Vous êtes sur la page 1sur 20

Hidrológico Ciencias Diario

ISSN: 0262-6667 (Print) 2.150-3435 página de inicio (en línea) Diario: http://www.tandfonline.com/loi/thsj20

Predicción de las curvas diarias de caudales y los caudales de


las cuencas no aforadas utilizando las curvas de duración de
flujo regional

YUSUF M. Mohamoud

Para citar este artículo: YUSUF M. Mohamoud (2008) Predicción de curvas de duración de flujo diario y caudal para cuencas no
aforadas utilizando curvas de duración de flujo regionales, Ciencias Hidrológicas Journal, 53: 4, 706-724, DOI: 10.1623 /
hysj.53.4.706

Para enlazar a este artículo: https://doi.org/10.1623/hysj.53.4.706

Publicado en línea el 18 enero de 2010.

Enviar su artículo a esta revista

vistas del artículo: 2739

Citando artículos: 59 Ver citar artículos

Términos y condiciones de acceso y uso completos se pueden encontrar en


http://www.tandfonline.com/action/journalInformation?journalCode=thsj20
706 Hidrológico Sciences-Journal-des Sciences Hydrologiques, 53 ( 4) Agosto de 2008

Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas
utilizando las curvas de duración de flujo regional

YUSUF M. Mohamoud
Laboratorio Nacional USEPA Exposición de Investigación, 960 College Station Road, Athens, Georgia, EE.UU.
mohamoud.yusuf@epa.gov

Resumen Se presenta un método para predecir la curva de caudales (CDF) y el caudal de las cuencas no aforadas en la región del Atlántico
Medio, EE.UU.. Veintinueve cuencas fueron seleccionados de la Meseta de los Apalaches, Ridge y Valle, y las provincias fisiográficas Piedmont
para desarrollar y probar el método propuesto. Utilizando un análisis de regresión múltiple paso a paso, el paisaje y el clima descriptores
dominantes eran modelos fied y regionales identidades FDC fueron desarrollados para cada provincia. rendimiento predictivo del método
propuesto se estimó utilizando datos de tres sitios de evaluación que no se incluyeron en la estimación de los parámetros de los modelos
regionales FDC. Los resultados de este estudio muestran que el clima y geomorfológicas descriptores influyen fuertemente en la hidrología de la
meseta de los Apalaches y algunas zonas de captación Ridge y Valle, Considerando que el suelo y los descriptores geomorfológicas influir
fuertemente en la hidrología del Piamonte y algunas zonas de captación Ridge y Valle. valores de caudales calculados por el método de relación
de área de drenaje y los reconstruida por el método FDC se compararon con los valores de caudal observados. Los resultados indican que el
método basado en la FDC muestra una gran promesa para la predicción de caudales en cuencas no aforadas.

palabras clave fluir curva de duración; cuencas no aforadas; caudal; transferencia de datos

Prévision de courbes de sobre venta Clase de TE de débit fluvial verter des bassins de vertientes no jaugés à l'aide de courbes de sobre venta classés
Régionales Currículum Une est méthode pour la present prévision de courbes de sobre venta clases (CDC) y de débit fluvial verter des bassins de vertientes no
jaugés de la región del Atlántico Centro-des Etats-Unis. Vingt neuf bassins de vertientes ont été sélectionnés au sein des provincias physiographiques du Plateau, de
la Chaîne, de la Vallée et du Piedmont Appalachiens afin de Développer et de probador de la méthode proposée. A l'aide d'une analyse par de regresión múltiple pas
à pas, les Descripteurs paysagers et climatiques dominantes ont été identifica et des Modèles régionaux de CDC ont été développés verter provincia chaque. La
desempeño de Previsión de la méthode proposée a été estimée grâce aux données de trois sitios d'evaluación no prises en compte pour l'estimación des paramètres
des Modeles régionaux de CDC. Les résultats de cette étude montrent Que les Descripteurs climatiques et géomorphologiques influencent fortement l'hydrologie des
Bassins du Plateau et quelques de Bassins de la Chaîne et de la Vallée, alors Que les Descripteurs pédologiques et géomorphologiques influencent fortement
l'hydrologie des Bassins du Piedmont et de certains Bassins de la Chaîne et de la Vallée. Les valeurs de sobre venta calculées par la méthode du relación de l'Aire
de drenaje et les valeurs reconstruites par la méthode basée sur les CDC ont été comparées avec les valeurs de débit observées. Les résultats indiquent Que la
méthode basée sur les CDC est prometteuse verter La Previsión de débit en bassin no jauge. alors Que les Descripteurs pédologiques et géomorphologiques
influencent fortement l'hydrologie des Bassins du Piedmont et de certains Bassins de la Chaîne et de la Vallée. Les valeurs de sobre venta calculées par la méthode
du relación de l'Aire de drenaje et les valeurs reconstruites par la méthode basée sur les CDC ont été comparées avec les valeurs de débit observées. Les résultats
indiquent Que la méthode basée sur les CDC est prometteuse verter La Previsión de débit en bassin no jauge. alors Que les Descripteurs pédologiques et
géomorphologiques influencent fortement l'hydrologie des Bassins du Piedmont et de certains Bassins de la Chaîne et de la Vallée. Les valeurs de sobre venta
calculées par la méthode du relación de l'Aire de drenaje et les valeurs reconstruites par la méthode basée sur les CDC ont été comparées avec les valeurs de débit
observées. Les résultats indiquent Que la méthode basée sur les CDC est prometteuse verter La Previsión de débit en bassin no jauge.

Mots claves courbe sobre venta clases; bassins de vertientes no jaugés; fluviatile de débito; transfert de données

INTRODUCCIÓN

Las interacciones complejas entre las entradas de precipitación y las características del paisaje, tales como la geología, suelo, topografía y la
vegetación, tienen una influencia en las respuestas hidrológicas (McNamara et al.,
1998; Post & Jones, 2001). De hecho, uno puede ver respuesta hidrológica como un indicador de cómo de captación transferir
entradas precipitación en caudal. entradas de precipitación, en particular la lluvia y nieve, son ampliamente reconocidos como
factores que controlan las respuestas hidrológicas forzando. Estos descriptores hidrometeorológicos importantes se utilizan como
variables de entrada en muchos modelos hidrológicos. Sin embargo, las técnicas para identificar y cuantificar los descriptores paisaje
que influyen fuertemente en respuesta hidrológica a escala de cuenca aún faltan. Para cuantificar la relación entre las características
de las cuencas hidrológicas y los descriptores, muchos investigadores han desarrollado índices individuales tales como caudal
medio anual (Reimers, 1990), el índice del flujo de base (Nathan y McMahon, 1990; Lacey y Grayson, 1998), Q 95 ( Laaha y Blöschl,
2007), la relación de escorrentía (Berger & Entekhabi, 2001), y la recesión caudal base características de la curva (Zecharias y
Brutsaert, 1988).

Predicción de series de tiempo de caudales continua siendo incierto (Wagener y Wheater,


2006), aunque se han hecho progresos para predecir índices como el caudal medio anual o extrema

Abierto a la discusión hasta el 1 de febrero de 2009 Derechos de autor 2008 AICH Press
Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 707

valores de flujo. Sin embargo, la curva de caudales completas pueden proporcionar informa- ción más útil y detallada de estos
índices. la curva de caudales (CDF) incorporan la relación entre la frecuencia y la magnitud de los caudales (Vogel & Fennessey,
1995). También integran la com- impactos combinada de clima, la geología, geomorfología, suelos y vegetación, así como la
regulación del flujo por las presas y desvíos; que son, por lo tanto, útil en la comparación de características de la escorrentía de las
diferentes áreas de uso del suelo en la escala de captación (Linsley et al., 1949; Searcy 1959; Pearce, 1990; Sugiyama

et al., 2003). En general, FDCs ordenar datos de caudal desplazando altos flujos con señales de alta precipitación a un extremo de la
curva, medio fluye a la mitad, y los flujos bajos (presumiblemente con señales de baja de precipitación) en el otro extremo de la curva.
De acuerdo con Fennessey y Vogel (1990), FDC aplicaciones deben limitarse a los problemas en los que la naturaleza secuencial del
flujo racionalizado no es importante, reconociendo de este modo las limitaciones de FDC para cuestiones muchas operaciones de los
embalses. Castellarin et al. ( 2004) revisaron los enfoques de regionalización para predecir CDF y clasifican estos procedimientos de
estimación estadística en (Leboutillier y Waylen, 1993; Yu y Tang, 2000; Singh

et al., 2001; Yu et al., 2002; Croker, et al., 2003; Claps et al., 2005), paramétrico (Quimpo et al.,
1983; Mimikou y Kaemaki, 1985) y aproximaciones gráficas (Smakhtin et al., 1997). El enfoque que aquí se presenta se diferencia de otros enfoques FDC en la

literatura científica de varias maneras. En primer lugar, emplea descriptores paisaje de clima extensas, incluyendo los descriptores de suelo de las dos capas

superiores, como variables explicativas, mientras que los estudios anteriores utilizan un número mucho menor descriptores. En segundo lugar, muchos de los

estudios anteriores predijeron sólo unos flujos de percentiles que representan los flujos bajos, o se utiliza el mismo conjunto de parámetros para estimar los flujos de

diferentes percentiles. En tercer lugar, este estudio no sólo se centra en la estimación de CDF y los caudales de las cuencas no aforadas, sino que también identifica

los descriptores paisaje de clima durante 15 flujos de percentiles. En cuarto lugar, este estudio presenta un método para volver a construir a partir de los caudales

CDF utilizando un esquema secuencial de generación en lugar del método polación inter-espacial propuesto por Hughes & Smakhtin (1996). Y finalmente, vistas

estudio observó datos de series temporales del caudal como una combinación de la magnitud del caudal y secuencia. La FDC es predominantemente una

representación de la componente de magnitud; que no tiene componente de secuencia de tiempo. A la inversa, el componente de secuencia de caudal no tiene

ninguna magnitud; que sólo da componente magnitud del FDC su secuencia de tiempo. Especificación de la componente de secuencia es esencial para la

conversión sion de un FDC en una serie completa de tiempo de caudales. El objetivo de este estudio es desarrollar y probar un método para predecir las curvas de

duración de flujo y caudal de las cuencas no aforadas. el componente de secuencia de caudal no tiene ninguna magnitud; que sólo da componente magnitud del

