Presentación Hidrologia Postgrados

Hidrologa
Universidad Manuela Beltrn
John Camilo Barrios Romero IA-IC-Esp-MSc
Escuela de Posgrados
Definicin e historia de la hidrologa

La hidrologa proviene de las races hidro y loga que pueden expresarse como el estudio del agua o
de las aguas. Sin embargo una de las definiciones ms completas ha sido la suministrada por el
ingeniero Chino Ven Te Chow fundador y editor en jefe de Handbook of Applied Hidrology (1964),
quien dijo que la hidrologa es la ciencia que estudia el agua en cuanto a su origen, distribucin y
circulacin sobre la superficie terrestre, teniendo en cuenta sus propiedades, fsicas, qumicas y su
relacin con el medio ambiente.
En la era moderna varios cientficos aportaron sus teoras para la consolidacin de lo que hoy
conocemos como hidrologa. Entre ellos tenemos: Dalton en 1802 describi un principio para la
evaporacin; Hagen y Poiseuille en 1839, describieron una teora para el flujo laminar; Darcy en
1856 presento su ecuacin para el flujo en medios porosos; Manning (1891) present su ecuacin
para el flujo en canales abiertos; Hazen en 1914 introdujo el anlisis de frecuencia para los mximos
de una creciente; Horton en 1933 desarrollo una aproximacin a la infiltracin y en 1945 present
su descripcin de las cuencas de drenaje (ndices de Horton) y finalmente en 1941 Gumbel propuso
la ley de valor extremo para estudios hidrolgicos. Todas estas teoras independientes ayudaron a
consolidar la naciente ciencia de la hidrologa hasta que a mediados del siglo XX (70s) alcanz un
reconocimiento definitivo como disciplina.
Distribucin del agua en la Tierra
El clima
El clima es el conjunto fluctuante de las condiciones atmosfricas,
caracterizado por los estados y evoluciones del estado del tiempo,
durante un periodo de tiempo y un lugar o regin dados, y controlado
por los denominados factores forzantes, factores determinantes y por
la interaccin entre los diferentes componentes del denominado
sistema climtico (atmsfera, hidrosfera, litosfera, crisfera, biosfera y
antropsfera).
John Camilo Barrios Romero IA-IC-MSc
Tipos de estaciones
Estacin Pluviomtrica (PM): Es una estacin meteorolgica dotada de un pluvimetro o recipiente que permite medir la cantidad de lluvia cada entre dos observaciones
consecutivas.
Estacin Pluviogrfica (PG): Registra en forma mecnica y continua la precipitacin, en una grfica que permite conocer la cantidad, duracin, intensidad y periodo en que
ha ocurrido la lluvia. Actualmente se utilizan los fluvigrafos de registro diario.
Estacin Climatolgica Principal (CP): Es aquella en la cual se hacen observaciones de visibilidad, tiempo atmosfrico presente, cantidad, tipo y altura de las nubes, estado
del suelo, precipitacin, temperatura del aire, humedad, viento, radiacin solar, brillo solar, evaporacin y fenmenos especiales. Gran parte de estos parmetros se
obtienen de instrumentos registradores. Por lo general se efectan tres observaciones diarias.
Estacin Climatolgica Ordinaria (CO): Este tipo de estaciones poseen obligatoriamente un pluvimetro, fluvigrafo y psicrmetro. Es decir, miden lluvias y temperaturas
extremas e instantneas.
Estacin Sinptica Principal (SP): En este tipo de estacin se efectan observaciones de los principales elementos meteorolgicos en horas convenidas
internacionalmente. Los datos se toman horariamente y corresponden a nubosidad, direccin y velocidad de los vientos, presin atmosfrica, temperatura del aire, tipo y
altura de las nubes, visibilidad, fenmenos especiales, caractersticas de humedad, precipitacin, temperaturas extremas, capas significativas de nubes, recorrido del
viento y secuencia de los fenmenos atmosfricos. Esta informacin se codifica y se intercambia a travs de los centros mundiales, con el fi n de alimentar los modelos
globales y locales de pronstico y para el servicio de la aviacin.
Estacin Sinptica Secundaria (SS): Al igual que en la estacin anterior, las observaciones se realizan a horas convenidas internacionalmente y los datos corresponden
comnmente a visibilidad, fenmenos especiales, tiempo atmosfrico, nubosidad, estado del suelo, precipitacin, temperatura del aire, humedad del aire y viento.
Estacin Agro meteorolgica (AM): En esta estacin se realizan observaciones meteorolgicas y otras observaciones que ayudan a determinar las relaciones entre el
clima, por una parte, y la vida de las plantas y los animales, por la otra. Incluye el mismo programa de observaciones de la estacin CP, ms registros de temperatura a
varias profundidades (hasta un metro) y en la capa cercana al suelo (0, 10 y 20 cm sobre el suelo).
Estacin de Radiosonda (RS): La estacin de radiosonda tiene por finalidad la observacin de temperaturas, presin, humedad y viento en las capas altas de la atmsfera
(tropsfera y baja estratsfera), mediante el rastreo, por medios electrnicos o de radar, de la trayectoria de un globo meteorolgico que asciende libremente.
Estacin Mareogrfica (MM): Estaciones para observacin del estado del mar. Mide nivel, temperatura y salinidad de las aguas marinas. Se incluyen en la categora de
estaciones meteorolgicas especiales.
Tipo de instrumental por categora de estacin.
Instrumentos Climatolgicos
Instrumentos Climatolgicos
Mediciones en tiempo real

