE REDUCCIÓN ..................................... 138
11.3.1 Funciones de reducción y sistemas de origen................................... 139
11.3.2 Estandarización de las funciones ...................................................... 141
11.3.3 Análisis de resultados ....................................................................... 142
11.4 CONCLUSIONES PARA TORMENTAS SEVERAS................................... 145
Índice 5
Capítulo 12
Distribución Temporal Interna: Síntesis de Tormentas Intensas 147
12.1 DISTRIBUCIÓN TEMPORAL INTERNA: HIETOGRAMA TIPO............. 147
12.2 SÍNTESIS DE HIETOGRAMAS A PARTIR DE LA FUNCIÓN i-d-T........ 148
12.2.1 Método de la intensidad instantánea................................................. 148
12.3 SÍNTESIS A PARTIR DE EVENTOS HISTÓRICOS CRÍTICOS................ 149
12.3.1 Caracterización de los eventos y las muestras .................................. 149
12.3.2 Método del ordenamiento de intervalos............................................ 151
12.3.3 Método de la función de distribución acumulada............................. 151
12.4 HIETOGRAMAS DE TORMENTAS INTENSAS EN CÓRDOBA ............. 153
12.5 CONCLUSIONES........................................................................................... 160
Capítulo 13
Distribución Temporal Interna: Intervalos de Máxima Intensidad Anual 161
13.1 INTRODUCCIÓN........................................................................................... 161
13.2 COMPARACIÓN ENTRE HIETOGRAMAS DE TORMENTAS E IMA ... 162
13.2.1 Similitudes y diferencias entre los eventos....................................... 162
13.2.2 Errores en posición y magnitud del pico .......................................... 165
13.3 COEFICIENTES DE FORMA EN HIETOGRAMAS DE IMA .................... 165
13.3.1 Caracterización de los coeficientes................................................... 166
13.3.2 Relación entre coeficientes y dimensiones del IMA ........................ 169
13.4 CONCLUSIONES........................................................................................... 170
Capítulo 14
Predicción de Crecientes de Proyecto a partir de Lluvias de Diseño 171
Apéndice
Procesos Hidrológicos y Modelos Probabilísticos 183
A.1 INTRODUCCIÓN........................................................................................... 183
A.2 CONCEPTOS DE ESTADÍSTICA APLICADOS A HIDROLOGÍA ........... 184
A.2.1 Variables hidrológicas aleatorias ...................................................... 185
A.2.2 Nociones de probabilidad ................................................................. 185
A.2.3 Distribuciones probabilísticas........................................................... 189
A.2.4 Momentos y características de las distribuciones............................. 191
A.3 DISTRIBUCIONES PROBABILÍSTICAS USUALES EN HIDROLOGÍA. 193
A.3.1 Distribución Normal ......................................................................... 194
A.3.2 Distribución Exponencial ................................................................. 195
A.3.3 Distribución Gamma......................................................................... 196
A.3.4 Distribución Pearson Tipo III ........................................................... 196
A.3.5 Distribución de Valores Extremos .................................................... 197
A.3.6 Distribución Lognormal.................................................................... 198
A.4 REGRESIÓN Y CORRELACIÓN ................................................................. 199
A.4.1 Regresión Lineal Simple................................................................... 201
A.4.2 Evaluación del modelo de regresión lineal ....................................... 202
A.5 PRUEBAS DE AJUSTE NO PARAMÉTRICAS........................................... 204
A.5.1 Test de Mann–Kendall...................................................................... 204
A.5.2 Test de Kolmogorov-Smirnov .......................................................... 205
A.6 FACTORES DE FRECUENCIA .................................................................... 206
Planteo Teórico-Metodológico
y Encuadre Geográfico del Análisis
Los desastres de origen natural responden a amenazas que no pueden ser neutralizadas,
puesto que difícilmente es factible intervenir en su génesis, aunque en algunos casos
resulta posible controlar parcialmente sus efectos.
La mención de desastres lleva a considerar la idea de riesgo, que admite diferentes
acepciones. Para los ingenieros se refiere a una función matemática, dependiente de la
probabilidad de ocurrencia de fenómenos peligrosos.
En cambio, quienes se dedican a las ciencias naturales (los geomorfólogos, por
ejemplo) le asignan un significado más amplio, al interpretarlo como el resultado de
relacionar la amenaza que entraña el fenómeno (equivalente al riesgo ingenieril) con
la vulnerabilidad de los elementos expuestos (sensibilidad intrínseca a los efectos).
Al margen de la cuestión semántica, y aun cuando el interés se reduzca a la evaluación
de la amenaza, se utilizará aquí esta última concepción, ya que permite identificar las
medidas de mitigación más adecuadas, estructurales (obras de protección e
intervención sobre la vulnerabilidad) y no estructurales (planificación, difusión, mapas
de riesgo, sistemas de alerta, regulación de uso del suelo, costos preventivos en
presupuestos de inversión, entrenamiento para emergencias).
Evaluar la amenaza es pronosticar o predecir la ocurrencia y magnitud del fenómeno,
con base en el estudio de su mecanismo generador, el monitoreo del sistema
perturbador y/o el registro de eventos en el tiempo. La cuantificación de una amenaza
hidrológica se efectúa mediante modelos matemáticos, que deben ser elaborados,
calibrados, verificados (cuando sea posible) y explotados.
Se pronostica si se asigna al suceso el monto y el tiempo de ocurrencia (o un lapso
breve, a causa de la incertidumbre del proceso y/o de su estimación). El pronóstico es
un anticipo a corto plazo (basado en interpretación de señales o eventos
premonitorios), cuyo objetivo es informar a la población amenazada acerca del
acontecimiento o inminencia de un fenómeno peligroso real.
Permite caracterizar al evento como previsible o no. Los modelos de pronóstico
forman parte de sistemas de alerta y su función se cumple durante una emergencia.
Por su parte, una predicción no especifica cuándo se producirá, sino cuál será la
magnitud de un evento hipotético crítico, dada su duración y su recurrencia (según la
información probabilística de parámetros indicadores), o bien, en el más largo plazo,
cuál será el evento máximo probable.
Se asume que sucederá en algún momento de un período plurianual, vinculado a la
planificación y el dimensionamiento de obras en el área potencialmente afectable, lo
cual torna improcedente asignarle fecha u hora.
El tema de lluvias para diseño hidrológico está incluido en el ámbito de la predicción.
La magnitud de las construcciones destinadas a conducir, contener o salvar cursos de
agua (canales, acueductos, defensas, presas, puentes, alcantarillas), así como las
medidas no estructurales planteadas para protegerlas, guarda relación directa con el
caudal o el nivel a que estarán expuestas en el futuro, los cuales, por su carácter
aleatorio, solo se pueden estimar en forma probabilística.
Planteo Teórico-Metodológico y Encuadre Geográfico del Análisis 9
Las principales pautas para establecer un valor de diseño son el costo y la seguridad.
Sobredimensionar las alcantarillas de drenaje pluvial de una ciudad importante implica
un despilfarro considerable, en tanto que, si se subestima el pico de crecida que debe
evacuar el vertedero de una gran presa, ésta puede fallar con resultados catastróficos.
La magnitud de diseño óptima es una solución de compromiso entre ambos aspectos.
El rango en que se ubica ese valor tiene una frontera inferior nula, dado que las
variables de interés no son negativas, aunque para casos concretos corresponde a veces
considerar umbrales mayores. Por ejemplo, dentro del horizonte de la planificación, es
ilógico suponer que, en su peor bajante futura, el Río Paraná se seque.
El límite superior es finito, porque en el planeta existe, en esencia, siempre la misma
cantidad de agua, por tratarse de un sistema cerrado. No es razonable imaginar,
entonces, una lluvia de 3000 mm/hora en ningún punto de la Provincia de Córdoba.
Si bien este extremo del rango es desconocido, se suele evaluar con fines prácticos la
mayor magnitud posible de un evento hidrológico en un lugar determinado, como la
precipitación máxima probable o la crecida máxima probable. Este Valor Límite
Estimado (VEL) depende, evidentemente, de la información disponible, y puede ser
excedido por fenómenos reales, como de hecho ha sucedido.
En principio, los estudios dirigidos a determinar crecidas de proyecto se deberían
realizar sobre series de datos históricos de caudal, estadísticamente aptas en extensión
y continuidad, pero esta información es poco frecuente en la mayor parte del mundo.
Por eso, el análisis se hace sobre las precipitaciones pluviales causantes del fenómeno.
Las lluvias de diseño resultantes son eventos pluviales idealizados para reflejar las
exigencias de origen hidrometeorológico a las que se verían sometidas las obras.
Constituyen entradas que, al ser procesadas por modelos de transformación lluvia-
escurrimiento y de tránsito de descargas, proveen hidrogramas de crecientes a la salida
del sistema hidrológico de interés.
No hay razón para suponer que los intervalos de máxima intensidad anual, usados al
evaluar la función i-d-T o la PMP, equivalgan a la duración de una tormenta. Pueden
cubrir una porción de ella, englobarla junto a un período sin lluvia o agrupar a más de
una. Los hietogramas internos de los IMA difieren notablemente, en general, de los de
tormentas, de modo que resulta ilógico adoptar los patrones del fenómeno completo.
García et al. (2000a) demostraron que los hietogramas tipo se deben sintetizar de las
distribuciones de los IMA. Así, además de coincidir en el tiempo con la lámina a
repartir, representan los patrones históricos observados, lo que no sucede cuando son
extraídos de curvas i-d-T, siguiendo técnicas que también son de uso habitual.
Catalini (2001) hizo otro tanto en lo que a atenuación espacial se refiere.
Pese a ello, es práctica común emplear esquemas obtenidos por síntesis de tormentas
históricas intensas (sea como ábaco para reducir la lámina local de diseño o como patrón
para distribuirla en el tiempo), sin advertir la contradicción conceptual en que se incurre.
En este texto se asume que los eventos propios del análisis y la síntesis de las lluvias
para diseño son los intervalos de máxima intensidad anual, que se deben emplear, por
coherencia, en todas las etapas de estimación. En consecuencia, se evita el nombre
usual de tormentas de diseño, para designar tormentas intensas o severas.
Aun cuando su uso sea objetable para diseño, el tratamiento de tormentas intensas es
un complemento valioso en varios sentidos: la interpretación del fenómeno natural, el
aporte de técnicas aplicables a los IMA y el contraste del comportamiento de las
lluvias entre regiones, dada la mayor disponibilidad de estudios sobre tormentas. Esta
es la causa por la que algunos de sus aspectos son discutidos en detalle más adelante.
Caracterizar las tormentas severas involucra tres cuestiones:
• ¿Cuándo una serie de chaparrones sucesivos constituye una tormenta y no varias?
• ¿Qué monto total justifica incluirla en el análisis?
• ¿Cuál es la tasa media de lluvia requerida para considerarla “intensa”?
Es decir, se deben establecer criterios mínimos de corte (tiempo sin que se registre
lluvia), de lámina y de intensidad.
La primera de esas cuestiones define la forma general asignada a muchos hidrogramas.
Las restantes, apuntan a excluir aquellas tormentas irrelevantes para el objetivo, por
levedad o brevedad, que alteran los resultados del análisis debido a su alta frecuencia.
Los topes que se fijen (si es que se fijan) pueden condicionar fuertemente los resultados
finales. En principio, las reglas en estos aspectos dependen de las características
meteorológicas y fisiográficas de la región de aplicación, porque el interés está puesto
en la posibilidad que tengan las tormentas para producir crecidas extremas.
Por ejemplo, una tasa baja para zonas montañosas (dada su capacidad de evacuación
rápida) no lo es necesariamente en llanura, donde las áreas de aporte son mucho
mayores y los frentes pueden producir precipitaciones generalizadas y prolongadas.
Planteo Teórico-Metodológico y Encuadre Geográfico del Análisis 13
Figura 1.1: Contraste de escalas y niveles de diseño (adaptado de Chow et al., 1994)
La división por magnitud de estructuras bajo riesgo depende de aspectos muy diversos:
daños por falla, vulnerabilidad debida a dimensiones de la obra (vertedero, altura) e
importancia de la amenaza, expresada por el monto de la variable (volumen, caudal,
intensidad), su recurrencia o una fracción del valor límite. Aunque están relacionados,
no hay correspondencia unívoca entre estos aspectos, dando lugar a una indefinición.
14 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
np − nd +1 np − nd +1
P(n p , n d , n o ) = = (1.1)
(n o − n d + 1) + (n p − n d + 1) no + np − 2 ⋅ nd + 2
Cuando el fenómeno más severo, como por ejemplo una precipitación o una creciente
fluvial, persiste menos de un año, se considera nd = 1 y resulta
np
P(n p , n o ) = (1.2)
no + np
Planteo Teórico-Metodológico y Encuadre Geográfico del Análisis 15
Hecho el planteo teórico, cada etapa descriptiva o inferencial del problema se plantea
para términos geográficos concretos.
En la mayoría de los tópicos aquí tratados, el estudio abarca totalmente una de las 24
jurisdicciones políticas de la República Argentina: la Provincia de Córdoba. Por este
motivo, resulta conveniente una caracterización previa de dicha región de ensayo.
Por su parte, ciertos temas implican la necesidad de emplear una cuenca como unidad
fisiográfica de análisis (definición a la que la Provincia en su conjunto no se ajusta).
La cuenca de ensayo adoptada en tales casos se describe al final del presente capítulo.
La otra excepción, referida a áreas de ensayo menores, responde al interés de evaluar
la incidencia del tamaño del sistema en los resultados, como sucede para la PMP.
La Provincia de Córdoba, cuyos 165.321 km2 abarcan un 4,4% del territorio nacional,
es un estado mediterráneo, situado entre 29o 30' y 35o de latitud sur y 61º 55' y 65º 46'
de longitud oeste, a 480 km del Océano Atlántico y 520 km del Pacífico. Su altitud
varía entre 60 y 2790 m s.n.m.
Un 15 % del área supera los 600 m, ocupado por altiplanicies y tres cadenas de las
Sierras Pampeanas, en una estrecha banda hacia el noroeste, orientada de norte a sur.
El resto son planicies de pedemonte y llanura, en su mayoría al sur, centro y este, con
pendiente al este, inferior al 2 %. Por ellas corren los principales ríos de la Provincia,
que salen de ella en el sur o desembocan en la laguna de Mar Chiquita en el norte.
A occidente de las sierras, la llanura es más horizontal, con lluvias escasas, alta
temperatura y evaporación en verano, pobre en agua superficial y con salinas al norte.
Rigen el clima templado de Córdoba, de gran uniformidad térmica, con concentración
estival de altas temperaturas y lluvias, cuatro centros permanentes o semipermanentes:
los anticiclones del Atlántico y del Pacífico y las depresiones del NW y del extremo
sur del país (Vázquez, Miatello y Roqué, 1979).
En verano, el primero impulsa masas cálidas y húmedas de aire subtropical hacia el
SW. Al enfrentar empujes de aire polar o subpolar de sentido contrario, ascienden, se
enfrían y su humedad se condensa y precipita. Este típico proceso frontal produce
marcada variación estacional y causa la mayoría de las lluvias (55 % de la lámina
media) y de las máximas anuales en un día. Tormentas convectivas y orográficas (30
%) y prolongadas lloviznas en invierno (15 %) completan el total.
Con base en registros históricos, se asume que precipitan 780 mm al año, en promedio,
caracterizando un régimen semiárido. Sin embargo, conforme al comportamiento
general del país, en las últimas décadas se evidencia un notable incremento de este
valor, estimado en más de 100 mm, ignorándose si responde a la fase húmeda de un
ciclo plurianual o a una tendencia persistente.
En general la precipitación degrada desde el este-sudeste al noroeste de 900 a 400 mm
anuales, mientras que las temperaturas medias anuales aumentan en igual sentido, de
17 a 18 grados centígrados.
16 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Elaborar la base de datos utilizada en los ensayos requirió varios años de recopilación,
carga, control, selección y procesamiento de registros de los principales entes estatales
dedicados a la medición de lluvias en la Provincia. En sus existencias, para el período
1941/92, se detectaron arriba de 600 pluviómetros. Más de 300 cubren los 30 años de
registro deseados y los que llegan a 40 años superan el centenar (García, 1994).
Pero la revisión cuidadosa de cada serie demostró que muchas están extensamente
rellenadas, como algunas provenientes de estaciones ferroviarias (mal atendidas) o de
establecimientos privados (sin observaciones por receso en los períodos de lluvias
máximas). Hay también casos en que el operador consigna solo el total mensual.
Tras bajar la exigencia de período medido en áreas de menor densidad territorial, sobre
todo al este, se arribó a un conjunto de 141 puestos. De sus registros de lluvia diaria,
con 14 a 50 años hidrológicos (julio a junio), se obtuvieron las series de máximos
anuales. Como éstos no ocurren en el lapso mayo-agosto, los pocos años sin datos en
esos meses se consideraron completos. Los criterios usados para la elección fueron
básicamente la calidad, la extensión de los registros y la ubicación geográfica.
Por otra parte, se identificaron unos treinta pluviógrafos. Para su selección se evaluó la
posición espacial y la calidad de los datos, eliminando, entre otras, las fajas semanales,
por su poca precisión. Pero la principal causa de exclusión fue la longitud de las series.
Los ensayos usaron información de siete puestos (Caamaño Nelli, 1994/95/96 y 1999),
constituidos en estaciones base, en torno a las cuales se dividió la región (Córdoba) en
sendas zonas (Caamaño Nelli et al., 1995) para analizar lluvias de diseño (Tabla 1.1).
Según pautas de similitud en precipitación media, ubicación y altitud, se asignó a cada
zona representatividad sobre los polígonos de Thiessen de pluviómetros circunvecinos.
La transposición de relaciones, de las estaciones base a los 141 pluviómetros satélite,
extendió la información pluviográfica a una red 20 veces más densa (Figura 1.2).
Sierras 12.103 31 La Suela SU 1972-93 (22) 31o 38' 64o 35' 892 m 914*
Noreste 23.984 9 Ceres S.Fe CS 1955-93 (38) 29o 53' 61o 57' 88 m 918
Centro 27.744 36 Córdoba O OC 1943-77 (35) 31o 24' 64o 11' 425 m 774
Suroeste 23.249 13 Río Cuarto RC 1958-84 (23) 33o 05' 64o 16' 436 m 838
Este 24.266 14 M. Juárez MJ 1961-85 (23) 32o 42' 62o 07' 110 m 901
Sur 29.754 15 Laboulaye LA 1941-77 (36) 34o 07' 63o 22' 137 m 845
Serie: de máximos, inicio-fin (longitud) Nº Pm: pluviómetros satélite en la zona
PMA: Lluvia media anual 1961-1990 (Estadística Climatológica Nº 35, 36, 37. SMN)
* 1971-1994 (Datos originales. CIHRSA, INCyTH-CONICET)
Ceres S.Fe: Ceres (Provincia de Santa Fe) Córdoba O: Observatorio Córdoba
Planteo Teórico-Metodológico y Encuadre Geográfico del Análisis 17
República
1800 600
Argentina
200
ic
C uen ca R ío
Ch
Ac h
de L a S uela
S ie r r as
C ue nca A rr oyo
Sier ra s d e
Cu en ca R ío
Lo s Sau ces L a Cañ ad a
400
64º 29´W
Figura 1.3: Ubicación de la cuenca del río San Antonio y de su red telemétrica
1200
Cuenca Baja
Cuenca Media
1000
Cuenca Alta
Lluvia anual [mm]
800
600
400
200
0
92/93 93/94 94/95 95/96 96/97 97/98 Promedios
Año hidrológico
80
Eventos extraordinarios: uno cada 10 años
Eventos excepcionales: uno cada 100 años
60
40
20
0
0 4 8 12 16 20 24
DURACION d (horas)
Para reflejarla, se plantearon fórmulas, citadas por Meyer, 1928 (Talbot, 1891; Dorr,
1892; Kuichling, 1905; Hill, 1907; De Bruyn y Kops, 1908; Hendrick, 1911), del tipo:
22 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
i = K / (d + c) (2.1)
o bien (Sherman, 1905; Metcalf y Eddy, 1911; Philadelphia Bureau of Surveys, 1911):
i = K / dn (2.2)
e incluso (Horner,1910):
i = K / (d + c) n (2.3)
200
Eventos excepcionales: uno cada 100 años
LÁMINA ACUMULADA, h (mm)
160
80
Eventos ordinarios: uno por año
40
0
0 4 8 12 16 20 24
DURACION d (horas)
Se sabe ya hace tiempo que esas relaciones varían con la probabilidad de ocurrencia de
los eventos, como muestran las figuras 2.1 y 2.2, pero no hubo, históricamente, similar
empeño en dilucidar el nexo entre altura caída y período de retorno a duración fija.
En general, ese nexo se incorporó a posteriori a las relaciones h-d o i-d, buscando ligar
las tres variables mediante curvas intensidad-duración-recurrencia. Esto convierte a la
función h-T en un caso especial de la i-d-T.
Invirtiendo el procedimiento, a partir de fórmulas i-d-T empíricas de la literatura, es
posible despejar la función h-T, para aprovechar la facilidad de operar con solo dos
variables al presentar diversas técnicas útiles en el caso general.
El vínculo entre altura y recurrencia también se puede expresar a través de una función
de densidad de probabilidad teórica adecuada, alternativa conceptualmente ventajosa
en principio.
Relaciones entre Láminas de Lluvia Local en función de la Recurrencia 23
Relaciones intensidad-duración-recurrencia
Para evitar confusiones en la presentación, se uniformaron la nomenclatura y las
unidades dadas originalmente por sus autores, denominando K, g, c, m y n a las
constantes locales y P = 1/T, a la probabilidad de ocurrencia, y expresando d en
minutos, T en años, h en mm, i en mm/hora.
Meyer (1917) desarrolló para el este de las montañas Rocosas la primera ecuación que
vincula las variables en cuestión, válida en el rango 5 ≤ d ≤ 120:
K .T
i = (2.4)
d +c
En USA, como en las Islas Británicas y Australia (Wiesner, 1970), suele aplicarse
K .T
i = (2.5)
(d + c )n
Por lo general, las relaciones sugeridas son mas complejas, como la planteada por
Grisollet (1948) para la región de París, válida cuando 15 ≤ d ≤ 360:
K
i = (2.6)
(d + c) . (P + g)
K . log T
i = (2.7)
(d + c )n
Un método mas elaborado es el de Rühle (1966), largamente usado por los ingenieros
viales argentinos, no restringido a un rango de duración, donde i25 es la intensidad de
lluvia de lapso d con retorno 25 años (función de la horaria de igual recurrencia),
constante frente a variaciones de i y T:
0,44 . 50 T
i = i 25 . (1 + 0,5
) . log (2.8)
50 + i 25 25
24 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
También es común en USA emplear relaciones del tipo propuesto por Bernard (1932),
para lluvias prolongadas, de 2 horas a 6 días (120 ≤ d ≤ 8640):
K .T m
i = n (2.10)
d
K .T m
i = (2.11)
(d + c )n
K
h = A. T + B para A = B=0 (2.12)
d +c
Relaciones entre Láminas de Lluvia Local en función de la Recurrencia 25
K
h = A. T + B para A = n
B=0 (2.13)
(d + c )
1 d +c
= A + B para A = B = A. g (2.14)
h T K
K .M
h = A . ln T + B para A = n
B=0 (2.15)
(d + c )
22. h25 .M
h = A . ln T + B A = h25 .M + B = - A. ln 25 (2.16)
50 + h250,5
K
ln h = A . ln T + B A= m B = ln n (2.18)
d
K
ln h = A . ln T + B A= m B = ln (2.19)
(d + c )n
Tipo 1: Altura de lámina versus recurrencia, como en las expresiones (2.12) y (2.13).