FDC su secuencia de tiempo. Especificación de la componente de secuencia es esencial para la conversión sion de un FDC en una serie completa de tiempo de

caudales. El objetivo de este estudio es desarrollar y probar un método para predecir las curvas de duración de flujo y caudal de las cuencas no aforadas. el

componente de secuencia de caudal no tiene ninguna magnitud; que sólo da componente magnitud del FDC su secuencia de tiempo. Especificación de la

componente de secuencia es esencial para la conversión sion de un FDC en una serie completa de tiempo de caudales. El objetivo de este estudio es desarrollar y probar un método para predec

MÉTODO

Descripción Área de estudio y conjuntos de datos

La región de estudio cubre la meseta de los Apalaches, Ridge y Valle, y las provincias fisiográficas Piedmont de Maryland,
Pennsylvania, Virginia y Virginia Occidental (Fig. 1). Esta región de estudio ofrece una oportunidad para que los estudios
hidrológicos comparativos debido a sus marcadas diferencias en la geomorfología, la vegetación, el suelo y la geología roca
madre. Fenneman (1938) clasifica la región del Atlántico Medio en varias provincias fisiográficas que tienen las
características del paisaje casi similares. En este estudio, la provincia fisiográfica se utilizó como base para la agrupación de
las 29 cuencas de cabecera en tres grupos. Alrededor del 31% de estos se encuentra en la meseta de los Apalaches, el
38% están en la cresta y valle, y el 31% están en el Piamonte.

La Tabla 1 enumera las provincias fisiográficas, áreas de drenaje, sistemas fluviales importantes e información sobre si los datos de
una cuenca particular, se utilizaron para la estimación de parámetros, el desarrollo del modelo de flujo de percentil, o la evaluación del
modelo. Todas las 29 cuencas fueron seleccionados de la US Geological Survey (USGS) hidroclimáticos Red de Datos (Hcdn) (Slack y
Landwehr, 1992). La mayoría de las zonas de captación tienen un alto porcentaje de la cubierta forestal y trastornos inducidos por el
hombre limitadas, tales como la urbanización y la regulación del flujo. Soil, uso de la tierra, la cubierta vegetal y parámetros
geomorfológicas fueron extraídos de las bases de datos del sistema de información geográfica (GIS) para cada cuenca. datos
geomorfológicas se extrajeron de modelo de elevación digital (DEM) bases de datos y el suelo

Derechos de autor 2008 AICH Press


708 Yusuf M. Mohamoud

Figura 1 Localización de las cuencas de estudio.

descriptores fueron extraídos de las bases de datos de suelo estado digital Geográfica (STATSGO). Los datos climáticos y caudal también
fueron compilados para cada cuenca. La tabla 2 enumera todo el paisaje, el clima y la hidrología descriptores desarrollados.

uso de la tierra y los descriptores de cobertura terrestre tipos de bosques dominantes en la región de estudio son de hoja caduca,
mezclado y de hoja perenne. En las zonas montañosas de la meseta de los Apalaches y Ridge y tos Valley Catch, bosque de hoja caduca es el tipo
dominante. En las cuencas bajas Ridge y Valle, bosque mixto es dominante. En la provincia de Piedmont, el tipo de bosque dominante es de hoja
perenne. uso de la tierra y los datos de cobertura del suelo se obtuvieron de los EE.UU. EPA Ciencia Evaluación Mejor Integración Point y fuentes no
puntuales (cuencas) uso de la tierra y la base de datos de cobertura del suelo (USEPA, 2004). Los datos reflejan las condiciones de cobertura del
suelo existentes desde mediados de la década de 1970 hasta principios de 1980. Algunos de los descriptores cuantitativos de uso del suelo incluido
porcentaje de cubierta forestal. La cubierta forestal influye en importantes pro- cesos hidrológicos como la interceptación de la lluvia y la
evapotranspiración, pero descriptores clima puede enmascarar su influencia.

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 709

tabla 1 cuencas de estudio organizados por provincia fisiográfica y el sistema de río principal con información adicional sobre el área de drenaje, y si
utilizan para la estimación de parámetros o la evaluación del modelo. Identificación de captación
Mayor área de drenaje de las cuencas hidrográficas período de datos de registro utilizadas para la estima-
(km 2) ción (E) o la prueba (T)

Meseta de los Apalaches:

1 River Greenbrier Ohio 1598.00 1980-2000 mi


2 Little Mahoning Creek, PA Ohio 226.26 1980-2000 T
3 Little Shenango Creek, PA Ohio 269.36 1980-2000 mi
4 West Branch Clarion Creek, PA Ohio 163.00 1980-2000 mi
5 joven Womans Creek, PA susquehanna 119,65 1980-2000 mi
6 Pine Creek, PA susquehanna 563,68 1980-2000 mi
7 blocao Creek, PA susquehanna 97.60 1980-2000 mi
8 Towanda Creek, PA susquehanna 556,61 1980-2000 mi
9 Lehigh River, PA Delaware 237,40 1980-2000 mi

Cresta y valle:
10 Wallopen Creek, PA susquehanna 115.39 1980-2000 mi
11 Marsh Creek, PA susquehanna 114,17 1980-2000 mi
12 Little River Juniata, Pensilvania susquehanna 569,55 1980-2000 mi
13 Sherman Creek, PA susquehanna 517,78 1980-2000 mi
14 Back Creek, Virginia Occidental Potomac 629,10 1965-1975 mi
15 Cacapon River, Virginia Occidental Potomac 1752.67 1980-1995 mi
16 rama del sur de Potomac, Virginia Occidental Potomac 3808.24 1980-2000 mi
17 Patterson Creek, WV Potomac 566,96 1980-2000 mi

18 SF Shenandoah, VA Potomac 4250.94 1980-2000 mi


19 Bullpasture River, VA James 284,78 1980-2000 mi

20 Johns Creek, VA James 269,24 1980-2000 T


Piamonte:
21 Holiday Creek, VA James 23.30 1980-2000 mi

22 Pizarra River, VA James 585,09 1980-1995 mi


23 Hardware River, VA James 300,31 1980-1995 mi

24 Robinson Creek, VA rappahannock 463,40 1980-2000 T


25 Hazel Creek, VA rappahannock 743,40 1980-2000 mi
26 Seneca Creek, MD Potomac 261.50 1980-2000 mi
27 Bennett Creek, MD Potomac 162,60 1980-2000 mi
28 Deer Creek, MD susquehanna 244,39 1980-2000 mi
29 Tulpehocken Creek, PA Delaware 546,25 1980-2000 mi

PA: Pennsylvania; Virginia Occidental: West Virginia; VA: Virginia; MD: Maryland.

descriptores geomorfología SIG herramientas de análisis espacial se utilizan para extraer las medidas cuantitativas de
parámetros geomorfológicos de datos DEM obtenidos de la página web http://edc.usgs.gov/geodata USGS. Para las grandes
cuencas de estudio, varias coberturas digitales se fusionaron para cubrir toda el área. Todos los descriptores geomorfológicas
extraídos de los datos DEM de 30 m USGS fueron utilizados para desarrollar las relaciones entre paisaje, el clima y la hidrología
descriptores (tabla 2). La mayoría de los descriptores geomophological describen las características de captación, de canal, o de la
red de drenaje.

descriptores de suelos Las herramientas de análisis SIG disponibles dentro del sistema de modelado CUENCAS (USEPA,

2004) se utilizaron para extraer propiedades generalizadas de suelo de datos STATSGO (USDA, 1993). Para cada cuenca estudio, se
extrajeron los descriptores de las dos capas superiores del perfil del suelo. En general, los suelos de la región del Atlántico varían debido a
su posición topográfica en el paisaje y la geología lecho de roca subyacente. Por ejemplo, Ridge y Valle del canto cuencas dominadas por
tener suelos derivados de piedra arenisca y el lecho de roca de esquisto, pero cuencas del valle dominado por tener suelos derivados de
piedra caliza y pizarra. En contraste, la mayoría de los suelos que se encuentran en la provincia Meseta de los Apalaches formado a partir
de glacial hasta depósitos, y los suelos encontrados en la provincia Piedmont se derivan de rocas metamórficas. Para obtener propiedades
representativas de suelos para cada cuenca estudio, los descriptores de suelo ponderados espacialmente, d, sobre cada uno de captación
se calcula como la suma de la

Derechos de autor 2008 AICH Press


710 Yusuf M. Mohamoud

Tabla 2 Lista de paisaje, el clima y la hidrología descriptores. Símbolo

Descripción de la variable Unidades

el uso y cobertura del suelo:

AGRC Agricultura %
URBN Urbano %
FRSD Bosque caducifolio %
FRST bosque mixto %
FRSE bosque siempre verde %
geomorfología:
HMIN elevación mínima metro
HMAX elevación máxima metro

HAVG elevación media metro


HMED La mediana de elevación metro
BREL el alivio de la cuenca metro
RRAT relación de desahogo m / km
SAVG inclinación m / km
SMED La mediana de la pendiente m / km
MCSL longitud del canal corriente principal km
TChl La longitud total de las corrientes km
CSLP pendiente del canal principal m / km
DDEN densidad de drenaje km / km 2
ATREVIMIENTO Área de drenaje km 2
HPC10 Proporción de altura curva hipsométrica correspondiente a la proporción área = 0.1
HPC50 Proporción de altura curva hipsométrica correspondiente a la proporción área = 0,5

Suelo: (Dos capas superiores; sufijos 1 y 2 se refieren a las capas 1 y 2)