1.Niveles del rio Bogot:
http://www.acueducto.com.co.
2. Cartas climatolgicas medias mensuales.
http://bart.ideam.gov.co/cliciu/graficas.htm
3. Informacin climatolgica
http://190.27.249.245/
Distribucin espacial de variables climatolgicas
Distribucin espacial de variables climatolgicas
Kriging
Cuencas Hidrogrficas
Cuenca Hidrogrfica
Una cuenca Hidrogrfica es un
rea topogrficamente, drenada
por un curso de agua o un sistema
conectado de cursos de agua, tal
que todo el caudal efluente es
descargado a travs de una salida
simple.
rea de la cuenca
rea de la cuenca
Drenaje de la cuenca
Drenaje de la cuenca
Factor de Forma (Kf)
Coeficiente de Compacidad (Kc)
ndice de Alargamiento (Ia)
Curva Hipsomtrica
Tomado de: http://documentacion.ideam.gov.co/openbiblio/bvirtual/022655/MEMORIASMAPAZONIFICACIONHIDROGRAFICA.pdf

Ejercicio
PARMETRO
MORFOMTRICO
Calcular
los
parmetros
Morfomtricos de la cuenca X
donde esta cuenta con la siguiente
informacin:
rea: 15.14 km^2
Perimetro:16467.07 m
FORMULA
VARIABLES
D= Densidad de drenaje
Li = Suma de longitudes de cursos integrados
A= rea de la cuenca en km
Densidad
Tiempo de
Concentracin (Tc)
ndice de
Alargamiento
L
tc 0.066 0.50
So
0.77
Tc: Tiempo de Concentracin (horas)

L: Longitud del Cause Principal (kilmetros)
So: la pendiente promedio (m/m)
Ia=ndice de Alargamiento
La= Longitud Axial
Ap= Ancho promedio
Coeficiente de
Compacidad (Kc)
Kc: Coeficiente de compacidad

P: Permetro de la cuenca.
A: rea de la cuenca
Factor de Forma
(Kf)
Kf: Factor de forma

Ap: Ancho promedio
La: longitud axial
Pendiente Media
de los Cauces (Pm)
Pm: Pendiente media

Hmax: Cota Mxima
Hmin: Cota Mnima
L: Longitud del Cauce
Estadstica
Temas a tratar
Introduccin a la estadstica
Exactitud de las mediciones
Anlisis de distribuciones de probabilidad en Hidrologa
Anlisis de consistencia
Anlisis de homogeneidad
Prueba de aleatoriedad
Prueba de Homogeneidad
Ajustes de funciones de distribuciones a las series de tiempo de las variables hidrolgicas
Pruebas para verificacin de ajustes.
Anlisis de consistencia de las series de datos hidroclimaticos
Anlisis de correlacin microclimaticas
Identificacin de valores atpicos
Introduccin a la estadstica:
Extraer la informacin esencial de una muestra de datos, para determinar las
caractersticas y el comportamiento de la poblacin.
Las caractersticas estadsticas bsicas se calculan como el valor esperado (E) de
alguna funcin de una v.a.
Valor esperado de una funcin g(x) de una v.a. x se define como:
Eg ( x)
Donde:
g (u ) f
(u )du
fx(u): Funcin de distribucin de probabilidades (fdp) de la variable x.