Tipo 3: Lámina versus logaritmo del período de retorno, como (2.15), (2.16) y (2.17)
analítica que permita proyectarse fuera del rango medido. Otro tanto ocurre con la
distribución por posición de graficación.
La solución es hallar un modelo estadístico teórico, es decir una relación analítica
extrapolable, con ajuste razonable a las observaciones, que preserve las características
conceptualmente conocidas del fenómeno. Definir el modelo teórico es esencial, ya que
se aspira a avalar con los resultados el diseño de obras destinadas a perdurar, a veces, un
lapso muy superior al período de registro.
La suposición subyacente, al calibrar una función de densidad de probabilidad y admitirla
para estimar, es que esa función es representativa de la población de la variable en
cuestión.
No es necesario desarrollar un algoritmo para cada situación, ya que numerosos procesos
hidrológicos pueden ser reflejados con unas pocas funciones teóricas, convertidas por tal
causa en modelos probabilísticos comunes, hasta con nombres propios (Benjamin y
Cornell, 1970).
La importancia de la elección está en que se puede dar gran variación del valor estimado,
a través de diferentes distribuciones, para un mismo período de retorno. Principalmente
cuando se desea extrapolar para períodos extensos y se dispone de series cortas.
La FDP debe ser elegida de modo que aporte cantidades próximas a los valores
poblacionales. Pero la gran dificultad es que se desconoce la verdadera distribución y, en
la práctica, se usará otra. Debe advertirse, además, que siempre existirá error en las
cantidades estimadas y que este error, en la práctica, no podrá ser cuantificado (França
Pires, 1994).
Algunos criterios de selección se sustentan en características generales de la variable
(finita, positiva) o del tipo de distribución (asimetría, número de parámetros,
robusticidad, teoría de extremos).
Otros se atienen a rasgos de la muestra estudiada, por ejemplo longitud, ajuste visual,
pruebas de adherencia, estadísticos muestrales, validación.
Hay organismos que fijan una distribución patrón específica: En los Estados Unidos, el
Water Resources Council (1967) recomendó la Log-Pearson Tipo III, para estudios de
crecidas. En Inglaterra, el NERC (1975) sugiere la de Valores Extremos Generalizada
(GEV) para series con más de 25 años y la Gumbel de dos parámetros (un caso particular
de la GEV) para series menores, con estimación más imprecisa de la asimetría muestral.
En ambos países se basaron, como criterio de elección, en tests de adherencia que
carecen de fuerza.
Es muy difícil que la serie cumpla todas las exigencias y para el proyectista controlar si
lo hace. Como la adopción de una o más pautas de decisión es subjetiva, el ingeniero
termina eligiendo la distribución con la que está más familiarizado o, en el mejor de los
casos, el conjunto de criterios que aconseja su experiencia, condicionado por la
disponibilidad y la confiabilidad de datos observados.
Relaciones entre Láminas de Lluvia Local en función de la Recurrencia 27
ln h = A2 . ( ln T )0,37 + B 2 (2.20)
En la Tabla 2.1 se dan los coeficientes de determinación obtenidos con los tipos de
ecuación 1 a 3, en que r2 varía, para las cinco estaciones procesadas en el momento del
experimento. La Figura 2.4 muestra las estimaciones de lámina con los 5 tipos de
ecuación para Córdoba Observatorio (en los demás puestos son similares).
Tabla 2.1: r2 de regresión, entre lámina y recurrencia, para cada tipo de ecuación
Los puestos de la Tabla 2.1 se eligieron justamente por tener análisis pluviográfico.
Calculado el cociente i/h en función de la recurrencia, se pudo sustituir una variable
por otra en cada ecuación y repetir las regresiones. La Tabla 2.2 exhibe los
coeficientes obtenidos (* indica el uso de intensidades en vez de láminas).
Tabla 2.2: r2* de regresión, entre intensidad y recurrencia, de cada tipo de ecuación
m
T
hT = h10 . ( ) (2.21)
10
Figura 2.6: Errores de los tres estimadores con mejor ajuste en Córdoba Observatorio
Tabla 2.3: Parámetros de los tres tipos de ecuación con mejor ajuste
La Figura 2.7 exhibe las curvas h-T de la ecuación Tipo 5, agregando una estación de
la zona seca, al W de las sierras. Junto con la Figura 2.3, expone el decremento de
lluvia dominante, en sentido ESE-WNW, y el efecto orográfico en La Suela.
Estimación Tipo 5
Figura 2.7: Errores de los tres estimadores con mejor ajuste en Córdoba Observatorio
Relaciones entre Láminas de Lluvia Local en función de la Recurrencia 33
Retomando el análisis del Tipo 3, recuérdese que se partió de tres ecuaciones tomadas
de la literatura: Bogomazov-Petrov, Rühle y Bell. Sus formas lineales, (2.15), (2.16) y
(2.17), asignan valor igual, menor o mayor que 0 al término B, respectivamente.
Evidentemente, las dos primeras carecen de sentido, pues implican que, para T = 1
(donde se anula el término de primer grado), la mayor altura -o intensidad en la
concepción original- esperable diaria es 0 ó negativa. Los ensayos para las 141
estaciones de Córdoba prueban que siempre B3 > 0.
La función (2.17), con B3 > 0, postula proporción constante entre el término
independiente y el coeficiente de primer grado: B/A = 2,17. Según las regresiones, éste
sería el mínimo de esa relación, no un valor fijo como indica la fórmula. Cabe la
salvedad de que Bell la planteó para duraciones muy inferiores a un día.
2. 3 CONCLUSIONES
3. 1 INTRODUCCIÓN
Para extrapolar curvas i-d-T, Caamaño Nelli et al. (1995) dividieron Córdoba en 7
zonas (Capítulo 7). Las láminas máximas de lluvia h, de recurrencia T y duraciones d
(5, 10, 15, 30, 60, 120, 180, 360, 720, 1440 minutos y 1 día pluviométrico), provienen
de dichas estaciones.
Las alternativas de cálculo ensayadas para los cocientes adimensionales rd1,d2,T (entre
láminas de hasta 24 horas) se describen a continuación y se hacen extensivas luego, en
lo que corresponde, a los RT, (entre máximos de 24 horas y 1 día pluviométrico).
La asociación de las variables involucradas (h-d-T) puede provenir de una distribución
probabilística, sea experimental (posición de gráfica, PG) o teórica (FDP), o bien de
Relaciones entre Láminas de Lluvia Local en función de la Duración 37
una ecuación i-d-T empírica, ajustada por mínimos cuadrados (donde i es la intensidad
de lluvia máxima. Se ensayaron todas estas opciones y combinaciones entre ellas, para
arribar a ternas h-d-T diferentes, de las cuales se deducen las relaciones rd1,24horas,T.
rd1,24horas,T =
hd1
h24horas
[( ) (
= exp μd1 − μ24horas + Φ ⋅ σ d1 − σ 24horas )] (3.1)
n
hd1 d1 ⎛ 24 horas + c ⎞
rd1 , 24 horas,T = = ⋅ ⎜⎜ ⎟
h24 horas 24 horas ⎝ d1 + c ⎟⎠ (3.2)
- Las deducidas con la fórmula de Weibull, que asigna a cada valor de intensidad
máxima (de duración dada) una probabilidad experimental en el rango T ≤ N+1 años
- Las obtenidas de la FDP Lognormal, ajustada sobre cada muestra observada, sobre
dos rangos posibles, T ≤ N+1 años y 2 años ≤ T ≤ 200 años.
1.20 5 '/
rd1,24hs Figura 1: rd1,24hs,T a partir de PP Weibull. 24h
1 0 '/
1.00 Estación Córdoba Observatorio. 24h
1 5 '/
24h
0.80 3 0 '/
24h
1 h/
0.60 24h
2 h/
24h
0.40 3 h/
24h
6 h/
24h
0.20
12h
/2 4 h
0.00 Recurrencia
0 10 20 30 40 [años]
Figura 3.1: rd1,24hs,T según posición de gráfica Weibull, para Córdoba Observatorio
c) El tramo (N+1)/2 < T ≤ N+1 no es representativo, pues el único dato que incluye,
rd1,d2,N+1 (relación entre las mayores láminas de cada serie), presenta importante
incertidumbre en la asignación del período de retorno por PG (Cunane, 1989).
Por lo tanto, se adopta como valor representativo la rd1,d2,T media en el rango 2 años
≤T≤ (N+1)/2 años.
La relación RT responde a T de modo similar a las rd1,24horas,T (Figura 3.2), llevando a
elegir como típico de la estación la media de R en el rango 2 años ≤ T ≤ (N+1)/2 años.
40 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
1 .6
F i g u r a 2 : R T a pa r ti r de P P W e i bu l l .
1 .5
1 .4 C S
OC
R
LA
1 .3 SU
M J
R C
1 .2
VD
1 .1
1 .0
1 10 R e cu rr e n ci a [a ñ o s ] 100
0 ,0 0 R e cu rre n ci a
0 50 100 150 200 [a ñ o s ]
0 .3 0
F i g u r a 4 : D e s ví o s de l a s s e r i e s d e l o g a r i tm o s
0 .2 5 de l á m i n a s m á x i m a s de di s ti n ta s du r a c i o n e s
0 .2 0
C S
OC
ío D
esv
0 .1 5 LA
SU
M J
0 .1 0
R C
VD
0 .0 5
1 10 100 1000 100 00
D u ra ci ó n [m i n u to s ]
Figura 3.4: Desvíos de las series de logaritmos de las series de láminas máximas
1 .1 4 Fig u r a 5 : R T a pa r ti r de F D P L o g n o r m a l .
1 .1 2
1 .1 0
C S
R 1 .0 8 O C
LA
S U
1 .0 6
M J
R C
1 .0 4
VD
1 .0 2
1 .0 0
1 10 100 1000
R e cu rre n cia [a ñ o s ]
Se dan valores de RT < 1 para T > 20 años, lo cual conlleva una inconsistencia física,
ya que la lámina de 24 horas debe ser al menos igual a la diaria. Este problema existe
también al usar FDP Gumbel, con algunas excepciones (relaciones crecientes con T),
de donde se infiere que la tendencia decreciente dada por la Lognormal se debe más a
la forma de representar el proceso físico que a las características propias del mismo.
La división entre tormentas de corta y larga duración (rd1,24hs,T para d1 ≥ 2hs) genera
dos grupos de comportamiento más uniforme, que permite generalizar las relaciones.
La homogeneidad observada se puede explicar por el hecho de que los parámetros de
lluvias de corta duración se relacionan indirectamente con los de larga duración, pues
obedecen a fenómenos físicos diferentes. En general, las láminas de lluvia de
duraciones menores a 10 minutos están muy influidas por el método de registro y
análisis utilizado en cada puesto en particular.
En cuanto al vínculo entre láminas máximas de 24 horas y 1 día, Hershfield (1961)
halló que se debería usar el factor R = 1,13, para estimar aquella a partir de ésta en
USA. Hargreaves (1988) asumió que ese factor es aplicable en todo el mundo, al
evaluar lluvias extremas de África y otras áreas. Sin embargo, se informan valores
menores en Brasil: 1,14 para San Pablo (CETESB, 1979) y 1,10 para Río de Janeiro
Relaciones entre Láminas de Lluvia Local en función de la Duración 45
Por último, para precisar la mejor metodología, cabe analizar la posibilidad de emplear
promedio regionales (de las 7 estaciones, en este caso), en lugar de los cocientes
zonales (del pluviógrafo base de la zona en que se halla el pluviómetro incógnita
(Caamaño Nelli et al, 1998a) en la hipótesis de que este procedimiento disminuirá el
efecto de errores locales.
Puesto que este criterio se puede aplicar o no a R o a los vínculos con láminas de
menor duración, existen cuatro estimadores alternativos, según se empleen:
a - rd1,24hs y R zonales.
b - rd1,24hs zonales y R regional.
c - rd1,24hs regionales y R zonales.
d - rd1,24hs y R regionales.
- Ajuste a cada serie de una FDP. En la región de estudio se adoptó como óptima para
todas las duraciones la FDP Lognormal (Caamaño Nelli y García, 1998b).
La Tabla 3.4 exhibe las diferencias medias y máximas obtenidas al emplear las
alternativas a, b, c y d en ese rango, a partir de PG Weibull, en promedio para 2 años ≤
T ≤ (N+1) años. La hipótesis implícita en esta decisión es que los vínculos rd1,24hs y R
no dependen del período de retorno de las láminas, en concordancia con el análisis de
sensibilidad previo.
A la luz de esta información es fácil advertir que, cualquiera sea el método, las
diferencias medias son proclives decrecer con la persistencia de la lluvia.
Con base en ello, es válido distinguir 3 rangos de duración para simplificar el análisis:
- Duraciones breves, d ≤ 0,5 horas, con diferencias medias de 17% al doble de tal valor
- Duraciones intermedias, 0,5 horas < d ≤ 2 horas, con diferencias medias del 7 a 15%
- Duraciones prolongadas, 2 horas < d ≤ 24 horas, rango de 5 a 7%, con una excepción
Las diferencias máximas exhiben una tendencia similar, aunque no tan nítida (los
errores extremos se dan para 10 minutos y 12 horas). Los límites entre intervalos se
ubican, con excepciones, en 35% y 20%.
En lo que se refiere a la comparación entre estimadores, el hecho mas notorio es la
incidencia desfavorable de utilizar medias regionales para las relaciones entre láminas
de duraciones inferiores con la de 24 horas. Esto se advierte por el incremento de las
diferencias (tanto medias como máximas, salvo en las dos persistencias mayores) que
se observa al pasar de las técnicas que emplean cocientes rd1,24hs zonales (a y b) a los
correspondientes regionales (c y d).
Distinta es la incidencia de la sustitución de cocientes zonales por promedios para
vínculos R (24horas/1día). Pasar de la alternativa a a la b no tiene efecto sensible en
las diferencias promedios en el 70% de las duraciones y es muy bajo en los restantes
(1%); en tanto, para las máximas hay incrementos en las duraciones de lluvias breves,
disminución en las intermedias y ambos casos en las prolongadas.
Relaciones entre Láminas de Lluvia Local en función de la Duración 47
Duración [minutos]
Estación 5 10 15 30 60 120 180 360 720 1440
CS 11% 14% 22% 23% 22% 17% 13% 11% 3% -1%
OC -7% -5% -4% -8% 6% -1% 1% 5% -4% -5%
LA -10% 8% 9% 8% 11% 12% 8% 5% 6% 12%
SU 22% 31% 24% 18% 4% -2% -4% -5% -5% -6%
MJ 47% 54% 50% 33% 19% 14% 6% 8% 11% 8%
RC 29% 25% 25% 22% 9% 3% 6% 6% 8% 10%
VD -15% -4% 4% 4% 3% 5% 3% 2% 5% -3%
Promedio 20% 20% 20% 17% 11% 8% 6% 6% 6% 6%
Máximo 47% 54% 50% 33% 22% 17% 13% 11% 11% 12%
3. 7 CONCLUSIONES
Si bien la forma más conveniente para estimar láminas máximas, de distinta duración y
período de retorno dado, es un tema discutido en hidrología, los cocientes rd1,24hs y R
entre láminas para esta región muestran poca sensibilidad a esa decisión. Se adoptan
para ambos los valores estimados a partir del uso de posiciones de gráfica de Weibull .
El tipo de variación de los cocientes rd1,24hs con la recurrencia de las láminas depende
del modo de estimar el vínculo h-d-T, no de la región de aplicación. Partir de
posiciones de gráfica lleva a trazas irregulares. La estructura de las fórmulas empíricas
anula en forma automática la fluctuación. Las funciones probabilísticas generan curvas
monótonas, decrecientes o crecientes según la duración.
48 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Por su efecto en las economías agrarias, la recurrencia de las crecidas es uno de los
primeros problemas ligados a valores extremos. Muchos años los ingenieros
analizaron datos hidrológicos con métodos empíricos. Los resultados no fueron
generalizables hasta que se comprendió la índole del problema. Incluso entonces
fueron magros, en tanto se desconoció el método estadístico adecuado, dando motivo
para alegar que "el buen juicio ingenieril" supera la estadística (Gumbel, 1958).
Asumido el carácter aleatorio de los procesos y de las variables que los representan,
para estimar valores máximos o su probabilidad, se necesita un modelo analítico
extrapolable, la Función de Densidad de Probabilidad (FDP), que preserve las
características conocidas del fenómeno y aporte cantidades próximas a los valores
poblacionales.
La lógica de usar los logaritmos de variables hidrológicas radica en que la mayoría de
éstas, como precipitación y descarga, tienen límite inferior nulo y pueden suponerse no
acotadas superiormente. Sus logaritmos, entonces, van de -∞ a +∞, como la
distribución normal.
Esta transformación fue propuesta por Galton (1875). Hazen (1914) la introdujo al
estudio de crecidas. En 1932, Gibrat y Grassberger la usaron por separado para
descargas diarias, y este último para su máxima anual. En otros trabajos se empleó
para representar tamaño de grano de arenas naturales (Yevjevich, 1972) y
conductividad hidráulica en medios porosos (Freeze, 1975).
50 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
y - μy
z = (4.1)
σy
La función de distribución acumulada, F(z), de esta variable es una integral sin
solución analítica. Puede aproximarse (Zelen y Severo, 1972), con error |e| < 0,00025,
mediante el siguiente polinomio, para z ≤ 0 (para z > 0 se debe restar de 1 el resultado)
1
F(z) = [1 + 0,196854 | z | + 0,115194 | z |2 + 0,000344 | z |3 + 0,019527 | z |4 ] -4 (4.2)
2
Con F(z) así obtenida, para paso constante de z, se elaboran las tablas dadas en la
literatura.
Estimación de Máximos en Hidrología mediante Factores de Frecuencia 51
3
τ x = 3 ⋅ Cv x + Cv x (4.4)
y - μy
Φy = (4.5)
σy
Chow (1955, 1959) tabuló el factor lognormal, Φx, y propuso su estimación gráfica.
McGuinness y Brakensiek (1964) dieron tablas de Φx en función de Cvy y
probabilidad.
A su vez, el valor de Φy = z, con probabilidad de excedencia P(z) = 1-F(z) = 1/T, suele
aproximarse por:
2,515517 + 0,802853 w + 0,010328 w2
Φy = w - (4.6)
1 + 1,432788 w + 0,189269 w2 + 0,001308 w3
siendo
1
w = [2.ln T ] 1/2 si 0 < P(z) ≤ 0,5 w = [ ln ( 2
) ] 1/2 si P(z) > 0,5
F(z )
con |e| < 0,00045 (Zelen y Severo, 1972); para P(z) > 0,5 el resultado cambia de signo.
Pero, hasta hace poco tiempo, no había una relación analítica simple del período de
retorno T con Φy o Φx, aunque ya en 1955 Chow había vinculado ambos factores de
frecuencia entre sí:
2
σy
σ y .Φy -
e 2 -1
Φx = 2
(4.7)
( eσ y - 1 )1/2
En 1994, Caamaño Nelli y García demostraron que la variable transformada, y, se
puede expresar como función lineal del logaritmo del período de retorno, T, elevado al
exponente 0,37:
y = ln x = K A . ( ln T ) 0,37 + K B (4.8)
Puesto que la igualdad (4.8) es una representación paramétrica alternativa de una FDA
Normal cualquiera, cabe suponer que existen vínculos analíticos entre las constantes
KA y KB, es decir sus parámetros, y los convencionales de la distribución: la media, μy,
y el desvío estándar, σy.
Se comprobó experimentalmente, en efecto, que el término independiente es la
diferencia entre la media y un factor fijo por el desvío. Por su parte, σy guarda igual
proporción con el coeficiente de primer grado, cualesquiera sean los valores
muestrales:
K A = 2,623 . σ y (4.9)
K B = μ y - 2,29 .σ y (4.10)
Estimación de Máximos en Hidrología mediante Factores de Frecuencia 53
Sustituyendo las ecuaciones (4.9) y (4.10) en (4.8), la variable y se relaciona con los
parámetros convencionales:
El factor de frecuencia Φy surge de (4.11) y (4.3), como función lineal de (ln T)0,37:
0,37
Φ y = 2,623 . ( ln T ) - 2,290 (4.12)
0,375
Φ y = 2,584458 . ( ln T ) - 2,252573 (4.13)
La regresión abarcó retornos de 2 a 1000 años. Sobre ese rango, la tabla pierde precisión.
Por debajo, la ecuación exige reemplazar T por 1/F(z) y cambiar el signo de Φy.
Como el período de retorno se define en base a la probabilidad, el vínculo establecido
entre el factor normal y T conduce a una función de densidad probabilística para Φy.
La Figura 4.1 compara esa función con la FDP tabulada.
La Figura 4.1 muestra que llevar la igualdad (4.13) a recurrencias menores que 2 años
produce una curva asimétrica, no acoplada a la rama ascendente de la normal estándar.
Esta es la razón para alterar, según se indicó, el argumento de la ecuación, aunque el
interés del tramo inferior sólo sea académico. Tras la corrección, la bondad de ajuste, de
la función de densidad propuesta a los datos de tabla, se hace extensiva a todo el rango.
Por su parte, la Figura 4.2 contrasta la representación gráfica de la igualdad (4.13) con la
relación originaria entre factor de frecuencia normal y recurrencia. Es posible advertir el
incremento discontinuo del valor tabulado, causado por redondeo, al aumentar T.
Figura 4.2: Estimación del factor de frecuencia Normal con la ecuación (4.13)
Aún así, es evidente que el error de estimación es muy bajo en todo momento.
Determinado Φy para cada T, el factor de frecuencia Lognormal, Φx, se deduce
mediante la expresión (4.7) y, luego, sería indistinto emplear la ecuación (4.3) como
fue planteada (con y, μy, σy, Φy) o con la serie muestral, sus momentos y el factor
correspondiente: x, μx, σx, Φx.
