AtlasHidrologicoCololombia PDF

UNIDAD DE PLANEACIÓN MINERO-ENERGÉTICA (UPME)
ATLAS HIDROLÓGICO DE COLOMBIA
Informe Final
UNIVERSIDAD NACIONAL DE COLOMBIA

SEDE MEDELLÍN
FACULTAD DE MINAS
POSGRADO EN APROVECHAMIENTO DE RECURSOS
HIDRÁULICOS
Medellín, diciembre 10 de 2000

Grupo de Trabajo
Investigadores Principales:
Germán Poveda Jaramillo, Jaime Ignacio Vélez Upegui, Oscar José Mesa Sánchez.
Estudiantes de Posgrado:
Olga Janet Barco Mejía, Blanca Adriana Botero Hernández, Jairo Herrera Arango,
Luz Adriana Cuartas Pineda, Carlos David Hoyos Ortiz, Ricardo Iván Mantilla
Gutiérrez, John Freddy Mejía Valencia y Santiago Wilches.
Auxiliares de Investigación:
Andrés Felipe Borja Jaramillo, Yuley Mildrey Cardona Orozco, Lina Isabel Ceballos
Bonilla, Paula Lizet Correa Velásquez, Juan Diego Giraldo Osorio, Olver Olfrey
Hernández Navarro, Juan David Pérez Arango, Diana Isabel Quevedo Tejada, Jorge
Mario Ramirez Osorio, Carlos Andrés Ríos Uribe, Luis Fernando Salazar Velásquez,
Jheison Alberto Urzola Hernández, Sara Cristina Vieira Agudelo y Manuel David
Zuluaga Arias.
AGRADECIMIENTOS
La Unidad de Planeación Minero-Energética (UPME) y la Universidad

Nacional de Colombia han aportado los recursos necesarios para el
desarrollo de este trabajo.
Los aportes del Dr. Eduardo Machado, Interventor del proyecto y de

Alvaro Jaramillo de Cenicafé son agradecidos. Igualmente se reconoce la
información y apoyo recibidos de COLCIENCIAS, IDEAM, EPM,
CENICAFE y diversas instituciones del exterior como NOAA, NASA y
CIRES de la Universidad de Colorado.
iii
TABLA DE CONTENIDO
Página
1. INTRODUCCIÓN 1-1
2. CLIMA 2-1
2.1 FASE EXTREMAS DE OSCILACIÓN DEL ENOS 2-1

2.1.1 Influencia de fenómenos macroclimáticos 2-1
2.1.2 Histogramas 2-25
2.1.3 Cuantiles 2-33
2.1.4 Curva de duración 2-36
2.2 CICLO ANUAL HIDROLÓGICO 2-48

2.2.1 Modelación 2-48
2.2.2 Balance hidrológico a escala mensual 2-65
3. CAUDALES MÁXIMOS 3-1
3.1 REGIONALIZACIÓN DE CAUDALES MÁXIMOS 3-2

3.1.1 Multiescalamiento 3-2
iv
3.1.2 Integración de los parámetros climáticos de la cuenca para la 3-14
estimación de caudales máximos
3.2 TRANSFORMACIÓN DE LA PRECIPITACIÓN EN 3-28

ESCORRENTÍA.
3.2.1 Función Racional Probabilística. 3-28
3.2.2 Método del Hidrograma Unitario Geomorfoclimático. 3-30
3.2.3 Método GRADEX. 3-32
3.3 INTENSIDAD MÁXIMA DE LAS LLUVIAS EN COLOMBIA. 3-30

3.3.1 Teoría de Escalamiento Aplicado a Curvas Intensidad- 3-37
Duración-Frecuencia (IDF) en Colombia
3.3.2 Otras Metodologías. 3-53
4. CAUDALES MÍNIMOS
4.1 REGIONALIZACIÓN DE CAUDALES MÍNIMOS 4-1
4.2 CURVA DE RECESIÓN 4-28
5. PROCESOS DE DENUDACION 5-1
5.1 Erosión 5-2

5.1.1 Erosión laminar 5-2
5.1.2 Erosión concentrada 5-9
5.2 Remoción en masa 5-9

5.2.1 Caida de bloques y desgarres 5-10
5.2.2 Flujos 5-11
5.2.3 Deslizamientos 5-12
5.2.4. Reptación 5-12
v
5.3 Causas principales de los procesos denudativos 5-13
5.4 Determinación de la erosión y la susceptibilidad a los procesos de

5-14
denudación
5.4.1 Aplicación de la EUPS para Colombia
5-14
5.4.2 Estimación de la producción de sedimentos
5-26
5.4.3 Propuesta metodológica para la determinación de la
susceptibilidad a procesos de denudación 5-28
5.4.4 Rangos utilizados
5-29
6. MANUAL DEL USUARIO
6.1 INTRODUCCIÓN.
6-1
6.2 GUIA PARA USUARIOS NUEVOS.

6-2
6.3 GUIA GENERAL.

6-8
6.3.1 Menú Principal.
6-8
6.3.2 Legajadores Globales.
6-24
6.3.3 Menú Opciones de Mapa.
6-36
6.3.4 Legajadores de Mapa.
6-42
6.4 CONVERSIÓN DE MAPAS FISICOS A MDT’s

6-48
6.5 INDICE DEL MANUAL DEL USUARIO.

6-49
REFERENCIAS R-1
vi
LISTA DE FIGURAS
Figuras Página
2.1 Series de índices macroclimáticos relacionados con la hidroclimatología 2-7

de Colombia. En la columna derecha se grafica el ciclo anual de dichos
índices.
2.2 Mapas de correlaciones trimestrales rezagadas entre el SOI y registros 2-8

de caudal en Colombia.
2.3 Continuación de la figura 2.2 2-9
2.4 Mapas de correlaciones trimestrales rezagadas entre el MEI y registros 2-10

2.5 Continuación de la figura 2.3. 2-11
2.6 Mapas de correlaciones trimestrales rezagadas entre la SST en NIÑO 2-12

3.4 y registros de caudal en Colombia.
2.8 Mapas de correlaciones trimestrales rezagadas entre el TPI y registros 2-14

2.10 Mapas de correlaciones trimestrales rezagadas entre la PDO y registros 2-16

2.12 Mapas de correlaciones trimestrales rezagadas entre la NOA y registros 2-18

de precipitación en Colombia.
vii
2.14 Mapas de correlaciones trimestrales rezagadas entre la temperatura del 2-20

Atlántico Sur y registros de precipitación en Colombia.
2.16 Mapas de correlaciones entre la temperatura del Atlántico Sur y Norte 2-22
con los registros de Precipitación en Colombia.
2.17 Mapas de correlaciones trimestrales rezagadas entre la resta de 2-23

temperatura del Atlántico norte menos el Sur y registros de
precipitación en Colombia.
2.18 Continuación de la figura 2.17 2-24
2.19 Histogramas de frecuencia para el Río Magdalena, estación calamar, 2-27

para la serie completa, para los años El Niño y para los años La Niña,
respectivamente.
2.20 Histogramas de frecuencia para el Río Magdalena, estación Puerto 2-28

Berrio, para la serie completa, para los años El Niño y para los años La
Niña, respectivamente.
2.21 Histogramas de frecuencia para el Río Grande, estación El Templete 2-29

RG-8 para la serie completa, para los años El Niño y para los años La
Niña, respectivamente.
2.22 Histogramas de frecuencia para el Río Cauca, estación La Balsa para la 2-30
serie completa, para los años El Niño y para los años La Niña,
respectivamente.
2.23 Histogramas de frecuencia para el Río Fonce, estación San Gil para la 2-31
respectivamente.
2.24 Histogramas de frecuencia para el Río Blanco, estación Carlosama para 2-32
la serie completa, para los años El Niño y para los años La Niña,
respectivamente.
2.25 Gráficos para los cuantiles 25%, 50% y 75% de precipitación. Se 2-34
grafica un mapa para cada cuantil y para cada año correspondiente a una
fase del ENSO y a años normales. El tamaño de los círculos
corresponde a la relación entre el valor del cuantil y el valor medio
viii
multianual de la variable.
2.26 Gráficos para los cuantiles 25%, 50% y 75% de precipitación. Se 2-35
grafica un mapa para cada cuantil y para cada año correspondiente a una
fase del ENSO y a años normales. El tamaño de los círculos
corresponde a la relación entre el valor del cuantil y el valor medio de la
variable en años El Niño, La Niña y normales, según corresponda.
2.27 Curva de Duración de Caudales para estaciones localizadas en diferetes 2-41

regiones, separando años El Niño, La Niña y Normales.
2.28 Curava de Duración para los trimestres DEF, MAM, JJA y SON, 2-42
separando años El Niño, La Niña y Normales.
2.34 Esquema del modelo de tanques propuesto en el proyecto “Balances 2-49

Hidrológicos de Colombia (UNAL-UPME-COLCIENCIAS, 1999).
2.35 Ciclo anual de caudales en la estación de registro Dos Campos (Río 2-51
Sardinata). En la superior se observan el ciclo real (rojo) y el modelado
usando la parametrización de “Balances” (negro). En la inferior, se
observa el ciclo real y los resultados de la modelación usando la
parametrización optimizada.
2.36 Ciclo anual de caudales en la estación de registro Puerto Berrío (Río 2-51
Magdalena). En la superior se observan el ciclo real (rojo) y el
modelado usando la parametrización de “Balances” (negro). En la
inferior, se observa el ciclo real y los resultados de la modelación
usando la parametrización optimizada.
2.37 Ciclo anual de caudales en la estación de registro Puente Portillo (Río 2-52
Bogotá). En la superior se observan el ciclo real (rojo) y el modelado
ix
2.38 Esquema general del modelo sencillo de interacción Suelo-Atmósfera. 2-55
2.39 Distribución espacial de los resultados del modelo propuesto. Se 2-59

observan en su orden el caudal susbsuperficial, el caudal superficial, la
evapotranspiración real y el agua en el suelo.
2.40 Ciclo anual puntual (5º 54’ 47’’ N, 74º 58’ 26’’ W) para la 2-60
precipitación, el caudal subsuperficial y el caudal superficial (nótese que
el eje de las ordenadas no tiene la misma escala en las tres gráficas)
2.41 Resultados de dos ejemplos “ficticios” (escorrentía superficial -en color 2-61
negro- y subsuperficial -en rojo-) del modelo diario con la misma
precipitación (superior) y diferentes constantes de recesión (K).
2.42 Ciclo anual de caudales históricos (en rojo), ciclo anual obtenido con el 2-63
modelo mensual (parametrización del “Proyecto Balances” y de la
parametrización optimizada) y el ciclo obtenido con el modelo diario
propuesto. En la parte superior aparecen los resultados para la estación
El Banco (río Magdalena), en la esquina inferior izquierda para la
estación El Tablazo (río Sogamoso) y a su lado para la estación
Quitasueño (río Arma) .
2.43 Conservación de la masa de agua en la columna del sistema suelo- 2-66

atmósfera
2.44 Determinación del inicio y fin del periodo de almacenamiento de agua 2-70
mediante el análisis del curva de recesión de caudales.
2.45 Definición de la evaporación mensual por el balance de agua. 2-71
2.46 Estimación de la evaporación a partir de la metodología SWB (Diaz y 2-72

Kan, 1999)
2.47 Distribución espacial de la evaporación mensual por el método de 2-74

Morton. Tomado de HIDRO-SIG. UNALMED-UPME-
COLCIENCIAS, 1999.
2.48 Ciclo anual del almacenamiento de agua en suelo para varias 2-75
condiciones iniciales, CI, y para el periodo 1966-1987.
2.49 Precipitación, evaporación, caudal y almacenamiento de agua en el 2-76

suelo para la cuenca del Río Grande y para el periodo 1966-1987.
x
suelo para la cuenca del Río Fonce y para el periodo 1966-1987.

suelo para la cuenca del Río Nechí y para el periodo 1966-1987.

suelo para la cuenca del Río La Vieja y para el periodo 1966-1987.

suelo para la cuenca del Río Otún y para el periodo 1966-1987.
2.54 Estimación de la capacidad de campo, punto de marchitez permanente y 2-82

capacidad de retención de agua (agua disponible) a partir de las texturas
del suelo. Para un suelo con 50% de arena y 50% de arcilla.
3.1 Mapa de subregiones que indica la ubicación de las 3-4

estaciones limnigráficas utilizadas en los análisis.
3.2 Ajuste de caudal máximo para todo el país, utilizando los parámetros de 3-7
las ecuaciones de ajuste nacionales para diferentes periodos de retorno
presentados en la Tabla 3.1. De abajo hacia arriba están las ecuaciones
de 2.33, 5, 10, 25, 50 y 100 años de periodo de retorno y
respectivamente los estimados para cada estación están en color azul
oscuro, rojo, amarillo, azul claro, púrpura y verde.
3.3 Ajuste de los momentos de diverso orden (1º al 4º) de todas las 3-10
estaciones del país. En azul oscuro se presentan los puntos para el
primer momento, en rojo para el segundo, en gris para el tercero y por
último en verde para el cuarto. Las líneas entre las nubes de puntos son
las rectas dibujadas de acuerdo a los parámetros presentados en la Tabla
3.2 para toda Colombia.
3.4 Gráfico de la función de estructura para todas las estaciones del país. 3-10
Los valores obtenidos con los datos muestrales se presentan con los
diamantes. La recta denota el valor teórico para el caso de escalamientos
simple. El alejamiento de los puntos con respecto a recta de pendiente
unitaria sugiere la presencia de multiescalamiento.
3.5 Ubicación de las estaciones de la subregión “Cañón del Cauca”. 3-11
xi
3.6 Dispersión de los caudales máximos estimados a partir del ajuste de 3-11
cada serie de datos respecto de las curvas de regresión regionales; en
color negro aparecen los puntos estimados y la recta de ajuste
correspondiente a un periodo de retorno de 2.33 años, en verde los
correspondientes a un periodo de retorno de 5 años, en azul los
correspondientes a 10 años, en púrpura los correspondientes a 20 años,
en rojo 50 años y en color gris los correspondientes a 100 años de
periodo de retorno.
3.7 Curvas de regresión calculadas para los momentos de diverso orden. En 3-12
negro el primer momento, en verde el segundo, el tercero en púrpura y
por último el cuarto en rojo.
3.8 Función de estructura en “Cañón del Cauca”. Al alejarse los puntos de 3-13
los momentos de orden mayor de la recta de pendiente unitaria se
observa que los datos no obedecen el escalado simple a favor del
multiescalamiento.
3.9 Gráfico de CV vs A. No es claro cual es el posible valor de Ac, pero se 3-13

intuye que es menor que 1000 km2.
3.10 Ajuste de los caudales máximos medios contra el caudal medio 3-16
multianual de la cuenca, para todas las regiones de Colombia. Es
notable el alto coeficiente de correlación logrado con dicha regresión, lo
que indica la alta confiabilidad de los estimados con este modelo. Sin
embargo, KM se asume constante para todo el país.
3.11 Valores de KM (derecha) y KDS (izquierda) calculados para todas las 3-18
estaciones. La similitud en los tamaños de círculos cercanos indican que
dicho parámetro se puede asumir constante en cada subregión.
3.12 A la derecha se tienen los estimados utilizando K constante para todo el 3-20
país. A la izquierda se presentan los estimados utilizando K
regionalizado. En ambas, el eje de las abscisas es el caudal medio
máximo real y el de las ordenadas es el caudal medio máximo estimado.
La nube de puntos se dispersa mejor alrededor de la recta de pendiente
unitaria en el caso de K regionalizado.
3.13 Mapa de Caudal Máximo Medio. Este mapa utiliza el balance sobre la 3-22
cuenca para calcular el valor del caudal medio y para estimar el valor de
KM en cada pixel del mapa.
xii
3.14 Mapa de desviación estándar del caudal máximo medio. Este mapa 3-22
utiliza el balance sobre la cuenca para calcular el valor del caudal medio
y para estimar el valor de KDE en cada pixel del mapa.
3.15 Mapa de caudal máximo de periodo de retorno 2.33 años calculado 3-23
utilizando la distribución Lognormal.
3.16 Mapa de caudal máximo de periodo de retorno 5 años calculado 3-24


utilizando la distribución Lognormal


3.20 Gráfico de los primeros cuatro momentos de las lluvias máximas 3-44
involucrando los registros de 36 estaciones. Los rombos son los valores
muestrales y las líneas continuas los mejores ajustes. θr es la pendiente
de estas líneas
3.21 Función de Estructura de los datos. La línea continua es la gráfica de la 3-44

ecuación (3.39) y los símbolos (+) son los resultados muestrales
3.22 Regresiones lineales entre el momento de orden 1 y los momentos de 3-45

orden 2, 3 y 4 para todas las estaciones
3.23 CV a partir del diagrama de momentos (línea continua) y valores 3-46

muestrales promediados para todas las duraciones (+).
3.24 Valores del CV para todas las duraciones en todas las estaciones. 3-47
3.25 Distribución y variabilidad espacial de CV para todas las estaciones 3-48

analizadas
3.26 Distribución de frecuencias y variabilidad espacial de θ1 para todas las 3-49

estaciones analizadas
3.27 Curvas IDF para cuatro estaciones (El Sauce, Naranjal, La Sirena y El 3-50
Rosario) utilizando el método de escalamiento simple
xiii
3.28 Errores relativos entre los valores del modelo y el método tradicional en 3-51
las estaciones El Rosario, La Sirena, Naranjal y El Sauce.
3.29 Mapa de precipitación máxima diaria 3-59
3.30 Mapa del promedio de días con lluvia al año 3-60
3.31 Mapas de Intensidad de lluvia basados en la ecuación (3.35), en su 3-61

orden se tienen mapas para duraciones de 1,3 y 24 horas con Tr = 2.33 y
50.
3.32 Histogramas de Frecuencias para valores promedios de C2, C3 y C4 con 3.63

diferentes períodos de retorno (2.33,10,50 años)
3.33 Curvas IDF ajustadas para diferentes estaciones con las (3.4) (línea 3-64
continua), Tipo III (línea punteada) y Tipo IV (línea segmentada).
3.34 Parámetros vs Ct para Tr = 2.33 3.66
3.35 Errores relativos para la ecuación tipo III para los diferentes períodos de 3-67
retorno
3.36 Variación espacial del coeficiente de torrencialidad Ct para un periodo 3-68

de retorno de 2.33 años (arriba) y 50 años (abajo.)
3.37 Mapas de intensidad para Tr = 2.33 y 50 años, duraciones de 1h, 3h y 24 3-69
4.1 Ubicación de las estaciones utilizadas para la regionalización de 4-1

caudales mínimos.
4.2 Ajustes de distribuciones de probabilidad obtenidos, empleando 4-5

distribuciones Gumbel (continua) y LogNormal (punteada) para
Tr=2.33, 5, 10, 25, 50, 100 para las estaciones (de izquierda a derecha)
El Higuerón, (Valle), El Templete, (Antioquia)., La Mosca RN_2,
(Antioquia)., Pte Santander, (Huila), Salvajina, (Cauca), Pte Fierro,
(Boyacá).
4.3 Ajustes de la distribución Lognormal correspondientes a los caudales 4-7

mínimos del río Magdalena en la estación Arrancaplumas. Nótese que
los resultados obtenidos para años normales son muy similares a los
obtenidos teniendo en cuenta toda la longitud de la serie, por lo cual
cuando se realizan los ajustes considerando toda la serie se están
representando las condiciones medias.
xiv
4.4 Perfil transversal de una ladera ideal. (Furey y Gupta, 2000) 4-8
4.5 Ajuste de caudal mínimo para diferentes periodos de retorno contra el 4-11
área de la cuenca sin fijar el exponente del área. Nótese que las
pendientes de los ajustes, son aproximadamente iguales a 1.
4.6 Ajuste de caudal mínimo para diferentes periodos de retorno contra el 4-12
área de la cuenca fijando el exponente del área en 1.
4.7 Gráfico de M(j) para diferentes periodos de retorno. Nótese como 4-15
aumenta la pendiente con el periodo de retorno. + Tr = 2.33 años, <>
Tr=100 años. R es el coeficiente de regresión del ajuste.
4.8 Función de estructura de los momentos de los caudales mínimos para 4-17
las diversas regiones de Colombia.
4.9 Caudal mínimo/Area contra Area. Nótese que la dispersión de los datos 4-18
disminuye considerablemente para valores de área superiores a 20000
km² aproximadamente. No se descarta que se deba a escasez de datos o
que realmente se trata de convergencia en distribución
4.10 Ajustes de la media del caudal mínimo contra A( P − E ) β para diferentes 4-20
exponentes.
4.11 Ajustes de la desviación típì ca del caudal mínimo contra 4-21

