Académique Documents
Professionnel Documents
Culture Documents
“DETERMINACIÓN DE RELACIONES
INTENSIDAD-DURACIÓN-FRECUENCIA (IDF) DE 11
ESTACIONES METEOROLÓGICAS DEL ALTIPLANO,
MEDIANTE EL ANÁLISIS DE EVENTOS EXTREMOS DE
PRECIPITACIÓN”
La Paz – Bolivia
2015
Tesis de Maestría
“Determinación de relaciones
intensidad-duración-frecuencia (IDF) de 11
Estaciones meteorológicas del altiplano,
mediante el análisis de eventos extremos de precipitación”
Postulante:
Asesor:
Tribunal examinador:
Aprobado ------------------------------------
La Paz – Bolivia
2015
Tesis de Maestría
DEDICATORIA
A todos mis seres queridos, quienes con su apoyo moral hicieron posible
integrar mi formación académica.
Tesis de Maestría
AGRADECIMIENTOS
A Dios por su gran fortaleza que me ha brindado para culminar exitosamente otra etapa en mi vida
profesional.
Al pueblo de Bolivia, que a través de sus contribuciones fiscales hace posible la existencia de
instituciones como la Universidad Mayor de San Andrés UMSA, por el apoyo otorgado para la realización
de mis estudios de maestría.
A Fondos de Cooperación y Convenio entre la UMSA y KLEUVEN DE BELGICA, por el apoyo otorgado
a la Maestría en Ingeniería de Riego, Primera Versión.
A la Coordinadora General de la Unidad de Postgrado Ing. M Sc. Celia María Fernández Chávez y la
Coordinadora de la Maestría en Ingeniería de Riego Ing. M Sc. Ph D Magaly García Cárdenas, por su
apoyo y colaboración que me brindaron para la culminación del post grado.
Al Ing. Ph. D. Guido Jorge Vía Guzmán por su colaboración y dedicación en la realización del presente
trabajo de investigación.
Al Ing. Ph. D. Emilio García Apaza por su disponibilidad y tiempo dedicado para la revisión del estudio de
Posgrado.
Al Ing. M.Sc.Isidro Callizaya Mamani por su disponibilidad y tiempo dedicado para la revisión del estudio
de Posgrado.
CONTENIDO GENERAL
Resumen General II
General Summary III
Indice General IV
Indice de Tablas IX
Indice de Gráficos XII
Indice de Figuras XIV
Indice de Anexos XV
I
Tesis de Maestría
RESUMEN GENERAL
Las relaciones de Intensidad, Duración y Frecuencia (IDF), constituyen la base hidrológica para
la estimación de los caudales de diseño. Estas curvas sintetizan las características de los eventos
extremos máximos o mínimos de precipitación de una determinada zona, y definen la intensidad
media de lluvia, para diferentes duraciones de eventos de precipitación con periodos de retorno
específicos
Diferentes métodos han sido propuestos en la literatura para la estimación de las relaciones, entre
las que se ha estudiado en este trabajo es utilizando el método de Curva Promedio con Criterios
Adimensional, para determinar las Relaciones (IDF) de estaciones del altiplano boliviano
mediante la caracterización temporal de eventos extremos de precipitación, con los cuales se
formularon las ecuaciones y las curvas IDF, así como sus características particulares y en
conjunto, de acuerdo a su comportamiento estadístico y luego se empleó la técnica basada en
interpolación estadística, como es el kriging para detallar y zonificar las isolíneas de intensidad.
Se generaron mapas de contornos, con lo cual se hace la predicción en base a las densidades de
influencia, para cada intervalo de intensidad de precipitación, con igual valor, generando así las
líneas de contorno ó isolíneas de distribución de intensidad. Este gráfico permitió identificar la
magnitud de la variable en toda el área de estudio.
II
Tesis de Maestría
GENERAL SUMMARY
The present work book credit developed in base to the conduct of the precipitations of 11 station
meteorological, based on historical datas of extreme showers, whose antiquity fluctuates
between the 5 and 31 years, this one studies it is carried out for the stations of: Uyuni, Turco,
Todos Santos, Salinas, Quillacas, El Alto, Culta, Coipasa, Chuquiña, Chillca, Andamarca, that
are in the department of La Paz, Oruro and Potosí.
The relations of intensity, duration and frequency (IDF), constitute the hydrological base for the
esteem of the wealthes of design. These curved synthesize the characteristics of the extreme
happenings maximums or minimum of precipitation of a certain area, and define the half
intensity of shower, for different durations of happenings of precipitation with periods of specific
return
Different methods book credit been proposed in the literature for the esteem of the relations,
between those who book credit studied in this work is using the method of curve mediates with
Criterios Adimensional, to decide the relations (IDF) of stations of the Bolivian altiplano by
means of the temporal characterization of extreme happenings of precipitation, with those which
formulated the equations and the IDF curves, as well as your characteristic private personals and
as a whole, according to your statistical conduct and later it is employed the technique based on
statistical interpolation, in any way whatever the kriging to detail and zone the isolíneases of
intensity.
Generated maps of contours, with it who does the prediction in base to the densities of influence,
for each interval of intensity of precipitation, with similar present worth, generating so the lines
of contour or isolíneases of distribution of intensity. This graph permitted identify the magnitude
of the variable in the whole area of study.
III
Tesis de Maestría
INDICE GENERAL
1. INTRODUCCIÓN 1
1.1 Introducción 1
1.2 Justificación 2
1.3 Antecedentes 3
1.4 Objetivos 3
1.4.1 Objetivo general 3
1.4.2 Objetivos específicos 4
2. REVISION BIBLIOGRAFICA 5
2.1 Area de estudio 5
2.2 Cuenca hidrográfica 5
2.3 Las precipitaciones 7
2.3.1 Precipitaciones medias reales 8
2.3.2 Clasificación de la precipitación 8
2.3.2.1 Precipitación ciclónica 9
2.3.2.2 Precipitación convectiva 9
2.3.2.3 Precipitación orográfica 10
2.4 Régimen hidrológico 11
2.5 Definición de Intensidad-Duración-Frecuencia 12
2.6 Aplicación y construcción de las curvas IDF 14
2.7 Definición de tormentas 18
2.8 Método de las curvas Tipo o modelo de la SCS 21
2.9 Estadística hidrológica 22
2.9.1 Análisis estadístico de las variables hidrológicas 25
2.9.1.1 Medidas de posición central 26
2.9.1.2 Medidas de dispersión absoluta 27
2.9.1.3 Medidas de dispersión relativa 27
2.9.1.4 Medidas de forma 27
2.10 Análisis temporal de series de precipitación 28
2.11 Período de Retorno 28
2.12 Modelos matemáticos para representar curvas IDF 29
2.13 Análisis de regresión múltiple 30
2.13.1 Variación espacial de las precipitaciones 32
2.14 Estadística Espacial 33
2.14.1 Kriging 33
2.14.2 Kriging Ordinario 34
2.14.3 Intervalo de Rango 34
2.14.4 Distancia Inversa ponderada IDW 34
3. MATERIALES Y METODOS 36
3.1 Localización 36
3.2 Materiales 39
3.3 Programas y/o software 39
3.4 Metodología 39
3.4.1 Selección de las estaciones meteorológicas 39
3.4.2 Antecedentes pluviométricos 40
3.4.3 Control y calidad de los datos 40
3.4.4 Recolección de la información requerida 40
3.5 Procesamiento de datos 41
3.5.1 Alturas de precipitación 41
3.5.2 Distribución adimensional de tormentas 41
3.5.3 Análisis de estadígrafos de la precipitación máxima 41
3.6 Determinación de coeficientes adimensionales 42
3.6.1 Factor KD 42
3.6.2 Curva promedio adimensional 42
3.6.3 Curva Tipo 43
3.6.4 Factor K60 43
IV
Tesis de Maestría
V
Tesis de Maestría
VI
Tesis de Maestría
VII
Tesis de Maestría
145
4.10.9 Pruebas de bondad de ajuste
4.11 Estación de Uyuni 146
4.11.1 Alturas de precipitación 146
4.11.2 Distribución adimensional de tormentas 147
4.11.3 Análisis de parámetros estadísticos de la precipitación máxima 147
4.11.4 Determinación de coeficientes adimensionales 148
4.11.4.1 Factor KD 148
4.11.4.2 Curva promedio adimensional 149
4.11.4.3 Curva Tipo 150
4.11.4.4 Factor K60 150
4.11.5 Función de distribución 150
4.11.6 Intensidades para distintas duraciones y periodos de retorno 151
4.11.7 Gráfica de curvas IDF 152
4.11.8 Determinación de IDF mediante el análisis de correlación no lineal múltiple 152
4.11.8.1 Ajuste por el modelo de Bernard 153
4.11.8.2 Ajuste por el modelo de Sherman 154
4.11.9 Pruebas de bondad de ajuste 155
4.12 Fracción de lluvias de las precipitaciones máximas 155
4.13 Intensidad de los períodos de retorno 158
5. CONCLUSIONES 161
6. RECOMENDACIONES 164
7. BIBLIOGRAFÍA 166
VIII
Tesis de Maestría
INDICE DE TABLAS
Tabla 1: Localización geográfica y tipo de estacione meteorológica 36
Tabla 2: Ubicación de Estaciones meteorológicas 37
Tabla 3: Alturas de precipitación de Andamarca 48
Tabla 4: Estadígrafos de Andamarca 49
Tabla 5: Factor K de Andamarca 50
Tabla 6: Coeficiente de convectividad de Andamarca 52
Tabla 7: Ajuste de Log Weibull 53
Tabla 8: Altura de precipitaciones máxima de Andamarca 53
Tabla 9: Intensidades método convencional de Andamarca 54
Tabla 10: Ecuación Bernard de Andamarca 55
Tabla 11: Intensidades Método Bernard de Andamarca 55
Tabla 12: Ecuación Sherman de Andamarca 56
Tabla 13: Intensidades Método Sherman de Andamarca 56
Tabla 14: Valores de Bondad de ajuste de Andamarca 57
Tabla 15: Alturas de precipitación de Coipasa 58
Tabla 16: Estadígrafos de Coipasa 59
Tabla 17: Factor K de Coipasa 61
Tabla 18: Coeficiente de convectividad de Coipasa 63
Tabla 19: Ajuste de Log Weibull 64
Tabla 20: Altura de precipitaciones máxima de Coipasa 64
Tabla 21: Intensidades método convencional de Coipasa 65
Tabla 22: Ecuación Bernard de Coipasa 66
Tabla 23: Intensidades Método Bernard de Coipasa 65
Tabla 24: Ecuación Sherman de Coipasa 67
Tabla 25: Intensidades método Sherman de Coipasa 68
Tabla 26: Valores de Bondad de ajuste de Coipasa 68
Tabla 27: Alturas de precipitación de Culta 69
Tabla 28: Estadígrafos de Culta 71
Tabla 29: Factor K de Culta 72
Tabla 30: Coeficiente de convectividad de Culta 74
Tabla 31: Ajuste de Weibull 74
Tabla 32: Altura de precipitaciones máxima de Culta 75
Tabla 33: Intensidades método convencional de Culta 75
Tabla 34: Ecuación Bernard de Culta 76
Tabla 35: Intensidades Método Bernard de Culta 77
Tabla 36: Ecuación Sherman de Culta 77
Tabla 37: Intensidades método Sherman de Coipasa 78
Tabla 38: Valores de Bondad de ajuste de Culta 78
Tabla 39: Alturas de precipitación de Chillca 79
Tabla 40: Estadígrafos de Chillca 80
Tabla 41: Factor K de Chillca 81
Tabla 42: Coeficiente de convectividad de Chillca 83
Tabla 43: Ajuste de Pearson 83
Tabla 44: Altura de precipitaciones máxima de Chillca 84
IX
Tesis de Maestría
X
Tesis de Maestría
XI
Tesis de Maestría
INDICE DE GRAFICOS
Gráfico 1: Curvas Tipo determinadas por la SCS 21
Grafico 2: Distribución de la Curva Tipo 22
Gráfica 3: Distribución Adimensional de Tormentas de Andamarca 48
Gráfica 4: Curva Promedio Andamarca 51
Gráfica 5: Curva Tipo de Andamarca 52
Gráfica 6: Curvas IDF de Andamarca 54
Gráfica 6: Curvas IDF Bernard de Andamarca 56
Gráfica 7: Curvas IDF Sherman de Andamarca 57
Gráfica 8: Distribución Adimensional de Tormentas de Coipasa 59
Gráfica 9: Curva Promedio Coipasa 62
Gráfica 10: Curva Tipo de Coipasa 63
Gráfica 11: Curvas IDF de Coipasa 65
Gráfica 12: Curvas IDF Bernard de Coipasa 67
Gráfica 13: Curvas IDF Sherman de Coipasa 68
Gráfica 14: Distribución Adimensional de Tormentas de Culta 70
Gráfica 15: Curva Promedio Culta 73
Gráfica 16: Curva Tipo de Culta 73
Gráfica 17: Curvas IDF de Culta 76
Gráfica 18: Curvas IDF Bernard de Culta 77
Gráfica 19: Curvas IDF Sherman de Culta 78
Gráfica 20: Distribución Adimensional de Tormentas de Chillca 80
Gráfica 21: Curva Promedio Chillca 82
Gráfica 22: Curvas Tipo de Chillca 82
Gráfica 23: Curvas IDF de Chillca 85
Gráfica 24: Curvas IDF Bernard de Chillca 86
Gráfica 25: Curvas IDF Sherman de Chillca 87
Gráfica 26: Distribución Adimensional de Tormentas de Chuquiña 89
Gráfica 27: Curva Promedio Chuquiña 92
Gráfica 28: Curva Tipo de Chuquiña 92
Gráfica 29: Curvas IDF de Chuquiña 95
Gráfica 30: Curvas IDF Bernard de Chuquiña 96
Gráfica 31: Curvas IDF Sherman de Chuquiña 97
Gráfica 32: Distribución Adimensional de Tormentas de El Alto 100
Gráfica 33: Curva Promedio El Alto 103
Gráfica 34: Curva Tipo de El Alto 104
Gráfica 35: Curvas IDF de El Alto 106
Gráfica 36: Curvas IDF Bernard de El Alto 108
Gráfica 37: Curvas IDF Sherman de El Alto 109
Gráfica 38: Distribución Adimensional de Tormentas de Quillacas 111
Gráfica 39: Curva Promedio Quillacas 113
Gráfica 40: Curva Tipo de Quillacas 114
Gráfica 41: Curvas IDF de Quillacas 116
Gráfica 42: Curvas IDF Bernard de Quillacas 117
Gráfica 43: Curvas IDF Sherman de Quillacas 118
XII
Tesis de Maestría
XIII
Tesis de Maestría
INDICE DE FIGURAS
Figura 1: Mapa de las cuencas Hidrográficas 6
Figura 2: Precipitación Ciclónica 9
Figura 3: Precipitación Convectiva 10
Figura 4: Precipitación Orográfica 11
Figura 5: Curvas de I-D-F para lluvia máxima 16
Figura 6: Mapa de Ubicación 38
XIV
Tesis de Maestría
INDICE DE ANEXOS
ANEXO 1
ISOLINEAS DE INTENSIDAD PARA DISTINTOS PERIODOS DE RETORNO Y
171
DURACION
ANEXO 2
MAPAS DEL AREA DE ESTUDIO PARA LA REGIONALIZACION DE LAS
196
CURVAS I-D-F
ANEXO 3
PRUEBAS DE BONDAD DE AJUSTE BAJO DOS MODELOS DE RELACIONES
200
DE LAS CURVAS I-D-F
XV
Tesis de Maestría
1. INTRODUCCION
1.1 Introducción
El agua es un recurso esencial para la vida y un factor primario para el sector productivo, y el
estudio de las precipitaciones registradas en una región, reviste gran importancia debido a los
requerimientos que surgen por las actividades relacionadas con el aprovechamiento de los
recursos hídricos.
Por otra parte, las curvas de Intensidad, Duración y Frecuencia (IDF), obtenidas a partir de la
información histórica de las precipitaciones, constituyen la base hidrológica para la estimación
de los caudales de diseño. Estas curvas sintetizan las características de los eventos extremos
máximos o mínimos de precipitación de una determinada zona, y definen la intensidad media de
lluvia, para diferentes duraciones de eventos de precipitación con periodos de retorno
específicos.
-1-
Tesis de Maestría
1.2 Justificación
En general el área altiplánica presenta grandes vacíos de datos de precipitaciones, más aún del
área fronteriza con países vecinos, donde no existen registros y si existen, éstos presentan
muchos datos faltantes, tanto de días, meses y años.