Kite (1985) elude incluso el cálculo de parámetros logarítmicos, partiendo de la
relación entre el coeficiente de variación de la muestra (Cvx = σx / μx) y el desvío
estándar de los logaritmos (σy), obtenida por Chow (1954):
Cv x = ( eσ y - 1 )
† 1/2
(4.14)
y de la expresión (4.7)
exp { [ ln (1 + Cv x † ) ] 1/2 . Φ y - [ ln (1 + Cv x † )] / 2 } - 1
Φx = (4.15)
Cv x
Si ahora se reemplaza Φy en (4.15) por su expresión dada en (4.13), se obtiene el factor
de frecuencia Lognormal, Φx, en función de la recurrencia y del coeficiente de
variación Lognormal de la muestra Cvx:
Como la ecuación (4.15), esta solución prescinde del cálculo de los logaritmos de los
valores medidos y requiere, como en (4.13), la sustitución del argumento para T < 2.
Por otra parte, siguiendo a Chow (1954), la distribución de extremos Tipo I (Gumbel)
equivale a una Lognormal en particular, cuando Cvx = 0,364 (o asimetría τx = 1,139),
dada la relación (4.4) entre ambos coeficientes. En ese caso, resulta C = 0,124424 y, de
(4.16), se tiene:
3/8
(lnT)
ΦGumbel = 1,1663 . 2,4884 - 2,747 (4.17)
Esta relación aproxima bien la función teórica del factor de Gumbel (Chow, 1951, 1953),
a punto tal que las trazas de ambas en un gráfico no son distinguibles entre sí. Tiene un
error estándar de estimación S = 0.011039. La Figura 4.4 muestra como varía el factor
de frecuencia lognormal con la recurrencia para distintos valores de Cvx, incluido 0,364.
56 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Figura 4.4: Estimación del factor de frecuencia Lognormal con la ecuación (4.16)
Como se vio, si la variable registrada (x) se asume lognormal, hay dos técnicas básicas
para estimar la magnitud de un evento (xT) de recurrencia T.
Una consiste en los siguientes pasos: I) calcular los logaritmos de los datos (y), II)
determinar sus parámetros (μy, σy), III) deducir el factor de frecuencia normal (Φy),
IV) aplicar la ecuación (4.3) (con μy, σy, Φy) para hallar yT, V) sacar su antilogaritmo,
xT.
La otra técnica opera directamente con la muestra medida, eliminando el paso I, y
sustituye los demás por: II) calcular los parámetros, μx y σx, y el coeficiente de
variación Cvx, III) deducir el factor normal (Φy), IV) deducir el factor lognormal (Φx),
V) emplear μx, σx, Φx en la función (4.3) y hallar xT.
En cada técnica, a su vez, el estimador de factor de frecuencia empleado abre dos
opciones: Φy (paso III) puede provenir a) de la expansión racional (4.5) ó b) de la
ecuación (4.13) aquí obtenida, en tanto que Φx (paso IV) se obtiene c) de la expresión
(4.15) de Kite ó d) de la igualdad (4.16). La discusión se complementa ahora con
aplicaciones que contrastan los resultados de estas alternativas.
Como primer ejemplo, para mostrar el uso de su ecuación en la estimación del caudal
de recurrencia 100 años, Kite (1985) adopta una serie de 37 máximos anuales del Río
Saint John, con media μx = 81.000 cfs (≈ 2300 m3/seg), desvío estándar σx = 22.800 cfs
(≈ 646 m3/seg), coeficiente de variación Cvx = 0,28 (tomado de Collier, 1965). Los
parámetros de los logaritmos de esos 37 valores son μy = 11,263 y σy = 0,284.
Estos datos cubren ya los dos pasos iniciales de los cuatro métodos descriptos. Luego,
indicando como "Tabla NS" la de la FDP normal estándar, se tiene:
Estimación de Máximos en Hidrología mediante Factores de Frecuencia 57
T Lluvia xT, estimada con ecuación Error % respecto a lo estimado con (5)
años (4.5) (4.13) (4.15) (4.16) (4.17) (4.18) b) (4.13) c) (4.15) d) (4.16) e) (4.17) f) (4.18)
2 74 74 73 73 73 73 0,000 -0,316 -0,316 -0.386 -0.330
5 98 98 98 98 98 98 -0,158 0,258 0,091 0.029 -0.005
10 114 114 115 115 115 115 -0,029 0,548 0,523 0.504 0.401
50 148 148 150 150 150 151 0,125 1,066 1,209 1.318 1.406
100 163 163 165 165 165 166 0,102 1,263 1,372 1.539 1.746
500 197 197 200 200 200 201 -0,125 1,522 1,517 1.818 2.176
1000 212 212 215 215 215 216 -0,282 1,773 1,499 1.857 2.199
Se evidencia, ante todo, que la ecuación (4.13) es claramente superior a los otros
estimadores, aunque sin diferencias tan marcadas como en el caso anterior. La
excepción se da para 5 años, donde el error de las restantes cambia de signo, cuando
intersectan a la función de referencia (4.5).
Es llamativo que los demás algoritmos se comporten de modo tan similar entre sí,
tanto por la magnitud como por el signo de los errores (en general, sobreestiman el
valor de la variable).
Esto se explica, en parte, porque la ecuación (4.17) es un caso particular de la (4.16),
que a su vez proviene de la (4.15). No era previsible, en cambio, que la igualdad (4.17)
se ajustase tan bien a la expresión teórica de Gumbel, (4.18), ya que se dedujeron por
caminos independientes.
El más flojo desempeño de (4.17) y (4.18) se debe a que (a juzgar por τx y Cvx) la
distribución no es estrictamente una Gumbel. Aún así, los errores son admisibles, si se
comparan con la incertidumbre originada al elegir la función de densidad de
probabilidad.
Un último ejemplo -máximos de 38 años en Ceres, Santa Fe- da idea del peso de esa
decisión: Las intensidades de lluvia, para T = 100 y duraciones de 5 a 180 minutos,
distan entre si de 2 a 10 %, al estimarlas con Lognormal o Gumbel; otras FDP
divergen más aún (Caamaño Nelli, 1996).
4. 4 CONCLUSIONES
Se combinan aquí el concepto de factor de frecuencia, presentado por Chow, con una
aproximación empírica de la distribución Normal.
Tal enfoque conduce a una expresión analítica del factor de frecuencia Normal,
función exclusiva de la recurrencia, es decir, independiente de parámetros
poblacionales, como es lógico.
Estimación de Máximos en Hidrología mediante Factores de Frecuencia 59
Ese estimador tiene fuerte correlación con los datos tabulados de distribución normal
estándar y resulta más confiable en la medida en que éstos pierden precisión al
aumentar la recurrencia.
A partir de allí se plantea una ecuación del factor de frecuencia Logormal que, como la
que propugna Kite, depende del coeficiente de variación y del período de retorno y no
requiere transformación logarítmica. A diferencia de ésta, la relación obtenida
prescinde del factor normal.
Los errores son similares en ambas y considerablemente mayores que en el primer
algoritmo, pero se mantienen todavía dentro de un rango aceptable.
Se expresa luego el factor de frecuencia para la distribución de Gumbel en función de
la recurrencia, de modo tal que aproxima muy bien los valores de la ecuación teórica
correspondiente.
De los tres factores deducidos, el último no muestra ventaja apreciable frente a la
expresión teórica, razón por la cual se lo ha empleado, únicamente, como control final
del desarrollo.
El estimador Logormal es recomendable como vía expeditiva, con resultados
equiparables y de solución más directa que el algoritmo de Kite: no requiere tablas y
ahorra un paso de cálculo.
El vínculo entre factor de frecuencia Normal y recurrencia propuesto reúne varios
atributos deseables, comenzando por un desempeño numérico claramente superior a
los de las otras opciones.
Además, la ecuación planteada aporta un factor de frecuencia para la normal, la
función de densidad más usual, lo cual lleva su aplicabilidad mucho más allá del
problema de valores extremos.
A los fines de este trabajo, sin embargo, su principal virtud es su simplicidad
estructural, porque posibilita convertir la relación a una forma lineal mediante un
sencillo cambio de variable.
Esto es relevante para usos ulteriores, como el desarrollo de expresiones analíticas
únicas del vínculo intensidad-duración-recurrencia, a partir de distribuciones
lognormales.
En tal sentido, imagínese la dificultad de incorporar una tercer variable a la expansión
en serie usada como patrón de contraste o a la relación propuesta por Kite.
Como se puede ver, la calidad de la estimación, el carácter analítico y la sencillez -al
evitar el uso de tablas y de funciones complejas- son ventajas significativas del
procedimiento propuesto.
Capítulo 5
. .
5. 1 INTRODUCCIÓN
La necesidad de definir crecidas de proyecto -para diseñar obras, prevenir daños por
inundación, estimar erosión de suelos- es afectada casi siempre por la insuficiencia
estadística de los registros, lo cual lleva a evaluar indirectamente el caudal mediante
modelos lluvia-descarga, alimentados por eventos hipotéticos críticos.
Si bien tienen otros componentes, estas lluvias de diseño parten de un vínculo esencial
entre los rasgos esenciales de la precipitación: la función i-d-T. Como la probabilidad
de ocurrencia de una lluvia depende de su persistencia, hace falta establecer la relación
entre tres variables: la intensidad, id,T, la duración, d, y el período de retorno, T.
Reemplazar caudal por intensidad de lluvia reduce pero no elimina el problema, ya que
las series pluviográficas largas también escasean, aunque menos que las hidrométricas.
Por eso, interesa transponer regionalmente la i-d-T (en este contexto, se entiende por
región un área del orden de 105 km²) siguiendo diversos criterios (Caamaño Nelli et
al., 1995). El que aquí se propone, denominado zonalización, centra la atención en
vincular paramétricamente la función de estaciones pluviográficas base (dato) con las
de la red pluviométrica satélite (incógnita), en pos de una transferencia racional.
A tal fin, la región se divide en zonas asociadas a cada pluviógrafo, según variaciones
de lluvia media anual, ubicación y altitud. Al transferir la función a un pluviómetro,
sus parámetros sufren (a diferencia de la extrapolación clásica) una alteración debida a
las peculiaridad climática de cada lugar. Para reflejar ese efecto, es necesario que los
componentes locales estén explícitos en la ecuación i-d-T. Las metodologías
convencionales, sean estadísticas o empíricas, no cumplen esa condición.
62 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Las primeras ligan intensidad y retorno mediante una FDP (función de densidad de
probabilidad). Modelar cada relación i-T por separado permite que las curvas (aunque
respondan a una función genérica) se intersecten al extrapolarlas, con el resultado
ilógico que intensidad y duración crecen simultáneamente. La forma integral de las
FDP impide el manejo algebraico e implica estimación numérica y el uso de tablas.
Además se desconoce la verdadera distribución, por falta de una estructura real para
imitar, y en la práctica se usará otra (França Pires, 1994). Sin embargo, discutir la FDP
óptima escapa al presente objetivo, ya que se adoptará la lognormal por hipótesis, de
acuerdo al análisis de los datos experimentales.
Las ventajas de los modelos empíricos son, justamente, su operatividad analítica y el
incluir desde un principio las tres variables. Su principal objeción es que carecen de
soporte conceptual, imposibilitando la interpretación física de los parámetros.
Al calibrar por mínimos cuadrados una ecuación de muchos parámetros, ésta incorpora
rasgos muestrales (no poblacionales) en exceso y da una impresión de superioridad
falsa, al ajustarse mejor a una serie aleatoria, sin garantizar extrapolaciones confiables.
La fórmula empírica planteada por Sherman (1931) para Boston es hoy utilizada
ampliamente, por la flexibilidad que le otorgan sus cuatro parámetros:
K. Tm
i d ,T = (5.1)
(d + c ) n
donde id,T es la intensidad de la mayor lluvia de duración d que se daría al menos una
vez en T años. K, m, n se determinan por regresión lineal múltiple con la versión
logarítmica de la función. El otro parámetro, c, el que más evidencia la falta de sentido
físico, es un término de corrección clásico, obtenido por aproximaciones sucesivas
hasta optimizar el coeficiente de correlación.
Generalmente, el método que se adopte es clave al extrapolar la relación i-d-T para
recurrencias mayores, porque las cantidades estimadas estadística y empíricamente
difieren mucho entre sí. Como sus errores son de distinta índole, combinar ambos
enfoques mejora las perspectivas de extrapolación.
En efecto, la bondad de estimación por mínimos cuadrados decae hacia los extremos
del intervalo de ajuste, tornando objetable más allá el empleo de la ecuación (Draper y
Smith, 1966). Extraer pares intensidad-recurrencia, para calibrar la ecuación empírica,
de FDP elegidas para distintas duraciones (Pfasftetter, 1957; Zamanillo y Caamaño
Nelli, 1993), en vez de tomarlos de la muestra, aplica un control indirecto a los valores
extrapolados, ya que es admisible usar las FDP arriba del rango observado. Así, se
conserva la practicidad de los modelos empíricos, aunque merme el sustento teórico.
Sin embargo, esa técnica no permite transponer racionalmente la función i-d-T, del
pluviógrafo que la originó a la red pluviométrica asociada. Se deduce entonces que,
para salvar esa falla, es necesario incorporar la duración de la lluvia en forma racional,
con un esquema modular que facilite la transferencia espacial de la función resultante.
Función i-d-T de la Lluvia basada en Factores de Frecuencia: Modelo DIT 63
La intensidad media de lluvia caída, id,T, se define como el cociente entre la altura
caída, hd,T, y la duración, d, de precipitación considerada:
h d ,T 60 m inutos
i d ,T = . (5.2)
d hora
El factor final transforma las unidades comunes de d (minutos) y h (mm) para dar i en
mm/hora. Los subíndices señalan que las variables dependen de la duración y del
intervalo de retorno, T (años).
La altura se puede plantear como producto de la lámina diaria hT, de recurrencia T
(acumulada en el pluviómetro entre fechas de registro sucesivas, a la misma hora) por
un factor de proporcionalidad, Rd,T (que tiene recurrencia mayor que T):
R d,T . h T . 60
i d,T = (5.4)
d
o bien
ln i d,T = ln R d,T + ln h T + ln 60 - ln d (5.5)
y = μy + σy . Φy (5.6)
donde μy es la media de la serie, σy su desvío estándar y Φy el factor de frecuencia.
Definido como número de desviaciones estándar del dato menos la media, Φy depende
del período de retorno, del tipo de función de distribución, su sesgo y, si lo tiene, de la
64 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
38
Φ y = 2,584458 . ( ln T ) - 2,252573 (5.7)
5. 3 EL MODELO DIT
ln h d ,T = μd + σd . Φ y (5.8)
ln h T = μ + σ . Φy (5.9)
siendo μd, μ las medias de los logaritmos de las láminas de duración d y 1 día y σd, σ
las correspondientes desviaciones estándar.
Definiendo que Δμ = μd - μ y que Δσ = σd - σ (no como media y desviación de Rd,T,
cuyo período de retorno difiere de T), de (5.3), (5.8) y (5.9) resulta:
ln R d ,T = Δμ + Δσ . Φ y (5.10)
La ecuación (5.11) fue reordenada para resaltar cuáles de sus términos dependen de la
recurrencia (σ.Φy), de la duración (Δμ-ln d), de ambas variables (Δσ.Φy) o de ninguna
(μ+ln 60). La igualdad se cumple aun si las láminas no se distribuyen lognormalmente,
pero en ese caso se debe plantear el factor de frecuencia de forma distinta que en (5.7).
Este algoritmo exhibe varias condiciones deseables: sigue un modelo estadístico, reúne
las tres variables en una expresión analítica e identifica la influencia de la lluvia diaria
en el vínculo. Admitiendo iguales cocientes Rd,T entre láminas en la zona representada
por un pluviógrafo, esta última propiedad avala la transposición de la función i-d-T a
cada estación pluviométrica incógnita, mediante la sustitución de los valores de μ y σ
del puesto base en cada una, para incorporar las características locales de la lluvia.
Función i-d-T de la Lluvia basada en Factores de Frecuencia: Modelo DIT 65
La objeción que cabe al modelo propuesto radica en que no incluye en forma explícita
la duración, a diferencia de lo que ocurre con la recurrencia gracias a la ecuación (5.7).
Se conocen valores de Δμ y Δσ para persistencias de lluvia prefijadas, pero no su
variación con d. O sea que la ecuación (5.11) representa, en realidad, una familia de
distribuciones normales, no una superficie i-d-T tridimensional continua.
Con el objeto de obtener una función continua, se efectuó un análisis casuístico,
mediante regresiones lineales entre Δμ y diversas funciones δy de la duración. Los
ensayos mostraron fuerte correlación para una estructura de δy similar a la de Φy:
δy = ( ln d ) q (5.12)
Δσ . Φ y + Δμ - ln d = α . Φy + β . δ y + γ (5.13)
ln i d ,T = A . Φy - B . δ y + C (5.14)
Tal como fue planteado el modelo DIT, su aplicabilidad esta sujeta a cuatro requisitos:
• Las láminas de lluvia máximas, de duración dada, son representables por funciones
de densidad lognormales. Esta condición se empleó en las ecuaciones (5.8) y (5.9).
• La expresión no paramétrica (5.7) permite sustituir, en forma biunívoca, el factor
de frecuencia normal, Φy, por el correspondiente período de retorno.
• La relaciones Rd,T entre láminas se mantienen en la zona de cada pluviógrafo base,
lo cual habilita la transposición de la función i-d-T a sus pluviómetros satélite.
• Es válido estimar en conjunto todos los términos afectados por la duración de la
lluvia, a través de un factor de persistencia, δy, como se plantea en (5.12).
En el presente título se analiza la veracidad de las tres primeras condiciones, atinentes
a la versión lognormal del esquema teórico, en las siete estaciones base de Córdoba.
La última hipótesis, cuyo único objeto es disponer de un modelo operativo continuo,
se constata a través del contraste de algoritmos presentado en el título subsiguiente.
Los resultados indican que el máximo diario anual es lognormal a escala provincial y
en la mayoría de las estaciones. Las excepciones dan ventaja a las distribuciones
Pearson Tipo III (OC y RC) o Gumbel (VD).
El panorama varía para láminas de lluvia de distinta duración: la lognormal vuelve a
dominar en la región y en 4 puestos y en los demás prevalece la Gumbel, en tanto que
Pearson III es la de peor ajuste. La Figura 5.1 exhibe el irregular comportamiento del
índice para esta última, así como la conveniencia de la lognormal.
1
GAMMA 2 parám. GUMBEL
PEARSON Tipo III LOGNORMAL
0,8
Indice de ajuste
0,6
0,4
0,2
0
0 360 720 1080 d (minutos) 1440
Figura 5.1: Ajuste de las FDP según la duración de la lluvia máxima anual
1,00
Ceres (Santa Fe)
Relación Rd,T entre láminas
Córdoba Observat.
0,80 Laboulaye
La Suela CIHRSA
Marcos Juárez
0,60 Río Cuarto
Villa Dolores
Equiparación
0,40
0,20
Al unificar los datos, la correlación decae frente a los parciales (0,9971≤ r² ≤ 0,9993)
por estación, pero mantiene un grado de ajuste (r² = 0,9877) suficientemente elevado
para asumir cocientes únicos entre láminas en la región y, con mayor razón, dentro de
sus zonas, definidas con base en su homogeneidad meteorológica.
Función i-d-T de la Lluvia basada en Factores de Frecuencia: Modelo DIT 69
Para los pluviógrafos con series reflejadas mejor por distribuciones lognormales,
incluyendo a Ceres (Tabla 5.2), el patrón de contraste fue el mismo que en el ensayo
del subtítulo 5.4.2. Para las restantes (Río Cuarto y Laboulaye) los 200 valores se
extrajeron de las correspondientes distribuciones de Gumbel.
En todos los casos, la expresión (5.1) de S/D se calibró sobre 100 intensidades,
extraídas en forma similar que las de control, para iguales duraciones y 10 recurrencias
(entre 2 y 100 años). Esta semejanza de datos hace que el juicio se circunscriba a la
representatividad de la ecuación. En cambio, los 100 valores para ajustar la relación
(5.14) en cada estación se sacaron de distribuciones lognormales. De este modo,
además de juzgar siempre el comportamiento de la ecuación en sí, en dos estaciones se
evaluó la sensibilidad de DIT ante el incumplimiento de la hipótesis lognormal.
Los errores se midieron a través de los valores de S% y r². Las figuras 5.3 y 5.4
exhiben la variación entre puestos y las medias de estos índices para ambos modelos.
12
Sesgo % frente a FDP óptima
0
SU MJ RC VD OC LA CS
-2
0,99
0,98
La Figura 5.3 muestra que el modelo S/D tiene un sesgo superior al 6 % en Marcos
Juárez y al 7 % en La Suela. El error sistemático no obedece al tipo de distribución
simulada; la prueba es que esas dos cantidades y las dos menores (Córdoba y Ceres)
corresponden a casos lognormales.
DIT logra sus mejores resultados cuando prevalece esta distribución (hecho lógico,
porque es justamente la que asume el modelo): los sesgos no llegan al 1 %, con una
media μ(S%) = 0,47. En cambio, si la Función Objetivo de la Tabla 5.2 aconseja usar
Gumbel, puede sobrestimar de modo apreciable la intensidad, como para Laboulaye
(S% = 11,6), o no, como para Río Cuarto (S% = 1,74).
La explicación de la aproximación aceptable de Río Cuarto puede estar en que el
coeficiente de variación de su frecuencia empírica es Cv = 0,3654, ya que, como
demostró Chow (1954), la distribución Tipo I (Gumbel) es, en esencia, un caso
especial de la Lognormal, cuando Cv = 0,364.
Si se comparan las medias de ambos estimadores, se aprecia que el error sistemático
regional de DIT (S% = 2,24) es inferior al de S/D (S% = 3,31), respondiendo al
predominio lognormal. Esa situación se repite en la mayoría de las estaciones (MJ,
VD, SU e incluso RC).
La variación aparentemente irregular del sesgo de S/D sigue, en realidad, la tendencia
de la Función Objetivo óptima. Es decir, el error relativo aumenta de un sitio a otro en
el sentido en que empeora el ajuste: CS→OC→LA→VD→MJ→RC→SU. Ambos
hechos podrían estar vinculados con la longitud de las series (ver Capítulo 1), que
tiene una secuencia inversa a la indicada.
Limitándose a los puestos en que se asume distribución lognormal, para analizar
exclusivamente la representatividad de las dos opciones, se aprecia que el sesgo medio
del esquema convencional, 3,47 %, es mucho mayor que el del modelo basado en el
factor de frecuencia normal (0,47 %). El menor error sistemático del algoritmo
propuesto, que solo se ve equiparado en dos puestos por el anterior, no muestra
correlación con la FO ni con la extensión de la serie local.
Pasando al análisis de la Figura 5.4, el coeficiente de error aleatorio presenta rasgos
comunes a los dos métodos: todos los valores puntuales son buenos y no dependen del
tipo de función simulada.