A( P − E ) β para diferentes exponentes.
4-12 Valores de la constante cµ, para las Ec (4.17) y la Ec (4.19) 4-22
4.13 Valores de c, para Colombia 4-23
4.14 Caudal mínimo medio para Colombia obtenido a partir de ecuaciones 4-24
de regionalización
4.15 Desviación estándar de los caudales mínimos para Colombia. 4-25
4.16 Caudal mínimo para Tr = 2.33 años, utilizando la distribución 4-26

Lognormal
4-17 Caudal mínimo para Tr = 10 años, utilizando la distribución Lognormal 4-26
4.18 Caudal mínimo para Tr = 25 años, utilizando la distribución Lognormal 4-27
xv
4.19 Caudal mínimo para Tr = 50 años, utilizando la distribución Lognormal 4-27
4.20 La línea negra representa tres años (resolución diaria) de la serie de 4-35
caudal de Salvajina. En color se presenta el resultado la envolvente
mínima de la serie calculada buscando el mínimo móvil de un ventana
de 15 días
4.21 La línea negra corresponde al primer año de la envolvente mínima de la 4-35

serie de caudales diarios de Salvajina. La línea vertical color verde
señala el caudal mínimo del año y la línea naranja localiza el comienzo
de la recesión. La curva vinotinto corresponde a la curva exponencial
ajustada para representar la recesión.
4.22 Función de distribución acumulada de t para Salvajina. La línea 4-36

punteada corresponde a la distribución Gumbel y los puntos
corresponden a la distribución empírica
4.23 Resultados de la metodología de envolvente mínima para Salvajina. (A) 4-36

Los triángulos negros representan qo (caudal de inicio de la recesión)
vs t (duración de la recesión), la líneas naranja representan el ajuste de
qo vs t y la media de qo . La línea negra representa el caudal medio
multianual. Los triángulos amarillos corresponden al caudal mínimo
para cada año. (B) k (constante de la recesión) vs qo . (C) Qmin (Caudal
mínimo) vs qo . (D) Qmin vs t
4.24 Mapa de caudal mínimo para un período de retorno de 2.33 años, 4-37
estimado usando la curva de recesión con los parámetros de la Tabla 4.4
4.25 Mapa de caudal mínimo para un período de retorno de 5 años, estimado 4-38
usando la curva de recesión con los parámetros de la Tabla 4.4
4.26 Mapa de caudal mínimo para un período de retorno de 10 años, 4-39



xvi
4.30 En la gráfica superior se observa una fracción de la series de caudales 4-45

sobre el río Sogamoso (estación el Tablazo, código 2406701) y en la
inferior el resultado del modelo de tanques (ver Capítulo 2) utilizando
las estaciones de precipitación dentro de la cuenca (ver Tabla 4.3). La
línea verde representa la escorrentía superficial la naranja representa la
escorrentía subsuperficial y la negra es la escorrentía total.
5.1 Mapa de erosividad de la lluvia en Colombia. (Digitalizado de un mapa

del IGAC, 1988) 5-15
5.2 Mapa de Erodabilidad de los Suelos en Colombia basado en la ecuación

de las texturas del suelo (Stöckle e IGAC, 1988 y 1995) 5-17
5.3 Mapa del factor Topográfico LS generado a partir de la topografía

digital. 5-19
5.4 Mapa de Uso Actual de la Tierra en Colombia (Digitalizado de un mapa

originado por el IGAC, 1988. 5-22
5.5 Mapa del factor de Cubierta y Manejo, C 5-24
5.6 Mapa de Erosión Laminar Media Anual de Colombia. 5-25
5.7 Producción de sedimentos reportada vs. Estimada con mapa de erosión

laminar de acuerdo con la EUPS 5-28
5.8 Mapa de grupos litológicos, modificado del Mapa Geológico de

Colombia (Ingeominas, 1988) 5-30
5.9 Mapa de permeabilidad primaria (Ingeominas, 1989) 5-32
5.10 Mapa de cobertura vegetal (modificado de Usos de la Tierra, IGAC,

1988) 5-33
5.11 Grupos de zonas de vida(IGAC, 1992) 5-34
5.12 Susceptibilidad sísmica (modificado de IGAC, 1989) 5-35
5.13 Susceptibilidad a la caida de bloques y los desgarres. 5-38
5.14 Susceptibilidad a la erosión concentrada. 5-39
xvii
5.15 Susceptibilidad a los deslizamientos 5-39
5.16 Susceptibilidad a los flujos 5-40
5.17 Susceptibilidad a la reptación 5-40
6.1 Interfaz principal del software HidroSig Java 6-3
6.2 Mapa de pendientes máximas para Colombia y selección de la tabla de 6-4

colores.
6.3 Extracción de corrientes y localización de algunas cuencas sobre el 6-5

mapa de Direcciones de Drenaje del MDT Concordia.
6.4 Determinación del balance hidrológico en una estación del río 6-7
Sogamoso.
6.5 Componentes de la interfaz principal. 6-9
6.6 Interfaz para abrir las variables geomorfológicas asociadas a un MDT. 6-10
En (a) el MDT ya ha sido procesado y tiene diez mapas posibles ya
construidos; en (b) sólo se tiene acceso al MDT, para calcular el resto
de mapas se debe hacer clic en Procesar.
6.7 Cuadro de diálogo de la corrección de un MDT, la barra indica el 6-10

progreso en la corrección de sumideros. Para cada uno de los sumideros
se deben corregir zonas planas y calcular direcciones de drenaje. El
estado indica qué parte del proceso se está ejecutando.
6.8 Interfaz para abrir un mapa de una variable hidrológica. 6-12
6.9 Interfaz para abrir múltiples variables climatológicas. 6-12
6.10 Conjunto de mapas de una variable hidrológica mostrados usando la 6-13

herramienta Desplegar Simultáneamente. Los recuadros del legajador
Variables Activas muestran el valor de la variable de cada mapa, en el
punto en el cual usted posicione el puntero del mouse.
6.11 Conjunto de mapas de una variable hidrológica mostrados usando la 6-14

herramienta Desplegar por Capas. Los recuadros del legajador
Variables Activas muestran el valor de la variable de cada mapa, en el
punto en el cual usted posicione el puntero del mouse. Para observar
xviii
cualquier otro mapa de los que usted desplegó mueva la barra
deslizadora que aparece a la izquierda de la interfaz.
6.12 Interfaz de la Calculadora de mapas. 6-16
6.13 Índice topográfico para la región del Chocó calculado con la calculadora 6-17
de mapas.
6.14 (a) Estandarización del mapa de Dias con Lluvia en Colombia usando la 6-19
calculadora de mapas y la paleta de colores Verde-Rojo-Azul-Blanco.
(b) Diferencia entre los mapas corregido y bruto de la topografía digital
de Colombia a 120”.
6.15 Interfaz para la visualización en 3D para el MDT de concordia[60] y la 6-21

paleta de colores Elevaciones. Nótese la alta relación de aspecto que se
requiere.
6.16 Interfaz de Opciones del Sistema y modo Swatches de selección de 6-22

color.
6.17 Modos HSB y RGB para la selección de colores. El color escogido se 6-23
muestra en Preview.
6.18 Legajador de visualización global del MDT corregido concordia. La 6-25

paleta de colores Elevaciones ha sido seleccionada.
6.19 Resultado sobre el MDT de la figura 6.18 de la modificación de la 6-26

paleta de colores Elevación.
6.20 Interfaz del reporte geomorfológico para la cuenca del rio Magdalena 6-29
sobre el MDT colombia de la carpeta 120[ArcSec].
6.21 Gráficos de algunas gráficas obtenidas para las cuencas del rio 6-30
Magdalena y rio Sogamoso.
6.22 Resultados obtenidos después de calcular el balance hidrológico y 6-34

estimar el ciclo anual de caudales para el rio Guaviare en el MDT de
Colombia con resolución 120”.
6.23 Legajador Caudales Máximos y Mínimos después de una estimación 6-35

completa para la cuenca del río Sogamoso.
6.24 Visualización múltiple de perfiles usando la misma línea. 6-38
xix
6.25 Distancia entre Medellín y Londres evaluada sobre el mapa 6-39
tss8701.metaVHC de la base de datos BaseDeDatosEjemplo.
6.26 Visualización de múltiples cuencas y corrientes sobre el mapa de 6-40

direcciones de drenaje de Colombia. Para remover alguna de las
cuencas desplegadas, basta con deseleccionar el objeto polígono en el
legajador de las izquierda.
6.27 Red de drenaje para un MDT pequeño en la región de Concordia, 6-41

Antioquia.
6.28 Modelo digital topochoco.mdt con el objeto vectorial costas.punteros 6-43

y departamentos.punteros.
6.29 Búsqueda de estaciones en la base de datos. 6-44
6.30 (a) Apariencia de la interfaz principal cuando se ubica la estación “La 6-45
Loma”. (b), (c) y (d) corresponden a las gráficas de Real, Ciclo Anual,
Estandarizado y Anual+Distribución obtenidas para esta estación.
6.31 Ubicación de capitales sobre el MDT de Colombia y visualización 6-21

información acerca de Medellín.
xx
LISTA DE TABLAS
Tabla Página
2.1 Índices de variables macroclimáticas influyentes en la 2-3

hidroclimatología de Colombia.
2.2 Estaciones registro de caudales de las cuales se presentan resultados de 2-25

histogramas de frecuencia durante las fases El Niño y La Niña.
2.3 Estaciones de caudales estudiadas. 2-39
2.4 Valores de algunos parámetros usados por el modelo QTCM1. 2-61
2.5 Errores en el cierre del balalnce multianual (1966-1987) 2-74
2.6 Comparación de Wo y el almacenamiento máximo de agua en el suelo 2-79

suponiendo que en un mes dicho almacenamiento es cero.
2.7 Capacidad de campo, punto de marchitez permanente y capacidad de 2-84

retención de agua en el suelo.
3.1 Resumen de los resultados obtenidos por subregiones por el método 3-6
del multiescalamiento para la estimación de los caudales máximos para
diferentes periodos de retorno.
3.2 Resultados de las regresiones realizadas para ajustar los momentos de 3-8
diverso orden de las series en cada subregión
3.3 Parámetros de ajuste de los modelos ensayados para calcular el caudal 3-15
medio máximo para toda Colombia (207 estaciones)
3.4 Parámetros de ajuste de los modelos ensayados para calcular la 3-17

desviación estándar de los caudales máximos para toda Colombia (207
estaciones)
xxi
3.5 Valores calculados de K de las ecuaciones (3.13) y (3.17) para las 3-19
diferentes subregiones consideradas.
3.6 Información General de las estaciones utilizadas (CENICAFE) 3-42
3.7 Valores de ξr de la Figura 3.21 3-45
3.8 Tipos de ecuaciones de intensidad-frecuencia-duración 3-53
3.9 Resultados para el conjunto total de 165 estaciones 3-57
3.10 Resultados para la Región Andina (R1). 116 estaciones 3-57
3.11 Resultados para la Región del Caribe (R2). 28 estaciones 3-57
3.12 Resultados para la Región del Pacífico (R3). 17 estaciones 3-57
3.13 Resultados para la Región Orinoquía (R4). 4 estaciones 3-58
3.14 Media y varianza de los errores porcentuales relativos a las estaciones 3-62
recolectadas sobre la región Andina (Vargas, 1998)
3.15 Valores de pendiente, intercepto y coeficiente de correlación para cada 3-65

parámetro y diferente periodo de retorno
3.16 Media y desviación estándar porcentual para la zona Andina. 3.70
4.1 Valores de θ encontrados por diferentes autores en el caso de los 4-7

caudales mínimos.
4.2 Valores de c, para el caudal mínimo medio, obtenidos a partir de la Ec 4-23

(4.19) y Ec (4.20)
4.3 Estaciones con registros diarios utilizadas en la construcción de los 4-32

mapas de caudales mínimos
4.4 Resumen de variables utilizadas en la construcción de los mapas de 4-34

caudales mínimos para diferentes periodos de retorno
5.1 Clasificación de movimientos en masa según Varnes (1978) 5-10
5.2 Factor C para cultivos perennes (FAO, 1989) 5-21
5.3 Factor de cobertura vegetal y técnicas de cultivo (Factor C) en Africa 5-21
xxii
Occidental (Roose, 1977)
5.4 Valor de C para diferentes porcentajes de recubrimiento del Suelo 5-22

(Gómez, 1984)
5.5 Convenciones para el mapa de Usos de la Tierra en Colombia 5-23
5.6 Reclasificación de los grupos originales y su respectivo valor C 5-24
5.7 Cálculo del transporte de sedimentos basados en el mapa de erosión

laminar 5-27
5.8 Grupos litológicos (modificado de Ingeominas, 1988) 5-30
5.9 Rangos de pendientes 5-31
5.10 Clasificación cualitativa según la resistencia a la compresión 5-31
5.11 Susceptibilidad al fracturamiento según la distancia a la traza 5-32
5.12 Clasificación general de la cobertura vegetal (modificado del mapa de

Usos de la Tierra presentado por el IGAC, 1988) 5-34
5.13 Grupos de zonas de vida (modificado de IGAC, 1992) 5-35
5.14 Rangos de susceptibilidad sísmica 5-36
5.15 Susceptibilidad intrínseca de los grupos litológicos 5-36
5.16 Susceptibilidad de los grupos litológicos según la pendiente. 5-37
xxiii
Introducción
1 INTRODUCCIÓN
En este trabajo se presentan los resultados del proyecto de investigación “Atlas

Hidrológico de Colombia”. Ha sido realizado por el Postgrado en Aprovechamiento de
Recursos Hidráulicos de la Facultad de Minas, Universidad Nacional de Colombia, Sede
Medellín, por solicitud y con financiación de la Unidad de Planeamiento Minero-
Energético (UPME) del Ministerio de Minas y Energía de Colombia.
El presente estudio constituye una continuación de estudios previos efectuados por el

Postgrado en Aprovechamiento de Recursos Hidráulicos, con apoyo de la UPME. En
particular, el trabajo sobre los “Balances Hidrológicos de Colombia” (UNAL-UPME,
COLCIENCIAS, 1999) constituyó la base de partida, con la elaboración de mapas de las
variables hidrológicas y climáticas de mayor relevancia sobre el territorio de Colombia.
Allí se estimaron con mucho detalle los campos distribuidos de los valores promedio de
largo plazo para las componentes del balance hidrológico superficial, tales como la
precipitación, la evaporación potencial y real y la escorrentía, en cualquier cuenca
hidrográfica, que previamente ha sido extractada computacionalmente a partir de mapas de
elevación digital de la topografía Colombiana.
Se dice que el presente trabajo constituye continuación natural de tales estudios previos en
términos de las preguntas, los datos y las metodologías de estimación de otros aspectos de
la variabilidad hidrológica y climática del país. En particular, se hace un exhaustivo análisis
de estimación de influencias macroclimáticas sobre el ciclo anual de la hidrología
Colombiana, se presentan mapas de la distribución de máximas intensidades de lluvias para
diferentes duraciones, así como de la distribución de caudales máximos y mínimos de
distintos períodos de retorno. Además se presentan mapas relacionados con erosión laminar
1-1
Introducción
y de susceptibilidad a los movimientos en masa sobre Colombia, y finalmente se describe el

software creado para almacenar, desplegar y manipular la información resultante de este
trabajo, denominado HidroSig Java.
En el capítulo 2 se presentan los resultados y mapas de la asociación existente entre

diversos fenómenos macro-climáticos y el ciclo anual de las lluvias y los caudales de
Colombia. También se incluye la evaluación de las funciones de distribución de
probabilidades (histogramas de frecuencias) de las variables hidrológicas Colombianas
durante las dos fases del fenómeno El Niño/Oscilación del Sur (ENSO): El Niño y La Niña,
así como el efecto de ambas fases sobre los caudales y lluvias medias de los distintos meses
del año, y el efecto del ENSO sobre las curvas de duración de los caudales. Además se
presenta y se aplica una metodología de tanques, mucho más refinada que la presentada en
UNAL-UPME-COLCIENCIAS (1999), para la estimación detallada del ciclo anual de los
caudales medios mensuales en cualquier punto de la geografía Colombiana.
Adicionalmente, se evalúa el uso del modelo QTCM (“Quasi-Equilibrium Tropical
Circulation”). Este modelo representa la interacción suelo-atmósfera, mediante ecuaciones
no lineales parametrizadas para la humedad y termodinámica atmosférica. Este modelo es
más simple que un Modelo de Circulación General, ya que representa de manera
simplificada la convección tropical. La solución analítica para el flujo tropical bajo
condiciones estrictas de cuasi-equilibrio (aproximación adicional) parece suficientemente
útil.
En el capítulo 3 se presentan los resultados de la estimación de caudales máximos. Para

ello se estudia en detalle la intensidad de la lluvia para distintas duraciones y especialmente
en su escalamiento temporal y se obtienen expresiones analíticas y maspas regionales para
las curvas Intensidad-Frecuencia-Duración. Se hace un estudio de regionalización en
términos de las relaciones entre los caudales máximos de distintos períodos de retorno en
función del área de la cuenca y se presentan mapas distribuidos sobre Colombia. Se
discuten las ideas de la estimación de caudales máximos por varios métodos como el
método racional probabilístico, el método GRADEX y el método de la Hidrógrafa Unitaria
Geomorfoclimática, y se explica su aplicación mediante la utilización del software que
1-2
Introducción
acompaña este trabajo. En el atlas digital que acompaña este informe se presentan mapas de
los valores estimados de los caudales máximos para distintos períodos de retorno en
cualquier sitio de la geografía colombiana.
En el capítulo 4 se presenta la estimación de caudales mínimos de diferente período de

retorno. Se presentan mapas obtenidos mediante métodos de regionalización y mediante el
método de la curva de recesión. Creemos que estos dos capítulos 3 y 4 constituyen aportes
importantes para el entendimiento de la hidrología de Colombia, pues por primera vez se
construyen mapas a nivel nacional de caudales máximos y mínimos para diferentes
períodos de retorno, a la escala de trabajo de 5 minutos de arco.
El capítulo 5 presenta los resultados de la estimación de la erosión laminar sobre Colombia,

usando la metodología de la ecuación universal de pérdida de suelo. Se construyen mapas
de erosividad de la lluvia, de erodabilidad en función de las texturas del suelo, del llamado
“factor topográfico”, del factor de Cobertura y Manejo, y de erosión laminar media anual
de Colombia. En este capítulo también se presenta un procedimiento para estimar la
susceptibilidad a los movimientos en masa y en el atlas digital se incluyen el mapa obtenido
como resultado.
En el capítulo 6 se describe el software producido, que en sí mismo constituye el Atlas

Digital de la Hidrología de Colombia (a una escala de 30 segundos de arco para la
topografía de Colombia), y se incluye un Manual de usuario para su utilización. El software
incluye, además de todos los resultados del trabajo de Balances Hidrológicos de Colombia
(UNAL-UPME-COLCIENCIAS, 1999), los resultados obtenidos en este trabajo. Al software
se le ha mantenido el nombre de HIDRO-SIG, Versión 2. El CD-ROM que acompaña el
presente estudio contiene el software en lenguaje JAVA, al cual se ha migrado desde IDL
por razones de dominio público, capacidad gráfica, versatilidad de uso en diversas clases de
plataformas (PC, Mac, Unix, etc.) y posibilidad de consulta en tiempo real en Internet, sin
necesidad de pago de licencia por parte de los usuarios.
En el capítulo 7 se presentan las conclusiones.