En el país, los registros de precipitación para zonas rurales están geográficamente dispersos, que
corresponden principalmente a lecturas diarias acumuladas y no se cuentan con datos históricos
de más de 20 y 30 años. Sin embargo, para el análisis de eventos extremos se han desarrollado
métodos estadísticos para generar las tormentas de diseño, mediante hietogramas, que requieren
paquetes de modelación hidrológica (Gomez, 2009).
Los resultados generados por el modelo analítico de Bernard y Yarnell, reflejan la conveniencia
de usarlo para relacionar la intensidad, la duración y la frecuencia en una ecuación matemática
única.
El modelo utilizado para ajustar los datos provenientes del método gráfico, presenta una buena
calidad de ajuste para cada estación. En cuanto a la aplicación de regresión lineal múltiple, su
análisis se basa en coeficientes de determinación para cada estación (Vallejos, 2010).
-2-
Tesis de Maestría
1.3 Antecedentes
En nuestro país la aplicación de las relaciones IDF, no son muy difundidas, salvo
especificaciones particulares detalladas en los términos de referencia, por otra parte se debe tener
en cuenta que éstas relaciones datan de hace más de 2 décadas, y fueron calculadas para las
ciudades capitales de departamento utilizando la metodología de “Distribución de valores
extremos utilizando análisis de frecuencias” propuesta por Gumbel (1958).
Estudios realizados por Mendoza (1994), en base al análisis del régimen temporal de
precipitaciones para la cuenca del río de La Paz, determinó una expresión que permitía estimar
las precipitaciones para cualquier duración, en función de las precipitaciones máximas de 24
horas.
Cori (2002), construyó los hietogramas sintéticos obtenidos por el NRCS, que son denominadas
curvas tipo, caracterizando adimensionalmente y temporalmente la ocurrencia de eventos
extremos de precipitaciones máximas para estaciones de La Paz y Santa Cruz.
Estudios realizados en nuestro país acerca de las relaciones IDF, hechos por Amaya (2009)
mediante el análisis de eventos extremos para las ciudades de La Paz, El Alto, Cochabamba y
Santa Cruz, fueron realizados en base al método de la curva promedio.
Viscarra (2009), determinó las curvas IDF para la ciudad de Trinidad, aplicando el método
tradicional y comparándolo con la caracterización temporal de eventos extremos con criterios
adimensionales.
1.4 Objetivos
-3-
Tesis de Maestría
Análisis de las características que presentan las precipitaciones máximas ó tormentas, mediante
el criterio de parámetros adimensionales.
-4-
Tesis de Maestría
2. REVISIÓN BIBLIOGRÁFICA
La gran variabilidad que caracteriza a las precipitaciones en la cuenca del Altiplano cerrado, está
influenciada por el invierno, la cual por sus características climáticas hace difíciles de
representar a través de métodos tradicionales. En primer lugar, la reducida extensión espacial de
las lluvias hace que la relación entre los registros en distintas estaciones sea muy variable, ya que
suele ocurrir que mientras una estación registra una cierta tormenta, otra estación relativamente
cercana queda fuera de su radio de influencia. Además, la variabilidad interanual de las
precipitaciones puede hacer que una misma estación tenga comportamientos aparentemente
diferentes de un año a otro.
El altiplano boliviano es una unidad fisiográfica que se sitúa entre 3500 y 4000 m de altura en
medio de las cordilleras Occidental y Oriental. Tradicionalmente se ha considerado Altiplano a
una serie de llanuras con varias serranías, y cerros aislados y que tiene características de una
cuenca cerrada. El Altiplano puede dividirse en una parte subhúmeda y otra árida. El Altiplano
va decreciendo en humedad de norte a sur y cambiando en función de la sequedad en lago,
laguna y salar. El Altiplano tiene un área de 136.229 km2, es decir el 12% del territorio
nacional.(Montes de Oca, 1997)
El Altiplano, como una unidad fisiográfica, se divide en tres partes: Altiplano Norte, Altiplano
Central y Altiplano Sud. Esta división se la hace, principalmente, por el contenido de humedad.
En el Altiplano Norte, cuyo núcleo central es el lago Titicaca, llueve 1.000 mm por año; este
grado de humedad va disminuyendo hacia el sur. El Altiplano Central abarca principalmente el
departamento de Oruro y muestra un promedio de precipitación entre 300 y 500 milímetros. El
Altiplano Sur es una región completamente seca con precipitaciones que van de 100 a 250
milímetros por año. (Rocha, 2002)
amazónica, La cuenca del Río de La Plata y la cuenca endorreica cerrada del altiplano.
La Cuenca Endorreica del Altiplano, abarca aproximadamente 134.000 km2 y en ella existen dos
sistemas hidrológicos activos separados:
El lago Titicaca (3810 m.s.n.m.) que desagua en el lago Poopó (3686 m.s.n.m.) por intermedio
del río Desaguadero, este último lago se vierte en el salar de Coipasa (3657 m.s.n.m.) durante los
períodos de crecidas excepcionales.
El Salar de Uyuni (3653 m.s.n.m.) que recibe al Río Grande de Lípez. Las posibilidades de
comunicación entre estos dos sistemas existen para niveles de agua superiores a los observados
en 1986.
Las subcuencas que se encuentran en el Altiplano boliviano son: la cuenca del lago Titicaca
(57.300 km2), la cuenca del río Desaguadero (29.500 km2), la cuenca del lago Poopó (27.700
km2), la cuenca del salar de Coipasa (30.200 km2) y la cuenca del salar de Uyuni (46.600 km2).
-6-
Tesis de Maestría
Los datos de precipitaciones disponibles en el área de estudio corresponden a los registrados por
las estaciones meteorológicas de SENAMHI y AASANA.
Jimenez 2012, menciona que para poder caracterizar las variables meteorológicas de un área
determinada es necesario contar con registros continuos, homogéneos y de la mayor longitud
posible. Gran parte de las estadísticas meteorológicas presentan vacíos, por la supresión de
estaciones, fallas en los instrumentos, errores de los operadores, etc. Estos problemas determinan
que existan estaciones meteorológicas con estadísticas de mejor o peor calidad.
La variabilidad interanual de las precipitaciones se expresa en la alternancia de períodos
“húmedos” y períodos “secos”. A pesar de que los datos pluviométricos son limitados, es posible
concluir que los aportes hídricos de origen pluvial, presentan fuertes variaciones interanuales,
originadas por las disímiles condiciones climáticas que pueden acaecer.
Estudios realizados por Roche (1993) sobre el clima en Bolivia, identifica al régimen
pluviométrico como:
Distribución estacional de las precipitaciones, e indica que la estación lluviosa se centra en el
verano con un máximo en enero y en segundo lugar en febrero. Se inicia generalmente en
diciembre para concluir en marzo. La estación seca es en invierno, con un mínimo de mayo a
julio. Dos períodos de transición separan estas dos épocas, uno en abril y otro de septiembre a
noviembre.
Distribución espacial de las precipitaciones, donde menciona que la meseta del Altiplano recibe
precipitaciones superiores a 500 mm /año, al norte de la latitud de La Paz. En la cuenca del lago
Titicaca las isoyetas son globalmente concéntricas al lago, en el centro del cual se observan
precipitaciones superiores a 1000 mm/año. Las lluvias tienden a disminuir a medida que aumenta
la distancia del lago, hasta mínimas de 600 a 500 mm/año , así como hacia el oeste, sobre la
cuenca alta del río Caata en Perú, las máximas pueden sobrepasar los 1000 mm/año. En
dirección al sur las lluvias disminuyen desde el centro del lago hasta el salar de Uyuni donde la
pluviometría se torna inferior a 200 mm/año.
Aliaga (1993) menciona que la Cuenca del Altiplano recibe precipitaciones que varían de 700
-7-
Tesis de Maestría
mm en el Norte a 200 mm en el Sur teniendo como valores extremos 1200 mm sobre el propio
Lago Titicaca y 100 mm al Sud Occidente. El Lago Poopó recibe 400 mm llegando hasta los
valores más extremos en el salar de Atacama en Chile (25 mm).
De acuerdo a las características físicas, la precipitación puede adquirir diversas formas como
producto de la condensación del vapor de agua atmosférico. Formado en el aire libre o en la
superficie de la tierra, y de las condiciones locales, siendo las más comunes, las detalladas a
continuación:
a) Llovisna
b) Lluvia
c) Escarcha nieve
d) Granizo
De acuerdo al mecanismo de formación, la precipitación puede clasificarse teniendo en cuenta el
factor principalmente responsable, ya que el más frecuente es que sea generada por varios
-8-
Tesis de Maestría
factores, del relevamiento de la masa de aire que la genera. Con base en ello se puede distinguir
tres tipos de precipitación, las cuales son:
Resulta del levantamiento del aire que converge en un área de baja presión o ciclón.
Cuando se encuentran dos masas de aire, una caliente y una fría, en lugar de mezclarse, aparece
una superficie de discontinuidad definida entre ellas, llamada frente (ver Figuras) . El aire frío al
ser más pesado, se extiende debajo del aire caliente por lo que el aire caliente se eleva y su vapor
de agua se puede condensar y producir precipitación. Si el aire caliente avanza hacia el aire frío,
el borde es un frente caliente, el cual tiene una pendiente baja entre 1/100 y 1/300, y el aire
caliente fluye hacia arriba lentamente y por encima del aire frío. Las áreas de lluvia asociadas
con estos frentes pueden ser muy grandes y la precipitación es generalmente ligera a moderada y
casi continua hasta el paso del frente. Si el aire frío avanza hacia el aire caliente, el borde de la
masa de aire frío es un frente frío el cual tiene una pendiente casi vertical, con lo cual el aire
caliente es forzado hacia arriba más rápidamente que en el frente caliente.
Fuente: www.Tiempo.com
Es el tipo de precipitación se presenta cuando una masa de aire cálido tiende a elevarse, por ser
menos pesado que el aire de la atmósfera circundante. La diferencia en temperatura puede ser
-9-
Tesis de Maestría
Fuente: www.Tiempo.com
Resulta del choque entre las corrientes oceánicas de aire que cruzan sobre la tierra y las barreras
montañosas, generando la elevación mecánica del aire, y posteriormente se enfría bajo la
temperatura de saturación y vierte humedad. En terrenos rugosos la influencia orográfica es
marcada, tanto que los patrones de precipitación de tormentas tienden a asemejarse al de la
precipitación media anual. Estas lluvias orográficas son depositadas sobre las pendientes a
barlovento.
- 10 -
Tesis de Maestría
Fuente: www.Tiempo.com
- 11 -
Tesis de Maestría
La intensidad, es la cantidad de agua caída por unidad de tiempo; la duración, indica que
corresponde al tiempo que transcurre entre el comienzo y el fin de la tormenta; a la frecuencia,
define, como el número de veces que se repite una tormenta, de características de intensidad y
duración definidas en un período de tiempo más o menos largo, tomado generalmente en años.
Asimismo, define al periodo de retorno, como el intervalo de tiempo promedio, dentro el cual un
evento de magnitud definida, puede ser igualado o excedido (Villón, 2011).
Chow et al. (1994), definen la tasa temporal de precipitación, como, la altura de agua de
precipitación por unidad de tiempo, y ésta se expresa como:
i = P / Td
Donde P es la altura de agua de precipitación en mm o pulgada, y Td es la duración de la lluvia,
dada usualmente en horas.
La duración de la lluvia de diseño y un periodo de retorno del evento dado, es posible asociar un
valor para la intensidad de precipitación en cada una de las estaciones, esto se hace mediante las
curvas IDF, desarrolladas para cada estación (Parra, 2013).
En relación a las curvas, IDF, Nania (2003) señala que, son curvas que relacionan la intensidad
de la lluvia con su duración, donde para cada periodo de retorno, se tiene una curva diferente y/o
una ecuación matemática que rige esta variación.
Usualmente las curvas IDF se determinan mediante análisis del mayor número posible de
registros pluviográficos, pertenecientes a la estación de estudio. En las cartas pluviográficas
están consignados los perfiles de cada tormenta, es decir, la profundidad de precipitación
acumulada en función del tiempo. Hoy en día las curvas Intensidad-Duración-Frecuencia (IDF),
- 12 -
Tesis de Maestría
siguen siendo una de las herramientas más utiliza-das en la estimación de caudales de diseño,
especial-mente en el diseño de obras de drenaje de vías y alcantarillados pluviales en las zonas
urbanas, rurales y en la estimación de las tormentas de diseño en sitios donde, debido a la falta
de información de caudales, es necesario recurrir a los modelos lluvia escorrentía para el cálculo
de los caudales máximos. (Vélez et al. 2002).
P = I x D; o I = P/D
- 13 -
Tesis de Maestría
Gonzales (2008) menciona que la lluvia está definida por tres variables: la intensidad, la
duración y el periodo de retorno. La intensidad es la lámina o profundidad total de lluvia
ocurrida durante una tormenta.
De esta forma, la altura de la lámina de agua caída en el lugar de la tormenta, incorpora la
cantidad de lluvia precipitada y la duración del evento. Mientras que el periodo de retorno, es la
frecuencia, o intervalo de recurrencia, es decir, el número de años promedio en el cual el evento
puede ser igualado o excedido cuando menos una vez.
La distribución e intensidad de las lluvias tiene efecto en la premisa más básica para el diseño de
riego: la disponibilidad de agua. Uno de los problemas con los que tropieza el proyectista al
encarar el diseño de un sistema de riego en zona montañosa es la falta de información
hidrológica histórica. Por ello la ingeniería de riesgo, se aplica como la probabilidad de
ocurrencia de un fenómeno que provocaría un cierto grado de daño a las obras y éstas a su
entorno, a causa de rebalses de agua o por construcción en taludes inestable, deslizamientos,
socavación o la fuerza destructiva de avenidas, frente a tales situaciones se puede aplicar obras
de protección necesarias, para que sean duraderas (Bottega y Hoogendam, 2004).
Vásquez et al. (1998), menciona que la probabilidad de ocurrencia de la lluvia que se adopte
dependerá del valor económico del cultivo, considerándose por lo general un valor de 75% a
80% de probabilidad de ocurrencia como el más adecuado, para el análisis estadístico.
Estudios realizados por Pereyra Díaz (2005), demostró que para el uso de la fórmula general de
la intensidad de la lluvia-duración-período de retorno propuesta por Chen (1983) es necesario
conocer los cocientes lámina de lluvia-duración y lámina de lluvia-período de retorno.
Debido a un mayor retorno de los periodos críticos (años secos o malos) que se presentarían cada
4 a 7 años en comparación con los 6 a 9 años que se presentaba anteriormente (Alegre 2008), se
hace necesario y urgente cambiar los sistemas de riego a goteo, aspersión, etc, las cuales
permitirían un manejo adecuado del escaso recurso hídrico a futuro y asimismo optimizar los
rendimientos de los cultivos alternativos introducidos.(Alegre, 2008)
- 15 -
Tesis de Maestría
P
i
Td
Donde P es la profundidad de lluvia (mm o pulg) y Td es la duración, dada usualmente en horas.
La frecuencia se expresa en función del período de retorno T, que es el intervalo de tiempo
promedio entre eventos de precipitación que igualan o exceden la magnitud de diseño (Chow,
1994).
- 16 -
Tesis de Maestría
14 pluviógrafos en el análisis. Deduciendo una metodología, para transferir las relaciones I-D-T,
a las estaciones pluviométricas existentes. Por lo que, constituye una mejor alternativa, para el
análisis de lluvias máximas y obtener avenidas de diseño en la región.
Masis (2011) que realizó el estudio Hidrológico de la microcuenca de la Quebrada Agua Buena,
San José de Costa Rica, en su publicación menciona que, para el diseño hidrológico e hidráulico
de este tipo de obras, tradicionalmente se utiliza el evento de 24 horas de duración y 100 años de
periodo de retorno como evento crítico de diseño, sin embargo, menciona que es importante
evaluar si eventos con periodos de retorno menores pero con duraciones de 48, 72 o más horas
resultarían más críticos en términos de volumen dado el patrón de lluvia de la zona en especial
en el mes de octubre, que se presenta como el crítico.
Estudios realizados por Labra (2007) presenta la construcción de las curvas Intensidad -
Duración - Frecuencia (IDF), en cinco estaciones pluviograficas de la Región del Biobio, que
son Cerro El Padre, Chin Viejo, Embalse Coihueco, Embalse Diguillin y Quilaco; y cuatro
estaciones pluviograficas pertenecientes a la Región de la Araucania, que son Curacautin, Pucon,
Pueblo Nuevo (Temuco) y Traiguen.