STDP La profundidad total del suelo mm


VENDIDO 12 La profundidad del suelo de las capas uno y dos mm
AWC 12 Disponible capacidad de agua mm
KSAT 12 conductividad hidráulica saturada mm / h
KEFC conductividad hidráulica efectiva (profundidad ponderada para las capas 1 y 2) mm / h
SBLD 12 densidad aparente g / cm 3
SORC 12 contenido de carbono orgánico %
ARCILLA l2 Arcilla %
LIMO 12 Limo %
ARENA 12 Arena %
ROCK 12 fragmento de roca %
AWCR Disponible relación de capacidad de agua mm / mm
STOR 12 almacenamiento de humedad Disponible mm
TSTOR almacenamiento total de ambas capas mm
SDRA relación de profundidad (capa 2 / capa 1) mm / mm

Geología:

DLIT litología dominante (cualitativo)


BFI índice de caudal base obtenidos por separación hidrograma de caudal diario

Clima:
MAPA La media de precipitación anual para el período de registro mm
MMP la precipitación media mensual para el período de registro (12 meses) mm
(Para agosto -
AUGPREC)
MASCOTA La media de la evapotranspiración potencial anual para el período de registro mm
MPET mm
(Para agosto -AUGPET) La media de evapotranspiración potencial mensual para el período de registro (12 meses)
PET / PREC La media de índice de sequedad anual para el período de registro mm / mm

Hidrología: Q pag ( por ejemplo,

para p = 0,1%, flujo percentil Normalizado igualó o excedió pag% del tiempo, donde L s- 1 km- 2
Q 1) p = 0,1, 0,5, 1, 5, 10, 20, 30, 40, 50, 60, 70, 80, 90, 95, 99%.

producto de promedios de área ponderado determina dividiendo el área cubierta por cada serie de suelos por el área total de la totalidad de la zona de
captación y los valores de los parámetros específicos de cada serie de suelos.

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 711

descriptores lecho de roca geología Dos tipos de rocas grandes cubren el área de estudio: consolidado cristalina y
consolidado a no consolidado sedimentarias. rocas cristalinas que se encuentran en la provincia fisiográfica de Piedmont consisten
en rocas metamórficas. Meseta de los Apalaches y las provincias del valle Ridge y se han consolidado a rocas sedimentarias no
consolidadas que consisten en piedra arenisca, limolita y pizarra (USGS, 1992). propiedades geológicas litológicas y estructurales
que influyen en la respuesta hidrológica de una cuenca (Maxey, 1964), pero ningún descriptor de lecho de roca geología
cuantitativa se extrajo para cada cuenca. En ausencia de un descriptor de roca de fondo geología, índice de flujo de base se usó
como un sustituto. índice de caudal base se determinó utilizando un separación del caudal base y técnica de análisis de recesión
automatizado (Arnold et al., 1995). Algunas inferencias sobre descriptores geológicos también se hicieron a partir de datos
cualitativos geología lecho de roca extraídos de mapas digitales del USGS (Shruben et al., 1998).

descriptores del clima Un problema que dificulta la identificación de descriptores paisaje a escala de cuenca es el predominio
de precipitación en respuesta hidrológica a escalas de tiempo cortas y el dominio de evapotranspiración a escalas de tiempo más
largos, es decir, periodos entre los días de lluvia. Estas máscaras de dominancia cualquier influencia de los descriptores del paisaje,
por lo que la identificación de importantes descriptores paisaje más difícil. La eliminación de las señales de precipitaciones a corto
plazo de las series de tiempo de caudales ofrece una manera de ajustar por la influencia del clima y, por lo tanto, para identificar los
descriptores paisaje dominante. Estos descriptores del clima a largo plazo incluyen precipitación anual media (MAP), la
evapotranspiración potencial anual (PET), significa que la evapotranspiración potencial mensual (MPET), precipitación media mensual
(MMP) y el índice anual y mensual sequedad se describe como la relación de evapotranspiración potencial de precipitación (PET /
MAP o MPET / MMP) (Budyko, 1974; Milly, 1994) significa. Para cada captación, evapotranspiración potencial se estimó con la
ecuación de Hamon (1961). Los datos climáticos se obtuvieron del Centro Nacional de Datos Climáticos en Asheville, Carolina del
Norte y la base de datos CUENCAS (USEPA, 2004).

descriptores hidrológicos Un reto importante en el desarrollo de paisaje con el clima y las relaciones hidrológicas
descriptor se debe a la selección de descriptores hidrológicas representativas. En este estudio, el FDC, que integra el paisaje
con el clima y las influencias hidrológicas, fue seleccionado como el descriptor hidrológico. Para la mayoría de las cuencas, el
período de registro fue desde 1980 hasta 2000 (Tabla 1). Las combinaciones de dosis fijas son periodo de-registro o compuesto,
y reflejan las respuestas hidrológicas integradas de las cuencas de estudio durante ese período. A FDC normalizada se
construyó a partir datos de caudal normalizados (L s- 1 km- 2), y los porcentajes de rebasamiento de flujo 15 percentil (Tabla 2)
fueron seleccionados de la normalizado FDC para cada cuenca. A lo largo de este documento, estos 15 puntos fijos en la FDC
se denominan flujos como percentiles. Cada uno representa un segmento de la curva de duración de flujo y aproximadamente
estos 15 puntos definen la forma de la FDC (Fig. 2). La Figura 3 ilustra los componentes del balance hídrico de las cuencas de
los tres provincias fisiográficas. Como se muestra en la Fig. 3, la elevación de captación parece tener una fuerte influencia en
los procesos hidrológicos importantes. De gran altitud cuencas Meseta de los Apalaches tienen hidrogramas anuales con los
picos más altos que los de la cresta y valle mientras que las cuencas del valle Ridge y tienen hidrogramas anuales con picos
superiores a los de las cuencas Piedmont.

Análisis de los datos

Se utilizó un enfoque de análisis de datos secuencial que consta de los siguientes pasos: (1) construcción de FDCs normalizados a partir
de datos de series de tiempo de caudales diarios para cada cuenca estudio; (2) seleccionar los 15 puntos de flujo percentil de la
normalizado FDC; (3) identificar descriptores paisaje-climáticos que son buenos indicadores de flujo percentil utilizando un método de
regresión paso a paso; (4) construir modelos de flujo percentil regionales para la Meseta de los Apalaches, Ridge y Valle, y en la provincia
de Piamonte; (5) probar el método mediante la predicción de los 15 flujos de percentiles para los sitios de evaluación no aforadas,
reconstruir FDCs completas para los sitios de evaluación no aforadas, y luego reconstruir series de tiempo del caudal de las FDCs
reconstruidas para los sitios de evaluación no aforadas; y, por último, (6) evaluar la

Derechos de autor 2008 AICH Press


712 Yusuf M. Mohamoud

Fluya curva de duración Q0.1 Q0.5 Q1


Q5 Q10 Q20 Q30
Q40 Q50 Q60 Q70
Q80 Q90 Q95 Q99
streamflow

Porcentaje de tiempo de flujo igualado o execeeded

12.40%

16.50%

21,20%

24.80%

29.70%

33.00%

37.40%

42.10%

45.40%

49.50%

53.90%

57.70%

62.40%

66.30%

70.90%

74.80%

78.30%

83.30%

89.60%

90.70%

95.10%

99,20%
0.00%

4,20%

8,30%

1000
caudal normalizado, curva de duración, y el percentil

100
flujos

10

1
01/01/1975

02/01/1975

03/01/1975

04/01/1975

05/01/1975

06/01/1975

07/01/1975

08/01/1975

09/01/1975
01/10/1974

01/11/1974

01/12/1974

Día

Figura 2 Las relaciones entre curva de duración de flujo normalizado, caudal diario y los puntos de flujo 15 percentil ( Q 0.1 a Q 99) generado a
partir de una sola series temporales de datos de caudal años.

140.00

La precipitación de una cuenca típica

Caudal para una meseta típica de los Apalaches

120.00
El caudal de un típico canto canto dominada y Valle

Caudal para una típica Piedmont

100.00 La evapotranspiración potencial de una cuenca típica


componentes del balance de agua (mm)

80.00

60.00

40.00

20.00

0.00
O norte re J F METRO UNA METRO J J UNA S

Fig. 3 componentes regionales del balance hídrico.

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 713

rendimiento de predicción del método mediante la comparación de FDCs reconstruidas y caudal con FDCs observados y datos de
series temporales del caudal.

Construcción de FDCs normalizados A FDC normalizada se construyó a partir del caudal diario normalizado para cada
cuenca estudio, siguiendo la fórmula trazado de Weibull (Sugiyama et al., 2003) ( p = r / (N + 1) 100), donde pag es el porcentaje
de tiempo que un flujo dado es igualado o superado, norte es el número total de puntos de datos en el período de registro, y r es
el rango asignado a cada valor de caudal en el período de registro.

La Figura 2 ilustra cómo normalizada caudal diario, FDC y los flujos de percentiles están relacionados, y donde cada
punto de flujo percentil cruza el caudal diario y el FDC. En concreto, se ilustra cómo esta relación facilita la reconstrucción
de FDCs y series de tiempo el caudal del 15 predijo puntos de flujo de percentiles.

Identificación de descriptores paisaje de clima Cada modelo regional FDC consta de 15 flujos de percentiles.
Conceptualmente, cada flujo de percentil representa un segmento diferente de la FDC. El enfoque propuesto subdivide datos de series
temporales de caudal en segmentos con magnitudes casi similares, desarrollando así modelos separados con parámetros
independientes para cada segmento de la mayor parte del tiempo.