1-3
Clima
2 CLIMA
2.1 FASES EXTREMAS DE OSCILACIÓN DEL ENOS.
2.1.1 Influencia de fenómenos macroclimáticos
En el presente existe claridad sobre la fuerte asociación de nuestra hidrología con el

clima global. A la escala de tiempo interanual, el llamado fenómeno El Niño-Oscilación
del Sur (ENSO), es el más importante. El fenómeno ENSO tiene implicaciones
importantes sobre la estimación de caudales confiables en Colombia, por la persistencia
de condiciones críticas de lluvias deficitarias durante períodos prolongados asociados a
la fase caliente del Pacífico Tropical (El Niño) y a condiciones de excesos hidrológicos
durante la fase fría del Pacífico Tropical (La Niña). Pero esa relación con el clima
global también tiene implicación importante sobre los estudios hidrológicos, en
particular con motivo del llamado cambio climático global. Esto puede significar la
presencia de tendencias hacia condiciones más secas o hacia condiciones de variabilidad
mayor, que se pueden reflejar en una reevaluación del potencial hidroeléctrico.
En este informe se presenta un resumen del conocimiento consolidado a través de varios

estudios que demuestran el alto grado de influencia que el ENSO y otros fenómenos de
macro-escala ejercen sobre la hidro-climatología de Colombia. En particular, nos
basamos en los resultados de Poveda y Mesa (1993, 1995, 1996a, 1997, 2000), Carvajal
et al. (1994), Mesa et al. (1994a y 1994b), Poveda y Penland (1994), Poveda (1994a,
1994b y 1994c, 1996, 1997, 1998), Poveda et al. (1994, 2000), Salazar et al. (1994), Gil
y Quiceno (1997), Hoyos (1999), al igual que nuevos resultados, que confirman la
influencia de fenómenos climáticos de gran escala sobre la variabilidad temporal de la
hidrología de Colombia a escala mensual, anual e interanual. En la Figura 2.1 se
2-1
Clima
presentan la serie de tiempo y el ciclo anual de algunos de los índices representativos de

fenómenos climáticos asociados con la hidrología de Colombia. Dichos índices pueden
dividirse entre los que representan el estado del Océano Pacífico y la atmósfera sobre
éste, especialmente en la franja tropical, y los representativos del estado del Océano
Atlántico y su atmósfera. En la Tabla 2.1 se describen los índices climáticos utilizados.
Datos y Metodología
En general, debido a características geográficas y fisiográficas de Colombia y a la

dinámica de las teleconexiones de gran escala, el efecto del clima global sobre la
variabilidad temporal de la hidrología, no es igual en todos los puntos de la geografía
Colombiana. Con el objetivo de detectar las diferentes respuestas regionales de la
hidrología de Colombia asociadas con la variabilidad del clima global, se utilizaron
registros de 30 o más años continuos de precipitación y caudal distribuidos en toda
Colombia. Se utilizaron los registros mensuales presentes en el HidroSig del proyecto
“Balances Hidrológicos de Colombia” (UNAL-UPME-COLCIENCIAS, 1999). Una
manera de estudiar la influencia de las diferentes variables macroclimáticas sobre el
ciclo anual de la hidroclimatología de Colombia es cuantificar el grado de dependencia
lineal que existe entre tales variables y los registros de Colombia, mediante la
estimación de correlaciones cruzadas entre los trimestres de cada variable
macroclimática con cada uno de los trimestres de la variable hidrológica. Los trimestres
que se seleccionaron para la estimación de la correlación son
• Diciembre–Enero–Febrero (DEF)
• Marzo–Abril–Mayo (MAM)
• Junio–Julio–Agosto (JJA)
• Septiembre–Octubre–Noviembre (SON)
2-2
Clima
Las siglas y definiciones de las diversas variables macro-climáticas se presentan en la

Tabla 2.1. Las series del SOI, T_NIÑO3_4, T_Atlantico_Sur, T_Atlantico_Norte y
NAO se pueden obtener en http://www.cpc.noaa.gov/data/indices/index.html. La serie
de la PDO se obtiene en http://www.atmos.washington.edu/~mantua/abst.PDO.html y la
serie de la TPI en http://tao.atmos.washington.edu/data_sets/tropicalraints/. La serie del
MEI se obtiene mediante comunicación directa con Klaus Wolterde la National
Oceanographic and Atmospheric Administration de Estados Unidos. La información
sobre dicho índice y sobre como obtenerlo se obtiene en
http://www.cdc.noaa.gov/~kew/MEI/.
Para estimar la significancia de la estimación de la correlación (r), se plantea la hipótesis

ρ = 0, la cual se rechaza cuando
t =
r
(n − 2 ) ≥ tα / 2;n−2 , (2.1)
(1 − r )2
donde r es el valor estimado para la correlación y tα / 2;n − 2 es el cuantil de la distribución
t para una significancia de α/2 y n-2 grados de libertad (Bower y Lieberman, 1972). Si se
rechaza la hipótesis, la correlación es estadísticamente significativa.
Tabla 2.1. Índices de variables macroclimáticas influyentes en la hidroclimatología de

Colombia.
PERIODO DE
ÍNDICE DESCRIPCIÓN
REGISTRO
Índice de Oscilación del Sur. Diferencia estandarizada de presión
SOI 1951-2000
atmoférica en Tahití y Darwin.
Índice Multivariado del ENSO. Promedio entre las principales
características del ENSO. Las variables utilizadas en el cálculo son
MEI 1951-2000
presión atmosférica, viento superficial, temperatura superficial del mar
y temperatura del aire, y nubosidad.
Temperatura Promedio de la superficie del mar en las regiones NIÑO3
T_NIÑO3_4 1951-2000
y NIÑO4.
Oscilación Decadal del Pacífico. Se calcula usando análisis de
componentes principales de anomalías mensuales en la temperatura
PDO superficial del Océano Pacífico Norte. Para separar la variabilidad de 1951-2000
dicho patrón del calentamiento global, se remueve la media mensual
global de las anomalias de temperatura superficial del mar.
TPI Índice Tropical Pacífico. Se construye con base en estaciones de 1951-1996
2-3
Clima
registro de precipitación. La región sobre la cual se escogen las

estaciones utilizadas está demarcada dentro de 6.25N-6.25S y 163.75E-
86.25W. Los registros a promediar se estandarizan con base en la
climatología entre 1950-79.
Oscilación del Atlántico Norte. Diferencias de presiones atmosféricas
NAO 1951-1997
normalizadas entre las Islas Azores e Islandia.
T_Atlantico_Su Temperatura promedio del mar en el Atlántico Sur.
1951-2000
r
T_Atlantico_N Temperatura promedio del mar en el Atlántico Norte.
1951-2000
orte
TATLN- Diferencia de temperaturas promedio del mar en el Atlántico Norte y el
Atlántico Sur. 1951-2000
TATLS
Resultados
Los resultados obtenidos permiten establecer las siguientes conclusiones:
• ENSO
En general, se observa una correlación positiva y estadísticamente significativa entre 0.6
y 0.65 entre el SOI de un trimestre determinado y los caudales en Colombia para ese
mismo trimestre y los dos trimestres siguientes (Figura 2.2 y Figura 2.3). Las
correlaciones son especialmente altas entre el SOI del trimestre SON y el caudal del
trimestre DEF, a igual que entre el SOI de DEF y los caudales de DEF. Las
correlaciones entre el SOI de JJA y los caudales en Colombia es el único caso en que los
valores de correlación son relativamente altos para todos los trimestres. Este resultado
no es casual, pues está relacionado a la existencia de la barrera de predecibilidad del SOI
en la primavera boreal (Torrence y Webster, 1998). Esto se refleja en el decaimiento de
las correlaciones entre un trimestre determinado del SOI y los caudales de trimestres
posteriores a MAM, especialmente en SON y DEF. Esta conclusión concuerda con los
resultados de Poveda y Mesa (1996a).
Resultados similares se obtienen cuando se calculan las correlaciones entre el índice

MEI y la temperatura del mar en el Pacífico tropical (T_NIÑO3_4) con los registros de
caudal en Colombia, y entre el TPI y la precipitación en Colombia (Figura 2.4 a Figura
2-4
Clima
2.9, respectivamente). La diferencia radica en que las correlaciones son negativas y no

positivas como entre el SOI y los caudales de Colombia. De igual manera, en las
correlaciones trimestrales rezagadas se observa el efecto de la barrera de predecibilidad
del fenómeno ENSO. Este resultado traduce la estrecha relación inversa entre el SOI y
las temperaturas superficiales del Pacífico tropical.
Espacialmente se observa que la correlación entre los índices representativos del ENSO
y la hidroclimatología de Colombia es más baja en el oriente colombiano, y que las
correlaciones más altas en esa zona se presentan en general, un trimestre más tarde que
en el resto del país. Esto concuerda con los resultados de Poveda y Mesa (1997).
Resultados similares se obtienen para las correlaciones entre la precipitación y los
índices del ENSO. Sin embargo, es importante mencionar que las correlaciones entre
índices del ENSO y la hidroclimatología de Colombia son más altas entre los caudales y
dichos índices, que entre ellos y la precipitación. Esto se debe al efecto de integración
espacial que se da en la cuenca en el proceso lluvia-escorrentía, y a que el fenómeno
ENSO influye no sólo en la precipitación, sino también en las tasas de evaporación real
y la humedad en los suelos, variables de primer orden en el proceso lluvia-escorrentía,
según ha sido demostrado por Poveda et al. (2000).
• PDO
En la Figura 2.10 y la Figura 2.11 se observan las correlaciones trimestrales entre la
PDO (“Pacific Decadal Oscillation”) y los caudales en Colombia. Principalmente se
observan correlaciones negativas significativas (aunque menores que -0.5) entre la PDO
de un trimestre determinado y los caudales de ese mismo trimestre y el siguiente. Para el
trimestre SON de la PDO, las correlaciones se mantienen alrededor de –0.5 durante todo
el año siguiente. Los mecanismos físicos de esta asociación deben investigarse.
• NAO
La correlación entre la NAO (“North Atlantic Oscillation”) y la hidroclimatología de
Colombia, en general, no aparece muy alta, aunque si es estadísticamente significativa
2-5
Clima
(Figura 2.12 y Figura 2.13). Sobresalen principalmente correlaciones negativas

importantes entre la NAO de MAM y la precipitación de DEF, al igual que correlaciones
positivas importantes para algunas estaciones de medida, entre la NAO de JJA y la
precipitación de DEF. Resultados similares se observan en las correlaciones entre el
caudal y la NAO.
• Temperatura del Océano Atlántico

En la Figura 2.14 y Figura 2.15 se observan las correlaciones trimestrales rezagadas
entre la T_Atlantico_Sur y la precipitación en Colombia. La característica más
importante es la presencia de correlaciones positivas alrededor de 0.5 entre
T_Atlantico_Sur y la precipitación de los trimestres JJA y SON. Las correlaciones
directas entre las series representativas de las temperaturas promedio del Océano
Atlántico en el Sur y el Norte y la precipitación en Colombia muestran respectivamente,
correlaciones negativas y positivas de magnitud mayor a 0.5 para estaciones ubicadas en
el hemisferio norte (Figura 2.16). Este efecto contrario justifica la creación de un índice
que represente el gradiente de temperatura del océano Atlántico entre el Norte y el Sur.
Por esto se propone utilizar la resta de las series de temperatura como índice
representativo. En general, las correlaciones entre dicho índice y la precipitación
(Figura 2.17) muestra un resultado inverso a las correlaciones entre la precipitación y la
temperatura promedio del Océano Atlántico en el Sur.
Los resultados anteriores son base fundamental del entendimiento de la influencia de la

climatología global en la hidroclimatología de Colombia, los cuales se deben involucrar
tanto en la construcción de mapas regionales de anomalías durante enventos El Niño y
La Niña, como en el planteamiento de un modelo de interacción tierra-atmósfera que
tenga en cuenta fenómenos principalmente resultantes de interacción océano-atmósfera.
Dichos resultados son además importantes en predicción de caudales de ríos
Colombianos a mediano y a largo plazo.
2-6
Clima
Figura 2.1. Series de índices macroclimáticos relacionados con la hidroclimatología

de Colombia. En la columna derecha se presenta el ciclo anual de dichos
índices.
2-7
Clima
Figura 2.2. Mapas de correlaciones trimestrales rezagadas entre el SOI y registros de caudal en Colombia.
2-8
Clima
Figura 2.3. Continuación de la Figura 2.2
2-9
Clima
Figura 2.4. Mapas de correlaciones trimestrales rezagadas entre el MEI y registros de caudal en Colombia.
2-10
Clima
2-11
Clima
Figura 2.6. Mapas de correlaciones trimestrales rezagadas entre la SST en NIÑO3.4 y registros de caudal en Colombia.
2-12
Clima
2-13
Clima
Figura 2.8. Mapas de correlaciones trimestrales rezagadas entre el TPI y registros de caudal en Colombia.
2-14
Clima
2-15
Clima
Figura 2.10. Mapas de correlaciones trimestrales rezagadas entre la PDO y registros de caudal en Colombia.
2-16
Clima
2-17
Clima
Figura 2.12. Mapas de correlaciones trimestrales rezagadas entre la NOA y registros de precipitación en Colombia.
2-18
Clima
2-19
Clima
Figura 2.14. Mapas de correlaciones trimestrales rezagadas entre la temperatura del Atlántico Sur y registros de precipitación en
Colombia.
2-20
Clima
2-21
Clima
Figura 2.16. Mapas de correlaciones entre la temperatura del Atlántico Sur y Norte con
los registros de Precipitación en Colombia.
2-22
Clima
Figura 2.17. Mapas de correlaciones trimestrales rezagadas entre el gradiente de temperaturas en el Atlántico Norte y
Sur y registros de precipitación en Colombia.
2-23
Clima
Figura 2.18. Continuación de la Figura 17.
2-24
Clima
2.1.2 Histogramas
Para cuantificar el impacto del ENSO sobre los caudales medios en Colombia, en este
momento se están estimando los histogramas de frecuencia de las series de caudales con las
que cuenta el proyecto actualmente, siguiendo la metodología propuesta por Poveda
(1994). Para realizar estos histogramas se seleccionaron entre 125 series mensuales,
aquellas que tuvieran registros mayores a 35 años, con el fin de tener una muestra
representativa de periodos de El Niño y La Niña. Estas son las series que se utilizaron en el
proyecto de investigación “Balances Hidrológicos de Colombia” (UNAL-UPME-
COLCIENCIAS, 1999), y otras que se adquirieron en el IDEAM para el presente estudio.
En este informe se muestran los resultados obtenidos para 7 estaciones ubicadas en distintas
regiones de Colombia, como se muestra en la Tabla 2.2. En el software interactivo
HidroSig 2.0 (capítulo 6) se incluyen los resultados para todas las estaciones analizadas.
Tabla 2.2. Estaciones de registro de caudales de las cuales se presentan resultados de

histogramas de frecuencia durante las fases El Niño y La Niña.
ESTACIÓN AÑO DE AÑO AÑOS DE TOTAL TOTAL

INICIO FINAL REGISTRO AÑOS EL AÑOS LA
NIÑO NIÑA
LA BALSA 1945 1994 50 11 9
SAN GIL 1955 1994 40 9 8
CARLOSAMA 1956 1994 39 9 7
EL TEMPLETE RG-8 1942 1983 42 8 8
CALAMAR 1940 1994 55 12 9
BALSAYACO-LA 1956 1994 39 9 7
MARIA
PTO BERRIO 1936 1995 60 13 11
Con el fin de observar cómo se afecta el ciclo anual de los caudales medios con las dos
fases del ENSO, se presentan para cada estación (Figura 2.19 a Figura 2.24), el histograma
de frecuencias para la serie completa, para los años La Niña y para los años El Niño. Los
2-25
Clima
años El Niño que se han considerado son: 1902, 1905, 1911, 1914, 1918, 1923, 1925, 1930,
1932, 1939, 1941, 1951, 1953, 1957, 1965, 1969, 1972, 1976, 1982, 1986, 1991, 1994,
1997 y los eventos de La Niña corresponden a los años de 1904, 1909, 1910, 1915, 1917,
1924, 1928, 1938, 1950, 1955, 1956, 1964, 1970, 1971, 1973, 1975, 1988, 1995. Es de
anotar que el año hidrológico se ha considerado de junio del año (0) a mayo del año (+1).
En las estaciones Puerto Berrío, El Templete RG-8, La Balsa y Calamar, se observa una
disminución de los caudales medios en la fase Cálida/baja de la Oscilación del Sur (El
Niño) y un incremento de dichos caudales en la fase Fría/alta de la Oscilación del Sur (La
Niña), lo que se puede observar al comparar los resultados de la estimación de la media de
la función de distribución de probabilidades.
En los histogramas antes mencionados se puede observar que el centro de masa está más a
la izquierda durante los eventos El Niño, mientras que para los años La Niña el histograma
es más simétrico. Lo anterior podría ser una base para hacer un análisis de la distribución
de los caudales, separando los años normales y los años de El Niño y La Niña.
Aquí es importante hacer una aclaración de tipo estadístico. Los histogramas obtenidos para
los 12 meses del año en condiciones de El Niño y La Niña, constituyen estimadores pobres
de los valores poblacionales, debido al reducido número de eventos de las fase cálida (El
Niño) y fría (La Niña) del ENSO, en el período de registro en cada estación. El mayor
número de eventos El Niño y La Niña se registran en las estaciones Arrancaplumas y
Puerto Berrío (Río Magdalena), las cuales cuentan con 61 y 60 años, respectivamente.
2-26
Clima
Figura 2.19. Función de densidad y de distribución acumulada de probabilidades para los

caudales medios mensuales del Río Magdalena, estación Calamar, para la
respectivamente.
2-27
Clima

caudales medios mensuales del Río Magdalena, estación Puerto Berrío, para
respectivamente.
2-28
Clima

caudales medios mensuales del Río Grande, estación El Templete RG-8 para
respectivamente.
2-29
Clima

caudales medios mensuales del Río Cauca, estación La Balsa para la serie
completa, para los años El Niño y para los años La Niña, respectivamente.
2-30
Clima

caudales medios mensuales del Río Fonce, estación San Gil para la serie
2-31
Clima

caudales medios mensuales del Río Blanco, estación Carlosama para la serie
2-32
Clima
2.1.3 Cuantiles
En este numeral se estiman los cuantiles de la función de distribución de probabilidades de

los caudales de los ríos de Colombia, para los años Normales, así como para las dos fases
del ENSO: El Niño y La Niña. Para estimar los cuantiles de un conjunto de datos,
inicialmente se deben organizar dichos datos de menor a mayor. Para cada valor se estima
la probabilidad de no excedencia, de acuerdo a su posición i en la muestra ordenada de n
i
datos, matemáticamente se puede expresar como Pi = , donde Pi es la probabilidad
n +1
acumulada. Finalmente se estiman los valores asociados a las probabilidades del 25%, 50%,
75%.
El análisis de cuantiles se realizó para series con registros mensuales medios de

precipitación y de caudal con una longitud mínima de 30 años de registro, que permitieran
tener una cantidad de datos suficientes para realizar un análisis independiente para las
diferentes fases del ENSO. Para cada una de las series se separaron los años en los que se
presentó El Niño, La Niña y los años normales tomando el año hidrológico, desde Junio 1
hasta Mayo 31.
Los resultados se muestran en mapas con círculos que representan valores asociados a cada
cuantil y para cada una de las fases del ENSO (Figura 2.25 y Figura 2.26). Los valores
obtenidos se escalaron tanto por el valor medio multianual de la variable (Figura 2.25),
como por el valor medio de la fase del ENSO correspondiente (Figura 2.26).
2-33
Clima
Figura 2.25. un mapa para

cada cuantil y para cada año correspondiente a años normales y para las dos
valor de la variable para el cuantil correspondiente y el valor medio

multianual de la
2-34
Clima
Figura 2.26. Cuantiles 25%, 50% y 75% de Precipitación. Se presenta un mapa para cada
cuantil en términos de su relación con el valor medio durante las dos fases
del ENSO y durante años normales, representado por el tamaño de los
círculos.
En las figuras 2.25 y 2.26. Se ve claramente que la precipitación aumenta para los años La
Niña y disminuye para años El Niño para todos los cuantiles.
2-35
Clima
En la Región Caribe la precipitación asociada al cuantil del 75% es más alta que para el
resto del país principalmente para años La Niña, dicho comportamiento puede ser explicado
por la intensificación de las ondas del este durante la fase fría del ENSO, causando un
aumento en la precipitación en esta región (Martinez, 1993).
Para la Región Andina no se observan grandes diferencias en la precipitación para las

diferentes fases del ENSO y los años normales, sólo un aumento leve en la precipitación en
La Niña, para los cuantiles del 50% y el 75%.
Además se observa una reducción considerable en los valores de precipitación a medida

que se disminuye el cuantil, lo cual se observa de manera critica para la Región Caribe,
donde se alcanzan valores de precipitación muy cercanos a cero para el cuantil del 25%.
2.1.4 Curva de duración
La curva de duración ha sido usada como una herramienta para el estudio estadístico de los
datos de caudal. Esta curva representa, para caudales medios, la frecuencia del flujo anual
característico de un río, describe las características medias de todos los percentiles y
representa la proporción de tiempo que un caudal observado en el río es excedido o
igualado. Si se tiene una serie de caudales lo suficientemente larga, la curva puede ser
considerada como una curva de frecuencias y usarse para estimar el porcentaje de tiempo en
el cual un caudal específico es igualado o excedido (Searcy, 1959).
La curva de duración de caudales construida a partir de una serie de t años de registros,

muestra no sólo las condiciones de flujo para ese período, sino que también el promedio
anual de las condiciones del flujo, aunque estrictamente esta curva no corresponde a un
“año promedio” (por que no es posible encontrar un año particular en la serie) en el cual la
escorrentía anual, la distribución estacionaria del caudal máximo, mínimo, etc., puedan ser
considerados como el promedio de la serie completa. Suponiendo que los resultados
promedios en el futuro serán similares a los obtenidos de los datos del pasado, esta curva
2-36
Clima
de duración puede ser tratada como representación de un año promedio en el futuro,