Con la metodología empleada determinó las alturas máximas de precipitación anual, a partir de
información pluviografica facilitada por la Dirección General de Agua, con el propósito de
calcular las intensidades máximas de lluvia, ocurridas en duraciones de 1, 2, 4, 6, 8, 12 y 24
horas.
Estos datos de intensidades máximas se ajustaron a la función de probabilidad de Gumbel, para
posteriormente obtener la gráfica de las curvas IDF asociadas a los periodos de retorno de 5, 10,
20, 30, 40, 50, 60, 75 y 100 años. Además de la gráfica de las curvas IDF, se obtuvo las tablas de
use practico y las tablas del parámetro k, las cuales ayudaron a la lectura de las gráficas y a la
extrapolación de la información pluviografica a zonas cercanas y con características climáticas
parecidas y que solo cuentan con información pluviométrica. Después determinó las expresiones
matemáticas generales para cada estación, de acuerdo con el modelo analítico de Bernard y
Yarnell, el que responde a la formula I = (k*T m)/d; y obtuvo una estimación de la intensidad de
precipitación máxima en mm/h asociada a una duración y periodo de retorno determinados; y
donde k, m y n son constantes de regresión.
Finalmente, y a la luz de los resultados obtenidos, se determinó que los datos se ajustan a la
distribución de probabilidad de Gumbel, y que los modelos de regresión asociados a cada
- 17 -
Tesis de Maestría
Una vez conocido cuánto llueve en cada subcuenca para cada periodo de retorno en función de la
duración de la tormenta es necesario introducir en el modelo cómo se produce dicha
precipitación, ya que no se obtendrán los mismos caudales si la lluvia se produce uniformemente
en la duración del evento o un porcentaje importante del total se concentra en una porción de su
duración. Para ello se utiliza el denominado Hietograma de Diseño, que puede ser desde una
forma más sencilla como rectangular o triangular o tener formas más complejas resultantes del
estudio de cómo se distribuyen en el tiempo las tormentas registradas por un pluviógrafo en la
zona de estudio.(Cué, 2000).
Para proceder a este análisis, podemos utilizar diferentes métodos: ya sean métodos estadísticos
como el análisis de las frecuencias de caudal, o simplemente, el cálculo del coeficiente de
variación, lo que lleva a considerar el caudal como una variable aleatoria, o métodos de auto
correlación que permiten analizar la variación del caudal en el tiempo y evaluar en qué medida
los caudales de varios días consecutivos están ligados. (Bourges, 1993).
Estudios realizados por Colladon (2007) muestran que en zonas donde existen estudios
hidrológicos y geomorfológicos previos, es posible ensayar una metodología que complemente
las cartas de amenaza y los umbrales de inundación.
Para ello se utilizó la clasificación de crecidas sugeridas por los autores, Bertoni y Maza 2004 y
- 18 -
Tesis de Maestría
García (2006) define que en una cuenca hidrológica se pueden determinar tormentas puntuales
(curvas intensidad-duración-periodo de retorno), asociadas a diferentes porciones de áreas y
duraciones (curvas altura de precipitación-área-duración) y regionales.
Una tormenta de diseño es un patrón de precipitación definido para utilizarse en el diseño de un
sistema hidrológico. Usualmente la tormenta de diseño conforma la entrada al sistema, y los
gastos resultantes a través de este se calculan utilizando procedimientos de lluvia-escurrimiento
y el tránsito de las avenidas.
Una tormenta de diseño puede definirse con el apoyo de la altura de precipitación en un punto,
mediante un hietograma de diseño que describa la distribución temporal de la precipitación
durante una tormenta, o bien con el auxilio de un mapa de isoyetas que especifique el
comportamiento espacial de la precipitación.
Asimismo, las tormentas de diseño se pueden definir con información histórica de precipitación
en un sitio o bien utilizando las características generales de la precipitación en la cuenca de
análisis.
En general, para definir una tormenta de diseño, en una cuenca hidrológica, es necesario
considerar a las variables involucradas con la magnitud, la duración, la frecuencia o probabilidad
de ocurrencia, la porción de área que abarca la tormenta y la distribución de la lluvia en el
tiempo o hietograma de diseño.
La magnitud de la tormenta se analiza con los valores de las alturas de precipitación máxima (hp,
mm) o bien a partir de las intensidades máximas de lluvia (I, mm/h).
- 19 -
Tesis de Maestría
La elección de la tormenta de diseño tiene por objetivo asumir una probabilidad de ocurrencia
que minimice los riesgos que esta puede provocar sobre la cuenca. Un criterio puede ser tomar
como tormenta de diseño la precipitación máxima probable (PMP) y en ese caso la inversión
necesaria para el control aluvional superaría los valores económicos para que la actividad
productiva sea rentable.
Teniendo en cuenta los bienes a proteger se estima suficiente asumir que el riesgo oscile en un
20% para un periodo de 20 años en el caso de la producción agrícola.
El periodo de retorno de la tormenta de diseño se establece en función de dicho margen de
seguridad utilizando la función binomial (Bedient & Hubert, citado por Dufilho 2001):
n
1
S 1
T
Dónde:
S: seguridad,
T: tiempo de retorno,
n: período de años para el cual se quiere seguridad
A partir de esta fórmula se determina que para tener el 80% de seguridad durante un periodo de
20 años se debe tomar una tormenta con una recurrencia de 90 años.
El análisis realizado por Ontiveros M. (2000), indica que en cada punto donde se quieren obtener
- 20 -
Tesis de Maestría
Es uno de los Métodos Sintéticos Adimensionales más usados, que se basa en obtener la
distribución temporal en base la desagregación de la lluvia total diaria.
Fue establecido por el Soil Conservation Service (SCS), institución que desde 1986 lleva el
nombre de Resources Conservation Service (NRCS), en base al análisis de una gran cantidad de
lluvias, caídas en diferentes puntos del territorio continental de los Estados Unidos, con
características climáticas diversas. Específicamente, los Tipos I y IA corresponden al clima
marítimo del Pacífico con inviernos húmedos y veranos secos, el Tipo III al Golfo de México y a
las áreas costeras del Atlántico, con tormentas de tipo tropical, y finalmente la Tipo II, que
caracteriza el clima del resto del país.
- 21 -
Tesis de Maestría
El método analiza una tormenta de 24 hrs, sobre la cual determina un Hietograma de lluvia,
asignando a cada intervalo de tiempo una fracción o porcentaje respecto del total precipitado.
Según Aparicio (1997), existen dos métodos: el primero, llamado de intensidad – período de
retorno, relaciona estas dos variables, y para cada duración por separado, mediante alguna de las
funciones de distribución de probabilidad usadas en hidrología. El otro método relaciona
simultáneamente la intensidad, la duración y el período de retorno en una familia de curvas, cuya
ecuación es:
- 22 -
Tesis de Maestría
Este método tiene la ventaja teórica sobre el método de los momentos convencional en que por
medio de este se caracteriza una amplia gama de funciones de distribución y, además, que es un
método más robusto ante la presencia de puntos extraordinarios ó espureos en la muestra
outliers, cuando se calculan los parámetros a partir de los datos muéstrales (Hosking y Wallis
1997).
Estudios realizados por Rentería (2012) empleando métodos de análisis estadístico de las
precipitaciones realizó con los registros contenidos en la base de datos denominada ERIC III.
Asimismo, a partir de los datos de precipitaciones máximas diarias de las estaciones
climatológicas cercanas a la zona del proyecto se ajustó un modelo de probabilidad, Gumbel de
dos poblaciones, el cual tuvo un coeficiente de correlación de R² = 0.99, que es bueno.
Rojas (2011), demostó que cuando se realiza un análisis con valores de precipitación se trabaja
con tres variables: profundidad de la lluvia medida en milímetros, intensidad en milímetros por
hora y duración en minutos u horas. Cuando se realiza un análisis de frecuencia, se introduce una
nueva variable definida como período de retorno. Para interpretar estas variables, así como la
interpolación y extrapolación de valores, se elaboran las curvas IDF. El procedimiento para la
generación de estas curvas consiste en graficar los valores obtenidos en el análisis de frecuencia
realizado en este estudio mediante el análisis de distribución de frecuencias de Gumbel.
Estas curvas están expresadas de una manera gráfica, con la duración en el eje horizontal
normalmente establecido en minutos u horas, mientras que en el eje vertical se muestra la
intensidad de precipitación en milímetros por hora, en el gráfico se muestran una serie de curvas
para cada uno de los períodos de retorno.
Otra forma de desarrollar las curvas IDF es a través de una forma analítica, mediante un modelo
de regresión lineal múltiple que relacione simultáneamente la intensidad, duración y período de
- 23 -
Tesis de Maestría
retorno de un grupo de curvas establecidas para una región o bien para una estación específica,
generando una ecuación que puede ser extrapolada a aquellas zonas que carezcan de registros
pluviográficos . Este procedimiento es conocido como Método Analítico, el cual consiste en
ajustar los valores originales de precipitación a una distribución teórica.
Los resultados de estos modelos debieron ser validados estadísticamente por medio de las
dócimas de hipótesis de linealidad y verificación de los supuestos de regresión.
Existen diferentes tipos de pruebas, en su estudio se realizó a partir de la Distribución de Fisher y
del análisis del valor establecido para el Coeficiente de Determinación. Por otro lado, para las
curvas se realiza la prueba de bondad de ajuste, a partir del estadístico de Kolmogorov Smirnov
(K-S), el cual consiste en buscar para cada recta la distancia máxima entre los puntos originales
y la recta trazada, la cual se compara con el valor crítico que se encuentran en las tablas
establecidas para este test, cuyo valor depende del número de datos de la muestra y del valor del
nivel de significación. Para que se acepte el ajuste de la recta, se debe cumplir que la distancia
máxima entre las rectas y los puntos originales debe ser menor que el valor crítico del estadístico
Kholmogorov Smirnov K-S, en caso contrario se deberá trazar una nueva recta. Para estudios
hidrológicos normalmente se considera un nivel de significación α=0,05.
Cumpa (2002), en sus estudios de eventos hidrológicos extremos incluye la selección de una
secuencia de observaciones máximas o mínimas de un conjunto de datos. Los valores extremos
son los valores máximos o mínimos seleccionados de unos conjuntos de datos. Así señala, el
caudal máximo anual en un lugar dado es el mayor caudal registrado histórico que conforman un
conjunto de valores extremos que puede analizarse estadísticamente, usando las fórmulas
desarrolladas por Fisher y Tipett, que han demostrado que las distribuciones de valores extremos
seleccionados de conjuntos de muestras de cualquier distribución de probabilidad convergen en
una de las tres formas de distribuciones de valor extremo, llamadas tipo I, II y III
respectivamente cuando el número de valores seleccionados es grande. Las propiedades de estas
tres formas limitantes fueron estudiadas en mayor detalle con el empleo de la ecuación de
Gumbel para la distribución de Valor Extremo tipo I, como también la de Frecher para la
distribución de Valor Extremo tipo II y por Weibull para la distribución de Valor Extremo tipo
III.
Depettis (s.f.), señala que en los estudios estadísticos de las series conformadas realizó a partir de
- 24 -
Tesis de Maestría
Cunnane (1973), citado por Arce, 1997, hace referencia en que basándose en la teoría de
distribución de Poisson, Exponencial y Gumbel, estas se emplearon para las series parciales y la
comparó con las series anuales, concluyendo que, para períodos de retorno mayores a 10 años,
las series parciales son más eficientes que las series anuales. Otras aplicaciones de la
mencionada distribución fueron también descritas por Buischand (1989), contribuyendo con otro
método para la estimación de parámetros para el modelo. Así mismo el mismo autor examinó la
validación de la distribución de Poisson para modelos de distribución en las series parciales.
La estadística descriptiva, según Quezada (2005), proporciona herramientas que nos permiten
resumir la información obtenida y pasar así de un gran volumen de datos a otro más reducido.
Las principales medidas que se estudian en la Estadística Descriptiva son:
- 25 -
Tesis de Maestría
Medidas de Posición
Medidas de Dispersión
Medidas de Asimetría y Curtosis
Medidas de Concentración
Las medidas de posición central más comunes son: la media, la mediana, y la moda. La media, a
su vez, puede ser definida como media aritmética, geométrica y armónica. Cada una de ellas
presenta sus ventajas e inconvenientes y su elección depende tanto de la naturaleza de la
estadística como del propósito para el que se utiliza.
a) La media aritmética. Es la suma de todos los valores de la variable dividida por el número
total de los datos.
n X i ni
X
i 1 N
c) La media geométrica. Es la raíz N-ésima del producto de los valores de la variable elevados
por sus respectivas frecuencias.
G N X 1n 1 X 2 2 ........ X nn n
n
La mediana. La mediana es el valor de la distribución que divide la distribución de la variable en
dos partes iguales, es decir deja a la izquierda y a la derecha igual número de valores si el
número de datos es impar. Cuando el número de valores es par se toma la media aritmética de
los dos valores centrales. En términos de frecuencia se define la mediana como aquel valor de la
distribución cuya frecuencia acumulada es N/2.
Para distribuciones agrupadas en intervalos aplicamos la siguiente fórmula:
N
N i 1
M e L i 1 2 ci
ni
d) La moda. Es el valor de la variable que más veces se repite. Para distribuciones agrupadas en
intervalos se utiliza la siguiente fórmula.
n i 1
M L i 1 ci
n i 1 n i 1
o
El coeficiente de variación, es una medida de dispersión relativa, el cual viene expresado el valor
porcentual:
SX
CV *100
X
2.9.1.4 Medidas de forma
Las medidas de asimetría son indicadores que permiten establecer el grado de simetría de una
distribución de valores estadísticos sin necesidad de realizar el gráfico de la distribución.
Al tomar como referencia la distribución normal se dice que otra distribución es más apuntada
que la distribución normal (leptocúrtica) o menos apuntada (platicúrtica).
A las distribuciones que se asemejan a la distribución normal se les denomina mesocúrticas.
- 27 -
Tesis de Maestría
Los resultados se analizan estadísticamente teniendo en cuenta cada una de las series obtenidas y
las relaciones entre ellas. A partir del análisis inicial de las medidas de tendencia central, de
variabilidad y de forma mediante las que se describen estadísticamente cada una de las dos series
utilizadas, se determina si las muestras proceden de una distribución normal.
La variabilidad temporal a medio y largo plazo se determina gráficamente a partir de las medias
móviles de 5 años. También se utiliza la curva de valores normales acumulados, en la cual los
tramos descendentes coinciden con períodos de disminución de las de avenidas o de
precipitaciones y los ascendentes con aumento de las mismas.
Los modelos predictivos más adecuados para el análisis temporal de las series se obtienen
mediante un análisis de los residuos de los posibles modelos a utilizar. En cualquier caso, el test
secuencial no paramétrico de Kendall es el que fija las etapas más destacadas en la evolución
temporal de las variables. (Bullón, 2012).
Estudios realizados por Ramirez et al (1995) sobre la variabilidad espacial indican que la
metodología empleada partió con la extracción de la información básica a través de la base de
datos pluviométricos y pluviográficos creada mediante el paquete PLUVIOM de la ORSTOM,
consistente en tormentas registradas que alcanzaron valores mayores o iguales a los 30 mm en 24
horas (pluviometría) al menos en una cantidad mínima de pluviómetros.
Por ello el Periodo de Retorno de un evento con una magnitud dada puede definirse como el
intervalo de recurrencia promedio entre eventos que igualan o exceden una magnitud
especificada.
- 28 -
Tesis de Maestría
Cuando la variable aleatoria considerada es una magnitud relacionada con algún fenómeno
natural (caudales, velocidades de viento), es conveniente referirse a periodos de retorno en lugar
de a probabilidades de ocurrencia. Si p es la probabilidad de que una variable x supere un dado
valor X en un cierto lapso (por lo general un año), el período de retorno T representará el
número de unidades de tiempo transcurrirán en promedio entre dos oportunidades en que la
variable supere dicho valor, es decir:
1
p Px X
T
El análisis estadístico consiste en hallar la función que mejor represente el comportamiento de la
variable aleatoria x, para luego asignar a cada valor X una probabilidad o un periodo de
recurrencia. Si Ø(x) es la función de distribución, resultando de manera general a:
P 1 Ø ( x)
Los periodos de retorno seleccionados para el análisis probabilístico en el presente trabajo son:
1.1, 2, 5, 10, 25, 50 y 100 años, los cuales se pueden analizar en forma disgregada o no
disgregada.
Desde hace mucho tiempo se ha realizado numerosos ensayos para representar a las curvas IDF,
estos planteamientos de las primeras relaciones matemáticas, que modelan a dichas curvas, datan
desde el inicio de los años treinta del siglo pasado. (Pizarro, s/f).
m
KT
I n
(D b)
- 29 -
Tesis de Maestría
a
I
Db
c
I n
D
K
I n
D b
T a
I i
1 (D b)c
m
KT
I n
(D b)
1
m ln ln 1
I K T
(D b)n
Dónde:
a, b, c, K, m, n, y b = Son parámetros adimensionales.
i 1T Intensidad Media de la lluvia de una hora.