Para S/D, r² (y la bondad del estimador, en consecuencia) es proclive a decaer con el
número de años registrados (o al crecer el valor de la FO óptima), de manera que en
todos los sitios con menos de 25 años r² es inferior a la media y viceversa. DIT no
muestra tal comportamiento.
El modelo de factor de frecuencia tiene mejor desempeño regional, dado que la media
de r² (0,993) supera a la de su competidor (0,987) y que la dispersión es
apreciablemente menor.
El error aleatorio de DIT es inferior en las mismas estaciones en que lo era el
sistemático (MJ, VD, SU, RC). En cualquiera de esos casos, la diferencia a su favor
excede la mayor de las desventajas, que sigue siendo la causada al imponer
distribución lognormal a Laboulaye.
Función i-d-T de la Lluvia basada en Factores de Frecuencia: Modelo DIT 71
5. 6 SÍNTESIS
6. 1 INTRODUCCIÓN
Una serie temporal de lluvia es estacionaria cuando sus valores no tienden a crecer o a
disminuir con el paso de los años, condición que se ve reflejada en una ausencia de
correlación entre la lámina caída y el tiempo.
Para descartar la presencia de tendencias en una serie, el primer paso consiste en
realizar la regresión lineal de sus valores, con respecto a los años hidrológicos en que
ocurrieron, y constatar si la pendiente de la recta resultante es nula.
No obstante, cabe prever que la pendiente para la población (a la cual se hará extensiva
la conclusión) puede ser cero, aún cuando surja de la muestra (sobre la que se efectúa
el ensayo) un valor algo diferente.
Para admitir la posibilidad de tendencias temporales en las series de lluvia, la hipótesis
nula, H0, es la “inexistencia de cambio”, representada por una pendiente de regresión
aceptablemente próxima a cero. La hipótesis alternativa, H1, es “existencia de
cambio”, que implica una desviación significativa de dicho valor.
La decisión se funda en medir el riesgo de rechazar la hipótesis nula cuando debería
aceptarse, resultante de asumir un nivel de significación, α, que es la probabilidad de
que el estimador muestral se sitúe más allá del límite admitido. El nivel de tolerancia,
Pt = 1- α, será 0,99 (99%), 0,95 (95%) ó 0,90 (99%), según se adopte un nivel de
significación de 0,01, de 0,05 ó de 0,10. Así, al nivel de 1%, hay una ocasión en 100
en que la hipótesis nula debería aceptarse y será rechazada.
La probabilidad de que eso ocurra en una serie dada se mide con el nivel p = P(t>|tobs|),
donde tobs es el valor del estadístico t de Student computado para los datos observados.
Cuando, haciendo los análisis de regresión y pruebas de hipótesis de cada serie, el
nivel p resulte superior al 0,01 (0,05 ó 0,10) se descarta la existencia de tendencias de
Incidencia de Tendencias Climáticas sobre las Lluvias Máximas 75
variación de régimen de lluvia para dicha serie. Cuando el nivel p es inferior al límite
preestablecido, la serie es recusada, o sea, es muy relevante la sospecha de cambio.
El procedimiento a utilizar para identificar esta variabilidad temporal puede resumirse
en los siguientes pasos (véase Apéndice):
- establecer la hipótesis nula H0, “la serie es estacionaria”, “la pendiente de la
recta de regresión es nula”
- elegir el test estadístico a utilizar
- determinar un nivel de significación α
- estimar el estadístico p con base en la muestra (estimador puntual)
- comparar el estimador puntual del estadístico con los valores críticos. Si el
estimador cae en la zona de rechazo, se rechaza la hipótesis nula
Otra forma de identificar series estacionarias es a través de test no paramétricos. Estos
son independientes de la distribución de probabilidad que tenga la serie a analizar.
Entre los más utilizados se encuentran los de Mann-Kendall y -Smirnov.
Un aspecto importante a verificar es la fecha inicio del cambio, para determinar si
ocurrió en los años que abarca la serie estudiada o fue anterior y perdura.
Para identificar este año de inicio o para afirmar definitivamente la existencia de
cambio en una determinada serie, se la divide en tramos y se efectúa el mismo análisis
en cada uno de ellos. Si bien la división es arbitraria, la partición debe ser tal que
mantenga series suficientemente extensas para que los resultados sean confiables.
Cuando el examen de todos estos resultados no permita descartar la existencia de
tendencias, se debe analizar las características del cambio, cuantificando la variación
con respecto del régimen estacionario.
80
100 60
40
50
20
0 0
1972 1976 1980 1984 1988 1992 1960 1964 1968 1972 1976 1980 1984
r = 0,0429 b = -1,09 p = 0,3551 r = 0,1083 b = 1,32 p = 0,1254
¿Los valores hallados son “suficientemente” cercanos a cero como para afirmar que no
hay tendencia en el régimen de las lluvias?. Para establecerlo, hubo que determinar, a
través de la prueba de hipótesis, cuándo el valor muestral de la pendiente de la recta de
regresión lineal es estadísticamente significativo.
Al aplicar el test paramétrico t de Student, con un nivel de significación α de 1%, si el
valor del estimador puntual p está debajo del límite establecido, se asumió que la serie
es no estacionaria, con una fuerte presunción de que sufre efectos de cambio climático.
Los resultados obtenidos se muestran en la Tabla 6.1.
Tabla 6.1: Nivel p para series de máximos anuales de lluvia. Estadístico: t de Student
SERIE PARA ESTACION PLUVIOGRAFICA
DURACION CS OC LA SU MJ RC VD
5 minutos 0,0349 0,2206 0,0041 0,1490 0,9490 0,7400 0,6526
10 minutos 0,0802 0,9266 0,0004 0,4361 0,5863 0,4252 0,4391
15 minutos 0,1522 0,7420 0,0014 0,8181 0,9512 0,4252 0,2216
30 minutos 0,5950 0,4121 0,0006 0,0662 0,5573 0,5882 0,5293
60 minutos 0,8632 0,2725 0,0198 0,1011 0,3330 0,4298 0,7056
120 minutos 0,9330 0,3204 0,0362 0,2533 0,1473 0,2245 0,3597
180 minutos 0,5919 0,3861 0,0783 0,3044 0,1254 0,2726 0,3026
360 minutos 0,2472 0,3502 0,1738 0,3794 0,1056 0,3082 0,3813
720 minutos 0,0106 0,5319 0,3827 0,3610 0,0440 0,1906 0,5557
1440 minutos 0,0052 0,7862 0,3549 0,3551 0,0249 0,2008 0,6107
Incidencia de Tendencias Climáticas sobre las Lluvias Máximas 77
Tabla 6.2: Resultado del test no paramétrico para máximos anuales de 1440 minutos
TEST DE ESTACIÓN PLUVIOGRÁFICA
MANN-KENDALL CS OC LA SU MJ RC VD
Valor observado 2,816 1,56 0,341 1,523 1,902 1,109 0,469
Decisión sobre H0 R NR NR NR NR NR NR
Valor crítico (Vc)= 2,33 R = rechaza la hipótesis H0 NR = no rechaza la hipótesis
De las 70 series de láminas máximas anuales analizadas en los siete puestos, sólo en
dos de ellos (y para pocas duraciones) se rechazó la hipótesis nula, con un α del 1 %.
En concreto, en el 93 % de los casos la hipótesis nula no fue rechazada, porque el
valor muestral de la pendiente no resultó estadísticamente significativo.
De ello se concluye que, en general, los máximos de lluvia no siguen la tendencia de
los totales anuales. No obstante, se efectuaron al respecto los ensayos adicionales que
se describen en el subtítulo 3.2, antes de encarar los casos excepcionales en que se
detectan influencias relevantes de cambio climático en los máximos anuales.
La Figura 6.2 muestra (a) los totales anuales, de 1939 hasta 1999, y (b) los máximos
anuales en 1440 minutos, desde 1943 a 1977, registrados en la Estación Córdoba
Observatorio, con las respectivas rectas de ajuste. Cada gráfico incluye los valores del
coeficiente de determinación r², la tasa de variación anual b de la lluvia y el estimador
puntual p. La Figura 6.3 es similar a la anterior, para la Estación Córdoba Aeropuerto.
1200 160
1100 (a) 140 (b)
Lámina precipitada (mm)
700 60
600 40
500 20
400 0
1935 1945 1955 1965 1975 1985 1995 1940 1945 1950 1955 1960 1965 1970 1975 1980
r = 0,1506 b = 3,64 p = 0,0031 r = 0,0023 b = 0,09 p = 0,786
Figura 6.2: Lluvias anuales (a) y máximas diarias (b) en Córdoba Observatorio
1400 160
Lámina Precipitada (mm)
120
1000
100
800
80
600
60
400 40
200 20
0 0
1953 1958 1963 1968 1973 1978 1983 1988 1993 1998 1953 1958 1963 1968 1973 1978 1983 1988 1993 1998
r = 0,2048 b = 6,1240 p = 0,0023 r = 0,0734 b = 0,119 p = 0,6278
Figura 6.3: Lluvias anuales (a) y máximas diarias (b) en Córdoba Aeropuerto
Incidencia de Tendencias Climáticas sobre las Lluvias Máximas 79
Para totales anuales, en ambas estaciones se rechazó la hipótesis nula H0 (“la serie es
estacionaria” o “la pendiente de la recta de regresión es cero”) a niveles de 1% y de
5%, verificando el incremento sostenido de las láminas de lluvia acumuladas por año.
Para máximos diarios, la misma hipótesis nula fue aceptada, con iguales niveles de
significación α, indicando que las series anuales no han sufrido aumentos sustanciales.
Estación Ceres
Ante la sospecha de que la serie de 1440 minutos refleja efectos de cambio climático,
se analizó qué sucede al dividir el período procesado. Se trabajó con 10 alternativas.
A modo de ejemplo, en la Figura 6.4 se plantean las regresiones para dos secuencias
temporales menores, que van desde 1960/61 hasta 1990/91 y hasta 1980/81, y en la
Figura 6.5 se grafica la serie completa.
Comparando ambas figuras, se ve que la pendiente b de las rectas es muy inferior en la
primera, lo cual se refleja en el nivel p, que pasa de 0,0052 en la secuencia total a
0,4133 y a 0,7866 en las parciales.
En principio, esto permitiría afirmar la ausencia de tendencias en la serie. De las 10
alternativas analizadas, solamente la serie completa acusa una tendencia relevante.
140 140
120 120
100 100
Lámina Máxima (mm)
Lámina Máxima (mm)
80 80
60 60
40 40
20 1960/80 20 1960/90
0 0
1960 1964 1968 1972 1976 1980 1960 1965 1970 1975 1980 1985 1990
r = 0,06 b = 0,298 p = 0,7866 r = 0,155 b = 0,47 p = 0,413
Figura 6.4: Máximos anuales y tendencia en dos subseries de 1440 minutos de Ceres
80 Lluvias de diseño. Conceptos, Técnicas y Experiencias
200
1955 - 1993
160
Lámina Máxima (mm)
120
80
40
0
1955 1960 1965 1970 1975 1980 1985 1990 1995
r = 0,444 b = 1,24 p = 0,0052
Figura 6.5: Máximos anuales y tendencia en la serie total de 1440 minutos de Ceres
La comparación de las figuras resalta la influencia del último año, cuya sola exclusión
eleva el nivel p de 0,0052 a 0,0263. El test de Mann-Kendall, que rechazó H0 para la
serie completa, sin el último valor pasa del 2,816 a 1,886 y acepta la hipótesis nula.
Queda, pues, interpretarlo subjetivamente como un valor atípico o como el comienzo
de un incremento sostenido al final de la serie. La cuestión sólo puede ser dilucidada
con la incorporación de información posterior (Colladon y Caamaño Nelli, 2001).
Estación Laboulaye
Al repetir el procedimiento para la Estación Laboulaye, la evidencia de cambio se
mantiene, como muestra la Tabla 6.5
Los resultados numéricos de la Tabla 6.4 indican que todos los períodos considerados
presentan cambio al menos en dos de las duraciones. Del total de series analizadas,
incluida la total, en el 83% de los casos hay evidencia de cambio. Con base en estos
resultados, cabe afirmar que las cuatro series presentan tendencias en sus regímenes de
lluvia (Colladon y Caamaño Nelli, 2001).
yˆ i = a + b ⋅ x (6.1)
y = α + β ⋅ x + ε (0, σ 2 ) (6.2)
ε = yi − yˆ i (6.3)
De manera que, para concretar el paso 4., es decir, estacionarizar la serie de residuos,
se aplicó la ecuación (6.3). Puesto que la distribución probabilística de los residuos es
Normal, se calibró una FDP de este tipo para concluir el paso 5., quedando solamente
por adoptar un criterio de estimación futura que considere la ocurrencia del cambio.
82 Lluvias de diseño. Conceptos, Técnicas y Experiencias
35 1,0
Lámina máxima (mm)
30
0,8
25
P robabilidad
20 0,6
15 0,4
10
0,2
5 (a)
0 0,0
1940 1945 1950 1955 1960 1965 1970 1975 1980
Probabilidad
0,3
0,0 0,6
-0,3 0,4
-0,6
0,2
-0,9 (b)
-1,2 0,0
1940 1945 1950 1955 1960 1965 1970 1975 1980
0,5 40
(a) 35 (b)
Lámina precipitada (mm)
0,4
30
Probabilidad
0,3 25
20
0,2 15
10 P = 30%
0,1 P = 50%
5
P = 70%
0 0
1940 1945 1950 1955 1960 1965 1970 1975 1980 1940 1945 1950 1955 1960 1965 1970 1975 1980
6. 4 SÍNTESIS
Transposición de Lluvias
con objetivos de Diseño
7.2.1 EQUIPARACIÓN
Zonas y Polígonos de
Thiessen
donde hd,T es la lámina precipitada para una duración d (en horas) y una recurrencia T (en
años). Ld depende de constantes locales, mientras que Rd y Kd no. O sea, las dos primeras
ecuaciones son únicas para toda la región, condición que caracteriza al método de
equiparación.
En Córdoba, se ensayó esta ecuación para todo el rango de duraciones (5 a 1440
minutos). Su único parámetro, Kd, se estimó por regresión, con datos de 5 estaciones
con análisis pluviográfico y para dos juegos de láminas máximas por duración,
extraídas de:
1
Kd = f ( ) (7.4)
d+c
99,761
K d = 1,829 (7.5)
(d + 60,367)
Los aspectos más importantes de esta ecuación son su sencillez y su unicidad en toda
la Provincia, para cualquier recurrencia y todo el rango de duraciones que interesa.
7.2.2 REGIONALIZACIÓN
rasgos de ubicación del pluviómetro receptor (Caamaño Nelli y García, 1994), tampoco
se observó un vínculo matemático relevante (r2 < 0,42). En síntesis, puede decirse que los
campos paramétricos, en función de la altimetría, son marcadamente aleatorios.
Cuando se utilizaron funciones específicas entre variables (concretamente los parámetros
de las i-d-T empíricas calibradas con FDP en 5 estaciones con análisis pluviográfico, en
función de la posición geográfica), los resultados mejoraron sensiblemente, tanto con
regresiones simples como múltiples, aunque su validez quedó restringida por representar
un área tan extensa como el territorio cordobés (165.000 km2) con sólo cinco puntos.
Los mejores ajustes para la Provincia se lograron entre láminas adimensionalizadas,
precipitadas en un tiempo prefijado y en 1 hora de duración (o sea, con la razón Kd
obtenida en equiparación), extraídas de funciones i-d-T una teórica y otra empírica.
El resultado óptimo (r2 = 0,999) se logró en una regresión múltiple con los parámetros
posicionales de las estaciones pluviográficas. Si bien es muy promisorio, deja la
incertidumbre sobre la representatividad de un campo basado en sólo cinco estaciones.
7.2.3 INTERPOLACIÓN
Este método acepta una evolución espacial predecible de la variable transferida, entre
el punto incógnita y estaciones cercanas. La estimación consiste en un promedio
ponderado de los datos de éstas. Si la interpolación lineal es apta, los sitios cercanos se
deben ubicar respecto a un sistema de coordenadas y ponderar con la inversa de la
distancia.
Cuando se derivan intensidades de lluvia, interpolando linealmente, se debe controlar
los efectos que puede ocasionar en la transposición el uso de series de distintas
longitudes. Si fuesen significativamente diferentes, deben limitarse al intervalo de
tiempo común.
Si en una zona meteorológicamente homogénea (Wiesner, 1970) varias estaciones de
registro representan igualmente bien un punto distante más de 20 kilómetros, la
estimación de la información requerida en ese punto se puede obtener por
interpolación (Pierrehumbert, 1977).
La conveniencia de aplicar esta técnica se analizó en la Provincia de Córdoba, dividida
en tres zonas meteorológicamente homogéneas: sierras, traslasierra y llanura. Sin
embargo, la ubicación de los puestos pluviográficos sólo permite interpolar en la zona
de llanura y no en las otras, con sólo un pluviógrafo representativo cada una.
Además, la distancia entre los puestos de registro no debería ser el único elemento a
contemplar; la altitud y la lluvia media (García, 1994) son también características
importantes para explicar las variables a transferir. Es evidente la complejidad de
operar combinando estos tres elementos, para cada duración y cada recurrencia, en los
141 puestos de la red pluviométrica.
Estos inconvenientes llevaron a descartar la técnica de interpolación como una opción
de uso general para la Provincia de Córdoba.
Transposición de Lluvias con objetivos de Diseño 91
7.2.4 EXTRAPOLACIÓN
El método de extrapolación se sustenta en la hipótesis que las estaciones
pluviográficas representan sendas zonas homogéneas. Requiere definir a priori la zona
asociada a cada pluviógrafo. De este modo, la transposición se convierte en un proceso
centrífugo de traslado de información, desde el puesto base hacia el conjunto de
pluviómetros de su zona, concepción equivalente a la que se aplica al extender
espacialmente la lluvia dentro de un polígono de Thiessen.
Esta clase de técnica se emplea para transponer lluvias extremas estimadas de distintas
duraciones, incluso Precipitaciones Máximas Probables. Los parámetros de las
relaciones i-d-T y de hietogramas tipo también suelen ser extrapolados con propósito
de diseño.
Pierrehumbert (1977) efectúa un traslado directo de las estimaciones de intensidad,
obtenidas de la pluviografía, a puntos que satisfagan las condiciones mencionadas. La
representatividad del pluviógrafo en el área en estudio depende de factores
meteorológicos y la extrapolación sólo será válida si estos factores afectan de modo
estadísticamente similar a toda la zona.
Un aspecto a destacar en la extrapolación, es que el enfoque conduce a técnicas no
paramétricas, es decir, no hay en ellas un modelo cuyas constantes se ajusten por
regresión, ni un índice de correlación que sirva para evaluar su validez regional. La
semejanza meteorológica es el único elemento de juicio y debe ser preestablecida para
cada zona en estudio.
Por lo tanto, el criterio adoptado para delimitar las zonas de semejanza, coincidió con
el de elegir un puesto de referencia representativo. En la práctica, esto significó
verificar que cada estación pluviográfica cumpla con condiciones experimentalmente
establecidas para adoptarla como representativa de su zona.
Como la extrapolación se haría a puestos pluviométricos, fue necesario determinar qué
lote de éstos quedaba comprendido en cada área de influencia, para lo cual las
condiciones límite impuestas fueron algunas de las propuestas para Australia, a saber:
7.2.5 ZONALIZACIÓN
Partiendo del enfoque del problema que origina el procedimiento de estimación, la
zonalización se presenta aquí cómo un método mixto, que combina una división zonal
no paramétrica (igual que para extrapolación) con una transferencia paramétrica
(equivalente a la regionalización) dentro de cada zona.
Así, para transponer las lluvias de diseño, el territorio cordobés quedó dividido en siete
zonas (Figura 7.1) indicativas del área de cobertura de sendas estaciones base,
pluviográficas, representativas de una red de 141 estaciones satélite, pluviométricas,
según las diferencias de lluvia media, altitud y ubicación entre unas y otras.
Para ello se desarrolló el algoritmo denominado DIT (Capítulo 5) que parametriza el
rol de la lluvia diaria en el vínculo i-d-T y permite transponerlo como una superficie
tridimensional continua.
94 Lluvias de Diseño. Conceptos, técnicas y experiencias
Una vez que DIT ha sido calibrado para un pluviógrafo, la extrapolación a los puestos
pluviométricos asociados es muy sencilla: basta con sustituir dos estadísticos (de los
logaritmos de láminas diarias máximas), la media µ y del desvío estándar σ de la
primer serie, por los de la segunda, µ' y σ'.(Caamaño Nelli, García y Dasso 1998a).
El reemplazo se efectúa en los parámetros C y A de la ecuación (5.14), ajustada para el
pluviógrafo, para obtener los respectivos C' y A' del pluviómetro sin otra calibración:
A′ = A − σ + σ ′ (7.6)
C′ = C − μ + μ′ (7.7)
En tanto, en Villa María, cabecera departamental de la Zona Este como MJ, existe sólo
una serie pluviométrica estadísticamente apta. La tercera ciudad de la Provincia, con
cerca de 100.000 habitantes, carece, por lo tanto, de la lluvia de diseño racional propia.
Pero, mediante las expresiones (7.6) y (7.7), a partir de esa serie resulta:
A fin de comparar los resultados, la función i-d-T de lluvias máximas fue transpuesta
desde una estación base a una satélite próxima, con métodos no paramétricos y mixtos
(Dasso, Caamaño Nelli y Colladon, 2002).
La estación satélite seleccionada fue Córdoba Aeropuerto, distante sólo 8 km de la
estación base Córdoba Observatorio. Esta última es representativa de la Zona Centro
(Capítulo 1, Tabla 1.1), una de las 7 zonas definidas para transponer lluvias de diseño.
Córdoba Aeropuerto se incorpora como un nuevo punto incógnita, cumpliendo con los
requisitos exigidos para asociarlo. Se dispuso de una serie de 46 años de máximos
diarios anuales (1953/54 - 1999/00), sin tendencia climática (Capítulo 6), lo que da
validez futura a las curvas i-d-T generadas.
Según su grado de complejidad, se aplicó primero un método directo, consistente en
extrapolar una función de densidad de probabilidades (FDP) desde el puesto base al
puesto pluviométrico incógnita, sin alterar. El modelo teórico elegido fue la FDP
lognormal, que se impone como distribución óptima para lluvias máximas en la
Provincia de Córdoba (Caamaño Nelli y García, 1998b).
Luego se aplicó el Método de los Cocientes, basado en extrapolar relaciones entre
láminas máximas diarias y las de 24 horas, así como entre éstas y otras de menor
duración. Dichos vínculos (en este caso cocientes zonales) validados para la región
(García, Caamaño Nelli y Dasso, 2001), fueron utilizados como multiplicadores de los
valores diarios medidos en el punto incógnita, generando lluvias máximas sintéticas de
duraciones menores que un día.
