2017 - Ingeniería Del Agua Vol. 21, Núm. 1

Vol.
21
No.1
Revista 2017
Revista INGENIERA del AGUA | VOL. 21 | No. 1 | 2017

Vol. 21 | No. 1 | 2017
CONTENIDOS
1 Estudio de viabilidad de la transformacin parcial de una central de turbinado simple en

reversible: el caso de la central hidrulica de La Barca (Asturias, Espaa)
Antua Yudego, E., lvarez lvarez, E.
35 Cambio climtico y planificacin hidrolgica: es adecuado asumir un porcentaje nico de

reduccin de aportaciones para toda la demarcacin?
Marcos-Garcia, P., Pulido-Velazquez, M.
55 Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin de avenidas en el

tramo medio del ro Ebro
Echeverribar, I, Morales-Hernndez, M., Lacasta, A., Brufau, P., Garca-Navarro, P.
73 Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo hidrogeotxico

(HGT) por altas concentraciones de As en las aguas subterrneas. Aplicacin a la distribucin
de HGT en la provincia de vila (Espaa)
Guardiola-Albert, C., Pardo-Igzquiza, E., Gimnez-Forcada, E.
Revista Ingeniera del Agua | Vol. 21 | No. 1 | 2017
Director
Javier Gonzlez Prez
Universidad de Castilla La Mancha, Espaa
Editor Cientfico
Jernimo Puertas Agudo
Universidade da Corua, Espaa
Subdirectora de Indexacin
Inmaculada Pulido Calvo
Universidad de Huelva, Espaa
Comit Asesor Editorial Internacional
Subdirector de Produccin
Christian Chreties
Ignacio Andrs Domnech
Universidad de la Repblica, Uruguay
Universitat Politcnica de Valncia, Espaa
Rene Chipana Rivera
Presidente del Comit Asesor Editorial Universidad Mayor de San Andrs, Bolivia, Estado Plurinacional de
Juan B Valds Carlos Marcelo Garca
Universidad de Arizona, United States Universidad Nacional de Cordoba, Argentina
Jorge Gironas
Consejo de Gobierno
Pontificia Universidad Catlica de Chile, Chile
Enrique Cabrera Marcet
Daniel A. Nolasco
Universitat Politcnica de Valncia
University of California, Irvine, Argentina
Fundacin para el Fomento de la Ingeniera del Agua, Espaa
Francisco Olivera
Manuel Gmez Valentn
Texas A&M University, United States
Universitat Politcnica de Catalunya
Fundacin para el Fomento de la Ingeniera del Agua, Espaa Alina Consuelo Santa Cruz Bustamante
Universidad de Caen, Baja Normanda, Francia
Jos Roldn Caas
Universidad de Crdoba Jorge Julin Vlez Upegui
Fundacin para el Fomento de la Ingeniera del Agua, Espaa Universidad Nacional de Colombia Sede Manizales, Colombia
Rod Cookson Luis Sebastin Vives
IWA Publishing, United Kingdom Instituto de Hidrologa de Llanuras Dr. Eduardo Usunoff, Argentina
Enrique Cabrera Rochera
Universitat Politcnica de Valncia
IWA Publishing, Espaa
Editado por
Mara Remedios Prez Garca
Fundacin para el Fomento de la Ingeniera del Agua (FFIA).
Area de Ingenieria Hidraulica.
Javier Gonzlez Prez Edificio Leonardo da Vinci, Campus de Rabanales.
Universidad de Castilla-La Mancha, Espaa Universidad de Cordoba,14071 Cordoba, Espaa.
Editores Asociados International Water Association (IWA).

Alliance House.
Eduardo lvarez lvarez,
12 Caxton Street. London SW1H 0QS, United Kingdom.
Universidad de Oviedo, Espaa
Luis Balairn Prez Editorial Universidad Politcnica de Valncia.
Centro de Estudios Hidrogrficos - CEDEX, Espaa Camino de Vera s/n. 46022. Valencia. Espaa.
Ernest Blad Castellet
EISSN | 1886-4996
Universitat Politcnica de Catalunya, Espaa
ISSN | 1134-2196
Eduardo Cassiraga
Universitat Politcnica de Valncia, Espaa Contacto
Oscar Castro Orgaz Ignacio Andrs Domnech
Universidad de Crdoba, Espaa igando@hma.upv.es
Luis Garrote de Marcos Suscripciones (versin impresa)
Universidad Politcnica de Madrid, Espaa Editorial Universitat Politcnica de Valncia
Manuel Gmez Valentn pedidos@editorial.upv.es
Universitat Politcnica de Catalunya,
Fundacin para el Fomento de la Ingeniera del Agua, Espaa Volumen (4 nmeros al ao): 80
Nmero: 20
David Lpez Gmez
Centro de Estudios Hidrogrficos - CEDEX, Espaa Acceso libre (versin electrnica)
Josep Ramon Medina http://polipapers.upv.es/index.php/IA
Francisco Pedocchi Maquetacin
Universidad de la Repblica, Uruguay Enrique Mateo | Triskelion, diseo editorial
Mara Manuela Portela
Universidade de Lisboa, Portugal Esta revista se publica bajo una licencia de Creative Commons
Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.
Leonor Rodrguez Sinobas
Universidad Politcnica de Madrid, Espaa Universitat Politcnica de Valncia
Manuel Pulido Velzquez IWA Publishing
Universitat Politcnica de Valncia, Espaa Fundacin para el Fomento de la Ingeniera del Agua
Ingeniera del Agua | 21.1 | 2017 iii
CONTENIDOS
1 Estudio de viabilidad de la transformacin parcial de una central de turbinado simple en reversible: el caso de la
central hidrulica de La Barca (Asturias, Espaa)
35 Cambio climtico y planificacin hidrolgica: es adecuado asumir un porcentaje nico de reduccin de aportaciones
para toda la demarcacin?
53 Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin de avenidas en el tramo medio del
ro Ebro
Echeverribar, I, Morales-Hernndez, M., Lacasta, A., Brufau, P., Garca-Navarro, P.
71 Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo hidrogeotxico (HGT) por
altas concentraciones de As en las aguas subterrneas. Aplicacin a la distribucin de HGT en la provincia de
vila (Espaa)
2017, IWA Publishing, Editorial Universitat Politcnica de Valncia, FFIA

Ingeniera del Agua | 21.1 | 2017 Antua Yudego y lvarez lvarez | Estudio de viabilidad de la transformacin parcial de una central de turbinado [] 1
Estudio de viabilidad de la transformacin parcial de una central de

turbinado simple en reversible: el caso de la central hidrulica de La Barca
(Asturias, Espaa)
Feasibility study for the partial conversion of a hydropower plant into a pumped-storage
power plant: a case study of hydroelectric power plant La Barca (Asturias, Spain)
Antua Yudego, E.a1, lvarez lvarez, E.a2

rea de Ingeniera Hidrulica, Departamento de Energa, Escuela Politcnica de Mieres. Universidad de Oviedo C/ Gonzalo Gutirrez Quirs s/n.
a
33600-Mieres, Asturias (Espaa).

E-mail: a1 uo224065@uniovi.es, a2 edualvarez@uniovi.es
Recibido: 14/04/2016 Aceptado: 10/01/2017 Publicado: 31/01/2017
RESUMEN
Las fuentes de energa renovables han registrado en los ltimos aos un aumento de la potencia instalada a nivel mundial sin
precedentes. Frente a las ventajas que ofrecen se debe considerar un importante inconveniente: la intermitencia e irregularidad de
los recursos renovables. En este escenario resurgen las centrales hidrulicas reversibles, como una forma eficaz de almacenamiento
de excedentes energticos que permite adecuar en cada momento la curva de oferta a la demanda del sistema. En el presente
trabajo se realiza un estudio de viabilidad simplificado de la transformacin parcial de la central hidroelctrica de La Barca, en
Asturias, al modo reversible mediante la creacin de un algoritmo que simula su operacin en funcin de los precios del mercado,
considerando la participacin en el mercado de gestin de desvos. Para su conversin se indica brevemente las modificaciones
tcnicas requeridas. Los resultados de beneficios estimados para la misma apuntan finalmente a la viabilidad positiva del proyecto.
Palabras clave | central hidroelctrica reversible; mercado diario; gestin de desvos; viabilidad econmica; bombeo; turbinado.
ABSTRACT
Renewable energy sources have reported an unprecedented increase of global installed renewable power capacity. Against the
advantages provided by this renewable power generation technology it should be taken into account an important issue: these
intermittent energy sources supply a fluctuating output which is difficult to manage. Pumped-storage hydro power plants reappear in
these circumstances as an efficient form of energy storage which allows to use reserves when necessary, enabling power generation
output to cover continuously this energy demand. The present paper shows a simplified feasibility study of the partial conversion of
hydropower plant La Barca, in Asturias, into a reversible storage through the development of an algorithm to simulate its operation
according to electricity market prices. For this purpose, the operation in the deviation management market is considered and the
technical modifications required for the conversion are shown. The estimation of costs and incomes present a feasible scenario.
Key words | pumped-storage power plants; daily market; deviation management; economic feasibility; pumping; turbining.
Doi:10.4995/Ia.2017.5277 EISSN: 1886-4996 ISSN: 1134-2196

2 Antua Yudego y lvarez lvarez | Estudio de viabilidad de la transformacin parcial de una central de turbinado [] Ingeniera del Agua | 21.1 | 2017
INTRODUCCIN
Las centrales hidroelctricas reversibles constituyen una de las formas ms eficientes de almacenamiento de energa en todo
el mundo. Estas centrales surgieron en Espaa en la dcada de los sesenta como una forma de aprovechamiento de los excedentes
nocturnos de la energa producida en centrales nucleares y trmicas ante la dificultad de regulacin de carga por parte de las mismas.
En la actualidad, retoman un relevante papel en el sistema de produccin elctrico debido al desarrollo de las energas renovables,
especialmente la elica, cuyo carcter intermitente puede producir excedentes energticos a cualquier hora del da. Las respuestas
al aumento de las energas renovables han incluido un mayor nfasis en centrales de bombeo e integracin de energa hidrulica con
solar y elica (Renewable Energy Policy Network for the 21st Century).
La particularidad tcnica que presentan respecto a las hidroelctricas convencionales es la utilizacin de grupos turbobomba
reversibles (aunque pueden presentar dos equipos distintos independientes) que permite alternativamente turbinar o bombear agua
entre dos embalses situados a distintas cotas. La central, que se ubica por tanto entre los dos embalses, realiza el trasiego de
volmenes de agua al efecto de almacenamiento durante un periodo de baja demanda energtica para posteriormente generar
energa mediante turbinado en las horas punta de demanda (Koohi-Kamali etal., 2012).
Este tipo de centrales est experimentando un importante crecimiento a nivel mundial, con un incremento de la capacidad
instalada a travs de numerosos proyectos en ejecucin o ya finalizados. El crecimiento ha sido especialmente notable en pases de
Europa, Asia y Norteamrica.
En Estados Unidos la implementacin de la energa elica y fotovoltaica ha trado consigo nuevas plantas de bombeo
por primera vez en 20 aos debido al carcter intermitente de las primeras que genera una importante necesidad de regulacin.
Un ejemplo es la central reversible de Olivenhain-Hodges que entr en funcionamiento en septiembre de 2012 y cuenta con una
capacidad de 40 MW (Yang y Jackson, 2010).
En algunos pases europeos como Alemania se est produciendo una situacin similar. El auge de la energa elica y
aumento de la demanda energtica ha trado consigo la construccin de nuevas centrales de bombeo. Entre ellas se encuentra la
central de Goldisthal en Thuringia que, con una capacidad instalada de 1060 MW, constituye la mayor del pas (Deane etal., 2009).
Algunos estudios apuntan tambin hacia la utilidad de este sistema de almacenamiento energtico para zonas remotas del
planeta donde se han dispuesto plantas de energa fotovoltaica cuyas bateras son difciles de mantener y gestionar debido a su
complicada ubicacin. La isla de Donoussa en Grecia constituye un ejemplo de dicha aplicacin mediante la instalacin de una mini
central reversible de 7.5 MW (Manolakos etal., 2002).
En Espaa destaca principalmente el complejo hidrulico Cortes-La Muela, por constituir el mayor sistema europeo de
bombeo de agua y uno de los mayores proyectos hidroelctricos de Iberdrola en Espaa. Est formado por el salto de CortesII
(1989) y la reciente ampliacin mediante incorporacin del salto de bombeo de La Muela (2013). La central cuenta con tres grupos
reversibles turbina-bomba que presentan una potencia de 630 MW en turbinado y de 540 MW en bombeo. Otros ejemplos de
aprovechamientos reversibles destacables en Espaa son: la central Tajo de la Encantada sobre el ro Guadalhorce (1977), que
cuenta con una potencia de 360MW; Estany-Gento Sallente sobre el ro Flamisell en Lrida (1985), con 468MW de potencia;
la central de Villarino ubicada en Salamanca sobre el ro Tormes que cuenta con unos grupos turbina-alternador reversibles y una
potencia de 857MW; la central de Aguayo (1982) situada en Cantabria con una potencia de 360MW y la central de Tanes-Rioseco
en Asturias (1978), con una potencia de 123MW.
Otro ejemplo destacado desde el punto de vista de la gestin de las energas limpias es el proyecto de la central hidroelica
de la isla de El Hierro que permite el autoabastecimiento por completo de su demanda energtica en das de abundante recurso
elico. Esta instalacin fue puesta en funcionamiento en 2014 e integra un parque elico, un grupo de bombeo y una central
hidroelctrica (Godina, etal., 2015).
Los aprovechamientos hidroelctricos reversibles proporcionan por tanto una elevada calidad y garanta al suministro de
energa elctrica, facilitando el seguimiento de la curva de carga, es decir, de las variaciones de la demanda. En Espaa, este servicio
lo realizan a travs de un proceso gestionado por el Operador del Sistema (OS): la gestin de los desvos. Este mecanismo se utiliza
2017, IWA Publishing, Editorial UPV, FFIA

para resolver desequilibrios entre la oferta y la demanda que puedan identificarse unas pocas horas antes del despacho de la energa.
Los productores de energa elctrica comunican al OS las previsiones de desvos en la produccin respecto a lo programado
inicialmente de forma que pueda comprobar si el programa de generacin cumple los requerimientos energticos previstos. En caso
de que no los cumpla se convoca el mercado de gestin de desvos para solicitar ofertas a los generadores en el sentido opuesto a
los desvos previstos en el sistema (BOE 13/11/02). Si el programa de generacin existente resulta escaso para cubrir la demanda,
se piden ofertas de mayor produccin con un precio de venta de energa bonificado. En caso contrario, si la generacin prevista es
superior a la demanda se puede solicitar el bombeo u ofertar energa a bajar con un precio de compra significativamente reducido.
Estos mercados permiten mejorar notablemente los beneficios de una central reversible acentuando el margen del proceso, es decir,
la diferencia entre los ingresos por venta y los gastos por compra de energa.
Frente a este mercado de gestin se encuentran los precios del mercado diario en los que opera una central hidrulica
convencional. En este mercado los mximos precios horarios no presentan una diferencia suficientemente grande con respecto a
los mnimos como para generar un margen positivo entre ingresos y gastos salvo en muy contadas ocasiones. Por ello es comn la
operacin de las centrales reversibles en los mercados de ajuste (Ayza, 2013).
Recientemente, se han llevado a cabo algunos estudios para crear algoritmos de optimizacin para la operacin de centrales
hidrulicas reversibles que tienen en cuenta aspectos como la capacidad lmite del embalse, precios horarios y disponibilidades.
Algunos ejemplos son el algoritmo para la optimizacin de la energa en un escenario de precios variables (Zhao y Davison, 2009) o
el estudio realizado sobre la central de Bhumibol en Tailandia (Chitphairot y Nuchprayoon, 2013), que considera los costes horarios
y anuales como una funcin lineal de la potencia y la energa producida respectivamente. Por otro lado, se tienen casos de estudio
ms recientes basados en el mercado elctrico de Alemania (Braun y Hoffmann, 2016), (Steffen y Weber, 2016) o de Suiza (Iliadis
y Gnansounou, 2016).
En el presente trabajo se pretende estudiar, de forma simplificada, la viabilidad econmica de llevar a cabo un cambio de
funcionamiento de la central hidroelctrica de La Barca en Asturias, construida en el ao 1966, al modo reversible, mediante una
modificacin de mnimo impacto ambiental y costes reducidos. Para ello se propone la construccin de un pequeo contraembalse
aguas abajo de la misma y la sustitucin de una de las turbinas que posee actualmente por un grupo turbobomba reversible. El
criterio principal para esta nueva forma de operacin se basa en considerar la participacin en el mercado de gestin de desvos
como modificacin en el rgimen de operacin de la central. Para el estudio de viabilidad se ha creado un algoritmo que permite
obtener los principales resultados de operacin de una central hidroelctrica: ingresos y gastos producidos por la compra-venta de
energa; horas de bombeo y turbinado; energa producida y consumida y esquema de funcionamiento horario de la central.
LA CENTRAL HIDROELCTRICA DE LA BARCA
Localizacin
La central hidrulica de La Barca est situada en el ro Narcea, afluente del Naln. Se localiza en el margen de la carretera
provincial AS-15 y en el lmite entre los municipios de Tineo y Belmonte de Miranda, en la provincia de Asturias. La Figura1
muestra la ubicacin de la misma. La central fue adquirida por la compaa Hidroelctrica del Cantbrico a Unin Fenosa en 1994.
Figura 1 | Localizacin geogrfica de la central de La Barca.

Descripcin
El embalse de La Barca data de 1966, con la construccin de una presa de bveda que posee una longitud de coronacin
de 178metros y una altura mxima sobre cimientos es de 73.50 metros, siendo el volumen total de obra de 113000m3 (Del Hoyo
Fernndez-Gago etal., 1985). En la Figura2 se puede observar la planta general de la presa.
Figura 2 | Planta general de la central de La Barca. Fuente: Revista de Obras pblicas Mayo-Junio 1985.
El embalse, que pertenece a la cuenca hidrogrfica Naln Norte, posee una capacidad mxima de 33.1hm3, de los cuales,
un total de 23.1hm3 constituyen el volumen til del mismo.
Por su parte, la central hidrulica es exterior y est situada a pie de presa. Aloja tres turbinas tipo Francis de eje vertical,
dos de las cuales fueron puestas en servicio en 1967 con una potencia unitaria de 26.8MW y un caudal de 52.3m3/s a plena carga.
La tercera turbina, puesta en servicio en 1973, tiene una potencia de 2.6MW y su caudal es de 5m3/s a plena carga. Este tercer
grupo permanece en funcionamiento continuo con un caudal de 4m3/s, correspondiente al caudal ecolgico. Las caractersticas ms
importantes desde el punto de vista de su funcionamiento se recogen en la Tabla1. En dicha tabla se puede observar que el salto neto
correspondiente al salto bruto mximo tiene un valor muy similar, es decir, las prdidas mximas que se dan en las conducciones
asociadas al caudal de equipo suponen el 0.8% del salto. Esto es debido a que se trata de una central a pie de presa por lo que se
reduce enormemente las prdidas hidrulicas.
Tabla 1 | Datos generales de la central hidrulica de La Barca.

Energa ao medio (GWh) 100
Cota mxima de explotacin(m) 211.5
Cota mnima de explotacin (m) 192
Salto bruto mximo (m) 62.5
Salto mximo neto (m) 62
Salto mnimo neto (m) 43
Caudal mximo de equipo (m3/s) 109.6

En la Figura 3 se muestra el aspecto de la presa y el embalse descritos.
Figura 3 | Vista de la central y la presa de La Barca.
Propuesta de modificacin tcnica de la central
Para la operacin de la central en modo reversible se requiere de un volumen de agua embalsado al pie de la central o
contraembalse. Para ello se propone una modificacin de las siguientes caractersticas:
Construccin de una contrapresa situada a 1730 m aguas abajo de la presa, aprovechando un estrechamiento del
valle como estribos de la misma. La estructura consistir en un vertedero de perfil Creager (Novak etal., 2007) de
4metros de altura y anchura mxima, pensada para el vertido de los excedentes de agua del contraembalse al superar
su mxima capacidad. Por otro lado, el vertedero constar de un desage de fondo para liberar de forma continua el
caudal ecolgico que tomar a su vez del embalse principal a travs de la vlvula que regula el desage de fondo de
este ltimo. Es decir, el caudal ecolgico fluye de forma continua desde el embalse principal hasta el cauce del ro
sin computar en el clculo del volumen del contraembalse.
El contraembalse admitir un llenado mximo correspondiente a la cota 153.10 m, por encima del cual verter sobre
el labio del vertedero para evitar que el nivel de agua alcance las instalaciones de la central de La Barca. El nivel
mnimo permitido en el embalse corresponder a una cota 149.60m para asegurar el cebado de la bomba. El volumen
til del embalse teniendo en cuenta la altura mxima de la masa de agua (3.5m) y el rea media de la superficie del
mismo resulta de 0.14hm3 aproximando su forma a un paraleleppedo. El rea utilizada para dicho clculo se obtuvo
a partir de la representacin del agua embalsado en planta en consonancia con las curvas de nivel de lo que se obtuvo
una superficie aproximada de 4ha. En la Figura4 se puede observar la posicin que presentara el contraembalse
descrito.

Figura 4 | Posicin del contraembalse proyectado (imagen cortesa de Google Earth).
Sustitucin del Grupo 3 de la central por un grupo turbobomba que presente un caudal de 4m3/s tanto para turbinado
como para bombeo.
Se ha estimado un presupuesto para el total de la obra detallado en la siguiente tabla. Se ha calculado el volumen de
movimiento de tierras para la ejecucin de la cimentacin de la contrapresa en el lecho del cauce. Por otro lado, se conoce el
volumen de hormign para el cuerpo de la presa y sus cimientos. Los precios se han obtenido de la base de datos de una empresa
del sector. El presupuesto desglosado se puede observar en la Tabla 2.
Tabla 2 | Presupuesto desglosado.
Descripcin Unidad Cantidad Precio (/u) Coste()

Excavacin en roca m3 3527.20 6 21163.20
Hormigonado contrapresa m3 145.6 120 17472
Grupo reversible y sistema elctrico 1 600000 600000
TOTAL 638635
MATERIAL Y MTODOS
Objetivo y descripcin
El objetivo del presente estudio consiste en evaluar la viabilidad tcnica y econmica de llevar a cabo un cambio de
funcionamiento de la central hidrulica de La Barca a modo reversible mediante modificaciones de mnimo impacto ambiental y
costes reducidos. Para estimar los beneficios derivados de esta nueva forma de funcionamiento se ha elaborado un algoritmo que
permite estimar los ciclos de funcionamiento bomba-turbina de una central reversible a partir de los precios en distintos escenarios
de mercado.
El periodo de estudio ser anual y los datos empleados en el estudio, as como su origen se explica en el subapartado Datos
de entrada, obtenindose un da tipo o semana tipo en funcin de la clase de gestin realizada.
Para el clculo de los ingresos se sigue un procedimiento heurstico simplificado a partir de los precios del mercado diario.
Este mtodo asegura el funcionamiento ptimo para un caso sencillo en el cual la central bombea o turbina sin pertenecer a una red

de gestin compleja de embalses, con las restricciones que dicha circunstancia implicara. Frente a otros mtodos de optimizacin,
el mtodo heurstico proporciona de manera rpida la solucin ptima, asegurando la convergencia hacia el ptimo global. La
Figura5 sintetiza el procedimiento global de funcionamiento del algoritmo.
Figura 5 | Sntesis de funcionamiento del algoritmo.
Datos de entrada
Los datos de entrada del algoritmo se describen a continuacin: precios de mercado, aportaciones del ro Narcea y datos de
explotacin de los embalses.
1. Precios de mercado. Se consideran dos tipos de mercado distintos:
Mercado diario: se obtienen los precios horarios para el ao seleccionado en la web del Operador del Mercado
Ibrico de Energa (www.omie.es). Cuando se introducen como precios de venta a su valor se le aaden los pagos por
capacidad, segn la Orden ITC/3127/2011, y se descuentan los peajes de generacin definidos en el Real Decreto Ley
14/2010, con un valor de 0.5/MWh, un canon hidrulico del 2.2% del ingreso e impuestos que consisten en un 7%
de los ingresos brutos de venta. En el caso de los precios de compra mantienen el valor del precio del mercado diario,
no considerando ninguna penalizacin por desvos en la programacin de la central y suponiendo nulo el trmino de
energa reactiva segn RD 1565/2010.
Mercado de Gestin de desvos: se obtienen los precios de los desvos medidos a bajar y a subir de la web de
Red Elctrica (https://www.esios.ree.es/es). Los primeros corresponden a los precios de compra y los segundos a los
precios de venta. Se aplican las mismas deducciones explicadas en el prrafo anterior.
Se han obtenido los precios de ambos mercados del ao 2014. Se ha calculado la media horaria de los precios de
cada uno de los meses del ao considerando un periodo de un da o de una semana en funcin del tipo de gestin
considerada (diaria o semanal). Es decir, el resultado es los precios horarios de un da tipo o semana tipo para cada mes
del ao que sern los precios que se introduzcan en el algoritmo como datos de partida.
2. Aportaciones del ro Narcea. Se dispone de los datos de aportaciones diarias de los ltimos 25aos, los cuales se han
obtenido en la pgina web de los anuarios de aforos del CEDEX (correspondientes a la estacin 1359), con los cuales

se ha calculado la media del caudal de las aportaciones de cada mes, por lo que para el estudio se tiene un valor de
aportaciones medio para cada uno de los meses del ao (ver Apndice I). Como se ver ms adelante, en los clculos
se deber tener en cuenta el valor del caudal ecolgico, descontndoselo a las aportaciones. El caudal ecolgico del ro
Narcea para el tramo en el que se encuentra la presa es de 4.21m3/s, fijado por el Real Decreto 399/2013de 7de junio.
3. Datos de explotacin de los embalses. Se han utilizado los datos de niveles del embalse de La Barca para cada mes a
partir de los datos de operacin cedidos por la compaa, de forma que se pueda conocer la altura inicial y el rango de
niveles en el que se puede trabajar en cada momento para su aplicacin en el algoritmo (ver Apndice II). Por otro lado,
es necesario emplear las curvas que relacionan el nivel de agua del embalse con el volumen contenido en el mismo para
la realizacin de los clculos. Para ello se dispone de los datos altura-volumen tabulados para el embalse de La Barca
(ver Apndice III). Para el caso del contraembalse se han estimado estos valores de forma lineal al aproximar la masa de
agua a un paraleleppedo.
Funcionamiento actual
En la actualidad, la central de La Barca opera como una hidroelctrica convencional, turbinando en aquellos momentos en
los que los precios del mercado diario son suficientemente elevados para la venta de energa al sistema elctrico. Por su parte, el
tercer grupo de dimensiones reducidas se encuentra turbinando de forma constante el caudal ecolgico, siendo aprovechado para
generar energa de forma continua.
Funcionamiento tras la conversin. Escenarios de estudio
Se deben definir parmetros condicionantes del funcionamiento de la central:

Gestin temporal de los embalses: se considerarn alternativamente gestin diaria y semanal. Esta gestin implica que
el volumen de agua bombeado debe ser igual al volumen de agua turbinado en el funcionamiento reversible al final del
da y al final de la semana respectivamente.
Esquema de funcionamiento T/B o relacin entre los caudales de la turbina y la bomba que en este caso ser 1/1, es
decir, sern iguales.
Mercados de operacin: que definirn los precios de la energa a considerar. Sern dos los mercados considerados: el
mercado de gestin de desvos (Carbajo Josa, 2007), aplicable cuando la central trabaje durante las horas de funcionamiento
reversible y el mercado diario, al que se recurrir cuando la central opere en las horas de funcionamiento convencional,
entendiendo como tal la forma de operar que tiene actualmente, definida en el subapartado anterior, turbinando los
volmenes de las aportaciones que le llegan del ro Narcea. A esta situacin de operacin alternativa entre dos mercados
se la denominar mercado mixto. Se considerar tambin una situacin de funcionamiento en la que la central opere
ntegramente en el mercado de gestin de desvos.
El sistema de funcionamiento comprende, por tanto, dos tipos de operaciones diferentes. En primer lugar, se encuentra el
funcionamiento convencional, turbinando de forma similar a como se realiza actualmente, para lo que se emplean los tres grupos que
componen la central. Por otro lado, se tiene el programa reversible que realiza exclusivamente el Grupo 3como grupo turbo-bomba.
Finalmente, de la eleccin y combinacin de los posibles condicionantes de funcionamiento surgen los cuatro escenarios o
alternativas de estudio:
Gestin diaria en mercado de gestin de desvos.
Gestin semanal en mercado de gestin de desvos.
Gestin diaria en mercado mixto.
Gestin semanal en mercado mixto.