T= Periodo de Retorno en años.
I= Intensidad Máxima de Precipitación.
D = Duración en minutos u horas.
La Estadística Inferencial permite trabajar con una variable a nivel de intervalo o razón, así
también se puede comprender la relación de dos o más variables y nos permitirá relacionar
- 30 -
Tesis de Maestría
mediante ecuaciones, una variable en relación de la otra variable llamándose Regresión Lineal y
una variable en relación a otras variables llamándose Regresión múltiple.
La aplicación de la regresión múltiple al modelo propuesto, el cual tiene una función
exponencial, tiene la principal tarea de determinar si existe o no, relación de dependencia entre
las variables y la determinación de los valores de predicción a través de una expresión simple. La
regresión lineal múltiple es matemáticamente similar a la regresión lineal simple, siendo el
siguiente modelo lineal:
Dónde:
n = número de variables independientes
a1, a2, a3, ….., am = parámetros a estimar
p = m+1 = número de parámetros a estimar a partir de la muestra
Para la estimación de los parámetros podemos hacer una extensión del método de los mínimos
cuadrados, para el caso de una regresión lineal múltiple, las ecuaciones normales que se obtienen
son:
y n x x a
1 2
0
1 x1
x y x x x a
2
1
x y
1 1 2
2 x 2 x x x a 2
2
1 2 2
Y X A
A X1 Y
Robredo (2003), muestra que los datos registrados en las estaciones meteorológicas son
puntuales y en muchas ocasiones condicionados por su situación geográfica, al tener que
localizarse en puntos de en los que sea fácil mantener una lectura periódica de las variables que
se estén analizando.
A este punto hay que añadir que la densidad de pluviómetros que cubre las zonas
correspondientes a cuencas montañosas, a menudo es menor de lo deseable, sobre todo por la
falta de población de estas regiones.
Por esta razón, la extrapolación de estos valores puntuales al área circundante tiene que
realizarse con cuidado.
Los valores de precipitación que se presentan en un punto cualquiera de la cuenca, dependen
mucho del factor relieve y de la dirección de los vientos dominantes, sobre todo en las cuencas
de montaña.
En general, las precipitaciones atmosféricas sobre las regiones montañosas no son bien
conocidas, a pesar de la importancia que representan como cabeceras de los ríos, y por tanto las
que alimentan de forma importante a estos.
Se sabe que las precipitaciones aumentan, en general, con la altura. Al aumento de precipitación
por 1 m de elevación se denomina gradiente hipsométrico de precipitaciones. Este gradiente es
positivo hasta una cierta altura, por encima de esta cambia el signo. A este punto se le llama
punto crítico de inversión y su situación depende de muchos factores (orientación de la montaña,
proximidad al océano, etc.). Este fenómeno tiene mayor importancia cuanto mayor sea la el
componente de tipo orográfico en la génesis de las precipitaciones de la zona.
En estudios de Interpolación espacial y temporal de la precipitación, (Rodriguez, 2008),
menciona que la calidad de los resultados de la interpolación espacial y temporal del campo de
precipitación depende fundamentalmente de la calidad de los datos, del número y distribución de
los pluviógrafos utilizados y de qué tan bien la función matemática seleccionada representa el
fenómeno.
- 32 -
Tesis de Maestría
En cuanto a los aspectos de calidad de los datos y configuración de la red, estos han sido
discutidos en los dos numerales previos. Por tanto, el objetivo de este numeral es presentar los
relacionados con el método de interpolación. Al respecto, diferentes métodos han sido
propuestos en la literatura para la estimación de la precipitación areal, desde el método simple y
popular del inverso de la distancia, pasando por métodos determinísticos como interpolaciones
polinomiales, hasta técnicas más complejas, basadas en interpolación estadística, como el caso
de Kriging.
Por otra parte, Gomez 2006, señala que para delinear las cuencas, computar las características
fisiográficas de las cuencas de aporte y la conectividad entre ellas, se considera como insumo
principal el Modelo Digital de Elevaciones de Terreno (DEM) que puede ser obtenido vía
Internet o generado automáticamente a partir de las cartas geográficas actuales del IGM.
2.14.1 Kriging
La palabra kriging (expresión anglosajona) procede del nombre del geólogo sudafricano D. G.
Krige, cuyos trabajos en la predicción de reservas de oro, realizados en la década del cincuenta,
suelen considerarse como pioneros en los métodos de interpolación espacial. Kriging encierra un
conjunto de métodos de predicción espacial que se fundamentan en la minimización del error
cuadrático medio de predicción.
Los métodos kriging se aplican con frecuencia con el propósito de predicción, sin embargo estas
metodologías tienen diversas aplicaciones, dentro de las cuales se destacan la simulación y el
diseño de redes óptimas de muestreo
- 33 -
Tesis de Maestría
El método kriging ordinario propone que el valor de la variable puede predecirse como una
combinación lineal de n variables aleatorias.
Una vez se ha hecho la predicción en un conjunto de puntos diferentes de los muéstrales vía
kriging, se debe elaborar un mapa que dé una representación global del comportamiento de la
variable de interés en la zona estudiada. Los más empleados son los mapas de contornos, los
mapas de residuos y los gráficos tridimensionales. En el caso de los mapas de contornos, en
primer lugar se divide el área de estudio en un enmallado y se hace la predicción en cada uno de
los nodos de éste mismo. Posteriormente se unen los valores predichos con igual valor,
generando así las líneas de contorno (isolíneas de distribución). Es conveniente acompañar el
mapa de interpolaciones de la variable con los correspondientes mapas de isolíneas de los errores
y de las varianzas de predicción (posiblemente estimados a través de métodos matemáticos), con
el propósito de identificar zonas de mayor incertidumbre respecto a las predicciones.
Las ponderaciones espaciales por lo general están estandarizadas por fila, especialmente en las
estrategias de ponderaciones binarias. La estandarización de filas se utiliza para crear
ponderaciones proporcionales en aquellos casos en los que las entidades tienen una cantidad de
vecinos desigual. La estandarización de filas implica la división del peso de cada vecino de una
entidad por la suma de los pesos de todos los vecinos de esa entidad y se recomienda cuando la
- 34 -
Tesis de Maestría
La interpolación del punto problema se realiza asignando pesos a los datos del entorno en
función inversa de la distancia que los separa inverse distance weighting, IDW.
Dónde:
Zj, es el valor estimado para el punto j; n es el número de puntos usados en
la interpolación; zi el valor en el punto i-ésimo y kij el peso asociado al dato i en el cálculo del
nodo j. Los pesos k varían entre 0 y 1 para cada dato y la suma total de ellos es la unidad.
Para establecer una función de proporcionalidad entre el peso y la distancia, la fórmula general
queda como sigue:
Dónde:
- 35 -
Tesis de Maestría
3. MATERIALES Y MÉTODOS
3.1 Localización
Fisiográficamente, Bolivia se divide en dos unidades mayores: el bloque andino y las planicies
bajas. Estas dos unidades se subdividen en siete provincias fisiográficas (Montes de Oca, 1997).
La ubicación está en las provincias fisiográficas: A-1 Cordillera Occidental o volcánica y B
Altiplano, que corresponde a la unidad Bloque Andino. Políticamente se encuentran en los
departamentos de la Paz, Oruro, Potosí.
- 36 -
Tesis de Maestría
El área de estudio abarca 11 estaciones meteorológicas del Altiplano de La Paz, Oruro y Potosí,
y cuya variación altitudinal esta entre el rango de 3240 a 4034 msnm.
El área de estudio, comprende a las subcuencas que se encuentran en centro y sur del Altiplano y
estas son la subcuenca del lago Titicaca, la subcuenca del río Desaguadero, la subcuenca del lago
Poopó, la subcuenca del salar de Coipasa y la subcuenca del salar de Uyuni.
- 37 -
Tesis de Maestría
- 38 -
Tesis de Maestría
3.2 Materiales
a) Datos del SENAMHI, de las estaciones que cuentan con registros históricos de
precipitación horaria máxima.
b) Imágenes satelitales.
c) Equipo de computación e impresión.
d) Material de escritorio.
3.4 Metodología
En vista de que el trabajo de investigación deberá estar orientado a zonas del altiplano, es que se
ha realizado una selección de las que se encuentran dentro de ésta área y además, cuentan con
registros de precipitación máxima.
Para el análisis estadístico se utilizarán los registros de las 11 estaciones, seleccionadas,
disponibles en el Servicio Nacional de meteorología e Hidrología SENAMHI y se procedió a
- 39 -
Tesis de Maestría
Siendo las precipitaciones las que más influyen en la ocurrencia de la erosión, el diseño de obras
estará directamente relacionado con las magnitudes e intensidades que éstas presenten en el
sector de estudio. La información básica a utilizar es: registro anual de las precipitaciones
máximas en 24 horas, de una serie no inferior a 5 años y 10 o más años como óptimo (menor
número de datos implica menor precisión en las estimaciones estadísticas), de la estación
meteorológica más cercana y representativa del sector. A partir de esta información, por medio
de la distribución de Gumbel y de la metodología propuesta por Espíldora podrán ser inferidos
los valores de intensidad y magnitud de precipitación, en períodos de tiempo pequeños (menores
a 24 horas, generalmente menor o igual a 1 hora), que serán datos indispensables en el
dimensionamiento de las obras.
Gleason, citado por Guallpa (2013) menciona que el control de calidad de los datos (en general)
se basa en dos partes: primero en una visualización sencilla de los datos para determinar valores
imposibles, valores fuera de rango, datos faltantes, etc., y segundo un análisis estadístico de
series de observaciones para localizar e identificar valores atípicos potenciales o datos erróneos.
Los datos provienen de bandas pluviográficas que registraron las precipitaciones diarias y
horarias, para las once estaciones seleccionadas.
- 40 -
Tesis de Maestría
Se realizó en base a registro de las bandas de de pluviógrafos, en series temporales, para obtener
la duración, intensidad, utilizando para ello relaciones que modelan a las curvas IDF.
Estas gráficas corresponden a la representación gráfica de los resultados obtenidos del análisis
probabilístico de intensidades, se las confecciona disponiendo las intensidades máximas
probables en ordenadas y las duraciones de la lluvia en abscisas, para cada período de retorno
considerado, obteniéndose una familia de curvas Intensidad - Duración – Frecuencia.
La representación se realizó en base a escalas aritmética los puntos conforman una curva
asintótica que en ocasiones dificulta la interpretación de resultados, por lo que generalmente se
utiliza una representación en escalas logarítmicas obteniéndose alineamientos rectos que brindan
mayores facilidades para la lectura de resultados.
Los datos para la determinación de alturas de precipitación máximas ocurridas durante el ciclo
hidrológico, fueron determinadas de acuerdo a la metodología empleada por, Pereyra et al, 2004;
que define a la duración de un evento de precipitación, como el tiempo que transcurre desde que
se inicia la precipitación, hasta que ésta cesa en una determinada localidad o estación
meteorológica.
Estos estadígrafos se refieren a las medidas de tendencia central, como la media, la mediana, la
moda. Las medidas de dispersión analizadas fueron el rango y la desviación estándar y el
coeficiente de variación. La medida de simetría, considerada fue el coeficiente de sesgo, y la
medida de achatamiento, o el coeficiente de curtosis.
3.6.1 Factor KD
PD
KD
P24
Dónde:
- 42 -
Tesis de Maestría
Pd
C
P24
Dónde:
C es el Cociente adimensional de la relación de precipitaciones máximas; d el
tiempo de duración de la precipitación (5, 10, 15,… 1440 min), Pd la precipitación máxima
anual correspondiente duración d(mm) y P24 la precipitación máxima anual para la duración de
24 horas (mm).
El análisis de alternativas que presenta cada estación, se realizó en base al análisis de una gran
cantidad de lluvias máximas, precipitadas y registradas en la zona, la cual ha sido analizada para
tormentas de 24 horas y sobre la cual se determinó un histograma, asignando a cada intervalo de
tiempo una fracción o porcentaje respecto del total precipitado.
Con la relación de P/P24, se calculan los valores, mostrados en la gráfica y de la cual se obtiene
la curva tipo para cada serie de tormenta y la curva promedio.
En cada caso éste valor del coeficiente de convectividad representan los promedios de las
- 43 -
Tesis de Maestría
precipitaciones máximas que se producen en menos de 1 hora, para los eventos que tienen una
duración de 24 horas.
PD K 60
D
* P24T
Para calcular los valores de intensidad, se multiplicó los valores de la altura de precipitación de
acuerdo al método de curva promedio adimensional, además se realiza la respectiva conversión a
minutos mediante el factor 60 y éstas deben estar registradas para duraciones de 5, 10, 15, 30,
45, 60, 120,180, 360, 720 y 1440 minutos.
PD
I DT * 60
DT
Dónde:
Estas, son conocidas también como tablas de uso práctico, con valores de frontera, obtenidos
mediante curvas tipo.
- 44 -
Tesis de Maestría
Para obtener las gráficas de curvas Intensidad-Duración-Frecuencia, a partir de las tablas de uso
práctico, se empleó la escala semilog, en el cual, el eje de las abscisas está la duración en
minutos y en las ordenadas las intensidades y la gráfica resultante es una hipérbola asintótica en
el primer cuadrante, siendo estos valores dependientes entre las variables.
Para ello, se utilizó el modelo matemático de Bernard y Sherman, las cuales fueron
transformadas a ecuaciones lineales en función a cambios de variable adecuados, para que sean
posteriormente resueltos mediante una adecuada aplicación informática. Las ecuaciones de los
modelos matemáticos empleados son las siguientes:
Tm
Modelo propuesto por Bernard I K* n
D
Tm
Modelo propuesto por Sherman I K*
(D b ) n
- 45 -
Tesis de Maestría
Dónde:
- 46 -
Tesis de Maestría
n1
n = número de grupos de la muestra
n - p = grados de libertad
Se refiere a la construcción gráfica de las curvas IDF para distintos períodos de retorno
determinados y para cada una de las estaciones meteorológicas.
La determinación matemática de las curvas IDF, y las que se señalan en forma de ecuaciones,
fueron obtenidos para cada estación meteorológica y para cada modelo seleccionado.
En este estudio se utilizó el método gráfico, y el método analítico a partir del ajuste de los datos
de intensidad y duración a funciones empíricas de tipo potencial, polinomio y ecuaciones
modificadas.
- 47 -
Tesis de Maestría
4. RESULTADOS Y DISCUSIONES
Los datos para la estación meteorológica ubicada en la localidad de Andamarca, registran los
siguientes valores:
Tabla 3: Alturas de precipitación de Andamarca
Duración (min)
Fecha de
5 10 15 30 60 120 180 360 720 1440
tormenta
Altura de Precipitación (mm)
26/01/1988 3,75 5,66 7,58 13,32 16,98 23,41 25,8 29,06 31,7 38,99
10/09/1987 2,2 2,92 3,89 4,88 5,6 6,3 9,97 12,5 12,5 12,5
25/01/1988 1,76 2,97 3,36 4,66 5,15 6,6 8,53 11,1 11,5 11,9
24/10/1990 1,95 2,67 3,32 5,08 8,02 11,57 14,82 21,01 21,3 25,24
20/10/1990 2,45 3,77 3,97 4,29 5,87 8,91 11,36 12,2 12,3 12,3
Fuente: Elaboración propia
0,900
0,800
Fracción de la lluvia de 24 horas
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
26/01/1988 10/09/1987
25/01/1988 24/10/1990
- 48 -
Tesis de Maestría
El análisis d e los estadígrafos principales de cada serie histórica referidas a las precipitaciones
máximas o tormentas, se lleva a cabo mediante una planilla Excel.
Los estadígrafos de la estación Andamarca nos muestran, las medidas de tendencia central,
como la media y la mediana, que por su lejanía entre sí, nos indican que la distribución de
frecuencias se aproxima a una tendencia asimétrica con un importante sesgo positivo a la
derecha; la moda en estas series no es identificable porque no existen valores. Las
medidas de dispersión, como el rango y la desviación estándar nos muestran que existe una
dispersión elevada de los valores respecto a la media, el coeficiente de variación nos muestra
valores que superan el 30 en todas las series, por tanto la desviación estándar tiene una
proporción importante respecto a la media; debemos recordar que estamos tratando con
valores de precipitaciones extremas máximas que se miden en cortos periodos de tiempo, lo
que puede generar estas diferencias entre valores de una misma serie. La medida de
simetría, como el coeficiente de sesgo, tiene valores mayores que cero y cercanos a uno,
significando para todas las series, que la distribución de frecuencias tiene una asimetría
ligeramente tendida hacia la derecha. En cuanto a la medida de achatamiento, el coeficiente de
curtosis muestra, en todos los casos, que presenta una distribución leptocúrtica, la cual tiene
- 49 -
Tesis de Maestría
4.1.4.1 Factor KD
La Tabla anterior, muestra los factores KD para una determinada duración, que en nuestro
caso se asume el tiempo D = 5, 10, 15, 30, 60, 120, 180, 360, 720,1440 (min).