Parmetros Estadsticos
Media, : Valor esperado de la variable. Es el primer momento con respecto al origen. Es una medida de la
tendencia central de la distribucin.
E(x) = =
2:
Estimacin muestral:
f(x)dx
1 n
x xi
n i 1
Varianza,
Mide la variabilidad de los datos, dispersin de los mismos alrededor de la media. Es el
segundo momento con respecto a la media.
Estimacin muestral:
E[(x - ) ] = =
2
(x - )
f(x)dx
n
1
2
=
(
x
)
S
xi
n - 1 i =1
2
Desviacin estandar, : Es una medida de la variabilidad con las mismas

dimensiones de x. Es la raz cuadrada de la varianza.
E[(x - ) ]
2
1/2
1/ 2
= =
(x
f(x)dx
)
Estimacin muestral:
1
2
S=
(
x
)
xi
n
1
i =1
1/ 2
Coeficiente de variacon, CV: Esta definido por la relacin de la desviacin estandar y

la media. Medida ademensional de la variabilidad.
CV =
Estimacin muestral:
S
CV
x
Coeficiente de asimetra, :
E x -
n ( xi x) 3
i 1
e
=
s
Estimacin muestral:
(n 1)( n 2) S 3
Caractersticas principales
Asimetra: La distribucin de los valores de una distribucin alrededor de la media.
Tercer momento alrededor de la media.
E[(x-
3
)]=
(x-
3
) f(x)dx
La asimetra se hace adimensional dividiendo la anterior ecuacin por 3, se obtiene

el coeficiente de asimetra .
Exactitud de las mediciones

Los valores reales de los elementos hidrolgicos y climticos no se pueden
determinar por medicin por que los errores de medicin no se pueden
eliminar complemente.
Trminos relacionados con la exactitud
Exactitud
Correccin
Error
Histresis (del instrumento)
Medicin
Distribucin normal
Precisin
Error Aleatorio
Rango
Medicin de referencia
Repetitividad
Reproducibilidad
Resolucin
Valor Falso
Desviacin Tpica
Error tpico de estimacin
Error sistemtico
Tolerancia
Valor verdadero
Incertidumbre
Explicacin de los errores
Fuente: Gua de practicas hidrolgicas, WMO, 2006

Fuentes de error
Algunas fuentes tpicas de error son:
Error del punto de referencia o del cero que proviene de la determinacin incorrecta del punto de referencia de un instrumento.
Error de lectura que resulta incorrecta de lo indicado por el instrumento de medicin.
Error de interpolacin causado por la evaluacin inexacta de la posicin del ndice con respecto a las dos marcas consecutivas de la escala entre
las cuales esta situado el ndice.
Error de observacin.
Histresis.
Error de no linealidad, parte del error por el cual un cambio de indicacin o de respuesta no es proporcional al cambio correspondiente del valor
de la magnitud medida en un rango determinado.
Error de insensibilidad, se produce cuando el instrumento do puede detectar un cambio dado en el elemento medido.
Error de desviacin, se debe a las caractersticas del instrumento en el que, con el tiempo y en condiciones de uso particular, cambian las
propiedades de medicin.
Error de inestabilidad, resulta de la incapacidad de un instrumento para mantener constantes ciertas propiedades meteorolgicas especificas.
Error fuera de rango causado por el uso del instrumento mas all del alcance de medicin efectiva, inferior al mnimo o superior al mximo valor
para el que se ha construido, ajustado o instalado el instrumento.
Error de exactitud causado por el uso inadecuado de un instrumento, cuando el error mnimo es mayor que la tolerancia para la medicin.
Exactitud recomendada (niveles de incertidumbre) expresada al 95% del