Base del algoritmo
Conocidos los precios de compra y venta se debe discriminar en cuntas horas es posible operar teniendo en cuenta la
penalizacin de los rendimientos globales de bombeo y turbinado. La ecuacin (1) muestra el punto de equilibrio (criterio de corte),
para discriminar cuando compensa vender, comprar o no hacer ninguna de las dos cosas:
HQc
PC h b = PV ^ HQch T h (1)
donde PC representa el precio de compra de la energa, PV el precio de venta, H el salto entre los embalses, Q el caudal de
bomba o de turbina segn el caso, el peso especfico del agua y el rendimiento de los equipos. Por simplicidad, no se ha tenido
en cuenta la influencia de las prdidas en las conducciones en el salto entre los embalses ya que como se explic anteriormente se
trata de una central a pie de presa con unas prdidas despreciables.
Cuando el bombeo y turbinado operan entre el mismo par de embalses, el salto H, el caudal Q (si el caudal de diseo de
bombeo y turbinado es el mismo), y el peso especfico , tienen el mismo valor, por lo tanto, la ecuacin anterior queda definida
como:
PC
h b = PVh T (2)
Donde b es el rendimiento de la bomba y T es el rendimiento de la turbina, cuyos valores son respectivamente de 85% y 90%.
Descripcin del algoritmo general
El algoritmo comprende dos bloques fundamentales de anlisis: bloque de anlisis econmico, en el que se define una forma
de operacin provisional de la central y beneficios correspondientes exclusivamente en funcin de los precios del mercado, y bloque
de anlisis de viabilidad tcnica, en el cual se determina si las capacidades de los embalses admiten dicha programacin o si por el
contrario presenta restricciones tcnicas al funcionamiento.
El inicio del mismo se produce de la siguiente manera:
1. Se introduce el mes de estudio a analizar y el programa selecciona automticamente el valor correspondiente de
aportaciones, volumen de agua a almacenar o desembalsar y niveles lmite de operacin permitidos en los embalses.
2. Se introducen los precios medios horarios de compra y de venta de los mercados que se precisen en cada alternativa de
estudio considerada.
En la Figura 6se puede observar el algoritmo con la integracin de los dos mdulos que lo componen.
Figura 6 | Algoritmo general.
A continuacin, se ejecuta el algoritmo de anlisis econmico, cuya forma de proceder es la siguiente:

1. Anlisis econmico. Al volumen de las aportaciones se le resta o se le suma, segn corresponda, el volumen a almacenar
o a desembalsar. Conocido el caudal de equipo se determina el nmero de horas necesarias para turbinar el volumen
resultante. Se obtiene as un nmero N de horas reservadas al turbinado con los Grupos 1, 2y 3.

2. Se selecciona de entre los precios de venta los N mayores precios existentes y las horas a las que se producen obtenindose
la primera parte de la programacin de funcionamiento correspondiente al turbinado mediante los tres grupos de la
central. El resultado son las horas del da en las que se produce la operacin de los grupos de la central en escenarios que
incluyen la operacin en el mercado de gestin y sus precios para el clculo de ingresos posterior.
3. Se eliminan las horas que ya estn asignadas para turbinar del conjunto de precios introducidos y se trabaja sobre los
restantes para definir la parte de la programacin reversible (correspondiente al Grupo 3).
4. Se ordena de mayor a menor los precios de venta frente a los precios de compra que se ordenan de forma inversa y las
horas asociadas a cada uno. Para calcular el margen del bombeo, el programa halla la diferencia entre el k simo mayor
valor de los precios de venta multiplicado por el rendimiento de turbina y el k simo menor valor de los precios de compra
dividido entre el rendimiento de la bomba, as con todos los precios disponibles.
5. Se analiza el valor de las diferencias una a una, seleccionando aquellas cuyo valor es positivo y extrayendo los pares de
horas de precios de compra y de venta asociadas a cada una. Se obtiene una tabla en la que para cada hora se indica la
accin a realizar, es decir, una programacin provisional basada en criterios puramente econmicos.
La Figura 7recoge el funcionamiento detallado del algoritmo de anlisis econmico.
Figura 7 | Esquema de funcionamiento de algoritmo de anlisis econmico.
Posteriormente, entra en funcionamiento el bloque de anlisis tcnico, cuya secuencia es la siguiente:

1. Se identifica el nivel de llenado inicial del embalse de La Barca, cuyo valor es definido para cada mes por la curva de
explotacin de embalse. En el caso del contraembalse este valor corresponde a su capacidad mxima, ya que el programa
comienza de madrugada donde las horas valle apuntan a una programacin de bombeo.
2. En funcin de la accin programada para cada hora se calcula el volumen implicado que entrara y saldra de cada
embalse y lo aadira a la condicin de llenado inicial. Para el embalse superior se debe tener en cuenta la suma de las

aportaciones que llegan al mismo continuamente menos el volumen correspondiente al caudal ecolgico que, como se
explic, es liberado a travs de las vlvulas de fondo sin participar en el proceso de turbinado-bombeo.
3. Si el resultado de la evolucin de los volmenes no cumple con los lmites de operacin establecidos en al menos una
de las horas se eliminar la accin del programa de funcionamiento, as como la accin de su pareja de funcionamiento
asociada, no computando los volmenes implicados en el clculo.
La Figura 8describe el algoritmo de anlisis tcnico.
Figura 8 | Esquema de funcionamiento de algoritmo de anlisis tcnico.
Salida del programa
El resultado es la programacin de funcionamiento definitiva, la evolucin de los volmenes en ambos embalses y, en

consecuencia, la altura de agua en cada momento. Este nivel de embalse resultante junto con los precios horarios permite obtener
los ingresos y gastos en los que se incurre al llevar a cabo la programacin de funcionamiento establecida.
RESULTADOS Y DISCUSIN
Se ha realizado el estudio utilizando los precios de mercado del ao 2014para las cuatro hiptesis explicadas anteriormente.
Desde el punto de vista hidrolgico, 2014fue un ao suficientemente representativo de un ao medio, por lo que la utilizacin de las

aportaciones medias para la realizacin del estudio, como se explic en el apartado de datos de entrada, est justificada al ajustarse
las del ao 2014a la media calculada. Por otro lado, se han estimado los beneficios que recibe la central de La Barca actualmente
como referencia para la comparacin de los distintos resultados. Para ello se ha recurrido a los datos de energa producida en un
ao medio y el precio medio de venta calculado del ao 2014, considerndose los ingresos brutos actuales de la central como el
producto de dichos factores. Como no se conoce exactamente el modo de operacin actual, si la central slo trabajara en horas
punta (precios elevados) los ingresos seran superiores a los que se han considerado para el estudio, por el contrario, si la central
funcionara nicamente en horas valle (precios ms reducidos) sus ingresos reales seran inferiores a los considerados. La forma en
que se han calculado considera una situacin intermedia, que implica una produccin repartida entre horas punta y horas valle y, por
tanto, un precio medio de la energa. Esto es debido a que la central no est dirigida exclusivamente por los precios del mercado,
sino que tambin responde a una gestin de las aguas del embalse marcada por parmetros como los resguardos o la garanta de
suministro. A los mencionados ingresos brutos hay que restarle el peaje de acceso a la generacin, impuestos y cnones hidrulicos
ya definidos, obteniendo finalmente los ingresos netos. La Tabla 3refleja dichos datos.
Tabla 3 | Datos y estimaciones de la situacin actual de la central de La Barca.
Energa ao medio (GWh) 100

Precio medio MWh 2014() 43.38
Ingreso de venta bruto () 4337651.23
Ingreso neto () 3938537.32
Los resultados se han agrupado por incremento de beneficios respecto a la situacin actual y energa (Figura 9), horas de
funcionamiento de los Grupos 1y 2de la central (Figura 10) y horas de funcionamiento del grupo turbobomba incluyendo las dos
formas de turbinado y el bombeo (Figura 11).
Figura 9 | Beneficios obtenidos frente al porcentaje de energa consumida sobre energa producida para cada escenario de estudio.
Los resultados reflejan un aumento de los beneficios anuales obtenidos en los cuatro casos estudiados respecto a la situacin
de referencia estimada de la central. El factor determinante de la superioridad de beneficios es claramente el mercado considerado,
siendo el de gestin de desvos el que reporta mayores beneficios. Por otro lado, la gestin semanal tambin presenta una notable
ventaja respecto a la gestin diaria.

Respecto a las horas de funcionamiento del Grupo 3en modo reversible se observa que son menores en el caso de la gestin
semanal para ambos mercados. Esto es debido a la reducida capacidad del contraembalse que limita el nmero de horas de bombeo
en los domingos por insuficiencia de volumen. En el caso de los otros dos equipos, en el mejor de los casos obtenidos, el aumento
de horas de los Grupos 1y 2es de un 23.86% frente a la situacin actual, en la que el funcionamiento viene definido en funcin de
la gestin del embalse y los precios de venta del mercado diario. Las horas de operacin actuales que se toman como referencia para
la comparacin estn calculadas a partir de los datos de la compaa teniendo en cuenta la produccin energtica anual y la potencia
nominal de los grupos en la actualidad.
En el caso del Grupo 3, por el contrario, las horas de funcionamiento son inferiores ya que en la situacin actual trabaja de
forma constante para aportar el caudal ecolgico al cauce.
Figura 10 | Horas de operacin G1, G2para cada escenario de estudio.
Figura 11 | Horas de operacin G3para cada escenario de estudio.
La gestin semanal de los embalses en el mercado de gestin desvos constituye la opcin ms rentable de entre las4,
reportando los mayores beneficios, que representan un 15% ms que en la situacin actual y un nmero menor de horas de
funcionamiento en comparacin con los otros tres escenarios.

Para determinar la viabilidad econmica de la conversin de la central en un bombeo reversible se tendrn en cuenta el
presupuesto asociado a los cambios tcnicos previstos en la central y los ingresos netos obtenidos por la nueva programacin
(gestin semanal en mercado de gestin de desvos). La rentabilidad de la inversin vendr dada por el perodo de retorno para cuyo
clculo se emplear el valor de la diferencia entre los beneficios obtenidos entre la nueva situacin de estudio y la actual, es decir,
las ganancias que aporta el nuevo funcionamiento respecto a la situacin actual de la central (Tabla 4).
Tabla 4 | Periodo de retorno de la inversin.
Beneficio adicional () 600892.49

Presupuesto () 638635
Periodo de retorno de la inversin(aos) 1.06
Los resultados muestran un periodo de recuperacin muy corto, retornando la inversin en poco ms de 1ao de operacin.
Por lo tanto, el resultado del anlisis de viabilidad es positivo, recuperndose los costes de inversin en un periodo de tiempo ms
que razonable.
CONCLUSIONES
Se ha estudiado la viabilidad tcnica y econmica de la conversin a funcionamiento reversible de la central hidroelctrica

de La Barca, en el ro Narcea. En primer lugar, se ha propuesto un conjunto de modificaciones tcnicas de mnimo coste e impacto
ambiental para la transformacin parcial de la central. Dichas modificaciones incluyen la sustitucin de uno de los tres grupos de
la central por un equipo reversible de potencia similar, que podr bombear y turbinar alternativamente, manteniendo los otros dos
grupos para turbinado. Para la realizacin del estudio se ha elaborado un algoritmo que permite obtener en funcin de los precios
del mercado y para cada mes del ao los principales resultados de funcionamiento de una central de este tipo: ingresos y gastos por
compra y venta de energa, horas de funcionamiento de los equipos y energa generada y consumida. Los resultados del estudio
sealan un aumento en los beneficios obtenidos en todos los casos analizados respecto a la situacin actual de participacin en el
mercado diario en modo exclusivo de turbinado. Destaca la operacin en el mercado de gestin de desvos mediante una gestin
semanal de los volmenes de los embalses que registra un aumento de beneficios del 15% respecto a la situacin actual. Se puede
concluir que los resultados del anlisis de viabilidad econmica son favorables, presentando un periodo de retorno de la inversin
necesaria para su conversin de apenas 1ao. Es importante considerar adems la versatilidad tcnica y econmica que aporta la
nueva instalacin permitiendo la operacin en distintos mercados y gestiones ms eficientes del agua de los embalses.
AGRADECIMIENTOS
Se agradece a la Direccin y equipo tcnico de la compaa EDP Energa el asesoramiento y la informacin facilitada para
el desarrollo del presente trabajo. Especialmente al jefe de la central hidroelctrica de La Barca, Benigno Menndez Velzquez y a
Rodrigo Fernndez Prado, Director del rea de Gestin de la Energa, por su implicacin.
REFERENCIAS
Ayza, J.R.W. 2013. El papel de la hidroelectricidad en el contexto de las energas renovables en Espaa. Revista de Obras Pblicas,
3548, 35-42.

BOE. 2002. Medidas de operacin para garantizar la cobertura de la demanda en situaciones de alerta y emergencia, BOE 272 de
13/11/2002 Sec 1 39877-39878.
Braun, S., Hoffmann, R. 2016. Intraday Optimization of Pumped Hydro Power Plants in the German Electricity Market. Energy
Procedia, 87, 45-52. doi:10.1016/j.egypro.2015.12.356
Carbajo Josa, A. 2007. Los mercados elctricos y los servicios de ajuste del sistema. Revista de Economa Industrial, 364, 55-62
CEDEX. Anuario de aforos: http://ceh-flumen64.cedex.es/anuarioaforos/afo/estaf-datos_descarga.asp?indroea=1359
Chitphairot, K., Nuchprayoon, S. 2013. Optimal Generation Scheduling of Hydropower Plant with Pumped Storage Unit. Special
Issue for International Conference on Energy, Environment and Sustainable Economy (EESE 2013). Journal of Energy Technologies
and Policy. 3(11), 204-210.
Deane, J.P., Gallachir, B.P., McKeogh, E.J. 2009. Techno-economic review of existing and new pumped hydro energy storage
plant. Renewable and Sustainable Energy Reviews, 14(4), 1293-1302. doi:10.1016/j.rser.2009.11.015
Del Hoyo Fernndez-Gago, R., Arias Azcune, R., Guinea y Ortiz de Urbina, P., Olaso Legarreta, J.L., Allende Garca-Baxter, J.L.,
De Simn Fontcuberta, C. 1985. Las presas como complemento de las centrales trmicas. Revista de Obras Pblicas. Mayo-Junio,
309-339.
Godina, R., Rodrigues, E.M.G., Matias, J.C.O., Catalo, J.P.S. 2015. Sustainable Energy System of El Hierro Island. International
Conference on Renewable Energies and Power Quality (ICREPQ15). Renewable Energyand Power Quality Journal (RE&PQJ),
13, 46-51.
Koohi-Kamali, S., Tyagi, V.V., Rahim, N.A., Panwa, N.L., Mokhlis, H. 2010. Emergence of energy storage technologies as the
solution for reliable operation of smart power systems: A review. Renewable and Sustainable Energy Reviews 25 (2013) 135-165.
doi:10.1016/j.rser.2013.03.056
Iliadis, N.A., Gnansounou, E. 2016. Development of the methodology for the evaluation of a hydro-pumped storage power plant:
Swiss case study. Energy Strategy Reviews, 9, 8-17. doi:10.1016/j.esr.2015.10.001
Manolakos, D., Papadakis, G., Papantonis, D., Kyritsis, S. 2002. A stand-alone photovoltaic power system for remote villages using
pumped water energy storage. Energy, 29(1), 57-69. doi:10.1016/j.energy.2003.08.008
Novak, P., Moffat, A.I.B., Nalluri, C., Narayanan, R. 2007. Spillways. In: Hydraulic Structures (Fourth Edition). Taylor and Francis
Group. 206-208.
OMIE. Operador del Mercado Ibrico de Energa-Polo Espaol. http://www.omie.es
Real Decreto 399/2013 de 7 de junio, por el que se aprueba el Plan Hidrolgico de la Demarcacin Hidrogrfica del Cantbrico
Occidental.
Red Elctrica de Espaa. https://www.esios.ree.es/es.
Renewable Energy Policy Network for the 21st Century - REN21, 15 rue de Milan, 75441 Paris Cedex 9 (France).
Steffen, B., Weber, C. 2016. Optimal operation of pumped-hydro storage plants with continuous time-varying power prices.
European Journal of Operational Research, 252(1), 308-321. doi:10.1016/j.ejor.2016.01.005
Yang, C.J., Jackson, R.B. 2010. Opportunities and barriers to pumped-hydro energy storage in the United States. Renewable and
Sustainable Energy Reviews, 15(1), 839-844. doi:10.1016/j.rser.2010.09.020
Zhao, G., Davison, M. 2009. Optimal control of hydroelectric facility incorporating pump storage. Renewable Energy, 34(4), 1064-
1077. doi:10.1016/j.renene.2008.07.005

APNDICE I
Se muestran a continuacin la media de las aportaciones mensuales del periodo 1968 a 2012 utilizadas en el estudio:
Tabla 1 | Media de las aportaciones mensuales del periodo 1968 a 2012 en m3/s.
Aportaciones (m3/s)
Enero 45.99
Febrero 37.38
Marzo 45.85
Abril 39.60
Mayo 29.78
Junio 17.17
Julio 9.14
Agosto 6.49
Septiembre 6.80
Octubre 14.13
Noviembre 32.74
Diciembre 44.09
APNDICE II
Datos de operacin del embalse de La Barca que reflejan la altura inicial del embalse (al comienzo del mes) y en el rango
de niveles en el que pueda operar durante el mes. Los datos han sido cedidos por la compaa.
Tabla 2 | Niveles de operacin del embalse de La Barca por mes.

Nivel mximo (m) Nivel mnimo (m) Nivel inicial (m)
Enero 203.94 192 197.97
Febrero 204.17 192 198.08
Marzo 206.17 192 199.08
Abril 209.53 197 203.26
Mayo 211 202 206.5
Junio 211 202 206.5
Julio 211 202 206.5
Agosto 211 202 206.5
Septiembre 211 202 206.5
Octubre 211 197 204
Noviembre 207.45 192 199.72
Diciembre 203.95 192 197.97

APNDICE III
Datos de nivel en el embalse de La Barca y el volumen correspondiente almacenado en el mismo en el rango de volmenes
de embalse tiles. Datos cedidos por la compaa.
Tabla 3|Datos altura-volumen del embalse de La Barca.

COTA Volumen de embalse til COTA Volumen de embalse til COTA Volumen de embalse til
(m.s.n.m.) (m3) (m.s.n.m.) (m3) (m.s.n.m.) (m3)
192 0 192.43 328210 192.86 664024
192.01 7546 192.44 335933 192.87 671924
192.02 15097 192.45 343661 192.88 679828
192.03 22652 192.46 351392 192.89 687737
192.04 30210 192.47 359128 192.90 695649
192.05 37773 192.48 366867 192.91 703566
192.06 45341 192.49 374611 192.92 711486
192.07 52911 192.5 382359 192.93 719411
192.08 60486 192.51 390111 192.94 727248
192.09 68066 192.52 397867 192.95 735273
192.1 75648 192.53 405628 192.96 743260
192.11 83237 192.54 413392 192.97 751152
192.12 90828 192.55 421161 192.98 759997
192.13 98424 192.56 428933 192.99 767047
192.14 106024 192.57 436710 193.00 775000
192.15 113628 192.58 444491 193.01 782960
192.16 121236 192.59 452276 193.02 790924
192.17 128849 192.6 460065 193.03 798892
192.18 136465 192.61 467858 193.04 806865
192.19 144085 192.62 475656 193.05 814842
192.2 151710 192.63 483457 193.06 822823
192.21 159339 192.64 491262 193.07 830809
192.22 166971 192.65 499072 193.08 838799
192.23 174608 192.66 506886 193.09 846794
192.24 182249 192.67 514704 193.10 854793
192.25 189894 192.68 522525 193.11 862796
192.26 197544 192.69 530352 193.12 870803
192.27 205197 192.7 538182 193.13 878896
192.28 212854 192.71 546017 193.14 886831
192.29 220516 192.72 553854 193.15 894853
192.3 228182 192.73 561697 193.16 902877
192.31 235852 192.74 569544 193.17 910906
192.32 243525 192.75 577394 193.18 918940
192.33 251204 192.76 585249 193.19 926970
192.34 258886 192.77 593108 193.20 935031
192.35 266572 192.78 600971 193.21 943060

192.36 274262 192.79 608839 193.22 951118
192.37 281957 192.8 616710 193.23 959174
192.38 289656 192.81 624585 193.24 967234
192.39 297758 192.82 632465 193.25 975298
192.4 305065 192.83 640349 193.26 983366
192.41 312776 192.84 648236 193.27 991439
192.42 320491 192.85 656120 193.28 999516

193.29 1007597 193.72 1359216 194.15 1719024
193.3 1015684 193.73 1367489 194.16 1727494
193.31 1023774 193.74 1375766 194.17 1735968
193.32 1031868 193.75 1384048 194.18 1744447
193.33 1039968 193.76 1392333 194.19 1752929
193.34 1048070 193.77 1400624 194.2 1761417
193.35 1056178 193.78 1408918 194.21 1769908
193.36 1064290 193.79 1417217 194.22 1778404
193.37 1072407 193.8 1425521 194.23 1786904
193.38 1080526 193.81 1433828 194.24 1795409
193.39 1088651 193.82 1442140 194.25 1803918
193.4 1096781 193.83 1450457 194.26 1812431
193.41 1104915 193.84 1458778 194.27 1820948
193.42 1113052 193.85 1467102 194.28 1829470
193.43 1121196 193.86 1475431 194.29 1837997
193.44 1129342 193.87 1483766 194.3 1846527
193.45 1137493 193.88 1492104 194.31 1855062
193.46 1145648 193.89 1500446 194.32 1863602
193.47 1153808 193.9 1508792 194.33 1872146
193.48 1161973 193.91 1517144 194.34 1880693
193.49 1170141 193.92 1525499 194.35 1889246
193.5 1178313 193.93 1533860 194.36 1897803
193.51 1186491 193.94 1542223 194.37 1906363
193.52 1194673 193.95 1550592 194.38 1914929
193.53 1202858 193.96 1558965 194.39 1923499
193.54 1211048 193.97 1567343 194.4 1932073
193.55 1219243 193.98 1575723 194.41 1940651
193.56 1227442 193.99 1584110 194.42 1949234
193.57 1235645 194 1592500 194.43 1957821
193.58 1243852 194.01 1600904 194.44 1966413
193.59 1252065 194.02 1609313 194.45 1975009
193.6 1260281 194.03 1617726 194.46 1983609
193.61 1268502 194.04 1626144 194.47 1992214
193.62 1276727 194.05 1634566 194.48 2000822
193.63 1284956 194.06 1642992 194.49 2009360

193.64 1293190 194.07 1651423 194.5 2018054
193.65 1301428 194.08 1659857 194.51 2026675
193.66 1309670 194.09 1668297 194.52 2035302
193.67 1317917 194.1 1676740 194.53 2043933
193.68 1326168 194.11 1685188 194.54 2052568
193.69 1334424 194.12 1693642 194.55 2061207
193.7 1342684 194.13 1702098 194.56 2069851
193.71 1350948 194.14 1710559 194.57 2078499
194.58 2087152 195.01 2463319 195.44 2847337
194.59 2095808 195.02 2472162 195.45 2856340
194.6 2104469 195.03 2481010 195.46 2865385
194.61 2113134 195.04 2489862 195.47 2874416
194.62 2121805 195.05 2498718 195.48 2883450
194.63 2130478 195.06 2507578 195.49 2892489
194.64 2139157 195.07 2516442 195.5 2901532
194.65 2147840 195.08 2525310 195.51 2910578
194.66 2156527 195.09 2534184 195.52 2919630
194.67 2165219 195.1 2543060 195.53 2928685
194.68 2173914 195.11 2551940 195.54 2937744
194.69 2182615 195.12 2560826 195.55 2946808
194.7 2191320 195.13 2569715 195.56 2955875
194.71 2200028 195.14 2578608 195.57 2964947
194.72 2208740 195.15 2587506 195.58 2974023
194.73 2217459 195.16 2596407 195.59 2983103
194.74 2226181 195.17 2605313 195.6 2992187
194.75 2234908 195.18 2614223 195.61 3001275
194.76 2243638 195.19 2623137 195.62 3010368
194.77 2252374 195.2 2632055 195.63 3019465
194.78 2261113 195.21 2640977 195.64 3028565
194.79 2269857 195.22 2649904 195.65 3037671
194.8 2278605 195.23 2658834 195.66 3046779
194.81 2287357 195.24 2667769 195.67 3055892
194.82 2296114 195.25 2676709 195.68 3065010
194.83 2304875 195.26 2685651 195.69 3074132
194.84 2313641 195.27 2694598 195.7 3083257
194.85 2322410 195.28 2703550 195.71 3092387
194.86 2331184 195.29 2712506 195.72 3101521
194.87 2339963 195.3 2721465 195.73 3110659
194.88 2348746 195.31 2730429 195.74 3119802
194.89 2357533 195.32 2739397 195.75 3128948
194.9 2366325 195.33 2748369 195.76 3138090
194.91 2375120 195.34 2757346 195.77 3147254

194.92 2383921 195.35 2766326 195.78 3156413
194.93 2392726 195.36 2775311 195.79 3165576
194.94 2401535 195.37 2784299 195.8 3174743
194.95 2410348 195.38 2793292 195.81 3183914
194.96 2419166 195.39 2802289 195.82 3193090
194.97 2427987 195.4 2811291 195.83 3202270
194.98 2436814 195.41 2820296 195.84 3211453
194.99 2445645 195.42 2829306 195.85 3220642
195 2454480 195.43 2838320 195.86 3229833
195.87 3239030 196.3 3638127 196.73 4044744
195.88 3248230 196.31 3647497 196.74 4054291
195.89 3257435 196.32 3656870 196.75 4063841
195.9 3266644 196.33 3666248 196.76 4073397
195.91 3275856 196.34 3675631 196.77 4082956
195.92 3285074 196.35 3685016 196.78 4092519
195.93 3294295 196.36 3694407 196.79 4102087
195.94 3303520 196.37 3703801 196.8 4111659
195.95 3312751 196.38 3713199 196.81 4121235
195.96 3321983 196.39 3722602 196.82 4130815
195.97 3331221 196.4 3732009 196.83 4140399
195.98 3340463 196.41 3741419 196.84 4149987
195.99 3349710 196.42 3750834 196.85 4159576
196 3358960 196.43 3760253 196.86 4169176
196.01 3368205 196.44 3769677 196.87 4178776
196.02 3377456 196.45 3779104 196.88 4188381
196.03 3386709 196.46 3788536 196.89 4197990
196.04 3395968 196.47 3797971 196.9 4207603
196.05 3405230 196.48 3807410 196.91 4217220
196.06 3414495 196.49 3816854 196.92 4226841
196.07 3423767 196.5 3826302 196.93 4236467
196.08 3433041 196.51 3835755 196.94 4246096
196.09 3442320 196.52 3845210 196.95 4255730
196.1 3451603 196.53 3854671 196.96 4265368
196.11 3460890 196.54 3864135 196.97 4275009
196.12 3470181 196.55 3873604 196.98 4284655
196.13 3479476 196.56 3883077 196.99 4294305
196.14 3488777 196.57 3892554 197 4303960
196.15 3498079 196.58 3902034 197.01 4313608
196.16 3507387 196.59 3911519 197.02 4323261
196.17 3516699 196.6 3921009 197.03 4332919
196.18 3526015 196.61 3930502 197.04 4342581
196.19 3535335 196.62 3939999 197.05 4352247

196.2 3544659 196.63 3949501 197.06 4361918
196.21 3553987 196.64 3959007 197.07 4371593
196.22 3563319 196.65 3968516 197.08 4381273
196.23 3572657 196.66 3978031 197.09 4390957
196.24 3581997 196.67 3987548 197.1 4400646
196.25 3591341 196.68 3997070 197.11 4410339
196.26 3600691 196.69 4006597 197.12 4420037
196.27 3610044 196.7 4016127 197.13 4429739
196.28 3619400 196.71 4025662 197.14 4439446
196.29 3628762 196.72 4035201 197.15 4449157
197.16 4458873 197.59 4880877 198.02 5311168
197.17 4468593 197.6 4890790 198.03 5321279
197.18 4478317 197.61 4900707 198.04 5331396
197.19 4488046 197.62 4910628 198.05 5341517
197.2 4497780 197.63 4920555 198.06 5351643
197.21 4507518 197.64 4930485 198.07 5361775
197.22 4517260 197.65 4940419 198.08 5371911
197.23 4527008 197.66 4950359 198.09 5382051
197.24 4536758 197.67 4960303 198.1 5392198
197.25 4546514 197.68 4970251 198.11 5402348
197.26 4556275 197.69 4980204 198.12 5412505
197.27 4566040 197.7 4990161 198.13 5422665
197.28 4575809 197.71 5000123 198.14 5432831
197.29 4585583 197.72 5010089 198.15 5443001
197.3 4595361 197.73 5020060 198.16 5453177
197.31 4605144 197.74 5030034 198.17 5463357
197.32 4614931 197.75 5040014 198.18 5473543
197.33 4624723 197.76 5049999 198.19 5483733
197.34 4634519 197.77 5059988 198.2 5493928
197.35 4644319 197.78 5069980 198.21 5504128
197.36 4654125 197.79 5079978 198.22 5514333
197.37 4663934 197.8 5089980 198.23 5524543
197.38 4673748 197.81 5099986 198.24 5534757
197.39 4683567 197.82 5109997 198.25 5544977
197.4 4693390 197.83 5120013 198.26 5555202
197.41 4703217 197.84 5130033 198.27 5565431
197.42 4713049 197.85 5140057 198.28 5575665
197.43 4722886 197.86 5150086 198.29 5585905
197.44 4732727 197.87 5160119 198.3 5596150
197.45 4742572 197.88 5170157 198.31 5606398
197.46 4752422 197.89 5180199 198.32 5616652
197.47 4762276 197.9 5190246 198.33 5626911