Pd
C
P24
- 50 -
Tesis de Maestría
1,000
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
Para el análisis de alternativas que presenta la estación, se realizó en base al análisis de una
gran cantidad de lluvias máximas, precipitadas y registradas en la zona, la cual ha sido
analizada para tormentas de 24 horas y sobre la cual se determinó un histograma, asignando a
cada intervalo de tiempo una fracción o porcentaje respecto del total precipitado.
De acuerdo a las características climáticas de la estación, se determina el correspondiente tipo
de curva para cada año hidrológico.
Con la relación de P/P24, se calculan los valores, mostrados en la gráfica y de la cual se obtiene
la curva tipo para cada serie de tormenta y la curva promedio.
- 51 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
Fracción de lluvia en 24 hrs
0,700
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (hrs)
- 52 -
Tesis de Maestría
Con la función de distribución Log Weibull, de mejor ajuste de los datos, se tiene:
PD K 60
D
* P24T
PD
Con la ecuación: I DT * 60
DT
La Tabla de uso práctico, nos detalla las intensidades calculadas para cada duración y periodo
- 53 -
Tesis de Maestría
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Con esta gráfica, se determinó los valores de la intensidad, para cada duración intersectada con
el periodo de retorno seleccionado, obteniéndose valores únicos para la intensidad.
- 54 -
Tesis de Maestría
las ecuaciones en función a tres variables: las intensidades, las duraciones y los periodos de
retorno, para cada modelo seleccionado.
Con estos valores se confecciona la tabla de intensidades, por el modelo matemático de Bernard, en
función a la duración, periodo de retorno, y las respectivas constantes calculadas:
- 55 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Con estos valores se confecciona la tabla de intensidades, por el modelo matemático de Sherman, en
función a la duración, periodo de retorno, y las respectivas constantes calculadas:
- 56 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Al utilizar el error cuadrático medio nos referimos al promedio de los cuadrados de las
observaciones. Si éste es pequeño, debemos aceptar que hay una tendencia para que los valores,
de la diferencia de cuadrados del observado y el ajustado sean pequeños, y así lo será también la
diferencia relativa de dichos valores, lo que quiere decir que el valor ajustado tiende a producir
respuestas numéricas próximas al parámetro observado.
Como el ECM es relativamente menor, para el modelo de Bernard, 4.25; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
- 57 -
Tesis de Maestría
relativamente pequeños. Sin embargo el ECM de 7.82, es mayor para el modelo de Sherman, lo
que significa que la diferencia entre el valor ajustado y el observado es mayor para el modelo de
Sherman.
El modelo de Bernard presenta una mayor correlación de datos, siendo un 98.8% de datos que
están sobre la curva de intensidad y además presenta un valor menor de ECM, lo que significa
que la comparación con el valor de intensidad observado y el valor de intensidad ajustado es
muy aceptable.
En cuanto al valor de coeficiente de correlación, éste es de 0.988 para Bernard y 0.957 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación múltiple positivo, y la regresión lineal múltiple es casi perfecta.
- 58 -
Tesis de Maestría
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
26/01/1988 22/01/1988 08/04/1988
16/01/1988 04/04/1988 29/03/1988
29/03/1989 26/01/1989 07/02/1989
18/04/1989 25/11/1990 27/01/1991
23/12/1990 PROMEDIO COIPASA
- 59 -
Tesis de Maestría
Los estadígrafos de la estación Coipasa muestran, que las medidas de tendencia central, como la
media y la mediana, que por su relativa proximidad entre sí, nos indican que la distribución de
frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la moda en la serie no es
identificable porque no existen valores, ya que solo presenta un valor para la menor duración.
Las medidas de dispersión, como el rango y la desviación estándar nos muestran que existe una
dispersión relativamente elevada de los valores respecto a la media, el coeficiente de variación
nos muestra valores que se encuentran entre 34% y 57% en las series, por tanto la desviación
estándar presenta proporcionalidad respecto a la media. La medida de simetría, como el
coeficiente de sesgo, tiene valores mayores que cero y cercanos a uno, significando para todas
las series, que la distribución de frecuencias tiene una asimetría tendida hacia la derecha. En
cuanto a la medida de achatamiento, el coeficiente de curtosis muestra, en todos los casos, que
presenta una distribución mesocurtica, la cual tiene una curva de distribución de frecuencias de
forma intermedia, lo que refleja la magnitud de valores de dispersión alrededor de la media.
4.2.4.1 Factor KD
- 60 -
Tesis de Maestría
Pd
C
P24
- 61 -
Tesis de Maestría
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1.000 1.200 1.400
Duración (min)
Para el análisis de alternativas que presenta la estación, se realizó en base al análisis de una gran
cantidad de lluvias máximas, precipitadas y registradas en la zona, la cual ha sido analizada para
tormentas de 24 horas y sobre la cual se determinó un histograma, asignando a cada intervalo de
tiempo una fracción o porcentaje respecto del total precipitado.
De acuerdo a las características climáticas de la estación, se determina el correspondiente tipo de
curva para cada año hidrológico.
Con la relación de P/P24, se calcularon los valores, de la cual se obtiene la curva tipo ó curva
promedio para la serie de tormentas.
- 62 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
Fracción de la lluvia de 24 hrs 0,700
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
Con los valores obtenidos por la función de distribución Log Weibull, de mejor ajuste de los
datos, se cuenta con la tabla con las siguientes características:
- 63 -
Tesis de Maestría
PD K 60
D
* P24T
Para obtener los valores de intensidad, se multiplicó los valores de la altura de precipitación de
acuerdo al método de curva promedio adimensional, además se los realiza la conversión a
minutos mediante el factor 60 y éstas deben estar registradas para duraciones de 5, 10, 15, 30,
45, 60, 120,180, 360, 720 y 1440 minutos.
La ecuación empleada es:
PD
I DT * 60
DT
- 64 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 65 -
Tesis de Maestría
Con estos valores se confeccionó la tabla de intensidades, por el modelo matemático de Bernard, en
función a la duración, periodo de retorno, y las respectivas constantes calculadas:
- 66 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Con estos valores se confecciona la tabla de intensidades, por el modelo matemático de Sherman, en
función a la duración, periodo de retorno, y las respectivas constantes calculadas:
- 67 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Si el ECM es pequeño, debemos aceptar que hay una tendencia para que los valores, de la
diferencia de cuadrados del observado y el ajustado sean pequeños, y así lo será también la
- 68 -
Tesis de Maestría
diferencia relativa de dichos valores, lo que quiere decir que el valor ajustado tiende a producir
respuestas numéricas próximas al parámetro observado.
En cuanto al valor de coeficiente de correlación, éste varía entre -1 y +1, de acuerdo a ello el
coeficiente encontrado es cercano a uno y se tiene un coeficiente de correlación positivo y
correlación múltiple alto.
Los datos para la estación meteorológica ubicada en la localidad de Culta, registran los
siguientes valores:
Tabla 27: Alturas de precipitación de Culta
Duración (min)
Fecha de
5 10 15 30 60 120 180 360 720 1440
tormenta
Altura de Precipitación (mm)
20/01/1987 5,14 6,39 7,63 11,18 13,65 17,55 22,83 24,10 25,80 31,11
17/12/1986 0,78 1,40 2,05 4,01 7,69 10,83 13,38 14,80 19,00 22,50
06/01/1987 0,81 1,61 2,21 3,53 6,17 9,32 10,63 13,86 18,37 20,36
25/12/1986 4,00 4,00 4,49 7,54 8,34 15,30 16,91 17,30 17,30 23,48
13/12/1986 0,52 1,04 1,57 3,12 5,31 8,61 9,60 10,10 10,10 10,10
28/01/1987 0,91 1,83 2,58 3,92 5,24 5,47 9,60 9,60 10,30 10,30
21/02/1988 4,54 4,60 4,60 4,60 4,60 7,90 7,90 12,50 13,43 17,40
15/02/1988 1,47 2,19 3,71 6,26 8,95 11,00 13,20 14,39 16,30 24,10
29/03/1989 1,20 2,40 3,60 7,02 11,06 13,37 16,05 23,54 23,60 23,60
19/04/1989 0,49 0,99 1,48 2,96 5,93 8,42 8,50 9,00 16,93 19,50
26/01/1989 0,41 0,81 1,22 1,77 4,27 6,22 7,66 11,64 16,47 17,69
07/02/1989 0,43 0,84 1,23 2,41 3,50 5,68 7,49 7,80 12,40 17,00
13/02/1989 0,90 1,72 1,98 3,61 6,39 9,52 10,48 11,90 12,10 14,70
19/01/1990 1,05 2,10 3,15 4,88 7,85 11,96 14,10 15,10 20,10 23,68
17/11/1989 1,62 2,78 3,60 6,07 10,99 14,60 16,13 17,70 17,70 19,30
09/11/1989 1,64 2,07 2,50 3,76 5,44 10,32 13,84 14,00 14,00 14,00
10/03/1990 0,94 1,87 2,81 3,30 4,22 6,51 7,10 7,60 11,95 13,80
16/02/1990 0,78 1,56 2,34 2,80 2,80 2,80 3,74 6,11 10,80 11,80
24/01/1990 0,69 1,12 1,15 1,37 2,70 5,16 6,39 10,40 10,50 10,60
17/02/1990 0,68 1,16 1,65 2,75 4,63 5,90 6,85 9,03 9,60 10,50
29/12/1990 1,93 3,60 3,60 3,60 6,29 10,88 13,96 18,40 22,10 24,40
01/01/1991 2,24 3,31 3,32 4,12 7,42 10,00 10,75 11,50 14,84 19,20
26/12/1990 0,86 1,73 1,94 2,32 4,27 8,04 10,73 11,50 11,50 11,60
Fuente: Elaboración propia
- 69 -
Tesis de Maestría
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
20/01/1987 17/12/1986 06/01/1987
25/12/1986 13/12/1986 28/01/1987
21/02/1988 15/02/1988 29/03/1989
19/04/1989 26/01/1989 07/02/1989
13/02/1989 19/01/1990 17/11/1989
09/11/1989 10/03/1990 16/02/1990
24/01/1990 17/02/1990 29/12/1990
El análisis d e los estadígrafos principales de cada serie histórica referidas a las precipitaciones
máximas o tormentas, se realizó mediante una planilla Excel:
- 70 -
Tesis de Maestría
Los estadígrafos de la estación Culta nos muestran, en el caso de que las medidas de tendencia
central, como la media y la mediana, que por su alta proximidad entre sí, nos indican que la
distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la moda
en algunas series no es identificable porque no existen valores que se repitan con más frecuencia.
Las medidas de dispersión, como el rango y la desviación estándar nos muestran que existe una
dispersión relativamente elevada de los valores respecto a la media; el coeficiente de variación
nos muestra valores que superan el 32% hasta 89% en las series, por tanto la desviación estándar
tiene una proporción elevada respecto a la media. La medida de simetría, como el coeficiente de
sesgo, tiene valores mayores que cero y cercanos a uno, significando para todas las series, que la
distribución de frecuencias tiene una asimetría ligeramente tendida hacia la derecha. En cuanto a
la medida de achatamiento, el coeficiente de curtosis muestra, en todos los casos, que presenta
una distribución mesocúrtica, la cual no tiene una curva de distribución de frecuencias de forma
puntiaguda o en forma llana, si no intermedia, lo que refleja la magnitud de valores de dispersión
alrededor de la media.
- 71 -
Tesis de Maestría
4.3.4.1 Factor KD
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
Con la relación de P/P24, se calculó los valores, con cada serie de tormenta y la curva promedio.
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de la lluvia en 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 73 -
Tesis de Maestría
De la cual, se tuvo que las máximas tormentas ocurridas cercanas a la estación de Culta presenta
características de Curva Tipo I.
En el caso de la estación de Culta el valor del coeficiente de convectividad es mayor a 0.3 lo que
nos indica que las precipitaciones, que generan los valores máximos seleccionados, son
convectivas. El valor de K60 = 0.361 nos indica que en promedio e independientemente del
periodo de retorno, el 36 % de la precipitación de 24 horas, acaece solamente en 1 hora.
La función de distribución Weibull, de mejor ajuste de los datos, se cuenta con la tabla con las
siguientes características:
- 74 -
Tesis de Maestría
La Tabla, nos muestra las intensidades calculadas para cada duración y periodo de retorno
establecidas.
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
- 75 -
Tesis de Maestría
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Con esta gráfica, se determina los valores de la intensidad, para cada duración intersectada con el
periodo de retorno seleccionado, obteniéndose valores únicos para la intensidad, siendo estos
valores dependientes entre las variables.
Con el análisis de correlación no lineal múltiple, se determinó una ecuación que relacione los
tres parámetros fundamentales como son la intensidad, la duración y el periodo de retorno,
(IDF) a partir de la información de precipitación e intensidades halladas en el análisis
realizado por el método adimensional y mejor ajuste de curvas.
- 76 -
Tesis de Maestría
Con estos valores se confecciona la tabla de intensidades, por el modelo matemático de Bernard, en
función a la duración, periodo de retorno, y las respectivas constantes calculadas:
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 77 -
Tesis de Maestría
Con estos valores se confecciona la tabla de intensidades, por el modelo matemático de Sherman con
sus respectivas constantes:
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 78 -
Tesis de Maestría
Como el ECM es relativamente menor, para el modelo de Bernard, 9.66; debemos aceptar que
hay una tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado
sean pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir
que el valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado.
Sin embargo el ECM de 13.83, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.971 para Bernard y 0.937 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple alto, más que todo para el modelo de Bernard.
Los datos para la estación meteorológica ubicada en la localidad de Chillca, registran los
siguientes valores:
- 79 -
Tesis de Maestría
Distribución de Tormentas
Tiempo (Hrs)
1,000
0,900
Fracción de la lluvia de 24 horas
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
09/03/1988 14/03/1988 14/02/1988
03/02/1988 20/01/1988 29/03/1988
04/04/1988 09/02/1991 16/02/1991
PROMEDIO CHILLCA
El análisis d e los estadígrafos principales de cada serie histórica referidas a las precipitaciones
máximas o tormentas:
Tabla 40: Estadígrafos de Chillca
Duración [min]
PARAMETROS ESTADISTICOS SIMBOLO
5 10 15 30 60 120 180 360 720 1440
MEDIDAS DE TENDENCIA CENTRAL
Longitud de registro n= 9 9 9 9 9 9 9 9 9 9
Media aritmética µ = 2,14 3,24 4,08 5,87 7,26 9,28 9,97 11,40 12,56 15,11
Mediana me = 1,57 3,14 4,71 6,15 6,59 7,33 7,51 9,67 10,50 11,40
Moda mo = 0,48 0,96 - - - - - - - -
Media geométrica mg = 1,17 2,11 2,81 5,04 6,18 8,22 8,97 10,57 11,62 13,81
MEDIDAS DE DISPERSION
Valor máximo Xmax = 5,45 7,82 8,62 10,87 14,88 19,10 19,79 20,70 23,86 31,50
Valor nínimo Xmin = 0,11 0,22 0,32 1,96 2,30 4,73 5,60 7,10 7,10 10,00
Rango R = 5,34 7,60 8,30 8,91 12,58 14,37 14,19 13,60 16,76 21,50
Varianza S2(x) = 4,45 6,77 8,40 10,27 19,47 29,44 29,87 26,87 32,25 60,06
Desviación estandar S(x) = 2,11 2,60 2,90 3,21 4,41 5,43 5,47 5,18 5,68 7,75
Coeficiente de variación CV = 98,53 80,20 71,11 54,61 60,75 58,46 54,84 45,49 45,21 51,29
MEDIDA DE GRADO DE ASIMETRIA
Coeficiente de sesgo Cs = 0,83 0,59 0,19 0,42 1,03 1,49 1,50 1,45 1,34 1,69
MEDIDA DE APUNTAMIENTO
Curtosis Ck = -1,04 -0,81 -1,32 -0,91 -0,03 0,57 0,56 0,49 0,80 1,69
Los estadígrafos de la estación Chillca nos muestran, en el caso de que las medidas de
tendencia central, como la media y la mediana, que por su proximidad entre sí, nos indican
que la distribución de frecuencias se aproximan a una tendencia simétrica con un ligero
sesgo; la moda en algunas series no es identificable porque solo existen 3 valores que muestran
que se repitan con más frecuencia para las duraciones de 5 y 10 minutos, no existiendo valores
para las demás duraciones. Las medidas de dispersión, como el rango y la desviación estándar
nos muestran que existe una dispersión muy baja de los valores respecto a la media, el
coeficiente de variación nos muestra valores que superan el 51 y 98 % en todas las series. La
medida de simetría, como el coeficiente de sesgo, tiene valores mayores que cero y cercanos a
uno, significando para todas las series, que la distribución de frecuencias tiene una asimetría
ligeramente tendida hacia la derecha. En cuanto a la medida de achatamiento o apuntalamiento,
el coeficiente de curtosis muestra, en todos los casos, que presenta una distribución platicúrtica,
esto nos indica que tiene una curva de distribución de frecuencias de forma más achatada, lo que
refleja la magnitud de valores de dispersión muy baja alrededor de la media.