Por último, se empleó la técnica mixta de zonalización del DIT. De los 4 parámetros
de este modelo, A y C dependen de particularidades locales, mientras que B y q son
Transposición de Lluvias con objetivos de Diseño 97
300 40
T= 50 años - d ≥ a 3 horas
Intensidad m edia, i (m m /h)
0 0
0 30 60 90 120 150 180 180 360 540 720 900 1080 1260 1440
Tomando a DIT como referencia, por su mejor sustento conceptual, las funciones
transpuestas por cocientes presentaron siempre valores superiores a las otras dos. Ese
desfasaje, siempre positivo, es cuasi constante con T. Pasa de 7,2 a 34,5 % en 2 años y
de 8,9 a 36,5 % en 100 años desde 5 a 1440 minutos.
Las isolíneas de igual T, generadas por extrapolación directa, presentaron un
comportamiento más heterogéneo. Las diferencias relativas fueron menores, pero su
signo cambia al variar la duración. Son positivas para duraciones altas (2 % en 720
minutos y 11 % en 1440).
Dado que el traslado directo y el DIT parten del mismo conjunto de FDP lognormales,
las trazas exhibieron el efecto local del DIT, traducido en la variación de curvatura,
más que en los valores predichos.
Los parámetros del DIT se asemejan en ambas estaciones, a causa de su similitud
fisiográfica y climática. La escasa distancia y la consecuente homogeneidad de los
puntos de origen y de aplicación de la información podría justificar el empleo de una
función i-d-T única para toda la ciudad de Córdoba, que es lo que implica la
extrapolación directa.
No obstante, se debe advertir que este proceder no es generalizable, ya que en sólo 8
km, bajo condiciones muy favorables, pueden darse diferencias mayores al 20 %.
98 Lluvias de Diseño. Conceptos, técnicas y experiencias
7. 5 CONCLUSIONES
La falla de varias presas en la década de 1970 llevó a revisar las normas de diseño y, en
particular, el sentido probabilístico del componente pluvial de dimensionamiento
(Hershfield, 1981). Muchos organismos dedicados a seguridad de presas aconsejan hoy
explícitamente la Precipitación Máxima Probable (PMP) como lámina de tormenta de
diseño para grandes obras, cuya rotura involucre riesgos importantes (Sugai y Fill, 1990).
El concepto de PMP, desarrollado en la década de 1970, es materia de controversia
entre dos escuelas.
Según una, dada la constancia de la masa atmosférica terrestre, el monto de lluvia tiene en
cada sitio un tope, resultante de la interacción de factores meteorológicos. Así, la PMP es el
límite superior racional, justificado climatológicamente, de la tasa de precipitación (McKay,
1973; Chow et al, 1994).
Al enfatizar la condición de máxima, la idea de una barrera física insuperable coincide con
la que Horton (U.S.Weather Bureau, 1960) expuso para crecidas: "Una pequeña corriente
no puede producir una crecida mayor que el Mississippi por muchas de las mismas razones
que una gallina no puede poner un huevo de una yarda de diámetro". Este es el sustento de
las evaluaciones hidrometeorológicas de la PMP.
Según la otra escuela, que privilegia el carácter de probable, la PMP se asume como un
evento con probabilidad finita, aunque sumamente baja, de ser excedido (Hershfield, 1981;
Bertoni y Tucci, 1993). En tal concepción se fundan las estimaciones estadísticas, que son
coherentes al utilizar distribuciones de frecuencia asintóticas, pues admiten una
probabilidad tendiente a cero, no nula, de sobrepasar la PMP.
100 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Si bien se puede asociar una recurrencia a la PMP (adoptando una función de densidad
dada), solo tiene significado académico, pues, por referirse a un evento tan poco probable,
invalida la extrapolación, al resultar varios órdenes de magnitud superiores a la longitud de
la muestra. Aunque se encontró gran variación, se suele aceptar que los tiempos de retorno
de estimaciones hidrometeorológicas y estadísticas son de 104 y 105 años respectivamente
(Bertoni y Tucci, 1993). Los métodos estadísticos dan resultados consistentes con la
experiencia, lo cual no siempre se logra por métodos racionales (McKay, 1973).
Dejando la disputa de fondo, cuando se dispone de suficientes datos de lluvia, hay consenso
en usar métodos estadísticos si es escasa la información climática (punto de rocío, vientos
dominantes, efectos orográficos). Siendo esa la situación habitual, su simplicidad convierte
a los métodos estadísticos en predilectos. Entre ellos, el más aceptado (WMO, 1973) fue
desarrollado por Hershfield (1961a, 1965).
8. 2 MÉTODO DE LA ENVOLVENTE
La técnica de Hershfield se sugiere para cuencas de hasta 1000 km² (Bertoni y Tucci, 1993),
pero se usó en áreas mucho mayores (McKay, 1973; Muñoz Espinosa, 1981; Sugai y Fill,
1990; Caamaño Nelli y García, 1998a; Caamaño Nelli, García y Dasso, 2000b), incluso de
millones de km² en Norteamérica (U.S.Weather Bureau, 1960; Hershfield, 1981). Aunque
se empleó para intervalos menores (WMO, 1973), ha sido utilizada mayoritariamente con
series pluviométricas, en lapsos de hasta 5 días (Sugai y Fill, 1990).
Se basa en minimizar la probabilidad de ocurrencia de la tormenta, maximizando el factor
de frecuencia Φy en la ecuación general de Chow (1951).
y = μy + Φy .σy (8.1)
donde y es la variable aleatoria (en este caso, lámina máxima anual de lluvia diaria), μy su
media y σy su desvío estándar. Definido como número de desvíos estándar entre el dato y la
media, Φy depende de la recurrencia, del tipo de función de densidad probabilística, de su
sesgo y de la longitud de la serie medida.
Puesto que se asume que la lámina tiende a un límite superior (la PMP), con probabilidad
bajísima de excedencia, habrá un tope en el número de desvíos estándar en que el dato
estará por arriba de la media, es decir, un valor máximo, ΦPMP, para el factor de frecuencia.
Entonces, la precipitación máxima probable se puede expresar (Hershfield, 1961a) como:
P M P = μ y + Φ PM P . σ y
(8.2)
y m − μ n−1
Φ n−1 =
σ n−1 (8.3)
1,1
F0μ
1,0
Años de serie
0,9
10
15
20
0,8 30
50
0,7
0,7 0,8 0,9 μn-1 /μn 1,0
Figura 8.1: Ajuste de la media por máximos atípicos (adaptado de Hershfield, 1961a)
1,2
F0σ
1,0
0,8
Años de serie
10
0,6 15
20
0,4 30
50
0,2
0,2 0,4 0,6 0,8 σn-1 /σn 1,0
Figura 8.2: Ajuste del desvío por máximos atípicos (adaptado de Hershfield, 1961a)
1,06 1,3
F1μ F1σ
Factor para la media
1,04 1,2
Factor para el desvío estándar
1,02 1,1
1,00 1,0
10 15 20 25 30 35 40 45 años de50serie
Φ PMP = Φ0 . e − k . μ n (8.4)
ΦPMP = b / μ n a (8.5)
A la hora de decidir, además de considerarla más coherente con el enfoque estadístico,
prefirieron la exponencial para el caso de ensayo debido a máximos de ΦPMP aparentemente
más razonables y a una impresión visual de mejor ajuste al conjunto. Esa función intersectó
el eje de ordenadas en Φ0 = 45,37.
Definida la función ΦPMP, los valores de precipitación máxima probable por estación se
calcularon con la ecuación (8.2), usando los estadísticos corregidos de la correspondiente
serie de máximos anuales. Esos valores se aplicaron para representar con isolíneas el campo
espacial de PMP. Se usaron también para estimar las recurrencias asociadas, adoptando una
función de densidad lognormal.
La Figura 8.4 exhibe los pares Φn-1 versus μn para las 53 estaciones del NW de Córdoba que
considera ese estudio y 4 posibles envolventes: II y IV exponenciales, I y III potenciales.
16
Φ I
14
II
12
III
10
IV
8
0
60 70 80 90 100
Media de las series de lámina máxima anual precipitada en 24 horas (mm)
Los valores máximos de Φn-1 deducidos por Caamaño Nelli, García y Dasso (1999a) en el
rango de muestreo son inferiores a los encontrados en Norteamérica (Hershfield, 1961a,
1981; McKay, 1973). Se asemejan a los aportados por Sugai y Fill (1990) para Sudamérica.
Incluso los límites de ΦPMP referidos por estos autores (entre 9 y 10 para esta duración) son
coherentes con los aquí expuestos, tomando en cuenta que, según el método empleado, el
factor de frecuencia decae a medida que aumenta la media de lluvias máximas anuales.
En la muestra analizada en Brasil, por ejemplo, el rango de μn comienza en un valor similar
pero su extremo superior duplica prácticamente al de Córdoba, puesto que los datos de
referencia provienen de una región más húmeda.
Se observa que, aun en la función con menor Φ0, el valor de intersección de la envolvente
para Córdoba (45,37) es más del doble del 20 recomendado en la literatura (WMO, 1973).
No obstante, se acerca a la conclusión de Hershfield (1981) basada en datos no oficiales, en
especial en vista de que, para arribar a Φ0 = 40, el autor deja varios puntos sobre la curva.
Estos contrastes confirman que, si bien es factible que la envolvente (o el comportamiento
de ΦPMP) de dos regiones se parezca, en modo alguno se le puede asignar validez universal.
A pesar de las fluctuaciones de μn, σn, Φn-1 y ΦPMP entre los puntos extremos de la muestra,
las PMP locales se asemejan bastante, ratificando que la estimación regional tiene sentido.
La variabilidad de ΦPMP muestra lo ilógico de usar un máximo regional único. Por ejemplo,
si se adopta el provisto por la envolvente IV (ΦPMP = 10,53), al aplicarlo al punto de mayor
media lleva a PMP = 468 mm, monto obviamente exagerado, que casi duplica el obtenido.
La notable diversidad de valores de las recurrencias asociadas indica una probabilidad muy
superior, de que ocurra la PMP, en puntos con máximos elevados que en otros de la región.
Con la curva IV, los mayores retornos tienen el orden de magnitud reportado en la literatura.
Como informan otros autores, el trabajo de Caamaño Nelli, García y Dasso (1999a) no
detecta asociación de ΦPMP ni de PMP con rasgos geográficos o climáticos.
La Figura 8.5 exhibe los pares Φn-1 versus μn para los tres conjuntos de estaciones
descriptas y las envolventes exponenciales correspondientes, según la ecuación (8.4).
La Tabla 8.1 presenta los estadísticos μn y Φn-1 para los puntos extremos del gráfico
(en ambas direcciones), correspondientes a los conjuntos de estaciones a, b y c.
Incluye además los parámetros de las curvas exponenciales (intersección con el eje de
ordenadas Φ0 y pendiente logarítmica k), las estimaciones de ΦPMP (según esas
envolventes), de PMP corregida y del período de retorno T (resultante de asumir
distribución Lognormal de los máximos anuales).
Precipitación Máxima Probable. Estimación Estadística Regional Diaria 107
12
Φ n-1 51 puestos
Φ n-1
PMP
82 puestos
10
Φ n-1 140 puestos
y
Φ PMP 51 puestos
n-1
8
Φ PMP 82 puestos
Factor de frecuencia,
0
50 75 100 μn 125
Figura 8.5: Factores de frecuencia versus media de máximos anuales de lluvia diaria,
con sus respectivas envolventes, para tres conjuntos diferentes de pluviómetros
Tabla 8.1: PMP y recurrencia asociada en puntos extremos de tres conjuntos de series
a: Φ0 = 75,47 k = 0,033 b: Φ0 = 73,40 k = 0,030 c: Φ0 = 30,88 k = 0,018
μn Φn-1 ΦPMP PMP T μn Φn-1 ΦPMP PMP T μn Φn-1 ΦPMP PMP T
mm mm años mm mm años mm Mm años
90,4 3,69 3,95 238 286 91,6 4,82 4,82 283 769 123,8 2,97 3,14 255 127
71,4 7,35 7,35 231 115.103 76,9 7,47 7,47 274 64.103 76,9 7,47 7,47 274 64.103
63,0 1,97 9,67 300 407.103 76,4 1,60 7,58 268 95.103 95,3 1,54 5,32 294 1,8.103
55,9 3,25 12,17 294 26.106 55,9 3,25 13,93 328 244.106 55,9 3,25 11,00 272 5,9.106
LAGU
NA
MAR
CHIQUITA
Figura 8.6: Distribución espacial del factor de frecuencia máximo, ΦPMP, en Córdoba
Capítulo 9
. .
Para diseño hidrológico, es común deducir láminas de inferior duración de los datos de
lluvia diaria. García et al (1998) detectaron estrechos vínculos entre las máximas
pluviométricas, las de 24 horas y las de menor duración en la región central de
Argentina; propusieron un método para evaluar dichos cocientes, y establecieron
límites y errores medios esperables en su utilización (Capítulo3).
Aplicadas a las PMP diarias locales que aporta la técnica de Hershfield, esas relaciones
permitirían estimar también las PMPd, para duraciones d inferiores, habida cuenta de
que Caamaño Nelli et al. (1998a) demostraron la representatividad de los pluviógrafos
de origen en sendas zonas asociadas, que cubren la totalidad del territorio cordobés.
Otra opción es plantear los pares de valores PMPd versus duración, que parecen ajustar
bien a una curva potencial, de la forma:
PMPd = a ⋅ d b (9.1)
Brandao y Rodrigues (1999) utilizaron este criterio en Portugal sobre series locales,
pero se podría aplicar regionalmente, dada la representatividad pluviográfica aludida.
Las envolventes de registros mundiales de lluvia elaboradas por varios autores
(Linsley et al., 1982; Chow, 1994; Viessman y Lewis, 1996) se ven reflejadas por
expresiones similares a la (9.1), cuyo empleo para estimar láminas de PMP es práctica
habitual en distintos lugares del planeta.
112 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Asumiendo que el valor del parámetro b calibrado sobre PMP se asemeja al de lluvias
máximas medidas, Campos Aranda (1999), propone trazar en papel logarítmico (donde
la pendiente de la función es constante) una paralela a la recta mundial, por el punto
que representa la PMP regional de 24 horas, y extraer de ella los valores de PMPd.
Este estimador (igual que los antes citados, excepto las envolventes planetarias) provee
un valor único de PMP por duración, si se aplica a máximos regionales, o resultados
diferentes por pluviómetro, que permiten apreciar la variación territorial de la PMP.
Para estimar las precipitaciones máximas probables de 5 a 1440 minutos en los 140
pluviómetros adoptados en la Provincia de Córdoba, se ensayaron cinco alternativas:
[a] Emplear el método de Hershfield con las 7 series pluviográficas zonales base, para
cada duración.
[b] Extraer de la envolvente diaria la PMP en 24 horas de cada pluviómetro y calcular,
mediante los cocientes entre láminas, las PMPd de otras duraciones por localidad.
[c] Aplicar la envolvente de registros máximos mundiales de lluvia de Chow (1994).
[d] Usar la función (9.1) según la técnica de Campos Aranda (1999), con el exponente
mundial (b=0,475), y deducir el valor del factor a de la serie regional para 24 horas.
[e] Calibrar los dos parámetros de la ecuación (9.1) a escala regional, con 70 pares de
valores PMPd versus d, surgidos de las siete series pluviográficas de Córdoba.
En la opción [a], los valores de Φn-1, para las series de cada estación y cada duración,
se calcularon con la ecuación (8.3) sobre las series truncas, excluyendo el dato mayor.
Los parámetros de la serie completa, μn (variable independiente de la envolvente) y σn,
de la relación (8.2), sufrieron dos correcciones, conforme a Hershfield (1961a): para
compensar datos atípicos y equiparar los estadísticos a los de una serie de 50 años.
Una vez ajustados los estadísticos de la serie de cada estación y representados los
pares Φn-1 versus μn, se utilizó la exponencial negativa (8.4) como expresión analítica
de las envolventes. Se fijó para todas las duraciones el valor del parámetro Φ0 de la
curva de 24 horas, según propone la WMO (1973), y k se obtuvo aplicando la
ecuación al punto extremo de cada muestra. Definida la función ΦPMP, los valores
locales de precipitación máxima probable se calcularon con la ecuación (8.2).
En la alternativa [b] se partió de PMP locales en 24 horas, que surgen de la envolvente
de 140 pluviómetros (Figura 8.5), trazada en forma similar que en [a] (Caamaño Nelli
et al., 1999b). Al aplicar a esos valores cocientes entre láminas de distintas duraciones
(García et al., 1998), se obtienen PMPd puntuales, sin generar una familia de curvas
ΦPMP comparable a la del caso anterior.
La técnica [d] flexibiliza la ecuación planetaria de registros máximos [c], al incorporar
información regional, y más aún la [e], que prescinde de los dos parámetros originales.
Variación de la PMP con la Duración. Elección de la Escala de Diseño 113
8
5
Φ n-1
10
6 15
30
60
4
120
180
2 360
720
1440
0
0 20 40 60 80 μ n [mm]
100
10
0
0 10 20 30 40 50 60 70 80 μ n (mm)
90
Figura 9.2: Envolventes ΦPMP por duración, según Hershfield, para Córdoba
114 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
1000
PMP
(mm)
100
Técnica [a]
Técnica [b]
Técnica [c]
Técnica [d]
Técnica [e]
T=200 años
10
1 10 100 1000 Duración (minutos)
10000
Figura 9.3: PMP regional, en función de su duración, estimada con distintas técnicas
Tabla 9.1: Valores medios de PMP [mm] de las 140 estaciones de la región de estudio
Técnica de estimación 5´ 10´ 15´ 30´ 1h 2h 3h 6h 12 h 24 h
[a] Hershfield: 7 series pluviográficas 49 54 55 59 151 170 233 328 316 328
[b] Hershfield: 140 pluviómetros 82 120 150 200 239 267 294 321 358 380
[c] Chow: envolvente mundial máx. 130 180 218 304 422 587 711 988 1374 1909
[d] Campos: ec.(9.1) b=0,475; a = 84 26 36 44 60 84 117 142 197 274 380
[e] Brandao: ec.(9.1) b=0,087; a=289 233 247 256 272 289 307 318 337 358 380
Lluvias de recurrencia bicentenaria 48 69 82 108 139 177 197 225 241 243
Variación de la PMP con la Duración. Elección de la Escala de Diseño 115
La Figura 9.4 exhibe el ajuste de una función de ese tipo a los resultados regionales de
la técnica [b] para Córdoba.
116 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
PMP
400
(mm) PMPd = 166,8 . (ln d)0,58 -143
R² = 0,998
300
200
100
Hershfield (técnica [b])
Potencia del logaritmo
0
1 10 100 1000 Duración (minutos)
10000
Figura 9.4: PMP estimada mediante el método de Hershfield (con datos de 140
pluviómetros) y como función potencial del logaritmo de la duración de lluvia
LAGUNA
MAR CHIQUITA
LAGUNA
MAR CHIQUITA
LAGUNA
MAR CHIQUITA
9. 4 PLANTEO EXPERIMENTAL
9. 5 ANÁLISIS DE RESULTADOS
En las regresiones sobre la ecuación (9.2) para las siete estaciones pluviográficas, los
coeficientes de determinación variaron entre 0,995 y 0,999, reflejando excelentes
ajustes, con un rango similar al resultante en la calibración original de parámetros del
DIT, para los mismos puntos.
Esto es relevante, en vista de la independencia de las técnicas de estimación de PMP e
i-d-T, y de que en el trazado de la envolvente ΦPMP no se utilizaron datos de ninguna
de estas estaciones.
Significa que el factor de persistencia, δy, es realmente el mismo en ambos modelos.
En otros términos, implica que la relación intensidad-duración, establecida para la
función i-d-T por el DIT, con bajos períodos de retorno, es preservada para la
Precipitación Máxima Probable por la ecuación (9.2).
Con respecto al factor de frecuencia, Φy, es constante en cada traza de recurrencia
determinada del DIT, por la correspondencia biunívoca con T establecida en (5.7).
En cambio, no figura en la ecuación (9.2), ya que se desconoce la recurrencia del valor
límite estimado. Cabe esperar que Φy varíe en las curvas de porcentajes de PMP (como
se detectara para medias areales) y que éstas líneas intersecten a las anteriores.
Eso es lo que efectivamente ocurre, como muestra la Figura 9.8 para tres de las
estaciones. Únicamente por comodidad visual, las gráficas son presentadas en el plano
altura-duración, en vez del respectivo intensidad-duración.
122 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
200
CÓRDOBA OBSERVATORIO
Lámina estimada, h (mm)
150
60 minutos
100
1440 minutos
5 minutos
200 años
50 500 años
60 % PMP
70 % PMP
0
1,5 3,5 5,5 ln de la duración 7,5
250
MARCOS JUÁREZ
Lámina estimada, h (mm)
200
60 minutos
150
1440 minutos
100 5 minutos
200 años
500 años
50
50 % PMP
60 % PMP
0
1,5 3,5 5,5 ln de la duración 7,5
150
VILLA DOLORES
Lámina estimada, h (mm)
60 minutos
100
50 200 años
500 años
50 % PMP
60 % PMP
0
1,5 3,5 5,5 ln de la duración 7,5
9. 6 CONCLUSIONES
Como hay consenso en predecir lluvias máximas con la relación i-d-T para pequeñas
obras y partir de la PMP para las grandes, la discusión se centró en el procedimiento
para estructuras medianas, con lluvias de recurrencia 100 años < T ≤ 1.000 años.
Las técnicas para estimar PMP (Hershfield modificada) e i-d-T (DIT) son coherentes,
ya que el factor de persistencia (transformada de la duración) es el mismo, conceptual
y numéricamente, en ambas, pese a la independencia metodológica y de datos. O sea,
el valor límite estimado preserva la relación intensidad-duración de recurrencias bajas.
El factor de frecuencia (transformada del retorno), constante en las curvas del DIT,
varía con la duración en las de porcentajes de PMP, que intersectan a las anteriores. En
consecuencia, el método para definir la escala es decisivo al estimar el nivel de diseño,
en especial de obras medianas, pero se carece de una pauta experimental para elegirlo.
Consideraciones conceptuales sobre objetividad, sustento teórico y período de retorno
asociado, aconsejan, entonces, adoptar el método probabilístico (extrapolar la función
i-d-T) al predecir lluvias de diseño para estructuras hidráulicas de porte intermedio.
Capítulo 10
. .
Tabla 10.1: Métodos para estimar lluvia media areal (adaptado de Wiesner, 1970)
Media Thiessen y Isohietas
Aritmética Triangulación Lineal Subjetivo
Tipo de Método Objetivo Objetivo Objetivo Subjetivo
Velocidad Rápido Rápido, si se saben Muy Lento Lento
los factores de peso
Efecto de la pérdida No permite bajar No permite Se pueden Se estiman
de datos precisión extrapolar estimar fácilmente
Contempla topografía No No No Si
Muestra de datos y Pobre Pobre Buena Excelente
corrección de errores
Errores en el contorno No Pueden permitirse Inaceptables Aceptables
Adaptación para PC Excelente Buena Pobre Pobre
Precisión Satisfactoria con una buena red de Excelente en la mayoría
estaciones y en terrenos planos de las circunstancias
Se asume que las láminas locales representan la lluvia sobre áreas reducidas (2,5 a 25
km² en torno al pluviógrafo) dependientes de las características climáticas y
topográficas de la región. Para superficies mayores, la precipitación media sobre la
cuenca (PMA) difiere del máximo puntual de lluvia y deberá ser inferida, mediante
algoritmos de atenuación, a partir de este valor, que es el único con estimación futura.