197.48 4772135 197.91 5200297 198.34 5637175
197.49 4781999 197.92 5210353 198.35 5647444
197.5 4791866 197.93 5220413 198.36 5657718
197.51 4801738 197.94 5230478 198.37 5667996
197.52 4811615 197.95 5240547 198.38 5678280
197.53 4821496 197.96 5250621 198.39 5688568
197.54 4831382 197.97 5260699 198.4 5698862
197.55 4841272 197.98 5270781 198.41 5709160
197.56 4851167 197.99 5280868 198.42 5719464
197.57 4861066 198 5290960 198.43 5729771
197.58 4870969 198.01 5301061 198.44 5740084
198.45 5750403 198.88 6198725 199.31 6656646
198.46 5760726 198.89 6209259 199.32 6667408
198.47 5771053 198.9 6219799 199.33 6678175
198.48 5781386 198.91 6230342 199.34 6688948
198.49 5791724 198.92 6240891 199.35 6699724
198.5 5802067 198.93 6251445 199.36 6710506
198.51 5812414 198.94 6262004 199.37 6721293
198.52 5822766 198.95 6272568 199.38 6732085
198.53 5833123 198.96 6283136 199.39 6742880
198.54 5843486 198.97 6293710 199.4 6753682
198.55 5853853 198.98 6304289 199.41 6764489
198.56 5864225 198.99 6314872 199.42 6775300
198.57 5874601 199 6325460 199.43 6786115
198.58 5884984 199.01 6336070 199.44 6796937
198.59 5895370 199.02 6346685 199.45 6807763
198.6 5905762 199.03 6357304 199.46 6818594
198.61 5916158 199.04 6367929 199.47 6829430
198.62 5926560 199.05 6378558 199.48 6840270
198.63 5936966 199.06 6389192 199.49 6851116
198.64 5947378 199.07 6399831 199.5 6861967
198.65 5957794 199.08 6410476 199.51 6872822
198.66 5968215 199.09 6421125 199.52 6883682
198.67 5978642 199.1 6431779 199.53 6894548
198.68 5989072 199.11 6442437 199.54 6905418
198.69 5999508 199.12 6453101 199.55 6916293
198.7 6009949 199.13 6463770 199.56 6927173
198.71 6020395 199.14 6474444 199.57 6938057
198.72 6030845 199.15 6485122 199.58 6948948
198.73 6041301 199.16 6495805 199.59 6959843
198.74 6051762 199.17 6506494 199.6 6970742
198.75 6062277 199.18 6517187 199.61 6981647

198.76 6072697 199.19 6527885 199.62 6992556
198.77 6083173 199.2 6538588 199.63 7003471
198.78 6093653 199.21 6549296 199.64 7014390
198.79 6104138 199.22 6560008 199.65 7025314
198.8 6114628 199.23 6570726 199.66 7036243
198.81 6125122 199.24 6581450 199.67 7047178
198.82 6135622 199.25 6592178 199.68 7058116
198.83 6146127 199.26 6602910 199.69 7069060
198.84 6156637 199.27 6613647 199.7 7080009
198.85 6167152 199.28 6624390 199.71 7090963
198.86 6177671 199.29 6635137 199.72 7101921
198.87 6188195 199.3 6645890 199.73 7112885
199.74 7123854 200.17 7600084 200.6 8084908
199.75 7134827 200.18 7611262 200.61 8096284
199.76 7145805 200.19 7622445 200.62 8107665
199.77 7156789 200.2 7633632 200.63 8119051
199.78 7167776 200.21 7644824 200.64 8130441
199.79 7178770 200.22 7656020 200.65 8141836
199.8 7189760 200.23 7667222 200.66 8153235
199.81 7200771 200.24 7678427 200.67 8164639
199.82 7211778 200.25 7689638 200.68 8176048
199.83 7222791 200.26 7700853 200.69 8187461
199.84 7233809 200.27 7712073 200.7 8198879
199.85 7244831 200.28 7723297 200.71 8210302
199.86 7255859 200.29 7734526 200.72 8221729
199.87 7266892 200.3 7745759 200.73 8233161
199.88 7277929 200.31 7756998 200.74 8244597
199.89 7288971 200.32 7768240 200.75 8256038
199.9 7300018 200.33 7779487 200.76 8267483
199.91 7311071 200.34 7790739 200.77 8278934
199.92 7322127 200.35 7801996 200.78 8290388
199.93 7333189 200.36 7813257 200.79 8301848
199.94 7344256 200.37 7824523 200.8 8313312
199.95 7355328 200.38 7835793 200.81 8324781
199.96 7366404 200.39 7847068 200.82 8336254
199.97 7377486 200.4 7858348 200.83 8347732
199.98 7388572 200.41 7869632 200.84 8359214
199.99 7399663 200.42 7880920 200.85 8370701
200 7410760 200.43 7892214 200.86 8382192
200.01 7421860 200.44 7903512 200.87 8393689
200.02 7432964 200.45 7914815 200.88 8405190
200.03 7444074 200.46 7926122 200.89 8416695

200.04 7455187 200.47 7937434 200.9 8428205
200.05 7466305 200.48 7948750 200.91 8439720
200.06 7477428 200.49 7960072 200.92 8451239
200.07 7488556 200.5 7971397 200.93 8462763
200.08 7499687 200.51 7982728 200.94 8474291
200.09 7510824 200.52 7994063 200.95 8485825
200.1 7521965 200.53 8005402 200.96 8497363
200.11 7533112 200.54 8016746 200.97 8508905
200.12 7544262 200.55 8028095 200.98 8520452
200.13 7555417 200.56 8039448 200.99 8532004
200.14 7566576 200.57 8050806 201 8543560
200.15 7577741 200.58 8062168 201.01 8555106
200.16 7588910 200.59 8073536 201.02 8566658
201.03 8578215 201.89 9589289 201.46 9079484
201.04 8589775 201.9 9601236 201.47 9091243
201.05 8601340 201.91 9613197 201.48 9103006
201.06 8612910 201.92 9625163 201.49 9114775
201.07 8624484 201.93 9637134 201.5 9126547
201.08 8636063 201.94 9649110 201.51 9138325
201.09 8647647 201.95 9661090 201.52 9150106
201.1 8659236 201.96 9673075 201.53 9161893
201.11 8670828 201.97 9685064 201.54 9173684
201.12 8682426 201.98 9697059 201.55 9185480
201.13 8694028 201.99 9709057 201.56 9197281
201.14 8705635 202 9721060 201.57 9209085
201.15 8717246 202.01 9733069 201.58 9220894
201.16 8728862 202.02 9745083 201.59 9232709
201.17 8740482 202.03 9757101 201.6 9244528
201.18 8752108 202.04 9769124 201.61 9256351
201.19 8763778 202.05 9781152 201.62 9268179
201.2 8775372 202.06 9793186 201.63 9280012
201.21 8787011 202.07 9805223 201.64 9291849
201.22 8798654 202.08 9817266 201.65 9303691
201.23 8810303 202.09 9829314 201.66 9315537
201.24 8821955 202.1 9841367 201.67 9327388
201.25 8833613 202.11 9853424 201.68 9339244
201.26 8845275 202.12 9865486 201.69 9351104
201.27 8856942 202.13 9877553 201.7 9362970
201.28 8868613 202.14 9889625 201.71 9374839
201.29 8880289 202.15 9901703 201.72 9386713
201.3 8891969 202.16 9913784 201.73 9398592
201.31 8903654 202.17 9925871 201.74 9410475

201.32 8915344 202.18 9937962 201.75 9422363
201.33 8927038 202.19 9950059 201.76 9434256
201.34 8938737 202.2 9962060 201.77 9446153
201.35 8950441 202.21 9974266 201.78 9458055
201.36 8962149 202.22 9986378 201.79 9469961
201.37 8973862 202.23 9998493 201.8 9481872
201.38 8985580 202.24 10010614 201.81 9493787
201.39 8997301 202.25 10022740 201.82 9505708
201.4 9009028 202.26 10034870 201.83 9517632
201.41 9020759 202.27 10047006 201.84 9529562
201.42 9032450 202.28 10059146 201.85 9541496
201.43 9044235 202.29 10071292 201.86 9553435
201.44 9055980 202.3 10083441 201.87 9565378
201.45 9067730 202.31 10095596 201.88 9577326
202.32 10107756 202.75 10635240 203.18 11171614
202.33 10119921 202.76 10647614 203.19 11184196
202.34 10132090 202.77 10659994 203.2 11196783
202.35 10144265 202.78 10672377 203.21 11209375
202.36 10156444 202.79 10684766 203.22 11221973
202.37 10168628 202.8 10697160 203.23 11234577
202.38 10180817 202.81 10709559 203.24 11247185
202.39 10193012 202.82 10721963 203.25 11259798
202.4 10205210 202.83 10734371 203.26 11272417
202.41 10217414 202.84 10746784 203.27 11285042
202.42 10229622 202.85 10759202 203.28 11297671
202.43 10241836 202.86 10771626 203.29 11310306
202.44 10254054 202.87 10784053 203.3 11322946
202.45 10266278 202.88 10796486 203.31 11335592
202.46 10278505 202.89 10808924 203.32 11348243
202.47 10290738 202.9 10821366 203.33 11360900
202.48 10302976 202.91 10833814 203.34 11373562
202.49 10315219 202.92 10846266 203.35 11386229
202.5 10327466 202.93 10858723 203.36 11398902
202.51 10339719 202.94 10871186 203.37 11411579
202.52 10351976 202.95 10883652 203.38 11424263
202.53 10364238 202.96 10896124 203.39 11436951
202.54 10376505 202.97 10908601 203.4 11449645
202.55 10388777 202.98 10921082 203.41 11462345
202.56 10401054 202.99 10933569 203.42 11475049
202.57 10413336 203 10946060 203.43 11487758
202.58 10425622 203.01 10958545 203.44 11500474
202.59 10437914 203.02 10971036 203.45 11513195

202.6 10450210 203.03 10983533 203.46 11525921
202.61 10462511 203.04 10996034 203.47 11538652
202.62 10474818 203.05 11008541 203.48 11551388
202.63 10487128 203.06 11021053 203.49 11564131
202.64 10499444 203.07 11033570 203.5 11576877
202.65 10511765 203.08 11046093 203.51 11589630
202.66 10524090 203.09 11058621 203.52 11602388
202.67 10536421 203.1 11071154 203.53 11615152
202.68 10548756 203.11 11083693 203.54 11627921
202.69 10561097 203.12 11096238 203.55 11640695
202.7 10573441 203.13 11108787 203.56 11653474
202.71 10585791 203.14 11121342 203.57 11666258
202.72 10598146 203.15 11133902 203.58 11679049
202.73 10610506 203.16 11146467 203.59 11691844
202.74 10622870 203.17 11159038 203.6 11704645
203.61 11717451 204.04 12273262 204.47 12840091
203.62 11730263 204.05 12286326 204.48 12853396
203.63 11743079 204.06 12299397 204.49 12866708
203.64 11755901 204.07 12312473 204.5 12880024
203.65 11768729 204.08 12325554 204.51 12893345
203.66 11781562 204.09 12338641 204.52 12906673
203.67 11794400 204.1 12351733 204.53 12920006
203.68 11807244 204.11 12364831 204.54 12933345
203.69 11820093 204.12 12377935 204.55 12946689
203.7 11832946 204.13 12391044 204.56 12960040
203.71 11845806 204.14 12404160 204.57 12973396
203.72 11858671 204.15 12417279 204.58 12986756
203.73 11871542 204.16 12430406 204.59 13000123
203.74 11884417 204.17 12443538 204.6 13013496
203.75 11897298 204.18 12456675 204.61 13026874
203.76 11910184 204.19 12469818 204.62 13040257
203.77 11923077 204.2 12482966 204.63 13053646
203.78 11935973 204.21 12496120 204.64 13067041
203.79 11948876 204.22 12509280 204.65 13080441
203.8 11961783 204.23 12522446 204.66 13093847
203.81 11974696 204.24 12535616 204.67 13107259
203.82 11987614 204.25 12548792 204.68 13120676
203.83 12000538 204.26 12561974 204.69 13134098
203.84 12013468 204.27 12575163 204.7 13147527
203.85 12026402 204.28 12588356 204.71 13160960
203.86 12039342 204.29 12601554 204.72 13174400
203.87 12052287 204.3 12614759 204.73 13187846

203.88 12065238 204.31 12627969 204.74 13201296
203.89 12078194 204.32 12641185 204.75 13214753
203.9 12091154 204.33 12654406 204.76 13228214
203.91 12104121 204.34 12667633 204.77 13241682
203.92 12117093 204.35 12680865 204.78 13255156
203.93 12130070 204.36 12694104 204.79 13268634
203.94 12143053 204.37 12707347 204.8 13282118
203.95 12156041 204.38 12720596 204.81 13295608
203.96 12169034 204.39 12733851 204.82 13309104
203.97 12182033 204.4 12747111 204.83 13322605
203.98 12195036 204.41 12760377 204.84 13336111
203.99 12208046 204.42 12773649 204.85 13349623
204 12221060 204.43 12786926 204.86 13363142
204.01 12234102 204.44 12800209 204.87 13376665
204.02 12247150 204.45 12813497 204.88 13390195
204.03 12260203 204.46 12826792 204.89 13403729
204.9 13417269 205.33 14004696 205.76 14602126
204.91 13430815 205.34 14018476 205.77 14616139
204.92 13444366 205.35 14032261 205.78 14630156
204.93 13457924 205.36 14046053 205.79 14644180
204.94 13471486 205.37 14059849 205.8 14658208
204.95 13485055 205.38 14073651 205.81 14672243
204.96 13498628 205.39 14087458 205.82 14686283
204.97 13512208 205.4 14101272 205.83 14700327
204.98 13525793 205.41 14115089 205.84 14714378
204.99 13539384 205.42 14128912 205.85 14728433
205 13552980 205.43 14142741 205.86 14742495
205.01 13566582 205.44 14156576 205.87 14756561
205.02 13580190 205.45 14170416 205.88 14770634
205.03 13593802 205.46 14184260 205.89 14784711
205.04 13607420 205.47 14198111 205.9 14798794
205.05 13621043 205.48 14211967 205.91 14812882
205.06 13634672 205.49 14225828 205.92 14826976
205.07 13648307 205.5 14239694 205.93 14841075
205.08 13661946 205.51 14253567 205.94 14855179
205.09 13675592 205.52 14267444 205.95 14869290
205.1 13689242 205.53 14281327 205.96 14883404
205.11 13702898 205.54 14295215 205.97 14897526
205.12 13716559 205.55 14309109 205.98 14911651
205.13 13730226 205.56 14323008 205.99 14925783
205.14 13743898 205.57 14336913 206 14939920
205.15 13757575 205.58 14350823 206.01 14954027

205.16 13771259 205.59 14364739 206.02 14968141
205.17 13784947 205.6 14378659 206.03 14982261
205.18 13798641 205.61 14392585 206.04 14996387
205.19 13812341 205.62 14406516 206.05 15010518
205.2 13826044 205.63 14420454 206.06 15024655
205.21 13839754 205.64 14434396 206.07 15038798
205.22 13853470 205.65 14448344 206.08 15052948
205.23 13867191 205.66 14462297 206.09 15067102
205.24 13880917 205.67 14476255 206.1 15081263
205.25 13894649 205.68 14490219 206.11 15095430
205.26 13908385 205.69 14504189 206.12 15109603
205.27 13922128 205.7 14518164 206.13 15123781
205.28 13935876 205.71 14532144 206.14 15137966
205.29 13949629 205.72 14546129 206.15 15152156
205.3 13963388 205.73 14560120 206.16 15166353
205.31 13977152 205.74 14574117 206.17 15180556
205.32 13990921 205.75 14588119 206.18 15194763
206.19 15208977 206.62 15825766 207.05 16453418
206.2 15223197 206.63 15840240 207.06 16468140
206.21 15237423 206.64 15854719 207.07 16482869
206.22 15251655 206.65 15869205 207.08 16497606
206.23 15265892 206.66 15883697 207.09 16512350
206.24 15280136 206.67 15898194 207.1 16527101
206.25 15294386 206.68 15912697 207.11 16541860
206.26 15308641 206.69 15927206 207.12 16556626
206.27 15322902 206.7 15941722 207.13 16571399
206.28 15337169 206.71 15956242 207.14 16586180
206.29 15351442 206.72 15970770 207.15 16600968
206.3 15365722 206.73 15985302 207.16 16615764
206.31 15380006 206.74 15999841 207.17 16630567
206.32 15394297 206.75 16014385 207.18 16645377
206.33 15408594 206.76 16028936 207.19 16660195
206.34 15422897 206.77 16043493 207.2 16675020
206.35 15437205 206.78 16058055 207.21 16689852
206.36 15451520 206.79 16072623 207.22 16704692
206.37 15465840 206.8 16087198 207.23 16719539
206.38 15480166 206.81 16101777 207.24 16734394
206.39 15494498 206.82 16116363 207.25 16749256
206.4 15508837 206.83 16130955 207.26 16764125
206.41 15523180 206.84 16145553 207.27 16779002
206.42 15537530 206.85 16160156 207.28 16793886
206.43 15551886 206.86 16174766 207.29 16808777

206.44 15566247 206.87 16189382 207.3 16823676
206.45 15580615 206.88 16204003 207.31 16838582
206.46 15594988 206.89 16218630 207.32 16853496
206.47 15609367 206.9 16233263 207.33 16868417
206.48 15623753 206.91 16247902 207.34 16883345
206.49 15638144 206.92 16262548 207.35 16898281
206.5 15652541 206.93 16277198 207.36 16913224
206.51 15666944 206.94 16291855 207.37 16928175
206.52 15681353 206.95 16306518 207.38 16943132
206.53 15695768 206.96 16321186 207.39 16958098
206.54 15710182 206.97 16335861 207.4 16973070
206.55 15724615 206.98 16350542 207.41 16988050
206.56 15739047 206.99 16365228 207.42 17003037
206.57 15753485 207 16379920 207.43 17018032
206.58 15767930 207.01 16394605 207.44 17033034
206.59 15782380 207.02 16409297 207.45 17048043
206.6 15796836 207.03 16423997 207.46 17063060
206.61 15811298 207.04 16438704 207.47 17078084
207.48 17093116 207.91 17746450 208.34 18411229
207.49 17108155 207.92 17761806 208.35 18426918
207.5 17123201 207.93 17777169 208.36 18442319
207.51 17138255 207.94 17792540 208.37 18458333
207.52 17153316 207.95 17807918 208.38 18474059
207.53 17168385 207.96 17823304 208.39 18489795
207.54 17183460 207.97 17838697 208.4 18505544
207.55 17198543 207.98 17854097 208.41 18521805
207.56 17213634 207.99 17869505 208.42 18537079
207.57 17228732 208 17884920 208.43 18552863
207.58 17243837 208.01 17900202 208.44 18568660
207.59 17258950 208.02 17915496 208.45 18584470
207.6 17274070 208.03 17930802 208.46 18600291
207.61 17289198 208.04 17946120 208.47 18616124
207.62 17304332 208.05 17961450 208.48 18631969
207.63 17319474 208.06 17976792 208.49 18647826
207.64 17334624 208.07 17992145 208.5 18663696
207.65 17349781 208.08 18007512 208.51 18679576
207.66 17364945 208.09 18022889 208.52 18695469
207.67 17380117 208.1 18038280 208.53 18711374
207.68 17395296 208.11 18053681 208.54 18727291
207.69 17410483 208.12 18069094 208.55 18743220
207.7 17425676 208.13 18084520 208.56 18759161
207.71 17440878 208.14 18099958 208.57 18775113

207.72 17456086 208.15 18115408 208.58 18791078
207.73 17471302 208.16 18130870 208.59 18807055
207.74 17486525 208.17 18146343 208.6 18823044
207.75 17501706 208.18 18161829 208.61 18839045
207.76 17516994 208.19 18177326 208.62 18855058
207.77 17532239 208.2 18192836 208.63 18871083
207.78 17547492 208.21 18208358 208.64 18887119
207.79 17562752 208.22 18223891 208.65 18903168
207.8 17578020 208.23 18239437 208.66 18919228
207.81 17593295 208.24 18254994 208.67 18935301
207.82 17608577 208.25 18270564 208.68 18951386
207.83 17623867 208.26 18286146 208.69 18967482
207.84 17639164 208.27 18301739 208.7 18983591
207.85 17654468 208.28 18317344 208.71 18999712
207.86 17669780 208.29 18332962 208.72 19015844
207.87 17685099 208.3 18348591 208.73 19031989
207.88 17700426 208.31 18364232 208.74 19048145
207.89 17715760 208.32 18379886 208.75 19064314
207.9 17731101 208.33 18395550 208.76 19080494
208.77 19096687 209.2 19807756 209.63 20551728
208.78 19112892 209.21 19824701 209.64 20569403
208.79 19129108 209.22 19841663 209.65 20587095
208.8 19145336 209.23 19858643 209.66 20604804
208.81 19161576 209.24 19875638 209.67 20622531
208.82 19177829 209.25 19892652 209.68 20640274
208.83 19194093 209.26 19909681 209.69 20658034
208.84 19210370 209.27 19926729 209.7 20675811
208.85 19226658 209.28 19943792 209.71 20693605
208.86 19242958 209.29 19960873 209.72 20711416
208.87 19259270 209.3 19977971 209.73 20729244
208.88 19275594 209.31 19995086 209.74 20747089
208.89 19291931 209.32 20012218 209.75 20764951
208.9 19308279 209.33 20029367 209.76 20782830
208.91 19324640 209.34 20046532 209.77 20800726
208.92 19341011 209.35 20063716 209.78 20818639
208.93 19357396 209.36 20080915 209.79 20836569
208.94 19373592 209.37 20098132 209.8 20854516
208.95 19390200 209.38 20115266 209.81 20872480
208.96 19406620 209.39 20132616 209.82 20890461
208.97 19423052 209.4 20149884 209.83 20908459
208.98 19439496 209.41 20167169 209.84 20926474
208.99 19455952 209.42 20184470 209.85 20944505

209 19472420 209.43 20201789 209.86 20962554
209.01 19489025 209.44 20219125 209.87 20980620
209.02 19505648 209.45 20236477 209.88 20998703
209.03 19522287 209.46 20253847 209.89 21016802
209.04 19538943 209.47 20271233 209.9 21034918
209.05 19555618 209.48 20288637 209.91 21053053
209.06 19572307 209.49 20306057 209.92 21071203
209.07 19589015 209.5 20323495 209.93 21089371
209.08 19605740 209.51 20340949 209.94 21107556
209.09 19622481 209.52 20358421 209.95 21125757
209.1 19639239 209.53 20375909 209.96 21143976
209.11 19656015 209.54 20393415 209.97 21162211
209.12 19672806 209.55 20410938 209.98 21180464
209.13 19689616 209.56 20428476 209.99 21198733
209.14 19706442 209.57 20446033 210 21217020
209.15 19723285 209.58 20463606 210.01 21235560
209.16 19740146 209.59 20481197 210.02 21254114
209.17 19757023 209.6 20498804 210.03 21272684
209.18 19773917 209.61 20516429 210.04 21291268
209.19 19790828 209.62 20534069 210.05 21309867
210.06 21328481 210.49 22142844 210.92 22984516
210.07 21347109 210.5 22162107 210.93 23004415
210.08 21365752 210.51 22181386 210.94 23024328
210.09 21384411 210.52 22200679 210.95 23044257
210.1 21403083 210.53 22219987 210.96 23064200
210.11 21421771 210.54 22239310 210.97 23084158
210.12 21440474 210.55 22258648 210.98 23104130
210.13 21459191 210.56 22277999 210.99 23124118
210.14 21477922 210.57 22297366 211 23144120
210.15 21496669 210.58 22316748 211.01 23164067
210.16 21515431 210.59 22335995 211.02 23184024
210.17 21534207 210.6 22355556 211.03 23203989
210.18 21552998 210.61 22374982 211.04 23223964
210.19 21571803 210.62 22394422 211.05 23243948
210.2 21590624 210.63 22413879 211.06 23263941
210.21 21609459 210.64 22433349 211.07 23283943
210.22 21628309 210.65 22452834 211.08 23303954
210.23 21647175 210.66 22472334 211.09 23323975
210.24 21666054 210.67 22491849 211.1 23344005
210.25 21684948 210.68 22511378 211.11 23364044
210.26 21703857 210.69 22530922 211.12 23384091
210.27 21722781 210.7 22550481 211.13 23404149

210.28 21741720 210.71 22570056 211.14 23424214
210.29 21760673 210.72 22589644 211.15 23444290
210.3 21779641 210.73 22609248 211.16 23464374
210.31 21798625 210.74 22628865 211.17 23484468
210.32 21817622 210.75 22648498 211.18 23504571
210.33 21836635 210.76 22668145 211.19 23524682
210.34 21855662 210.77 22687808 211.2 23544804
210.35 21874704 210.78 22707485 211.21 23564934
210.36 21893761 210.79 22727178 211.22 23585073
210.37 21912833 210.8 22746884 211.23 23605222
210.38 21931919 210.81 22766605 211.24 23625380
210.39 21951020 210.82 22786342 211.25 23645547
210.4 21970136 210.83 22806093 211.26 23665722
210.41 21989267 210.84 22825850 211.27 23685908
210.42 22008412 210.85 22845639 211.28 23706102
210.43 22027573 210.86 22865434 211.29 23726305
210.44 22045748 210.87 22885244 211.3 23746518
210.45 22065937 210.88 22905069 211.31 23766739
210.46 22085141 210.89 22924909 211.32 23786970
210.47 22104361 210.9 22944763 211.33 23807210
210.48 22123595 210.91 22964633 211.34 23827459
211.35 23847718 211.78 24727473
211.36 23867985 211.79 24748134
211.37 23888262 211.8 24768804
211.38 23908547 211.81 24789483
211.39 23928842 211.82 24810171
211.4 23949146 211.83 24830868
211.41 23969459 211.84 24851574
211.42 23989781 211.85 24872290
211.43 24010113 211.86 24893014
211.44 24030453 211.87 24913749
211.45 24050803 211.88 24934491
211.46 24071162 211.89 24955244
211.47 24091530 211.9 24976005
211.48 24111907 211.91 24996775
211.49 24132293 211.92 25017554
211.5 24152689 211.93 25038343
211.51 24173093 211.94 25059141
211.52 24193507 211.95 25079948
211.53 24213930 211.96 25100764
211.54 24234362 211.97 25121589
211.55 24254803 211.98 25142424

211.56 24275253 211.99 25163267
211.57 24295713 212 25184120
211.58 24316181
211.59 24336659
211.6 24357146
211.61 24377642
211.62 24398147
211.63 24418662
211.64 24439185
211.65 24459718
211.66 24480259
211.67 24500810
211.68 24521370
211.69 24541939
211.7 24562518
211.71 24583105
211.72 24603702
211.73 24624308
211.74 24644922
211.75 24665547
211.76 24686180
211.77 24706822

Ingeniera del Agua | 21.1 | 2017 Marcos-Garcia y Pulido-Velazquez | Cambio climtico y planificacin hidrolgica: es adecuado asumir un [] 35
Cambio climtico y planificacin hidrolgica: es adecuado asumir un

porcentaje nico de reduccin de aportaciones para toda la demarcacin?
Climate change and water planning: is a single reduction coefficient appropriate for the
whole river basin district?
Marcos-Garcia, P.a1, Pulido-Velazquez, M.a2

Instituto de Ingeniera del Agua y Medio Ambiente (IIAMA), Universitat Politcnica de Valncia, Cam de Vera s/n 46022 Valencia.
a
E-mail: a1 patmarg5@doctor.upv.es, a2 mapuve@hma.upv.es
RESUMEN
La incorporacin del cambio climtico a la planificacin hidrolgica no es tarea sencilla, dada la alta incertidumbre asociada. En
Espaa, actualmente se consideran los escenarios futuros aplicando un coeficiente de reduccin nico a las series histricas de
aportaciones. El presente artculo analiza la cuestin para el Sistema de Explotacin Jcar, a la luz de los ltimos escenarios de
cambio climtico (AR5) y comparando los resultados de tres modelos hidrolgicos conceptuales. De los resultados se deduce que la
disminucin de precipitacin y el aumento de temperatura podran ser mayores en cabecera que en las subcuencas mediterrneas.
Asimismo, la dispersin respecto al posible porcentaje de reduccin del recurso es elevada, pudiendo resultar muy superior a las
previsiones del Plan Hidrolgico. Por tanto, sera necesario analizar la robustez y resiliencia del sistema frente a un rango plausible
de situaciones de estrs, para identificar dnde es ms vulnerable y proponer medidas de adaptacin.
Palabras clave | planificacin hidrolgica; cambio climtico; incertidumbre; anlisis de tendencias.
ABSTRACT
The inclusion of climate change in water planning is not an easy task, due to its high uncertainty. In Spain, climate change effect on
water resources is quantified through the application of an only reduction coefficient to the historical time series of inflows in every
river basin district. This paper is intended to provide further insight into this topic, using the new climate change scenarios and three
conceptual rainfall-runoff models to simulate future inflows for the Jucar river basin. Our results suggest that the headwaters basins
are prone to suffer higher rainfall reductions and temperature increases than the Mediterranean basins. Moreover, great uncertainty
about resources reduction exists, which could be significantly greater than current water plan projections. In our opinion, systems
resilience should be confronted with a plausible rank of climatic stress conditions, to identify vulnerabilities and propose adaptation
measures.
Key words | water planning; climate change; uncertainty; trend detection.
Doi:10.4995/Ia.2017.6361 EISSN: 1886-4996 ISSN: 1134-2196