Un método de regresión por etapas identifica los descriptores paisaje-climáticos que influyen fuertemente en los procesos
hidrológicos dominantes de los diferentes segmentos. Los datos de descriptor de paisaje de clima descritos en la Tabla 2 se utilizaron
como variables independientes y se utilizaron los 15 flujos de percentil que representan segmentos específicos de la FDC como
variables dependientes. La ecuación (1) relaciona cada flujo de percentil para los descriptores de paisaje y clima como:

CBN
Q hacha
x
1 2
(1)

dónde Q norte es el flujo percentil área normalizada drenaje expresa como L s- 1 km- 2; a, b y do son coeficiente y exponentes,
respectivamente; y X 1 y X 2 son los descriptores del paisaje y del clima, respectivamente. Se empleó una estructura modelo
multiplicativo similares a los presentados por Nathan y McMahon (1990) y Vogel y Kroll (1992) para representar cada flujo
percentil. La estructura del modelo multiplicativa se seleccionó debido a que ha sido ampliamente utilizado para desarrollar
relaciones entre los índices específicos de flujo, tales pico y flujos bajos y descriptores de captación. Un enfoque jerárquico que
comienza con un análisis de la matriz de correlación de variables independientes, seguido de un análisis de la matriz de
correlación de la las variables dependientes e independientes, seguido por análisis de regresión paso a paso y terminando con
el desarrollo de la ecuación (1) utilizando se empleó un método de regresión no lineal.

El método por etapas buscó descriptores paisaje de clima para seleccionar predictores de flujo percentil adecuados sobre
la base de criterios de entrada y de eliminación de variables preseleccionadas conocido como el método de salto (SPSS Inc.,
2003). El objetivo de utilizar el método automatizado era asegurarse de que las dos variables independientes seleccionados para
cada modelo no están altamente correlacionados entre sí. Una estadística tolerancia cerca de 1 asegura que los dos
descriptores en cada modelo no están altamente correlacionados. La tolerancia es una medida de la colinealidad entre los
descriptores. En la mayoría de los casos, los parámetros finales identificados por la regresión por etapas fueron los identificados
por el análisis de la matriz de correlación. Para cada modelo de flujo de percentil, se retuvieron sólo los primeros dos
descriptores seleccionados por el método de regresión por etapas (por ejemplo, vendidos, KSAT). En la ecuación (1), X 1 y el
segundo de la mejor manera X 2.

Los resultados de la los modelos regionales FDC desarrollados en la presente memoria análisis y se presentan en la Tabla 3.

Reconstrucción de una serie completa FDC y el caudal de tiempo a partir de modelos de flujo de percentiles Un esquema de
generación secuencial se utilizó para estimar todos los puntos desconocidos en la FDC, segmento por segmento, a partir de los 15 flujos de
percentiles conocidos. Tenga en cuenta que todos los puntos de FDC han filas ya establecido y sus flujos de percentiles correspondientes se
determina en la construcción de las combinaciones de dosis fijas. Por ejemplo, para el período del 1 de enero 1980 y el 31 diciembre de 2000,
construida

Derechos de autor 2008 AICH Press


714 Yusuf M. Mohamoud

Tabla 3 modelos de flujo percentil desarrollados para la región del Atlántico Medio. flujo percentil

Los modelos regionales FDC R2

Meseta de los Apalaches: Q 0.1

7.31SOLD 10.63 KSAT 20.13 0.74


Q 0.5 1251.5HPC50 0.04 STDP- 0.28 0.74
Q1 6578.93STDP- 0.52 KSAT 1-0,055 0.88
Q5 5.3HMIN 0.32 AWC 2-0,26 0.95
Q 10 18.22 (PET / MAP) - 0.69 ROCK 10,09 0.91
Q 20 8,55 (PET / MAP) - 0.85 AWC 1-0,21 0.94
Q 30 10,83 (PET / MAP) - 0.82 KSAT 20.087 0.93
Q 40 1.17 (PET / MAP) - 1.32 ARENA 20.36 0.99
Q 50 0.84 (PET / MAP) - 1.57 ARENA 20.32 0.98
Q 60 0.50 (PET / MAP) - 1.89 ARENA 20.31 0.98
Q 70 0,243 (PET / MAP) - 2.17 ARENA 20.34 0.97
Q 80 3,88 (PET / MAP) - 2.12 BREL- 0.33 0.94
Q 90 4,86 (PET / MAP) - 2.25 BREL- 0.48 0.94
Q 95 4,73 (PET / MAP) - 2.2 BREL- 0.54 0.91
Q 99 2.26 (PET / MAP) - 2.7 BREL- 0.58 0.90

Cresta y valle: Q 0.1


4.40FRSD 0.37 AUGPREC 0.58 0,81
Q 0.5 0.15KSAT 20.13 FEBPREC 1.58 0.95
Q1 0.22FEBPREC 1.4 KSAT 20.14 0.89
Q5 0.54STDP 0.45 RRAT 0.46 0.84
Q 10 19.39HPC10 0.9 RRAT 0.27 0.82
Q 20 17.63HPC10 1.27 RRAT 0.17 0.84
Q 30 21.89HPC10 1.38 AWCR- 0.10 0.93
Q 40 16.87HPC10 1.49 AWCR 0,682 0.94
Q 50 13.00HPC10 1.56 AWCR 0.82 0.93
Q 60 10.03HPC10 1.59 AWCR 0.99 0.91
Q 70 7.21HPC10 1.54 AWCR 1.2 0.87
Q 80 0.007AWCR 2.15 HPC50 1.64 0.85
Q 90 0.0013AWCR 2.67 HPC50 2.02 0.85
Q 95 0.0058AWCR 2.54 ROCK 21.67 0,81
Q 99 0.00082AWCR 3.42 ROCK 22.14 0.86

Piamonte: Q 0.1
305,68 (PET / MAP) 2.01 RRAT 0.14 0.90
Q 0.5 49.69KSAT 10.29 KSAT 20.17 0.98
Q1 2549.79HMED- 0.80 FRSD 0.25 0.80
Q5 24893.89SAND 1-1,00 LIMO 2-0,76 0.95
Q 10 738.69SAND 1-1,11 BREL 0.12 0.94
Q 20 0.056SAND 1-0,93 SEPPREC 1.94 0.87
Q 30 11.14SAND 1-1,53 AUGPREC 1.24 0.94
Q 40 3.64SAND 1-1,58 AUGPREC 1.48 0.95
Q 50 1.44SAND 1-1,58 AUGPREC 1.64 0.95
Q 60 2.77x10- 4 VENDIDO 11,84 RRAT 0.24 0.96
Q 70 1.1x10- 4 VENDIDO 11.98 RRAT 0.22 0.98
Q 80 4.96x10- 5 VENDIDO 12.11 RRAT 0,163 0.99
Q 90 1.5x10- 4 VENDIDO 11.94 KSAT 1-0,08 0.97
Q 95 9.6x10- 5 VENDIDO 12.05 KSAT 1-0,23 0.97
Q 99 3.6x10- 4 VENDIDO 11.89 KSAT 1-0,61 0.84

FDCs consisten en 7.671 valores de flujo de percentiles clasificados y normalizados, de los cuales sólo 15 se predice (conocido). La
generación secuencial para cualquier segmento se puede escribir como:

qq qqrrrr
(2)
k norte

k1 k
rrkn

dónde q rk
es la primera secuencialmente estimado flujo percentil desconocido dentro del segmento, Qr es
1 k

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 715

el conocido flujo percentil en el extremo superior del punto de segmento de partida, Qr es una conocida
norte

flujo de porcentaje en el extremo inferior del punto final del segmento, y r k y r norte son sus respectivas filas. Tenga en cuenta que

qr = Q r cuando se calcula el primer flujo percentil desconocido dentro de cada segmento y


k k

el radio ( rr) /( QQ ) es constante dentro de cada segmento. El esquema calcula iterativamente la


KNRR
nk

siguiente flujo percentil emplea la presión percentil estimado en el paso anterior. Por ejemplo, sustituye qr
k 1

qr al calcular qr en la segunda iteración. Todo desconocida (en el medio) predijo


k k 2

flujos percentil de la FDC se reconstruyeron mediante la aplicación de este esquema para cada segmento. Después de todas
las FDCs fueron reconstruidos a partir de los FDCs normalizadas, las FDCs normalizados se multiplican por el área de drenaje
de la cuenca de captación para convertir el FDC en m 3 / s. La conversión FDC a una serie completa tiempo caudal se logró
mediante la reorganización de los valores FDC predichos usando la secuencia de tiempo de caudales de una cuenca de
captación cerca calibrado. El procedimiento de reorganización ordena el tiempo de la serie de caudales del sitio de origen por
la magnitud FDC y predicho. Tenga en cuenta que ambos tienen la fecha y la magnitud columnas y ambos no están
clasificados en orden cronológico, sino más bien con el fin de magnitud. La columna magnitud FDC predicho se ha copiado en
la columna de la magnitud de la columna de la serie el tiempo de caudales del sitio de origen sale de la columna de la fecha sin
cambios. Una vez copiado, las dos columnas fueron re-ordenados, esta vez utilizando la columna de fecha. La suposición aquí
es que los sitios vecinos tienen secuencias de caudales similares, ya que recibir entradas de precipitación similares y tuvo
similares características de la cuenca; viceversa.

La reconstrucción FDC debe asegurar que los flujos de percentiles estimados para mayores magnitudes,
es decir Q 5, son siempre más grandes que los estimados para los flujos de percentil inferior de magnitud, es decir, Q 10.
Sin embargo, en algunos casos, percentil estima que los flujos de Q 5 podrían ser más bajos que los estimados para
Q 10. Esto puede suceder si los coeficientes de determinación para el modelo de flujo de percentil es baja, o si el modelo regional fue
desarrollado a partir de zonas de captación con diversas características del paisaje. Cuando esto ocurre, se debe pasar por alto que el flujo de
percentil específico y utilizar en su lugar los próximos inferiores percentil segmento de flujo usando una etapa de dos segmentos en lugar de
un esquema de generación secuencial paso de un segmento.

Método de evaluación Tres sitios de evaluación que no fueron utilizados para la estimación de parámetros regionales FDC
fueron seleccionados al azar, uno por cada uno de los Apalaches, Ridge y Valle, y en la provincia de Piedmont. Los tres sitios
tienen un largo historial de datos de caudal, pero para fines de evaluación método FDC, que se consideraba que no aforadas. El
sitio no aforadas se denota como el sitio de destino en todo el documento. Aguas abajo de, o adyacente a, cada sitio de destino,
un sitio de origen con el expediente de caudal diario a largo plazo también fue seleccionado, y el caudal del sitio de origen se
transfirió al sitio de destino usando el FDC y métodos de relación de área de drenaje.