intervalo de confianza.
Fuente: Gua de practicas hidrolgicas, WMO, 2006

Anlisis de distribuciones de probabilidad en

Hidrologa
El anlisis de frecuencia es un procedimiento para estimar la
frecuencia de ocurrencia o probabilidad de ocurrencia de eventos
pasados o futuros. El anlisis de frecuencias de datos hidrolgicos
requiere que los datos sean homogneos e independientes.
Los diferentes tipos de distribucin empleados en la hidrologa son:
Distribuciones discretas.
Distribuciones continuas.
Distribuciones de Probabilidad
Distribuciones discretas
Distribucin Binomial
Distribucin Poisson
Distribucin Geomtrica
Distribuciones continuas
Distribucin Exponencial
Distribucin Normal
Distribucin Log Normal
Distribucin Gamma
Distribucin Log Pearson tipo III
Distribucin General de Valor Extremo
DISTRIBICIONES DE PROBABILIDAD
DISCRETA
Distribucin Binomial
Un ejemplo de los ensayos de Bernoulli es lanzar una moneda. Los ensayos
operan bajo tres condiciones:
1.
2.
3.
Cualquier ensayo solo puede tener uno o dos posibles resultados, xito o
falla, llueve o no llueve.
Ensayos sucesivos son independientes.
Las probabilidades son constantes.
Bajo estas tres condiciones la probabilidad de x xitos en n ensayos, est
dada por la distribucin Binomial como:
n x n x
p ( x) p q
x
Donde:
n Es el nmero de combinaciones de n eventos tomando x a

x la vez.
n!
n

x x!(n x)!
p es la probabilidad de ocurrencia de un evento, por ejemplo la probabilidad
de xito en lanzar una moneda, q es la probabilidad de falla.
q 1 p
x es la variable o el nmero de ensayos con xito.
Ejemplo: Distribucin Binomial

Suponga que una presa tiene una vida til de 50 aos y se desea evaluar la
probabilidad que una inundacin, con un periodo de retorno de 100 aos,
ocurra una vez durante la vida til de la presa.
p 1 / T 0.01
q 1 p 0.99
x 1
n 50
50 1
49
p(1) 0.1 0.99 0.306
1
Por lo tanto, es alrededor de 31% de probabilidad que un evento de tal

magnitud pueda ocurrir una vez en la vida til de la presa
Distribucin Poisson
Una expansin binomial es un pequeo inconveniente para calcular nmeros
grandes.
P es pequeo (p < 0.1)

n es grande (n > 30)
La media np es constante.
p 0, q 1, n
( p q ) n e e e e
2 e
2!
.....
Esta es conocido como la expansin Poissonx y es

generalmente escrita como:
p( x)
x!
Donde:
= np es la media.
La distribucin binomial finita
puede ser aproximada por la
distribucin Poisson infinita, siempre que se apliquen las
siguientes 4 condiciones:
1.
Nmero de eventos es discreto
2.
Dos eventos no pueden coincidir
3.
La media del nmero de eventos en el tiempo es constante
4.
Los eventos son independientes
Ejemplo: Distribucin Poisson

Tomando el ejemplo anterior, la probabilidad que una inundacin con
periodo de retorno de 100 aos pueda ocurrir una vez en 50 aos ser:
1 0.5
0 .5 e
p (1)
1!
0.303
Comparado con el resultado de la distribucin binomial, p(1) = 0.306, es

similar.
Distribucin Geomtrica
RECORDANDO:
En una secuencia de Bernoulli, el nmero de ensayos hasta que un evento especfico ocurra
por primera vez es modelado por la distribucin geomtrica.
xito ensayo t + n
Falla ensayo t 1
Si T v.a. apropiada:
P(T t ) pqT 1
t 1, 2, ....
Periodo de retorno Tiempo de recurrencia promedio para que un evento de cierta