Aun cuando se disponga de curvas intensidad-duración-recurrencia de varias estaciones,
no se las debe usar para predecir máximos simultáneos, porque (habiendo sido deducidas
localmente, sin relación entre si) no prevén la probabilidad de eventos conjuntos.
La PMA se evalúa en torno de una estación núcleo, se trate del epicentro del evento o
de un puesto fijo. La primera opción toma en cuenta que las estaciones de registro
pueden estar cerca del centro de tormenta, cerca de los bordes o entre estos extremos.
Fijar el centro de la distribución en una estación facilita el cómputo posterior, ya que
se trabaja siempre con la misma configuración, pero sólo es razonable en dos casos:
a) Cuando se adopta un punto central de la cuenca para emplazar el núcleo de la
tormenta, pretendiendo maximizar el efecto hipotético del evento.
b) Cuando se sabe que en determinada estación hay mayor probabilidad de que se
produzcan los máximos de la cuenca, sea por efecto orográfico u otras razones.
En fin, la estación núcleo debe reunir dos requisitos: reflejar las lluvias críticas sobre la
cuenca y responder a una función i-d-T conocida, de la cual extraer la lámina local.
Los ábacos de atenuación son gráficos con curvas para varias duraciones, que indican
el porcentaje de lluvia local a tomar como promedio sobre la cuenca. El U.S. Weather
Bureau (1958) dedujo un algoritmo de este tipo para cuencas situadas al este del río
Mississippi, que se popularizó al publicarla la WMO (1983). Leclerc y Schaake
(Valdés, 1981) ajustaron una ecuación polinómica a esas curvas, reproducida por la
Figura 10.1.
Lámina de Lluvia a Escala de Cuenca para Intervalos de Máxima Anual 127
100
Porcentaje de lluvia puntual (según ecuación polinómica de Leclerc y Schaake, 1972)
90
80
1/2 hora
70 1 hora
3 horas
6 horas
24 horas
60
0 200 400 600 800 Área (km²) 1000
1/ 2
⎛ A ⎞
b=⎜ ⎟ (10.1)
⎝ 2,5.π ⎠
a 2 .b 22
r 2 (10.2)
a sen 2 θ + b 2 cos 2 θ
Luego hay ábacos para calcular el área entre isohietas (con 14 niveles que van de 10 a
6500 mi²) y corregirla si la orientación que da mayor cobertura a la cuenca no coincide
con la dominante. Las relaciones altura-área-duración resultantes han sido mapeadas
ampliamente en USA.
128 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
A
A9 1200
P0
P1200
Tabla 10.2: Factores de peso por puesto, con radio 9 km, en torno a la estación 400
A9300 A9400 A9500 A9700 A91000 A91200 Total
Área (km²) 10,7375 33,3643 11,4455 0,8178 25,3521 31,322 113,0392
Coeficiente de peso 9,50% 29,52% 10,13% 0,72% 22,43% 27,71% 100,00%
Ak
CPk , A = (10.3)
A
donde Ak es el área del sector propio de la estación k, para un radio de influencia dado;
A es el área definida por dicho radio; CPk,A es el coeficiente de peso de la estación k.
PMA j , A
CDA j , A = (10.5)
P0 j
Los pares (A; PMAj,A) o (A; CDAj,A) se emplean luego para calibrar las ecuaciones y
para trazar las curvas de conversión espacial, de la duración (o del rango de duración)
de lluvia que corresponda.
130 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
PMA = PMÁX ⋅ e − a⋅ A
b
(10.6)
CDA = a ⋅ A (10.8)
CDA = a ⋅ e b⋅ A (10.9)
CDA = ln( A) (10.10)
CDA = a ⋅ A b (10.11)
CDA = a ⋅ A + b ⋅ A 2 + c ⋅ A 3 (10.12)
Al ajustar por regresión lineal (en su forma logarítmica, cuando fuese necesario) las
relaciones (10.6) a (10.12), se obtiene, en cada caso, un estimador del coeficiente de
decaimiento areal, CDÂ, dependiente del área de interés y de la duración de la lluvia.
Si se denomina P0 a la lámina de lluvia futura en la estación núcleo (predicha con la
función i-d-T), CDÂ indica la porción genérica de P0 a emplear como Precipitación
Media Areal estimada, PMÂ, al predecir la creciente de proyecto. De donde resulta:
^ ^
P M A = P0 ⋅ C D A (10.13)
La calibración de ecuaciones se realizó para duraciones fijas (IMA), con los resultados
que se exponen a continuación, así como por rangos de duración (tormentas intensas),
según se verá en el Capítulo 11. Se evaluó también el ajuste de una ecuación general a
la familia de curvas generadas o al conjunto de puntos original, respectivamente.
132 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
90
Lámina máxima anual [mm]
60
30
92/93 93/94 94/95 95/96
96/97 97/98 Media
0
0 300 600 900 1200 d [min.] 1500
La Figura 10.4 exhibe como ejemplo el mapa de isohietas del IMA de 180 minutos en
la estación 1200, para el año hidrológico 1995-1996. Permite apreciar que, pese a ser
el evento crítico en la estación núcleo, el valor de lámina no fue el máximo medido ese
año sobre la cuenca del San Antonio.
Figura 10.4: Isohietas (mm) del Intervalo de Máxima Anual de 180 minutos en 1200
Lámina de Lluvia a Escala de Cuenca para Intervalos de Máxima Anual 133
Del análisis de todos los eventos del lapso 1992/98 se deduce que, para duraciones del
IMA < 3 horas, en el 73 % de los casos el máximo valor puntual de lluvia se da en la
estación núcleo y el 27 % restante en otras estaciones.
En cambio, para duraciones mayores, es menos frecuente que el máximo ocurra en la
estación núcleo, a pesar de que el período analizado es el crítico para ese puesto: en el
53 % de los casos se da en otra estación, siendo la más frecuente la 900, con un 26 %.
En estos casos, la gráfica CDA versus área no es monótona decreciente. La Figura
10.5 muestra un ejemplo de ello para el IMA de 180 minutos del año hidrológico
1997/1998. En este caso, la lluvia caída en el puesto núcleo fue de 56 mm, mientras
que el máximo valor registrado en la cuenca fue 106 mm (estación 500). Además, el
valor del núcleo fue el 5º en orden de magnitud en la cuenca.
1,4
CDA
1,3
1,2
1,1
1,0
0 100 200 300 400 500 600
Área (km²)
Figura 10.5: Variación areal de lluvia en el IMA de 180 minutos del año 1997/98
Las trazas del coeficiente de decaimiento en función del área (Figura 10.6 a) muestran
gran dispersión, sin un patrón definido, aun cuando se agrupan los eventos según la
duración del IMA, como se ejemplifica en la Figura 10.6 b para 180 minutos.
1,6 1,6
a b
Coeficiente de decaimiento areal
1,4 1,4
1,2 1,2
1,0 1,0
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0,0 0,0
0 200 400 600
Área (km²) 0 200 400 600
Área (km²)
Figura 10.6: Variación del CDA en todos los eventos (a) y en los de 180 minutos (b)
134 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Para reflejar las tendencias medias de cambio, tras ajustar ecuaciones de tipo potencial
y exponencial por duración, se adoptó la primera como más representativa. La línea
trazada en la Figura 10.6 b responde a esta función:
^ ^
C D A = 25 − k ⋅ Ak o bien ln C D A = k ⋅ ln A − k ⋅ ln 25 (10.14)
válida cuando A > 25 km² y k < 0. La justificación de esta estructura es que asume el
valor de lámina local como un estimador válido en toda el área, cuando A es menor
que 25 km², y más allá decae. De modo que, para A = 25 km², ln CDÂ = 0 y CDÂ = 1.
La Figura 10.7 muestra las curvas generadas por la función potencial (10.14) calibrada
con los pares de valores de cada una de las 8 duraciones elegidas, en tanto que la Tabla
10.3 presenta rangos y medias de los datos observados de CDA, para cada duración.
1,0
30 min
Coeficiente de decaimiento areal
0,9 60 min
0,8 90 min
120 min
0,7
180 min
0,6 360 min
720 min
0,5
1440 min
0,4
0,3
0 100 200 300 400 500 600 Area (km²)
0,4
Potencial (datos) -k = 2,0759 . d -0,5073 R2 = 0,9855
Logarítmica (datos) -k = -0,0725 . ln(d) + 0,5557 R2 = 0,9643
0,3
Exponenete -k
0,2
0,1
0
0 200 400 600 800 1000 1200 1400 1600
d (min.)
El algoritmo sintético, dado por las ecuaciones (10.14) y (10.15), se denominó CoDA
y se empleó para recalcular (Tabla 10.4) y graficar (Figura 10.9) el coeficiente de
decaimiento areal estimado, CDÂ.
1,0
30 min
Estimador del CDA
0,8
60 min
90 min
0,6 120 min
180 min
360 min
0,4
720 min
1440 min
0,2
0 100 200 300 400 500 600 Área (km²)
Figura 10.9: Trazas de la superficie de atenuación areal de lámina del modelo CoDA
136 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Tabla 10.4: Valores del CDA obtenidos con el modelo CoDA, según área y duración
Duración 25 km² 50 km² 100 km² 200 km² 300 km² 400 km² 509 km²
30 min. 100,00% 77,39% 59,90% 46,36% 39,90% 35,88% 32,82%
60 min. 100,00% 83,50% 69,73% 58,22% 52,40% 48,62% 45,66%
90 min. 100,00% 86,35% 74,56% 64,38% 59,09% 55,59% 52,83%
120 min. 100,00% 88,09% 77,59% 68,35% 63,46% 60,21% 57,61%
180 min. 100,00% 90,19% 81,34% 73,36% 69,06% 66,16% 63,83%
360 min. 100,00% 92,99% 86,48% 80,42% 77,07% 74,78% 72,92%
720 min. 100,00% 95,02% 90,28% 85,78% 83,26% 81,51% 80,07%
1440 min. 100,00% 96,47% 93,06% 89,77% 87,91% 86,60% 85,53%
Las técnicas clásicas requieren que el valor de lluvia a atenuar sea el observado en el
epicentro de la tormenta. Al fijar la ubicación de la estimación puntual, no existen
garantías de que el monto precipitado allí, durante un intervalo de máxima intensidad
anual, será el mayor registrado en la cuenca en ese lapso. Sólo se sabe que es el que
tiene mayor probabilidad, por ser ésta una condición intrínseca de la estación núcleo.
En consecuencia, es factible que, como sucedió en varios eventos para la cuenca del
Río San Antonio, el coeficiente de decaimiento areal no refleje una disminución, sino
un aumento de la lámina media, al crecer el área.
Los pares CDA-área, correspondientes a intervalos de máxima anual seleccionados,
muestran una gran dispersión, haciendo necesario agruparlos por duración.
Para reflejar la forma de los descensos para cada duración, forzada por la condición de
tender a infinito cuando el área tiende a cero, se ensayaron dos tipos de ecuaciones
sencillas, potencial y exponencial, y se adoptó como expresión general la primera, ya
que se adapta mejor a la curvatura de los conjuntos.
La misma condición hizo necesario truncar la función para los valores inferiores de
área, asumiendo lámina homogénea (CDÂ = 1) hasta 25 km² (2,8 km de radio) en
torno a la estación núcleo, hipótesis que halla respaldo experimental en la literatura.
La síntesis del vínculo CDÂ-área condujo a un algoritmo único, al que se denominó
CoDA, que compatibiliza las tasas para todas las duraciones.
Este modelo postula que, para intervalos de máxima intensidad anual, el Coeficiente
de Decaimiento Areal es proporcional a una potencia negativa del área considerada,
cuyo exponente depende, a su vez, de una potencia negativa de la duración del
intervalo.
Capítulo 11
. .
11.1 INTRODUCCIÓN
Tabla 11.1: Ajustes de la función de decaimiento logarítmica, cuenca del San Antonio
Pares de Coeficiente de determinación
Eventos Error típico Coeficiente k
valores r² r² ajustado
Todos 210 0,673919804 0,669135115 0,110211712 -0,165544726
Promedio 19 0,970938977 0,915383421 0,027757277 -0,166734152
d > 3 horas 166 0,740572807 0,734512201 0,096427130 -0,156160136
d ≤ 3 horas 53 0,756967425 0,737736656 0,113270062 -0,194792702
Zona y país Referencia Área Información original Orografía y altitud Régimen climático y
de origen Bibliográfíca km² Duraciones CDA=1 Observación P media (m s.n.m.) lluvia media anual(mm)
a) Sur de Llanura sedimentaria Templado, predominio
Zimmermann 30´, 60´, 180´ ≈ 45 N
de muy baja
Santa Fe, 1000 Puntual de tormentas frontales
et al., 2001 360´, 1440´ pluviógrafos E
Argentina pendiente (≈ 15) (1100)
b) Malaysia Riv.Eng.Div. 30´, 60´, 180´ De 0 a T Cadenas montañosas Monzónico. Mayores
200 No especifica
(peninsular) Malaysia,2001 360´, 1440´ 10 km² G (750) lluvias: nov-mar (2540)
c) Este Río 6 puestos (en
30´, 60´, 180´
Mississippi, Valdés, 1981 1000 Puntual prom.). Series E Llanuras (700) Sin estación seca (1100)
360´, 1440´
USA de 7 a 15 años
d) Sierra 60´, 360´, 720´, Zona E abrupta y W Semi tropical, con
Corrigan De 0 a T
Nevada, 25900 1440´, 2880´, No especifica desgastada (1830 a estación lluviosa
et al., 1998 26 km² G
Calif., USA 4320´ 3660) discontinua (165)
e) Reino Wanielista, 5´,10´,15´,30´,60´ radios medios Llanura sedimentaria Templado. Marítimo
De 0 a T
Unido de Kersten y 30000 120´, 180´, 360´, en torno a un dominante; montañas atlántico. Lluvias en
1 km² G
Gran Bretaña Eaglin, 1997 1440´, 2880’ máximo bajas antiguas (700) invierno (760)
f) Cca. Río Catalini, 10 pluvióm. N Sierra, pie de monte y
d ≤ 180´ De 0 a
San Antonio, Caamaño y 500 de alta E valle, de 675 a 2400 Templado (900)
d > 180´ 25 km²
Córdoba, RA García, 2002b frecuencia G m de altitud (1500)
g) Valle 60´, 360´, 720´,
Corrigan De 0 a T Valle de 650 km de Norte húmedo (425).
Central, 25900 1440´, 2880´, No especifica
et al., 1998 26 km² G largo (50 a 200) Sureste desértico (58)
Calif., USA 4320´
h) Mendoza Fernández et De 0 a 24 pluv. Alta T Precordillera Tormentas convectivas
1000 D ≤ 90´
(W ciudad)RA al., 1999 0,9km² frecuencia E (1000-3000) de verano (≈ 250)
P = Presentación de origen N = Datos numéricos T = Tabla de valores de la función E = Ecuaciones G = Gráficos
Reducción Areal de Tormentas Severas. Efectos Fisiográficos y Climáticos 141
donde a y b simbolizan
a = −1,1 ⋅ d 0, 25 (11.3)
0,01
b= (11.4)
2,59
Pocas veces se partió de los datos de eventos históricos, como en la cuenca del San
Antonio, donde la función logarítmica (11.1), que asume precipitación homogénea en
un área de 25 km² en torno a la estación base, se ajustó para eventos de corta y larga
duración (Catalini, 2001) siendo k = -0,1947927 para tormentas de hasta 180 minutos
y k = -0,15616014 para persistencias mayores.
Zimmermann et al. (2001) proponen diversos tipos de ecuación para el decaimiento
areal en el sur de Santa Fe, pero la conveniencia de estandarizar las familias de curvas
llevó a recalibrar el algoritmo (11.1) sobre los coeficientes de decaimiento. El
coeficiente k resulta, entonces, función de la duración:
Tabla 11.3: Porcentajes de lámina local a emplear para un área de 600 km²
Duración de la tormenta (minutos)
Zona y país de origen de la función
30 60 90 120 180 360 720 1440
a) Sur de Santa Fe, Argentina 77,8 80,7 82,4 83,6 85,4 88,3 91,2 94,1
b) Malaysia (peninsular) 50,7 67,0 83,2 87,8 91,8
c) Este del río Mississippi, USA 64,3 70,0 78,8 83,9 92,1
d) Sierra Nevada, California, USA 76,4 77,9 80,1 82,0
e) Reino Unido de Gran Bretaña 57,3 85,3 90,7
f) Cuenca San Antonio, Córdoba, RA 38,1 50,4
g) Valle Central, California, USA 68,9 73,5 77,0 80,1
h) Mendoza (oeste de la ciudad) RA 36,8
La Figura 11.1 muestra las curvas de decaimiento. Para facilitar el análisis, se ubican a
la izquierda las provenientes de zonas llanas y a la derecha las de morfología más
abrupta. A cada lado, se sitúan en orden descendente según la precipitación anual. Esto
se hizo en la medida de lo posible, ya que algunas (principalmente las del Reino
Unido) representan regiones muy amplias, con marcada variabilidad topográfica y
climática. Así, no hay correspondencia de lluvia entre el par de gráficas de cada nivel.
Reducción Areal de Tormentas Severas. Efectos Fisiográficos y Climáticos 143
100% 100%
CDA CDA
75% 75%
75% 75%
El análisis comparativo de las familias de curvas indica que, tanto en llanura como en
montaña, el decaimiento areal es proclive a ser más pronunciado a medida que la tasa
anual de precipitación es menor.
La gradación es más nítida para duraciones de lluvia elevadas. En este caso, la
variación es más brusca en zonas montañosas y lo contrario sucede en sectores de baja
pendiente.
Para regiones húmedas, es de esperar una preeminencia de procesos atmosféricos
frontales, donde las tormentas abarquen grandes superficies con características
homogéneas, conduciendo a coeficientes de decaimiento elevados. En otros términos,
que la lámina local y la areal se asemejen numéricamente entre si.
Por otra parte, se puede apreciar que la reducción de la lámina, a igual área de
estimación, es más pronunciada en cuencas montañosas, de mayor altura. El ejemplo
de Sierra Nevada es anómalo en este sentido, presuntamente porque las tormentas se
concentran temporalmente, alcanzando una cobertura territorial considerable.
En zonas de montaña es previsible la influencia de eventos convectivos, reducidos
territorialmente, con la consecuencia de una rápida disminución espacial de las lluvias
y los CDA, lo cual genera trazas con mayor curvatura: Fuerte caída inicial y pronta
estabilización al crecer la superficie considerada.
Como se evidenció en los estudios de altura areal de lluvia para diseño en la cuenca
del río San Antonio (García, Catalini y Caamaño Nelli, 2000b; Catalini, 2001;
Catalini, Caamaño Nelli y García, 2002) en estos sistemas la incidencia orográfica
puede aumentar notoriamente la depresión de la lámina en torno a la estación de
referencia, reforzando el efecto de los fenómenos convectivos.
Cada sistema físico presenta una amplia gama de propiedades, tanto en lo que hace al
clima como a la geomorfología, constituyendo conjuntos complejos de características,
las que, además, interactúan entre sí.
En consecuencia, cabe suponer que, aún cuando las tendencias generales de ambos
orígenes siempre existan, la manera en que se combinen hará difícil predecir los
resultados, basándose únicamente en los valores de altitud media y precipitación anual
de unos pocos casos.
Por ejemplo, en Malaysia se observa que, para las duraciones mayores, los coeficientes
de decaimiento areal se aproximan a los de zonas de llanura, presuntamente por una
preeminencia del régimen de precipitación monzónico, con tormentas prolongadas
homogéneamente distribuidas.
Para lapsos breves, en cambio, cuando la orografía puede predominar, las curvas
muestran una marcada concavidad al principio (para áreas reducidas) y se asemejan a
las obtenidas en las Sierras de Córdoba para eventos de persistencia superior a 180
minutos.
Reducción Areal de Tormentas Severas. Efectos Fisiográficos y Climáticos 145
da d − db db da db
r= = =1− ⇒ db = (1 − r). d ⇒ d= = (12.1)
d d d r 1− r
da db _
h=∫ ia . d da + ∫ ib . d db = d . i (12.2)
0 0
_
d . im 2.h
h= ⇒ im = =2i (12. 4)
2 d
Generalmente, las tormentas son adelantadas, con un coeficiente de avance inferior a
0,5, lo cual significa que la intensidad máxima se produce en la primera mitad del
evento.
Desagregación
Si bien la precipitación durante una tormenta es un proceso continuo, el modo de
tratamiento hace aconsejable discretizarlo. En este caso, a diferencia de la partición
habitual en intervalos de tiempo constantes, conviene adoptar fracciones de la
duración, para poder comparar la forma en eventos de distinta duración total.
Es decir, cada tormenta se debe dividir en una cantidad fija de lapsos iguales, entre 4
(cuartiles) y 10 (deciles), variando la duración de éstos de una tormenta a otra. Con
menos de cuatro intervalos no es posible reflejar adecuadamente la distribución y con
más de diez se pierde la visión de conjunto. La desagregación se completa
determinando láminas parciales -absoluta y porcentual- precipitadas.
150 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Agrupamiento
Como normalmente los hietogramas no presentan forma única, se buscan patrones de
grupo, asociados a ciertos rasgos de los chaparrones.
Un criterio de agrupamiento es la duración. No es recomendable una división detallada
según este aspecto, porque reduce el número de eventos en cada categoría, lo cual no
favorece el tratamiento estadístico posterior. En muchos casos, el agrupamiento no es
posible por esa causa y en otros basta con considerar tormentas cortas (d ≤ 2 horas) y
largas (d > 2 horas).
La clasificación de tormentas por duración es afectada por el tiempo de corte, porque
la unión de eventos causa corrimientos de intervalo, en desmedro del número de
lluvias breves, con un incremento numérico menor de las más largas.
Otro criterio de agrupamiento, que se aplica en vez del anterior o a continuación de él,
es la posición del pico. La clasificación por percentiles conduce a resultados mucho
menos sensibles al tiempo de corte y al método de síntesis de hietogramas. Además
elimina el problema de selección de tormentas. Pero al agrupar eventos de distinta
duración se pueden mezclar eventos causados por procesos físicos diferentes.
Combinar ambos criterios de agrupamiento parece ser la alternativa más adecuada
pero se debe cuidar que la cantidad de eventos incluida en cada grupo no reduzca la
precisión en los resultados más de lo que la incrementa aumentar la partición.