Evaluación consistió en comparar los (es decir predicho) FDCs reconstruidos y los datos de series temporales del caudal,
además de los caudales transferidos por métodos relación de área de drenaje, con las FDCs observados y los datos de series
temporales del caudal de los tres sitios de captación de evaluación seleccionadas. Estas comparaciones se pretenden demostrar el
rendimiento predictivo del método FDC y su idoneidad para la predicción de caudales en cuencas no aforadas. criterios de
evaluación de desempeño, o de bondad de ajuste, eran la eficiencia de Nash-Sutcliffe (E) (Nash y Sutcliffe, 1970), el coeficiente de
determinación ( R 2) y la raíz del error cuadrático medio (RMSE). El rendimiento predictivo de la FDC y los métodos de relación de
área de drenaje, para ambas simulaciones diarias y mensuales, se evaluó durante el período de 21 años de registro. Además de
las comparaciones de bondad de ajuste, la correlación en serie (lag 1), media, desviación estándar, coeficiente de asimetría de
caudal predicho por el FDC, los métodos de relación de área de drenaje y observó el caudal se calcula y se compara. Una breve
discusión del método de relación de área de drenaje modificado o no lineal desarrollado por Mohamud y Parmar (2006) para la
extrapolación de caudales de medirse a sitios no aforadas se presenta en la siguiente sección.

Derechos de autor 2008 AICH Press


716 Yusuf M. Mohamoud

métodos de relación de área de drenaje El método de relación de área de drenaje estándar es la técnica más adelante lineal
utilizado para transferir caudales de sitios calibrados a sitios no aforadas (Smakhtin y Masse, 2000). En este estudio, el método de
relación de área de drenaje estándar (Stedinger et al., se utilizaron 1993) y los métodos de relación de drenaje no lineales propuestas
por Mohamoud y Parmar (2006). El método estándar se basa en la suposición de que la relación de los caudales de la calibrada y los
sitios no aforadas son iguales a las proporciones de sus áreas de drenaje (ecuación (3)). Los métodos de relación de área de drenaje no
lineales no se basan en la suposición de la linealidad y están destinados a abordar algunas limitaciones del método estándar. La
relación de área de drenaje ecuaciones se escriben como sigue:

Q u = Q g ( UNA u / UNA sol) (3)

Q u = Q sol bronceado( UNA u / UNA sol) (4)

Q u = Q sol arctan ( UNA u / UNA sol) (5)

dónde Q u es el caudal diario estimado en el sitio no aforadas o destino, Q sol es el caudal diario medido en el sitio o sitios de origen, y UNA
sol y UNA u son las áreas de drenaje de la calibrada y los sitios no aforadas, respectivamente. El método estándar funciona bien cuando
la relación entre la fuente y las áreas de drenaje del sitio de destino es de entre 0,5 y 1,5 (Hortness, 2006). Si la relación de área es
inferior a 0,5 o la suposición de la linealidad no es válida, las ecuaciones (4) y (5) se pueden utilizar como métodos alternativos. Los
métodos no lineales estiman caudal, ya sea como un solo paso o los cálculos de varios pasos. Por ejemplo, cuando se utiliza el río
Rappahannock como el sitio de origen y el río Robinson como el sitio de destino, se puede calcular de flujo utilizando las ecuaciones
(4) y (5) en un solo paso, como tan (213/737), o en múltiples -steps primero como tan (400/737) para calcular el flujo predicho en un
punto intermedio y luego como tan (213/400) para calcular el flujo de la corriente intermedia para el flujo final. Una discusión detallada
de los métodos de relación de área de drenaje no lineales se da en Mohamud y Parmar (2006). Tenga en cuenta que la única etapa
utiliza todo el área de drenaje de una cuenca de captación en un cálculo, mientras que el método de múltiples pasos utiliza relación de
drenaje intermedio para calcular un caudal intermedio y luego utiliza el flujo intermedio para calcular un flujo final.

RESULTADOS Y DISCUSIÓN

Lo significativo son los descriptores paisaje de clima identificados por el método de regresión por etapas?

la curva de caudales representan la componente de magnitud del caudal durante el período de registro. La hipótesis aquí es que
cada punto de flujo percentil está influenciada por un conjunto de parámetros paisaje de clima desconocidos. Es decir, cada
punto de flujo percentil caracteriza una condición hidrológica gobernado por los procesos hidrológicos identificables, que operan
en una cuenca en los días cuando experimenta muy húmedo, mojado, húmedo, seco, o condiciones muy secas. Un reto
importante es cómo cuantificar las relaciones físicas entre los descriptores paisaje de clima y los flujos de percentiles.

La evaluación de la relevancia de los descriptores paisaje de clima identificados por los diferentes flujos de percentiles
requiere un poco a priori el conocimiento de estas relaciones. Por desgracia, estas relaciones no están bien establecidos a escala
de cuenca. En ausencia de este conocimiento de las relaciones, se hicieron generalizaciones basadas en información limitada
obtenida de la literatura científica y un análisis preliminar de los resultados de este estudio. En las siguientes secciones, se
examinan las relaciones entre los descriptores paisaje de clima y los flujos de percentiles. ción Examina- de los descriptores de las
diferentes provincias fisiográficas reveló que los descriptores del clima son los predictores más dominantes de la meseta de los
Apalaches, mientras que los descriptores del suelo son los predictores dominantes para el Piamonte; descriptores geomorfológicas
son los mejores predictores de flujo percentil para las cuencas Ridge y Valle.

análisis de regresión de paso prudente identificados descriptores paisaje de clima que son buenos indicadores de los flujos de
percentiles (Tabla 3). Sin embargo, como Sefton y Howarth (1998) señalaron, las relaciones identificadas por regresión paso a paso son
puramente empírica y, aunque estadísticamente significativa,

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 717

algunas de las relaciones puede ser un accidente de los datos. Mientras que algunas de las relaciones tienen un fuerte
significado físico, otros pueden ser predictores sustitutos o pueden representar las interacciones de procesos que no pueden
ser explicados por el conocimiento actual de las relaciones entre los procesos hidrológicos y parámetros que los controlan a
escala de cuenca. Al examinar el posible significado físico de los descriptores paisaje de clima identificadas por el análisis de
regresión paso a paso para los 15 flujos de percentiles, el enfoque seguido fue al grupo de los descriptores en flujos altos ( Q 0,1,
Q 0,5, Q 1, Q 5, Q 10), flujos de la mediana ( Q 20, Q 30, Q 40, Q 50, Q 60) y flujos bajos ( Q 70,

Q 80, Q 90, Q 95, Q 99).

Q 0,1, Q 0,5, Q 1, Q 5 y Q 10 fluye percentil flujos altos son principalmente causadas por las lluvias intensas o derretimiento de la nieve, pero
descriptores climáticos que representan señales de precipitaciones a corto plazo no se incluyeron en la lista de descriptores (tabla 2). En
consecuencia, los descriptores identificados por la regresión paso a paso para los altos flujos son más probables descriptores sustitutas porque
los flujos altos están estrechamente vinculadas a la precipitación a corto plazo o la nieve de fusión. Descriptores identificados para los altos
flujos incluyen la profundidad del suelo, características de la curva hipsométricos, conductividad hidráulica saturada, ción precipita- en los
meses de agosto y febrero, porcentaje de área de captación como bosque de hoja caduca, la relación de alivio, índice de sequedad, porcentaje
de arena del suelo y limo y elevación mínima y la mediana.

Q 20, Q 30, Q 40, Q 50 y Q 60 fluye percentil Los predictores dominantes identificados para la mediana flujos variaban de una
provincia a otra. Los mejores predictores de la Meseta de los Apalaches, la cresta y valle y las zonas de captación
Piedmont fueron el índice de sequedad, que proporción de elevación hipsométrica que corresponde a 0,1 proporción de la
zona de captación, y la arena por ciento en la capa de suelo 1, respectivamente. Estos tres descriptores se seleccionaron
repetidamente a lo largo del rango de caudal mediana (Tabla 3). En general, esos descriptores identificados primero por el
análisis de regresión explican gran parte de la variabilidad de los flujos de percentiles. Uno puede, por lo tanto, asumir que
los seleccionados en varias ocasiones como primeros predictores tienen relevancia más físico que los seleccionados como
segundos predictores, o seleccionado sólo una vez o dos veces como primeros predictores.

Q 70, Q 80, Q 90, Q 95 y Q 99 fluye percentil Los mejores predictores de bajo flujo identificados para la Meseta de los Apalaches, la cresta y valle y las
zonas de captación Piedmont eran índice de sequedad, la relación de la capacidad de agua disponible de las dos capas de suelo y la profundidad del
suelo de la capa 1, respectivamente. Otros importantes predictores de bajo flujo incluyen índice de flujo de base, el alivio de cuenca, características
hipsométricos, porcentaje de roca en capa de suelo 2, la conductividad hidráulica de la capa de suelo 1 y la relación de alivio. En general, la influencia de
la precipitación puede ser baja ya que los flujos bajos muy probablemente provienen de suelos, aguas subterráneas o de almacenamiento de canal de
lanzamientos. Como resultado, se encontró que el índice del flujo de base para ser un buen predictor de bajo flujo. Sin embargo, el índice del flujo de
base no se incluyó en ninguno de los modelos regionales FDC porque su valor se determina a partir del caudal observado que no está disponible en
cuencas no aforadas.