4.4.4.1 Factor KD
Tabla 41: Factor K de Chillca
Duración (min)
5 10 15 30 60 120 180 360 720 1440
KD = PD / P24
0,114 0,171 0,229 0,326 0,472 0,606 0,608 0,657 0,757 1,000
0,217 0,312 0,344 0,433 0,561 0,729 0,789 0,797 0,797 1,000
0,047 0,093 0,139 0,223 0,223 0,459 0,544 0,777 0,777 1,000
0,056 0,154 0,231 0,463 0,571 0,764 0,912 1,000 1,000 1,000
0,163 0,326 0,490 0,580 0,622 0,623 0,639 0,745 0,868 1,000
0,440 0,475 0,475 0,567 0,575 0,611 0,626 0,850 0,875 1,000
0,110 0,220 0,329 0,462 0,505 0,531 0,531 0,629 0,923 1,000
0,010 0,019 0,028 0,285 0,368 0,487 0,619 0,848 0,982 1,000
0,044 0,089 0,111 0,181 0,323 0,619 0,657 0,657 0,657 1,000
0,133 0,207 0,264 0,391 0,469 0,603 0,658 0,773 0,849 1,000
Fuente: Elaboración propia
- 81 -
Tesis de Maestría
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
1,0000
0,9500
0,9000
0,8500
0,8000
0,7500
Fracción de lluvia en 24 hrs
0,7000
0,6500
0,6000
0,5500
0,5000
0,4500
0,4000
0,3500
0,3000
0,2500
0,2000
0,1500
0,1000
0,0500
0,0000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (hrs)
- 82 -
Tesis de Maestría
Con los valores obtenidos por la función de distribución Pearson, de mejor ajuste de los datos, se
cuenta con la tabla con las siguientes características:
- 83 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
- 84 -
Tesis de Maestría
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Para ello, se utilizó el modelo matemático de Bernard y Sherman, las cuales fueron
transformadas a ecuaciones lineales logaritmizadas.
- 85 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 86 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 87 -
Tesis de Maestría
Como el ECM es relativamente menor, para el modelo de Bernard, 6.23; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 9.88, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.971 para Bernard y 0.920 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple alto, más aún para el modelo de Bernard.
Los datos para la estación meteorológica ubicada en la localidad de Chuquiña, registran los
siguientes valores:
- 88 -
Tesis de Maestría
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
12/02/1988 15/03/1988 24/01/1988
20/03/1988 17/03/1988 21/03/1988
15/01/1988 04/04/1988 26/01/1989
09/02/1989 13/04/1989 18/01/1990
15/12/1989 31/10/1989 09/03/1991
10/01/1991 PROMEDIO CHUQUIÑA
Los estadígrafos de la estación Chuquiña nos muestran, en el caso de que las medidas de
- 89 -
Tesis de Maestría
tendencia central, como la media y la mediana, que por su proximidad entre sí, nos indican que
la distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la
moda en la mayoría de las duraciones no es identificable porque no existen valores que se repitan
con más frecuencia. Las medidas de dispersión, como el rango y la desviación estándar nos
muestran que existe una dispersión baja de los valores respecto a la media; el coeficiente de
variación nos muestra valores que superan el 19 y menores a 61 % en la serie, por tanto la
desviación estándar tiene una proporción relativamente baja respecto a la media. La medida de
simetría, como el coeficiente de sesgo, tiene valores mayores que cero y un solo valor negativo
que está cercano a uno, significando para todas las series, que la distribución de frecuencias tiene
una asimetría ligeramente tendida hacia la derecha. En cuanto a la medida de achatamiento, el
coeficiente de curtosis tan variable y como presenta valor alto y valor bajo extremo, se define la
presencia de una distribución leptocúrtica, la cual tiene una curva de distribución de frecuencias
de forma puntiaguda o en forma llana, lo que refleja que la magnitud de valores de dispersión
están alrededor de la media.
4.5.4.1 Factor KD
- 90 -
Tesis de Maestría
La Curva Promedio adimensional, es el cociente del valor de precipitación máxima anual para
distintas duraciones menores a las 24 horas entre el valor de precipitación para una duración de
24 horas, representada de la siguiente forma:
Pd
C
P24
- 91 -
Tesis de Maestría
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de lluvia en 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
Siendo que, las tormentas de la estación de Chuquiña presentan características de Curva Tipo I.
- 92 -
Tesis de Maestría
Con los valores obtenidos por la función de distribución Log Normal, de mejor ajuste de los
datos, se cuenta con la tabla con las siguientes características:
PD K 60
D
* P24T
- 93 -
Tesis de Maestría
PD
I DT * 60
DT
Tabla 57: Intensidades Método convencional de Chuquiña
INTENSIDAD (mm/hr)
T (años)
5 10 15 30 60 120 180 360 720 1440
1,11 15,792 11,201 8,909 5,720 4,143 2,705 2,198 1,403 0,812 0,5401
2 23,630 16,760 13,331 8,559 6,199 4,047 3,289 2,100 1,215 0,8082
5 30,789 21,837 17,369 11,152 8,077 5,273 4,285 2,736 1,583 1,0531
10 35,360 25,080 19,948 12,808 9,277 6,056 4,921 3,142 1,818 1,2094
25 40,984 29,069 23,121 14,845 10,752 7,019 5,704 3,642 2,108 1,4018
50 45,083 31,976 25,433 16,329 11,827 7,721 6,274 4,006 2,318 1,5420
100 49,118 34,838 27,710 17,791 12,886 8,413 6,836 4,364 2,526 1,6800
Fuente: Elaboración propia
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
- 94 -
Tesis de Maestría
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Para ello, se utilizó el modelo matemático de Bernard y Sherman, las cuales fueron
transformadas a ecuaciones lineales en función a cambios de variable adecuados.
- 95 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 96 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Como el ECM es relativamente menor, para el modelo de Bernard, 1.85; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
- 97 -
Tesis de Maestría
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 3.43, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.994 para Bernard y 0.978 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple muy alta, y la regresión lineal múltiple es casi
perfecta.
Los datos para la estación meteorológica ubicada en la estación de El Alto, registran los
siguientes valores:
- 98 -
Tesis de Maestría
- 99 -
Tesis de Maestría
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
04/03/1976 18/03/1976 02/03/1977 19/01/1978
21/01/1978 10/03/1979 12/03/1979 14/03/1979
20/01/1982 19/03/1984 28/03/1984 15/02/1985
24/03/1985 28/01/1986 20/03/1986 16/01/1988
09/03/1988 18/03/1988 08/02/1989 01/01/1990
16/02/1991 08/01/1992 12/10/1992 02/01/1993
11/01/1995 27/12/1995 14/01/1996 25/01/1996
25/03/1996 17/11/1996 18/01/1997 29/12/1999
30/01/1999 27/01/2000 10/12/2000 29/12/2000
12/01/2001 13/02/2001 17/12/2001 28/01/2002
06/03/2002 21/01/2003 20/02/2003 16/03/2003
14/01/2004 23/03/2004 21/01/2006 11/02/2006
06/11/2006 13/02/2007 14/12/2007 PROMEDIO EL ALTO
- 100 -
Tesis de Maestría
Los estadígrafos de la estación El Alto nos muestran, en el caso de que las medidas de
tendencia central, como la media y la mediana, que por su proximidad entre sí, nos indican
que la distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la
moda en la mayoría de las series es identificable porque existen valores que se repitan con más
frecuencia, sin embargo existen 2 valores de moda no identificables. Las medidas de dispersión,
como el rango y la desviación estándar nos muestran que existe una dispersión relativamente
baja de los valores respecto a la media, los valores de coeficiente de variación se encuentran
entre el 30 y 91 % en todas las series, por tanto la desviación estándar tiene una proporción
importante respecto a la media; debido a que estamos tratando con valores de precipitaciones
extremas máximas que se miden en cortos periodos de tiempo, lo que puede generar estas
diferencias entre valores de una misma serie. La medida de simetría, como el coeficiente de
sesgo, tiene valores mayores que cero y presentándose en la serie valores positivos, es porque la
distribución de frecuencias tiene una asimetría tendida hacia la derecha. En cuanto a la medida
de achatamiento, el coeficiente de curtosis muestra, en todos los casos, que presenta una
distribución leptocúrtica, la cual se caracteriza por presentar una curva de distribución de
frecuencias de forma puntiaguda, lo que refleja la magnitud de valores de dispersión alrededor
de la media y existe poca diferencia entre los valores de la serie, comparando en particular la
media y la mediana.
- 101 -
Tesis de Maestría
4.6.4.1 Factor KD
Tabla 65: Factor K de El Alto
Duración (min)
5 10 15 30 60 120 180 360 720 1440
KD = PD / P24
0,072 0,145 0,217 0,374 0,619 0,760 0,797 0,810 0,814 1,000
0,283 0,297 0,311 0,455 0,519 0,768 0,925 0,938 0,938 1,000
0,101 0,203 0,235 0,298 0,390 0,437 0,437 0,439 0,655 1,000
0,034 0,054 0,103 0,189 0,347 0,512 0,660 0,917 0,917 1,000
0,155 0,226 0,249 0,280 0,340 0,508 0,536 0,539 0,638 1,000
0,034 0,069 0,103 0,184 0,302 0,473 0,611 0,621 0,621 1,000
0,030 0,060 0,090 0,173 0,310 0,534 0,753 0,961 0,975 1,000
0,045 0,090 0,135 0,269 0,443 0,766 0,812 0,815 0,995 1,000
0,048 0,096 0,144 0,273 0,459 0,527 0,585 0,602 0,904 1,000
0,225 0,248 0,271 0,341 0,480 0,575 0,579 0,579 0,947 1,000
0,095 0,189 0,284 0,456 0,591 0,677 0,720 0,724 0,962 1,000
0,058 0,074 0,102 0,204 0,378 0,637 0,692 0,692 0,913 1,000
0,029 0,057 0,086 0,171 0,343 0,675 0,826 1,000 1,000 1,000
0,082 0,164 0,201 0,299 0,458 0,650 0,782 0,921 0,921 1,000
0,065 0,103 0,122 0,179 0,271 0,428 0,496 0,500 0,605 1,000
0,145 0,178 0,206 0,261 0,366 0,430 0,584 0,723 0,955 1,000
0,106 0,119 0,176 0,270 0,376 0,600 0,694 0,763 0,868 1,000
0,244 0,244 0,244 0,284 0,352 0,505 0,658 0,929 1,000 1,000
0,031 0,062 0,093 0,154 0,246 0,455 0,644 0,878 1,000 1,000
0,034 0,069 0,103 0,204 0,399 0,679 0,871 0,991 1,000 1,000
0,053 0,104 0,155 0,300 0,520 0,713 0,851 1,000 1,000 1,000
0,072 0,100 0,130 0,222 0,334 0,420 0,598 0,939 0,996 1,000
0,339 0,339 0,366 0,447 0,534 0,598 0,648 0,661 1,000 1,000
0,022 0,087 0,124 0,204 0,332 0,413 0,495 0,539 0,840 1,000
0,101 0,139 0,163 0,257 0,390 0,629 0,633 0,647 0,710 1,000
0,064 0,103 0,129 0,208 0,344 0,453 0,678 1,000 1,000 1,000
0,033 0,066 0,095 0,155 0,252 0,362 0,451 0,585 0,996 1,000
0,078 0,130 0,163 0,229 0,333 0,364 0,377 0,498 0,711 1,000
0,079 0,116 0,145 0,243 0,361 0,621 0,766 0,995 1,000 1,000
0,089 0,137 0,168 0,199 0,352 0,548 0,633 0,921 1,000 1,000
0,127 0,176 0,192 0,227 0,294 0,421 0,607 0,877 0,962 1,000
0,032 0,062 0,090 0,169 0,319 0,619 0,849 0,982 1,000 1,000
0,121 0,182 0,243 0,438 0,572 0,674 0,681 0,815 1,000 1,000
0,043 0,074 0,095 0,170 0,331 0,543 0,785 1,000 1,000 1,000
0,109 0,176 0,216 0,302 0,472 0,691 0,779 0,898 0,976 1,000
0,040 0,062 0,075 0,122 0,224 0,376 0,424 0,615 0,774 1,000
0,077 0,122 0,191 0,309 0,348 0,359 0,388 0,719 0,985 1,000
0,141 0,243 0,325 0,381 0,395 0,564 0,655 0,994 1,000 1,000
0,090 0,158 0,186 0,239 0,402 0,720 0,886 0,932 0,979 1,000
0,063 0,109 0,155 0,261 0,424 0,641 0,849 1,000 1,000 1,000
- 102 -
Tesis de Maestría
0,085 0,116 0,124 0,227 0,353 0,543 0,593 0,593 0,995 1,000
0,072 0,099 0,119 0,210 0,331 0,608 0,640 0,981 1,000 1,000
0,142 0,206 0,224 0,238 0,322 0,478 0,644 0,888 0,931 1,000
0,024 0,041 0,058 0,111 0,207 0,323 0,439 0,720 1,000 1,000
0,045 0,082 0,113 0,201 0,359 0,584 0,743 0,882 1,000 1,000
0,051 0,072 0,096 0,165 0,280 0,510 0,647 0,884 1,000 1,000
0,053 0,100 0,133 0,220 0,434 0,631 0,693 0,754 0,984 1,000
0,038 0,069 0,096 0,174 0,321 0,560 0,802 1,000 1,000 1,000
0,082 0,126 0,197 0,315 0,451 0,608 0,813 0,896 1,000 1,000
0,038 0,075 0,111 0,209 0,416 0,642 0,659 0,667 0,827 1,000
0,064 0,122 0,162 0,266 0,428 0,686 0,790 0,991 0,991 1,000
0,086 0,128 0,163 0,250 0,381 0,559 0,670 0,808 0,927 1,000
Fuente: Elaboración propia
La información hidrológica necesaria, para el diseño de las obras de ingeniería, tanto en cantidad
y calidad son fácilmente disponibles cuando se dispone de instrumentos de medición de
precipitación, tales como pluviógrafos, cuya base de datos es suficiente para elaborar las
relaciones IDF, por esta razón y utilizando los la metodología de criterios adimensionales, y con
los valores de la anterior tabla se ha obtenido la gráfica respectiva.
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
- 103 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
Fracción de lluvia de 24 hrs
0,700
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
La Tabla, nos muestra las intensidades calculadas para cada duración y periodo de retorno
establecidas.
- 105 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 106 -
Tesis de Maestría
- 107 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000 T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 108 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Como el ECM es relativamente menor, para el modelo de Bernard, 1.77; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 5.28, es mucho mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mucho mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.998 para Bernard y 0.986 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple muy alta, y la regresión lineal múltiple es perfecta,
ya que prácticamente se iguala a la unidad.