(Foster, 1933).
A través de los años, se han propuesto diferentes modificaciones a la metodología

empírica, inicialmente propuesta por Foster (1933) y otras modificaciones. En trabajos
anteriores, como Mejía y Montoya (1999), se demostró que las diferencias entre las
diversas metodologías no son significativas, y por lo tanto no vale la pena gastar esfuerzos
en implementar métodos más complejos. Por lo tanto, en este trabajo se utilizó el método
empírico, que es la forma más simple de construir la curva de duración de caudales, el cual
fue implementado desde 1915 por Foster.
Para construir la curva de duración de caudales, se organizan los caudales en orden

decreciente y se les asigna una probabilidad p de acuerdo a su posición relativa m en la
muestra ordenada de n elementos
m
p= (2.2)
n
Graficando luego en las abscisas cada valor de p (en términos de porcentaje de tiempo de
excedencia) con su correspondiente valor de caudal en las ordenadas.
Ventajas y desventajas de la curva de duración de caudales
La utilización de las curvas de duración generales y en particular los valores Q90% y Q95%,
como caudales limitantes del aprovechamiento de los recursos hídricos, tiene los siguientes
inconvenientes, Andrade (1993).
• Se dificulta el análisis de valoración de la representatividad en el tiempo del volumen
de información, particularmente, el rango de caudales críticos de interés.
• Solamente considera los registros observados en el pasado, sin asociar la distribución de
frecuencia empírica obtenida con una distribución teórica de probabilidades, que
permita incluir el riesgo adicional de ocurrencia de caudales menores a los observados.
• En general, la frecuencia de un valor dado F(%), tomada como limitante del uso, indica
que en el pasado los registros históricos incluyen un (1-F)(%) de caudales medios
2-37
Clima
diarios, menores a los QF(%), sin interesar los intervalos de ocurrencia (para el caso de
caudales mínimos), y sin importar también, si estos intervalos son consecutivos o no.
En la práctica ingenieril, la determinación de los caudales de diseño en algunos proyectos

tales como acueductos, hidroeléctrica, etc., se realiza con base en la curva de duración de
caudales medios diarios, construida con todo el volumen de información disponible hasta
el momento, según el criterio: más información–mayor confiabilidad. La simple
valoración de la representatividad del periodo de datos, generalmente, no se efectúa. En
condiciones de ausencia de datos de caudal medio diario, la curva de duración se construye
con valores de caudal medio mensual (Andrade, 1996).
Uno de los problemas de mayor cuidado al realizar la curva de duración, es la selección de

la unidad de tiempo con la que se realizará el análisis. Trabajar con los promedios diarios,
mensuales o anuales de una misma serie de caudal para ser dibujados en la curva de
duración, dará como resultado una pérdida en el detalle, porque el flujo no será
generalmente constante a lo largo del periodo en el cual se hace el promedio. El aumento
de la longitud de la unidad de tiempo producirá un aumento en los caudales bajos y una
disminución en los caudales altos, esto debido a que los valores más altos del caudal son
mitigados con los valores más bajos, eliminándose así, los valores extremos del caudal.
Aunque las curvas para caudales diarios y mensuales sean relativamente diferentes, el área
bajo cada una de estas, es la misma, debido a que representa el volumen total de escorrentía
durante el periodo entero de los datos y este volumen no es afectado por cambios en la
unidad de tiempo (Foster, 1933).
La variación de la unidad de tiempo en la construcción de la curva de duración, tiene un

efecto diferente para cada corriente; por ejemplo en una corriente que es poco variable en el
tiempo, la curva de duración obtenida de datos diarios y datos semanales será similar, en
cambio una corriente con grandes fluctuaciones, incluso en rangos de horas, estas dos
curvas tendrán una diferencia apreciable, y la curva mensual introducirá un error
considerable comparado con la curva diaria, por esto la necesidad de realizar un análisis
2-38
Clima
detallado de la unidad de tiempo a utilizar y los problemas en los cuales se incurriría con la
mala selección de la misma.
Otro problema al realizar la curva de duración, es verificar si todos los años de registros
utilizados para la construcción de la curva representan las mismas características físicas,
geológicas y climáticas de la cuenca. Cuando la corriente ha sido regulada por
almacenamientos o desviaciones, o cuando el régimen ha variado durante el periodo de los
registros, la curva construida con el total de los registros tiene poco significado. El periodo
de tiempo utilizado para la construcción de la curva de duración depende del propósito de
la misma. Si es utilizada para realizar un análisis hidrológico de las características del flujo
natural, se debe utilizar solamente los registros correspondientes a los datos de caudales no
regulados. Si la curva será utilizada para predecir el comportamiento del canal en el futuro
manteniendo las condiciones presentes, solo se deben utilizar los registros obtenidos
durante el periodo en los cuales los patrones de regulación han sido constantes Searcy
(1933).
Aplicaciones
Se construyeron las curvas de duración para ríos con registros diarios, localizados en la
Región Andina, para un período de 20 años o más. Las estaciones analizadas se incluyen
en la Tabla 2.3.
Tabla 2.3. Estaciones de caudal estudiadas.
Fecha Fecha Período

Estación Código Corriente Departamento
inicio final registro
Gabino 2701736 Porce Antioquia 01/01/73 31/12/94 22
Puente Santander 2109707 Magdalena Huila 01/01/61 31/12/95 35
Chusneque 3506704 Guavio Cundinamarca 01/01/63 31/12/96 34
La Mosca 2308703 Q_La_Mosca Antioquia 01/01/55 31/12/90 36
La Pintada 2618711 Cauca Caldas 01/01/69 31/12/94 26
Salvajina 2602705 Cauca Cauca 01/01/47 31/12/93 47
El Templete 2701703 Grande Antioquia 01/01/56 31/12/91 36
La Virginia 2617703 Cauca Risaralda 01/01/69 31/12/94 26
Cartago 2612704 LaVieja Valle del Cauca 01/01/71 31/12/94 24
2-39
Clima
Los cálculos se realizaron tomando el año hidrológico, desde Junio 1 hasta Mayo 31.
Además, se separaron años El Niño, La Niña y Normales. Estos resultados se presentan en
la Figura 2.27 donde se observa como las curvas de duración presentan un comportamiento
acorde a las épocas de mayor y menor precipitación, es decir, para los años La Niña la
curva de duración siempre está por encima de las otras dos, excepto para El Guavio
(Cundinamarca), ilustrando la poca influencia del Niño y la Niña en la región.
También se realizaron las curvas de duración para los trimestres DEF, MAM, JJA Y SON,
conservando las condiciones anteriores de año hidrológico y separación de años ENSO y
normales. La Figura 2.28 se presentan las curvas de duración para algunas de las
estaciones analizadas, junto con el ciclo anual de los caudales. En todas se observa como la
curva de duración para los años Normales concuerda con el ciclo anual, en donde los
períodos con mayor caudal corresponden a la curva de duración superior, mientras que para
períodos más secos la curva de duración es inferior. En la estación Guavio (Cundinamarca)
se puede observar como las tres figuras dan muy similares, corroborando lo dicho
anteriormente.
2-40
Clima
Figura 2.27. Curvas de Duración de Caudales para estaciones localizadas en diferentes regiones, separando años El Niño, La
Niña y Normales.
2-41
Clima
Figura 2.28. Curvas de duración para los trimestres DEF, MAM, JJA y SON, separando
años El Niño, La Niña y Normales.
2-42
Clima
Figura 2.29. Continuación figura 2.28.
2-43
Clima
Figura 2.30. Continuación figura 2.28
2-44
Clima
2-45
Clima
2-46
Clima
2-47
clima
2.2 CICLO ANUAL HIDROLÓGICO
2.2.1 Modelación
En general, la modelación juega un papel muy importante en el estudio del sistema

terrestre, resolviendo algunas preguntas específicas, sugiriendo mediciones de campo,
evaluando comportamiento de un sistema ante posibles escenarios y prediciendo
condiciones futuras.
Uno de los objetivos del proyecto Atlas Hidrológico de Colombia es desarrollar e

implementar un modelo sencillo de interacción tierra – atmósfera, el cual permita
estimar el ciclo anual de variables relacionadas con el ciclo hidrológico, como son la
escorrentía superficial y subsuperficial, la cantidad de agua en el suelo y la evaporación
real, a partir de forzamiento atmosférico (variables como la precipitación, humedad
relativa, energía incidente, entre otras). El modelo debe además, representar el
comportamiento interanual de dichas variables, debido a la influencia de fenómenos
climáticos de gran escala (capítulo 1). Esto se logra representando los intercambios de
energía, masa y momentum entre los procesos superficiales y los atmosféricos a
diferentes escalas, tanto espacial como temporal.
En el proyecto Balances Hidrológicos de Colombia (UNAL-UPME-COLCIENCIAS,

1999), se planteó una de las componentes fundamentales de un modelo de interacción
suelo-atmósfera, al proponer un modelo de tanques a escala mensual y sobre pixeles
(volúmenes de control) de 5 minutos de arco, para representar el ciclo anual de la
escorrentía y del contenido de agua en el suelo. En resumen, en el primer tanque se
representa el almacenamiento capilar en el suelo. Este tanque está caracterizado por un
parámetro que representa su capacidad de almacenamiento máxima en mm (“water
holding capacity”). El valor del almacenamiento en este tanque determina la distribución
2-48
clima
de la lluvia en dos flujos: el primero ingresa en este tanque como almacenamiento

pasivo; mientras que el segundo pasa al segundo tanque, que corresponde a la
propagación de la escorrentía. En la Figura 2.34 se presenta el esquema del modelo
propuesto. La lluvia neta (Pn) o fracción de lluvia que escurre, está definida en función
del almacenamiento pasivo (S) y la capacidad máxima de almacenamiento (W). La
diferencia entre la lluvia total (P) y la lluvia neta ingresa a incrementar el
almacenamiento pasivo del suelo. El valor del almacenamiento pasivo en el suelo es
regulado por el ingreso de agua cada período y por una fracción de la evaporación
potencial.
Por último, la parte correspondiente a la propagación de la escorrentía está modelada

con un tanque lineal de constante K, de tal manera que la escorrentía, será Q=KV, donde
V es la cantidad total de agua que escurre en el volumen de control. El primer tanque no
puede almacenar más de su capacidad, el exceso se lleva directamente al segundo
tanque.
El valor del coeficiente de descarga K del segundo tanque se puede estimar teniendo en
cuenta las velocidades medias del flujo en los cauces, la longitud del cauce principal y el
tiempo de permanencia en el suelo que a su vez es función de la conductividad del suelo
(primaria y secundaria) y de las distancias. En el proyecto “Balances Hidrológicos de
Colombia” (UNAL-UPME-COLCIENCIAS, 1999) se utilizó un valor de K igual a 0.85.
En el presente trabajo se recalibró dicho modelo usando nuevos datos y una metodología
de optimización mas exhaustiva. Fundamentalmente, se mejoró el mapa de máxima
capacidad de retención de agua en el suelo y se optimizó, para toda Colombia, el valor
de K. El nuevo valor de K, útil para todos los pixeles es 0.45.
2-49
clima
P-Pn Pn
Evaporación
W S
Escorrentía=KV
V
Figura 2.34. Esquema del modelo de tanques propuesto en el proyecto “Balances
Hidrológicos de Colombia (UNAL-UPME-COLCIENCIAS, 1999).
Para ejemplificar los resultados optimizados, se presenta el ciclo anual para tres cuencas
con registros y de diferente tamaño, al igual que el ciclo anual de caudales usando la
parametrización propuesta en el proyecto “Balances” y la parametrización optimizada.
En la Figura 2.35 se presenta en la parte superior la superposición del ciclo anual real de
caudales en la estación Dos Campos, río Sardinata (en rojo), y el ciclo anual modelado
usando la parametrización del proyecto “Balances” (en negro). En la parte inferior se
observa la superposición del ciclo anual estimado con registros de caudal y el modelado
usando la parametrización optimizada. La cuenca tiene un área de 1976 km2 y su caudal
medio multianual es aproximadamente 79 m3/s. Resultados similares se presentan para
la estación Puerto Berrío sobre el río Magdalena (Figura 2.36), cuya área es de 74530
km2 y su caudal medio es cercano a 2700 m3/s, y para la estación Puente Portillo sobre el
río Bogotá ( Figura 2.37) Área=5230 km2 y Caudal medio=57 m3/s). En general, usando
la nueva parametrización se obtienen resultados mucho mejores para toda Colombia. En
especial se observa una gran mejoría en la regulación del ciclo (máximos menores y
mínimos mayores) debido a la optimización de K.
2-50
clima
Figura 2.35. Ciclo anual de caudales en la estación de registro Dos Campos (Río
Sardinata). En la superior se observan el ciclo real (rojo) y el modelado
Figura 2.36. Ciclo anual de caudales en la estación de registro Puerto Berrío (Río
Magdalena). En la superior se observan el ciclo real (rojo) y el modelado
2-51
clima
Figura 2.37. Ciclo anual de caudales en la estación de registro Puente Portillo (Río
Bogotá). En la superior se observan el ciclo real (rojo) y el modelado
Modelo propuesto
Un modelo detallado de interacción suelo-atmósfera debe lograr vincular los procesos

hidroclimáticos con la cobertura vegetal y las características del suelo. Por ejemplo, es
clara la asociación entre índices de vegetación y albedo superficial. El valor del albedo
en un suelo desnudo es un poco menos de la mitad que en suelos con cobertura vegetal,
pues ésta afecta la absorción de radiación especialmente en algunas bandas espectrales.
Otro ejemplo, es la relación entre las diferentes coberturas vegetales y la transpiración,
mecanismo por el cual la vegetación regula la cantidad de agua en la atmósfera y los
suelos, influyendo en la variabilidad espacio-temporal de la humedad del suelo y la
precipitación. El trabajo de Poveda et al. (2000) pone de presente la variabilidad de la
humedad del suelo en Colombia a escalas anual e interanual. A su vez, la vegetación es
dependiente del clima directa e indirectamente. Varios estudios han demostrado el
2-52
clima
aumento de incendios forestales durante eventos El Niño, los cuales afectan tanto la
cobertura vegetal como las características fisico-químicas de los suelos.
Uno de los objetivos del modelo es conectar el ciclo hidrológico de Colombia, con la
climatología global, en especial, con el fenómeno ENSO. Tal conexión permite la
construcción de escenarios en la climatología global y observar la respuesta de la
hidrología de Colombia ante dichos escenarios. La conexión puede lograrse mediante
modelos de interacción océano-suelo-atmósfera o mediante modelos de ajuste de la
hidrología de Colombia a índices macroclimáticos basados en series históricas.
Para el planteamiento del modelo se revisaron modelos detallados de interacción suelo-

atmósfera como el BATS (Biosphere-Atmosphere Transfer Scheme, Dickinson et al.,
1986) y el SIB (Simple Biosphere Model, Sellers et al., 1986) , al igual que modelos de
circulación tropical como el QTCMS (Quasi-Equilibrium Tropical Circulation Model,
Neelin y Zeng, 1998), que incluye un modelo simple de procesos superficiales.
El modelo propuesto fundamentalmente calcula el balance de agua y energía mediante la

interacción de variables como la precipitación, la evaporación, el albedo, el índice de
área foliar, la humedad relativa y la temperatura en el suelo y el aire, la capacidad de
campo y el punto de marchitez, y el viento superficial, los cuales son los principales
“esquemas” dinámicos de cualquier modelo de interacción suelo-atmósfera. Además,
para proponer, ejecutar y validar un modelo detallado de interacción, se hace presente la
necesidad de una gran cantidad de datos con buena resolución espacio-temporal, de los
cuales no se tienen (o no existen) para toda Colombia.
El esquema general del modelo se presenta en la Figura 2.38. Se observan tres

compartimentos o tanques que representan en su orden (descendente), la dinámica del
agua en las hojas, del agua en el suelo y del agua en la cuenca. Cada compartimento fue
parametrizado de manera determinística usando datos de vegetación y suelo. El cambio
del nivel cada compartimento depende, como en toda ecuación de balance, de las
2-53
clima
entradas y salidas de masa (agua). En el compartimento 1, la entrada de agua se debe a la

precipitación y la salida está determinada por la evaporación, que en este caso representa
la evaporación a tasa potencial, de la lámina de agua sobre la hoja. Es necesario definir
un umbral de lámina que la hoja es capaz de almacenar. La definición de dicho umbral
se hizo mediante una función sencilla para la cantidad máxima que almacena la hoja,
que depende únicamente del índice de área foliar (IAF) que representa la magnitud
(adimensional) del área total de hojas contenidas en un metro cuadrado (se supone que
por cada metro cuadrado de hojas se almacena una lámina de agua de un milímetro). Se
usaron los datos de IAF obtenidos en el proyecto Global Data Sets for Land-Atmosphere
Models (1987-1988). En el compartimento 2, la entrada de agua corresponde a la
fracción de la precipitación que atraviesa el follaje, y la salida es la evaporación desde el
suelo más la transpiración de la vegetación. Este compartimento es tal vez el más
importante, puesto que controla en gran medida la evapotranspiración y la cantidad de
agua de escorrentía. El parámetro fundamental en este compartimento es la máxima
lámina de agua que puede almacenar el suelo, el cual fue tomado de Patterson (1990).
La cantidad de agua que no entra en el suelo, se convierte en agua de escorrentía
superficial y subsuperficial. El modelo supone que el 10% del agua de escorrentía es
superficial y que sale del volumen de control de manera inmediata. El tercer
compartimento controla mediante una relación lineal del contenido de agua en la porción
subsuperficial del volumen de control, la cantidad de agua que sale subsuperficialmente
en cada instante de tiempo. Finalmente, el caudal a la salida del volumen de control es la
suma entre el caudal subsuperficial y el caudal superficial.
En el esquema de la Figura 2.38, los símbolos usados representan en su orden:

P(t): Precipitación acumulada en el intervalo de tiempo en que se corre el modelo.
E1(t): Evaporación de la lámina de agua acumulada sobre las hojas (a tasas potenciales).
IMAX: Lámina máxima de agua que se puede almacenar en las hojas (función del IAF).
F(t): Fracción de la precipitación que atraviesa las hojas y llega a la superficie.
WHC: Máxima Lámina de agua en el suelo (Water Holding Capacity).
W(t): Contenido de agua en el suelo.
2-54
clima
P E1
F
Imax I E2
R S
WHC FS
W
V
SS Q
Figura 2.38. Esquema general del modelo sencillo de interacción Suelo-Atmósfera.
R(t): Fracción de la precipitación que escurre superficial y subsupercialmente.