36 Marcos-Garcia y Pulido-Velazquez | Cambio climtico y planificacin hidrolgica: es adecuado asumir un [] Ingeniera del Agua | 21.1 | 2017
INTRODUCCIN
De acuerdo con el ltimo informe del Panel Intergubernamental de Cambio Climtico (IPCC, 2014a), las emisiones actuales
de gases de efecto invernadero aumentarn el calentamiento global y producirn cambios duraderos en el clima, incrementando la
aparicin de eventos extremos. En estas condiciones, las sequas podran ser ms frecuentes y severas a escala global (Dai, 2013),
aumentando sus impactos en los recursos hdricos. Asimismo, se ha identificado un patrn de cambio mundial de la escorrenta anual,
incrementndose en regiones pertenecientes a altas latitudes y disminuyendo en zonas como el sur de Europa, frica occidental o
el sur de Latinoamrica (Bates etal., 2008). En este contexto, la regin Mediterrnea emerge como un punto de especial incidencia
del cambio climtico (Diffenbaugh y Giorgi, 2012), proyectndose reducciones en la precipitacin media anual, aumentos en la
evapotranspiracin a consecuencia del incremento de la temperatura, veranos ms secos y mayor riesgo de episodios de sequa,
reducindose la recarga de los acuferos y la escorrenta superficial (Howard, 2011). No obstante, existe una alta incertidumbre
respecto a los impactos del cambio climtico en la respuesta hidrolgica de las cuencas mediterrneas, debida a la elevada dispersin
de las seales climticas simuladas por diferentes modelos (Deidda etal., 2013; Girard etal., 2015). En cualquier caso, se espera
que los impactos negativos del cambio climtico afecten principalmente a las zonas semiridas con escasez de agua y un balance
frgil entre recursos hdricos y demandas (Estrela etal., 2012)
El proceso ms comn para evaluar los impactos del cambio climtico en los recursos hdricos combina el uso de proyecciones
climticas con la modelizacin hidrolgica. Es posible identificar cuatro fases principales en este tipo de estudio: 1)construccin
de escenarios de emisiones/concentraciones de gases de efecto invernadero; 2) modelizacin del clima global; 3) reescalado
y correccin del sesgo de las proyecciones meteorolgicas y; 4) estimacin de impactos mediante modelos hidrolgicos. Sin
embargo, existe un intenso debate en la comunidad cientfica sobre la aplicacin ms adecuada del amplio abanico de mtodos
y modelos disponibles para efectuar cada uno de estos pasos, sin que exista en la actualidad una metodologa universalmente
aceptada que prepondere el uso de un determinado mtodo o modelo en detrimento de otros. Por tanto, a la incertidumbre inherente
a las proyecciones climticas (asociada principalmente a los niveles futuros de emisiones de gases de efecto invernadero, a la
representacin simplificada de los procesos climticos, al conocimiento imperfecto de las condiciones climticas actuales y a la
dificultad que implica representar las variaciones interanuales en proyecciones a largo plazo), es preciso aadir la que introducen
las decisiones respecto a los procedimientos de reescalado, correccin del sesgo y seleccin de modelos, tanto climticos (globales
y regionales) como hidrolgicos. En el caso de estos ltimos, en algunas regiones la dispersin de los cambios proyectados debida a
la eleccin de un determinado modelo hidrolgico podra ser incluso mayor que la resultante de los modelos climticos (Hagemann
etal., 2013; Mendoza etal., 2015). Esta cascada de incertidumbre (Wilby y Dessai, 2010) puede plantear ciertas dudas respecto
al realismo de los resultados del anlisis de impacto y la pertinencia de incorporarlos en los procesos de planificacin hidrolgica
a corto plazo. No obstante, es necesario considerar que incierto no significa desconocido o falso, mxime cuando la incertidumbre
puede ser cuantificada y se encuentra presente en mltiples decisiones de la vida cotidiana. As, la informacin incierta se revela
siempre de mayor utilidad que las certezas errneas (Blschl y Montanari, 2010).
En Espaa, se consideraron por primera vez los impactos del cambio climtico en la disponibilidad de los recursos hdricos
en el Libro Blanco del Agua en Espaa (MIMAM, 2000), a travs de dos escenarios: el primero estableca un aumento de 1C en
la temperatura media anual, mientras que el segundo, adems de este incremento de temperatura, introduca una disminucin de
un 5% en la precipitacin media anual. De este modo, se obtuvieron unos porcentajes de reduccin del recurso respecto a la serie
histrica variables en funcin de la Demarcacin Hidrogrfica (del 2 al 11% para el primer escenario y del 9 al 22% en el segundo).
Posteriormente, la Instruccin de Planificacin Hidrolgica (IPH, Orden ARM/2656/2008) estableci la necesidad de evaluar
el efecto del cambio climtico sobre los recursos hdricos de cada Demarcacin, sealando que, hasta que dichas evaluaciones
no estuviesen disponibles, se deberan aplicar los coeficientes de reduccin global especificados en dicha Instruccin (que se
correspondan con los obtenidos para el primer escenario del Libro Blanco del Agua). Por tanto, en Espaa la incorporacin del
cambio climtico a los Planes Hidrolgicos de cuenca se produjo por primera vez en el ciclo de planificacin anterior (2009-2015).
En general, el tratamiento de esta cuestin en el primer ciclo de planificacin ha sido escueto y, la mayora de los casos, se ha
limitado a aplicar a la serie histrica los porcentajes de reduccin de volmenes de agua contenidos en la IPH para obtener los
recursos de agua disponibles con horizonte 2027 (Olcina Cantos, 2014). Asimismo, los nuevos Planes Hidrolgicos de las cuencas
intercomunitarias para el ciclo de planificacin 2015-2021 (recientemente aprobados por el RD 1/2016), tampoco incorporan
novedades metodolgicas en este aspecto (se sigue aplicando un porcentaje nico a las aportaciones de la serie histrica larga

(1940-2005)). En este caso, los coeficientes reductores han sido revisados a raz del estudio del Centro de Estudios Hidrogrficos
del CEDEX (CEDEX-DGA, 2011), adoptando generalmente las previsiones del escenario ms desfavorable de emisiones, el A2
(Special Report Emissions Scenarios, SRES), correspondiente al 3er informe (AR3) del IPCC (2001).
Figura1| Reduccin de las aportaciones en las cuencas intercomunitarias segn la Instruccin de Planificacin Hidrolgica (IPH, Orden
ARM/2656/2008) y CEDEX (CEDEX-DGA, 2011).
Como se puede observar en la Figura1, los porcentajes de reduccin recomendados en el estudio del CEDEX (CEDEX-
DGA, 2011) muestran cambios importantes en algunas zonas respecto a los considerados por la IPH. As, mientras que en el caso
de la IPH es posible identificar un gradiente norte-sur que asigna las menores reducciones a las cuencas septentrionales (Cantbrico
y Mio-Sil), no sucede lo mismo en el escenario A2 considerado por el CEDEX, que atribuye las mayores reducciones a las
cuencas cantbricas (11%, cuando en la IPH se recomendaba un 2%) y al Jcar (12%). Por el contrario, en las demarcaciones
hidrogrficas del Guadalquivir, Guadiana y Segura, las ms pesimistas segn la IPH (hasta el 11% en las dos ltimas), el nuevo
documento considera reducciones muy inferiores (5-6%). Otra cuestin interesante que ya apuntaba el Plan Hidrolgico del Jcar en
el ciclo de planificacin anterior (CHJ 2014; CHJ 2015) es que esta disminucin de la aportacin dista mucho de ser espacialmente
homognea para el periodo histrico. Concretamente, tras comparar la serie larga de aportaciones (1940/41-2008/09) con la corta
(1980/81-2008/09), se concluy que las reducciones ms importantes se concentraban en las zonas de cabecera y del interior,
producindose un ligero incremento en las zonas costeras, donde el recurso generado es menos aprovechable desde el punto de vista
de la planificacin hidrolgica. A este respecto, no deja de ser significativo el hecho de que el sistema de explotacin que aporta ms
del 50% de los recursos totales de la cuenca (sistema Jcar) presente un porcentaje de reduccin de la aportacin superior en un 40%
al porcentaje de reduccin medio para el total de la demarcacin (Tabla1). Por tanto, el sistema Jcar ya ha experimentado en los
ltimos aos una reduccin similar a la aplicada en el Plan Hidrolgico para considerar el efecto del cambio climtico.
Tabla1 | Reduccin de las aportaciones (hm3/ao) en el periodo histrico en la DHJ (fuente: CHJ 2015)
Serie larga Serie corta Reduccin

Cenia-Maestrazgo 160.5 162.3 1.12%
Mijares-Plana de Castelln 340.2 344.0 1.12%
Palancia-Los Valles 55.5 59.3 6.85%
Turia 496.6 463.8 -6.60%
Jcar 1747.9 1548.1 -11.73%
Serpis 197.9 200.5 1.31%
Marina Alta 151.8 154.4 1.71%
Marina Baja 65.6 63.2 -3.66%
Vinalop-Alacant 61.8 60.4 -2.27%
TOTAL DHJ 3277.9 3056.00 -6.77%
Hernndez Barrios (2007) simul los impactos sobre los recursos hdricos naturales de los escenarios A2 y B2 de cambio
climtico procedentes del modelo HadCM3 para la cuenca del Jcar. La reduccin estimada de la escorrenta para el conjunto
de la cuenca del Jcar fue del 40%, pero con variaciones geogrficas significativas, siendo las reas interiores las ms afectadas
(reducciones del 50%) frente a las costeras (reducciones aproximadamente del 25%). Asimismo, Mir etal. (2015), tras estudiar los
patrones locales de cambio en la temperatura para el periodo 1948-2011 en la Comunidad Valenciana, hallaron mayores incrementos

en las zonas altas de mayor relieve que en los fondos de valle y en la zona costera, concluyendo que las reas ms expuestas al
cambio climtico (zonas montaosas del interior) eran tambin aqullas donde se generaba la mayor parte de los recursos hdricos.
De acuerdo con las consideraciones anteriores, cabe preguntarse si es correcto aplicar un porcentaje de reduccin nico,
o si se trata de una simplificacin excesiva a efectos de abordar la evaluacin del efecto del cambio climtico en la planificacin
hidrolgica. A este respecto, el presente artculo tiene por objeto analizar esta cuestin para el caso concreto del sistema de
explotacin del ro Jcar, considerando 14 combinaciones de modelos climticos globales (MCGs) y regionales (MCRs) para
2de los nuevos escenarios (RCPs, trayectorias de concentracin representativas) del ltimo informe del IPCC (2014b) a corto y
medio plazo. Se analizan las tendencias histricas de precipitacin y temperatura mediante el uso de una herramienta de anlisis
exploratorio de datos capaz de abordar simultneamente la estacionalidad y la variabilidad interanual. La generacin de escenarios
meteorolgicos futuros requiere la seleccin previa de las proyecciones y su reescalado mediante correccin del sesgo, corrigiendo
de esta forma las desviaciones entre las series observadas y simuladas para el periodo de control. En este caso se usa la tcnica de
mapeo de cuantiles (Li etal., 2010), corrigiendo la funcin de distribucin de las variables meteorolgicas en el futuro con base en
la diferencia entre la distribucin observada y simulada para el periodo de control. A efectos de cuantificar la incertidumbre asociada
al modelo hidrolgico se emplean tres modelos conceptuales agregados diferentes, para la transformacin de la precipitacin en
escorrenta: Tmez (Tmez, 1977), GR2M (Mouelhi etal., 2006) y HBV-light (Seibert y Vis, 2012). Los resultados nos permiten
extraer conclusiones sobre las incertidumbres y variabilidad espacial y temporal del impacto del cambio climtico en la cuenca.
CASO DE ESTUDIO
El caso de estudio seleccionado es el Sistema de Explotacin del ro Jcar que, con una superficie de 22261km2, es el
sistema ms extenso de la demarcacin. El sistema presenta un alto grado de regulacin, con una demanda de agua para riego que
supone alrededor del 80% de la demanda total. La escasez de agua, la hidrologa irregular y la sobreexplotacin de los recursos
subterrneos de la cuenca hacen que las sequas sean un fenmeno recurrente, con importantes consecuencias econmicas, sociales
y medioambientales. La mayora de los recursos hdricos superficiales se regulan mediante tres embalses principales: Alarcn
(1112hm3 de volumen til) y Contreras (872hm3 de volumen til), que se ubican en paralelo en las cabeceras de los ros Jcar
y Cabriel, y Tous aguas abajo (314hm3 de volumen til). Las mayores demandas consuntivas se concentran en la parte baja de
la cuenca y se corresponden con regados y abastecimientos urbanos (incluyendo el abastecimiento a la ciudad de Valencia). Es
necesario destacar que existe un equilibrio vulnerable entre el recurso disponible (1748hm3/ao; media anual para el periodo 1940 a
2009) y la demanda total (1640hm3/ao). A efectos del presente estudio, el Sistema de Explotacin se ha dividido en 7 subcuencas,
atendiendo a las caractersticas fisiogrficas y a la disponibilidad de puntos con series de datos de caudales asimilables o restituidos
a rgimen natural (Figura2).
Figura2 | Sistema de explotacin del ro Jcar y subcuencas consideradas.

Se pueden identificar tres reas geogrficas atendiendo a la climatologa. La zona de cabecera presenta un clima continental,
con una precipitacin media anual de 630mm/ao y una temperatura media de 11.6C. En esta zona se incluyen la cuenca de
aportacin al embalse de Alarcn (entrada media anual de 287.5 hm3/ao para el periodo 1980-2011), denominada de aqu en
adelante como subcuenca de Alarcn, y la cuenca del ro Cabriel (afluente principal del ro Jcar, por margen izquierda, con una
aportacin anual de 253.3hm3/ao para el periodo 1980-2011), que se denominar de aqu en adelante subcuenca de Contreras. En
cuanto a la zona de recarga del acufero de la Mancha Oriental ubicada dentro del Sistema de Explotacin (7260km2, se corresponde
casi en su totalidad con la subcuenca denominada Molinar), aunque presenta tambin clima continental, a efectos del presente
estudio se ha incluido junto con la subcuenca de Tous (que se extiende desde el embalse de Molinar hasta la presa de Tous) dentro
de la zona intermedia. El acufero de la Mancha Oriental se encuentra hidrulicamente conectado al ro Jcar y, debido a la intensa
explotacin que ha sufrido en las ltimas dcadas, ha cambiado la relacin ro-acufero (Sanz, 2011), pasando de aportar agua
al ro Jcar (ro ganador) a drenarlo (ro perdedor), con importantes implicaciones en la gestin del mismo (Apperl etal., 2015).
La recarga del acufero se estima en 169hm3/ao, las prdidas del ro en 76.8hm3/ao y el recurso renovable en 359.7hm3/ao
(CHJ, 2014). La zona intermedia con clima transicional entre el clima continental y el Mediterrneo se extiende desde la presa de
Embarcaderos hasta la de Tous, con una precipitacin media anual de 482mm/ao y una temperatura media de 14.8C. Finalmente,
la zona baja de la cuenca se ubica aguas abajo de la presa de Tous (subcuencas de Sueca y Bells) y presenta el clima tpico de la
costa mediterrnea, con una precipitacin media anual de 450mm/ao y una temperatura media de 17C (CHJ, 2014). En esta zona
se ha incluido, asimismo, la subcuenca de Forata.
MATERIAL Y MTODOS
Anlisis de tendencias histricas
Para la caracterizacin de las variables climticas en el periodo histrico (1971-2007) se ha recurrido a las series diarias de
precipitacin y temperatura del proyecto SPAIN 02(Herrera etal., 2010), con una resolucin espacial de 0.11.
Dentro de las metodologas de deteccin de tendencias, es posible distinguir dos grupos: los mtodos estadsticos formales
y las tcnicas de Anlisis Exploratorio de Datos (EDA, por sus siglas en ingls), que generalmente emplean herramientas grficas
para mejorar la comprensin de los datos y procesos. Ambas metodologas son complementarias: mientras que las EDA son
tiles para seleccionar tcnicas y herramientas estadsticas adecuadas, los test estadsticos pueden confirmar la importancia de las
tendencias detectadas visualmente. Otro aspecto importante cuando se analizan tendencias en variables climticas es la dificultad
que introducen la estacionalidad y la variabilidad interanual. En el presente estudio, se ha optado por una herramienta EDA capaz
de abordar simultneamente ambos aspectos, MASH, Moving Average over Shifting Horizon (Anghileri etal., 2014). En ella, el
patrn estacional se representa mediante 365valores de la variable media diaria (precipitacin o temperatura) a lo largo del ao,
promediando los valores incluidos en una ventana temporal de varios das y comparndolos con el promedio de la misma ventana en
aos consecutivos (horizonte). Con el fin de identificar tendencias, este horizonte se mueve progresivamente a lo largo del registro
histrico. Por tanto, es necesario especificar tanto el nmero de das que componen la ventana temporal como el nmero de aos
del horizonte seleccionado, considerando que una agregacin excesiva puede suavizar demasiado las tendencias y que periodos
de agregacin muy pequeos no son capaces de filtrarlas. No existe una regla general para seleccionar estos dos parmetros. Por
tanto, en este caso se han analizado diversas combinaciones de ambos parmetros, seleccionando finalmente una ventana temporal
de 9das y un horizonte de 20aos.
Seleccin de proyecciones de cambio climtico y reescalado local
Las proyecciones futuras se han obtenido a partir de una combinacin de Modelos Climticos Globales (MCGs) y Modelos
Climticos Regionales (MCRs). Los MCGs representan procesos fsicos en la atmsfera, el ocano, la criosfera y la superficie
terrestre, por lo que permiten simular el impacto de concentraciones crecientes de gases de efecto invernadero en el sistema
climtico global. No obstante, presentan la desventaja de la escala o resolucin, que normalmente se sita entre 250y 600km y

de 10a20capas verticales en el caso de la atmsfera (IPCC, 2014b). Por esta razn, se usan MCRs para mejorar las proyecciones
a escala regional a travs de tcnicas de reescalado (downscaling). En este caso, se ha recurrido a los resultados del proyecto
CORDEX (disponibles en la plataforma Earth System Grid Federation), cuyo fin es mejorar este proceso de reescalado y producir
conjuntos de proyecciones para diferentes regiones del mundo (Christensen etal., 2014). Estas proyecciones estn basadas en
los nuevos escenarios del IPCC, denominados Trayectorias de Concentracin Representativas (RCPs por sus siglas en ingls).
Su principal ventaja respecto a los escenarios anteriores (SRES; IPCC 2001) es que permiten considerar los efectos de acuerdos
internacionales y otras polticas para reducir la emisin de gases de efecto invernadero (Van Vuuren etal., 2011). Concretamente,
en el presente estudio se han considerado dos escenarios, RCP 4.5y RCP 8.5, a fin de incluir un escenario medio y otro extremo.
Para ambos se han considerado dos periodos temporales: corto plazo (2011-2040) y medio plazo (2040-2070).
Para la seleccin de la combinacin MCG-MCR ms adecuada para el caso de estudio, se han comparado las series
de precipitacin y temperaturas medias mensuales observadas con las procedentes de los modelos para el periodo de control
(1971-2000), calculando el error medio relativo de ambas variables (precipitacin y temperatura) respecto a los estadsticos media
y desviacin tpica mensuales para el periodo de control, como en Pulido-Velazquez etal. (2014).
Una vez seleccionados los modelos, es necesario corregir el sesgo de las variables climticas para obtener estimaciones
fiables de las condiciones locales. En mayor o menor medida, todos los modelos climticos presentan un error sistemtico
(diferencia entre el valor simulado y el observado), que debe corregirse antes de que los resultados del modelo climtico puedan
emplearse en aplicaciones especficas. No obstante, la correccin del sesgo presenta dos inconvenientes: por un lado, no puede
paliar la existencia de representaciones incorrectas de procesos dinmicos y/o fsicos (asume que los resultados de los modelos son
correctos, aunque se encuentren desviados de las observaciones histricas) y, por otro, considera que el sesgo es estacionario
incluso a largo plazo. De las diferentes metodologas existentes, se ha seleccionado la correccin estadstica cuantil a cuantil, o
quantile mapping (Li etal. 2010). Este mtodo presenta la ventaja de ajustar una funcin de distribucin para el periodo futuro en
base a la diferencia entre la funcin de distribucin de los valores observados y simulados para el periodo de control (1971-2000).
El proceso se ha realizado mediante la herramienta estadstica qmap (Gudmunsson etal., 2012), implementada en R, que permite
diversas opciones de ajuste y seleccin de la transformacin cuantil a cuantil entre la serie observada y la procedente del modelo.
Tras corregir el sesgo, es posible obtener las variables temperatura y precipitacin para los escenarios de cambio climtico, que
posteriormente se utilizarn para generar las series de aportaciones futuras.
Modelizacin hidrolgica
A fin de considerar la incertidumbre introducida por la eleccin del modelo hidrolgico, se ha procedido a comparar los
resultados de tres modelos hidrolgicos conceptuales agregados a escala mensual: el modelo de Tmez (Tmez, 1977), el modelo
GR2M (Mouelhi etal., 2006) y el modelo HBV (Bergstrm, 1976) en su versin HBV-light (Seibert y Vis, 2012).
El modelo hidrolgico de Tmez (Tmez, 1977) es un modelo continuo, conceptual, determinstico y agregado de pocos
parmetros, que es capaz de reproducir los procesos esenciales de transferencia de agua en las diferentes fases del ciclo hidrolgico,
usando ecuaciones de balance y leyes especficas de reparto. Considera dos zonas de almacenamiento: el suelo (zona no saturada)
y el acufero (zona saturada). Por lo tanto, las variables de estado del modelo al final del mes i son la humedad del suelo (Hi) y
el volumen de agua en el acufero (Vi). En su formulacin original, el modelo de Tmez consta de cuatro parmetros: humedad
mxima, parmetro de excedente, infiltracin mxima y coeficiente de descarga del acufero (se considera un nico tanque). No
obstante, para mejorar la representacin de la relacin ro-acufero, en el presente estudio se ha modelizado el acufero con dos
embalses o tanques lineales independientes con distinto coeficiente de descarga exponencial, por lo que cuenta con seis parmetros
(un coeficiente de descarga adicional y un parmetro de reparto de la recarga del acufero entre los dos tanques considerados).
El modelo GR2M (Mouelhi etal., 2006) es un modelo conceptual agregado de slo 2parmetros. Consta de dos tanques o
almacenamientos, el primero de ellos de produccin (almacenamiento en el suelo, el parmetro X1regula su capacidad mxima) y
el segundo de propagacin. Los intercambios con el exterior de la cuenca se establecen mediante el parmetro X2(coeficiente de
intercambio). Si X2es mayor que 1, indica que existe una aportacin desde el exterior, en caso contrario, indica una prdida. Por
tanto, el tanque de propagacin experimenta un intercambio con el exterior proporcional a su contenido.

Por ltimo, la nueva versin HBV-light (Seibert y Vis, 2012) del modelo semidistribuido HBV (Bergstrm, 1976) incorpora
hasta cuatro rutinas que representan distintos procesos del ciclo hidrolgico (acumulacin y fusin nival, almacenamiento en el
suelo, almacenamiento en acufero y propagacin). El nmero total de parmetros que emplea es superior al de los dos modelos
anteriores (14), aunque en el caso de la cuenca del Jcar se reducen a 9al prescindir del mdulo nival.
Los modelos se han calibrado usando series mensuales de aportaciones para el periodo 1971-2000, previamente restituidas
a rgimen natural (CHJ, 2014). Se presenta la bondad de ajuste de los modelos segn el coeficiente de eficiencia de Nash-Sutcliffe
ordinario (NSE) y logartmico (LNSE, para dar ms peso a los caudales bajos) y el coeficiente de correlacin R para las distintas
subcuencas (Tabla2). Como se puede observar, en general el modelo de Tmez muestra el mejor ajuste para la mayora de las
subcuencas, sobre todo en las de clima mediterrneo (Tous, Sueca, Forata y Bells). Por tanto, el de Tmez es el modelo elegido
para el clculo de las aportaciones futuras en todo el sistema. Sin embargo, a efectos de analizar la incertidumbre que introduce
la eleccin del modelo hidrolgico se ha procedido a comparar los resultados de los tres modelos en las subcuencas de Alarcn y
Contreras. En ambas subcuencas se muestran tambin los resultados de los modelos para el periodo de validacin (2000-2007).
Tabla2 | Bondad de ajuste de los modelos hidrolgicos.
TMEZ GR2M HBV-light

% Aportacin natural NSE LNSE R NSE LNSE R NSE LNSE R
CALIBRACIN Alarcn 24 0.73 0.73 0.85 0.70 0.76 0.88 0.70 0.73 0.84
Contreras 22 0.73 0.77 0.86 0.74 0.63 0.86 0.71 0.73 0.85
Molinar 20 0.49 0.41 0.70 0.45 0.39 0.68 0.42 0.51 0.65
Tous 15 0.60 0.58 0.60 0.25 0.16 0.53 0.45 0.23 0.67
Forata 1 0.75 0.69 0.85 0.45 0.51 0.88 0.50 0.18 0.71
Sueca 15 0.61 0.57 0.80 0.48 0.33 0.66 0.62 0.57 0.79
Bells 3 0.75 0.69 0.89 0.53 0.53 0.72 0.66 0.72 0.82
VALIDACIN Alarcn 0.72 0.98 0.87 0.77 0.73 0.92 0.77 0.81 0.89
Contreras 0.63 0.75 0.91 0.64 0.69 0.88 0.55 0.50 0.86
RESULTADOS
Seleccin de modelos
En la Tabla3se resumen las combinaciones de modelos globales y regionales consideradas en el presente estudio, con una
resolucin espacial de 0.44 (50km) y paso mensual:
Tabla3 | Combinaciones de modelos climticos globales (MCG) y regionales (MCR) analizadas.

MCR SMHI-RCA4 KNMI-RACMO22E CLMcom-CCLM4-8-17 MPI-CSC-REMO2009
MCG
CNRM-CERFACS-CNRM-CM5 X
CSIRO-QCCCE-CSIRO-Mk3-6-0 X
ICHEC-EC-EARTH X X
IPSL-IPSL-CM5A-MR X
MIROC-MIROC5 X
MOHC-HadGEM2-ES X
MPI-M-MPI-ESM-LR X X X
NCC-NorESM1-M X
NOAA-GFDL-GFDL-ESM2M X
CCCma-CanESM2 X
La Figura 3 muestra la precipitacin y temperatura media mensual calculada por varios de los modelos respecto a las
observaciones histricas de ambas variables para el periodo de control. Como se puede observar, los modelos son capaces de
reproducir mejor las temperaturas que las precipitaciones.

*En el caso de MPI-M-MPI-ESM-LR/MPI-CSC-REMO2009se han contemplado dos simulaciones (r1y r2), correspondientes a dos conjuntos
de resultados diferentes del modelo
Figura3 | Comparativa entre las variables observadas y las generadas por los modelos climticos para el periodo de control en Alarcn.
Tras comparar el error medio relativo de los modelos respecto a los estadsticos media y desviacin tpica, se ha decidido
descartar los 3modelos que presentaban un peor ajuste en el conjunto de la cuenca (IPSL-IPSL-CM5A-MR/RCA4, NOAA-GFDL-
GFDL-ESM2M/RCA4e ICHEC-EC-EARTH/RACMO22). Asimismo, este error relativo se ha empleado para realizar un ensamblado
de los modelos seleccionados, asignando mayor peso a los que reproducan mejor su comportamiento en el periodo de control mediante
la optimizacin de la funcin objetivo error relativo medio en media y desviacin tpica de precipitacin y temperatura.
Tendencias histricas
El anlisis de tendencias histricas en las series de precipitacin y temperatura mediante la metodologa expuesta en el
apartado Anlisis de tendencias histricas ha permitido identificar diferentes patrones en las cuencas de cabecera, de clima
ms continental, y las ubicadas dentro de la zona de clima mediterrneo. La Figura4muestra los grficos MASH para la variable
precipitacin en las cuencas de Alarcn y Bells. En el caso de la primera, es posible identificar dos tendencias principales: una
disminucin importante de la precipitacin durante los meses de invierno (especialmente en enero y febrero) y primavera (aunque
de menor entidad que en invierno), as como un incremento puntual en octubre.
Figura4 | Grficos MASH de media mvil de precipitacin.

Sin embargo, en las subcuencas ubicadas en la zona de clima mediterrneo (como es el caso de Bells), la disminucin de
la precipitacin durante los meses de invierno no es en general tan pronunciada. En primavera, aparece un aumento puntual en el
mes de mayo, seguido de una disminucin en el resto de la estacin. Por ltimo, no es posible sealar una tendencia clara durante
los meses de otoo.
En cuanto al anlisis de temperaturas, la Figura 5 muestra un incremento importante durante los meses de primavera y
verano para la cuenca de Alarcn, que alcanza 2.3C en marzo en el periodo 1988-2007respecto al periodo 1971-1990.
Figura5 | Grficos MASH de media mvil de temperatura.
No obstante, tras aplicar la misma metodologa en la subcuenca de Bells, se observa que el mayor incremento aparece en el
mes de agosto y que alcanza 1.4C (significativamente inferior al mximo incremento detectado en Alarcn). Asimismo, es posible
identificar una disminucin de la temperatura durante la estacin invernal (hasta 1.2C a mediados de diciembre).
Escenarios futuros de precipitacin y temperatura
A efectos de presentar los cambios en las variables precipitacin y temperatura, una vez corregido el sesgo y segn el
ensamblado de los modelos climticos seleccionados, se ha dividido el sistema en tres zonas: cuenca alta (Alarcn y Contreras),
intermedia (Molinar y Tous) y baja (Forata, Sueca y Bells).
En cuanto a los cambios en la precipitacin, la Figura 6 muestra la comparativa entre la precipitacin histrica media
mensual y el ensamblado para los escenarios seleccionados (RCP 4.5y RCP 8.5a corto y medio plazo) en la cuenca alta. De acuerdo
con las proyecciones, para el escenario ms desfavorable (RCP 8.5a medio plazo) en la cuenca alta se producira una disminucin
de la precipitacin alrededor del 35% en los meses de primavera (abril, mayo y junio) y superior al 24% en los meses de otoo
(septiembre, octubre y noviembre). Por el contrario, en los meses de invierno (diciembre, enero y febrero) la precipitacin se

incrementara alrededor del 8%. Respecto a la temperatura, para el mismo escenario (RCP 8.5a medio plazo) el mayor incremento
se produce en septiembre (superior a 3.75C).
Figura6 | Comparacin entre la precipitacin y la temperatura en el periodo de control (1971-2000) y en los escenarios RCP 4.5y RCP 8.5a corto
(CP) y medio plazo (MP) en la cuenca alta.
En la cuenca media (Figura7), para el escenario RCP 8.5a medio plazo, la precipitacin experimentara una mayor reduccin
en primavera (superior al 40%) y una menor disminucin en otoo (alrededor del 16%). Por el contrario, en los meses de invierno
(diciembre, enero y febrero) la precipitacin se incrementara hasta el 13%. Respecto a la temperatura, para el mismo escenario, el
mayor incremento se produce en junio (en torno a 3.5C).
Por ltimo, en la cuenca baja (Figura 8), para el escenario RCP 8.5 a medio plazo las reducciones de precipitacin en
primavera (27%) y otoo (7%) son bastante inferiores a las de las otras dos, mientras que en invierno superan el 25%. Para el mismo
escenario, el mayor incremento de temperatura tiene lugar en agosto (en torno a 3.5C). A excepcin de los meses estivales, durante
el resto del ao los incrementos registrados en la parte baja son bastante inferiores (alrededor de 0.3C menos) a los de las zonas
alta y media. El mes que menor incremento registra en los tres casos es marzo (alrededor de 1.3C).
Figura7 | Comparacin entre la precipitacin y la temperatura en el periodo de control (1971-2000) y en los escenarios RCP 4.5y RCP 8.5a corto
(CP) y medio plazo (MP) en la cuenca media.