- 109 -
Tesis de Maestría
Los datos para la estación meteorológica ubicada en la localidad de Quillacas, registran los
siguientes valores:
- 110 -
Tesis de Maestría
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
22/12/1986 20/12/1986 15/02/1987
17/12/1986 11/12/1986 13/09/1987
04/04/1988 23/02/1989 05/01/1990
26/01/1990 11/01/1990 26/11/1989
04/12/1990 08/12/1990 25/10/1990
PROMEDIO QUILLACAS
- 111 -
Tesis de Maestría
Los estadígrafos de la estación Quillacas nos muestran, en el caso de que las medidas de
tendencia central, como la media y la mediana, que por su proximidad entre sí, nos indican
que la distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la
moda en toda la serie no es identificable porque no existen valores que se repitan con más
frecuencia. Las medidas de dispersión, como el rango y la desviación estándar nos muestran que
existe una dispersión relativamente elevada de los valores respecto a la media, el coeficiente de
variación nos muestra valores que se encuentran entre el 26 y 48 % en todas las series, por tanto
la desviación estándar tiene una proporción importante respecto a la media; debemos recordar
que estamos tratando con valores de precipitaciones extremas máximas que se miden en cortos
periodos de tiempo, lo que puede generar estas diferencias entre valores de una misma serie. La
medida de simetría, como el coeficiente de sesgo, tiene valores positivos y un valor negativo,
siendo que la mayoría están por encima de cero y presenta un valor alto positivo y los demás
menores a 2 y uno, significando para todas las series, que la distribución de frecuencias tiene una
asimetría ligeramente tendida hacia la derecha. En cuanto a la medida de achatamiento, el
coeficiente de curtosis muestra, en todos los casos, que presenta una distribución leptocúrtica, la
cual se caracteriza por tener una curva de distribución de frecuencias de forma puntiaguda o en
forma llana, lo que refleja que la magnitud de valores de dispersión está alrededor de la media.
4.7.4.1 Factor KD
- 112 -
Tesis de Maestría
0,132 0,201 0,239 0,320 0,394 0,599 0,651 1,000 1,000 1,000
0,096 0,138 0,161 0,239 0,381 0,631 0,789 0,943 1,000 1,000
0,069 0,098 0,124 0,177 0,299 0,496 0,574 0,822 1,000 1,000
0,185 0,275 0,351 0,457 0,606 0,718 0,815 0,956 1,000 1,000
0,117 0,147 0,173 0,283 0,391 0,683 0,846 1,000 1,000 1,000
0,220 0,250 0,278 0,404 0,446 0,496 0,757 0,997 1,000 1,000
0,127 0,183 0,202 0,244 0,397 0,634 0,949 1,000 1,000 1,000
0,163 0,224 0,242 0,319 0,441 0,624 0,980 1,000 1,000 1,000
0,235 0,252 0,269 0,307 0,333 0,392 0,565 0,794 0,996 1,000
0,121 0,215 0,260 0,369 0,533 0,711 0,821 0,854 1,000 1,000
0,106 0,151 0,186 0,281 0,436 0,606 0,739 1,000 1,000 1,000
0,131 0,179 0,210 0,298 0,421 0,597 0,764 0,932 0,999 1,000
Fuente: Elaboración propia
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
- 113 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
Fracción de lluvias en 24 hrs
0,700
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
Los valores obtenidos por la función de distribución Weibull, de mejor ajuste de los datos, es:
- 114 -
Tesis de Maestría
La Tabla, nos muestra las intensidades calculadas para cada duración y periodo de retorno
establecidas.
- 115 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
Se realizaron con la escala semilog, en el cual, el eje de las abscisas está la duración en minutos
y en las ordenadas las intensidades y la gráfica en forma de hipérbola del primer cuadrante, que
representa el periodo de retorno.
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Para ello, se utilizó el modelo matemático de Bernard y Sherman, las cuales fueron
transformadas a ecuaciones lineales.
- 116 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000 T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 117 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 118 -
Tesis de Maestría
Como el ECM es relativamente menor, para el modelo de Bernard, 2.94; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 5.94, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.992 para Bernard y 0.968 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple alta, y la regresión lineal múltiple es casi perfecta.
- 119 -
Tesis de Maestría
Distribución de Tormentas
Tiempo (Hrs)
1,000
0,900
0,800
Fracción de la lluvia de 24 horas
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
04/01/1987 03/01/1987 20/12/1986
01/01/1987 PROMEDIO SALINAS 22/01/1987
10/01/1988
- 120 -
Tesis de Maestría
Los estadígrafos de la estación Salinas nos muestran, en el caso de que las medidas de tendencia
central, como la media y la mediana, que por su gran proximidad entre sí, nos indican que la
distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la moda
en algunas series no es identificable porque no existen valores que se repitan con más frecuencia.
Las medidas de dispersión, como el rango y la desviación estándar nos muestran que existe una
dispersión relativamente baja de los valores respecto a la media; el coeficiente de variación nos
muestra valores que se encuentran entre el 36 y 47 % en todas las series, por tanto la desviación
estándar tiene una proporción cercana respecto a la media; lo que puede generar estas diferencias
entre valores de una misma serie. La medida de simetría, como el coeficiente de sesgo, tiene
valores cercanos a uno (positivo y negativo), significando para todas las series, que la
distribución de frecuencias tiene una asimetría ligeramente simétrica, con algún desfase hacia la
derecha. En cuanto a la medida de achatamiento, el coeficiente de curtosis muestra, en todos los
casos, que presenta una distribución platicurtica, la cual no tiene una curva de distribución de
frecuencias de forma intermedia, lo que refleja que la magnitud de valores de dispersión se
encuentran alrededor de la media.
4.8.4.1 Factor KD
La Tabla, muestra los factores KD para una determinada duración, que en nuestro caso fue D =
5, 10, 15, 30, 60, 120, 180, 360, 720,1440 (min).
- 121 -
Tesis de Maestría
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
- 122 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de lluvia de 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 123 -
Tesis de Maestría
Con los valores obtenidos por la función de distribución Log Weibull, de mejor ajuste de los
datos, se cuenta con la tabla con las siguientes características:
- 124 -
Tesis de Maestría
Las gráficas de curvas IDF, a partir de la tabla anterior, se graficaron en escala semilogaritmo.
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Mediante la correlación no lineal múltiple, se determinó una ecuación que relacione los tres
parámetros fundamentales como son la intensidad, la duración y el periodo de retorno, (IDF) a
- 125 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 126 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 127 -
Tesis de Maestría
Como el ECM es relativamente menor, para el modelo de Bernard, 4.00; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 6.88, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.985 para Bernard y 0.956 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple alta, y la regresión lineal múltiple es casi perfecta.
- 128 -
Tesis de Maestría
0,900
0,800
Fracción de la lluvia de 24 horas
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
11/03/1990 09/01/1991
17/01/1993 PROMEDIO TODOS SANTOS
Los estadígrafos de la estación Todo Santos nos muestran, en el caso de que las medidas de
- 129 -
Tesis de Maestría
tendencia central, como la media y la mediana, que por su proximidad entre sí, nos indican
que la distribución de frecuencias se aproximan a una tendencia simétrica con un ligero
sesgo; la moda en algunas series no es identificable porque no existen valores que se
repitan con más frecuencia. Las medidas de dispersión, como el rango y la desviación
estándar nos muestran que existe una dispersión relativamente elevada de los valores respecto
a la media, el coeficiente de variación nos muestra valores que superan el 3 y 83 % en todas
las series, por tanto la desviación estándar tiene una proporción importante respecto a la
media. La medida de simetría, como el coeficiente de sesgo, tiene valores mayores que
cero y cercanos a uno, significando para todas las series, que la distribución de frecuencias
tiene una simetría ligeramente tendida hacia la izquierda. En cuanto a la medida de
achatamiento, el coeficiente de curtosis muestra, en todos los casos, que presenta una
distribución normal, la cual no tiene una curva de distribución de frecuencias de forma
puntiaguda o en forma llana, si no intermedia, lo que refleja que la magnitud de valores de la
dispersión está alrededor de la media.
4.9.4.1 Factor KD
- 130 -
Tesis de Maestría
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de lluvia de 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 131 -
Tesis de Maestría
Con los valores obtenidos por la función de distribución Weibull, de mejor ajuste de los datos,
se cuenta con la tabla con las siguientes características:
- 132 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
- 133 -
Tesis de Maestría
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Para ello, se utilizó el modelo matemático de Bernard y Sherman, las cuales fueron
transformadas a ecuaciones lineales en función a cambios de variable adecuados.
- 134 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000 T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 135 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Como el ECM es relativamente menor, para el modelo de Bernard, 5.69; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
- 136 -
Tesis de Maestría
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 8.25, es mayor para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es mayor para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.952 para Bernard y 0.888 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación múltiple positivo.
Los datos para la estación meteorológica ubicada en la localidad de Turco, registran los
siguientes valores:
Tabla 111: Alturas de precipitación de Turco
Duración (min)
Fecha de 5 10 15 30 60 120 180 360 720 1440
tormenta
Altura de Precipitación (mm)
02/01/1991 3,03 6,05 8,42 9,09 10,43 19,85 27,27 30,60 30,67 40,30
17/01/1991 3,06 6,12 9,17 10,85 12,53 13,20 13,20 20,49 20,80 20,81
25/12/1990 3,14 3,93 3,98 4,11 4,59 5,90 5,90 7,54 10,10 10,10
29/04/1991 4,20 4,73 4,76 5,04 6,06 6,59 6,92 8,78 10,00 10,10
17/01/1992 0,88 1,69 2,43 4,85 8,69 10,54 15,80 15,80 16,00 25,90
16/01/1992 3,55 7,10 9,39 10,09 11,08 11,64 20,10 22,40 24,16 24,40
13/01/1992 3,32 6,64 7,25 7,93 10,53 11,86 12,80 14,40 14,40 20,10
15/01/1992 4,41 5,88 5,99 6,32 6,89 7,75 8,83 11,68 14,57 14,60
Fuente: Elaboración propia
- 137 -
Tesis de Maestría
Distribución de Tormentas
1,000
Tiempo (Hrs)
0,900
0,800
Fracción de la lluvia de 24 horas
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
02/01/1991 17/01/1991 25/12/1990
29/04/1991 17/01/1992 16/01/1992
13/01/1992 15/01/1992 PROMEDIO TURCO
Los estadígrafos de la estación Turco nos muestran, en el caso de que las medidas de tendencia
central, como la media y la mediana, que por su mayor proximidad entre sí, nos indican que la
- 138 -
Tesis de Maestría
distribución de frecuencias se aproximan a una tendencia simétrica con un ligero sesgo; la moda
en algunas series no es identificable porque no existen valores que se repitan con más frecuencia,
sólo la serie de mayor duración presente una valor de moda que se repite para esta duración. Las
medidas de dispersión, como el rango y la desviación estándar nos muestran que existe una
dispersión relativamente baja de los valores respecto a la media, el coeficiente de variación nos
muestra valores que superan el 33 y 47 % en todas las series, por tanto la desviación estándar
tiene una proporción importante respecto a la media; La medida de simetría, como el coeficiente
de sesgo, tiene valores mayores - 1 y +1, significando para todas las series, que la distribución de
frecuencias tiene una simetría ligeramente tendida hacia la derecha. En cuanto a la medida de
achatamiento, el coeficiente de curtosis muestra, en todos los casos, que presenta una
distribución mesocurtica, la cual no tiene una curva de distribución de frecuencias de forma
puntiaguda o en forma llana, si no intermedia, lo que refleja que la magnitud de valores de
dispersión están alrededor de la media.
4.10.4.1 Factor KD
- 139 -
Tesis de Maestría
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de lluvia de 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 140 -
Tesis de Maestría
Con los valores obtenidos por la función de distribución Normal, de mejor ajuste de los datos, se
cuenta con la tabla con las siguientes características:
- 141 -
Tesis de Maestría
Para obtener los valores de intensidad, se multiplicó los valores de la altura de precipitación de
acuerdo al método de curva promedio adimensional, además se los realiza la conversión a
minutos mediante el factor 60 y éstas deben estar registradas para duraciones de 5, 10, 15, 30,
45, 60, 120,180, 360, 720 y 1440 minutos.
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
Para obtener las curvas IDF, a partir de la tabla anterior, se emplea la escala semilog:
- 142 -
Tesis de Maestría
Curvas IDF
100,000
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 143 -
Tesis de Maestría
80,000
T=1.11
Intensidad (mm/h)
T=2
60,000 T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 144 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
Como el ECM es relativamente menor, para el modelo de Bernard, 5.67; se acepta que hay una
tendencia para que los valores, de la diferencia de cuadrados del observado y el ajustado sean
pequeños, y así lo será también la diferencia relativa de dichos valores, lo que quiere decir que el
- 145 -
Tesis de Maestría
valor ajustado tiende a producir respuestas numéricas próximas al parámetro observado. Sin
embargo el ECM de 10.50, es muy alto para el modelo de Sherman, lo que significa que la
diferencia entre el valor ajustado y el observado es grande para el modelo de Sherman.
En cuanto al valor de coeficiente de correlación, éste es de 0.990 para Bernard y 0.963 para
Sherman, por lo que ambos coeficientes encontrados son cercano a uno y se tiene un coeficiente
de correlación positivo y correlación múltiple alta, y la regresión lineal múltiple es casi perfecta.
- 146 -
Tesis de Maestría
Distribución Tormentas
Tiempo (Hrs)
1,000
0,900
0,800
Fracción de la lluvia de 24 horas
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
20/01/1978 19/01/1978 10/03/1979
16/03/1979 19/03/1979 20/01/1982
19/03/1984 14/02/1985 25/03/1985
28/01/1986 16/01/1988 19/03/1988
11/01/1990 16/02/1991 08/01/1992
PROMEDIO UYUNI
- 147 -
Tesis de Maestría
En este caso las medidas de tendencia central, como la media y la mediana, que por su relativa
proximidad entre sí, nos indican que la distribución de frecuencias se aproximan a una
tendencia simétrica con un ligero sesgo; la moda en toda la serie no es identificable porque no
existen valores que se repitan con más frecuencia. Las medidas de dispersión, como el rango y
la desviación estándar nos muestran que existe una dispersión relativamente elevada de los
valores respecto a la media, el coeficiente de variación nos muestra valores que superan el 26 y
60 % en todas las series, por tanto la desviación estándar tiene una proporción mediana
respecto a la media; la medida de simetría, como el coeficiente de sesgo, tiene valores entre 2 y
cero positivos, significando para todas las series, que la distribución de frecuencias tiene una
asimetría tendida hacia la derecha. En cuanto a la medida de achatamiento, el coeficiente de
curtosis muestra, en todos los casos, que presenta una distribución leptocúrtica, la cual tiene
una curva de distribución de frecuencias de forma puntiaguda, lo que refleja que la magnitud
de valores de dispersión está alrededor de la media.
4.11.4.1 Factor KD
- 148 -
Tesis de Maestría
0,096 0,127 0,161 0,232 0,290 0,388 0,468 0,597 0,860 1,000
0,089 0,109 0,124 0,222 0,444 0,807 0,972 1,000 1,000 1,000
0,134 0,162 0,193 0,212 0,239 0,305 0,358 0,640 0,959 1,000
0,083 0,124 0,177 0,279 0,414 0,525 0,820 0,986 0,993 1,000
0,045 0,079 0,108 0,155 0,257 0,476 0,588 0,805 1,000 1,000
0,202 0,271 0,318 0,394 0,470 0,544 0,632 0,757 0,886 1,000
Fuente: Elaboración propia
En base a la anterior tabla, se obtienen la curva promedio adimensional y las curvas individuales,
para cada tormenta registrada en la estación.
1,000
Cociente Adimensional
0,800
0,600
0,400
0,200
0,000
0 200 400 600 800 1000 1200 1400
Duración (min)
- 149 -
Tesis de Maestría
1,000
0,950
0,900
0,850
0,800
0,750
0,700
Fracción de lluvias de 24 hrs
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
Con los valores obtenidos por la función de distribución Gumbel, de mejor ajuste de los datos,
- 150 -
Tesis de Maestría
Para obtener los valores de intensidad, se multiplicó los valores de la altura de precipitación de
acuerdo al método de curva promedio adimensional.
- 151 -
Tesis de Maestría
Conocidas también como tablas de uso práctico, con valores de frontera, obtenidos mediante
curvas tipo.
80,000
T=1.11
T=2
Intensidad (mm/h)
60,000
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
ecuación que relacione los tres parámetros fundamentales como son la intensidad, la duración
y el periodo de retorno, (IDF) a partir de la información de precipitación e intensidades
halladas en el análisis realizado por el método adimensional y mejor ajuste de curvas.
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
T=25
40,000 T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 153 -
Tesis de Maestría
80,000
Intensidad (mm/h)
T=1.11
60,000 T=2
T=5
T=10
40,000 T=25
T=50
T=100
20,000
0,000
5 50 500
Duración (min)
Fuente: Elaboración propia
- 154 -
Tesis de Maestría
De acuerdo a R, el 97.8% de los puntos están sobre la curva de intensidad ajustada por el modelo
de Bernard y el ECM representa que los valores de intensidad observada e intensidad ajustada,
sólo distan en 7.87 valores respecto al observado.
La variación en el tiempo de la lluvia caída durante una tormenta, tiene una gran influencia en la
forma de la onda de crecida. Debido a ello, el hietograma de la tormenta se estudió por el método
de la SCS.