FS(t): Fracción de R(t) que escurre subsuperficialmente (sale del volumen de control en
intervalos de cálculo posteriores).
V(t): Lámina total de agua de escorrentía subsuperficial en el volumen de control
S(t): Fracción de R(t) que escurre superficialmente y que aporta a Q(t) (sale del volumen
de control en el mismo intervalo de cáculo).
SS(t): Aporte subsuperficial Q(t), calculado como KV(t), donde K es la constante de
recesión correspondiente al volumen de control.
Q(t): Caudal total a la salida del volumen de control (SS(t) + S(t)).
El esquema de la Figura 2.38 se traduce en el siguiente sistema de ecuaciones

diferenciales ordinarias
dI (t )
= Phojas (t ) − E1(t )
dt
dW (t )
= Fsuelo (t ) − E2(t ) ,
dt
dV (t )
= FS (t ) − SS (t )
dt
2-55
clima
Conectadas mediante las siguientes relaciones
Phojas (t ) = min[P(t ), IMAX − I (t − 1)]

E1(t ) = min[I (t ), ETP ]
F (t ) = max[0, I (t − 1) − IMAX ]
Fsuelo(t ) = min[F (t ),WHC − W (t − 1)]
0.5
 W 
E2(t ) = (ETP − E1(t )) 
 WHC  .
R(t ) = max[0 ,W (t − 1) − WHC ]
FS (t ) = 0.9(R(t ))
S (t ) = 0.1(R(t ))
SS (t ) = KV (t )
Q(t ) = SS (t ) + S (t )
En conclusión, el modelo propuesto es un modelo sencillo y desacoplado de interacción

suelo-atmósfera. En la literatura clásica sobre modelamiento del sistema terrestre, se
habla de modelamiento acoplado cuando se modela conjuntamente la interacción
océano-suelo-atmósfera. De esta manera, es posible utilizar los resultados del esquema
océano-atmósfera para “alimentar” el esquema suelo-atmósfera, es decir, el forzamiento
atmosférico al modelo suelo-atmósfera (precipitación, radiación, etc.) se obtiene del
modelo océano-atmósfera.
Para correr el modelo a escala regional, es necesario tener información espacio-temporal

de precipitación, evapotranspiración potencial, capacidad máxima de retención de agua
en el suelo e Índice de área foliar. Como el objetivo inicial es modelar el ciclo anual de
la hidrología de Colombia, se utilizaron los campos de precipitación mensuales
producidos en el proyecto “Balances Hidrológicos de Colombia (1999)”. También se
utilizaron los campos mensuales de evapotranspiración potencial construidos con las
metodologías de Morton (1983) y Penman (1948), los cuales utilizan variables como
temperatura del aire y del suelo, presión atmosférica, humedad relativa del aire, presión
de vapor y presión de vapor de saturación y velocidad del viento.
2-56
clima
La parametrización propuesta para el modelo sugiere la ejecución a una resolución

temporal detallada (mínimo diaria). En teoría, el modelo puede ser ejecutado para
cualquier escala de tiempo y espacio. Sin embargo, algunos esquemas no tienen sentido
para algunas escalas temporales o espaciales, o por lo menos, la parametrización debe
cambiarse al cambiar de escala. Es el caso de la dinámica del agua en el follaje, cuya
capacidad máxima de almacenamiento debe cambiar si se ejecuta el modelo mes a mes.
Los resultados que se presentan corresponden a modelación a escala diaria y una
resolución espacial de 10 arcmin. La resolución espacial se determinó teniendo en
cuenta la resolución de los mapas las variables de entrada (precipitación -5 arcmin-,
evaporación -5 arcmin-, WHC -30 arcmin- y IAF -60 arcmin-).
Tanto la información disponible de precipitación como de evaporación se encuentra mes

a mes. Para obtener información diaria a partir de información mensual, se deben utilizar
técnicas de desagregación, especialmente en el caso de la precipitación, debido a las
características estadísticas de las series diarias (debidos a la alta no linealidad en la
convección y su interacción con la topografía). En el caso de la evapotranspiración, se
supuso que la evapotranspiración potencial en un día es igual a la evapotranspiración
potencial del mes correspondiente, dividida el número de días del mes. Es decir, la
evapotranspiración potencial es constante dentro de un mes calendario.
Para la desagregación temporal de la precipitación se utilizó el método propuesto por

Deidda et al. (1999), el cual tiene en cuenta la propiedades estadísticas de las series de
precipitación, desagregando mediante una metodología multifractal que supone una
distribución log-Poisson para los coeficientes de la descomposición en onditas de series
de precipitación.
En la Figura 2.39 se presentan los mapas resultado del modelo diario para toda
Colombia. Específicamente se observan los mapas promedio de escorrentía
subsuperficial, superficial, agua en el suelo y evaporación real. Como es lógico, la
distribución espacial de los mapas promedio de escorrentía superficial y subsuperficial
2-57
clima
es similar. Además de la magnitud, la diferencia más marcada entre ambos mapas se

observa en el ciclo anual. En la Figura 2.40 se observa la diferencia tanto en magnitud
como en distribución anual de la escorrentía, especialmente en el primer semestre del
año. Mientras el máximo de precipitación y de escorrentía superficial presentan su valor
máximo (primer semestre) en Marzo, la escorrentía subsuperficial tiene un máximo en
Junio (debido al compartimento con salida lineal). El efecto de la magnitud de la
constante de recesión K se hace evidente en el ejemplo “ficticio” Figura 2.41, donde se
presenta tanto la serie de precipitación diaria (entrada del modelo), como la escorrentía
superficial y subsuperficial para dos corridas del modelo con diferentes valores de K.
Este resultado se traduce al ciclo anual de escorrentía, obteniendo un ciclo más regulado.
En la Figura 2.42 se presentan los resultados de la aplicación de este modelo, para la

estimación del ciclo anual de caudales, conjuntamente con el ciclo anual de caudales
observados, para tres cuencas de diferente área. Las cuencas seleccionadas corresponden
a la estación El Banco (río Magdalena, Área = 160700 km2, Caudal medio = 5360 m3/s),
El Tablazo (río Sogamoso, Área = 21100 km2, Caudal medio = 480 m3/s), y Quitasueño
(río Arma, Área = 970 km2 , Caudal medio = 40 m3/s). En general, la modelación diaria
se ajusta mejor a los ciclos reales. Además, al tener resultados día a día de la escorrentía
es posible hacer análisis estadísticos sobre los resultados mensuales, que sería imposible
hacer con los resultados mensuales obtenidos con modelos con dicha resolución
espacial.
Una manera de obtener las variables de entrada necesarias y a la vez tener en cuenta la
relación entre la hidroclimatología de Colombia y la climatología global es mediante la
ejecución de un modelo océano-atmósfera. En el desarrollo del proyecto se evaluó el
uso del modelo QTCM (Quasi Equilibrium Tropical Circulation) desarrollado en el
departamento de ciencias atmosféricas de la Universidad de California (UCLA) por J.
David Neelin y Ning Zeng (investigadores principales), William Weibel y Alistair
Adcoft (programación), Chia Chou (nubes y radiación), Hui Su (parte oceánica) y
Matthias Munnich (optimización del modelo).
2-58
clima
Caudal Subsuperficial Caudal Superficial

-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
Evaporacion Real Agua en el Suelo

-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
Figura 2.39. Distribución espacial de los resultados del modelo propuesto. Se observan
en su orden el caudal susbsuperficial, el caudal superficial, la
evapotranspiración real y el agua en el suelo.
El modelo representa mediante ecuaciones no lineales parametrizadas la humedad y

termodinámica atmosférica. Este modelo es más simple que un GCM (General
Circulation Model), ya que representa de manera simplificada la convección. El modelo
tiene limitaciones en cuanto a la representación del flujo atmosférico por convección
profunda, el cual es representado por parametrizaciones. La solución analítica para el
2-59
clima
flujo tropical bajo condiciones estrictas de cuasi-equilibrio (aproximación adicional)

parece suficientemente útil.
Figura 2.40. Ciclo anual puntual (5º 54’ 47’’ N, 74º 58’ 26’’ W) para la precipitación,
el caudal subsuperficial y el caudal superficial (nótese que el eje de las
ordenadas no tiene la misma escala en las tres gráficas)
Para simular consistentemente la climatología tropical, y su variabilidad interanual e

intraestacional, el modelo incluye una serie de parametrizaciones físicas, como son la
parametrización de los flujos de superficie, de nubosidad y radiación. También incluye
un modelo simple de tierra, conformado por balances de agua y energía; en dicho
modelo los efectos de la vegetación están implícitos en las estimaciones de la
evaporación. La interceptación se presenta como una función que depende de la
evaporación potencial del agua interceptada, la precipitación, la duración de la tormenta
y el tiempo de evaporación a tasa potencial de un dosel saturado, este ultimo depende
del índice de área foliar.
El modelo QTCM hace una clasificación simple de la superficie de la tierra, dividiendo

en tres categorías: bosques, pastos y desierto. Para los autores, las propiedades más
importantes de la superficie son el albedo y la capacidad de campo, ya que juegan un
2-60
clima
papel muy importante en el balance de agua y el balance de energía. La importancia que

puede representar en este modelo el tipo de superficie, depende de los parámetros dados
al albedo, la mínima resistencia superficial, la capacidad de campo, la rugosidad de la
superficie y el índice de área foliar. En la Tabla 2.4 se presentan los valores usados en el
modelo para dichos parámetros, los cuales fueron tomados de los modelos BATS y el
SIB2.
PRECIPITACIÓN DIARIA
150
100
mm
50
0
0 100 200 300 400
Escorrentía
12
K=0.015
10
8
mm
0
0 100 200 300 400
Días del año
Escorrentía
12
K=0.04
10
8
mm
0
0 100 200 300 400
Días del año

Figura 2.41. Resultados de dos ejemplos “ficticios” (escorrentía superficial -en color
negro- y subsuperficial -en rojo-) del modelo diario con la misma
precipitación (superior) y diferentes constantes de recesión (K).
2-61
clima
Tabla 2.4. Valores de algunos parámetros usados por el modelo QTCM1.
PARÁMETRO OCÉANO BOSQUE PASTO DESIERTO
Albedo superficial 0.07 0.12 0.19 0.3

-1
Mínima resistencia (m s) 150 200 200
Capacidad de campo (mm) 500 400 300
Altura de la Rugosidad (m) 0.0024 2 0.1 0.05
Índice de área foliar 6 3 1
El modelo define tres tipos de nubes: una nube tipo 1, la cual depende linealmente de la
precipitación de gran escala; nube tipo cirrus y nube tipo stratus.
Las temperaturas superficiales del mar son determinadas por un balance de energía entre
los flujos de radiación de la superficie, flujos de calor latente y calor sensible. En otros
casos se puede incluir las temperaturas superficiales del mar como una condición de
frontera a la modelación, para este caso sería un modelo desacoplado.
El QTCM esta basado en ecuaciones no lineales, como sigue:

(∂ t + DT )T + ω ∂ p s = Qc + g∂ p R ↑ − g∂ p R ↓ − g∂ p S + g∂ p FT
(∂ t + Dq )q + ω ∂ p q = Qq + g∂p Fq
donde T es la temperatura en unidades de energía (con capacidad de calor absorbida a

presión constante Cp); q es la humedad en unidades de energía (con calor latente
absorbido por unidad de masa, L); y s = T + φ es la energía estática seca, con φ el
geopotencial. Aquí R ↑ y R ↓ son flujos ascendentes y descendentes de calor

radiativo de onda larga dados como funciones no locales de la temperatura, la humedad
y la cobertura de nubes en la columna, la flecha indica la dirección del flujo. S es el
flujo neto radiativo de onda corta y se expresa S = S ↓ − S ↑ , donde S ↓ y S ↑ son
componentes descendentes y ascendentes, respectivamente. Los operadores DT y Dq son
2-62
clima
los términos de difusión horizontal y advección horizontal. La derivación de las

ecuaciones son dadas en Neelin y Zeng (1999). La implementación numérica se puede
consultar en Zeng, Neeling y Chou (1999).
Figura 2.42. Ciclo anual de caudales históricos (en rojo), ciclo anual obtenido con el
modelo mensual (parametrización del “Proyecto Balances” y de la
parametrización optimizada) y el ciclo obtenido con el modelo diario
propuesto. En la parte superior aparecen los resultados para la estación El
Banco (río Magdalena), en la esquina inferior izquierda para la estación
El Tablazo (río Sogamoso) y a su lado para la estación Quitasueño (río
Arma) .
2-63
clima
Sobre las ecuaciones se hacen varias aproximaciones y algunos fenómenos físicos son
parametrizados.
Para terminar con la descripción de este modelo de interacción suelo-atmósfera, a

continuación se presentan las características generales de este:
• Representación de dos componentes verticales (una barotrópica y una baroclínica) de

circulación general . Estas componentes son calculadas de 1000 hPa a 200 hPa. El
“1” en el “QTCM1” se refiere a que allí solo se simula el modo baroclínico.
• El calentamiento convectivo es parametrizado por una versión del esquema de
parametrización de Betts y Miller, 1993
• Los procesos de la superficie de la tierra son representados por un esquema simple
de Zeng y Neelin, 1998.
• En el modelo hay disponibles dos módulos de radiación-nubes. Uno de ellos es una
parametrización simple de Zeng et. al., 1999 y una más complicada, desarrollada por
C. Chou, 1996, 1997. Ellos difieren principalmente en el esquema de radiación de
onda corta y los tipos de nubes seleccionados.
• Todos los flujos de superficie son calculados. Se observó una sensibilidad del
modelo en la formulación de la evaporación del Pacífico Ecuatorial y el Océano
Índico.
El QTCM1 tiene cobertura desde 60° S hasta 60°N en latitud y cobertura sobre todas las
longitudes. Las fronteras este/oeste son periódicas y las fronteras norte/sur son una pared
sólida. La escala espacial esta definida por retículas de 5° 37.5 min. de longitud y 3°
45 min. de latitud.
El modelo produce campos de diferentes variables, entre ellas están: precipitación,

vientos; tanto su componente zonal como meridional, humedad, temperatura del aire,
temperaturas superficiales del mar, cantidad de nubes, evaporación, escorrentía, flujo de
calor sensible y tipo de superficie, entre otros.
2-64
clima
Aunque el modelo los autores presentan buenos resultados del modelo y aparece como
una muy buena alternativa para la conexión de la hidroclimatología de Colombia con la
climatología global, en la actualidad es prácticamente imposible su ejecución detallada
para obtener resultados confiables sobre Colombia, debido a la carencia de datos de
entrada y datos para la validación del modelo. Es por esto que se opta por encontrar una
herramienta de ajuste que involucre el conocimiento de la variabilidad espacio-temporal
de la hidrología de Colombia.
Como se mencionó anteriormente, otra manera de obtener las variables de entrada a los
modelos es mediante modelos de ajuste de la hidroclimatología de Colombia a la
climatología global utilizando series históricas. Una vez construidos los modelos de
ajuste, se construyen escenarios climáticos críticos (ej. Fase cálida del ENSO), útiles
para generar series de variables de entrada a los modelos y posteriormente estudiar la
dinámica hidrológica de Colombia.
2.2.2 Balance hidrológico a escala mensual
En el proyecto “Balances Hidrológicos de Colombia” se hizo énfasis en el balance

hidrológico de largo plazo. Recordemos que para formular el balance hídrico,
considérese la ecuación de conservación de masa dentro de una columna de suelo-
atmósfera, que bien podría ser una cuenca hidrográfica (ver Figura 2.43).
2-65
clima
Advección de humedad [Q]
Almacenamiento de agua en la atmósfera [W]
Precipitación [P] Evaporación [E]
Almacenamiento de agua en el suelo [S]
Caudal [R]
Entrada o salida de aguas subterráneas [G]
Figura 2.43. Conservación de la masa de agua en la columna del sistema suelo-

atmósfera.
En la Figura 2.43 se define W como el almacenamiento de agua en la atmósfera o agua

precipitable, en unidades de longitud (volumen por unidad de área), P es la
precipitación, E es la evaporación (incluye la transpiración), Q es el flujo neto de
humedad en la atmósfera, S es el almacenamiento de agua en el suelo, también en
unidades de longitud, R es el flujo de agua hacia afuera de la columna de suelo;
constituido por la escorrentía superficial y/o subterránea, G son las entradas o salidas de
aguas subterráneas al volumen de control. P, E, Q, G y R están expresados en unidades
de longitud por unidad de tiempo, es decir flujo o caudal por unidad de área.
2-66
clima
El balance de agua para la atmósfera esta dado por la ecuación,

dW
Q+E−P= (2.3)
dt
y el balance para la columna de suelo, despreciando la entrada o salida de aguas
subterráneas al volumen de control, es,
dS
P−E− R= (2.4)
dt
así, combinando las ecuaciones (2.3) y (2.4) obtenemos la ecuación de balance de agua
para el volumen de control,
d(W +S )
Q−R= (2.5)
dt
en donde todos los términos ya fueron definidos anteriormente (Poveda y Mesa, 1995).
Aquí no se considera la interceptación de la precipitación por la vegetación.
La ecuación (2.4) expresa la variación temporal del almacenamiento de agua en el suelo,
S i - S i -1
= Pi − E i − Ri (2.6)
Ät
donde Si es el almacenamiento de agua en el suelo al final del período de tiempo i, P es

la precipitación que cae al suelo durante el período de tiempo i (sin incluir el agua
interceptada), Ri es la escorrentia durante el período de tiempo i, Ei es la
evapotranspiración en el periodo de tiempo i. Si-1 es la reserva de agua del suelo al final
del período de tiempo anterior.
Si el volumen de control es una cuenca, para hacer las estimaciones del almacenamiento
mes a mes, se debe tener una estimación de la evaporación y la precipitación mensual.
Además las mediciones de caudal a la salida de dicha cuenca. A nivel mensual no es
posible desestimar el cambio en el almacenamiento de agua en el suelo, lo cual era
posible para el largo plazo.
2-67
clima
En este numeral se presentan metodologías alternativas para la estimación del

almacenamiento de agua en el suelo y de la evaporación a nivel mensual. Además, se
presentan los resultados de la aplicación de una variante más optimizada del modelo de
tanques que se presentó en el Proyecto “Balances Hidrológicos de Colombia”, así como
de una reformulación de otro modelo con dos tanques para la representación del flujo de
agua en cada pixel de la geografía de Colombia.
Metodologías para la Estimación de la Evaporación Mensual.
• Método de Balance de Agua Estacional (SWB, Diaz y Kan ,1999). Considerando de

nuevo el balance de agua en una cuenca se tiene
dS
=P− R−E (2.7)
dt
Diaz y Kan (1999) definen las variables así: S es el almacenamiento total en la cuenca,
compuesto por los almacenamientos superficiales, la humedad del suelo y el agua
subterránea, P es la precipitación, R es el flujo a la salida y E es la evapotranspiración
real. La humedad del suelo es considerada como la suma entre el agua de la zona
vadosa y el agua capilar. El agua subterránea es el agua en la zona de saturación
(Linsley et al., 1975). Se asume que R es el flujo aforado a la salida de la cuenca y que
las pérdidas y ganancias de agua subterránea son despreciables. Integrando sobre un
intervalo de tiempo ∆t, se tiene:
(S f − S i )
= P − R − E (2.8)
∆t
donde Sf y Si son el almacenamiento final e inicial en la cuenca y los corchetes indican el

promedio en el tiempo. S y E no son conocidos; así entonces para cerrar el balance de
agua se debe utilizar una ecuación adicional o trabajar en un periodo más largo tal que la
2-68
clima
parte izquierda de la ecuación pueda se despreciada. Ahora, considerando una recesión

del caudal durante el cual se asume que P = 0, entonces:
= − (R + E ) ≤ − R
dS
(2.9)
dt
Si se mantiene una relación empírica entre el almacenamiento y el caudal a la salida de

la cuenca, la forma y parámetros de esta pueden ser estimados por inspección de los
datos de la curva de recesión. Para un embalse lineal,
S
R= (2.10)
T
donde T es el tiempo de la recesión. De (2.9) se tiene que:
dS
≤− R (2.11)
dt
reemplazando (2.10) en (2.11) se tiene que:
dS S
≤− (2.12)
dt T
Integrando (2.12) se tiene que:
t +∆ t dS t + ∆ t dt
∫ ≤− ∫
t S t T
∆t
ln[ S (t + ∆ t ) ] − ln[ S (t ) ]≤ −
T
de donde:
− ∆t
S (t + ∆t ) ≤ S (t )e T
dividiendo por T se tiene:
2-69
clima
− ∆t
R(t + ∆t ) ≤ R(t ) e T (2.13)
T puede ser determinado dibujando una línea recta, la cual es la envolvente entre R(t)
versus R(t+∆ t).
La expresión (2.10) solo puede ser utilizada para representar el almacenamiento de la

cuenca cuando la humedad del suelo se ha disminuido y E se ha reducido
considerablemente, situación que solo puede suceder solo después de una larga recesión.
Para obtener T, Díaz y Kan (1999) utilizan periodos consecutivos menores de 15 días,
donde se presentan recesiones de caudal. Se acepta que los caudales Ri y Rf sean
menores de 1 mm/día. Se asume entonces que para el fin de tal periodo el agua es
almacenada como agua subterránea y que la evaporación es despreciable. Utilizando Ri
y Rf en (2.10) se pueden estimar Si y Sf y el balance de agua promedio en (2.8) puede ser
calculado (ver Figura 2.44).
Figura 2.44. Determinación del inicio y fin del periodo de almacenamiento de agua
mediante el análisis de la curva de recesión de caudales.
2-70
clima
La aplicación de este método produce una secuencia de irregularidades en los periodos

de balance de agua y en las correspondientes estimaciones de 〈E〉. Estas irregularidades
no son importante para estudios de recursos de agua donde la unidad básica de tiempo es
el mes. Para obtener promedios mensuales, la estimación del balance de agua estacional
para el mes i se le asigna el valor:
nl El + nc Ec + nr E r
Ei = (2.14)
nl + nc + nr
donde los subíndices l, c y r están a la izquierda, centro y derecha del periodo del
balance de agua. Los períodos de tiempo en los que se calculó la evaporación (período
de recesión) son ml, mc y mr. El número de días del mes i correspondiente son nl, nc y nr
(ver Figura 2.45).
Figura 2.45. Definición de la evaporación mensual por el balance de agua
Díaz y Kan (1999) definieron la evaporación calculada en la ecuación (2.14) como 〈Ei〉
porque no es común que el periodo del balance de agua definido aquí (ver Figura 2.44)
sea un mes, en dicho caso el número de días del mes i sería nc.
2-71
clima
Aplicación
La anterior metodología es aplicada a nivel de cuenca. Para la implementación se

requieren datos de precipitación diaria, datos diarios de caudal a la salida de la cuenca.
También es necesario tener una estimación del tiempo de recesión, T, para la cuenca a
analizar. En la Figura 2.46 se presenta la precipitación, el caudal y la evaporación real
estimada a partir de dicha metodología para la cuenca del río Chinchiná, en el periodo
dic-1998 a dic-1999.
350
Precipitación, Caudal, Evaporación
300
250
200
150
[mm/mes]
100
50
0
Dic-98
Ene-99
Feb-99
Mar-99
Abr-99
May-99
Jun-99
Jul-99
Ago-99
Sep-99
Oct-99
Nov-99
Dic-99
meses
Precipitación Caudal Evaporación
Figura 2.46. Estimación de la evaporación a partir de la metodologia SWB (Diaz y