Figura8 | Comparacin entre la temperatura en el periodo de control (1971-2000) y en los escenarios RCP 4.5y RCP 8.5a corto (CP) y medio
plazo (MP) en la cuenca baja.
Aportaciones futuras
Una vez corregido el sesgo de las variables precipitacin y temperatura resultantes de los modelos climticos seleccionados,
se han empleado como variables de entrada para simular las series de aportaciones futuras mediante el modelo de Tmez (Tmez,
1977), previamente calibrado para cada una de las subcuencas.
De acuerdo con los resultados obtenidos, incluso a corto plazo (CP, 2011-40), la reduccin prevista por la mediana de los
modelos respecto a la serie de aportaciones 1940/41-2008/09resultara muy superior a la prevista en el nuevo ciclo de planificacin
(12%), situndose en torno al 20-21% para el total de la cuenca en ambos escenarios (RCP 4.5y RCP 8.5), si bien cabe destacar una
mayor dispersin de los resultados en el escenario RCP 4.5respecto al RCP 8.5(Figura9).
Figura9 | Porcentaje de reduccin de la aportacin anual a corto plazo (2011-40) respecto a la media histrica (1940/41-2008/09). La lnea horizon-
tal gruesa muestra la mediana, los extremos de la parte coloreada el primer y el tercer cuartil, los extremos de los bigotes son los lmites del rango
de valores inferido a partir del primer y el tercer cuartil y los crculos representan valores fuera de este rango.
Respecto a la variabilidad observada entre las subcuencas consideradas, cabe destacar que, de acuerdo con la mediana de
los modelos considerados, todas a excepcin de Forata, experimentan reducciones a corto plazo aunque de entidad variable (entre
21-28% en Alarcn y Contreras, 3-7% en Molinar, 22-25% en Tous, 17% en Sueca y 39-40% en Bells). Segn los modelos ms
desfavorables, estas reducciones podran superar el 40% en varias de las subcuencas estudiadas, incluidas las de los principales

embalses del sistema (Alarcn, Contreras y Tous), que representan en conjunto el 61% de la aportacin en rgimen natural. En el
caso de Forata, la dispersin de resultados es muy elevada. No obstante, es preciso sealar que la aportacin de esta subcuenca
al cmputo total del recurso en la cuenca del Jcar es muy pequea (inferior al 1%, Tabla2), siendo muy elevada la variabilidad
interanual de la serie histrica.
A medio plazo (MP; 2040-70) el porcentaje medio de reduccin del recurso en el sistema se incrementara respecto al corto
plazo (Figura10). Concretamente, para el total del sistema se situara en torno al 29% para el escenario RCP 4.5y en el 36% para el
escenario RCP 8.5, de acuerdo con la mediana de los modelos empleados. En cuanto a la variabilidad entre las diversas subcuencas,
de nuevo la mayora de modelos predicen reducciones variables en todas ellas (a excepcin de Forata y Sueca). En Alarcn, el
porcentaje de reduccin correspondiente a la mediana ascendera a un 39-40% dependiendo del escenario, en Contreras al 44-
48%, Molinar (28-34%), Tous (22-28%) y Bells (26-35%). No obstante, segn los modelos ms desfavorables, estas reducciones
podran superar el 50% en las cuencas de aportacin a los principales embalses (Alarcn, Contreras y Tous). En Sueca, la mediana
de los modelos para el escenario RCP 4.5predice un ligero incremento (4%, respecto a la serie de aportaciones 1940/41-2008/09),
mientras que en el caso de Forata caben las mismas consideraciones realizadas para el corto plazo.
Figura10 | Porcentaje de reduccin de la aportacin anual a medio plazo (2041-70) respecto a la media histrica (1940/41-2008/09). La lnea
horizontal gruesa muestra la mediana, los extremos de la parte coloreada el primer y el tercer cuartil, los extremos de los bigotes son los lmites del
rango de valores inferido a partir del primer y el tercer cuartil y los crculos representan valores fuera de este rango.
Respecto a la disminucin mensual de la aportacin, las bandas de la Figura11representan los valores mximo y mnimo
y los tres cuartiles de los porcentajes de reduccin del conjunto de los modelos para el escenario ms desfavorable (RCP 8.5a
medio plazo) en las cuencas de Alarcn y Contreras, conjuntamente con las reducciones previstas por el ensamblado de los modelos
(denominado ENSEMBLE en el grfico). Segn la mediana de los modelos seleccionados, en ambos casos las mayores reducciones
se produciran en los meses de invierno (enero y febrero, entre un 46-50% en Alarcn y un 50-56% en Contreras) y las menores en
los meses de otoo en el caso de Alarcn (octubre y noviembre, entre un 16-21%) y en los meses de verano y otoo en Contreras
(28-31%). Esta tendencia guarda similitud con la observada en precipitaciones para el periodo histrico (1970-2000), descrita en
el apartado Tendencias histricas. Sin embargo, el ensamblado de modelos muestra una tendencia diferente, producindose las
menores reducciones en los meses de invierno en el caso de Alarcn (20-30%) y las mayores en agosto y septiembre (53-54%),
mientras que en Contreras, aunque en los meses de invierno y primavera coincide con la mediana, en el resto del ao predice
reducciones superiores al 50%, fuera de la banda correspondiente al primer cuartil.

Figura11 | Porcentaje de reduccin de las aportaciones mensuales a medio plazo (2041-70).
Incertidumbre asociada a la modelizacin hidrolgica
En relacin a la incertidumbre que introduce el modelo hidrolgico, la Figura12muestra una comparativa entre la reduccin
de las aportaciones en la subcuenca de Alarcn segn los tres modelos hidrolgicos considerados. Como se puede observar, el
modelo GR2M siempre predice reducciones hasta un 10% superiores a los otros dos (Tmez y HBV-light), que presentan diferencias
menores entre ellos. Concretamente, para el escenario 4.5a corto plazo (RCP 4.5CP), la mediana de las aportaciones simuladas con
el modelo GR2M supondra una reduccin del 26% respecto a la serie 1940/41-2008/09, mientras que el modelo de Tmez predice
una reduccin del 21% y el modelo HBV-light del 20%. Los resultados son similares en la subcuenca de Contreras (Figura13),
donde el modelo GR2M vuelve a predecir las mayores reducciones (hasta un 10% superiores a los otros dos modelos). Sin embargo,
aunque el modelo de Tmez y el modelo HBV-light predicen reducciones medias similares en todos los escenarios, el modelo de
Tmez muestra mayor variabilidad en la respuesta de la cuenca de Contreras frente a las series de entrada de los distintos modelos
de cambio climtico considerado que el modelo HBV-light.
El promedio de la diferencia entre el valor mximo y mnimo de la aportacin media anual simulada con los tres modelos
hidrolgicos para cada modelo climtico, representa un porcentaje entre el 25-41% del rango de variacin debido a los modelos
climticos para ese mismo escenario. El escenario que mayor variacin presenta debido al modelo hidrolgico es el RCP 4.5a corto
plazo (41% en Alarcn y 35% en Contreras del rango de variacin debido a los modelos climticos). Por tanto, la incertidumbre que
introduce la seleccin del modelo hidrolgico no es en ningn caso despreciable.
Figura12 | Comparativa de la reduccin en las aportaciones en Alarcn segn los tres modelos hidrolgicos. La lnea horizontal gruesa muestra
la mediana, los extremos de la parte coloreada el primer y el tercer cuartil, los extremos de los bigotes son los lmites del rango de valores inferido
a partir del primer y el tercer cuartil y los crculos representan valores fuera de este rango.

Figura13 | Comparativa de la reduccin en las aportaciones en Contreras segn los tres modelos hidrolgicos. La lnea horizontal gruesa muestra
la mediana, los extremos de la parte coloreada el primer y el tercer cuartil, los extremos de los bigotes son los lmites del rango de valores inferido
a partir del primer y el tercer cuartil y los crculos representan valores fuera de este rango.
DISCUSIN
De los resultados obtenidos, es posible sealar los siguientes aspectos respecto a los escenarios hidrolgicos futuros en la
cuenca del Jcar: 1) Mayor incremento de temperatura y disminucin de la precipitacin en las cuencas de cabecera del sistema
que en las de la parte baja, tanto en el periodo histrico como en los escenarios de cambio climtico; 2) Alta incertidumbre
respecto al posible porcentaje de reduccin de los recursos, derivada de los modelos climticos y, en menor medida, de los modelos
hidrolgicos; 3) Reducciones previstas por la mediana de los modelos muy superiores a la considerada en el Plan Hidrolgico
incluso a corto plazo; 4) Influencia considerable del modelo hidrolgico; 5) Las aportaciones generadas a partir de los modelos
climticos sugieren una variabilidad muy superior a la del periodo histrico.
Respecto al primer aspecto, si consideramos que las cuencas de cabecera son las que aportan un mayor porcentaje de
recursos para la cuenca, y que en ellas se encuentran los mayores embalses, su impacto es significativo en los volmenes regulados
en la cuenca. Esta tendencia parece mantenerse en los escenarios futuros, al igual que suceda en los antiguos escenarios SRES
derivados del MCG ECHAM4, considerado el ms robusto para la zona de estudio por Chirivella Osma etal. (2015). Por tanto,
la variabilidad espacial de los impactos hidrolgicos del cambio climtico podra ser un factor importante a efectos de valorar la
adaptacin del sistema a escenarios futuros de cambio climtico.
En cuanto al segundo y tercer aspecto, evidencian la necesidad de un cambio de perspectiva: la planificacin hidrolgica
no debera centrarse tanto en determinar qu porcentaje de reduccin va a darse en un futuro, dada la imposibilidad de reducir
las mltiples fuentes de incertidumbre en su evaluacin, como en analizar la robustez y resiliencia del sistema frente a un rango
plausible de situaciones de estrs, a efectos de identificar dnde es ms vulnerable y proponer medidas de adaptacin. Este programa
de adaptacin se puede disear para que sea posible aplicar medidas segn evolucione el sistema, como sugiere la metodologa de
vas de adaptacin dinmicas; (Haasnoot etal., 2013; Kwakkel etal., 2015), que especifica dos tipos de acciones: las que se deben
adoptar de forma inmediata para prepararse a corto plazo y aqullas que se deben considerar ahora para posibilitar otras opciones
de adaptacin en un horizonte temporal mayor.

Respecto al cuarto aspecto, es importante sealar que, aunque la incertidumbre asociada al modelo hidrolgico es inferior a
la que introducen los modelos climticos, no es en ningn caso despreciable dadas las diferencias existentes entre las aportaciones
generadas con los tres modelos utilizados (Tmez, GR2M y HBV-light). Una limitacin del presente estudio es que en cuencas
semiridas, los parmetros de los modelos son muy sensibles al periodo de calibracin elegido (Hughes, 2015; Osuch etal., 2015) y,
por tanto, un modelo calibrado en condiciones climticas actuales puede no ser vlido para la evaluacin de los impactos del cambio
climtico. Por tanto, se debera analizar la dependencia de los modelos utilizados respecto a las condiciones climticas del periodo
de calibracin, a fin de obtener modelos ms robustos y flexibles en escenarios de cambio (Thirel etal., 2015). Asimismo, algunos
autores han concluido que el uso de modelos conceptuales no es adecuado en condiciones de cambio climtico (Coron etal., 2012;
Seiller etal., 2012; Lespinas etal., 2014). Sin embargo, Fowler etal. (2016) han sealado recientemente que estas deficiencias
aparentes en los modelos conceptuales no son tan comunes, y aparecen ms a causa de tcnicas pobres e insuficientes de calibracin
y evaluacin que a la propia estructura del modelo. En cualquier caso, para seleccionar un modelo hidrolgico es necesario buscar
un equilibrio entre complejidad e incertidumbre (Blschl y Montanari, 2010).
Por ltimo, es preciso sealar que las funciones de densidad de probabilidad de las aportaciones anuales generadas a partir
de los escenarios de cambio climtico, aunque en general presentan tres caractersticas (menor probabilidad en la cola derecha,
desplazamiento de la punta hacia la izquierda y mayor apuntamiento respecto al histrico) que tambin aparecen al aplicar un
coeficiente de reduccin a la serie histrica de aportaciones, muestran una variabilidad mucho mayor. Por tanto, aunque perturbar las
series histricas de aportaciones multiplicndolas por un factor reductor presenta la ventaja de preservar los patrones de variabilidad
espacial y temporal observados, a su vez constituye su principal limitacin, puesto que modifica la media mensual ignorando
cambios potenciales en la distribucin de probabilidad de las aportaciones.
CONCLUSIONES
En primer lugar, es preciso sealar que la variabilidad espacial del impacto del cambio climtico dentro del sistema parece
adquirir singular relevancia, al observarse los mayores incrementos de temperatura en las cuencas de cabecera, tanto en la serie
histrica como en los escenarios de cambio climtico, as como importantes disminuciones de la precipitacin en los meses de
primavera y otoo. En los escenarios a medio plazo, el efecto combinado de ambas circunstancias produce reducciones de la
aportacin en Alarcn y Contreras superiores al 40%, segn la mediana de los modelos climticos seleccionados, mayores que en
otras zonas del sistema Jcar. Por tanto, si consideramos que estas cuencas son las que aportan un mayor porcentaje de recursos,
y que en ellas se encuentran los mayores embalses, su impacto podra ser significativo en los volmenes regulados del sistema de
explotacin.
En cualquier caso, a la luz del amplio rango de variacin en la aportacin total del sistema de explotacin (entre -33.6% y
5.5% para los escenarios a corto plazo y entre -43.5% y 2.0% a medio plazo para el conjunto del sistema, si bien hay que sealar
que los valores positivos slo los predice una nica combinacin de modelos, CSIRO-QCCCE-CSIRO-Mk3-6-0/SMHI-RCA4), la
principal conclusin es la necesidad de dar un paso ms en lo que respecta al binomio planificacin hidrolgica-cambio climtico.
Mientras que tradicionalmente los mayores esfuerzos se han dirigido a reducir la incertidumbre inherente a las proyecciones
climticas, hoy en da se plantea un nuevo paradigma que asume la incertidumbre como inevitable y se orienta a conseguir sistemas
ms robustos y flexibles. Este enfoque no pretende restar utilidad a los resultados de los modelos, sino intentar sacar el mximo
partido a toda la informacin disponible para plantear las medidas de adaptacin ms adecuadas.
La implantacin de un programa de adaptacin debera ser progresivo y dinmico en el tiempo: aunque las proyecciones
climticas actuales llegan hasta finales del presente siglo, los horizontes temporales de los ciclos de planificacin son mucho ms
modestos. Por tanto, no todas las medidas de adaptacin plausibles para un sistema dado sern posibles de implantar a corto plazo,
pero su consideracin puede significar dejar abiertas ms opciones a medio o largo plazo.

AGRADECIMIENTOS
El presente trabajo ha sido financiado por el proyecto IMPADAPT (CGL2013-48424-C2-1-R) con fondos FEDER europeos
y del Ministerio de Economa y Competitividad. Los autores agradecen a AEMET y a la Universidad de Cantabria los datos
proporcionados (Spain02v4 EURO-CORDEX dataset, http://www.meteo.unican.es/datasets/spain02).
REFERENCIAS
Anghileri, D., Pianosi, F., Soncini-Sessa, R. 2014. Trend detection in seasonal data: from hydrology to water resources. Journal of
Hydrology, 511, 171-179. doi:10.1016/j.jhydrol.2014.01.022
Apperl, B., Pulido-Velzquez, M., Andreu, J., Karjalainen, T.P. 2015.Contribution of the multi-attribute value theory to conflict
resolution in groundwater management application to the Mancha Oriental groundwater system, Spain. Hydrological Earth
System Sciences,19,1325-1337.doi:10.5194/hess-19-1325-2015
Bates, B.C., Kundzewicz, Z.W., Wu, S., Palutikof, J.P. 2008. Climate Change and water. Eds. IPCC Secretariat, Geneva, 210 pp.
Bergstrm, S. 1976. Development and application of a conceptual runoff model for Scandinavian catchments. SMHI, Report No.
RHO 7, Norrkping, 134 pp.
Blschl, G., Montanari, A. 2010. Climate change impacts - throwing the dice? Hydrological Processes. 24(3), 374-381. doi:10.1002/
hyp.7574
CEDEX-DGA. 2011. Evaluacin del impacto del cambio climtico en los recursos hdricos en rgimen natural. Encomienda de
gestin de la Direccin General del Agua (MARM) para el estudio del cambio climtico en los recursos hdricos y las masas de
agua.
Chirivella Osma, V., Capilla Rom, J.E., Prez Martn, M.A. 2015. Modelling regional impacts of climate change on water resources:
the Jcar basin (Spain). Hydrological Sciences Journal, 60(1), 30-49, doi:10.1080/02626667.2013.866711
CHJ. 2014. Plan Hidrolgico de la Demarcacin Hidrogrfica del Jcar. Ciclo de planificacin hidrolgica 2009-2015.
CHJ. 2015. Plan Hidrolgico de la Demarcacin Hidrogrfica del Jcar. Ciclo de planificacin hidrolgica 2015-2021.
Christensen, O.B., Gutowski, W.J., Nikulin, G., Legutke, S. 2014. CORDEX Archive design. Available at http://cordex.dmi.dk.
ltimo acceso: diciembre 2015.
Coron, L., Andrassian, V., Perrin, C., Lerat, J., Vaze, J., Bourqui, M., Hendrickx, F. 2012. Crash testing hydrological models
in contrasted climate conditions: An experiment on 216 Australian catchments. Water Resources Research, 48(5), W05552,
doi:10.1029/2011WR011721
Dai, A. 2013. Increasing drought under global warming in observations and models. Nature Climate Change, 3, 52-58. doi:10.1038/
nclimate1633
Deidda, R., Marrocu, M., Caroletti, G., Pusceddu, G., Langousis, A., Lucarini, V., Puliga, M., Speranza, A. 2013. Regional climate
models performance in representing precipitation and temperature over selected Mediterranean areas. Hydrology and Earth System
Sciences, 17, 5041-5059, 2013. doi:10.5194/hess-17-5041-2013
Diffenbaugh, N.S, Giorgi, F. 2012. Climate change hotspots in the CMIP5 global climate model ensemble. Climatic Change, 114(3-
4): 813-822. doi:10.1007/s10584-012-0570-x
Estrela, T., Prez-Martn, M.A., Vargas, E. 2012. Impacts of climate change on water resources in Spain, Hydrological Sciences
Journal, 57(6), 1154-1167. doi:10.1080/02626667.2012.702213

Fowler, K.J.A., Peel, M.C., Western, A.W., Zhang, L., Peterson, T.J. 2016. Simulating runoff under changing climatic conditions:
Revisiting an apparent deficiency of conceptual rainfall-runoff models, Water Resources Research, 52(3), 1820-1846.
doi:10.1002/2015WR018068.
Girard, C., Pulido-Velazquez, M., Rinaudo, J-D., Pag, C., Caballero, Y. 2015. Integrating top-down and bottom-up approaches
to design global change adaptation at the river basin scale. Global Environmental Change, 34, 132-146. doi:10.1016/j.
gloenvcha.2015.07.002
Gudmundsson,L., Bremnes,J.B., Haugen,J.E., Engen-Skaugen,T. 2012. Technical Note: Downscaling RCM precipitation to the
station scale using statistical transformations a comparison of methods. Hydrology and Earth System Sciences, 16, 3383-3390.
doi:10.5194/hess-16-3383-2012
Haasnoot, M., Kwakkel, J.H., Walker, W.E., ter Maat, J. 2013. Dynamic adaptive policy pathways: A method for crafting robust
decisions for a deeply uncertain world. Global Environmental Change 23(2), 485-498. doi:10.1016/j.gloenvcha.2012.12.006
Hagemann, S., Chen, C., Clark, D.B., Folwell, S., Gosling, S.N., Haddeland, I., Hanasaki, N., Heinke, J., Ludwig, F., Voss, F.,
Wiltshire, A.J. 2013. Climate change impact on available water resources obtained using multiple global climate and hydrology
models. Earth System Dynamics, 4, 129-144. doi:10.5194/esd-4-129-2013
Hernndez Barrios, L. 2007. Efectos del cambio climtico en los sistemas complejos de recursos hdricos. Aplicacin a la cuenca
del Jcar. Tesis Doctoral, Universidad Politcnica de Valencia, Espaa.
Herrera, S., Gutirrez, J.M., Ancell, R., Pons, M.R., Fras, M.D., Fernndez, J. 2010. Development and analysis of a 50-year
high-resolution daily gridded precipitation dataset over Spain (Spain 02). International Journal of Climatology, 32(1), 74-85.
doi:10.1002/joc.2256
Howard, K.W.F. 2011. Implications of climate change on water security in the Mediterranean region. En Climate change and its
effects on water resources. Baba, A.,Tayfur, G., Gndz O., Howard, K.W.F., Friedel, M.J., Chambel, A. 2011. Ed. Springer.
NATO Science for Peace and Security Series C: Environmental Security, Volume 3. doi:10.1007/978-94-007-1143-3_2
Hughes, D.A. 2015. Simulating temporal variability in catchment response using a monthly rainfallrunoff model. Hydrological
Sciences Journal, 60(7-8), 1286-1298. doi:10.1080/02626667.2014.909598
IPCC. 2001. Climate Change 2001: the Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the
Intergovernmental Panel on Climate Change. Houghton, J.T., Ding, Y., Griggs, D.J., Noguer, M., Van der Linden, P.J., Dai, X.,
Maskell, K., Johnson, C.A. (eds.). Cambridge University Press, 83 pp.
IPCC. 2014a. Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution
of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Field, C.B., V.R. Barros,
D.J. Dokken, K.J. Mach, M.D. Mastrandrea, T.E. Bilir, M. Chatterjee, K.L. Ebi, Y.O. Estrada, R.C. Genova, B. Girma, E.S. Kissel,
A.N. Levy, S. MacCracken, P.R. Mastrandrea, and L.L. White (eds.). Cambridge University Press, Cambridge, United Kingdom
and New York, NY, USA. 1132 pp.
IPCC. 2014b. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report
of the Intergovernmental Panel on Climate Change. Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.). IPCC, Geneva,
Switzerland, 151 pp.
Kwakkel, J.H., Haasnoot, M., Walker, W.E. 2015. Developing dynamic adaptive policy pathways: a computer-assisted approach for
developing adaptive strategies for a deeply uncertain world. Climatic Change, 132(3), 373-386. doi:10.1007/s10584-014-1210-4
Lespinas, F., Ludwig, W., Heussner, S. 2014. Hydrological and climatic uncertainties associated with modeling the impact of
climate change on water resources of small Mediterranean coastal rivers. Journal of Hydrology, 511, 403-422. doi:10.1016/j.
jhydrol.2014.01.033

Li, H., Sheffield, J., Wood, E. F. 2010. Bias correction of monthly precipitation and temperature fields from Intergovernmental Panel
on Climate Change AR4 models using equidistant quantile matching. Journal of Geophysical Research: Atmospheres (19842012),
115(D10). doi:10.1029/2009JD012882
Mendoza, P.A., Clark, M.P., Mizukami, N., Newman, A.J., Barlage, M., Gutmann, E.D., Rasmussen, R.M., Rajagopalan, B., Brekke,
L.D., Arnold, J.R. 2015. Effects of hydrologic model choice and calibration on the portrayal of climate change impacts. Journal of
Hydrometeorology, 16, 762-780. doi:10.1175/JHM-D-14-0104.1
MIMAM. 2000. Libro Blanco del Agua en Espaa (LBAE). MIMAM, Madrid. 637 pp.
MAGRAMA. 2016. Real Decreto 1/2016, de 8 de enero, por el que se aprueba la revisin de los Planes Hidrolgicos de las
demarcaciones hidrogrficas del Cantbrico Occidental, Guadalquivir, Ceuta, Melilla, Segura y Jcar, y de la parte espaola de las
demarcaciones hidrogrficas del Cantbrico Oriental, Mio-Sil, Duero, Tajo, Guadiana y Ebro. BOE nm. 16, 19 de enero de 2016,
Sec. I., 2972-4301
MARM. 2008. Orden ARM/2656/2008, de 10 de septiembre, por la que se aprueba la Instruccin de Planificacin Hidrolgica.
BOE nm. 229, 22 de septiembre de 2008, 38472-38582
Mir Prez, J.J., Estrela Navarro, M.J., Olcina Cantos, J. 2015. Statistical downscaling and attribution of air temperature change
patterns in the Valencia region (1948-2011). Atmospheric Research, 156, 189-212. doi:10.1016/j.atmosres.2015.01.003
Mouelhi, S., Michel, C., Perrin, C., Andrassian, V. 2006. Stepwise development of a two-parameter monthly water balance model.
Journal of Hydrology, 318(1-4), 200-214. doi:10.1016/j.jhydrol.2005.06.014
Olcina Cantos, J. 2014. Evaluacin del primer ciclo de planificacin. Riesgos climticos y cambio climtico. Observatorio de las
Polticas del Agua (OPPA), Fundacin Nueva Cultura del Agua. Octubre de 2014, 17 pp.
Osuch, M., Romanowicz, R., Booij, M.J. 2015. The influence of parametric uncertainty on the relationships between HBV model
parameters and climatic characteristics, Hydrological Sciences Journal, 60(7-8), 1299-1316, doi:10.1080/02626667.2014.967694
Pulido-Velazquez, D., Garca-Arstegui, J.L., Molina, J.L., Pulido-Velazquez, M., 2014. Assessment of future groundwater recharge
in semi-arid regions under climate change scenarios (Serral-Salinas aquifer, SE Spain). Could increased rainfall variability increase
the recharge rate? Hydrological Processes, 29(6), 828-844. doi:10.1002/hyp.10191
Sanz, D., Castao, S., Cassiraga, E., Sahuquillo, A., Gmez-Alday, J.J., Pea, S., Calera, A. 2011. Modeling aquiferriver interactions
under the influence of groundwater abstraction in the Mancha Oriental System (SE Spain). Hydrogeology Journal, 19(2), 475-487.
doi:10.1007/s10040-010-0694-x
Seibert, J., Vis, M.J.P. 2012. Teaching hydrological modeling with a user-friendly catchment-runoff-model software package.
Hydrology and Earth System Sciences, 16, 3315-3325. doi:10.5194/hess-16-3315-2012
Seiller, G., Anctil, F., Perrin, C. 2012. Multimodel evaluation of twenty lumped hydrological models under contrasted climate
conditions. Hydrology and Earth System Sciences, 16, 1171-1189. doi:10.5194/hess-16-1171-2012
Tmez Pelez, J.R. 1977. Modelo matemtico de transformacin precipitacin-aportacin. ASINEL, 1977.
Thirel, G., Andrassian, V., Perrin, C. 2015. On the need to test hydrological models under changing conditions. Hydrological
Sciences Journal, 60(7-8), 1165-1173. doi:10.1080/02626667.2015.1050027
Van Vuuren, D.P., Edmonds, J., Kainuma, M., Riahi, K., Thomson, A., Hibbard, K., Hurtt, G.C., Kram, T., Krey, V., Lamarque,
J-F., Masui, T., Meinshausen, M., Nakicenovic, N., Smith, S.J., Rose, S.K. 2011. The representative concentration pathways: an
overview. Climatic Change, 109, 5-31. doi:10.1007/s10584-011-0148-z
Wilby, R. L., Dessai, S. 2010. Robust adaptation to climate change. Weather, 65(7),180-185. doi:10.1002/wea.543

Ingeniera del Agua | 21.1 | 2017 Echeverribar et al. | Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin de avenidas [] 53
Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin

de avenidas en el tramo medio del ro Ebro
RiverFlow2D numerical simulation of flood mitigation solutions in the Ebro River
Echeverribar, I.a1 , Morales-Hernndez, M.a2 , Lacasta, A.a3 , Brufau, P.a4 , Garca-Navarro, P.a5
LIFTEC-CSIC, Universidad de Zaragoza. C/ Mara de Luna, Edif. Torres Quevedo, 50018 Zaragoza (Espaa).
a
E-mail: a1 iecheverribar@hotmail.com, a2 mmorales@unizar.es, a3 alacasta@unizar.es, a4 brufau@unizar.es, a5 pigar@unizar.es
RESUMEN
En este trabajo se presenta un estudio de medidas orientadas a la mitigacin de avenidas en el tramo medio del ro Ebro: limpieza
de vegetacin del cauce, uso de zonas de inundacin controlada y construccin o re-adaptacin de motas. Para ello se utiliza el
software RiverFlow2D que resuelve las ecuaciones conservativas del flujo de superficie libre con un mtodo de volmenes finitos
realizando los clculos sobre GPU. Se comparan los resultados con medidas en estaciones de aforo e informacin extrada de
ortofotos. La medida ms efectiva, de las analizadas, ha resultado ser la eliminacin de la vegetacin en el cauce. Se demuestra
que no slo el rea mxima inundada es menor en todo el tramo sino que tambin reduce la altura de agua hasta en 1 m. El resto
de medidas tienen consecuencias locales y de poca entidad cuando los caudales pico son altos, aunque podran resultar de utilidad
para avenidas con caudales ms bajos.
Palabras clave | avenida; simulacin numrica; mitigacin; flujo de superficie libre.
ABSTRACT
A study of measures oriented to flood mitigation in the mid reach of the Ebro river is presented: elimination of vegetation in the
riverbed, use of controlled flooding areas and construction or re-adaptation of levees. The software used is RiverFlow2D which
solves the conservative free-surface flow equations with a finite volume method running on GPU. The results are compared with
measurements at gauge stations and aerial views. The most effective measure has turned out to be the elimination of vegetation in
the riverbed. It is demonstrated that not only the maximum flooded area is narrower but also it reduces the water depth up to 1 m.
The other measures have local consequences when the peak discharge is relatively high although they could be useful in case the
discharge is lower.
Key words | flood; numerical simulation; mitigation; free surface flow.
Doi:10.4995/Ia.2017.6550 EISSN: 1886-4996 ISSN: 1134-2196