Por ello el análisis de fracción de lluvias de las precipitaciones máximas, registradas para cada
estación, se establece el siguiente gráfico:
- 155 -
Tesis de Maestría
0,9
Fracción de la lluvia de 24 horas
0,8
ANDAMARCA
0,7 CHILLCA
CHUQUIÑA
0,6 COIPASA
CULTA
0,5 QUILLACAS
SALINAS DE G.M.
0,4 UYUNI
TODO SANTOS
0,3 TURCO
EL ALTO
0,2 CURVA TIPO I
CURVA TIPO IA
0,1
CURVA TIPO II
CURVA TIPO III
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
0,9
Fracción de la lluvia de 24 horas
0,8
0,7
CHUQUIÑA
0,6
0,5 CULTA
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 156 -
Tesis de Maestría
El cual se caracteriza por presentar lluvias de mayor duración y menos intensas, las cuales
disminuyen en forma progresiva con el tiempo. Las estaciones de Salinas de Garci Mendoza,
Uyuni, El Alto, Turco, Chillca, presentan tormentas de Tipo II:
0,9
Fracción de la lluvia de 24 horas
0,8
0,7
CHILLCA
0,6
SALINAS DE
0,5
G.M.
UYUNI
0,4
0,3 TURCO
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
- 157 -
Tesis de Maestría
0,9
Fracción de la lluvia de 24 horas
0,8
0,7
0,6
ANDAMARCA
0,5 COIPASA
0,4 QUILLACAS
TODO SANTOS
0,3
CURVA TIPO III
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Tiempo (Hrs)
Fuente: Elaboración propia
- 158 -
Tesis de Maestría
Con la finalidad de determinar la calidad de la regresión lineal para cada uno de los modelos
empleados, se analizaron los supuestos de regresión de las funciones generadas, es decir la
medida de bondad de ajuste de los datos a la ecuación propuesta.
Se utilizaron dos pruebas de ajuste, el coeficiente de Determinación (R 2) y el Error cuadrático
medio (ECM), se llega a establecer que los datos observados de los valores de determinación
más extremos son los que presentan los valores ajustados para las estaciones de: Todos santos
con 0.906 y el que muestra mayor coeficiente de determinación la estación de 0.997 para El
Alto, cuando se ha realizado el ajuste por el modelo de Bernard.
110,000
100,000
90,000
80,000
70,000
60,000
50,000
40,000
30,000
20,000
10,000
0,000
Quillacas
Chuquiña
Uyuni
Chillca
Culta
Salinas
Todo santos
Turco
Coipasa
Andamarca
El Alto
- 159 -
Tesis de Maestría
110,000
100,000
90,000
80,000
70,000
60,000
50,000
40,000
30,000
20,000
10,000
0,000
En ambos casos se puede observar que existen mayores valores de intensidad para los periodos
de retorno de 50 años y 5 minutos de duración de las tormentas máximas.
Así mismo es menor el valor de intensidad para los períodos de retorno de 5 años y duración de
1440 minutos.
Observándose, que ambos valores se acentúan aún más cuando se aplica el modelo propuesto por
Bernard.
- 160 -
Tesis de Maestría
5. CONCLUSIONES
Las medidas de bondad de ajuste, que es una relación entre los datos observados de la
variable intensidad a la función matemática establecida para Bernard y Sherman, se
pudieron determinar el ajuste adecuado de datos a la ecuación propuesta.
Así al utilizar dos pruebas de bondad de ajuste como ser, el coeficiente de determinación (R2) y
la prueba de error cuadrático medio (ECM), se encontraron valores más altos de R2 (mejor
ajuste) para la ecuación propuesta por Bernard 0,997 y 0,973 para la ecuación propuesta por
Sherman, en el caso de la estación de El Alto; para el error cuadrático medio, los valores más
altos (mayor variabilidad en la intensidad) presentaron las estaciones de culta con 9.66 por el
modelo de Bernard y la estación de Uyuni por el modelo de Sherman.
Con los valores numéricos del análisis y construcción gráfica de las curvas IDF,
empleando modelos de Bernard y Sherman, para distintos periodos de retorno, T=1.11,
T=2, T=5, T=10, T=25, T=50, y para las duraciones D (min): 5, 10, 15, 30, 60, 120,
180, 360, 720, 1440; se demuestra la factibilidad de generar curvas IDF en la región
altiplano, a partir de registros de precipitaciones máximas horarias, ajustados a una
función de distribución de probabilidades y a partir del cual se puede obtener el o los
puntos de quiebre de intensidades que se presentan en cada región, mediante el criterio de
parámetros adimensionales.
- 161 -
Tesis de Maestría
aplicación hasta los 1440 minutos de duración, para cada periodo de retorno.
En los perfiles de intensidad para cada estación, se puede observar que existen mayores
valores de intensidad para los periodos de retorno de 50 años y 5 minutos de duración de
las tormentas máximas.
Así mismo es menor el valor de intensidad para los períodos de retorno de 5 años y duración de
1440 minutos; periodos de retorno de 10 años y duración de 5 minutos y periodos de retorno de 5
años y duración de 5 minutos, por lo que estas requieren ser analizados mediante el punto de
quiebre, para obtener relaciones IDF más detalladas para cada intervalo de duración.
- 163 -
Tesis de Maestría
6. RECOMENDACIONES
En nuestro país, no existe una norma, para el diseño de obras hidráulicas para riego y drenaje
(canales, presas, diques, reservorios, qotañas), tampoco para el diseño hidrológico, por ello
para el cálculo de caudales de diseño, se recomienda emplear las relaciones IDF que nos
permiten proyectar las obras de manera preventiva ante precipitaciones extremas.
Por ello es necesario, plantear relaciones IDF para cada región como Altiplano, Valles, Llanos
y sus respectivas microrregiones y además realizar la debida actualización de la información en
función a los datos oficiales proporcionados por el SENAMHI.
En la obtención de las curvas IDF, se puede observar que existen puntos de quiebre definidos
para determinadas duraciones, por lo que se recomienda aplicar el método de criterios
adimensionales que nos permiten obtener curvas disgregadas para intervalos menores a 1 hora,
como una ampliación al procedimiento habitual que solo relaciona (Pd/P24) con la
precipitación de 24 horas. Estos criterios además de los estudiados como el procedimiento de la
curva tipo, están señalados en este trabajo para la obtención de curvas IDF relacionada con
información disponible por el National Resources Conservation Service (NRCS), antes, Soil
Conservation Service (SCS), sobre las curvas tipo.
La elaboración de las curvas Tipo Adimensional a partir de eventos de precipitación, deben ser
analizados para aquellas lluvias de corta duración pero gran intensidad o aquellas lluvias que
pertenezcan a una tormenta de larga duración y de menor intensidad.
Ya que, estos son muy importantes debido a que producen las descargas pico o máximas de
escorrentía, siendo, que la distribución de lluvias de esta naturaleza importante para analizar las
intensidades de precipitación máxima, bajo las frecuencias de diseño seleccionadas.
La utilidad de éstas relaciones IDF a corto plazo está en la aplicación a zonas que no cuentan
con información pluviográfica y para las estaciones cercanas que no cuenten con información
meteorológica, para ello se recomienda, analizar previamente las características hidrológicas y
climatológicas, ya que las cuencas tienen diferentes comportamientos a la precipitación y que
para aplicarse deberían tener cierta similitud en su configuración fisiográfica.
- 164 -
Tesis de Maestría
- 165 -
Tesis de Maestría
7. BIBLIOGRAFÍA
AMAYA M.R., LOPEZ C.M., SEOANE S. M., 2009. Tesis de Licenciatura: Curvas IDF para
diferentes categorías de Análisis. Facultad de Ingeniería. Universidad Mayor de San Andrés. La
Paz-Bolivia, 146 p.
ARCE, L. A. 1997. Tesis de Maestría: Estudo do uso de séries parciais e anuais na análise de
freqüência de chuvas intensas aplicando modelos de distribuição de probabilidade. Universidade
Federal do Ceará. Centro de Tecnologia. Fortaleza – Ceará Brasil 85 p.
BOTTEGA, A., HOOGENDAM, P. 2004. Obras de riego para zonas montañosas. Programa
Nacional de Riego (PRONAR). Cochabamba - Bolivia.
BULLÓN MATA, T. 2012. Avenidas Fluviales y Precipitaciones en las Cuencas de los Ríos
Jarama-Tajo al final del Siglo XVI. Departamento de Geografía. Universidad Autónoma de
Madrid. Boletín de la Asociación de Geógrafos Españoles N.º 60 - 2012, págs. 77-90.
CAMPOS, A. D. 1998, Procesos del Ciclo Hidrológico. Editorial Universitaria Potosina. San
Luis Potosí. México, 3ª impresión. México.
COLLADON, L.; FELICI, G.; CAAMAÑO N., G.; BARBEITO O. 2007. Complementación
de procedimientos geomorfológicos e hidrológicos para identificar umbrales de inundación. En
Tercer Simposio Regional sobre Hidráulica de Ríos. Córdoba-Argentina. 2p
CUÉ PÉREZ, G. 2000. Cálculo de Caudales de Avenida En La Cuenca del Río Pas (Cantabria).
Departamento de Ciencias y Técnicas del Agua y del Medio Ambiente. Universidad de
Cantabria.
- 166 -
Tesis de Maestría
CHOW, V.; MAIDMENT, D.; MAYS, L. 1994. Manual de Hidrología Aplicada. Santafé de
Bogotá, Colombia: Mc Graw-Hill. 584 p.
DEPETTRIS, C. A.; PILAR, J.V. s.f. Estudio de curvas IDF para el Area Metropolitana del
Gran Resistencia. Departamento de Hidráulica - Facultad de Ingeniería UNNE. Resistencia
Chaco-Argentina. 4p.
DUFILHO, A.C.; HORNE, F.; NAVEDO, R. & POLLA, G. 2001. Diseño de obras de
control de aluviones basada en simulación de procesos hidrológicos torrenciales en cuencas de la
Patagonia. Revista Brasileira de Engenharia Agrícola e Ambiental, v.5, n.2, p.198-203.
Universidad Nacional del Comahue. (UNC). Argentina. http://www.agriambi.com.br
GONZÁLEZ. S., A.; JUÁREZ, A.; LOZA R., L. 2008. Curvas de Intensidad, Duración y
Periodo de Retorno como Herramienta de Análisis en la Prevención de Riesgos por
Precipitaciones Intensas en la Zona Metropolitana de Guadalajara. http://sincronia.cucsh.udg.mx.
GOMEZ G., M. 2006. Aplicaciones SIG en el Estudio Hidrológico e Hidráulico del Río
Chapare para el Puente Alfonso Gumucio. Tesis de Grado – Universidad Privada Boliviana.
Cochabamba – Bolivia. 15 p.
GUEVARA PÉREZ, E.; CARBALLO, N. 2008. Modelo IDF regional para el estado Cojedes.
Venezuela. Facultad de Ingeniería. Revista Ingeniería UC. Vol. 15, No 3, 53-63.
- 167 -
Tesis de Maestría
ONTIVEROS M., M.A. 2000. Optimización de la red hidrológica básica bajo los escenarios del
cambio climático en la República de Bolivia. Resumen de la Tesis Doctoral en Ciencias
Técnicas. Universidad Estatal Hidrometeorológica de Rusia. San Petersburgo. 26p
- 168 -
Tesis de Maestría
PEREYRA, D., PEREZ J., GÓMEZ L. 2004. Ecuaciones que estiman las curvas intensidad-
duración-periodo de retorno de la lluvia. GEOS. México.
QUEZADA, LUCIO NEL. 2005. Estadística con SPSS 14. Empresa Editora Macro E.I.R.L.
Lima – Perú.
RAMIREZ, E.; MENDOZA, J.; SALAS, E.; RIBSTEIN, PIERRE. 1955. Régimen espacial
y temporal de las precipitaciones en la cuenca de La Paz. Búll. Inst. Fr. Études andines. 24(3):
391-401. Instituto de Hidráulica e Hidrología. La Paz – Bolivia.
ROCHA OLIVIO, O., 2002. Diagnóstico de los Recursos Naturales y Culturales de los Lagos
Poopó y Uru Uru, Oruro- Bolivia. Convención Ramsar, WCS/Bolivia. La Paz- Bolivia.
ROCHE, M. A.1993. El clima de Bolivia. ORSTOM, B.P. 5045, 34032 Montpellier, Francia.
Programa hidrológico y climatológico de la cuenca Amazónica de Bolivia. La Paz - Bolivia
- 169 -
Tesis de Maestría
VÁSQUEZ, A.; VÁSQUEZ, R. I. & VILCHEZ, O. G. 2009. Principios básicos del riego.
Instituto Internacional de Riegos. Lima – Perú. 353 p.
- 170 -
Tesis de Maestría
ANEXO 1
- 171 -
Tesis de Maestría
- 172 -
Tesis de Maestría
- 173 -
Tesis de Maestría
- 174 -
Tesis de Maestría
- 175 -
Tesis de Maestría
- 176 -
Tesis de Maestría
- 177 -
Tesis de Maestría
- 178 -
Tesis de Maestría
- 179 -
Tesis de Maestría
- 180 -
Tesis de Maestría
- 181 -
Tesis de Maestría
- 182 -
Tesis de Maestría
- 183 -
Tesis de Maestría
- 184 -
Tesis de Maestría
- 185 -
Tesis de Maestría
- 186 -
Tesis de Maestría
- 187 -
Tesis de Maestría
- 188 -
Tesis de Maestría
- 189 -
Tesis de Maestría
- 190 -
Tesis de Maestría
- 191 -
Tesis de Maestría
- 192 -
Tesis de Maestría
- 193 -
Tesis de Maestría
- 194 -
Tesis de Maestría
- 195 -
Tesis de Maestría
ANEXO 2
- 196 -
Tesis de Maestría
- 197 -
Tesis de Maestría
- 198 -
Tesis de Maestría
- 199 -
Tesis de Maestría
ANEXO 3
- 200 -
Tesis de Maestría
GRAFICAS SHERMAN
5 35,52% 23,39% 32,12% 0,10% 62,63% 17,37% 18,12% 15,75% 43,37% 9,63% 18,66%
25 77,10% 10,87% 3,38% 23,31% 44,28% 17,70% 18,57% 16,09% 27,89% 32,05% 2,76%
50 104,35% 32,55% 25,99% 39,29% 32,14% 40,06% 42,19% 36,41% 17,95% 58,01% 5,71%
1,50
1,40 T5
1,30
T25
1,20
V T50
1,10
A
1,00
R
0,90
%
0,80
0,70
x
0,60
0,50
1 0,40
0 0,30
0 0,20
0,10
0,00
- 201 -
Tesis de Maestría
150,00%
140,00%
130,00%
120,00%
Chuquiña
110,00%
Andamarca
100,00%
Turco
90,00%
Coipasa
VAR %
80,00%
Culta
70,00%
Quillacas
60,00%
Todo santos
50,00% Chillca
40,00% Uyuni
30,00% Salinas
20,00% El Alto
10,00%
0,00%
0 25 50 75 100
T (años)
120,00%
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
CHILLCA
UYUNI
TURCO
EL ALTO
COIPASA
QUILLACAS
TODOS SANTOS
ANDAMARCA
SALINAS
CULTA
CHUQUIÑA
- 202 -
Tesis de Maestría
GRAFICAS BERNARD
5 35,91% 23,01% 31,85% 1,07% 62,38% 17,00% 17,38% 15,17% 43,17% 9,19% 18,45%
25 77,61% 11,43% 3,78% 24,51% 43,91% 18,23% 19,64% 16,89% 27,64% 32,69% 2,53%
50 104,93% 33,22% 26,47% 40,64% 31,70% 40,69% 43,47% 37,35% 17,68% 58,77% 5,99%
1,50
1,40 T5
1,30
T25
1,20
V T50
1,10
A
1,00
R
0,90
%
0,80
0,70
x
0,60
0,50
1
0,40
0 0,30
0 0,20
0,10
0,00
- 203 -
Tesis de Maestría
100,00% Coipasa
VAR %
90,00% Culta
80,00%
Quillacas
70,00%
Todo
60,00% Santos
50,00% Chillca
40,00% Uyuni
30,00% Salinas
20,00%
10,00%
0,00%
0 25 50 75 100
T (años)
150,00%
140,00%
130,00%
120,00%
110,00%
100,00%
90,00%
80,00%
70,00%
60,00%
50,00%
40,00%
30,00%
20,00%
10,00%
0,00%
UYUNI
TURCO
EL ALTO
COIPASA
QUILLACAS
TODOS SANTOS
ANDAMARCA
SALINAS
CULTA
CHILLCA
CHUQUIÑA
- 204 -