Kan ,1999)
Estimación del ciclo anual del almacenamiento de agua en el suelo para algunas
cuencas en Colombia.
Para el cálculo del ciclo anual del almacenamiento de agua en el suelo sobre una cuenca,
es necesario conocer la precipitación mensual, la evaporación real mensual, el caudal
2-72
clima
mensual en una estación a salida de la cuenca y la capacidad de retención de agua en el

suelo (“Water Holding Capacity”), el cual será definido más adelante. Para la
implementación de la metodología de balance hídrico se utilizaron las cuencas del Río
Nechí y Río Grande en Antioquia, la cuenca del Río La Vieja en el Valle, la cuenca del
Río Otún en Risaralda y la cuenca del Río Fonce en Santander. La estimación de la
evaporación real, la precipitación y el caudal a la salida de la cuenca, corresponden al
período 1966-1987, por lo tanto los resultados del ciclo anual del almacenamiento de
agua en el suelo será para el mismo período. A continuación se presentan las
estimaciones de precipitación y evaporación real utilizadas para estos cálculos.
• Evaporación
La distribución espacial de la evaporación real mensual fue tomada del Proyecto
Balances Hidrológicos de Colombia. Este mapa fue calculado con la metodología de
Morton, la cual se puede consultar en UNAL-UPME-COLCIENCIAS (1999) y en Barco
y Cuartas (1998). Para obtener la evaporación real sobre cada una de las cuencas se
hizo un promedio de los valores de los pixeles perteneciente a la cuenca. En la Figura
2.47 se muestra la distribución espacial de la evaporación para todo Colombia, con una
resolución espacial de 5 minutos de arco.
• Precipitación
La distribución espacial mensual de la precipitación, fue tomada del Proyecto Balances
Hidrológicos de Colombia. Estos mapas fueron obtenidos por interpolación, con el
método de Kriging Ordinario con 680 estaciones, de la proporción que cada uno de los
meses representa con respecto al promedio anual. Luego, este resultado fue aplicado a
cada uno de los mapas de precipitación media anual (UNALMED-UPME-
COLCIENCIAS, 1999). La estimación de la precipitación sobre cada una de las cuencas
se hizo de la misma forma que para la evaporación real.
2-73
clima
Al aplicar el balance hídrico en las cuencas anteriormente enumeradas (ver ecuación 2.6)
se presentan algunas incongruencias en la estimación del ciclo anual del almacenamiento
de agua en el suelo. Esto es debido a que el balance multianual (1966-1987) no cierra
exactamente, es decir que P–E–R≠0 (ver Tabla 2.5). Con el fin de dar una primera
aproximación del ciclo anual del almacenamiento de agua en el suelo para el periodo
1966-1987, se hace un ajuste a la precipitación de tal forma que la ecuación anterior sea
igual a cero, es decir se supone que el error en el cierre del balance multianual está en la
precipitación. Esta suposición no necesariamente es válida, pero se utilizará como
primera aproximación. Una vez efectuado el ajuste a la precipitación, se aplicó la
ecuación (2.6), partiendo con varias condiciones iniciales, Si-1. Los resultados son
presentados en la Figura 2.48.
Figura 2.47. Distribución espacial de la Evaporación mensual por el método de

Morton. Tomado de HIDRO-SIG (UNAL-UPME-COLCIENCIAS, 1999).
2-74
clima
Tabla 2.5. Errores en el cierre del balance multianual (1966-1987)
(E + Q) P
CUENCA P [mm/año] ERROR EN %
[mm/año]
Grande 150.7 193.5 28.4
La Vieja 160.9 174.3 8.3
Fonce 235.7 221.9 5.9
Nechí 240.1 244.5 1.8
Otún 184.0 250.5 36.1
Cuenca del Río Nechí

Almacenamiento [mm/mes]
500
400
300
200
100
0
-100 D E F M A M J J A S O N D
-200
Meses
C.I = 100 mm C.I = 200 mm C.I = 300 mm
Figura 2.48. Ciclo anual del almacenamiento de agua en el suelo para varias
condiciones iniciales, C.I, y para el período 1966-1987.
Si se supone que existe un mes en el año en el cual el almacenamiento de agua en el

suelo es cero, se podría conocer cual sería la máxima capacidad de almacenamiento de
agua que tendría que tener el suelo (“water holding capacity”) para almacenar el máximo
de los almacenamientos del ciclo en cada cuenca. En las Figura 2.49 a Figura 2.53 se
presentan, para cada cuenca, el ciclo anual de la precipitación, evaporación, caudal y
almacenamiento de agua en el suelo; dada la suposición de almacenamiento cero en un
mes del ciclo, y para el período 1966-1987.
2-75
clima
Cuenca de Río Grande
350
300
250
[mm/mes]
200
150
100
50
0
E F M A M J J A S O N D
Meses
Precipitación Evaporación
Caudal Almacenamiento
Figura 2.49. Precipitación, evaporación, caudal y almacenamiento de agua en el suelo

para la cuenca del Río Grande y para el período 1966-1987.
Cuenca del Rio Fonce
400
350
300
[mm/mes]
250
200
150
100
50
0
Meses

para la cuenca del Río Fonce y para el período 1966-1987.
2-76
clima
Cuenca del Río Nechí
400
350
300
[mm/mes]
250
200
150
100
50
0
Meses
Precipitación Evaporación Caudal Almacenamiento

para la cuenca del Río Nechí y para el período 1966-1987.
Cuenca del Río la Vieja
300
250
200
[mm/mes]
150
100
50
0
Meses

para la cuenca del Río La vieja y para el período 1966-1987.
2-77
clima
Cuenca del Río Otún
400
350
300
[mm/mes]
250
200
150
100
50
0
Meses
Precipitación Evaporación Caudal Almacenamiento

para la cuenca del Río Otún y para el período 1966-1987.
Es importante tener en cuenta que el almacenamiento mes a mes en cada una de las
cuencas analizadas esta estrechamente relacionado con el término “capacidad de
retención de agua en el suelo” (“water holding capacity”) o W0, como se le denomina
comúnmente en la literatura. Para definir este término, es necesario definir primero la
“capacidad de campo” y “el punto de marchitez”, el primero se refiere a la humedad con
la que queda el suelo después de dejarlo drenar por gravedad, y el segundo término se
refiere a la mínima humedad en el suelo a la cual las plantas pueden extraer agua. La
capacidad de retención de agua en el suelo está definida como la diferencia entre la
capacidad de campo y el punto de marchitamiento. Patterson (1990) obtuvo la
distribución espacial de la capacidad de retención de agua en el suelo para toda la tierra.
Milly (1993) involucra este término en el cálculo de la evaporación real y hace un
análisis de sensibilidad de este término en la interacción suelo-atmósfera. En la Tabla
2.4 se presenta la cuenca con el área correspondiente, la capacidad de almacenamiento
de agua en la cuenca; según el mapa presentado por Patterson (1990) y el
almacenamiento máximo de la cuenca suponiendo en un mes del ciclo el
almacenamiento es cero.
2-78
clima
Tabla 2.6. Comparación de Wo y el almacenamiento máximo de agua en el suelo

suponiendo que en un mes dicho almacenamiento es cero.
Cuenca Area cuenca Wo[mm] Almacenamiento Máximo

[km2] [mm]
Grande 902.693 179.0 273.3
La Vieja 2841.33 100.6 137.7
Fonce 1669.98 152.2 151.4
Nechí 13059.4 163.4 319.0
Otún 198 10.7 205.6
En la tabla anterior se observa que el Wo de la cuenca del Río Otún es 10.7 mm, que es
un valor demasiado bajo, además es un valor poco representativo puesto que el área de
un pixel en el mapa de Patterson (pixeles de 0.5° x 0.5°) es mucho mayor al área de la
cuenca. Para las otras cuencas es importante, además, analizar la no linealidad en los
procesos involucrados en el almacenamiento de agua en el suelo, ya que el suelo no
entrega el agua de igual forma como la recibe. Es importante tratar de obtener un mapa
de la capacidad de retención de agua en el suelo a escala espacial más fina, con el fin de
tener resultados más confiables en la estimación del almacenamiento de agua en el
suelo.
Capacidad de retención de agua en el suelo
La capacidad de retención de agua en el suelo es un término importante en el balance de

agua y representa la máxima cantidad de agua, la cual puede potencialmente ser extraída
del suelo para suplir la demanda de evapotranspiración. Cambios en la textura y
contenido orgánico del suelo lleva a cambios en la capacidad de agua (Patterson, 1990).
Esta variable hidrológica es climatológicamente importante porque define la máxima
humedad del suelo que está potencialmente disponible para la atmósfera.
La capacidad de retención de agua en el suelo es usualmente definida en la literatura

como:
2-79
clima
Wo = capacidad de campo – punto de marchitez permanente,
Donde la capacidad de campo es definida por Hillel (1982), como la habilidad del suelo
para retener humedad y es una propiedad climatológica importante. Según Mather
(1978) la capacidad de campo es la cantidad de agua que permanece en los capilares de
un suelo originalmente saturado, después de varios días de drenaje. El punto de
marchitez permanente se refiere a la mínima humedad en el suelo a la cual las plantas
pueden extraer agua. La capacidad de campo establece un límite superior de capacidad
de retención de agua y el punto de marchitez permanente es generalmente considerado
un límite inferior.
Según Dourado et. al. (1999), la capacidad de retención de agua en el suelo esta
definida por
W o =10 (θ cc − θ pmp ) Z (2.15)
donde, θcc es la capacidad de campo en m3/m3, θpmp es el punto de marchitez permanente

en m3/m3 y Z es la profundidad efectiva del sistema radicular.
Metodología para la estimación de la capacidad de retención de agua en el suelo
Triángulo de texturas: para obtener la distribución espacial de la capacidad de retención

de agua en el suelo, un factor muy importante en la estimación en un punto o una celda
de una retícula es la textura del suelo; sin embargo, la retención de agua no es una
función que dependa solamente de la textura del suelo. El contenido de materia orgánica
y la profundidad de las raíces de la vegetación son también factores importantes.
Saxton et. al., 2000, propone una metodología para el cálculo de esta variable a partir del
triangulo de texturas del suelo, como sigue:
2-80
clima
Rango de tensión [kPa] Ecuación

> 1500 a 10 Ψ = A ΘB
A = exp[a + b(%C) + c(%S)² + d(%S)²(%C)] 100.0
B = e + f(%C)² + g(%S)²(%C)
10 a Ψe Ψ = 10.0 - (Θ - Θ10) (10.0 - Ψe)/(Θs - Θ10)
Θ10 = exp[(2.302 - ln A)/B]
Ψe = 100.0 [m + n (Θs)]
Θs = h + j (%S) + k log10(%C)
Ψe a 0.0 Θ = Θs
> 1500 a 0.0 K = 2.778×10-6 { exp[p + q (%S) + [r + t (%S) + u (%C)
+ v(%C)²](1/Θ)]}
Donde Ψ es el agua potencial en kPa, Θ contenido de agua a 10 kPa en m 3

/m3, k es la
conductividad del agua, Θ es el contenido de agua en m 3
/m3, Θs es contenido de agua en
saturación, m3/m3.
Los coeficientes propuestos para las expresiones anteriores son:
Coeficientes
a = -4..396 g = -3.484×10-5 p = 12.012
b = -0.0715 h = 0.332 q = -7.55×10-2
c = -4.880×10-4 j = -7.251×10-4 r = -3.8950
d = -4.285×10-5 k = 0.1276 t = 3.671×10-2
e = -3.140 m = -0.108 u = -0.1103
f = -2.22×10-3 n = 0.341 v = 8.7546×10-4
En la dirección electrónica http://www.bsyse.wsu.edu/saxton/soilwater se puede obtener

el programa que hace las estimaciones de capacidad de campo, punto de marchitez
permanente a partir metodología anterior y capacidad de retención de agua en el suelo o
2-81
clima
agua disponible. La ventana de entrada y salida de resultados se presenta en la figura

2.37, dado que el suelo a analizar tiene 50% de arcilla y 50% de arena.
Figura 2.54. Estimación de la capacidad de campo, punto de marchitez permanente y

capacidad de retención de agua (agua disponible) a partir de las texturas
del suelo. Para un suelo con 50% de arena y 50% de arcilla.
Estimaciones a partir de tablas: Existen en la literatura estimaciones de capacidad de

campo, punto de marchitéz y capacidad de retención de agua en el suelo para diferentes
texturas de suelo. Entre ellas estan las estimaciones hechas por ASCE (American
Society of Civil Engineers), 1990. En la tabla 2.5 se presentan estas estimaciones para
las principales texturas del suelo.
Con la tabla anterior y teniendo el mapa de texturas del suelo distribuido espacialmente,
se puede hacer una estimación de la capacidad de campo, el punto de marchitez y por
tanto de la capacidad de retención de agua en el suelo.
Patterson 1990: Para obtener la capacidad de retención de agua en el suelo se puede

aplicar la metodología propuesta por Patterson (1990). A partir del mapa de vegetación
2-82
clima
se puede hacer una estimación de la profundidad del sistema radicular. La cantidad de

materia orgánica presente en el suelo se puede estimar a partir de los mapas de
precipitación y evaporación potencial. Con mapa de materia orgánica y tipo y textura
de suelo, se hace una estimación de la capacidad de campo. A partir del mapa de
vegetación se hace una estimación del mapa de punto de marchitez permanente, y
finalmente con los mapas de capacidad de campo, punto de marchitez y profundidad del
sistema radicular se estima la capacidad de retención de agua en el suelo.
Tabla 2.7. Capacidad de campo, punto de marchitez permanente y capacidad de

retención de agua en el suelo.
Tipo de textura Capacidad del Punto de marchitez Capacidad de retención de
campo permanente agua en el suelo
Suelo arenoso 0.12 0.04 0.08
Suelo franco arcilloso 0.14 0.06 0.08
Suelo franco arenosa 0.23 0.10 0.13
Suelo franco 0.26 0.12 0.15
Suelo franco limoso 0.30 0.15 0.15
Suelo limoso 0.32 0.15 0.17
Suelo franco arcillo 0.34 0.19 0.15
limoso
Suelo arcillo limoso 0.36 0.21 0.15
Suelo arcilloso 0.36 0.21 0.15
2-83
Caudales Máximos
3 CAUDALES MÁXIMOS
En hidrología se cuenta con varias metodologías para el cálculo de caudales máximos para
diferentes períodos de retorno. Cuando se dispone de extensos registros de caudal es
posible efectuar análisis estadísticos conocidos. Si los registros no son suficientes es
necesario recurrir a información adicional y al respecto se tienen varias posibilidades
metodológicas que se pueden enmarcar en dos grandes grupos: el análisis regional de los
caudales máximos y la estimación de los caudales máximos a partir de la precipitación
máxima en la cuenca.
En el análisis regional de caudales máximos se considera que la región es homogénea desde

el punto de vista hidrológico, geomorfológico y climático y que a partir de los datos en
cuencas donde se considera que la información es suficiente, se pueden ajustar expresiones
regionales para estimar los caudales máximos en una cuenca a partir de sus características
geométricas y morfológicas. Con éstas expresiones se pueden estimar los caudales para
cada período de retorno en todas las cuencas de la región.
Para estimar los caudales máximos para distintos períodos de retorno a partir de la
información la precipitación se supone que los caudales máximos asociados a un período de
retorno se producen cuando sobre la cuenca se tiene una tormenta con una intensidad de
lluvia asociada al mismo período de retorno. Para aplicar éste tipo de metodologías es
necesario hacer una caracterización de la intensidad de las tormentas en la cuenca y además
es necesario configurar un modelo precipitación escorrentía que permita representar
adecuadamente la respuesta hidrológica de la cuenca.
3-1
Caudales Máximos
En los siguientes apartes de este capítulo se presenta distintos aspectos de estas

metodologías y de su aplicación a la hidrología colombiana. Específicamente, en el numeral
3.1 se presenta la regionalización de caudales máximos aplicando propiedades de escala e
integrando los parámetros calculados en las cuencas para la estimación de los máximos, en
el numeral 3.2, se muestran algunos métodos lluvia-escorrentía comúnmente usados para la
obtención de caudales pico en regiones donde se cuenta solamente con información de
lluvias máxima y en el numeral 3.3 se hace una revisión de las metodologías para obtener
las lluvias máximas asociadas a diferentes períodos de retorno y se hace una relación de las
propiedades de escala con las teorías que normalmente se usan varios países.
3.1 REGIONALIZACIÓN DE CAUDALES MÁXIMOS
Con los datos disponibles se construyeron programas que permitieron la aplicación de la

teoría sobre el método del Multiescalamiento para la regionalización de caudales máximos
en Colombia. Los datos disponibles para dicho propósito se obtuvieron de las series de
caudales máximos compradas al IDEAM para todo el país; además se disponía ya de series
digitadas del Boletín Hidrológico 1991-1992 de la Corporación Autónoma Regional del
Valle del Cauca (CVC), cuyas estaciones se encuentran ubicadas en los departamentos del
Cauca y el Valle del Cauca; Corporación Autónoma Regional de Cundinamarca (CAR),
con estaciones en el altiplano de la Cordillera Oriental; y se series de caudales máximos
suministrados por las Empresas Públicas de Medellín (EPM) y el mismo IDEAM, ubicadas
todas ellas en la región montañosa del departamento de Antioquia.
3.1.1 Multiescalamiento
3.1.1.1 Procedimiento
Las series utilizadas corresponden a estaciones limnigráficas que contaran con registros de
duración mayor que 15 años.
3-2
Caudales Máximos
A cada serie se le realizaron pruebas estadísticas para el ajuste de la distribución Log-

Pearson. Por la escasez de información, el hecho de rechazar la prueba el ajuste no
justificaba el retiro de la serie del análisis. Una serie se consideraba no apta si su
coeficiente de asimetría era mayor que 2 (se consideraba lo suficientemente alto) y además
si la prueba la rechazaba; en este caso se retiraba el dato máximo de la serie para corregir el
coeficiente de asimetría y se repetía la prueba sobre la nueva serie. En otras palabras, si se
rechazaba la hipótesis nula de ajuste de los datos a la distribución, pero su coeficiente de
asimetría era menor que dos, se dejaba la serie tal como estuviera para entrar a los análisis.
Se estimaron entonces los caudales máximos para 2.33, 5, 10, 25, 50 y 100 años de periodo
de retorno para cada estación utilizando la ecuación de Ven Te Chow (debe tenerse en
cuenta que P=1/Tr es la probabilidad de excedencia):
_
Q( Tr ) = Q + KTr SQ (3. 1)
donde:
Q(Tr ) : caudal estimado para un periodo de retorno Tr,
_
Q : media muestral de los caudales máximos estimada para cada serie,
SQ : desviación típica muestral de la serie de caudales máximos,
K Tr : factor de frecuencia, función del periodo de retorno Tr y con una estructura distinta
para cada función de distribución de probabilidad. En el caso particular de la

distribución Log-Pearson, la expresión para K Tr es la siguiente:
2 3 4 5
(
K T r = Z T r + Z T2r − 1 ) g6
Q
+
1
3
(
Z T3r − 6 Z T r ) g6
Q 
(
 − Z T2 − 1
 r
) g6
Q 
 + ZT
 r
 gQ

 6


1 g
 +  Q
3  6



(3. 2)
      
Z Tr : proviene de la distribución de probabilidad normal para los valores de probabilidad
especificados por Tr
gQ : coeficiente de asimetría calculado de los datos de la serie
La regionalización de las estaciones se realizó teniendo en cuenta la cuenca hacia la cual

drenaban las corrientes donde estaban ubicadas las estaciones de medición. De acuerdo con
esto, en el mapa de la Figura 3.1 se puede observar la distribución de las estaciones y las
3-3
Caudales Máximos
subregiones utilizadas. Se consideraron las siguientes subregiones hidrológicamente

homogéneas: La Guajira (6 estaciones), Caribe (unidas las que en el mapa se ven como
Sinú, Cesar, Sierra Nevada y Llanura del Caribe; 21), Atrato (10), Cañón del Cauca (11),
Magdalena Medio (17), Catatumbo (10), Nechí (12), Sogamoso (17), Piedemonte (15),
Pacífico (14), Valle del Cauca (28), Alto Magdalena (41), Orinoquía (16) y Amazonía (6).
Estaciones por Regiones con información
14
12
10
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66
Figura 3.1 Mapa de subregiones que indica la ubicación de las estaciones limnigráficas
utilizadas en los análisis.
Ubicando las estaciones en su respectiva subregión, se realizaron regresiones del tipo
Q( Tr ) vs A para cada subregión y se estimaron los parámetros θ(p) y C(p) de la ecuación
Q( p ) = c( p) Aθ ( p ) (3. 3)
También se calcularon los momentos de orden k a partir de los datos de las series:
3-4
Caudales Máximos
n
∑ Qik
M (k) = i =1
(3. 4)
n
Esto se hace con el fin de verificar la existencia de escalamiento simple o

multiescalamiento en las diversas subregiones a partir del cálculo de la función de
estructura para los momentos. Para esto se hace una regresión similar a la anterior
( M ( K ) vs A ) para cada subregión y para momento de orden k de la forma:

φ( k )
M ( k ) = C( k ) A (3. 5)
La función de estructura se define simplemente como la relación entre las pendientes de las
regresiones para los momentos de orden superior ( k ≥ 2 ) y la pendiente de la regresión
para el primer momento ( k = 1 ):
φk
FE( k ) = (3. 6)
φ1
Dicho parámetro se grafica y se compara contra una linea recta de pendiente unitaria. Si los
datos de las series de la subregión obedecen al escalamiento simple, entonces los puntos de
la función de estructura se ubicarán muy cerca de la recta. Sin embargo, si los puntos de la
función de estructura se ubican por debajo de la recta y se alejan a medida que aumenta k,
entonces los datos no obedecen el escalamiento simple y existe evidencia que apunta a que
existe multiescalamiento, donde los momentos de orden k no son lineales.
Además de todo lo anterior se han elaborado gráficos que contrastan los coeficientes de
variación muestrales de las series (CV) contra el área de drenaje de la cuenca con el
objetivo de visualizar la existencia o no del área crítica de drenaje.
3.1.1.2 Resultados
En algunas regiones no se tenían estaciones suficientes para realizar ajustes confiables,
como en el caso de La Guajira. Además, en regiones como la Amazonía, donde las cuencas
son bastante grandes, las estaciones no estaban homogéneamente distribuidas en toda la
3-5
Caudales Máximos
región sino mayoritariamente cerca al piedemonte de la cordillera oriental, lo que obligaba

a replantear el proceso de la regionalización. En la Tabla 3. 1 se presentan los parámetros
de ajuste de la ecuación 3.3 para todas las subregiones consideradas y para los periodos de
retorno analizados; en la Figura 3.2 se presenta la ecuación ajustada para todo el país para
dichos periodos de retorno.
Tabla 3. 1 Resumen de los resultados obtenidos por subregiones por el método del
multiescalamiento para la estimación de los caudales máximos para diferentes
periodos de retorno.
Tr (años)
Subregión Parámetros
2,33 5 10 25 50 100
θ(Tr) 0,8998 0,8553 0,8275 0,7994 0,7821 0,7672
Atrato C(Tr) 0,6575 1,0301 1,3673 1,8241 2,1808 2,5479
R 0,8655 0,8563 0,8497 0,8420 0,8365 0,8313
θ (Tr) 0,6633 0,6056 0,5708 0,5367 0,5162 0,4988
Caribe C(Tr) 2,4184 4,7649 7,2137 10,8802 13,9570 17,2800
R 0,9556 0,9493 0,9438 0,9362 0,9301 0,9238
θ (Tr) 0,1630 0,0661 0,0150 -0,0324 -0,0599 -0,0831
Guajira C(Tr) 58,3555 151,6900 254,8240 414,6980 552,3340 703,7660
R 0,4011 0,1776 0,0412 -0,0896 -0,1652 -0,2270
Alto θ (Tr) 0,8633 0,8347 0,8189 0,8042 0,7956 0,7883
Magdalena C(Tr) 0,5755 0,8856 1,1406 1,4612 1,6972 1,9302
R 0,9061 0,9042 0,9024 0,9001 0,8983 0,8966
Magdalena θ (Tr) 0,7422 0,7195 0,7106 0,7045 0,7018 0,7001
Medio C(Tr) 1,7074 2,5510 3,1485 3,8126 4,2551 4,6613
R 0,8599 0,8667 0,8668 0,8639 0,8608 0,8574
θ (Tr) 0,8927 0,8699 0,8573 0,8455 0,8385 0,8326
Sogamoso C(Tr) 0,2242 0,3482 0,4499 0,5770 0,6700 0,7615
R 0,9066 0,9117 0,9146 0,9169 0,9180 0,9186
Valle del θ (Tr) 0,5781 0,5489 0,5305 0,5116 0,4998 0,4894
Cauca C(Tr) 3,6898 5,5753 7,2007 9,3276 10,9485 12,5915
R 0,9344 0,9249 0,9173 0,9078 0,9009 0,8940
Cañón del θ (Tr) 0,6542 0,6318 0,6191 0,6070 0,5999 0,5939
Cauca C(Tr) 2,5691 3,7612 4,7212 5,9074 6,7697 7,6135
R 0,9754 0,9794 0,9807 0,9811 0,9809 0,9804
θ (Tr) 0,8327 0,7953 0,7722 0,7490 0,7349 0,7226
Nechí C(Tr) 0,9261 1,4348 1,8773 2,4573 2,8988 3,3452
R 0,9555 0,9511 0,9479 0,9441 0,9416 0,9391
θ (Tr) 0,6227 0,5592 0,5221 0,4863 0,4649 0,4467
Catatumbo C(Tr) 4,2055 8,9153 13,9056 21,4653 27,8805 34,8774
R 0,7680 0,7489 0,7321 0,7108 0,6952 0,6802
3-6
Caudales Máximos
Tabla 3.1 Continuación

Tr (años)
2,33 5 10 25 50 100
θ (Tr) 0,3971 0,3635 0,3433 0,3235 0,3115 0,3012
Orinoquía C(Tr) 45,1081 71,5170 94,8427 125,7660 149,5030 173,6430
R 0,6629 0,6376 0,6210 0,6034 0,5919 0,5816
θ (Tr) 0,7328 0,7292 0,7253 0,7207 0,7175 0,7146
Piedemonte C(Tr) 1,5539 1,9687 2,2959 2,6904 2,9705 3,2394
R 0,6871 0,6950 0,6990 0,7025 0,7044 0,7059
θ (Tr) 0,5656 0,5576 0,5549 0,5540 0,5545 0,5555
Pacífico C(Tr) 11,8639 15,0269 17,1866 19,4575 20,8773 22,1099
R 0,5061 0,5185 0,5278 0,5377 0,5438 0,5490
θ (Tr) 0,7412 0,6907 0,6590 0,6269 0,6071 0,5899
Amazonía C(Tr) 4,9150 8,2917 11,5100 16,0538 19,7214 23,5874
R 0,9068 0,8744 0,8475 0,8146 0,7913 0,7693
θ (Tr) 0,7484 0,7156 0,6968 0,6790 0,6682 0,6591
Colombia C(Tr) 1,4796 2,3279 3,0455 3,9760 4,6506 5,3339
R 0.8529 0,8476 0,8431 0,8382 0,8333 0,8293
Ajuste de caudales máximos para todo el país
100000
10000
Caudal (m3/s)
1000
100
10
1
1 10 100 1000 10000 100000 1000000
Área (km2)
Figura 3.2 Ajuste de caudal máximo para todo el país, utilizando los parámetros de las
ecuaciones de ajuste nacionales para diferentes periodos de retorno presentados
en la Tabla 3. 1. De abajo hacia arriba están las ecuaciones de 2.33, 5, 10, 25,
50 y 100 años de periodo de retorno y respectivamente los estimados para cada
estación están en color azul oscuro, rojo, amarillo, azul claro, púrpura y verde.
3-7
Caudales Máximos
En la Tabla 3. 2 se presenta el resumen de los ajustes realizados para la ecuación 3.3 de los
momentos de diverso orden (primero al cuarto) para todas las subregiones consideradas y
para toda Colombia.
Tabla 3. 2 Resultados de las regresiones realizadas para ajustar los momentos de diverso
orden de las series en cada subregión.
Orden del Momento
1 2 3 4
φ(k) 0.9015 1.7769 2.6269 3.4548
Atrato C(k) 0.6398 0.5183 0.5280 0.6588
R 0.8658 0.8628 0.8600 0.8576
φ (k) 0.6540 1.2464 1.7923 2.3084
Caribe C(k) 2.6002 12.796 102.748 1140.25
R 0.9565 0.9531 0.9495 0.9458
φ (k) 0.1317 0.1237 0.0518 -0.0455
Guajira C(k) 69.641 15802.2 6441250 3436490000
R 0.3505 0.1750 0.0500 -0.0333
Alto φ (k) 0.8629 1.6914 2.5006 3.2976
Magdalena C(k) 0.5684 0.4708 0.4999 0.6328
R 0.9076 0.9068 0.9060 0.9052
Magdalena φ (k) 0.7488 1.4620 2.1648 2.8689
Medio C(k) 1.6080 3.8746 11.3552 36.1203
R 0.8651 0.8689 0.8701 0.8697
φ (k) 0.8906 1.7530 2.5993 3.4378
Sogamoso C(k) 0.2237 0.0744 0.0323 0.0166
R 0.9111 0.9134 0.9156 0.9176
Valle del φ (k) 0.5709 1.1141 1.6354 2.1410
Cauca C(k) 3.7779 19.454 129.017 1033.31
R 0.9337 0.9283 0.9230 0.9182
Cañón del φ (k) 0.6538 1.2844 1.8983 2.5021
Cauca C(k) 2.5232 8.4882 35.698 174.75
R 0.9756 0.9784 0.9801 0.9810
φ (k) 0.8222 1.6062 2.3582 3.0888
Nechí C(k) 0.9589 1.3015 2.3636 5.2861
R 0.9548 0.9525 0.9501 0.9479
φ (k) 0.6047 1.1364 1.6150 2.0621
Catatumbo C(k) 4.7689 47.633 826.594 20335.9
R 0.7591 0.7487 0.7371 0.7252
φ (k) 0.3951 0.7621 1.1052 1.4322
Orinoquía C(k) 45.130 2806.39 230612 23078600
R 0.6645 0.6519 0.6399 0.6306
3-8
Caudales Máximos

Orden del Momento
1 2 3 4
φ (k) 0.7261 1.4504 2.1683 2.8801
Piedemonte C(k) 1.5675 2.7944 5.7071 13.059
R 0.6869 0.6912 0.6938 0.6956
φ (k) 0.5692 1.1268 1.6733 2.2135
Pacífico C(k) 11.394 153.428 2431.53 43398
R 0.5141 0.5173 0.5208 0.5243
φ (k) 0.7355 1.4267 2.0790 2.6981
Amazonía C(k) 4.9896 36.491 374.57 5148.44
R 0.8992 0.8880 0.8756 0.8624
φ (k) 0.7418 1.4487 2.1322 2.8010
Colombia C(k) 1.5330 3.4431 10.196 36.466
R 0.8530 0.8502 0.8475 0.8450
La Figura 3.3 muestra los resultados de las ecuaciones de ajuste de los momentos y la
dispersión de los puntos alrededor de ellas. Es notable en esta figura la inestabilidad de los
estimados correspondientes a los momentos más altos de las series, que se debe
seguramente a la corta longitud de los registros. Esto confirma la conveniencia de utilizar
en Colombia distribuciones de probabilidad de no más de dos parámetros para el ajuste de
eventos extremos.
En la Figura 3.4 se presenta la función de estructura para todas las series del país. Al
alejarse los puntos de la recta de pendiente unitaria, se observa la conveniencia de utilizar
multiescalamiento si se utilizan todas las series de las estaciones del país como si fueran de
una misma subregión. Esta figura es sólo ilustrativa del procedimiento; es más clara y útil
cuando se consideran estaciones ubicadas en regiones hidrológicamente homogéneas, ya
que considerar a toda Colombia como una sola región es un grave error de apreciación.
3-9
Caudales Máximos
Ajuste de los momentos de diverso orden para toda Colombia
1.E+17
1.E+16
1.E+15
1.E+14
1.E+13
Valor del Momento 1.E+12
1.E+11
1.E+10
1.E+09
1.E+08
1.E+07
1.E+06
1.E+05
1.E+04
1.E+03
1.E+02
1.E+01
1.E+00
1 10 100 1000 10000 100000 1000000
Área (km2)
Figura 3.3 Ajuste de los momentos de diverso orden (1º al 4º) de todas las estaciones del
país. En azul oscuro se presentan los puntos para el primer momento, en rojo
para el segundo, en gris para el tercero y por último en verde para el cuarto.
Las líneas entre las nubes de puntos son las rectas dibujadas de acuerdo a los
parámetros presentados en la Tabla 3. 2 para toda Colombia.
Función de Estructura
3
M(k) / M(1)
0
0 1 2 3 4
Orden del Momento
Figura 3.4 Gráfico de la función de estructura para todas las estaciones del país. Los
valores obtenidos con los datos muestrales se presentan con los diamantes. La
recta denota el valor teórico para el caso de escalamientos simple. El
alejamiento de los puntos con respecto a recta de pendiente unitaria sugiere la
presencia de multiescalamiento.
3-10
Caudales Máximos
Como ejemplo aplicado a una subregión, se presentará el caso del Cañón del Cauca. En la
Figura 3.5 se ilustra la ubicación geográfica de las estaciones.
Subregión: Cañón del Cauca
14
12
10
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66
Figura 3.5 Ubicación de las estaciones de la subregión “Cañón del Cauca”
Los resultados del análisis de regresión se encuentran en la Tabla 3. 1, donde se presentan

los parámetros de las ecuaciones de regresión, y en la Figura 3.6 se observa la dispersión de
los estimados para cada estación de la subregión con respecto de la curva calculada.
Cañón del Cauca Q(Tr) vs Área
10000
Caudal estimado (m3/s)
1000
100
10
102 103 104 105
Area (km2)
Figura 3.6 Dispersión de los caudales máximos estimados a partir del ajuste de cada serie
de datos respecto de las curvas de regresión regionales; en color negro
aparecen los puntos estimados y la recta de ajuste correspondiente a un periodo
de retorno de 2.33 años, en verde los correspondientes a un periodo de retorno
de 5 años, en azul los correspondientes a 10 años, en púrpura los
correspondientes a 20 años, en rojo 50 años y en color gris los correspondientes
a 100 años de periodo de retorno.
3-11
Caudales Máximos
Los resultados de las regresiones de los momentos de diverso orden contra el área para la
región se presentan a continuación: en la Figura 3.3 se presentan los parámetros de las
ecuaciones ajustadas a cada orden de momento de las series de datos y en la Figura 3.7 se
visualiza la dispersión de los momentos calculados para cada serie de la curva de ajuste.
Cañón del Cauca Momentos de diverso orden vs Área

1014
Momentos de la distribución de caudales máximos
1012
1010
108
106
104
102
100
102 103 104 105
Area (km2)
Figura 3.7 Curvas de regresión calculadas para los momentos de diverso orden. En negro
el primer momento, en verde el segundo, el tercero en púrpura y por último el
cuarto en rojo.
El gráfico de la función de estructura, como se dijo anteriormente, revela la necesidad de

utilizar o no el multiescalamiento en una región. Para la región “Cañón del Cauca” dicho
gráfico está plasmado en la Figura 3.8. En 0 a pesar de que se tiene un amplio rango de
áreas, es difícil visualizar el “punto de quiebre” de los coeficientes de variación (CV) de la
región correspondientes al área crítica Ac. Es notable que para las cuencas más grandes los
valores muestrales de CV son más estables, pero a medida que se reduce el área de las
cuencas no se puede concluir con certeza cual es el valor de Ac por la inestabilidad de este
coeficiente.
3-12
Caudales Máximos
Cañón del Cauca Función de estructura

5
Factor de estructura
3
0
0 1 2 3 4 5
Orden del momento
Figura 3.8 Función de estructura en “Cañón del Cauca”. Al alejarse los

puntos de los momentos de orden mayor de la recta de pendiente unitaria se
observa que los datos no obedecen el escalado simple a favor del
multiescalamiento.
Cañón del Cauca Relación CV vs Área

0.8
0.6
CV(Caudales máximos)
0.4
0.2
0.0
102 103 104 105
Area (km2)
Figura 3.9 Gráfico de CV vs A. No es claro cual es el posible valor de Ac,

pero se intuye que es menor que 1000 km2.
A pesar de los buenos resultados en esta subregión, en otras muy importantes no se

obtuvieron buenos ajustes, lo que se refleja en el coeficiente de correlación presentado en la
Tabla 3. 1 para subregiones como Atrato, Magdalena Medio, Catatumbo, Orinoquía,
Piedemonte, Amazonía, Pacífico y los malos resultados obtenidos en La Guajira.
Además, hay incertidumbre asociada con la definición de las distintas subregiones. La
estructura de las ecuaciones de regionalización no tiene en cuenta este problema y, por
ejemplo, la transición entre las subregiones del Magdalena Medio y Caribe para el río
3-13
Caudales Máximos
Magdalena, donde la cuenca tiene un área aproximada de 118000 km2, tiene diferencias de
cerca de 4300 m3/s a favor del Magdalena Medio para el periodo de retorno más bajo
analizado (2.33 años). Este problema no es notorio ni importante en las cabeceras de las
cuencas, dadas las áreas tan pequeñas en dichos puntos y el hecho de que la divisoria de
aguas determina una unidad hidrológica clara para el estudio.
Debido a lo anterior y observando la inestabilidad de los momentos de orden mayor e igual
que tres, se plantearon ecuaciones para la media de los caudales máximos y para la
desviación estándar de los mismos que tienen en cuenta la totalidad de la cuenca al incluir
algún parámetro hidroclimático característico de ella.
3.1.2 Integración de los parámetros climáticos de la cuenca para la estimación de

caudales máximos
En el trabajo de Gupta, Mesa y Dawdy (1994) se presenta el método de regionalización de
cuantiles. En este método, cada cuantil de las crecientes es ajustado contra un conjunto de
parámetros geomorfológicos característicos de la cuenca. El método de regresión de
cuantiles puede ser expresado matemáticamente como:
q p ( A) = hp ( A, R, S ,...) (3. 7)
en donde la ecuación (3.7) muestra la dependencia funcional de los cuantiles de los

caudales máximos con diversos parámetros de la cuenca, de los cuales el área es el más
importante. Sin embargo, dado que la variabilidad climática de nuestro país está
fuertemente ligada con la disponibilidad de agua (humedad atmosférica), además de la
topografía (que determina los cambios de temperatura), se pensó en ecuaciones del tipo:
ξ M = f ( A, P, E ) (3. 8)
donde:
ξ M : Es el parámetro estadístico de los caudales máximos que se desea ajustar, en particular
la media y la desviación estándar.
A, P, E: Son los parámetros geomorgoclimáticos elegidos de la cuenca: área, precipitación
media y evaporación media, respectivamente.
3-14
Caudales Máximos
La estimación de la precipitación y la evaporación en las cuencas se realizó de manera

indirecta, utilizando la ecuación del balance hídrico presentada en Balances Hidrológicos
de Colombia (Universidad Nacional-UPME-Colciencias, 1999)
Qm = ( P − E ) A (3. 9)
donde Qm es el caudal medio multianual en la cuenca. Se realizaron entonces regresiones
del caudal máximo medio de la cuenca contra todas las combinaciones posibles de área y
caudal medio multianual. El modelo ajustado tiene la expresión matemática
__
α
QM = K M Qm Aθ (3. 10)
en donde QM es el caudal máximo medio estimado para cada serie.
En la Tabla 3. 3 se presentan los parámetros de los modelos ensayados para ajustar el
caudal medio máximo siguiendo esta metodología. Los mejores resultados se obtuvieron
con una ecuación que sólo tiene en cuenta el caudal medio. La última columna de la tabla
tiene la sumatoria del error relativo absoluto de los caudales medios máximos calculado
para cada estación (207 en total) como:
__ __
Q ESTIMADO − Q REAL
ERELATIVO = __
(3. 11)
Q REAL
Tabla 3. 3 Parámetros de ajuste de los modelos ensayados

para calcular el caudal medio máximo para toda Colombia (207
estaciones).
Descriptor KM α θ Σ ERELATIVO
Qmed 17,6841 0,7167 - 63,6439
A 0,9150 - 0,7512 107,9194
Qmed-A 15,4523 0,6850 0,0350 64,0964
El modelo mejor ajustado utiliza sólo el caudal medio multianual como parámetro, lo que
lo hace bastante simple. Dicho modelo tiene una relación implícita con el área de la cuenca,
de acuerdo con la ecuación (3.9). Dados los parámetros de ajuste del modelo escogido, la
ecuación tomaría la forma
__
α
QM = K M Qm (3. 12)
3-15
Caudales Máximos
Expresando la ecuación anterior en términos de la precipitación y la evaporación quedaría