magnitud sea igualado o excedido.
DISTRIBICIONES DE PROBABILIDAD
CONTINUA
Distribucin Exponencial
Consideraciones:
Proceso de eventos aleatorios (los parmetros no cambian con el
tiempo).
No es posible tener mas de un evento en cualquier instante.
Descripcin de un proceso Poisson.
La v.a. t representa el tiempo entre tormentas.
Funcin de Densidad:
La media es:
La varianza es:
f (t ) e t ,
t0
E (t ) 1 /
2 (t ) 1 / 2
La funcin de distribucin acumulada es:F (t )

e t d 1 e t
Ejemplo: Distribucin exponencial

En un ao en un sitio determinado ocurren 110 tormentas independientes con
una duracin promedio (todas) de 5.3 h. El intervalo entre tormentas es:
8760 110 5.3

74.3h
110
= 1/ = 1/74.3 = 0.0135 h-1
a) Cul es la probabilidad de que pasen al menos 4 das (96 h) entre tormentas?

P(t 96) =1- F(96)
96
F (96) e t dt 1 e t
0
P(t 96) 1 1 e t e 0.0135*96 0.27

b) Cual es la probabilidad de que el tiempo entre dos tormentas sea

exactamente 12 horas?
P(t = 12)= 0
intervalo es cero.
la probabilidad que una V.A continua valga cero en un
c) Cual es la probabilidad que la separacin entre 2 tormentas sea menor o

igual que 12 h?
Distribucin Log Normal

En general, cuando la variable aleatoria X es el producto de un gran nmero de
otras variables aleatorias, la distribucin de los logaritmos de X puede
aproximarse a la Normal, ya que los logaritmos de X son la suma de los

logaritmos de los factores contribuyentes.
Si se tiene una variable aleatoria X y ln X = Y, se ajusta a una distribucin
Normal, se dice que la variable aleatoria X es log normalmente distribuida.
Funcin de Distribucin de Probabilidad
Asumiendo Y = loga (X)

1
1
y
f(x) =
exp 2
2
y x 2
Parmetros y Factor de frecuencia

Media (Parmetro de escala)
Desviacin estandar (Parmetro de forma)
Estimacin de parmetros: Mtodo de los momentos
1
loga (X i )
N i1
N
12
1 N
2
log
(
X
)
Y
Y
a
i
N
i1
lnX T = y + K yK es la misma de la distribucin normal
Si se quiere trabajar con la variable no transformada en el campo

logartmico se tiene que:
ln1 + Cv 2
2 1/2
exp K T ln1 + Cv -
- 1
2
K=
Cv
-1
K T = F u 1
F u 1
Tr
Es el inverso de la funcin de distribucin Normal

estandarizada acumulada y Cv es el coeficiente
de variacin
Intervalos de confianza
: Nivel de confianza o significancia
ST: Error estndar
lnX T u1- 2 S T
Y
ST =
N
1/2
K
= 1 + T
2
Ejemplo: Distribucin Log Normal

La media y desviacin estndar de los Qmax anuales de la estacin del ro
Nare son:
=94.35 m3/s y =22.45 m3/s
Y=4.52 y Y=0.2337
Hallar el QTR=100 si los Qmax tienen una distribucin Log Normal.
K=2.326
QY Tr=100=4.52+2.326*0.237
QTr=100=159 m3/s
Intervalos de Confianza: Ln(QTR=100) 95ST

Es un intervalo de dos colas, con una probabilidad en cada una de 5%
=1.92
Y
ST =
N
K
T
= 1 +
2
1/2
ST=0.075
5.0711.6*0.075
4.94 QY 5.14
139159 170 m3/s
Distribucin Gamma (2 Parmetros)

Una de las mas usadas en Hidrologa.
Crecientes mximas anuales
Caudales mnimos
-1
1
x -x
f(x) =
e
| | ( )
Volmenes de flujo anuales y estacionales

Valores de precipitaciones extremas
Volmenes de lluvia de corta duracin
Tiene 2 3 parmetros (Pearson Tipo III).
Parmetros y Factor de frecuencia

(Parmetro de escala)
() = z-1 e-z dz
> 0 (Parmetro de forma)

() es la funcin Gamma completa
Estimacin de parmetros: Mtodo de los momentos
=
2 = 2
1
=
v2
C
1 3
1
2
2
K K T + (K t 1) + (K T 6K T ) (K T 1) + K T
6 3
6
6
6 36
Distribucin Gamma (3 Parmetros)