Resultados de evaluación

rendimiento predictivo las evaluaciones de rendimiento predictivo se llevaron a cabo tanto para las predicciones de caudal y FDC.
Las predicciones FDC refiere solamente magnitud, mientras que las predicciones de flujo racionalizado en cuestión tanto la secuencia
magnitud y tiempo. Utilizando los modelos regionales FDC desarrollados en la Tabla 3, un FDC se reconstruye a partir de los 15 flujos de
percentiles predichos para cada uno de los tres sitios de evaluación de captación. La Figura 4 muestra comparaciones de percentiles de
flujo observadas y predichas para tres sitios de evaluación, mientras que la Fig. 5 muestra una comparación de la reconstruido y observó
FDC para uno de los sitios de captación de evaluación. La precisión global en la predicción de caudales en cuencas no aforadas depende
en gran medida la precisión de la secuencia de magnitud y el tiempo predicho FDC.

Las propiedades periódicas de las estadísticas de caudal reconstruidos, como media, desviación estándar y coeficiente de asimetría
que representan la magnitud del caudal, generalmente emparejados estrechamente las propiedades estadísticas de caudal observado
correspondientes (Tabla 4). Las comparaciones de lag 1 serial

Derechos de autor 2008 AICH Press


718 Yusuf M. Mohamoud

metro 2)
440

390

340
Observada Flow Percentiles (l / seg / k

290
caudal normalizado (L s- 1 km- 2)

240

R 2 = 0.99
190

140

90

40

- 10

- 10 90 190 290 390

percentiles predichos de flujo (L s- 1 km- 2)

Fig. 4 Predicho y observado 15 percentiles de flujo para tres sitios de evaluación

Construido curva de flujo Duración 21 Año curva de flujo

Duración 21 años Observado

Estimado de 15 puntos porcentuales caudal predicho por regresión regional


/ seg / km 2) (L s- 1 km- 2)

1.000

Robinson River, Virginia Piedmont


provincia fisiográfica
de flujo(l observado

100
de Normalizada
percentiles

10
Tránsito

0 10 20 30 40 50 60 70 80 90 100

0,1 1

Porcentaje de tiempo de flujo igualado o excedido

Fig. 5 La comparación de las curvas de caudales observados y pronosticados de una cuenca de captación de Piedmont.

correlación se utilizó para comparar las estadísticas relacionadas con la secuencia de caudales generados a partir de los
métodos de predicción relación de FDC y área de drenaje con las del caudal observado. Las predicciones del método FDC
en general de acuerdo con el caudal observado y también con el caudal predicho por los métodos de relación de área de
drenaje. Tenga en cuenta que el método FDC utiliza sólo secuencia de caudal de un sitio de origen para reconstruir series
de tiempo de caudales, pero el método de relación de área de drenaje utiliza tanto la secuencia de caudal y magnitud
desde un sitio de origen. Para el método de relación de área de drenaje, propiedades estadísticas, por lo tanto, tanto la
secuencia predicha y la magnitud relacionada con el cambio siempre que un nuevo sitio de origen se utiliza (Tabla 4). Por
el contrario, el método FDC conserva su propia magnitud que se determina a partir de los modelos regionales FDC; sin
embargo,

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 719

Tabla 4 propiedades estadísticas de un joven de 21 años observada y prevista de datos de caudal diario de los sitios de prueba y de la fuente. Captación

correr USGS calibre zona km 2 Lag 1 correlación Media Desv. coeficiente de


serial asimetría

Johns Creek Observado 02017500 124 0.74 3.80 6.33 5.9


(Destino)
Craig Creek Observado 02018000 391 0.69 3.53 6.80 9.9
(Fuente)
Craig Creek Estándar 02018000 391 0.69 3.53 6.80 9.9
(Fuente)
Craig Creek FDC 02018000 391 0,76 3.69 6.73 4.8
(Fuente)
Johns Creek FDC 02017500 124 0,76 3.69 6.73 4.8
(Fuente)

Poco Mohaning Observado 03034500 104 0.66 4.15 6.47 5.7


(Destino)
Mahoning Creek Observado 03034000 189 0,71 4.34 6.15 7.7
(Fuente)
Mahoning Creek Tangente 03034000 189 0,71 4.34 6.15 7.7
(Fuente)
Mahoning Creek FDC 03034000 189 0.80 3.87 6.43 3.5
(Fuente)
Poco Mahoning FDC 03034500 104 0.74 3.87 6.43 3.5
(Fuente)

Robinson River Observado 01664000 213 0.57 6.71 13,53 12.9


(Destino)
Río Rapidan Observado 01667500 561 0.60 6.22 12.06 15.7
(Fuente)
Río Rappahannock Observado 01666500 737 0.65 6.00 10,48 8.7
(Fuente)
Río Rapidan Tangente 01667500 561 0.60 6.22 12.06 15.7
(Fuente)
Río Rappahannock Tangente 01667500 561 0.65 6.00 10,48 8.9
(Fuente)
Río Rappahannock FDC 01666500 737 0.62 6.97 11.69 8.2
(Fuente)
Río Rapidan FDC 01667500 561 0.65 6.97 11.69 8.2
(Fuente)
Robinson Creek FDC 01664000 213 0.58 6.97 11.69 8.2
(Fuente)

rendimiento predictivo caudal del método FDC está influenciada en gran medida por la distancia de separación entre la fuente (medida) y los sitios de destino

(no aforadas). El Rappahannock y los sitios Rapidan se utilizaron para demostrar el efecto de la distancia de separación en el rendimiento predictivo de caudal como

se predijo por la relación de área de drenaje y métodos FDC. Como se muestra en la Tabla 5, el rendimiento predictivo de las FDC y área de drenaje métodos ratio

para el río Robinson fue baja cuando el Rappahannock era el sitio de origen, pero aumentó cuando el sitio de origen se cambió a la Rapidan. El sitio de

Rappahannock no se utilizó para las comparaciones de rendimiento predictivo incluidas en este documento, ya que está lejos del sitio de Robinson; se utiliza sólo

para ilustrar el papel que la distancia de separación puede jugar en el rendimiento predictivo de los dos métodos. Distancia de separación puede actuar como un

sustituto para la precipitación sobre las cuencas de origen y destino. Cuando los sitios calibrados están disponibles cerca del sitio de interés no aforadas, los

profesionales deben seleccionar el sitio de origen que es la más cercana al sitio de destino. Sin embargo, cuando los sitios calibradas no están disponibles cerca del

sitio no aforadas, los profesionales se ven obligados a seleccionar los sitios que tienen largas distancias de separación. En tales casos, el método propuesto en este

documento pueden no predecir con precisión el caudal. los profesionales se ven obligados a seleccionar los sitios que tienen largas distancias de separación. En

tales casos, el método propuesto en este documento pueden no predecir con precisión el caudal. los profesionales se ven obligados a seleccionar los sitios que

tienen largas distancias de separación. En tales casos, el método propuesto en este documento pueden no predecir con precisión el caudal.

El rendimiento predictivo con respecto a los caudales reconstruidos de las tres zonas de captación de evaluación
utilizando el Rapidan, Craig y Mahoning como sitios de origen fue alta (Tabla 5). Los coeficientes de determinación R 2 osciló
entre 0,80 a 0,86 para las simulaciones diarias de 21 años y desde R 2 = 0,88 a 0,98 para las simulaciones mensuales 21 años
(Tabla 5). El rendimiento predictivo

Derechos de autor 2008 AICH Press


720 Yusuf M. Mohamoud

Tabla 5 La evaluación del desempeño de las predicciones método basado FDC y las comparaciones con otros métodos de estimación de flujo racionalizado para

captación no aforadas para un período de 21 años. sitio de origen

método de transferencia predicciones diarias: predicciones mensuales:


mi R2 RMSE mi R2 RMSE

Robinson River, Virginia (sitio de destino)


río Rappahannock Tangente 0.34 0.61 8.49 0.83 0.86 2.42
rappahannock FDC 0.46 0.60 8.50 0.85 0.85 2.47
río Rapidan Tangente 0.80 0.82 5.71 0.97 0.98 0.96
Rapidan FDC 0,77 0.83 5.58 0.95 0.95 1.35
Robinson (destino) FDC 0.88 0.92 4.08 0.97 0.97 1.11

Poco Mahoning Creek, Pennsylvania (sitio de destino)


Mahoning Tangente 0,81 0.82 2.97 0.86 0.90 1.37
Mahoning FDC 0.79 0.80 3.03 0.87 0.88 1.27
Poco Mahoning (destino) FDC 0.90 0.91 2.01 0.97 0.99 0.52

Johns Creek, Virginia (sitio de destino)


Craig Creek Estándar 0.82 0.82 2.87 0.95 0.97 0.79
Craig Creek FDC 0.85 0.86 2.56 0.98 0.98 0.58
Johns Creek (destino) FDC 0.96 0.97 1.28 0.99 1.0 0.34

400
Observada caudal de 21 años de Robinson River, Virginia Construcción caudal utilizando la
350
secuencia de tiempo desde el río Rapidan

300 Nash - Sutcliffe


Eficiencia E = 0,77
250
Caudal (m 3 / segundo)

R 2 = 0.83

200

150

100

50

0
82

4
80

84

90

96

98

00
98

98

99
9

19
19

19

19

19

19

20
/1

1
1/

1/

1/

1/
1
1/

1/

1/

1/

1/

1/
/0

/0

/0

/0

/0
01

01

01

01

01
1/

1/

1/

1/

1/

1/

Día

Fig. 6 Comparación de observaciones y predicciones de caudal para un período de 21 años.

del método de la relación de drenaje era comparable a la del método FDC cuando se utilizó el mismo sitio de origen. Si, en lugar
de utilizar la secuencia del sitio de origen, la secuencia del sitio de destino (anteriormente supone que no aforadas) se utilizó, todos
los errores relacionados con la secuencia fueron eliminados y el rendimiento predictivo del método FDC se mejoró.