54 Echeverribar et al. | Simulacin numrica con Riverflow2D de posibles soluciones de mitigacin de avenidas [] Ingeniera del Agua | 21.1 | 2017
INTRODUCCIN
En Espaa las inundaciones son la catstrofe natural que genera mayores daos y costes econmicos. Los daos por
inundaciones se estiman en una media de 800 millones de euros anuales segn el Consorcio de Compensacin de Seguros y el
Instituto Geolgico y Minero de Espaa1. En el perodo 1971-2012 el 42.9% de los expedientes tramitados en seguros por catstrofes
han sido debidos a daos por inundaciones, y a su vez constituyen el 60.3% del total de las indemnizaciones (ver Figura1). Debido
a la importancia que tienen los efectos de las inundaciones, en la Unin Europea en 2007 se cre una nueva directiva sobre la
evaluacin y gestin de las inundaciones y a Espaa lleg en forma del Real Decreto 903/2010. La implantacin de esta directiva
considera necesario elaborar mapas de peligrosidad y riesgo de inundacin (Comisin Tcnica del Comit Espaol de la Estrategia
Internacional para la Reduccin de Desastres). La Confederacin Hidrogrfica del Ebro (CHE) ha publicado un portal monogrfico
de consulta del plan de gestin de Riesgo de Inundacin (PGRI) aprobado el 15/01/2016; y un horizonte de aplicacin hasta 2021
que contiene como una de las medidas, la prediccin de avenidas aprendiendo de lo ocurrido en episodios anteriores, reordenando el
uso del suelo en zonas inundables y adaptando elementos situados en estas zonas (Plan de Gestin del Riesgo de Inundacin, CHE).
Figura 1 | Indemnizaciones en millones de euros totales (en verde) y slo de inundaciones (en azul) pagadas por el Consorcio de Compensacin
de seguros entre los aos 2005-2013.
Las medidas no estructurales destinadas a reducir el riesgo de inundacin mediante la prediccin necesitan de herramientas
que sean capaces de reproducir situaciones anteriores de episodios de avenida para poder predecir situaciones futuras. Por ello, en
este trabajo se van a presentar los resultados obtenidos de la simulacin numrica de la avenida de Febrero del 2015 en el tramo
medio del ro Ebro desde Castejn de Ebro a Zaragoza. Posteriormente, se analizan posibles alternativas de intervencin como
limpieza de la vegetacin en el cauce, zonas de inundacin controlada o re-adaptacin y construccin de motas en este tramo para
analizar sus efectos y consecuencias y poder actuar antes de que se produzca una situacin similar en el futuro.
Existen en el mercado internacional diferentes softwares de simulacin de avenidas: HECRAS (Ahmad y Simonovich
2006), GUAD2D (Murillo etal., 2007), MIKE (DHI, 2009), XPSWMM (Toriman etal., 2009), LISFLOOD (Van der Knijff etal.,
2010), IBER (Blad etal., 2014), SOBEK (Suman y Akther, 2014), TELEMAC (Shang, 2014), Flood Modeller (Ahmadian etal.,
2015), RiverFlow2D (Garca etal., 2015) entre otros. Unos representan el dominio espacial en 1D, otros lo hacen de forma acoplada
1D en el cauce 2D en las llanuras de inundacin y otros en forma 2D de manera completa. Algunos resuelven las ecuaciones
de flujo de superficie libre, otros modelos simplificados de las mismas. Los mtodos numricos utilizados para resolver estas
ecuaciones tambin suelen ser diferentes segn sean: elementos finitos, volmenes finitos o diferencias finitas. Dentro del grupo
1
http://www.mapama.gob.es/es/agua/temas/gestion-de-los-riesgos-de-inundacion

Ingeniera del Agua | 21.1 | 2017 Echeverribar et al. | Simulacin numrica con Riverflow2D de posibles soluciones de mitigacin de avenidas [] 55
de volmenes finitos nos podemos encontrar con modelos de onda o de flujos, implcitos o explcitos en la resolucin temporal,
dominios espaciales resueltos en celdas estructuradas o no estructuradas, cuadradas o triangulares, etc
En este caso, se ha elegido RiverFlow2D, que calcula con un mtodo de volmenes finitos descentrado explcito sobre GPU.
Es el ltimo desarrollo de tecnologa hidro-informtica llevado a cabo por el Grupo de Hidrulica Computacional de la Universidad
de Zaragoza2. Una de las ventajas que lo diferencian del resto es que calcula sobre GPU (Graphical Processing Unit) lo que permite
clculos de dominios espaciales muy grandes en tiempos muy reducidos; impensable hasta hace poco tiempo en modelos 2D.
Adems, permite el clculo sobre una malla triangular no estructurada adaptada al terreno; es conservativo, dando cero errores en
volumen de agua; preciso y fiable ya que ha sido calibrado en numerosas ocasiones (Lacasta etal., 2014, 2015). Este software ha
permitido resolver de forma satisfactoria el reto numrico del clculo de un dominio discretizado en 867672celdas en el cual una
avenida de 20das se simula en 17horas con GPU. Esto hace viable la prediccin de inundaciones a tiempo real mientras que hasta
ahora este tipo de clculos costaban el tiempo natural de los das que se quisiesen simular; para el presente caso alrededor de 20das.
MATERIAL Y MTODOS
En esta seccin se incluye una descripcin breve del programa de simulacin numrica de flujo de superficie libre
RiverFlow2D que se ha utilizado en este estudio y cuyo detalle se puede consultar en las referencias que se indican a lo largo del
texto. Tambin contiene la descripcin completa del caso de estudio, la malla sobre la que se ha calculado la avenida de 2015 y las
soluciones de mitigacin, el mapa de los usos del suelo y datos necesarios para llevar a cabo el clculo como son las condiciones
iniciales y las condiciones de contorno.
RiverFlow2D
El estudio de simulacin de avenidas y mitigacin se realiza con este programa de clculo, en el cual se resuelven las
ecuaciones del flujo de superficie libre 2D, tambin llamadas de aguas poco profundas, que son el promedio en la vertical de las
ecuaciones de conservacin de masa y cantidad de movimiento de Navier-Stokes, asumiendo la hiptesis de presin hidrosttica en
la vertical y que se pueden escribir en su forma compacta como
2U
2t + d $ E (U) = S (U) (1)
donde U=(h, hu, hv)T es el vector de variables conservadas: h representa el calado, (hu,hv) los caudales unitarios en las dos
direcciones coordenadas (x,y) siendo u la componente x y v la componente y del vector velocidad, E=(F,G), representa los flujos
de dichas variables de la forma F = b hu, hu 2 + g h , huv l y G = b hv, huv, hv 2 + g h l , g representa la aceleracin de la gravedad
2 T 2 T
2 2
(g=9.81 m/s2); y por ltimo, S es el trmino fuente, donde se encuentra la pendiente del fondo S0 y la prdida de energa por
rozamiento debida a la friccin del flujo con el terreno por el que circula Sf (Brufau y Garca-Navarro, 2001) siendo
S=(0, gh(S0x-Sfx), gh(S0y-Sfy))T (2)
con
2z 2z n2 u u2 + v2 n2 v u2 + v2
S 0x = - 2xb S 0y = - 2yb S fx = S fy = (3)
h4/3 h4/3
donde n (es el coeficiente de rozamiento de Manning que introduce la informacin sobre la rugosidad del terreno por el que circula
el flujo y zb la cota del fondo.
2
http://ghc.unizar.es

Su resolucin se lleva a cabo con un mtodo numrico de volmenes finitos explcito descentrado de primer orden en
espacio y tiempo mediante el cual se calcularn las variables h, hu y hv en los centros de las celdas de la malla. Para ellos se integra
la Ecuacin (1) en un volumen fijo :
2
2t yX UdX + y2X Endl = yX SdX (4)
donde y n=(nx,ny) son el contorno y el vector unitario normal al volumen , respectivamente. Asumiendo una representacin
discreta constante de las variables conservadas y una discretizacin explcita del trmino temporal, la Ecuacin (4) se puede escribir
como
^ U ni + 1 - U ni h NE
Ai + | (En - S) *k l k = 0 (5)
Dt k=1
donde NE es el nmero de celdas vecinas de la celda i y Ai representa el rea de dicha celda. A travs de la linealizacin de Roe
(Roe, 1981) es posible obtener una matriz Jacobiana del flujo En de dimensiones mm (m=3 para el caso 2D) cuyos valores propios
mu mk y vectores propios eu m (Morales etal., 2013) permiten escribir la actualizacin en cada celda para cada instante de tiempo
(Ecuacin (6)).
U ni + 1 = U ni - DAt | | 8( mu - cu Ke) mk l k B
NE 3 n
(6)
i k=1 m=1
donde lk representa la longitud de la pared k y cu k expresa de manera compacta las contribuciones de flujos y trminos fuente
en dicha pared k (Morales etal., 2013). El significado de la expresin (4) es simple: las variables conservadas en cada celda i
en el instante de tiempo siguiente n+1 dependen directamente del valor que tenan en el instante anterior de tiempo, n, y de las
contribuciones provenientes de las celdas colindantes a travs de los lados, k, de la misma. Por ltimo, debido al carcter explcito
del mtodo utilizado es necesaria una condicin de estabilidad para el paso de tiempo. Para ello se restringe con la condicin de
CFL de manera que
dx
Dt = CFL min k, m u mk (7)
mk
donde
A
dx k = min (| i, | j) | i = max i l (8)
k = 1, NE k
El nmero CFL toma valores entre 0 y 1 y se mantiene contante durante toda la simulacin para garantizar la estabilidad numrica.
En este caso se escogi CFL=0.9. Este mtodo numrico se ha implementado sobre GPU para ganar rapidez de clculo (Lacasta
etal., 2014).
Descripcin del caso de estudio: tramo medio ro Ebro
De toda la extensin que tiene la cuenca del ro Ebro, se plantea en este estudio el tramo medio desde Castejn de Ebro a
Zaragoza. El dominio aguas arriba y aguas abajo queda delimitado por las estaciones de aforo que hay en ambas poblaciones y que
servirn para introducir sus medidas como condiciones de contorno. En la Figura 2 se muestra una imagen del dominio a calcular
con una extensin de 744 km2. A pesar de que la distancia en lnea recta entre los lmites del dominio es de casi 90 km, la longitud
total del cauce alcanza los 125km aproximadamente. Como poblaciones destacadas que cuentan tambin con estaciones de aforo
se encuentran Tudela, Novillas y Alagn. Las medidas recogidas en estas poblaciones servirn para validar los resultados numricos
obtenidos con el programa de clculo.

Figura 2 | Vista en plano del dominio de clculo desde Castejn de Ebro a Zaragoza destacando poblaciones intermedias que cuentan con estacin
de aforo.
Malla de clculo
Para poder construir la malla de clculo en cuyos centros de celda obtendremos los valores de todas las variables (h,u,v) del
dominio espacial para cada paso de tiempo necesitamos las coordenadas (x,y,z) de la zona a estudiar. Para ello se ha partido de un
MDT (Modelo Digital de Terreno) de resolucin 5m5m obtenido del Instituto Geogrfico Nacional (IGN3). En este MDT no se
recoge el fondo del ro puesto que la lmina de agua dificulta la toma de datos, as que se ha realizado una reconstruccin del cauce
interpolando datos de secciones batimtricas medidas a lo largo de este tramo (Caviedes-Voullime etal., 2014).
A partir de los datos anteriores se ha construido una malla triangular no estructurada cuyo tamao mnimo de celda tiene una
longitud de 5m. La anchura del dominio se ha elegido de 12.5km en su parte ms ancha y de 3.54km en su parte ms estrecha, de
forma que la lmina de inundacin nunca llegue a los contornos. En estas zonas alejadas, donde el agua tiene poca probabilidad de
llegar, se han impuesto celdas de longitud de lado 250m. Finalmente, se obtiene una malla con 867672tringulos. Se puede apreciar
un detalle de la misma cerca de Castejn de Ebro en la Figura3.
Figura 3 | Detalle de la malla de clculo en una zona del dominio cercana a Castejn de Ebro.
3
http://www.ign.es/ign/layoutIn/modeloDigitalTerreno.do

Mapa de usos del suelo
El dato del uso del suelo es muy importante a la hora de simular estos fenmenos ya que el flujo de agua viene gobernado
por la pendiente del fondo y el rozamiento por friccin del mismo. La prdida de energa del flujo por friccin se tiene en cuenta en
lo que llamamos comnmente coeficiente de rozamiento de Manning. Por ello, se ha dividido el dominio en diferentes regiones y a
cada una de ellas se le ha asignado un coeficiente de rozamiento de Manning diferente segn el uso del suelo en esa zona, incluido
el cauce del ro; siguiendo la literatura consultada sin proceder a la calibracin del modelo. Aqu se han distinguido entre 7 tipos
distintos de uso del suelo que se recogen en la Tabla1. En la Figura4 se muestra un mapa con los valores de los coeficientes de
rozamiento de Mannning utilizados para distinguir los diferentes usos del suelo por regiones.
Tabla 1 | Coeficiente de rozamiento asignado a cada regin segn el tipo de suelo.
Uso del suelo Coeficiente de rozamiento de Manning (n) (s/m1/3)
Cauce de ro 0.035
Arbustos 0.04
Medio boscosa 0.045
Boscosa (soto) 0.06
Campo 0.028
Galacho (agua estancada) 0.024
Urbano 0.05
Figura 4 | Mapa de valores de coeficiente de rozamiento de Manning segn el uso del suelo.
Condiciones iniciales y de contorno
A la hora de simular un estado transitorio del flujo se necesita partir de unas condiciones iniciales debido a la imposibilidad
de calcular en continuo. Se ha elegido partir de un estado estacionario del caudal que figura como inicial en el hidrograma de
avenida. De esta forma se comete un pequeo error en la condicin inicial pero se subsana rpidamente cuando llega la onda de
avenida.

Como condicin de contorno aguas arriba se impone el hidrograma registrado en la estacin de aforo de Castejn de Ebro
que recoge los caudales que circularon en Castejn en la avenida de febrero del 2015 y contiene un primer pico de unos 1750m3/s
y otro a los 4das de 2600m3/s. En total el evento dur 21 das aproximadamente y el hidrograma se muestra en la Figura5. El
tiempo de clculo de esta simulacin fue de 17h.
Figura 5 | Hidrograma registrado en la avenida de Febrero del 2015 en Castejn de Ebro.
Como condicin de contorno aguas abajo se ha impuesto la curva de aforo (ver Figura 6) obtenida de las medidas histricas
registradas en la estacin de Zaragoza situada en el puente de la autopista A-2 sobre el Ebro.
Figura 6 | Curva de aforo obtenida de las medidas histricas registradas en la estacin de aforo del puente de la autopista A-2 en Zaragoza.
RESULTADOS
A travs de vuelos areos realizados durante la inundacin de Febrero del 2015 en el ro Ebro se dispone de la extensin
de rea inundada diferenciando terreno seco de mojado. Esta informacin nos ha sido facilitada por la Confederacin Hidrogrfica
del Ebro, al igual que datos de topografa, y datos registrados en las estaciones de aforo disponibles en este tramo del ro. Todo ello
permite poder comparar los resultados numricos obtenidos con RiverFlow2D con los datos observados, exponiendo los resultados
en este apartado.

Avenida de Febrero del 2015
En primer lugar se presenta la comparacin de los resultados numricos con lo observado en trminos de rea inundada
(Figura 7). En color verde se observa la topografa del terreno, en color azul se muestra el calado obtenido de la simulacin
numrica, en marrn se encuentra la mancha observada de la inundacin real y en rosa la interseccin de ambas.
Figura 7 | Comparacin del rea mxima de inundacin observada (marrn), calculada (azul) e interseccin de ambas (rosa) correspondiente a la
avenida de Febrero del 2015.
Se ha cuantificado el ajuste entre los resultados y lo observado mediante el ndice de rea inundada (Bates y De Roo, 2000)
y se ha obtenido una concordancia del 84.3%.
En la Figura 8 se muestra la evolucin temporal del nivel superficial en las poblaciones de Tudela y Novillas localizadas en
la Figura 2.
(a) (b)
Figura 8 | Comparacin de los resultados numricos y lo observado en la evolucin temporal de la lmina de agua en a) Tudela y b) Novillas corres-
pondiente a la avenida de Febrero del 2015.

RiverFlow2D permite capturar de una forma precisa el tiempo de llegada de los picos y los valores mximos de los mismos,
magnitudes de gran inters en la prediccin de avenidas, a localizaciones concretas; como son en este caso las poblaciones de
Tudela y Novillas. Se han elegido estas dos poblaciones porque disponen de estaciones de aforo donde poder calibrar los resultados
numricos. En el tiempo inicial se puede observar una pequea discrepancia en los valores de nivel superficial que rpidamente
es subsanada por el modelo. Esto se debe a la eleccin de las condiciones iniciales en las que se impone el nivel alcanzado por
el estacionario correspondiente al primer valor de caudal del hidrograma de entrada (ver Figura 5), ya que como no se calcula en
continuo no se conocen los datos iniciales de nivel en el ro.
Por otro lado, hay que tener en cuenta que los coeficientes de rozamiento de Manning elegidos para realizar estas simulaciones
se obtienen de la literatura; se esperara que realizando una calibracin exhaustiva de los mismos se pudiera incluso mejorar el
ajuste de la evolucin temporal del calado en determinadas poblaciones.
A continuacin, en la Figura 9 se muestran mapas de vectores de velocidad en t=40, 80, 160 y 314 h en los alrededores de la
poblacin de Alagn (ver Figura 2). Los primeros tiempos muestran la llegada de la onda de inundacin y el tiempo correspondiente
a 314 h es el instante de mxima inundacin.
t=40 horas t=80 horas
t=160 horas t=314 horas
Figura 9 | Mapa de velocidades y lneas de nivel del mdulo de la velocidad en diferentes instantes de tiempo correspondientes a los resultados
numricos obtenidos en la avenida de Febrero del 2015.
Se puede observar en la Figura 9 que en t=80 h la inundacin es mayor que en t=160 h debido a que el hidrograma de entrada
(ver Figura 5) presenta dos picos. Se muestran las direcciones de propagacin de la onda de inundacin en esta zona y las zonas de
velocidad menores y mayores que afectaran a la erosin y sedimentacin en el cauce.
En la Figura 10 podemos ver la evolucin en representacin 3D del flujo sobre el terreno a la altura de Castejn de Ebroa),
punto donde se impone la condicin de contorno aguas arriba; y en Boquieni b) punto medio entre Novillas y Alagn (ver Figura2).

(a) (b)
Figura 10 | Vista tridimensional del rea mxima inundada obtenida numricamente sobre el terreno a la altura de a) Castejn y b) Boquieni en la
avenida de Febrero del 2015.
Hasta aqu se muestran las comparaciones de lo observado junto a los resultados numricos en la avenida que tuvo lugar en
Febrero del 2015. A continuacin se van a presentar las comparaciones en los mismos trminos (calado, velocidad, extensin de la
lmina de agua,) de lo que ocurre al aplicar las medidas de mitigacin que se proponen entre las muchas que existen.
Limpieza de la vegetacin del cauce
Para poder modelizar esta medida se ha generado un nuevo mapa de rozamiento cambiando el coeficiente asignado al
cauce del ro. Limpiar la vegetacin del ro equivale a disminuir el rozamiento del flujo con el fondo del cauce. Se han llevado
a cabo simulaciones con diferentes escenarios que corresponden a las situaciones que se recogen en la Tabla 2, desde la original
a ir limpiando progresivamente el cauce y por tanto disminuyendo el coeficiente de rozamiento. Tambin se ha contemplado la
posibilidad de no tomar ninguna medida en el cauce y que ste se llenara de ms vegetacin, traducido a aumentar el coeficiente de
rozamiento. Merece la pena destacar la diferencia entre el dragado del ro (cambio en la morfologa de las secciones batimtricas)
y la limpieza del mismo, que se traduce en un cambio en el coeficiente de rozamiento.
Tabla 2 | Coeficiente de rozamiento asignado al cauce del ro segn el grado de limpieza considerado.
Situacin del cauce Coeficiente de rozamiento de Manning (n) (s/m1/3)
Original 0.035
Limpio con algunas piedras y plantas 0.03
Limpio 0.025
Muy limpio y liso 0.02
Sin limpiar 0.038
Para analizar las consecuencias que tienen en la lmina de agua, en el rea inundada y en los tiempos de llegada de la onda
de avenida, se ha recogido informacin numrica de evolucin temporal de la altura de agua en 4 puntos a lo largo del dominio,
incluyendo puntos en el cauce y puntos en las llanuras de inundacin (ver Figura 11). A continuacin se muestra una comparacin

del rea inundada mxima en t=314h obtenida de la simulacin con los diferentes coeficientes de rozamiento propuestos en la
Tabla2 (azul claro) comparados con el rea inundada calculada originalmente (azul oscuro) (Figura12).
Figura 11 | Puntos de control a lo largo del dominio donde se comparan los hidrogramas observados y calculados.

n=0.02
n=0.025
n=0.03
n=0.038
Figura 12 | rea mxima inundada correspondiente a t=314h en diferentes escenarios de limpieza de vegetacin del cauce (azul claro) comparados
con el rea inundada calculada originalmente (azul oscuro).

Se observan diferencias en el rea mxima inundada segn el coeficiente de rozamiento impuesto en el cauce pero slo de
forma cualitativa. Para poder analizar bien esta medida se necesita cuantificarla en trminos de altura de agua alcanzada en puntos
determinados. Por ello se presenta la evolucin temporal del calado en las sondas S1, S2, S3 y S4 (Figura 13) localizadas en la
Figura 11.
Sonda 1 Sonda 2
Sonda 3 Sonda 4
Figura 13 | Evolucin temporal del calado en sondas S1, S2, S3 y S4 en escenarios de diferente grado de limpieza de vegetacin del cauce del ro.
Valores del coeficiente de rozamiento de Manning bajos implican que el flujo puede avanzar ms rpidamente y por tanto
corresponde a los valores ms pequeos de calado; y por el contrario, cuando los valores del coeficiente de rozamiento de Manning
son altos el flujo se ve frenado y la lmina de agua se levanta, correspondiendo a los valores ms altos de calado; llegando a poder
establecer una diferencia entre zonas secas y mojadas. Por ejemplo, en la sonda 3 se puede observar que durante el primer pico de
la avenida (ver Figura 5) existe una zona que slo se ve inundada cuando el coeficiente de rozamiento es n=0.038.

Zonas de inundacin controlada
Las zonas de inundacin controlada (ZIC) son espacios cuya inundacin se favorece y regula con compuertas con el objetivo
de laminar la avenida aguas abajo. Estas reas estn propuestas para estudio por la Confederacin Hidrogrfica del Ebro (ver
Figura14), y de todas ellas se han elegido dos: cerca de Buuel (7-6) y cerca de Ribaforada (7-4) y (7-2). Las compuertas pueden ser
colocadas a favor de la pendiente con lo cual se consigue que la entrada de agua sea rpida; o a contrapendiente para que la entrada
de agua sea menos daina para el terreno.
Figura 14 | Localizacin de las ZIC con compuertas a favor de la pendiente (verde) y a contrapendiente (azul).
Se han simulado todas las opciones posibles: uso de las ZIC actuando de forma individual o conjunta con compuertas
aguas arriba; y de igual forma con compuertas aguas abajo haciendo un total de 6 simulaciones diferentes. Los resultados ms
significativos se recogen en la Figura15 donde se representa la diferencia entre la extensin de la lmina de inundacin cuando
se usan o no estas zonas con las compuertas a favor de la pendiente (abajo) o en contrapendiente (arriba) en la ZIC (7-6) cerca de
Buuel. En casi todo el tramo no se aprecian diferencias, lo cual nos hace deducir que el efecto de estas zonas es local y no afecta
al resto. Por otro lado, como podramos suponer, si la compuerta est a favor de la pendiente, esta ZIC se llena y observamos que
cerca de Buuel llegara menos agua. Por el contrario, si la compuerta est a contrapendiente habra menos agua en zonas anteriores
y llegara ms agua a Buuel. El comportamiento en la otra ZIC es similar. Podemos concluir que esta medida no tiene efectos
globales en el alcance de la avenida; por una parte, porque los caudales son muy altos y las zonas ya se vean inundadas por la propia
avenida; y por otro lado porque los efectos son muy locales.
ZIC de Buuel (7-6) con flujo de entrada a contrapendiente
ZIC de Buuel (7-6) con flujo de entrada a favor de la pendiente

Figura 15 | Diferencia de las reas inundadas en la ZIC (7-6) de Buuel con compuertas a favor de la pendiente (abajo) y a contrapendiente (arriba).
Las cruces verde y azul representan las respectivas posiciones de las compuertas.

Re-adaptacin y construccin de motas en zonas localizadas
Otra medida de mitigacin que se contempla es la proteccin de una zona concreta por ser ste espacio protegido, por
contener una poblacin, etc En nuestro caso se ha elegido estudiar la poblacin de Buuel. Para ello se refuerza y se alarga la
mota que protege dicha poblacin. El objetivo de la simulacin de esta medida es doble: conocer si la reconstruccin de la mota es
capaz de frenar la avenida y que no entre en la poblacin y al mismo tiempo saber cmo afecta esta medida a las poblaciones aguas
abajo.
En la Figura 16 se representa el rea inundada sobre el terreno cerca de la zona de Buuel para el tiempo correspondiente a
mxima inundacin. A la izquierda con la mota que existe en la actualidad; a la derecha con la mota reforzada en altura y alargada
un tramo en longitud. Se puede observar que la reconstruccin de la mota favorece la proteccin de la poblacin de Buuel y lo
que es igual de importante, no afecta al resto del tramo. Se puede observar que la mancha de inundacin es la misma fuera de esta
zona concreta.
(a) (b)
Figura 16 | Comparacin del rea inundada alrededor de la poblacin de Buuel con la mota actual (a) y con la mota reforzada (b).
Por ltimo, en la Figura 17 se muestra la diferencia de altura de agua obtenida del clculo de la avenida con la mota original
y con la mota reconstruida. El color rojo indica diferencias positivas de calado (tras la aplicacin de la medida hay ms calado) y
el azul diferencias negativas. Las zonas que no se encuentran coloreadas (blanco) representan zonas en las que el calado coincide.
Se observa cmo la mayor diferencia se encuentra en la zona que ha quedado protegida influyendo mnimamente en dos zonas de
la llanura de inundacin aguas abajo, mientras que el resto del dominio no presenta cambios.

Figura 17 | Diferencias en el calado en todo el dominio usando la mota real y la mota reconstruida. Diferencias positivas (rojo) implican ms cantidad
de agua tras la aplicacin de la medida.
CONCLUSIONES
El modelo de simulacin de flujo de superficie libre RiverFlow2D sobre GPU ha demostrado ser eficiente, preciso, rpido
y fiable y de gran utilidad prctica a la hora de simular inundaciones y medidas de mitigacin. Su ventaja principal es su capacidad
de clculo de dominios espacio-temporales grandes en tiempos de clculo reducidos. Podramos concluir que en un dominio de
dimensiones aproximadas 125km12 km discretizado en una malla de 800000 celdas triangulares, una avenida de 15 das se calcula
en 15 horas aproximadamente; o lo que es lo mismo, en 1 hora de clculo podemos predecir lo que va a suceder en las siguientes
24horas. No se habla nicamente de rapidez, sino tambin de precisin, ya que los resultados numricos han sido comparados con
medidas observadas dando pequeas diferencias. Y por ltimo, al hablar de fiabilidad, merece la pena destacar que se trata de un
mtodo de clculo conservativo que proporciona cero errores en volumen de agua.
En cuanto al caso estudiado (inundacin del 2015 del tramo medio del ro Ebro), se han obtenido los resultados numricos
de la simulacin comparndolos con las medidas observadas en los puntos en los que esto ha sido posible obteniendo una buena
aproximacin a la realidad. Posteriormente se han analizado tres posibles medidas de mitigacin que puede servir de ayuda en el
futuro: limpieza de vegetacin del cauce, uso de zonas de inundacin controlada y construccin o re-adaptacin de motas. De todas
estas medidas analizadas, la ms efectiva ha resultado ser la eliminacin de la vegetacin del cauce. En las figuras se observa cmo
el rea mxima inundada va disminuyendo en todo el tramo conforme el cauce se encuentra ms limpio; y a la vez cmo el rea
mxima inundada aumentara en el caso de que no se tome ninguna medida y sobre el cauce aparezca ms vegetacin. Adems
no slo se ha comparado el rea mxima inundada sino tambin cmo se ve afectada la altura de agua en algunos puntos situados
dentro y fuera del cauce y otros situados en la llanura de inundacin, observando cmo en la situacin ms favorable (cauce muy
limpio), la altura de agua puede disminuir hasta 1m.
El resto de las medidas de mitigacin estudiadas en este tramo del ro Ebro (zonas de inundacin controlada cerca de
Buuel y Ribaforada con compuertas a favor y a contra-pendiente; o refuerzo de motas en regiones concretas por ser stas espacios
protegidos o poblaciones importantes), han resultado tener consecuencias locales en esa zona y no afectan a ninguna variable en
el resto del dominio, por lo que se puede concluir que no existen efectos de disminucin de calado a lo largo del dominio como se
buscaba, cuando los caudales pico son altos; aunque podran resultar ser medidas tiles para caudales ms bajos.
AGRADECIMIENTOS
Este trabajo se encuentra en el marco del proyecto de investigacin CGL2015-66114-R financiado por el Ministerio de
Ciencia e Innovacin/FEDER. Los autores quieren agradecer tambin a la Confederacin Hidrogrfica del Ebro por su disponibilidad
de consulta y gestin de datos.