Funcin de distribucin de probabilidad
-1
1
x - xo
x - xo
f(x) =
exp
| | ()

Funcin de densidad acumulada
1
P ( X x)
( )
X x x0

x x0
dx
Parmetros
y , parmetros de escala y forma respectivamente.
xo parmetro de localizacin.
() = z-1 e-z dz
0
Parmetros e Intervalos de confianza (Funcin Gamma)

Estimacin de Parmetros: Mtodo de los momentos
2
=
0 =
Que tan cercano puede estar el estimado al verdadero valor desconocido

de la poblacin: Conocer con cierta certeza. Franja grande: mucha
incertidumbre.
X T u1 2 ST
: Nivel de confianza o nivel de probabilidad
ST: Error estndar
ST =
Tabla Factor de frecuencia

Pearson tipo III
Valores de para la Distribucin Gamma Pearson tipo III
Ejemplo: Distribucin Gamma

Hallar el QTR=100. Si la distribucin de los caudales de la estacin de Nare es
Gamma.
= 94.35 m3/s y = 22.45 m3/s, = 0.845

Y = 4.52 y Y = 0.2337, Y = 0.0069
De tabla:
K = 2.32
QTR=100 = 94.35 + 2.32*22.45 = 146.4
Intervalos de confianza:
XT u1 2 ST
De tabla =4.7, N= 36 datos.
ST
N
De tabla 95=1.6
ST = 17.6
146,4 1.6*17.6
146.4 28.16 m3/s
Distribucin Log Pearson Tipo III

Funcin de distribucin de probabilidad
1
ln(x) - y o
f x (x) =
x ()
-1
ln (x)- y o
-
Parmetros
y , parmetros de escala y forma

y yo parmetro de localizacin
Estimacin de Parmetros
Mtodo de los momentos

y
=
y
2
y0
y
Factor de Frecuencia:
Y T = ln X T =
y + K
y
Intervalos de Confianza: Que tan cercano puede estar el estimado al
verdadero valor desconocido de la poblacin: Conocer con cierta certeza.
Franja grande: mucha incertidumbre.
X T u1- 2 ST
ST: Error estndar
ST =
N
ln XT 1 / 2S T
Distribucin General de Valor Extremo

Los valores extremos son valores mximos y mnimos seleccionados de un
conjuntos de datos.
Las distribuciones de valores extremos seleccionados de conjuntos de
muestras de cualquier distribucin de probabilidad convergen en una de las
tres formas de distribucin de valor extremo, llamadas:
Tipo I: Gumbel, g=1.14
Tipo II: Frechet g<=1.14
Tipo III: Weibull g>=1.14
Funcin de Distribucin de probabilidad para la GEV
1/

x
F(x) = exp - 1 -

Donde:
, y son parmetros que deben ser determinados.
Los tres casos limitantes son:
1.
= 0 Distribucin de Valor Extremo Tipo I (Gumbel)
x-
x -
f(x) = exp - exp
Rango:
Estimacin de parmetros:
- x
x 0.5772
2. < 0 Distribucin de Valor Extremo Tipo II (Frechet)
Rango:
1/

x
f(x) = exp - 1 -

( / ) x
3. > 0 Distribucin de Valor Extremo Tipo III

(Weibull)
1/
f(x) = exp - 1 -
Rango:
x ( / )
Distribucin Gumbel
La fda y el factor de frecuencias es:
x
F(x) exp - exp
x

K=-
0.577 + ln ln Tr - ln Tr - 1
Intervalos de confianza: Que tan cercano puede estar el estimado al

valor verdadero desconocido de la poblacin.
X T u1- 2 ST

ST: Error estndar
ST =
= 1 + 1.1396K + 1.1 K 2
1/2
Ejemplo: Distribucin Gumbel

Si los caudales de la estacin del ro Nare tienen
una distribucin Gumbel:
QTr 95ST
K 100
0.577 lnlnT R
ln(T R 1)
KTr=100 = 3.13
QTr 100 K
QTr 100 94.35 3.13 22.45 164 .77
Intervalos de confianza:
Ejemplo: Distribucin Gumbel