La Figura 6 representa gráficamente una comparación de método FDC reconstruido vs caudal diaria observada durante un
período de 21 años utilizando el río Robinson como el sitio de destino y el río Rapidan como el sitio de origen. Esta comparación
demuestra la idoneidad general del método FDC para la predicción de caudales a largo plazo para las cuencas no aforadas. La
Figura 7 ilustra cómo funcionan los métodos FDC y área de drenaje de relación para corta duración simulaciones caudal
hydrograph. Cuando ambos métodos utilizados Mahoning Creek como el sitio de origen y Little Mahoning como el sitio de destino,
ambos métodos mostraron errores de magnitud y secuencia. El método FDC exhibió menos predictivo

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 721

70

Observado (Little Mahoning) Tangente Poco Mahoning Creek, Pennsylvania


60 Apalaches Meseta Provincia
Método (Mahoning) FDC (Mahoning

Secuencia) FDC - Little Mahoning


50

Secuencia
Caudal (m 3 / segundo)

40

30

20

10

0
80
0

80

80

80

80

80
80

80

80

80
80

80

80

80
98

80

98
19
19

19

19

19

19

19

19

19
9

19

19

19

19

19
/1

19
4/

/1

/1
4/

4/
04

2/

5/

7/

8/

1/
6/

9/

0/

2/

3/
/0

0/
/0

/0

11

14
/

/1

/1

/1

/1

/1

/1

/1

/2

/2

/2

/2
09
06

07

08

/1

4/

/
04

04

04

04

04

04

04

04

04
04

04

04
04

Día

Fig. 7 Comparación de hidrogramas de caudal observados y pronosticados que muestran el efecto de la secuencia de tiempo en el rendimiento
de la predicción del método FDC.

incertidumbres que la relación métodos área de drenaje debido a la magnitud y la secuencia están determinados por separado. Para
ilustrar, cuando se utilizó la secuencia de caudal de la Pequeña Mahoning (antes del sitio de destino) como el sitio de origen, el
hidrograma predicho desplaza a la izquierda para que coincida con el caudal observado, corrigiendo así el error de secuencia
asociado con el uso de la Mahoning como la fuente secuencia del sitio (Fig. 7).

Fuentes de incertidumbre predictiva El método FDC propuesto es un nuevo enfoque que considera la serie de tiempo del caudal
predicho como una combinación de componentes de magnitud y de secuencia. En este enfoque, el FDC representa predominantemente el
componente de magnitud, estimada a partir de los descriptores invariantes, paisaje de clima tiempo-. A diferencia de la componente de
magnitud, el componente de secuencia representa factores estocásticos a corto plazo, tales como la precipitación, y le da al componente
de magnitud su secuencia de tiempo. Por consiguiente, el método FDC divide incertidumbres de predicción de caudal en magnitud y las
incertidumbres relacionadas con la secuencia. Por ejemplo, las incertidumbres relacionadas magnitud se derivan de errores relacionados
con el modelo de estimación de parámetros regionales FDC o errores asociados con el uso del esquema de generación secuencial.
secuencia relacionada de caudales incertidumbres son causados ​principalmente por una posible falta de coincidencia entre las órdenes
secuenciales de la fuente (calibradas) y zonas de captación de destino (no aforadas). Las incertidumbres relacionadas con la secuencia
son indepen- diente de la componente de magnitud y por tanto del método de regresión. errores de secuencia de caudales asociados a los
diferentes sitios de origen se pueden cuantificar mediante el uso del sitio de destino como el sitio de origen (Tabla 5). Como se muestra en
las filas de destino de los tres sitios de evaluación de la Tabla 5, utilizando el sitio de destino como el sitio de origen elimina todos los
errores de secuencia de caudal y cuantifica los errores asociados con el uso de cualquier sitio de origen. Todas las incertidumbres de
predicción restantes, después de que los sitios de destino fueron utilizados como sitios de origen, son de magnitud relacionada. Por lo
tanto, cuando se eliminan errores de secuencia, los coeficientes de determinación son 0,92, 0,91 y 0,97 para Robinson, Mahoning y Johns
Creek, respectivamente. Las variaciones inexplicables restantes entre el caudal predicho y observado es error de magnitud.

Derechos de autor 2008 AICH Press


722 Yusuf M. Mohamoud

Investigación futura Dos áreas de investigación en gran medida mejorar el método propuesto. En primer lugar, se
necesita investigación en métodos estadísticos que pueden identificar descriptores paisaje de clima pertinente física a
escala de cuenca. Como se muestra por Wallis (1965), los métodos de regresión no pueden identificar descriptores que
tienen relevancia física sin conocimiento previo de las relaciones entre los descriptores paisaje-climáticos y los procesos
hidrológicos. La falta de conocimiento de los descriptores que influyen fuertemente en los procesos hidrológicos
representados por los flujos de percentiles específicos arroja dudas sobre el significado físico de los predictores
identificados para un flujo determinado percentil. La investigación que vincula las ecuaciones de regresión para los modelos
conceptuales, similar al enfoque utilizado por Vogel y Kroll (1992), et al. ( 2001), puede, de hecho, revelar el significado físico
de algunos descriptores identificados en este documento para los 15 flujos de percentiles.

En segundo lugar, se necesita investigación de campo para identificar nuevos descriptores que representan cerca las
condiciones hidrológicas que se caracterizan por los percentiles 15 fluye. Por ejemplo, el método empleado aquí para seleccionar los
mejores predictores de los percentiles 15 fluye sólo puede seleccionar los descriptores que se incluyen en la lista de variables
explicativas. Es importante buscar nuevos descriptores o parámetros que pudieran reflejar mejor cómo las propiedades paisaje de
clima influyen en los procesos hidrológicos a escala de cuenca. A menos que los descriptores reflejan los procesos hidrológicos
reales, ya que operan a escala de cuenca, el uso de descriptores paisaje-climáticos disponibles no resolverá el problema parámetro
de identificabilidad.

Por ejemplo, saturado valores de conductividad hidráulica obtenidos de condado informes de la encuesta representan los
efectos de los intersticios en la transmisión de agua, pero no puede explicar el efecto del flujo de macroporos (Zacarías y Brutseart,
1988) y la conductividad hidráulica lateral. Lin (2006) informaron de que aproximadamente dos tercios de la horizonte del suelo
medido en una cuenca Ridge y Valley en Pennsylvania tenían conductividad hidráulica lateral (KSAT) Los valores de 1,5 a 142,5
veces mayor que los valores verticales. En otra parte, Brooks et al. ( 2004) lateral estimada saturado conductividad hidráulica en la
ladera a ser de aproximadamente una o dos magnitudes mayor que la pequeña escala, la conductividad hidráulica saturada vertical
medida de muestras de suelo. Claramente, la lista de descriptores de la Tabla 2 es los relevantes incompletas y muchos, como las
que influyen en los procesos de flujo bajo la superficie, incluyendo la conductividad hidráulica lateral, están ausentes.

CONCLUSIÓN

Este estudio presenta un método para predecir la serie FDC y el tiempo de caudales para los flujos no aforadas en la región
del Atlántico Medio, EE.UU.. Los resultados indicaron que el clima, suelo y geomorfológicas descriptores influyen
fuertemente en la hidrología de la Meseta de los Apalaches, Ridge y provincias del valle y Piedmont. Los descriptores
climáticas dominantes eficaces fueron el índice anual de la sequedad, y la precipitación mensual de abril, agosto y febrero
significan; ratios de elevación hipsométricos, pendiente del canal y de la elevación de captación mediana fueron los
descriptores geomorfológicas dominantes que eran buenos predictores de los flujos de percentiles. Los descriptores de
suelo dominantes identificados fueron disponibles clases de capacidad de agua, profundidad y textura del suelo. Otro factor
predictivo flujo percentil revelado fue el índice del flujo de base que fue considerado como un descriptor sustituto.

Reconstruidas (prevista) FDCs y series de tiempo de caudales para las cuencas de captación de prueba emparejados estrechamente los
valores observados y predicciones usando métodos relación de área de drenaje. Esto sugiere que el método FDC propuesto es adecuado para FDC
y el tiempo del caudal de predicción de series en cuencas no aforadas. Aunque el enfoque fue desarrollado a partir de datos de la Región del
Atlántico Medio, EE.UU., el método puede ser utilizado en cualquier parte del mundo si se establecen los modelos de regresión regionales siguiendo
el enfoque presentado en este documento.

La separación de caudal predicho en componentes de magnitud y de secuencia y la evaluación de las incertidumbres


asociadas en cada uno tienen implicaciones importantes para avanzar

Derechos de autor 2008 AICH Press


Predicción de las curvas diarias de caudales y los caudales de las cuencas no aforadas 723

modelos hidrológicos basados ​en procesos a escala de cuenca. Por ejemplo, el tiempo de flujo fluvial errores de secuencia serie pueden ser interpretadas
como errores relacionados con el modelo de variables de entrada, tales como datos de entrada de lluvia. Del mismo modo, los errores de predicción de
magnitud pueden ser interpretados como modelo de estructura y de parámetros del modelo incertidumbres. El método FDC sólo toma secuencia de
caudales a partir de un sitio de origen si está disponible; Si el caudal no está disponible desde un sitio de origen cercano, el método FDC puede obtener su
secuencia de precipitación diaria o series de tiempo contenido de humedad del suelo. La obtención de secuencias de tiempo de la lluvia o la humedad del
suelo está más allá del alcance de este documento.

Este estudio tiene implicaciones potenciales para la Asociación Internacional de Ciencias Hidrológicas (AICH) iniciativa
decenal sobre la predicción en cuencas no aforadas (PUB). la capacidad del método FDC a caudales separada en sus
componentes de magnitud y secuencia hace que sea muy flexible y adecuado para muchas aplicaciones de planificación y
gestión de los recursos hídricos, incluida la predicción hidrológica y la predicción de caudales en cuencas no aforadas.

Expresiones de gratitud El autor agradece los útiles comentarios proporcionados por el Dr. Robert Swank. Este documento ha
sido revisada de acuerdo con las políticas de pares y la revisión administrativa de la Agencia de Protección Ambiental de
Estados Unidos y aprobado para su publicación. La mención de marcas o productos comerciales no constituye un respaldo o
recomendación.