REFERENCIAS
Ahmad, S., Simonovic, S. 2006. An intelligent decision support system for management of floods. Water Resources Management,
20(3), 391-410. doi:10.1007/s11269-006-0326-3
Ahmadian, R., Falconer, R. A., Wicks, J. 2015. Benchmarking of flood inundation extent using various dynamically linked one- and
two-dimensional approaches. Journal of Flood Risk Management, 1-15. doi:10.1111/jfr3.12208
Bates, P. D., De Roo, A. P. J. 2000. A simple raster-based model for flood inundation simulation. Journal of Hydrology, 236(1-2),
54-77. doi:10.1016/S0022-1694(00)00278-X
Blad, E., Cea, L., Corestein, G., Escolano, E., Puertas, J., Vzquez-cendn, E., Dolz, J., Coll, A. 2014. Iber: herramienta de
simulacin numrica del flujo en ros. Revista internacional de Mtodos Numricos para Clculo y Diseo en Ingeniera, 30(1),
1-10. doi:10.1016/j.rimni.2012.07.004
Brufau, P., Garca-Navarro, P. 2001. Modelo de simulacin bidimensional de transitorios en aguas superficiales: aplicacin a roturas
de presa. Ingeniera Civil, 121, 33-40.
Caviedes-Voullime, D., Morales-Hernndez, M., Lpez-Marijuan, I., Garca-Navarro, P. 2014. Reconstruction of 2D river beds by
appropriate interpolation of 1D cross-sectional information for flood simulation.Environmental modelling & software, 61, 206-228.
doi:10.1016/j.envsoft.2014.07.016
Comisin Tcnica del Comit Espaol de la Estrategia Internacional para la Reduccin de Desastres, Direccin general de
proteccin civil y emergencias, Ministerio del interior, Gobierno de Espaa. Reduccin del riesgo de desastres, n3 enero-abril 2016.
http://www.proteccioncivil.org.
DHI. 2009. MIKE 21 Flow Model. Hydrodynamic Module Scientific Documentation. MIKE by DHI, 2009.
Garca, R., Restrepo, P., Deweese, M., Ziemer, M., Palmer, J., Thornburg, J., Murillo, J., Morales, M., Garca-Navarro, P., Lacasta,
A. 2015. Advanced GPU Parallelization for two-dimensional operational river flood forecasting. Proceedings of the 36th IAHR
World Congress, Junio 28-Julio 3. The Hague, The Netherlands.
Lacasta, A., Morales-Hernndez, M., Murillo, J., Garca-Navarro, P. 2014. An optimized GPU implementation of a 2D free surface
simulation model on unstructured meshes. Advances in engineering software, 78, 1-15. doi:10.1016/j.advengsoft.2014.08.007
Lacasta, A., Juez, C., Murillo, J., Garca-Navarro, P. 2015. An efficient solution for hazardous geophysical flows simulation using
GPUs. Computers & Geosciences, 78, 63-72. doi:10.1016/j.cageo.2015.02.010
Morales-Hernndez, M., Garca-Navarro, P., Burguete, J., Brufau, P. 2013. A conservative strategy to couple 1D and 2D models for
shallow water flow simulation. Computers & Fluids, 81, 26-44. doi:10.1016/j.compfluid.2013.04.001
Murillo, J., Brufau, P., Garca-Navarro, P., Rodrguez, M., Andrs-Urrutia, A. 2007. A mathematical model for numerical simulation
of shallow water flow: description and practical application of Guad2D. Proceedings of the Environmental Informatics and System
Research Congress (Enviroinfo 2007), September 12-14, Warsaw, Poland, 409-416.
Plan de Gestin del Riesgo de Inundacin, Confederacin Hidrogrfica del Ebro. http://www.chebro.es/PGRI. ltimo acceso: enero
2017.
Roe, P. L. 1981. Approximate Riemann solvers, parameter vectors and difference schemes. Journal of Computational Physics,
43(2), 357-372. doi:10.1016/0021-9991(81)90128-5
Shang, Z. 2014. High performance computing for flood simulation using Telemac based on hybrid MPI/OpenMp parallel
programming. International Journal of modeling, simulation and scientific computing, 5(4), 1-13.
Suman, A., Akther, F. 2014. River Flood Modelling Using SOBEK: A Case Study from Ciliwung Catchment, Indonesia. International
Journal of Engineering Research, 3(11), 662- 668. doi:10.17950/ijer/v3s11/1108

Toriman, M.E., Hassan, A.J., Gazim, M.B., Mokhtar, M., Mastura, S.A., Jaafar, O., Karim, O., Aziz, N.A. 2009. Integration of 1-d
Hydrodynamic Model and GIS Approach in Flood Management Study in Malaysia. Research Journal of Earth Sciences, 1(1), 22-
27.
Van der Knijff, J.M., Younis, J., De Roo, A.P.J. 2010. LISFLOOD: a GIS-based distributed model for river basin scale water balance
and flood simulation. International Journal of Geographical Information Science, 24(2), 189-212. doi:10.1080/13658810802549154

Ingeniera del Agua | 21.1 | 2017 Guardiola-Albert etal. | Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo [] 71
Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de

riesgo hidrogeotxico (HGT) por altas concentraciones de As en las aguas
subterrneas. Aplicacin a la distribucin de HGT en la provincia de vila
(Espaa)
Geostatistical methods to map the probability of hydrogeotoxic risk by high As concentrations
in groundwater. Case study in vila province ( Spain)
Guardiola-Albert, C.a1, Pardo-Igzquiza, E.a2, Gimnez-Forcada, E.b1

Instituto Geolgico y Minero de Espaa (IGME) C/ Ros Rosas, 23, 28003 Madrid (Espaa).
a
E-mail: a1 c.guardiola@igme.es, a2 e.pardo@igme.es

Instituto Geolgico y Minero de Espaa (IGME) Unidad de Salamanca C/Azafranal, 48, 37001 Salamanca (Espaa).
a
E-mail: b1 e.gimenez@igme.es
RESUMEN
La presencia de As en las aguas subterrneas es un problema prioritario de salud pblica e impone serias restricciones en el agua
de consumo. Los mapas de probabilidad de superar el umbral permitido por la Organizacin Mundial de la Salud, OMS (10g/L)
permiten delimitar las reas que ms riesgo presentan en relacin con este parmetro. Las tcnicas geoestadsticas constituyen
una herramienta de uso comn para elaborar estos mapas, aunque lamentablemente no hay un acuerdo sobre qu tcnica es la
ms adecuada. El presente estudio recopila distintos criterios para decidir qu mtodo presenta resultados ms robustos. Se utilizan
siete mtodos de kriging no paramtrico en la estimacin del mapa de probabilidad de que la concentracin de As en manantiales
de la provincia de vila supere el lmite de 10g/L. La validacin revela que uno de los mejores resultados es del simplicial indicator
kriging, nunca antes tenido en cuenta en estudios sobre presencia de As geognico en aguas subterrneas.
Palabras clave | arsnico; aguas subterrneas; riesgo hidrogeotxico HGT; kriging de indicadores; validacin cruzada.
ABSTRACT
The presence of As in groundwater is a priority public health issue because it imposes serious restrictions on drinking water. Mapping
probabilities of exceedance of the threshold permitted by the World Health Organization, WHO (10 g/L) allow delimiting the most
vulnerable areas. The existing geostatistical techniques are a common tool for the evaluation of these maps, though, there is no
agreement on which of the methods is the best. In this study different comparison criteria are illustrated. Seven non-parametric
kriging methods are used to estimate the map of probability of exceeding the As concentration the limit of 10 mg/L in groundwater
at the province of vila. Performed validation reveals that one the best results correspond to the simplicial indicator kriging, never
before compared in studies of presence of geogenic As in groundwater.
Key words | arsenic; groundwater; hydrogeotoxicity risk; indicator kriging; cross validation.
Doi:10.4995/Ia.2017.6798 EISSN: 1886-4996 ISSN: 1134-2196

72 Guardiola-Albert et al. | Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo [] Ingeniera del Agua | 21.1 | 2017
INTRODUCCIN
En muchas regiones ridas y semiridas el agua subterrnea es la nica fuente de agua potable disponible. Las altas
concentraciones de Elementos Traza Geognicos Potencialmente Txicos (ETGPT) en el agua de bebida pueden suponer un riesgo
para la salud humana e imponer restricciones a la disponibilidad de agua apta para consumo.
Para estudiar la concentracin de un determinado elemento traza, en relacin con la concentracin lmite establecida para
el agua de consumo, es necesario introducir el concepto HidroGeoToxicidad (HGT). La HGT se define como el cociente entre la
concentracin de un determinado ETGPT en una muestra de agua concreta y el valor lmite mximo para ese elemento en el agua
potable de acuerdo con la OMS (Gimnez-Forcada etal., 2016):
6 ETGPTagua @
HGTETGPT =
6 ETGPTOMS @
La presencia de arsnico (As) en el agua subterrnea y el riesgo potencial por HGTAs asociado se ha convertido en un tema
prioritario de salud ambiental porque compromete la calidad del recurso y limita su uso como agua potable. El control tan estricto
sobre la concentracin de As en agua de ingesta se basa en su reconocimiento como cancergeno por la Agencia Internacional de
Lucha contra el Cncer (IARC) (WHO, 2009).
La presencia de As geognico en las aguas subterrneas en varias reas sedimentarias cenozoicas espaolas y los problemas
de abastecimiento asociados (Aragons Sanz etal., 2001; Sahn etal., 2004; Mayorga etal., 2013) se constataron especialmente
a partir de la entrada en vigor del Real Decreto RD 140/2003, que limitaba la concentracin de As de acuerdo a las nuevas
recomendaciones de la OMS y fijaba la nueva concentracin mxima en 10g/L. Una de las zonas ms afectadas es el sur de
la Cuenca del Duero donde un buen nmero de abastecimientos con agua subterrnea superan el nuevo valor umbral. Aunque
generalmente estos valores estn solo ligeramente por encima de 10g/L, puntualmente se pueden alcanzar concentraciones de
varias centenas de g/L (Gimnez-Forcada y Smedley, 2014). La provincia de vila es un buen ejemplo de lo que sucede en la zona.
En ella se han constatado altas concentraciones de As en aguas de diversos manantiales. Su distribucin se considera representativa
de la concentracin de As en las aguas subterrneas de la provincia.
Identificar las reas con riesgo potencial por HGTAs es una herramienta de gran utilidad para los tcnicos y gestores de las
aguas subterrneas en la toma de decisiones. Para ello es de gran utilidad elaborar mapas de probabilidad de superar el valor umbral
del As en las aguas subterrneas, y que permitan adems relacionar espacialmente la presencia de As con distintos factores, tanto
naturales como antrpicos.
La generacin de estos mapas de probabilidad no es una tarea sencilla (Ryker, 2001). Por un lado, se debe de disponer de
una red de control con una amplia cobertura espacial que, depende muchas veces de la posibilidad de tomar muestras en pozos
privados. Por otra parte, la tcnica matemtica de interpolacin elegida para estimar las concentraciones de As en los puntos no
medidos influye mucho en el mapa resultante. A los problemas mencionados, hay que aadir que todo valor interpolado tiene una
incertidumbre asociada. Una vez interpolados los datos hay que decidir cmo se expresan los resultados, con distintos colores o
estadsticos. Esto puede influir mucho en la interpretacin y la toma de decisiones, ya que afectar a la delimitacin final de las
zonas con riesgo por HGTAs. Utilizando un solo mapa, una de las aproximaciones ms usada para evaluar la presencia de As en el
agua subterrnea de una zona, es la generacin de un mapa de probabilidad de superar el umbral permitido de As en agua potable.
Las tcnicas geoestadsticas son las ms utilizadas para obtener este tipo de mapas ya que a partir de los datos de concentracin de
As calculan directamente el mapa de probabilidades (Goovaerts, 1997).
En geoestadstica, el enfoque habitual para la modelacin de la incertidumbre local consiste en considerar los valores de una
variable natural z desconocida como una realizacin de una variable aleatoria Z. En el caso aqu mostrado se considera que z(u) son
los valores de As medidos en laboratorio a partir de muestras de agua subterrnea para n localizaciones uj, j = 1, , n. El modelo
de incertidumbre de z se obtiene a travs de la funcin de distribucin de probabilidad. La probabilidad de que z est por debajo
de un cierto umbral z0 viene dada por la proporcin de las mediciones que estn por debajo de dicho umbral, que es la funcin de
distribucin acumulativa condicional (ccdf) F de esa variable z:

Ingeniera del Agua | 21.1 | 2017 Guardiola-Albert et al. | Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo [] 73
F(u; z(n) )=Prob{Z(u)z0(n)}= proporcin de zjz0, j=1,,n (1)
donde | (n) expresa que z est condicionado a la informacin local, a las n mediciones de z(uj).
Los estudios sobre riesgo potencial por HGTAs se centran en la probabilidad de que z est por encima de un cierto umbral
z0, o valor lmite de concentracin para agua potable (en As, 10g/L). Esta probabilidad se calcula como el complementario a 1 de
la ccdf:
Prob{Z(u)>z0(n)}=1Prob{Z(u)z0(n)}=1proporcin de zjz0, j=1,,n (2)
Hay que distinguir entre los mtodos geoestadsticos paramtricos y los no paramtricos. En la geoestadstica paramtrica,
la distribucin de los valores que puede tomar z se supone conocida y generalmente gausiana. La geoestadstica no paramtrica no
es tan restrictiva ya que construye los modelos de distribucin de probabilidad transformando los datos originales a una variable
indicadora i (Gmez-Hernndez, 1991) para el umbral z0:
0, si z j # z 0
i ( z 0; z j ) = ) (3)
1, si z j 2 z 0
Con esta transformacin la funcin de distribucin ccdf (Ecuacin (1)) se puede reescribir como el valor esperado condicional
de una variable aleatoria indicadora I (cuya realizacin es i), dada la informacin (n) (Journel, 1983):
1F(u;z0(n))=Prob{Z(u)>z0(n)}=E{I(u);z0(n)} (4)
Los mtodos para estimar el valor esperado de la variable indicadora i dan lugar a las distintas aproximaciones geoestadsticas
paramtricas y no paramtricas para obtener el mapa de probabilidad de que no se supere el umbral z0. Los trabajos publicados
comparando la diversidad de interpoladores geoestadsticos con indicadores (Brus etal., 2002; Cattle etal., 2002) muestran que lo
ms comn es no encontrar grandes diferencias en la fiabilidad de los distintos resultados (Papritz y Dubois, 1999; Lark y Ferguson,
2004; Goovaerts etal., 2005). Como consecuencia de ello no existe un acuerdo sobre cul es el mejor mtodo para la estimacin de
mapas de probabilidad de superar cierto umbral de concentracin de un ETGPT.
El presente trabajo recopila de forma sencilla las pautas que los tcnicos y gestores de las aguas subterrneas en materia
de calidad del agua subterrnea pueden seguir para decidir el mtodo ms fiable para elaborar estos mapas. La decisin sobre
cul de las tcnicas empleadas estima mejores predicciones de la probabilidad de superar este umbral se realiza considerando las
incertidumbres de la medida. Esto implica que se obtendr el mejor mapa para diferenciar las zonas potencialmente peligrosas de
las zonas no afectadas por riesgo HGTETGPT y, por tanto, seguras. Los criterios se basarn en los valores de validacin cruzada y los
pxeles clasificados errneamente.
Para mostrar los pasos a seguir y ver qu mtodo arroja resultados ms fiables se ha elegido como ejemplo la concentracin
de As en el agua de manantiales de la provincia de vila (Espaa) y a partir de estos datos se ha elaborado el mapa de probabilidad de
superacin 10g/L en esta provincia, utilizando siete interpoladores geoestadsticos de indicadores. Cuatro de ellos pertenecen a los
mtodos no paramtricos: (i) simple indicator kriging con estimacin manual del variograma (Gmez-Hernndez, 1991), (ii) simple
indicator kriging con estimacin automtica del variograma utilizando el cdigo AUTO-IK con un umbral (Goovaerts, 2009), (iii)
simple indicator kriging con media local variable (Goovaerts, 1997) y (iv) simplicial indicator kriging (Tolosana-Delgado etal.,
2005; 2008); y tres a los mtodos paramtricos: (v) bayesian indicator estimation (Guardiola-Albert y Pardo-Igzquiza, 2011), (vi)
compositional bayesian indicator estimation (Guardiola-Albert y Pardo-Igzquiza, 2001) y (vii) disjunctive kriging (Rivoirard,
1994). Los mtodos simplicial indicator kriging, bayesian indicator estimation y compositional bayesian indicator estimation son
poco conocidos a pesar de sus buenos resultados.

MATERIAL Y MTODO
Interpolacin de indicadores (indicator kriging)
El trmino general de kriging designa al interpolador geoestadstico que ofrece el mejor estimador como una combinacin
lineal de los datos disponibles, sin sesgo y con varianza de error mnima. Para calcular los pesos del estimador lineal, el kriging
utiliza un modelo de variabilidad espacial a travs de la funcin denominada variograma, que describe el grado de dependencia
espacial de la variable aleatoria. La funcin de variograma utilizada en el kriging (modelo de variograma) se ajusta a los valores
de variograma calculados experimentalmente con los datos. Cuando lo que interesa es la probabilidad de superar un umbral, y no
tanto la variable en s misma, se emplea el indicator kriging. Como se ha explicado en la Introduccin, ste mtodo se basa en la
transformacin de unos datos continuos a una variable binaria en funcin de un umbral. La estimacin del valor esperado de esta
nueva variable indicadora i, es decir, su mapa interpolado, es directamente la probabilidad que se quiere obtener. En todos los
mtodos se han utilizado el mismo nmero mximos de puntos cercanos utilizados en la estimacin (12).
Otra de las ventajas de los mtodos geoestadsticos es que la estimacin (interpolacin) de una variable con pocas medidas
se puede mejorar utilizando una variable secundaria de la que se disponga de datos en todo el dominio de estudio. En este sentido,
algunas de las tcnicas geoestadsticas aplicadas en el presente estudio tendrn en cuenta la relacin de la presencia As con la
geologa. La provincia de vila es un ejemplo para establecer esta relacin ya que en ella los materiales gneos y metasedimentarios
del Sistema Central contrastan con los sedimentos terciarios del sur de la Cuenca del Duero.
Dependiendo de las asunciones tomadas sobre las variables aleatorias Z e I se han desarrollado distintos mtodos de
estimacin puntual que han sido aplicados en el presente trabajo:
(i) Simple indicator kriging (Gmez-Hernndez, 1991): mtodo no paramtrico que asume que la media de la variable
indicadora I es constante y conocida. El modelo de variograma se ha ajustado con Sgems (Remy etal., 2009).
(ii) Simple indicator kriging (Gmez-Hernndez, 1991): mtodo no paramtrico que asume que la media de la variable
indicadora I es constante y conocida y modela automticamente el variograma utilizando el cdigo AUTO-IK
(Goovaerts, 2009) con un umbral.
(iii) Simple indicator kriging con media local variable (Goovaerts, 1997): mtodo no paramtrico en el que la media puede
variar localmente. Esta media se calcula en funcin de otra variable, en este caso la geologa del rea de estudio. En
este caso se asume que la media es constante dentro de cada afloramiento geolgico. Esta hiptesis se puede tomar si
se considera que existe relacin entre la presencia de As y la litologa de la zona. Se ha calculado con el cdigo Sgems
(Remy etal., 2009).
(iv) Simplicial indicator kriging (Tolosana-Delgado etal., 2005; 2008): mtodo no paramtrico que identifica el espacio
muestral de los vectores de probabilidad con el simplex, el espacio muestral de las composiciones. Adems este
mtodo tiene en cuenta el error de la propia clasificacin de la muestra, asumiendo los 0s como valores cercanos a
0 y los 1s como valores cercanos a 1. Una vez en el espacio del simplex, el kriging se ha obtenido utilizando Sgems
(Remy etal., 2009).
(v) Bayesian indicator estimation (Guardiola-Albert y Pardo-Igzquiza, 2011): mtodo paramtrico que tiene en cuenta
el error de la propia muestra (el 0 y el 1 puede que no sean exactos) e informacin previa como la relacin con el
contexto geolgico. Define el estimador dentro del marco bayesiano como la mediana de la distribucin a posteriori.
Se ha utilizado un cdigo propio en FORTRAN para aplicacin de este mtodo.
(vi) Compositional bayesian indicator estimation (Guardiola-Albert y Pardo-Igzquiza, 2001): similar al mtodo anterior
pero considerando la estimacin como una composicin de dos partes, cuyo dominio de definicin es el simplex. Se ha
utilizado un cdigo propio en FORTRAN para aplicacin de este mtodo.
(vii) Disjunctive kriging (Rivoirard, 1994): es un mtodo no lineal que asume que la distribucin univariada y bivariada de
la variable es conocida. Para este mtodo se ha utilizado la herramienta implementada en Arcmap (ESRI, 2011).

La Figura 1 muestra los pasos que pueden seguirse para conseguir un mapa que defina las zonas ms afectadas por riesgo
hidrogeotxico por HGTAs, tomando como ejemplo los datos de concentracin de As en manantiales de la provincia de vila.
Figura 1 | Diagrama donde se indican de forma esquemtica todas las etapas para la consecucin de un mapa de posibles zonas afectadas por
riesgo hidrogeotxico (HGTAs), tomando como ejemplo el mapa de probabilidad de HGTAs en la provincia de vila.
Validacin
Para la validacin y comparacin de los siete mapas de probabilidad obtenidos con los diferentes mtodos descritos se
ha aplicado el mtodo de validacin cruzada (Isaaks y Srivastava, 1989; Goovaerts, 1997). Esta tcnica consiste en eliminar una
observacin, i(uj), y re-estimar su valor, i*(uj), con los valores vecinos. Esto se ha realizado sucesivamente con todos los datos,
obtenindose un valor del error de estimacin para cada dato. A partir de estos errores se ha calculado el error medio (EM) y el error
medio absoluto (EMA):
EM = n | j = 1 6i ) (u j) - i (u j) @
1 n
(5)
1 n
EMA = n | j = 1 i ) (u j) - i (u j) (6)
Falivene etal. (2010) demuestran que las comparaciones realizadas utilizando como criterio el mnimo error de la validacin
cruzada pueden ser completamente errneas. Estos autores demuestran que la comparacin es mucho ms efectiva si se busca el
mtodo que d el mnimo error y el menor suavizado que preserve la mayor variabilidad espacial. El suavizado resultante de los
mapas interpolados se mide con la desviacin estndar de los valores estimados en la validacin cruzada (DstVC):
| ^ i * (u j ) - i * (u j ) h
n 2
j=1
Dst VC = n (7)
1 n
donde i * (u) = n | j = 1 i * (u j) es la media de los valores estimados en la validacin cruzada.
Si DstVC es ms pequeo reflejar que las estimaciones son ms suaves espacialmente. Un algoritmo de interpolacin ser
mejor si puede proporcionar menos suavizado (Isaaks y Srivastava, 1989; Olea y Pawlowsky, 1996; Journel etal., 2000), y as
podr preservar mejor la variabilidad lateral de los valores de los datos. Siguiendo este criterio cuanto mayor es la DstVC, mejor
es el mtodo.

Otro criterio de comparacin, con la misma filosofa de la validacin cruzada, es el de los residuos ortonormales (Kitanidis,
1991). A diferencia de esta ltima, los residuos ortonormales se calculan siguiendo una secuencia concreta en la eliminacin del
punto a estimar. En el presente estudio los residuos ortonormales se han calculado ordenando los datos siguiendo la direccin norte-
sur, ya que visualmente los datos presentan una tendencia en esta direccin. Kitanidis (1991) sugiere que en estos casos este orden
es el adecuado. La distribucin de los residuos ortonormales, considerados como una variable aleatoria, deberan tener una media
(Q1) cercana a 0, una varianza (Q2) prxima a 1 y no deberan estar correlacionados.
Tabla 1 | Resumen de los criterios utilizados en la validacin y comparacin de los mapas de probabilidad obtenidos. Estos estadsticos estn
basados en los errores obtenidos de la validacin cruzada y los residuos ortonormales.
Abreviatura en este trabajo Referencia Valor ptimo Valor deficiente
Basados en los errores (residuos) de la validacin cruzada
Error Medio EM Isaaks y Srivastava (1989) 0 alto
Error Medio absoluto EMA Isaaks y Srivastava (1989) 0 alto
Desviacin estndar de los valores estimados DstVC Falivene etal. (2010) mayor menor
Tasa de clasificacin errnea de pxeles % clasificacin errnea Lark y Ferguson (2004) 0 100
Basados en los errores (residuos) ortonormales
Media de los errores Q1 Kitanidis (1991) 0 alto
Varianza de los errores Q2 Kitanidis (1991) 1 lejos de 1
Adems, se debe tener en cuenta el problema de la clasificacin errnea de pxeles, que puede tener consecuencias graves
a la hora de tomar decisiones. Es por esto que se consideran mejores aquellos mtodos con un nmero mnimo de pxeles mal
clasificados, porque se evitan errores a la hora de establecer las reas ms vulnerables por riesgo de HGT. Esta decisin se toma
cuando la probabilidad estimada (p*) supera cierto umbral de probabilidad (pu). La seleccin de este umbral de probabilidad es
la que marcar qu regiones sern declaradas como susceptibles de sufrir un riesgo potencial HGT y cules no. En la prctica se
elegir este umbral de tal forma que el riesgo de una clasificacin errnea sea aceptable. Segn proponen Goovaerts (1997) y Lark
y Ferguson (2004) se eligen una serie de valores pu y se evala la tasa de clasificacin errnea con los resultados de la validacin
cruzada. En general para valores de pu pequeos la tasa de clasificacin errnea ser mayor, ya que habr ms datos de validacin
que errneamente se hayan considerados como menores que el umbral. Si pu es grande, tambin la tasa de clasificacin errnea
ser grande al haber tambin muchos datos clasificados como mayores que el umbral. Los valores intermedios de pu sern los
que minimicen la tasa de clasificacin errnea. Tal y como propone Goovaerts (1997) se ha realizado un grfico con los datos de
la validacin cruzada representando las tasas de clasificacin errnea frente a los distintos umbrales pu entre 0 y 1 variando en
incrementos de 0.05. De esta forma se puede elegir aquel para el cual los errores en la clasificacin sean mnimos. Siguiendo este
razonamiento, el mejor mtodo ser aquel que de menos errores de clasificacin para un rango mayor de pu. Este mtodo para
evaluar los errores en la declaracin de zonas con riesgo HGT potencial o no, es ms simple y claro que otros existentes (Rousseau,
1980; Juang etal., 2004).
rea de estudio y datos de concentracin de As
La zona de estudio elegida para contrastar los distintos mtodos es la provincia de vila (Figura2), donde los materiales
gneos y metasedimentarios del Sistema Central contrastan con los sedimentos detrticos terciarios y cuaternarios de la Cuenca
del Duero y de otras reas sedimentarias menores, como el valle del Ambls o el Valle del Corneja, ambas asociadas al Dique
Messejana-Plasencia (DMP). Este dique dolertico se extiende a lo largo de ms de 500km, desde el S de Portugal y desaparece

bajo los sedimentos terciarios de la cuenca, en la provincia de vila. A esta estructura se asocian las cuencas pull-apart terciarias
del Valle Ambls y Corneja, que forman parte tambin de la zona de estudio. Se han detectado anomalas significativas de As en
la prolongacin de esta estructura bajo el relleno terciario de la cuenca del Duero (Gimnez-Forcada y Smedley, 2014; Rey-Moral
etal., 2016). Aproximadamente la cuarta parte de la provincia de vila corresponde a los depsitos terciarios de la Cuenca del
Duero, mientras que el resto del territorio se encuentra sobre el Sistema Central (Figura 2). Ambos dominios entran en contacto por
el cabalgamiento del Sistema Central sobre la Cuenca del Duero.
Las investigaciones realizadas hasta la fecha coinciden en atribuir la presencia de As a las reacciones agua-sedimento en
determinado ambiente de pH y redox (Garca-Snchez etal., 2005; Gmez etal., 2006; Delgado etal., 2009; Gimnez-Forcada
y Smedley, 2014, entre otros) y atribuyen las altas concentraciones de As y otros ETGPT formadores de aniones a procesos de
movilizacin por desorcin de los oxi-hidrxidos de Fe y Mn presentes en el sedimento, en condiciones oxidantes y pH alcalino.
Por otra parte, Gimnez y Smedley(2014) establecen una relacin entre la distribucin de As y la estructura de la Cuenca del Duero.
Recientemente se ha podido comprobar el control estructural de la distribucin de anomalas de As en base a datos de gravimetra
y magnetismo (Rey-Moral etal., 2016).
Figura 2 | rea de estudio: provincia de vila. En color de fondo se diferencias las distintas litologas presentes. Los crculos reflejan los valores de
concentracin de As. Los valores en verde indican ausencia de riesgo HGTAs, los amarillos un cierto grado de peligrosidad por HGTAs y los rojos que
existe un riesgo hidrogetxico potencial por HGTAs.
El presente estudio se basa en una campaa de muestreo de 87manantiales, entre junio y agosto de 2006, sobre un rea
de 8050 km2. Previamente a la recogida de la muestra se registraron in situ valores de temperatura, pH y potencial redox, as
como las coordenadas geogrficas del punto de muestreo. Se tomaron dos alcuotas de agua: una para el anlisis de cationes
(acidificada con HNO3, 1% v/v) y otra para anlisis de aniones. En ambos casos las muestras fueron previamente filtradas a
travs de filtros de celulosa de 0.45m. Las muestras se conservaron a 4C hasta su anlisis. La alcalinidad (ion bicarbonato) se