Selección
Una decisión previa a la síntesis de hietogramas típicos es definir si ésta se hará sobre
todas las tormentas disponibles o si se las seleccionará. En el segundo caso, cuando
existe una tendencia definida a que el pico se produzca en un percentil determinado, se
consideran sólo los eventos con pico que caen en esa ubicación. Si no, se toman
aquellos con pico en la moda o en las posiciones adyacentes.
Para resolver si esa tendencia existe, se puede aplicar el test de chi cuadrado, siendo la
hipótesis nula que la probabilidad de ubicación del pico tenga distribución uniforme.
Tanto en un caso como en el otro, se desechan las tormentas con pico alejado de la
posición más frecuente, por no considerarlas representativas de la distribución del
conjunto. Esto tiene el inconveniente de reducir el número de datos y de disminuir la
confiabilidad de los resultados, cuando la cantidad de tormentas no es muy grande. El
número de eventos siempre se torna crítico al agruparlos por sus características
Síntesis
Una vez caracterizadas las tormentas intensas, se procede a sintetizar los patrones
típicos históricos. Las alternativas mejor fundadas para encontrar el hietograma tipo a
partir de series históricas, son el método de ordenamiento de intervalos y el de la
función de distribución acumulada. Ambos parten de desagregar las tormentas en un
número fijo de percentiles y calcular el porcentaje de lámina en cada uno.
Distribución Temporal Interna: Síntesis de Tormentas Intensas 151
Tabla 12.1: Cálculo de un hietograma tipo según Pilgrim, Cordery y French (1969)
Porcentajes de lámina
acumulada en 2ºsextil
Tormenta % acum.
número 2º sextil
1 7
2 9
3 15
4 19
5 35
6 17
7 31
8 22
9 19
10 41
Figura 12.1: Cálculo de un intervalo del hietograma tipo, con el método de Huff
60 53.25 60 54.50
Tormentas cortas (d ≤ 2h) Tormentas largas (d > 2h)
50 50
30 30
18.75 19.00
20 20 13.67
11.17
7.83 6.09 6.92
10 2.91 10 3.08 2.83
0 0
Sextil 1 2 3 4 5 6 Sextil 1 2 3 4 5 6
Figura 12.2: Hietogramas tipo discretos de Ceres según el método de Huff (50%)
100 100
90 90
% lámina acumul.
% lámina acumul.
Huff Huff
80 80
Pilgrim Pilgrim
70 70
La disminución del número de tormentas, para el caso de 2 horas sin lluvia, se debe a
que, al extender el tiempo de separación entre eventos, las lluvias distanciadas por
lapsos entre 1 y 2 horas formaron un solo suceso, reduciendo en un 6 % el total de
eventos para el caso de 1 hora de corte.
Las tormentas que surgen de este tipo de uniones son notablemente más largas que las
definidas con una hora de corte y la frecuencia de eventos breves es menor.
Pero pese a estas diferencias, la elección del lapso de corte no alteró la distribución
regional y mantuvo el orden de importancia al agruparlas por duración. Por ello, a falta
de fundamentos de peso en favor de una u otra alternativa, se adoptó el criterio de
separación de 2 horas para definir las tormentas intensas en el territorio cordobés.
Los criterios usados para agrupar los eventos fueron: duración, posición del pico y
combinación de ambos. Según el primer criterio, se los clasificó en 5 grupos: eventos
de hasta 1 hora duración, de 1 a 2 horas, de 2 a 3, de 3 a 6 y de más de 6 horas.
La combinación contempló 12 conjuntos dados por la asociación entre tormentas de:
duración inferior y superior a 2 horas, con posibilidad de pico en cada uno de los
sextiles considerados.
La Tabla 12.3 refleja la frecuencia relativa local y regional de las tormentas intensas
en la Provincia de Córdoba, separadas con el criterio de 2 horas sin lluvia y
clasificadas en tormentas cortas (duración ≤ de 2 horas) y largas (duración > de 2
horas), donde los intervalos de clase responden al sextil de ubicación del pico.
Se excluyeron las tormentas con distribuciones bimodales (de interpretación ambigua)
quedando reducido el número a 969 tormentas, de las cuales 621 (64 %) son largas.
La tendencia más notoria pasó a ser la ubicación del pico de intensidad en el primer
sextil, para tormentas largas y cortas, a excepción de La Suela y Laboulaye, donde se
ubicó en el 2º sextil en las tormentas cortas.
Distribución Temporal Interna: Síntesis de Tormentas Intensas 155
60
40
20
0
VD(34) SU(16) CS(26) OC(34) RC(28) MJ(44) LA(27) REGION(30)
60
40
20
0
VD(55) SU(44) CS(49) OC(49) RC(48) MJ(46) LA(47) REGION(48)
80 Total de tormentas
% de Lámina
60
40
20
0
VD(46) SU(34) CS(42) OC(44) RC(40) MJ(45) LA(39) REGION(42)
60
40
20
0
V D(55) SU(44) CS(49) OC(49) RC(48) MJ(46) LA (47) REGION(48)
T o tal d e to rm en tas
80
% de Lámina
60
40
20
0
V D(46) SU(34) CS(42) OC(44) RC(40) MJ(45) LA (39) REGION(42)
A primera vista, sobre el total de eventos, los dos gráficos son similares, debido a
haber fijado la posición del pico, que condiciona en gran medida la forma del
hietograma. Ésta decae hacia la derecha regularmente, sugiriendo que ajustaría bien a
una función analítica (exponencial negativa o potencial inversa). Sin embargo, el
descenso por el método de Pilgrim es siempre monótono y más parejo, suavizando las
particularidades locales.
La imposición de la moda en el primer sextil no explica la semejanza de porcentaje de
lámina de ambos métodos en esa posición, que se da en todas las estaciones. Los
incrementos (de 2,5 a 3,5 %, con máximo 6 % y mínimo 0,8 %) de Pilgrim con
respecto a Huff se explican por la puesta en fase de picos en el primero.
A pesar de ello, con este agrupamiento no parece relevante la elección de la técnica de
síntesis. Además, cualquiera sea ésta, hay fuerte consistencia regional en el porcentaje
de lámina máximo: de 45 a 54 % con Huff y de 51 a 57 % con Pilgrim et al.
Esta particularidad es aún más notoria si se aplica a las tormentas largas, que por ser
más numerosas modelan el resultado conjunto. En ellas, los incrementos van de -2 a 5
% (en general, de 2 a 2,5 %). El rango regional de lámina pico con ambos métodos es
más estable: 52 a 57 % (Huff) y 53 a 58 % (Pilgrim et al.).
158 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Para tormentas cortas, los hietogramas con la técnica de Pilgrim son también
monótono decrecientes, no así los sintetizados con Huff, que en algunas estaciones
(SU y OC) muestran marcadas diferencias con los anteriores
Los incrementos en el porcentaje de lámina en la moda, de Pilgrim et al. a Huff, varían
entre -4 y 7 %. A nivel regional, la variación de lámina pico es más notoria: 37 a 55 %
(Huff), 41 a 59 % (Pilgrim et al.).
Los hietogramas tipo de la Figura 12.6 son producto de aplicar el método de Huff a las
tormentas clasificadas de acuerdo a su duración.
Los patrones de Huff exhiben formas muy diversas, con pico preferentemente ubicado
en el 2º sextil, circunstancia que se da en el 40 % de los hietogramas locales, pero que
tiene únicamente preponderancia clara para duraciones de 1 a 2 horas de lluvia.
Le sigue la localización de la moda en el primer intervalo (23 % de los casos), que
compite con la anterior en la banda de 3 a 6 horas. Sólo en el último sextil el pico está
ausente en todos los hietogramas tipo por duración.
No se advierte una tendencia geográfica en la posición del máximo. Por ejemplo, los
cinco casos de ocurrencia en el 4º intervalo corresponden a sendas estaciones
diferentes, en tanto que los siete en que se coloca en el 3º se reparten en seis de las
estaciones.
Los resultados del método de Pilgrim et al. son nuevamente más homogéneos. En los
patrones de las tormentas más breves, el pico es proclive a ocupar el 2º sextil. Pero
éste cede su preeminencia en favor del primer intervalo a medida que crece la duración
de lluvia y no aparece con máximos en las tormentas más largas, acumulando sólo 34
% de las modas locales, contra 57 % del sextil inicial.
Tres localizaciones del pico en el tercer intervalo (sin coincidencia geográfica o de
clase entre sí) constituyen el 9 % restante, ya que no se dan casos con coeficiente de
avance mayor.
La variabilidad regional de la lámina en la moda es considerablemente mayor cuando
se clasifica sólo por duración, siendo otra vez más fluctuante en los patrones de Huff.
Establecida la duración de la tormenta, de acuerdo a los rasgos de la cuenca, esta
clasificación provee un hietograma tipo único por estación, no cuatro (como fue por
posición del pico, del 1º al 4º sextil) u ocho (como el criterio combinado). Es decir, se
asume que la probabilidad de que la lluvia se distribuya siguiendo ese patrón es 1,
haciendo innecesario optar entre varias alternativas.
Pese a que con ello el procedimiento es más objetivo, el agrupamiento por duración (al
no fijar la ubicación de la moda) compendia formas disímiles, por lo cual el resultado
no necesariamente se asemeja a los hietogramas reales que le dieron origen.
Distribución Temporal Interna: Síntesis de Tormentas Intensas 159
Duración de 1 a 2 horas
60
% de Lámina
50
40
30
20
10
0
NOROESTE SIERRAS NORESTE CENTRO SUROESTE ESTE SUR REGION
Duración de 2 a 3 horas
60
% de Lámina
50
40
30
20
10
0
NOROESTE SIERRAS NORESTE CENTRO SUROESTE ESTE SUR REGION
Duración de 3 a 6 horas
60
% de Lámina
50
40
30
20
10
0
NOROESTE SIERRAS NORESTE CENTRO SUROESTE ESTE SUR REGION
12.5 CONCLUSIONES
13.1 INTRODUCCIÓN
A fin de subsanar tal inconsistencia, se plantea en este capítulo un nuevo enfoque para la
distribución temporal interna de lluvias máximas. Es decir, el evento histórico severo
que deberá ser analizado, para la síntesis de los patrones temporales, no es la tormenta
intensa, sino el Intervalo de Máxima Intensidad Anual o IMA (Caamaño Nelli,
García y Dasso, 1999b). O sea, el mismo intervalo de duración d en que se estima la
intensidad media para la función i-d-T. De esta manera, los hietogramas de diseño
coincidirán-conceptual y temporalmente- con la lámina a distribuir y reflejarán de
manera más verosímil los patrones históricos, propiedad que no siempre conservan los
que son deducidos de láminas extraídas de las curvas i-d-T.
162 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
Por otra parte, para diseño, interesa conocer la probabilidad condicional de que una
lluvia intensa se distribuya según cierto patrón, dado que dura un tiempo establecido
de acuerdo a rasgos físicos de la cuenca (Caamaño Nelli, Dasso y García, 1999). Por
ello, antes de sintetizar hietogramas de tormentas, se los debe agrupar por rangos de
duración, cuya amplitud se ve condicionada por la cantidad de casos que incluya cada
clase. En cambio, por definición, los intervalos de máxima anual duran lapsos exactos,
elegibles con libertad, y cada conjunto contendrá tantos eventos como años tenga la serie.
A fin de comparar ambos enfoques, fué analizada en forma particular (García, Caamaño
Nelli y Dasso, 2000a) la serie de la Estación Ceres (Provincia de Santa Fe), con 38 años
de registros pluviográficos diarios, comprendidos en el período 1955-1993. Los eventos
históricos contrastados fueron las 296 tormentas intensas (Capítulo 12, Tabla 12.2) y los
228 máximos anuales, a razón de 38 eventos por cada una de las 6 duraciones
seleccionadas (30, 60, 120, 180, 720 y 1440 minutos).
Un examen de las muestras permitió comprobar que las tormentas que generaron los
IMA son intensas, a excepción de dos con intensidad media menor que 6 mm/hora.
Una incluye los máximos para 30 y 60 minutos y la otra el de 1440 minutos (24 horas).
Por otra parte, en más de un tercio de la muestra de los IMA de las 6 duraciones
prefijadas, los máximos corresponden a la misma tormenta. En el resto, los máximos
pertenecen a distintos episodios lluviosos o están constituidos por más de uno.
En un análisis detallado de los IMA mayores a 3 horas, se pudo advertir que los
intervalos de máxima anual de 24 horas llegaban a contener hasta 4 tormentas íntegras
y que las distribuciones unimodales eran minoritarias (42,1%) frente al conjunto de los
demás tipos de distribuciones presentadas.
Para el caso de las unimodales la duración media de la lluvia fue de 437 minutos y de
1003 minutos para el tiempo sin lluvia. Si bien la duración media de la precipitación
fue aumentando mientras disminuía el lapso sin lluvia (para las tetramodales, fueron
de 825 y 615 minutos respectivamente) éste último se presenta como una característica
de importancia al momento de encontrar la distribución temporal. Es justamente en los
intervalos de 24 horas de duración donde se presentaron más claras las diferencias en
la variación interna de ambos tipos de eventos.
En el caso de Ceres, los contrastes de forma más destacados se dieron en los extremos
de duración. Para tormentas intensas de duraciones menores que 1 hora, se observa un
patrón bimodal, irregular, contra una distribución cuasi uniforme para el patrón del
IMA de 30 minutos.
En cambio, el hietograma tipo para tormentas con duraciones mayores que 6 horas
presenta un aspecto mucho más achatado e irregular que los de IMA de 6 y 24 horas
que exhiben picos iniciales altos seguidos por un descenso brusco en ambos casos.
Este empuntamiento, al igual que el hecho que ambos sean unimodales, es debido a la
duración de cada sextil (4 horas para el IMA más prolongado), que hace que el
primero de éstos incluya la mayor proporción de la lluvia.
164 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
FIGURA 2: HIETOGRAMAS
Hietogramas de Diseño
40 DE DISEÑO PUNTUALES
de Tormentas Intensas e
35 DE TORMENTAS INTENSAS
PORCENT AJE DE L ÁM INA
IMA en el rango
30 E IMA EN EL RANGO
30 a 60 minutos.
25 30 A 60 MINUTOS
20
15
10
IMA de 60 minutos
5
Tormentas con d < 1 h
0
1
2 IMA de 30 minutos
3
4
5
6
SEXTIL
FIGURA 4: HIETOGRAMAS
Hietogramas de Diseño de
40 DE DISEÑO PUNTUALES
Tormentas Intensas e
DE TORMENTAS INTENSAS
PORCENT AJE DE L ÁM INA
35
30
IMA en el rango
E IMA EN EL RANGO
25
120 a 180 minutos
120 A 180 MINUTOS
20
15
10
IMA de 180 minutos
5
Tormentas con 2h<d<3h
0
1
2 IMA de 120 minutos
3
4
5
6
SEXTIL
FIGURA 6: HIETOGRAMAS
Hietogramas de Diseño
70 DE DISEÑO PUNTUALES
de Tormentas Intensas e
DE TORMENTAS INTENSAS
PORCENT AJE DE L ÁM INA
60
IMA en el rango
E IMA EN EL RANGO
50
360 a 1440 minutos
360 A 1440 MINUTOS
40
30
20
IMA de 1440 minutos
10
Tormentas con d > 6 h
0
1
2 IMA de 360 minutos
3
4
5
6
SEXTIL
La comparación anterior entre las formas de los patrones, en buena medida cualitativa,
tiende a brindar un panorama general. Para cuantificar ese contraste, se analizaron los
dos parámetros que condicionan fuertemente la forma de la distribución: la posición y
la magnitud del máximo del hietograma.
Sin embargo, esto se cumple para la posición, no para la lámina, sólo en tormentas de
duración menor que 2 horas y en las de 3 a 6 horas. Los errores (del orden del 7%) son
positivos hasta 2 horas y negativos para lapsos mayores. Una vez más, el caso crítico
se dió en las máximas duraciones, donde el hietograma sintético de tormentas intensas
tiene un pico muy posterior al de los IMA, con un porcentaje inferior cercano al 30%.
El coeficiente a, definido de esta manera, toma valores fijos en cada bloque del
hietograma, partiendo de la mitad del primero. Así, será igual a 0,08; 0,25; 0,42; 0,58;
0,75 y 0,92 desde el primero al sexto sextil, respectivamente.
El coeficiente b, en tanto, estará dado por la proporción de lámina respecto de la total,
que cae en el pico.
70 63
60 Estación Ceres
Frecuencia (% ) 47
55
50 42
39 39
40 34
29
30 26
21 21 21 21 21
18 18 18 18 18
20 13 13
16
13 13 13
16
11 11 11 11 11 11 11
8 8 8 8
10 5
3
5 5
3 3
0 0 0 0 0
0
30 60 90 120 180 360 720 1440
70
60 Estación La Suela
Frecuencia (% )
50
50 45
41 41 41 41
40 32 32 32
30 23 23 23 23
18 18 18 18 18
20 1414 14 14 141414 1414 14 14 14
9 9 9 9 9 9 9 9 9
10 5 5 5 5
0 0 0 0 0
0
30 60 90 120 180 360 720 1440
D uració n d el Intervalo d e Máxim a An ual (m inu tos)
Para el coeficiente de pico, los rangos de clases fueron los deciles, desde 0-0,1 hasta 0,9-
1. La naturaleza del vínculo exige que el pico alcance un valor de b superior a 1/6, lo cual
excluyó la existencia de casos en las dos clases iniciales, ya que para no exceder 0,2 se
requiere una distribución cuasi uniforme, ausente en la práctica. Se enfocó el análisis por
duraciones, prescindiendo de la posición del pico. La Tabla 13.1, muestra la frecuencia
relativa de la proporción de lámina para cada rango de duración del IMA.
Estación Ceres
Clase 30 60 90 120 180 360 720 1440 Fr
0 0,1 0 0 0 0 0 0 0 0 0
0,1 0,2 0 0 0 0 0 0 0 0 0
0,2 0,3 0,447 0,421 0,158 0,184 0,079 0,026 0,132 0 0,181
0,3 0,4 0,316 0,289 0,421 0,263 0,263 0,132 0,105 0,105 0,237
0,4 0,5 0,158 0,184 0,158 0,316 0,237 0,342 0,158 0,184 0,217
0,5 0,6 0,053 0,053 0,211 0,132 0,132 0,079 0,105 0,132 0,112
0,6 0,7 0,026 0,026 0,053 0,026 0,105 0,132 0,132 0,079 0,072
0,7 0,8 0 0 0 0,079 0,105 0,079 0,079 0,079 0,053
0,8 0,9 0 0 0 0 0,079 0,026 0,132 0,105 0,043
0,9 1 0 0,026 0 0 0 0,184 0,158 0,316 0,086
Total 1 1 1 1 1 1 1 1 1
Estación La Suela
Clase 30 60 90 120 180 360 720 1440 Fr
0 0,1 0 0 0 0 0 0 0 0 0
0,1 0,2 0 0 0 0 0 0 0 0 0
0,2 0,3 0,364 0,409 0,227 0,136 0,227 0,091 0,182 0 0,205
0,3 0,4 0,182 0,318 0,409 0,364 0,091 0,136 0 0,091 0,199
0,4 0,5 0,18 0,182 0,182 0,273 0,409 0,136 0,318 0,227 0,238
0,5 0,6 0,08 0,05 0,091 0,227 0,182 0,364 0,227 0,273 0,187
0,6 0,7 0,08 0,04 0,045 0 0 0,091 0,091 0,091 0,055
0,7 0,8 0,06 0 0 0 0,045 0,05 0,091 0,136 0,048
0,8 0,9 0,05 0 0,045 0 0 0,045 0,045 0,091 0,035
0,9 1 0 0 0 0 0,045 0,091 0,045 0,091 0,034
Total 1 1 1 1 1 1 1 1 1
1.0 100
Lám inas (m m )
0,2722
Estación Ceres ht = 12,959 d
2
0.8 r = 0,8405 80
C oeficientes
0,1998
b = 0,1683 d
0.6 2
r = 0,9637 60
0,4599
hp = 2,2247d
0.4 2
40 a
r = 0,932
0.2 a = 0,9616 d
-0,2132
20 b
2
r = 0,8433 ht
0.0 0
hp
0 500 1000 d (minutos) 1500
1.0 100
0,2422
Lám inas (m m )
ht = 14,63 d
Estación La Suela 2
r = 0,9748
0.8 80
0,2146
C oeficientes
b = 0,137d
2
0.6 r = 0,93 60
0,4734
hp = 1,7641d
0.4 2 40
r = 0,9682 a
-0,0241
a = 0,3767d b
0.2 2
20
r = 0,1314
ht
0.0 0
hp
0 500 1000 d (minutos) 1500
Figura 13.3: Correlación de los coeficientes y dimensiones del IMA con la duración
13.4 CONCLUSIONES
Para intervalos de máxima anual menores que 2 horas, una elevada proporción de
lámina precipita en el IMA y ello ocurre en un tiempo breve respecto a la duración de
Distribución Temporal Interna: Intervalos de Máxima Intensidad Anual 171
Puesto que, según aumenta la extensión del IMA, a disminuye y b aumenta, los
coeficientes de forma varían en sentido inverso uno con respecto al otro. Si el análisis
se hace para duración de IMA fija, la posición y la magnitud del pico de intensidad son
prácticamente independientes entre si y del monto de lluvia caído.
Pero, si se vinculan las medias de los valores de estos coeficientes con la duración, los
parámetros de forma siguen las tendencias predichas: a decae, b crece y lo hacen en
proporción similar. Ambos guardan una fuerte correlación con la duración,
especialmente la proporción de lámina. Esta dependencia responde a funciones de tipo
potencial.
Capítulo 14
. .
14. 2. 1 PRECIPITACIÓN
Aun teniendo curvas intensidad-duración-recurrencia (i-d-T) de varias estaciones, no
deberían usarse a la vez, porque al ser deducidas localmente, sin relación entre sí, no
prevén la probabilidad de eventos conjuntos. Hay que elegir una estación núcleo
(Capítulo 10) donde estimar la lámina, que luego se reducirá para hallar la media areal.
Definida la estación núcleo, falta conocer cuál es la duración de lluvia que se utilizará.
La lámina de lluvia no es la total, sino la precipitada en el intervalo de máxima
intensidad de la tormenta (IMT), de duración a determinar.
El concepto de IMT es el definido para identificar los IMA (Capítulo 1), sólo que en
lugar de obtener el valor anual para cada duración, se busca uno por evento y por
duración. Así, el evento de entrada es el IMT.
Predicción de Crecientes de Proyecto a partir de Lluvias de Diseño 173
Se procesaron las lluvias para 6 duraciones (120, 180, 240, 300, 360 y 720 minutos),
discretizadas cada 5 minutos, obteniendo como resultado seis IMT de cada evento, sus
horas de inicio y las láminas precipitadas antes, durante y después de cada intervalo de
máxima.