Referencias
Arnold, J .G., Allen, PM, Muttiah, R. & Bernhardt, G. (1995) Automated separación por flujo base y análisis recesión
técnicas. agua Subterránea 33, 1010 - 1018.
Berger, KP y Entekhabi, D. (2001) Cuenca relaciones de respuesta hidrológica a descriptores distribuidos y fisiográficas
clima. J. Hydrol. 247, 169-182.
Brooks, ES, Boll, J. & McDaniel, PA (2004) Un experimento de laderas escala para medir la conductividad hidráulica lateral. Agua
Resour. Res. 40, W04208. Budyko, MI (1974) El clima y la vida. Academic Press, San Diego,
California, EE.UU..
Castellarin, A., Galeati, G., Brandimarte, L., Montanari, A. y Brath, A. (2004) curvas regionales flujo duración: la fiabilidad de
cuencas no aforadas. Adv. Resour agua. 27, 953-965.
Claps, P., Giordano, A. y Laio, F. (2005) Avances en la modelización ruido de disparo de los caudales diarios. Adv. Resour agua. 28,
992-1000.
Croker, KM, joven, AR, Zaidman, MD y Rees, HG (2003) curva de caudales eventos extremos. Hidrol. Sci. J. 48 ( 3), 427-439. Fenneman, NM (1938) Fisiografía
del Este de los Estados Unidos, McGraw-Hill, Nueva York, EE.UU.. Fennessey, N. y Vogel, RM (1990) Curvas de flujo duración regionales para sitios no
aforadas en Massachusetts. J. Resour agua. Plann. Manag. 116, 530-549.

Hamon, WR (1961) Estimación de la evapotranspiración potencial. J. hydraul. Div. Proc. ASCE 87, 107-120. Hortness, JE (2006) Estimación de las estadísticas de baja frecuencia del flujo
de corrientes no reguladas en Idaho. Geol Estados Unidos. Encuesta. Sci. Invertir.
Informar de 2.006 a 5.035.

Hughes, DA & Smakhtin, VY (1996) el flujo diario de tiempo de parches en serie o extensión: método de interpolación espacial basan en
fluya curvas de duración. Hidrol. Sci. J. 41 ( 6), 851-871.
Jothityangkoon, C., Sivapalan, M. & Farmer, D. (2001) controles de proceso de equilibrio de agua variabilidad en una gran semi-árido
de captación: enfoque hacia abajo para el desarrollo del modelo hidrológico. J. Hydrol. 254, 174-198. Laaha, G. & Blöschl, G. (2007) Un procedimiento de estimación
nacional de flujo bajo para Austria. Hidrol. Sci. J. 52 ( 4), 625-644. Leboutillier, DW y Waylen, PR (1993) A estocástico-modelo de curvas de duración de flujo. Resour agua.
Res. 29, 3.535-3.541. Lin, H. (2006) La estabilidad temporal de patrón espacial humedad del suelo y subsuelo vías de flujo preferenciales en laderas de esquisto.

Vadosa Zona J. 5, 317-340.


Linsley, RK, Jr, Kohler, MA y Paulhus, LJH (1949) Hidrología Aplicada. McGraw-Hill, Nueva York, EE.UU.. Maxey, GB (1964) Handbook
of hidrología. McGraw-Hill, Nueva York, EE.UU..
McNamara, JP, Kane, DL & Hinzman, LD (1998) Un análisis de la hidrología caudal en la cuenca del río Kuparuk,
Ártico de Alaska: un enfoque por cuencas anidada. J. Hydrol. 206, 39-57. Milly, PCD (1994) Clima, el almacenamiento de agua del suelo, y el balance hídrico
medio anual. Resour agua. Res. 30, 2143-2156. Mimikou, M. & Kaemaki, S. (1985) Regionalización de características de duración de flujo. J. Hydrol. 82, 77-91.
Mohamud, YM y Parmar, RS (2006) Estimación de los caudales y la geometría hidráulica asociada, la Región Atlántico Medio,

ESTADOS UNIDOS. J. Resour agua. Assoc. 42, 755-768.

Nash, JE y Sutcliffe, JV (1970) Río a través de la previsión de modelo conceptual, Parte 1: Una discusión de principios. J. Hydrol.
10, 282-290.
Nathan, RJ y McMahon, T .A. (1990) La identificación de regiones homogéneas a los efectos de la regionalización. J. Hydrol.
121, 217-238.
Pearce, AJ (1990) los procesos de generación de caudales: una vista austral. Resour agua. Res. 26, 3.037 hasta 3047. Post, DA & Jones, JA (2001) regímenes hidrológicos en
cuatro sitios de investigación ecológica a largo plazo en Nueva Hampshire, Norte
Carolina, Oregon, y Puerto Rico. Adv. Resour agua. 24, 1195 - 1210.

Derechos de autor 2008 AICH Press


724 Yusuf M. Mohamoud

Quimpo, RG, Alejandrino, AA y McNally, TA (1983) de duración del caudal regionalizado para Filipinas. J. Resour agua. Plann. Manag. 109, 320-330.

Reimers, W. (1990) Estimación de parámetros hidrológicos de características de la cuenca para grandes cuencas semiáridas; En:
Regionalización en hidrología ( ed. por MA Beran, M. Brilly, A. Becker & O. Bonacci) (Proc. Ljubljana Symp., abril de 1990), 187-194. AICH Publ. 191. AICH Press,
Wallingford, Reino Unido. http://iahs.info/redbooks/a191/iahs_191_0187.pdf. Searcy, JK (1959) Flujo de curvas de duración, el manual de la hidrología. Parte 2, las
técnicas de bajo flujo. Geol Estados Unidos. Encuesta de suministro de agua
Papel 1542- A.
Sefton, CEM y Howarth, SM (1998) Las relaciones entre las características físicas y los descriptores de las cuencas Gales.
J. Hydrol. 211, 1 - dieciséis.
Shruben, PG, Arndt, RE & Bawiec, WJ (1998) Geología de la Estados Unidos contiguos a 1, 250,000 escala, una cámara digital
representación de la PB 1974 King & HM Beikman mapa. Geol Estados Unidos. Encuesta de datos de la serie 001, Release 2.
Singh, RD, Mishra, SK & Chowdhary, H. (2001) Los modelos regionales flujo de duración para un gran número de Himalaya no aforadas
cuencas para la planificación de proyectos microhydro. J. Hydrol. Engng 6, 310-316.
Slack, JR y Landwehr, JM (1992) hidroclimáticos Red de Datos: A datos de caudal US Geological Survey establecen para el
Estados Unidos para el estudio de las variaciones del clima 1874 - 1988. Geol Estados Unidos. Encuesta de Archivo Abierto del Informe 91-129.

Smakhtin, VY y Masse, B. (2000) Continuo simulación hydrograph diariamente usando curvas de duración de un índice de precipitación.
Hidrol. procesos 14, 1083-1100.
Smakhtin, VY, Hughes, DA & Creuse-Naudin, E. (1997) Regionalización de características de flujo diarias en parte de la Eastern
Cabo, África del Sur. Hidrol. Sci. J. 42, 919-936. SPSS Inc. (2003) SPSS para Windows Versión 11.5 Guía del usuario. SPSS Inc. Chicago, EE.UU..
Stedinger, JR, Vogel, RM y Foufoula-Georgiou, E. (1993) Análisis de frecuencia de eventos extremos. En: Manual de

hidrología ( ed. por D. Maidment), 18,1-18,66. McGraw-Hill, Nueva York, EE.UU..


Sugiyama, H., Vudhivanich, V., Whitaker, CA y de Lorsirirat, K. curvas de duración de flujo (2003) estocásticos para la evaluación del flujo de
regímenes en los ríos. Mermelada. Resour agua. Assoc. 39, 47-58. USGS (United States Geological Survey) (1992 - 1997) Atlas de las aguas subterráneas de los Estados Unidos. USGS

Reston, Virginia, EE.UU.. USDA (Departamento de Agricultura de los Estados Unidos) (1993) Estado ensucia guía a los usuarios de bases de datos geográficas. Servicio de Conservación de

Suelos
Misceláneos. Publ. 1492.

USEPA (Agencia de Protección Ambiental de los Estados) (2004) CUENCAS: Mejor Ciencia y Evaluación de Integración Point
Las fuentes no puntuales: Disponible en: http://www.epa.gov/OST/BASINS/
Vogel, RM y Fennessey, NM (1995) Flujo de curvas de duración. 2: Una revisión de las aplicaciones de planificación de recursos hídricos. Agua
Resour. Toro. 31, 1029-1039.
Vogel, RM y Kroll, NC (1992) las relaciones geohidrológicas-geomorfológico regionales para la estimación de las estadísticas de bajo flujo.
Resour agua. Res. 28, 2451 - 2458.
Wagener, T. & Wheater, SA (2006) Estimación de parámetros y la regionalización para los modelos lluvia-escorrentía continuo que incluye
incertidumbre. J. Hydrol. 320, 152-154.
Wallis, JR (1965) métodos estadísticos multivariantes en hidrología: una comparación utilizando los datos de relación funcional conocida.
Resour agua. Res. 1 ( 4), 447-461.
Woods, R. (2003) Los papeles relativos de clima, suelo, vegetación y la topografía en la determinación de temporada y largo plazo
la dinámica de captación. Adv. Resour agua. 26, 295-309. Yu, PS & Tang, TC (2000) Usando la curva de caudales sintéticos para la lluvia - la calibración del modelo de
escorrentía en sitios no aforadas.
Hidrol. procesos 14, 117-153.
Yu, PS, Yang, TC y Wang, YC (2002) Análisis de incertidumbre de la curva de caudales regionales. J. Resour agua. Plann. Manag. ASCE 128, 424-430.

Zacarías, YB y Brutsaert, W. (1988) La influencia de la morfología de la cuenca en la salida de las aguas subterráneas. Resour agua. Res. 24,
1645-1650.

Recibido el 23 de mayo de 2007; aceptado 22 de de febrero de 2008

Derechos de autor 2008 AICH Press

Vous aimerez peut-être aussi