determin por volumetra, usando naranja de metilo como indicador. Los iones cloruro, nitrato y sulfato fueron determinados con un
Autoanalizador ALKEMP501. Los metales calcio, magnesio, sodio y potasio fueron analizados con Espectrometra de Absorcin
Atmica (AAS). El As fue determinado por ICP-MS (lmite de deteccin 1g/L). En todos los casos el error de balance inico fue
igual o inferior a 3%.
En la Figura 3se observa que las concentraciones de As registradas en las aguas subterrneas de la provincia de vila son
elevadas en el rea correspondiente a los depsitos terciarios y cuaternarios de la Cuenca del Duero y otras depresiones terciarias,
mientras que en el mbito gneo-metamrfico del Sistema Central se identifican valores de concentracin de As disuelto ms bajos.
Aunque en los materiales gneo-metamrficos ocasionalmente tambin se pueden encontrar valores altos de As, en general puede
verse que son menores ya que su tercer cuartil es casi igual que el primer cuartil del As en los depsitos terciarios y cuaternarios.
Esto muestra el control geolgico del contenido de As. Gracias a esta relacin, entre el As y la litologa, la estimacin de los mapas
de probabilidad puede mejorarse utilizando el mapa geolgico de la provincia de vila como variable secundaria relacionada con
la concentracin de As.
Figura 3 | Diagrama de cajas y bigotes de los valores de concentracin de As disuelto, diferenciando entre los manantiales situados sobre depsi-
tos terciarios y cuaternarios y los localizados sobre los materiales gneo-metamrficos del Sistema Central. El tamao de las cajas se determina con
la diferencia entre el primer y el tercer cuartil. Los bigotes se extienden hasta los valores mximo y mnimo. La situacin de la lnea azul dentro de
la caja corresponde al valor de la mediana.
RESULTADOS
Tras la aplicacin de los siete mtodos descritos se han obtenido siete mapas de probabilidad de riesgo potencial por HGTAs
(Figura4). Como puede observarse hay diferencias considerables entre los distintos mapas obtenidos. Comparando los mapas 4(a)
(ajuste manual del variograma con alcance 18km) y 4(b) (ajuste automtico del variograma con alcance 6km), se puede observar
que el ajuste automtico modela un alcance que probablemente sea demasiado pequeo, lo que se ve reflejado en las formas
circulares del mapa de probabilidades. Esto significa que las tcnicas de ajuste automtico pueden dar lugar a mapas pocos realistas
con artefactos espaciales que nada tienen que ver con la realidad.
Los mapas obtenidos con las tcnicas que consideran el mapa geolgico como informacin previa, 4(c), 4(e), y 4(f), son
diferentes a los dems ya que se observa que incluyen parte del comportamiento espacial de la geologa presente en la zona. Si

se tiene en cuenta el carcter composicional de las probabilidades, 4(d) y 4(f), en general se obtienen valores ms extremos de
probabilidad y menos valores intermedios.
Los estadsticos de validacin (EM, EMA, DstVC, Q1y Q2) tambin presentan mucha variabilidad y dificultad para elegir
qu mapa es el mejor y qu mtodo se debe aplicar (Tabla 2). Para el mtodo de disjunctive kriging no fue posible obtener los
residuos ortonormales por la dificultad en la programacin del camino a seguir en la validacin en el software utilizado para este caso
(ArcGIS): Con respecto a los errores de los distintos mtodos, todos presentan valores similares de EM y EMA, muy prximosa0.
El simplicial indicator kriging es el que presenta mejores valores con un EM de -0.02y un EMA de 0.11. Por otro lado, el mtodo
que da peores errores es el compositional bayesian indicator kriging con 0.35de EM y 0.42de EMA. Observando los valores de
DstVC tampoco hay grandes diferencias entre los mtodos usados, siendo de nuevo el ms ptimo, el que da menos suavizado
(DstVC ms grande), el simplicial indicator kriging (DstVC igual a 0.4). Para los estadsticos de los residuos ortonormales, el
mtodo ms robusto, con respecto a ambos estadsticos Q1y Q2, es el simple indicator kriging con ajuste manual del variograma
(-0.28de Q1y 1.11de Q2) y con media local variable (0.15de Q1y 1.20de Q2). El resto de mtodos no seran muy robustos segn
estos dos estadsticos con valores de Q1lejanos de cero o de Q2muy diferentes a 1.
Tabla 2 | Valores de los estadsticos utilizados en la comparacin de los mapas de probabilidad segn el estudio de validacin cruzada realizado:
EM (error medio), EMA (error medio absoluto), DstVC (desviacin estndar de los valores predichos) y Q1y Q2(estadsticos de los residuos orto-
normales). En negrita se destacan los mejores valores obtenidos para dichos estadsticos.
ME MAE Std CV Q1 Q2
Simple indicator kriging variograma manual -0.02 0.13 0.34 -0.28 1.11
Simple indicator kriging variograma automt. -0.02 0.15 0.32 -0.13 0.15
Simple indicator kriging media variable -0.05 0.15 0.37 0.15 1.20
Simplicial indicator kriging -0.02 0.11 0.40 0.46 0.23
Bayesian indicator kriging 0.23 0.34 0.23 -1.41 4.92
Compositional bayesian indicator kriging 0.35 0.43 0.24 -1.63 5.11
Disjunctive kriging 0.01 0.22 0.20
Todos los puntos se declaran no txicos 0.79 0.79
Todos los puntos se declaran txicos -0.21 0.21
Mxima entropa: Todos los puntos tienen una probabilidad del 50% de ser txicos 0.29 0.5
La Figura 5representa el porcentaje de clasificacin errnea en funcin del umbral de probabilidad (pu) elegido para la
decisin de declarar una zona con riesgo potencial por HGTAs o segura. El mnimo de pxeles mal clasificados (6.9%) se obtiene
con el mtodo ms sencillo (simple indicator kriging), con una probabilidad de corte (pu) de 0.3. Las tasas de clasificacin errnea
ms bajas se obtienen para los mtodos de simple indicator kriging, simple indicator kriging con media local variable y simplicial
indicator kriging. En general, y para todos los mtodos, la pu que da menos pxeles mal clasificados es la de 0.5. Para los distintos
valores de pu se obtienen una media de un 15% de clasificacin errnea en estos tres mtodos.

(a) (b)
(c) (d)
(e) (f)
(g)
1 0.83 0.67 0.5 0.33 0.17 0
Figura 4 | Mapas de mapas de probabilidad riesgo HGTAs en la provincia de vila. (a) simple indicator kriging con ajuste manual del variograma, (b)
simple indicator kriging con ajuste automtico del variograma, (c) simple indicator kriging con media local variable, (d) simplicial indicator kriging, (e)
bayesian indicator kriging, (f) compositional bayesian indicator kriging y (g) disjunctive kriging.

90
SK
80
AUTOIK
70
SKLVM
% clasificacin errnea
60
Simplicial
50
BINDI2D
40 CINDI2D
30 DK
Todos seguros
20
Mx entropa
10
Todos txicos
0
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
Probabilidad
Figura 5 | Porcentaje de pxeles mal clasificados como con riesgo HGTAS o seguros segn cada uno de los mtodos utilizados. SK: simple indicator
kriging con ajuste manual del variograma, AUTOIK: simple indicator kriging con ajuste automtico del variograma, SKLVM: simple indicator kriging
con media local variable, Simplicial: simplicial indicator kriging, BINDI2D: bayesian indicator kriging, CINDI2D: compositional bayesian indicator
kriging, DK: disjunctive kriging.
DISCUSIN Y CONCLUSIONES
El presente trabajo quiere presentar una serie de pautas y recomendaciones para los tcnicos y responsables de la
administracin pblica en materia de control de calidad de las aguas, que les ayude a decidir qu mtodo o mtodos son ms
adecuados para elaborar mapas de probabilidad de riesgo HGT. A continuacin se discuten los resultados obtenidos y se describe el
proceso de anlisis que permite elegir el mapa de probabilidades ptimo.
En un primer anlisis, segn algunos de los criterios elegidos para validar los mapas de probabilidad obtenidos por los
distintos mtodos (EM, EMA y Std CV), se considera como mejor mtodo el simplicial indicator kriging. Este mtodo no haba sido
utilizado anteriormente en estudios sobre distribucin de As en agua subterrnea y la HGTAs asociada. DOr etal. (2008) sealan
lo importante que puede ser tener un nmero importante de muestras por debajo del lmite de deteccin. El simplicial indicator
kriging, as como el bayesian indicator kriging y el compositional bayesian indicator kriging, permiten tener en cuenta en cierto
modo este porcentaje ya que no asignan un valor exacto de 0o 1a la variable indicadora, asumiendo un pequeo porcentaje de error
en las medidas.
Una de las crticas que se hacen a menudo a la validacin cruzada es que no tiene en cuenta el agrupamiento de las
muestras (clustering). Por ello, se decidi utilizar otros estadsticos como los residuos ortonormales, cuyos mejores resultados son
los correspondientes al simple indicator kriging, el mtodo ms sencillo, y simple indicator kriging con media local variable, que
tiene en cuenta la relacin entre la concentracin de As en el agua subterrnea y la geologa del entorno. Este ltimo mtodo utiliza
la geologa para el clculo de la media local variable, dando como resultado un mapa ms detallado que los mtodos que utilizan
slo las concentraciones de As (Figura 4(c)). Por otro lado todos los mapas que han tenido en cuenta la litologa de la zona estudiada
(Figuras 4(c), (e) y (f)) reflejan un mayor contraste entre las reas sedimentarias (con altas concentraciones de As en las aguas
subterrneas) y las del Sistema Central, donde generalmente los valores de concentracin de As son ms bajos, a excepcin de las

fracturas donde se aprecia un HGTAs mayor, especialmente en torno al trazado del dique Messejana-Plasencia, corroborando de este
modo la hiptesis sobre el control estructural de la distribucin de As (Gimnez-Forcada y Smedley, 2014; Rey-Moral etal., 2016).
El porcentaje de pxeles mal clasificados tambin aporta una valiosa informacin sobre el poder de prediccin de los
diferentes mtodos. Los mtodos ms sencillos tienen unas tasas de clasificacin errnea bastante buenas, que oscilan entre el 10y
el 15%. Es interesante ver la comparacin entre las tasas de mala clasificacin con los casos extremos en los que se declarara a todos
los puntos de muestreo sin riesgo HGTAs (lnea verde de la Figura 5) o todos con riesgo potencial HGTAs (lnea roja de la Figura 5).
Parece que en este caso de estudio se cometera menos error siendo optimistas y declarando toda la zona como segura que optar
por ser alarmistas. El caso denominado de mxima entropa (lnea morada de la Figura 5) equivaldra a darle a todos los puntos de
muestreo la misma probabilidad de ser potencialmente txicos, como de no serlo.
Otra forma de profundizar en la capacidad de prediccin de los distintos mtodos es diferenciar entre la declaracin de pxeles
con cierto grado de peligrosidad por HGTAs o seguros, a la hora de evaluar la mala clasificacin de los mismos. Esto se realiza con
tablas de contingencia como las de la Figura 6. Aplicando dos umbrales de probabilidad, pu = 0.3y pu = 0.5y la mencionada tabla de
contingencia se han obtenido los resultados resumidos en la Tabla 3. En general el mtodo con mejores predicciones y menos falsas
alarmas y esperanzas es el simple indicator kriging, aunque el resto de mtodos tampoco tienen porcentajes importantes de mala
prediccin. Destaca quizs el disjunctive kriging, por su mayor tasa de falsa esperanza y su menor probabilidad de falsas alarmas.
Es curiosa la diferencia en el xito del mtodo si tenemos en cuenta por igual tanto el xito en la prediccin como las clasificaciones
errneas (Figura 5) o si las diferenciamos (Tabla 3). Los peores mtodos, segn la Figura 5, son valorados como de los mejores en
la Tabla 3. En todo caso la reflexin ms importante es que los mtodos sencillos como el simple indicator kriging, dan muy buenos
resultados segn todos los criterios utilizados, siempre que el ajuste del variograma se haga de forma manual o que se compruebe
que el ajuste automtico tiene sentido fsico. Por ello debe ser considerado como buen mtodo para el estudio de la distribucin de
probabilidades de riesgo HGTAs.
Figura 6 | Tabla de contingencia para el estudio de las falsas alarmas y declaraciones errneas de puntos de abastecimiento seguros.
De todos los anlisis realizados sobre los distintos mtodos los autores concluyen que el mejor mtodo de los aplicados
es el simple indicator kriging, con media local variable. Con l se obtienen los mejores resultados de todos los estadsticos de
validacin, ofrece una baja tasa de clasificacin errnea de pxeles, la posibilidad de incluir informacin externa y relacionada con
la distribucin de concentraciones de As, tiene capacidad de dar baja probabilidad de falsas zonas seguras o potencialmente txicas,
as como una alta probabilidad de xito en la deteccin de zonas seguras y con riesgo potencial por HGTAs.

Tabla 3 | Probabilidades obtenidas siguiendo la tabla de contingencia de la Figura 6. SK: simple indicator kriging con ajuste manual del variograma,
AUTOIK: simple indicator kriging con ajuste automtico del variograma, SKLVM: simple indicator kriging con media local variable, Simplicial: simpli-
cial indicator kriging, BINDI2D: bayesian indicator kriging, CINDI2D: compositional bayesian indicator kriging, DK: disjunctive kriging. En negrita se
destacan los mejores valores para una mejor gestin de la HGTAs: mayor probabilidad de xito y menor probabilidad de clasificacin falsa.
SK AUTOIK SKLVM Simplicial BINDI2D CINDI2D DK
pu = 0.3 Probabilidad falsa esperanza -7% 11% 7% 6% 6% 3% 18%
Probabilidad xito zona segura 93% 89% 93% 94% 94% 97% 82%
Probabilidad falsa alarma 7% 9% 19% 26% 26% 33% 25%
Probabilidad xito zona potencialmente txica 93% 91% 81% 74% 74% 67% 75%
pu = 0.5 Probabilidad falsa esperanza 6% 9% 6% 6% 3% 3% 11%
Probabilidad xito zona segura 94% 91% 94% 94% 97% 97% 89%
Probabilidad falsa alarma 30% 33% 30% 30% 30% 36% 17%
Probabilidad xito zona potencialmente txica 70% 67% 70% 70% 64% 33% 83%
El paso siguiente a este tipo de estudios sera el estudio de la posible asociacin estadstica entre la concentracin de As en
el agua y la distribucin de patrones de salud. Este tipo de estudios podran permitir contemplar la influencia de anomalas de HGT
en la distribucin geogrfica de determinadas patologas, teniendo en cuenta que las aguas naturales juegan un papel bsico en la
transferencia de ETGPT desde el medio fsico a la biosfera, y representa por tanto un nudo crtico de interrelacin dinmica entre
el medio ambiente y la salud humana.
AGRADECIMIENTOS
Los autores agradecen a la Obra Social de Caja de vila el apoyo a la investigacin, al financiar el proyecto Manantiales
de la provincia de vila (2006-2007) y a los revisores annimos por los comentarios realizados.
REFERENCIAS
Aragons Sanz, N., Palacios Diez, M., Avello de Miguel, A., Gmez Rodrguez, P., Martnez Corts, M., Rodrguez Bernabeu,
M.J. 2001. Nivel de arsnico en abastecimientos de agua de consumo de origen subterrneo en la Comunidad de Madrid. Revista
Espaola de Salud Pblica, 75, 421-432.
Barroso, J.L., Lillo, J., Sahn, B., Tenajas, J. 2002. Caracterizacin del contenido de arsnico en las aguas subterrneas de la
zona comprendida entre el ro Duero, el ro Cega y el Sistema Central. In: Presente y Futuro del agua subterrnea en Espaa y la
Directiva Marco Europea. Zaragoza, Spain, 77-84.
Brus, D.J., Gruijter, J.J., Walvoort, D.J.J., de Vries, F., Bronswijk, J.J.B., Rmkens, P.F.A.M., de Vries, W. 2002. Mapping the
probability of exceeding critical thresholds for cadmium concentrations in soils in the Netherlands. Journal of Environmental
Quality, 31, 1875-1884. doi:10.2134/jeq2002.1875
Cattle, J.A., McBratney, A.B., Minasny, B. 2002. Kriging method evaluation for assessing the spatial distribution of urban soil lead
contamination. Journal of Environmental Quality, 31, 1576-1588. doi:10.2134/jeq2002.1576

Delgado, J., Medina, J., Vega, M., Carretero, C., Pardo, R. 2009. Los minerales de la arcilla y el arsnico en los acuferos de la Tierra
de Pinares. Revista de la Sociedad Espaola de Mineraloga, 11, 75-76.
DOr, D., Demougeot-Renard, H., Garcia, M. 2008. Geostatistics for contaminated sites and soils: some pending questions. geoENV
VI Geosatistics for Environmental Applications, 15, 409-420. doi:10.1007/978-1-4020-6448-7_34
ESRI. 2011. ArcGIS Desktop: Release 10. Redlands, CA: Environmental Systems Research Institute.
Falivene, O., Cabrera, L., Tolosana-Delgado, R., Sez, A. 2010. Interpolation algorithm ranking using cross-validation and the role
of smoothing effect. A coal zone example. Computers & Geociences, 36(4), 512-519.
Garca-Snchez, A., Alvarez-Ayuso, E. 2003. Arsenic in soils waters its relation to geology mining activities, (Salamanca Province,
Spain). Journal of Geochemical Exploration 80, 69-79. doi:10.1016/S0375-6742(03)00183-3
Garca-Snchez, A., Moyano, A., Mayorga, P. 2005. High arsenic in groundwater of central Spain. Environmental Geology, 47(6),
847-854. doi:10.1007/s00254-004-1216-8
Gimnez-Forcada, E., Smedley, P.L. 2014. Geological factors controlling occurrence and distribution of arsenic in groundwaters
from the southern margin of the Duero Basin, Spain. Environmental Geochemistry and Health, 36(6), 1029-1047. doi:10.1007/
s10653-014-9599-2
Gmez, J.J., Lillo, F.J., Sahn, B. 2006. Naturally occurring arsenic in groundwater identification of the geochemical sources in the
Duero Cenozoic Basin, Spain. Environmental Geology, 50, 1151-1170. doi:10.1007/s00254-006-0288-z
Gmez Hernndez, J.J. 1991. Geoestadstica, para el anlisis de riesgos: Una introduccin a la geoestadstica no paramtrica.
Publicacin Tcnica 04/91, ENRESA.
Goovaerts, P. 1997. Geostatistics for Natural Resources Evaluation. Oxford University Press, New York, USA.
Goovaerts, P., AvRuskin, G., Meliker, J., Slotnick, M., Jacquez, G., Nriagu, J. 2005. Geostatistical modeling of the spatial variability
of arsenic in groundwater of southeast Michigan. Water Resources Research, 41(7), W07013. doi:10.1029/2004WR003705
Goovaerts, P. 2009. AUTO-IK: A 2D indicator kriging program for the automated non-parametric modeling of local uncertainty in
earth sciences. Computers & Geoscienes, 35(6), 1255-1270. doi:10.1016/j.cageo.2008.08.014
Guardiola-Albert, C., Pardo-Igzquiza, E. 2011. Compositional Bayesian indicator estimation. Stochastic Environmental Research
and Risk Assessment, 25(6), 835-849. doi:10.1007/s00477-011-0455-y
Isaaks, E.H., Srivastava, R.M. 1989. An Introduction to Applied Geostatistics. Oxford University Press, New York, USA.
Journel, A.G. 1983. Non-parametric estimation of spatial distributions. Mathematical Geology, 15(3), 445-468. doi:10.1007/
BF01031292
Journel, A., Kyriakidis, P.C., Mao, S. 2000. Correcting the smoothing effect of estimators: a spectral postprocessor. Mathematical
Geology, 32(7), 787-813. doi:10.1023/A:1007544406740
Juang, K.W., Chen, Y.S., Lee, D.Y. 2004. Using sequential indicator simulation to assess the uncertainty of delineating heavy-metal
contaminated soils. Environmental Pollution, 127(2), 229-238. doi:10.1016/j.envpol.2003.07.001
Kitanidis, P.K. 1991. Orthonormal Residuals in Geostatistics: Model Criticism and Parameter Estimation. Mathematical Geology,
23(5), 741-758. doi:10.1007/BF02082534
Lark, R.M., Ferguson, R.B. 2004. Mapping risk of soil nutrient deficiency or excess by disjunctive and indicator kriging. Geoderma,
118(1-2), 39-53. doi:10.1016/S0016-7061(03)00168-X
Mayorga, P., Moyano, A., Anawar, H.M., Garca-Snchez, A. 2013. Temporal variation of arsenic and nitrate content in groundwater
of the Duero River Basin (Spain). Physics and Chemistry of the Earth, 58-60, 2227. doi:10.1016/j.pce.2013.04.001
Olea, R., Pawlowsky, V. 1996. Compensating for estimation smoothing in kriging. Mathematical Geology, 28(4), 407-417.
doi:10.1007/BF02083653

Papritz, A., Dubois, J.P. 1999. Mapping heavy metals in soil by (non-)linear kriging: an empirical validation. In: geoENV II:
Geostatistics for Environmental Applications. Quantitative Geology and Geostatistics, vol. 10. Gomez-Hernandez, J. etal. (eds.),
Kluwer Academic Publishing, Dordrecht, 429-440.
Remy, N., Boucher, A., Wu, J. 2009. Applied Geostatistics with SGeMS: A Users Guide. Cambridge University Press. doi:10.1017/
CBO9781139150019
Rey-Moral, C., Gmez Ortz, D., Gimnez-Forcada, E., Lpez-Bahut, M.T. 2016. Modelizacin gravimtrica y aeromagntica en
el SE de la Cuenca del Duero (provincias de vila y Segovia). Factores geolgicos que controlan la distribucin de As (Arsnico) y
otros ETGPT (Elementos Traza Geognicos Potencialmente Txicos) en las aguas subterrneas. IX Congreso Geolgico de Espaa.
Huelva 2016.
Rivoirard, J. 1994. Introduction to Disjunctive Kriging and Non-Linear Geostatistics. Oxford Univ. Press, Oxford, UK.
Rousseau, D. 1980. Contrle des previsions, II, Vrification des prvisions de loccurrence dun phnomne : Application aux
prvisions de prcipitations, report. tab. dtudes et Rech. de la Mtorol./Mto France, Paris, France.
Ryker, S.J. 2001. Mapping arsenic in ground water: A real need, but a hard problem. Geotimes, 46(11), 34-36.
Sahn, B., Gmez Fernndez, J.J., Lillo, J., Olmo, P.D. 2004. Arsnico en aguas subterrneas e interaccin agua-roca: un ejemplo
en la cuenca terciaria del Duero (Castilla y Len, Espaa). Revista de la Sociedad Geolgica de Espaa, 17(1-2), 137-155.
Smedley, P.L., Kinniburg, D.G. 2002 A review of the source, behaviour and distribution of arsenic in natural waters. Applied
Geochemistry, 17(5), 517-568. doi:10.1016/S0883-2927(02)00018-5
Tolosana-Delgado, R., Pawlowsky-Glahn, V., Egozcue, J.J., van der Boogaart, K.G. 2005. A compositional approach to indicator
kriging. In: 2005 annual conference of the IAMG (Cheng, Q., Bonham-Carter, G.,eds.), Toronto, Canada: 651-656.
Tolosana-Delgado, R., Pawlowsky-Glahn, V., Egozcue, J.J. 2008. Indicator kriging without order relation violations. Mathematical
Geosciences, 40(3), 327-347. doi:10.1007/s11004-008-9146-8
WHO. 2009. Chemicals Safety - Activity Report 2009. http://www.who.int/ipcs/about_ipcs/activity_report_2009.pdf. Last access:
24.10.2016.

Vol.21
No.1
Revista 2017
Revista INGENIERA del AGUA | VOL. 21 | No. 1 | 2017

Vol. 21 | No. 1 | 2017
CONTENIDOS
1 Estudio de viabilidad de la transformacin parcial de una central de turbinado simple en

reversible: el caso de la central hidrulica de La Barca (Asturias, Espaa)
35 Cambio climtico y planificacin hidrolgica: es adecuado asumir un porcentaje nico de

reduccin de aportaciones para toda la demarcacin?
55 Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin de avenidas en el

tramo medio del ro Ebro
Echeverribar, I., Morales-Hernndez, M., Lacasta, A., Brufau, P., Garca-Navarro, P.
73 Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo hidrogeotxico

(HGT) por altas concentraciones de As en las aguas subterrneas. Aplicacin a la distribucin
de HGT en la provincia de vila (Espaa)

2017 - Ingeniería Del Agua Vol. 21, Núm. 1

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

2017 - Ingeniería Del Agua Vol. 21, Núm. 1

Transféré par

Droits d'auteur :

Formats disponibles

Vol.

Revista INGENIERA del AGUA | VOL. 21 | No. 1 | 2017

1 Estudio de viabilidad de la transformacin parcial de una central de turbinado simple en

35 Cambio climtico y planificacin hidrolgica: es adecuado asumir un porcentaje nico de

55 Simulacin numrica con RiverFlow2D de posibles soluciones de mitigacin de avenidas en el

73 Mtodos geoestadsticos para la elaboracin de mapas de probabilidad de riesgo hidrogeotxico

Editores Asociados International Water Association (IWA).

2017, IWA Publishing, Editorial Universitat Politcnica de Valncia, FFIA

Estudio de viabilidad de la transformacin parcial de una central de

Antua Yudego, E.a1, lvarez lvarez, E.a2

33600-Mieres, Asturias (Espaa).

Recibido: 14/04/2016 Aceptado: 10/01/2017 Publicado: 31/01/2017

Doi:10.4995/Ia.2017.5277 EISSN: 1886-4996 ISSN: 1134-2196

2017, IWA Publishing, Editorial UPV, FFIA

LA CENTRAL HIDROELCTRICA DE LA BARCA

Figura 1 | Localizacin geogrfica de la central de La Barca.

2017, IWA Publishing, Editorial UPV, FFIA

Tabla 1 | Datos generales de la central hidrulica de La Barca.

2017, IWA Publishing, Editorial UPV, FFIA

En la Figura 3 se muestra el aspecto de la presa y el embalse descritos.

Figura 3 | Vista de la central y la presa de La Barca.

Propuesta de modificacin tcnica de la central

2017, IWA Publishing, Editorial UPV, FFIA

Figura 4 | Posicin del contraembalse proyectado (imagen cortesa de Google Earth).

Tabla 2 | Presupuesto desglosado.

Descripcin Unidad Cantidad Precio (/u) Coste()

2017, IWA Publishing, Editorial UPV, FFIA

Figura 5 | Sntesis de funcionamiento del algoritmo.

2017, IWA Publishing, Editorial UPV, FFIA

Funcionamiento tras la conversin. Escenarios de estudio

Se deben definir parmetros condicionantes del funcionamiento de la central:

2017, IWA Publishing, Editorial UPV, FFIA

Base del algoritmo

Descripcin del algoritmo general

Figura 6 | Algoritmo general.

A continuacin, se ejecuta el algoritmo de anlisis econmico, cuya forma de proceder es la siguiente:

2017, IWA Publishing, Editorial UPV, FFIA

Figura 7 | Esquema de funcionamiento de algoritmo de anlisis econmico.

Posteriormente, entra en funcionamiento el bloque de anlisis tcnico, cuya secuencia es la siguiente:

2017, IWA Publishing, Editorial UPV, FFIA

Figura 8 | Esquema de funcionamiento de algoritmo de anlisis tcnico.

Salida del programa

El resultado es la programacin de funcionamiento definitiva, la evolucin de los volmenes en ambos embalses y, en

2017, IWA Publishing, Editorial UPV, FFIA

Energa ao medio (GWh) 100

2017, IWA Publishing, Editorial UPV, FFIA

Figura 10 | Horas de operacin G1, G2para cada escenario de estudio.

Figura 11 | Horas de operacin G3para cada escenario de estudio.

2017, IWA Publishing, Editorial UPV, FFIA

Tabla 4 | Periodo de retorno de la inversin.

Beneficio adicional () 600892.49

Se ha estudiado la viabilidad tcnica y econmica de la conversin a funcionamiento reversible de la central hidroelctrica

2017, IWA Publishing, Editorial UPV, FFIA

2017, IWA Publishing, Editorial UPV, FFIA

Tabla 2 | Niveles de operacin del embalse de La Barca por mes.

2017, IWA Publishing, Editorial UPV, FFIA

Tabla 3|Datos altura-volumen del embalse de La Barca.

2017, IWA Publishing, Editorial UPV, FFIA

192.42 320491 192.85 656120 193.28 999516

2017, IWA Publishing, Editorial UPV, FFIA

2017, IWA Publishing, Editorial UPV, FFIA

2017, IWA Publishing, Editorial UPV, FFIA

2017, IWA Publishing, Editorial UPV, FFIA

2017, IWA Publishing, Editorial UPV, FFIA

S=(0, gh(S0x-Sfx), gh(S0y-Sfy))T (2)