ST =
= 1 + 1.1396K + 1.1 K 2
1/2
= 3.91
ST = 14.62
QTR 1.6*14.62
141.4 164.77 188.17 m3/s
Anlisis de consistencia
La informacin obtenida de las estaciones, pueden dar lugar a un
cierto numero de errores, los cuales pueden ser:
Errores de observacin
Errores de trascripcin y calculo
Errores de copia
Errores de impresin
Con el fin de determinar la consistencia de los datos, se hace un
anlisis de doble masa.
Anlisis de doble masas

Es el mtodo utilizado para verificar la homogeneidad de los datos
en una estacin pluviomtrica. Se quiere comprobar con esto si
hubo alguna anormalidad en la estacin pluviomtrica durante
algn periodo.
Precipitacin Anual Acumulada
Estacin x ( )
Precipitacin Anual Acumulada (mm)

Promedio de Estaciones de la Regin ( )
En el caso de que no haya cambio en la pendiente de la lnea, la estacin x es homognea

en sus datos de precipitacin.
=1
=
=1
En el periodo a
k = numero de aos en el periodo a
=1
=
=1
En el periodo o
L = numero de aos en el periodo o
En caso de cambio en la pendiente, no existe homogeneidad

=
Paj: observaciones de precipitacin ajustadas a las condiciones actuales de la
localizacin, exposicin o mtodo de observacin del puesto pluviomtrico.
Po: datos observados que deben ser corregidos
Ma: pendiente de la recta durante el periodo correcto de toma de datos.
Mo: pendiente de la recta en el periodo en que se hicieron las observaciones de Po
Para dibujar Figura x, se construye un cuadro de la siguiente

manera:
(3) (mm)
(4) (mm)
(5) (mm)
(1) Ao i
(2) (mm)
+ +
+ +
+ +.+
+ ++
1
=

=1
n: Numero de estaciones de la regin

Pj: precipitacin de la estacin j de la regin
considerada homognea.
m: nmero total de aos considerados
Para graficar la Figura x se grafican las parejas
de puntos de las columnas (4) y (5)
Figura x
Datos faltantes
Existen estaciones pluviomtricas con datos faltantes en sus registros, dado
que en hidrologa se trabaja con series continuas, se deben completar dichos
datos faltantes
= 1 1 1 + 2 2 +. . +
n: numero de estaciones pluviomtricas con datos de registros continuos
cercanas a la estacin x, la cual va a sr completada en su registro.
PX: precipitacin de la estacin x durante el perodo de tiempo para
completar.
P1 a Pn: precipitacin de las estaciones 1 a n durante el periodo de tiempo por
completar.
NX: precipitacin media anual a nivel multianual de la estacin x.
N1 a Nn: precipitacin media anual a nivel multianual de las estaciones de 1 a
n.
Pruebas de Ajuste
Para determinar que tan adecuado es el ajuste de los datos a una
distribucin de probabilidades se han propuesto una serie de
pruebas estadsticas que determinan si es adecuado el
ajuste. Estos son anlisis estadsticos y como tal se deben
entender, es decir, no se puede ignorar el significado fsico de los
ajustes.
Prueba Smirnov Kolmogorov

El estadstico Smirnov Kolmogorov D considera la desviacin de la funcin de
distribucin de probabilidades de la muestra P(x) de la funcin de probabilidades
terica, escogida Po(x) tal que .
La prueba requiere que el valor Dn calculado con la expresin anterior sea menor que el valor tabulado Dn
para un nivel de probabilidad requerido.
Esta prueba es fcil de realizar y comprende las siguientes etapas:
El estadstico Dn es la mxima diferencia entre la funcin de distribucin acumulada de la muestra y la
funcin de distribucin acumulada terica escogida.
Se fija el nivel de probabilidad a, valores de 0.05 y 0.01 son los ms usuales.
El valor crtico Da de la prueba debe ser obtenido de tablas en funcin de a y n.
Si el valor calculado Dn es mayor que el Da, la distribucin escogida se debe rechazar.
Prueba Chi Cuadrado