Identificada la hora de comienzo, para cada duración del IMT en la estación núcleo, se
calculó la lámina de lluvia areal, L, sobre la cuenca, promediando las precipitaciones
de los 10 puestos, para idéntico intervalo, ponderadas por el método de polígonos de
Thiessen.
El cociente entre la lámina local en la estación núcleo y la media en la cuenca provee
el coeficiente de reducción areal, r (Zimmermann, 2000), para cada duración del IMT
considerada.
600
1.5
3
2.0
400
2.5
200
3.0
0 3.5
00:00 02:03 04:03 06:03 08:03 10:03 12:03 14:03 16:03 18:03 20:03 22:03 00:03 02:03
Q = f . Lm . t n (14.1)
L=r.l=r.i.d (14.2)
t = g . i u . qv . pw (14.3)
Q = k . r m . i a . q b . pc (14.4)
Los conceptos de tiempo de respuesta, duración de lluvia causal del pico y las
variables que expresan las condiciones iniciales del sistema fueron propuestos para
estimar el caudal máximo y la altura del pico. Su utilidad se constató con ensayos
sucesivos en la cuenca del Río San Antonio.
El mayor problema en esta etapa fue ignorar cuál era la duración de lluvia para
calcular la intensidad. Es habitual utilizar a tal fin el tiempo de concentración de la
cuenca, que, precisamente, depende de la severidad de la lluvia, llevando a un
cómputo recursivo. Se lo evaluó con varias fórmulas empíricas, pero se obtuvo un
rango de valores muy amplio, entre 5 y 13 horas, y, lo que es peor, situado por encima
de la duración total en la gran mayoría de las tormentas registradas.
Predicción de Crecientes de Proyecto a partir de Lluvias de Diseño 177
3500
Q = 65,66 . r 1,019 . i1,197 . q0,0099 . p0,0564
Caudal máximo en la salida (m /s)
3000
3
2500
2000
1500
1000
Q.Medido
500
Q.Estimado
0
0 5 10 15 20 25
Intensidad de lluvia en la estación núcleo (mm/h)
6
Nivel máximo en la salida (m)
1 H observado
H calculado
0
0 5 10 15 20 25
Intensidad de lluvia en la estación núcleo (mm/h)
Un aspecto notorio es que tanto el caudal como el nivel del pico de crecida resulta
explicado, en esencia, por la intensidad de la lluvia en el intervalo de máxima, i, y por
el coeficiente de reducción areal, r, en ese orden.
Las condiciones iniciales, cuyos exponentes en la ecuación (14.4) toman valores
absolutos pequeños (con lo cual los factores correspondientes se acercan a 1 y se
tornan irrelevantes para el producto), aportan poco al respecto.
Intensidad
La intensidad local, para los diferentes T, se obtiene de las curvas i-d-T de la estación
núcleo. Esta es una de las condiciones imprescindibles para poder explotar el modelo
(subtítulo 14.2.1). La duración resultó de la calibración y es de 180 minutos.
Predicción de Crecientes de Proyecto a partir de Lluvias de Diseño 179
Las pruebas realizadas permiten afirmar la suposición, ya que, en relación con los
máximos, los picos estimados decaen entre 0,46 (T = 25 años) y 0,63 m (PMP),
cuando se emplean las media o bien entre 1,24 (T = 25 años) y 1,80 m (PMP), usando
sus valores mínimos.
Por otra parte, considerando el reducido número de eventos disponibles, su
probabilidad de ocurrencia conjunta es impredecible. En consecuencia, entendiendo
que el objetivo es emular los escenarios futuros más riesgosos, la explotación se
efectuó para las condiciones iniciales máximas.
11 15000
13500
10
12000
Caudal (m3/s)
H = 7,93 m
9000 Margen izquierda
Q= 6994 m3/s
8 7500
6 3000
PMP 10 100 1,000 10,000 PMP
100,000
(a) 10 100 1,000 10,000 100,000 (b)
T (años) T (años)
Figura 14.4: Variación del pico de crecida predicho, (a) nivel y (b) caudal, en función
de la recurrencia de la lluvia causal, en la Estación 600, Barrio El Canal
14.6 CONCLUSIONES
Procesos Hidrológicos y
Modelos Probabilísticos
A.1 INTRODUCCIÓN
Pero también sería válido admitir que los eventos hidrológicos provienen de procesos
subyacentes con componentes intrínsecamente estocásticos, o sea, que la casualidad o
el azar forman parte de su naturaleza y será necesario asumir permanentemente su
aleatoriedad para poder analizarlos.
Por necesidad o conveniencia, la mayoría de los procesos hidrológicos se pueden
interpretar y explicar solo en sentido probabilístico, lo cual produce una dificultad
básica en la programación de las actividades humanas, ya que están vinculadas a sus
efectos. Esto es especialmente serio en diseño y planeamiento de obras hidráulicas,
siempre relacionadas con eventos hidrológicos futuros.
Por ejemplo, al dimensionar un puente o un canal, se pretende que tenga capacidad
para evacuar una creciente hipotética, que normalmente no se ha producido en el lapso
con registros de descarga (más aún, que quizás nunca se dio). Pero, necesariamente,
esa creciente de diseño deberá ser estimada, con esos datos de caudal o los de variables
causales, o bien transponerse desde otra cuenca.
En todo caso, habrá que recurrir a la probabilidad y a la estadística, disciplinas que
establecen instrumentos para tratar la aleatoriedad, ya que proveen vías para sintetizar
los datos observados a información precisa y significativa, para determinar las
características subyacentes del fenómeno observado y para hacer predicciones sobre su
comportamiento futuro. Las cantidades de los datos hidrológicos pueden ser
expresadas en términos estadísticos y tratadas con teorías probabilísticas.
0 ≤ P (Ei) ≤ 1 (A.3)
Σ P (Ei) = 1 (A.4)
P (I) = 1/ T (A.11)
11) La probabilidad (o riesgo) de que haya inundación al menos una vez en n años
sucesivos será:
Ejemplo: ¿Qué período de retorno debe usar un ingeniero para diseñar una alcantarilla
crítica, si está dispuesto a aceptar un 10% de riesgo de inundación en los próximos
cinco años?
0.20 0.8
0.15 0.6
0.10 0.4
0.05 0.2
0.00 0.0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
Valores de la variable X Valores de la variable X
0.20 0.80
0.15 0.60
0.10 0.40
0.05 0.20
0.00 0.00
0 4 8 12 16 0 4 8 12 16
Valor de la Variable X Valor de la Variable X
Para ello, la frecuencia relativa se divide por el ancho del intervalo. La relación ni /
(n.Δx) es la probabilidad por unidad de longitud en el intervalo.
Esta FDP cumple que
En el límite, cuando Δx → 0 y n → ∞, define la Función de Densidad de Probabilidad
FDP.
b
∫a
f ( x ) . dx = P (a ≤ X ≤ b) (A.17)
x
F( x ) = ∫−∞
f ( x ) . dx = P (−∞ ≤ X ≤ b) = P (X ≤ x ) (A.18)
∑ fr (x i ) = 1
i =1
(A.19)
xi ≤ b
∑ fr (x i ) = P(a ≤ X ≤ b)
xi ≥ a
(A.20)
∑ fr ( x i ) = P (X ≤ x
i =1
k ) (A.21)
m m −1 m − 0,5 m − 0,3 m
a) b) c) d) e) (A.22)
n n n n + 0,4 n +1
1 n r n
. ∑ x = ∑ x i . f (x i )
∞
μ ´r = ∫ x . f (x) . dx μ ´r =
r r
(A.23)
−∞ n i =1 i i =1
1 n
μr = . ∑ ( x − μ )r
∞
μ r = ∫ (x −μ) . f (x) . dx
r
(A.24)
−∞ n i =1 i
∞
σ2 = ∫
−∞
(x −μ)2. f (x) . dx (A.26)
1 n
S 2
= . ∑ ( x − x) 2 (A.27)
n − 1 i =1 i
El n-1, que aparece en lugar de n cuando los parámetros se estiman por el método de
máxima verosimilitud, proviene de la pérdida de un grado de libertad, causado al fijar
X.. El desvío estándar (σ o S) es la raíz cuadrada de la varianza. Resulta en las mismas
dimensiones que la variable y que la media, lo cual facilita el manejo y comprensión.
El coeficiente de variación, Cv = σ/μ ó S/X, adimensional, indica la dispersión
relativa y sirve para comparar muestras.
El tercer momento respecto de la media mide la asimetría (As), en tanto que su valor
dividido el cubo de la desviación tipo define al Coeficiente de Asimetría Cs = α /σ3
o Cs = a / S3. Si la distribución es simétrica Cs = 0, si Cs es positivo la desviación es a
la derecha y si es negativo a la izquierda. Este coeficiente es estadísticamente
cuestionable para muestras con menos de 50 datos.
1 n
As = . ∑ ( x − μ )3 (A.28)
n i =1 i
Procesos Hidrológicos y Modelos Probabilísticos 193
1 n
as = . ∑ ( x − x) 3 (A.29)
( n − 1).(n − 2) i =1 i
Los momentos impares de una distribución simétrica son nulos. En una sesgada, no.
DEFINI- i ni −∞
n →∞ n
x≤ ∞ 1 ∑x
n
1
CIÓN
Δx ∑ (x i − μ ) 2
Δx → 0 n i n
n i =1
i =1
n! x≥ 0
p x (1 − p )
n−x
BINOMIAL n.p N . p . (1-p)
x ! (n − x )! x≤ n
λ x .e − λ x≥ 0
POISSON λ λ
x!
UNI- 1 x≥ a
(b+a) / 2 (b-a)2 / 12
FORME
b−a x≤ b
194 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
− λ .x x≥ 0
λ .e
EXPO-
1/λ 1 / λ2
NENCIAL x≤ ∞
GAUSS o 1 ⎡ (x − μ ) 2 ⎤ x ≥ −∞
exp ⎢− ⎥
NORMAL σ 2.π ⎣ 2.σ 2 ⎦ x≤ ∞
1 ⎡ (y − μ y )2 ⎤
LOG exp ⎢ − ⎥ y≥ 0
xσ 2.π ⎢⎣ 2.σ y ⎥⎦
2 μy σy
NORMAL y≤ ∞
GAMMA
DE 2 λ β .x β −1
.e − λ . x x≥ 0 μ
σ β
PARÁ-
Γ(β ) x≤ ∞ β
METROS
PEARSON
λ β .( x − ε ) β −1 .e − λ .( x −ε )
TIPO III o
x≥ ε ε +σ β λ β
GAMMA DE
3 PARAM.
Γ( β )
LOG λ β .( y − ε ) β −1 .e − λ .( y − ε )
PEARSON y≥ ε ε +σy β λ β
TIPO III x .Γ(β )
GUMBEL o
VALORES 1 ⎡ x−u ⎛ x − u ⎞⎤ x > −∞ α .π
exp⎢− − exp⎜ − ⎟⎥ u + 0,5772 .α
EXTREMOS α ⎣ α ⎝ α ⎠⎦ x< ∞ 6
TIPO I
Según trabajos citados por Chow (1964), la función sobreestima los máximos de
temperatura y subestima los de lluvia en períodos largos. Aunque varios aspectos
conceptuales tornen cuestionable su aplicación, la función de Gumbel se ha mostrado
satisfactoria en numerosos problemas de extremos.
Benjamin y Cornell (1970), reflejan quizá el argumento real de sus usuarios: "... los
ingenieros civiles que han usado distribuciones de valores extremos para describir
crecidas usaron solo Tipo I, es probable que por conveniencia computacional
simplemente. Nuestro ejemplo mantendrá esta tradición porque permitirá a los
conocedores del problema comparar las conclusiones con estudios similares (...), ello nos
permite reforzar la idea que el uso hecho del modelo influencia fuertemente su elección.".
Figura A.6: Función de densidad Lognormal para distintos valores de los parámetros
(tomado de Yevjevich, 1972, página 135)
∞ ∞
μ ´r,s = ∫ ∫ xr . ys. f (x, y) . dx . dy (A.30)
−∞ −∞
r = 1, s = 0 ⇒ μ´1,0 = μx (A.31)
r = 0, s = 1 ⇒ μ´0,1 = μy (A.32)
∞ ∞
μ r,s = ∫ ∫ (x − μx )r . (y − μy )s. f (x, y) . dx. dy (A.33)
−∞ −∞
r = 1, s = 1 ⇒ μ 1,1 = σ x y (A.36)
∞ ∞
σ 1,1 = ∫ ∫ (x − μx ) . (y − μy ) . f (x, y) . dx. dy (A.37)
−∞ −∞
σ x, y Co var ianza x, y
ρ x, y = = (A.38)
σ x . σ y Varianza x ⋅ Varianza y
sx, y
rx , y = (-1 ≤ r ≤ 1) (A.39)
sx . sy
s x, y
Y = a +b⋅ X b= a = y −b⋅x (A.40)
s2x
Y = α + βX + ε ( 0 ,σ 2 ) (A.41)
Donde:
a y b son los parámetros del modelo. Estimados mediante a y b.
202 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
ε i = yi − yˆ (A.42)
La Varianza de los errores es la Varianza residual. Son los errores cometidos por el
modelo. Es un estimador insesgado, puede ser obtenido:
1
Sε2 =
(n − 2)
∑ ei2 (A.44)
r 2
=
∑ ( yˆi − y)2
= 1−
∑ ei2
∑ i
( y − y ) 2
∑( yi − y)2 (A.45)
( yi − y ) = ( yˆ i − y ) + ei (A.46)
∑ ( yi − y ) 2 = ∑ ( yˆ i − y ) 2 + ∑ (e i ) 2 (A.47)
N −1
VS = ∑ vs (i ) (A.51)
i =1
donde vs(i) es el número de valores de Xj > Xi, siendo i < j ≤ N. Para cada valor de Xi
ordenado cronológicamente se calcula cuantos valores posteriores lo superan.
Procesos Hidrológicos y Modelos Probabilísticos 205
Asimismo se calcula:
N −1
VI = ∑ vi (i) (A.52)
i =1
donde vi(i) es el número de valores Xj < Xi, siendo i < j ≤ N. Para cada valor de Xi
ordenado cronológicamente se calcula cuantos valores posteriores son menores.
Con los valores de VS y VI calculados se define el índice:
I = VS − VI (A.53)
o sea que el índice calculado sea menor que un valor de Icrít, el cual se encuentra en
tablas y es función del tamaño de la muestra y de los diferentes niveles de
significación.
Para tamaños de muestras mayores a 10, se puede utilizar una forma simplificada,
donde se transforma el índice I a V por la expresión:
I −1
V= 0.5
(A.55)
⎛ N ⋅ ( N − 1) ⋅ (2 N + 5) ⎞
⎜ ⎟
⎝ 18 ⎠
RS (i ) RI (i )
d (i ) = − (A.56)
n m
Esta diferencia tiende a cero cuando la hipótesis nula es verdadera. Por lo tanto d(i)
debe ser testeado utilizándose para ello la función de Smirnov.
Se calcula D el cual es el máximo valor absoluto de d(i) y
0.5
⎛ n⋅m ⎞ (A.57)
Z = D ⋅⎜ ⎟
⎝n+m⎠
Los valores de “Zcrít” son los presentados en la Tabla A.5, los cuales nuevamente se
obtienen de una distribución de probabilidad normal y varían en función del grado de
significación:
y (A.58)
y = μ y +σ y .Φy o bien = 1 + Cv y . Φ y
μy
Esta relación indica que Φy es el número de desvíos estándar entre el dato y la media.
Propuesta por Chow (1951) como ecuación general para análisis de frecuencia
hidrológica, daría la solución al problema anterior -tras calcular los parámetros de la
muestra- si el factor de frecuencia se pudiera expresar como función analítica de la
recurrencia correspondiente.
En la mayoría de las FDA esto no ocurre y la relación Φ-T se plantea mediante curvas o
tablas, retrotrayéndose a otro método de calibración con los inconvenientes citados.
Referencias Bibliográficas
BENJAMIN, J. R.; C. A. CORNELL; 1970. Probability, Statistics and Decision for Civil
Engineers. Mc Graw-Hill Book Company. New York, USA.
BENSON, M.A.; 1962. Plotting Positions and Economics of Engineering Planning. Jour.
of Hydraulics Division. American Society of Civil Engineering. N° 88, 57-71. USA.
BERNARD, M.; 1932. Formulas for Rainfall Intensities of Long Duration. Transaction
American Society of Civil Engineers, Vol. 110, 697-733. USA.
CATALINI, C. G.; 2001. Altura Areal de Lluvia para Diseño en la Cuenca del río San
Antonio. Trabajo Final de Ingeniería Civil, Universidad Católica de Córdoba. Córdoba,
Argentina.
CHOW, V. T.; 1953. Frequency Analysis of Hydrologic Data with Special Application to
Rainfall Intensities. University of Illinois Eng. Exp. Sta. Bulletin. 414. USA.
CHOW, V. T.; 1954. The Log-Probability Law and its Engineering Application.
Proceedings American Society of Civil Engineers. Vol. 80, Nº 536
CHOW, V. T.; 1964. Frequency Analysis. Handbook of Applied Hydrology, Secc. 8-1.
V. T. Chow, editor. Mc Graw-Hill Book Company. New York.
COLLADON, L.; 2000 a. Síntesis Estadística Pluviométrica de la Cuenca del Río San
Antonio. Inédito. CIRSA-INA. Villa Carlos Paz, Argentina.
COLLIER, E. P.; 1965. Flood Frequency Curves- Single Station Analysis. Water
Resources Branch. Department Environment. Ottawa, Canada.
CUNANE, C.; 1989. Statistical Distributions for Flood Frequency Analysis. WMO.
OHR33. Geneva, Suiza.
214 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
DRAPER, N. R.; H. SMITH; 1966. Applied Regression Analisys. John Wiley & Sons.
New York, USA.
EAGLESON, P. S.; 1970. Dynamic Hydrology. Edit. McGraw-Hill. New York, USA.
FOSTER, H. A.; 1924. Theoretical Frequency Curves and your Application for
Engineering Problems. Transactions American Society of Civil Engineers. Vol. 87
FRÉCHET, M.; 1927. Sur la Loi de Probabilité de L'ecart Maximum. An. de la Soc.
Polonaise de Math., 6. Cracow.
FRENCH, R. H.; 1983. Precipitation in Southern Nevada. Jr. Hydr. Eng. Vol.109, N°
7,. 1023-1036. USA.
GARCIA, C. M.; 2000. Lámina de Lluvia Puntual para Diseño Hidrológico. Tesis de
Maestría en Cs. de la Ingeniería, Mención en Rec. Hídricos. Facultad de Ciencias
Exactas, Físicas y Naturales, Universidad Nacional de Córdoba. Córdoba, Argentina.
GILMAN, Ch. S.; 1964. Rainfall. Handbook of Applied Hydrology, Sección 9. Editor:
V. T. Chow. Mc Graw-Hill Book Company. New York.
GUMBEL, E. J.; 1941. The Return Period of Flood Flows. Ann. Math. Statist. Vol12, Nº
2,163-190.
GUMBEL, E. J.; 1958. Statistics of Extremes. Columbia University Press. New York,
USA.
HALL, A. J.; 1977. Temporal Patterns of Rainfall Bursts. Australian Rainfall and
Runoff. The Institution of Engineers, Australia. Sydney.
HARGREAVES, G. H.; 1988. Extreme rainfall for Africa and other developing areas.
Jour. of Irrigation and Dranaige Engineering. ASCE. Vol. 114, N° 2, 324 - 333.
HAZEN, A.; 1914. Discusión de: Flood Flows, de W. E. Fuller. Trans. Am. Soc. Civ.
Eng. Vol.77. USA.
HAZEN, A.; 1921. The Frequency of High Rates of Rainfall. Engineer News-Records,
Nov. 1921, pág. 858. Consulting Engineer. New York.
HUFF, F. A.; 1967. Time Distribution of Rainfall en Heavy Storms. Water Resources
Research, vol. 3, Nº 4, 1007-1019. USA.
HUFF, F. A.; 1970. Time Distribution of Rainfall Rates. Water Resources Research, Vol.
6, Nº 2, 447-454. USA
JENKINSON, A. F.; 1955. The Frequency Distribution of the Annual Maximum (or
Minimum) Values of Meteorological Elements. Quart. Journal Royal Meteorological
Society. Vol. 81, Nº 348 .
KEIFER, C.; H. CHU; 1957. Synthetic Storm Pattern for Drainage Design. Journal of
Hydraulics Division. Amer. Society of Civil Engineering, vol 83, Nº 4, pp. 1-25. USA
KITE, G. W.; 1985. Frequency and Risk Analyses in Hydrology. 3ª ed. Water Res. Publ.
Littleton, USA.
LUCERO, O. A.; 1998. Invariance of the Design Storm in a region under a Ranifall
Climate Change in Northern Córdoba (Argentina). Intern. Symp. on Hydrology in a
Changing Environment, Exceter, United Kingdom.
MEYER, A. F.; 1917. The Elements of Hydrology. John. Wiley y Sons. Boston, USA.
MEYER, A. F.; 1928. The Elements of Hydrology. 2ª Edición. John Wiley y Sons.
Boston, U SA.
NERC (National Environment Research Council); 1975. Floods Estudies Report. Vol.
1. London
PFASFTETTER, O.; 1957. Chuvas Intensas no Brasil. DNOS. 419 p. Río de Janeiro.
PILGRIM, D.; I. CORDERY; 1975. Rainfall Temporal Patterns for Desing Flood.
Journal of Hydraulics Division. Amer. Society of Civil Engineering, Vol 101, Nº Hy1,
81-95. USA.
REICH, B. M.; 1963. Short Duration Rainfall Intensity Estimates and Other Design
Aids for Regions of Parse Data. Journal of Hydrology. Vol.1. N° 1.
220 Lluvias de Diseño. Conceptos, Técnicas y Experiencias
SCS-USDA; 1976. Earth Dams and Reservoirs. Technical Release N° 60. Washington,
USA.
SCS-USDA; 1986. Urban Hydrology for small watersheds. Technical Release N° 55.
Washington, USA
THE INSTITUTE OF ENGINEERS; 1977. Flood Analysis and Design, Capítulo 7 en:
Australian Rainfall and Runoff. Australia.
WIESNER, J. C.; 1970. Hydrometeorology. Edit. Chapman & Hall Ltd. London, UK.
WMO; 1983. Guide to Hydrological Practices, Vol. II, Analysis, Forecasting and
Other Applications. World Meteorological Organization, Nº 168, Geneva, Schweiz.
YEVJEVICH, V.; 1972. Probability and Statistics in Hydrology. Water Resources Publ.
Fort Collins, USA.
ZANAZZI, J. L.; 1985. Hidrología Estocástica. Informe Final Beca CONICET. Inédito.
CIRSA-INA. Villa Carlos Paz, Argentina.