Una medida de las discrepancia entre las frecuencias observadas (fo) y las frecuencias calculadas (fc) por medio
de una distribucin terica esta dada por el estadstico
en donde
si el estadstico =0 significa que las distribuciones terica y emprica ajustan exactamente, mientras que si el estadstico >0,
ellas difieren. La distribucin del estadstico se puede asimilar a una distribucin Chi-cuadrado con (k-n-1)
grados de libertad, donde k es el nmero de intervalos y n es el nmero de los parmetros de la distribucin
terica. La funcin se encuentra tabulada. Supongase que una hiptesis Ho es aceptar que una distribucin
emprica se ajusta a una distribucin Normal. Si el valor calculado de por la ecuacin anterior es mayor que
algn valor crtico de , con niveles de significancia a de 0.05 y 0.01 (el nivel de confianza es 1-a) se puede
decir que las frecuencias observadas difieren significativamente de las frecuencias esperadas (o calculadas) y
entonces la hiptesis Ho se rechaza, si ocurre lo contrario entonces se acepta.
[1] Aunque no existe una definicin generalmente aceptada, se puede entender como valores extremos, muy
superiores a los dems registrados (Ashkar, et al. 1994).
Tormenta de Diseo
Curva de Masa de la Precipitacin
Periodos de retorno.
(Chow, Maidment, & Mays, 1994).

Periodos de retorno.
(Chow,
& Mays, 1994).
John CamiloMaidment,
Barrios Romero IA-IC-MSc
Periodo de Retorno
Riesgo
Tiempo de concentracin
Tiempo para el cual toda la cuenca empieza

a contribuir [] Tiempo de flujo desde el
punto mas alejado hasta la salida de la
cuenca.
(Chow, Maidment, & Mays, 1994).

Tomado de: http://www.invias.gov.co/index.php/documentos-tecnicos

CURVAS IDF
Curvas IDF
Curvas IDF Sintticas
Curvas IDF- Sintticas
(Repblica de Colombia. Ministerio de Transporte. Instituto Nacional de Vas. Subdireccin de apoyo tcnico., 2009)
Probabilidad y Periodo de Retorno
Tormenta de diseo d = Tc
Tormenta de diseo d = Tc
Bloque Alterno
Escorrenta - Infiltracin
Capacidad de Infiltracin (mm/h)
Modelos de Infiltracin
Mtodo del Numero de Curva (CN)
Diez Hernndez, J. M. (2012). Mdulo Escorrenta - Infiltracin. Valladolid, Espaa.

Metodologa SCS - SOIL
Mtodo de Rendimiento Hdrico de reas aferentes.
Oferta Hdrica Neta
ndice de escasez
CATEGORA
RANGO
COLOR
EXPLICACIN
Alto
> 50%
Rojo
Demanda alta
Medio alto
21-50%
Naranja
Demanda apreciable
Medio
11-20%
Amarillo
Demanda baja
Mnimo
1-10%
Verde
Demanda muy baja
No significativo
<1%
Azul
Demanda no
significativa

Presentación Hidrologia Postgrados

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Presentación Hidrologia Postgrados

Transféré par

Droits d'auteur :

Formats disponibles

Hidrologa

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-Esp-MSc

Definicin e historia de la hidrologa

John Camilo Barrios Romero IA-IC-Esp-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-Esp-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-Esp-MSc

Distribucin del agua en la Tierra

Universidad Manuela Beltrn

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

John Camilo Barrios Romero IA-IC-MSc

Tipo de instrumental por categora de estacin.

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Mediciones en tiempo real

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Distribucin espacial de variables climatolgicas

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Distribucin espacial de variables climatolgicas

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Factor de Forma (Kf)

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Coeficiente de Compacidad (Kc)

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

ndice de Alargamiento (Ia)

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn

John Camilo Barrios Romero IA-IC-MSc

Tomado de: http://documentacion.ideam.gov.co/openbiblio/bvirtual/022655/MEMORIASMAPAZONIFICACIONHIDROGRAFICA.pdf

John Camilo Barrios Romero IA-IC-MSc

Universidad Manuela Beltrn