de la siguiente manera:
__
QM = 17.6841( P − E )0.7167 A0.7167 (3. 13)
La ecuación (3.13) tiene la misma estructura que la ecuación (3.3), pero ahora la constante
incluye algunos parámetros climáticos de la cuenca, de manera que
C = K M ( P − E )α = 17.6841( P − E )0.7167 (3.14)
En las ecuaciones (3.11) a (3.14), la p de la ecuación (3.3) corresponde aproximadamente al
peridodo de retorno de 2.33 años y se asume que es aproximadamente el periodo de retorno
del caudal máximo medio. Por eso, estas ecuaciones (3.11 a 3.14) no presentan
dependencia de este parámetro. La Figura 3.10 muestra la curva de ajuste dada por la
ecuación (3.13), donde se observa un buen ajuste.
Estimación del Caudal Máximo Medio
10000
R = 0.9532
Qmax Medio Estimado (m3/s)
1000
100
10
1
0.1 1.0 10.0 100.0 1000.0 10000.0
Qmed (m3/s)
Figura 3.10 Ajuste de los caudales máximos medios contra el caudal medio
multianual de la cuenca, para todas las regiones de Colombia. Es notable el alto
coeficiente de correlación logrado con dicha regresión, lo que indica la alta
confiabilidad de los estimados con este modelo. Sin embargo, KM se asume
constante para todo el país.
Se ajustaron ecuaciones con una estructura similar para estimar la desviación estándar de
los caudales máximos, pero ahora incluyendo el ya calculado caudal máximo medio. La
estructura del modelo es de la forma
3-16
Caudales Máximos
__
α φ
σ M = K DS Qm Aθ QM (3. 15)
en donde
σM : desviación estándar estimada de la caudal máximo medio
K DE : constante de ajuste del modelo
Qm : caudal medio multianual calculado para la cuenca
A : área de la cuenca
QM : caudal máximo medio calculado de la serie
Los modelos mejor ajustados fueron los que se apoyaron en la estabilidad del primer
momento de las series. El error relativo se calculó con la misma ecuación utilizada para los
caudales máximos (3.11), pero ahora se utiliza el valor estimado y el valor real de la
desviación estándar para cada estación. En la Tabla 3. 4 se presentan los parámetros de los
modelos ajustados para estimar la desviación estándar en todas las estaciones del país:
Tabla 3. 4 Parámetros de ajuste de los modelos ensayados

para calcular la desviación estándar de los caudales máximos para
toda Colombia (207 estaciones).
Descriptores KDS α θ φ ΣERELATIVO R
Qmed 8.9978 0.5402 - - 100,9648 0.8243
A 0.8670 - 0,6018 - 106,7412 0.7642
Qmax 0,8643 - - 0,8022 67,6468 0.9359
Qmed-A 3.5169 0.3232 0.2403 - 98.6434 0.8254
Qmed-Qmax 0,2348 -0,3968 - 1,3011 56,0346 0.9551
A-Qmax 0,9017 - -0,0247 0,8269 67,5974 0.9376
Qmed-A-Qmax 0,1693 -0,4691 0,1208 1,2576 54,6952 0.9580
Según la tabla anterior, el modelo que mejor estima la desviación estándar de las series es
el que incluye los tres parámetros considerados en el ajuste. Sin embargo, su diferencia es
insignificante con el modelo más simple, que utiliza como regresores el caudal medio
multianual y el caudal máximo medio, que tiene la siguiente forma:
α φ
σ M = K DS Qm QM (3. 16)
3-17
Caudales Máximos
De esta manera, la ecuación en términos de la precipitación y la evaporación quedaría de

la siguiente manera luego de unas simples operaciones algebraicas:
σ M = 9.8612( P − E )0.5357 A0.5357 (3. 17)
Es importante anotar que en las ecuaciones (3.13) y (3.17) las unidades de la precipitación
media multianual y la evaporación media multianual están dadas en metros por segundo, y
las del área en metros cuadrados. Esto es simplemente porque el caudal medio tiene
unidades de m3/s, y esta es la variable que integra los valores medios de P y E sobre las
cuencas.
Las constantes KM y KDS en las ecuaciones (3.13) y (3.17) son susceptibles de ser
regionalizadas buscando una optimización de la estimación de los caudales. Esto lo muestra
la Figura 3.11, donde los la magnitud de los círculos indican el valor de K calculado para
cada estación.
Figura 3.11 Valores de KM (derecha) y KDS (izquierda) calculados para

todas las estaciones. La similitud en los tamaños de círculos cercanos indican
que dicho parámetro se puede asumir constante en cada subregión.
3-18
Caudales Máximos
Utilizando el mismo mapa presentado en la Figura 3.1, se efectuaron estimaciones de K a

nivel regional. Los resultados de los ajustes de las constantes para cada subregión se
muestran en la Tabla 3. 5
Tabla 3. 5 Valores calculados de K de las ecuaciones (3.13)

y (3.17) para las diferentes subregiones consideradas.
Subregión K Media Máximos K Desviación Estándar
Alto Magdalena 25.1562 16.8795
Amazonía 25.1349 17.1221
Atrato 13.7614 5.6115
Cañón del Cauca 19.9474 14.5528
Caribe 16.0607 8.8739
Catatumbo 27.0295 24.7392
Guajira 27.2927 21.4358
Magdalena Medio 21.543 15.2844
Nechí 16.7022 9.2825
Orinoquía 27.2185 19.0857
Pacífico 24.5141 16.6944
Piedemonte 21.3412 11.0505
Sierra Nevada 32.3223 29.2824
Sogamoso 19.5495 13.3019
Valle del Cauca 18.0678 11.2259
Los valores anteriores permiten graficar un mapa discreto de K con un valor diferente y
constante en cada subregión considerada. Sin embargo, la estimación de K en las cuencas se
hace integrando el valor de este parámetro en toda el área de drenaje. Así pues, la constante
K del río Magdalena en su desembocadura no será el valor presentado en la Tabla 3. 5 para
la región Caribe, sino que será el promedio calculado incluyendo las subregiones que baña
el río Cauca, Nechí, Sogamoso y Alto y Medio Magdalena. En las cuencas pequeñas, con
mucha seguridad el valor de K será el valor calculado a la salida de la misma porque la
integración no cubre tantas subregiones.
Para verificar la optimización en la estimación de los caudales máximos medios, en la
Figura 3.12 se comparan las nubes de puntos de los estimados contra una recta de pendiente
unitaria.
3-19
Caudales Máximos
Qmax Estimado vs Qmax Real Qmax Estimado vs Qmax Real
10000 10000
Qmax Estimado (m3/s)
Qmax Estimado (m3/s)

1000 1000
100 100
10 10
10 100 1000 10000 10 100 1000 10000
Qmax Real (m3/s) Qmax Real (m3/s)
Figura 3.12 A la derecha se tienen los estimados utilizando K constante

para todo el país. A la izquierda se presentan los estimados utilizando K
regionalizado. En ambas, el eje de las abscisas es el caudal medio máximo real
y el de las ordenadas es el caudal medio máximo estimado. La nube de puntos
se dispersa mejor alrededor de la recta de pendiente unitaria en el caso de K
regionalizado.
Luego de haber calculado los parámetros de las ecuaciones para todo el país, es posible
ahora estimar caudales máximos de diferente periodo retorno utilizando distribuciones de
dos parámetros, en particular Gumbel y Lognormal. Utilizando la ecuación de Ven Te
Chow presentada en (3.1), es posible cumplir con dicho propósito:
_
Q( Tr ) = Q + KTr SQ (3. 18)
El factor de frecuencia KT para las dos distribuciones de probabilidad a utilizar se presenta

en la ecuación (3.20) para la Lognormal y en la ecuación (3.21) para la distribución
Gumbel.
KTr =
[
exp ZTr ln(1 + CV 2 ) − 0.5 ln(1 + CV 2 ) − 1 ] (3.19)
CV
6   1  
KTr = − 0.5772 + ln − ln1 −   (3. 20)
π    Tr  
3-20
Caudales Máximos
3.1.2.1 Producto Final

Todo lo anterior permite la estimación de del caudal máximo para diferentes periodos de
retorno en todo el país. Para calcular dicha variable, se realiza una integración sobre la
cuenca y se obtienen los valores de (P-E) y KM y KDS medios sobre el área. Con estos
valores es posible estimar la media de los caudales máximos y la desviación estándar en
dicho punto y reemplazarlos en la ecuación (3.18). El valor del factor de frecuencia KTr lo
determina el periodo de retorno del caudal que se quiera estimar y la distribución de
probabilidad elegida.
La Figura 3.13 muestra el mapa del caudal máximo medio calculado en cada pixel
siguiendo la metodología anteriormente descrita. En la Figura 3.14 se muestra el mapa
correspondiente a la desviación estándar calculada para cada pixel.
Con los mapas de media de los caudales máximos y de desviación estándar de los máximos
se pueden construyeron mapas de caudales máximos para varios periodos de retorno. De la
Figura 3.15 a la Figura 3.19 se muestran los mapas de caudal máximo calculados con la
distribución Lognormal para los periodos de retorno de 2.33, 5, 10, 25 y 50 años. Se
construyeron mapas de caudal máximo para los mismos periodos de retorno utilizando la
distribución Gumbel.
3-21
Caudales Máximos
Caudal Máximo Medio

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 3.13 Mapa de Caudal Máximo Medio. Este mapa utiliza el balance
sobre la cuenca para calcular el valor del caudal medio y para estimar el valor
de KM en cada pixel del mapa.
Desviación Estándar del Caudal Máximo Medio

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 3.14 Mapa de desviación estándar del caudal máximo medio. Este
mapa utiliza el balance sobre la cuenca para calcular el valor del caudal medio y
para estimar el valor de KDE en cada pixel del mapa.
3-22
Caudales Máximos
Caudal Máximo de 2_33 años de Periodo de Retorno (Lognormal)

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 3.15 Mapa de caudal máximo de periodo de retorno 2.33 años

calculado utilizando la distribución Lognormal
3-23
Caudales Máximos

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 3.16 Mapa de caudal máximo de periodo de retorno 5 años calculado

3-24
Caudales Máximos

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 3.17 Mapa de caudal máximo de periodo de retorno 10 años

3-25
Caudales Máximos

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4

3-26
Caudales Máximos

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4

3-27
Caudales Máximos
3.2 TRANSFORMACIÓN DE LA PRECIPITACIÓN EN ESCORRENTÍA.
Para obtener caudales de distinto período de retorno a partir de tormentas con intensidades
de lluvia asociadas al mismo período de retorno se requiere de una función o un modelo de
trasformación que en algunos casos se conoce como función de respuesta de la cuenca.
3.2.1 Fórmula Racional Probabilística

La función más conocida para obtener caudales a partir de información de la intensidad en
la cuenca es el método racional y se usa ampliamente en nuestro medio debido a su
aparente simplicidad en la aplicación,
q = CIA (3. 21)
En la ecuación (3.21), Q es el caudal pico en m³/s, C es el coeficiente de escorrentía, I la

intensidad de la lluvia en mm/h y A el área de la cuenca en km².
En éste método no se tienen en cuenta las variaciones espacio-temporales de la lluvia y las

variaciones del almacenamiento de agua en la cuenca.
La intensidad de la lluvia puede obtenerse a partir de las curvas IDF, suponiendo que la
lluvia que produce el caudal pico tiene una duración t igual al tiempo de concentración.
Tras de esta formula también existe la suposición de que el caudal pico para un periodo de
retorno es producido por una lluvia de igual periodo de retorno.
En la formula racional, C es una de los parámetros de mayor incertidumbre. En la literatura

puede encontrarse valores tabulados del coeficiente C como función de rangos de usos y
tipos de suelo. Varios autores lo relacionan con el número de curva (CN) del Servicio de
Conservación de Suelos de los Estados Unidos, SCS (Témez, 1996; Rosso et al., 1996). En
la aproximación probabilística del método racional, el parámetro C puede presentarse como
3-28
Caudales Máximos
una función del periodo de retorno, Tr. En ese caso el coeficiente de escorrentía puede
expresarse como
q (Tr )
C (Tr ) = . (3. 22)
i (t ,Tr )A
La ecuación (3.22) puede calcularse en forma regionalizada y depende en forma explícita

de la climatología de una región. Procedimientos de diseño de este tipo deber dar
estimativos mucho más precisos de caudales pico que usando valores tabulados de C en la
aproximación tradicional (Maidment, 1992).
Varios autores éste método consideran que los resultados del método son muy sensibles con
el área de la cuenca, así a menor área el método da mejores resultados (Smith y Vélez,
1997). Otros autores consideran que uno de los problemas de éste método es que el área de
la cuenca no necesariamente es el área efectiva y que por lo general el área efectiva es
menor (Linsley, 1986). La razón de éste comportamiento se debe a la combinación de
muchos elementos como: la variabilidad espacio temporal de las tormentas, la variabilidad
espacial y temporal de las áreas productoras de escorrentía superficial y otros elementos no
lineales que participan en la respuesta hidrológica en la cuenca. Cuando se usa la formula
racional se asume que las áreas hay una tendencia en asumir una excesiva área de aporte,
por lo general el área de la cuenca.
Igualando las ecuaciones (3.11) y (3.13) y así obtener (3.23),
q p ( A ) = K ( Tr ) Aθ ( Tr ) = C (Tr , A)i(t ,Tr ) A (3. 23)
despejando C de esta última se obtiene la ecuación
K ( Tr ) Aθ ( Tr )
C (Tr , A) = (3. 24)
i (t ,Tr ) A
3-29
Caudales Máximos
Esta ecuación muestra que si en la región el coeficiente K(Tr) es constante, el coeficiente

C(Tr) no necesariamente es independiente del área de la cuenca. La misma ecuación sirve
para estimar mapas regionalizados de C (en función de la intensidad de la lluvia, el periodo
de retorno y el área de la cuenca), para luego ser relacionado con mapas tales como la
vegetación, usos del suelo, tipos de suelo, entre otros.
3.2.2 Método del Hidrograma Unitario Geomorfoclimático.
La teoría del hidrograma unitario geomorfoclimático (HUIG) fue propuesta por Rodríguez-
Iturbe y Valdes en 1979, con el objeto de vincular la respuesta hidrológica de una cuenca
representada por el hidrograma unitario instantáneo (HUI), con los parámetros
geomorfológicos de una cuenca (Rodriguez-Iturbe y Rinaldo, 1997).
El HUIG fue inicialmente desarrollado a partir de un análisis detallado del movimiento de

las gotas de agua en el espacio y en el tiempo en una red de drenaje. Se considera que en
un principio las partículas están únicamente localizadas en la ladera, omitiendo la cantidad
de lluvia que cae directamente en los canales. Seguidamente las gotas sufren transiciones
siguiendo una reglas predeterminadas que definen el conjunto de rutas que una gota puede
seguir hasta la salida de la cuenca. Durante el tiempo de viaje de la gota a través de una ruta
cualquiera, se emplea una cierta cantidad de tiempo en cada uno de los estados que
componen la ruta. Este tiempo es una variable aleatoria que puede ser descrita por una
función de distribución de probabilidad. Para diferentes estados se tienen diferentes
tiempos que tienen asociados funciones diferentes, por lo tanto estos tiempos son
estadísticamente independientes.
Rodríguez-Iturbe y Valdes (1979) en el desarrollo de esta teoría muestran que las

probabilidades que resultan de las funciones de distribución de probabilidad de los tiempos
son función únicamente de la geomorfología y la geometría de la cuenca. Esta teoría
supone además que la velocidad del flujo en cualquier momento es aproximadamente la
3-30
Caudales Máximos
misma en toda la red para un determinado evento lluvia-escorrentía. Esta suposición

conlleva a que la velocidad se pueda expresar cualitativamente como una función de la
intensidad, la duración de la tormenta y de las características geomorfológicas de la cuenca
promedio de primer orden, las cuales a su vez están relacionadas con cuencas de mayor
orden a través de las leyes geomorfológicas. De esta manera, el tiempo de viaje sobre el
terreno se desprecia y se toma en cuenta solamente el tiempo de viaje por el curso
(Rodriguez-Iturbe et al., 1982).
Las características más importantes del HUIG son el caudal pico, qp, y el tiempo al pico tp.
Las expresiones que definen estas características son (Rodríguez-Iturbe y Valdes, 1979)
L(Ω )  RB 
0.55
−0.38
t p = 0.44   RL (3.25)
v  R A 
1.31 0.43
qp = RL v. (3.26)
L(Ω )
En las ecuaciones (3.25) y (3.26) RB, RA, y RL son las relaciones de bifurcación, de área y de
longitud de Horton respectivamente. L es la longitud del curso de mayor orden, dada en km
y v es la velocidad pico de la respuesta en m/s; tp y qp están dados en h y h-1
respectivamente.
El producto tp qp es independiente de la velocidad y del parámetro interno de escala L(Ω) y

está dado por tp qp=0.58 (RB/RA)0.55. Esto indica que el GHUI puede ser determinado
conociendo sólo un parámetro ya sea tp o qp y además permite un acercamiento al difícil
problema de similitud hidrológica (Rodriguez-Iturbe et al., 1982).
Para una tormenta en particular de intensidad i, el caudal pico qp y el tiempo al pico tp están
definidos por las siguientes expresiones (Rodriguez-Iturbe y Rinaldo, 1997)
3-31
Caudales Máximos
0 . 871
q =
Ρ 0 .4 (3. 27)
p
t p = 0.585Ρ 0.4 (3. 28)
donde:
L(Ω )2.5
Ρ = (3. 7)
i A(Ω )R LΘ 0 1.5
S 0 (Ω )
Θ= (3. 30)
n w(Ω )2 / 3
En las ecuaciones (3.29) y (3.30) se tiene que i es la intensidad media de la lluvia efectiva.
L(Ω ), S 0 (Ω ), w(Ω ) son la longitud, área y ancho promedio de la corriente de orden de la
cuenca respectivamente, y n es el coeficiente de Manning para flujo uniforme. Todos estos
parámetros se calculan basados en el modelo digital de terreno (MDT), por tanto, sus
resultados dependerán altamente de la resolución del MDT. Este método se puede
implementar fácilmente usando el software HidroSig V.2, que acompaña este trabajo, pués
los parámetros de Horton y los demás necesarios se calculan fácilmente para la cuenca de
interés.
3.2.3 Método GRADEX
El método Gradex elaborado por Guillot y Duband en 1967 y utilizado en el departamento

de Antioquia por Smith y Vélez en 1997, permite la estimación de valores extremos de
crecientes en cuencas con información histórica nula o deficiente a partir de la distribución
3-32
Caudales Máximos
de registros máximos de precipitación. El método supone que las curvas de frecuencia de

precipitaciones máximas anuales de una determinada duración y caudales máximos
medidos sobre la misma duración, son paralelas cuando se grafican en una papel de
probabilidad Gumbel y se ajustan a la función de distribución de probabilidades Gumbel,
ecuación (3.31).
x = ξ + α [− ln(− ln(Fx (x )))] (3. 31)
El término α se conoce como el gradex de precipitación o gradex exponencial y constituye

una característica climatológica del sitio de interés. Este término corresponde a la
pendiente para largos períodos de retorno en papel de probabilidad Gumbel.
El método asume que se presenta una lluvia uniformemente distribuída sobre todo el área
de drenaje, que se traduce totalmente en escorrentía superficial directa debido al estado de
saturación del suelo; considera que para periodos de retorno mayores que T0, la cuenca
tiende hacia un límite de saturación y por cada incremento dP en la precipitación se
presenta un incremento dQ en la escorrentía, así dP=dQ. Estas suposiciones antes
enunciadas implican que para períodos de retorno superiores a T0, las funciones de
frecuencia F y G, correspondientes a la precipitación y escorrentía directa pueden ser
expresadas de la siguiente manera
G (Q ) = F (Q + D ) (3. 32)
donde D es la cantidad de agua temporalmente retenida por la cuenca durante crecientes; de

esta manera es posible extrapolar la distribución de crecientes empezando desde el período
de retorno T0 correspondiente a las condiciones saturadas. Este evento se supone un T0 de
10 años.
3-33
Caudales Máximos
El gradex de caudales αq expresado en m3/s se obtiene a partir del gradex α de

precipitación, ecuación (3.33), donde A es el área de la cuenca en km2 y t el tiempo de
duración de la lluvia.
A* α
αq = (3. 33)
3.6 t
Una vez se obtiene la creciente Qt (10 años) y el gradex de caudales αq, se pueden
extrapolar los caudales de duración t, para diferentes períodos de retorno Tr usando la
ecuación (3.34).
T
Qt (Tr ) = Qt (10 ) + α q ln r (3. 34)
10
Este método permite estimar el caudal máximo para un período de retorno cualquiera en
sitios donde no se tengan registros limnigráficos, usando como pivote el caudal medio
máximo, el cual puede estimarse por métodos geomorfológicos, tal como se realizó en
Smith y Vélez (1997).
El método gradex asume implícitamente que en la cuenca que la desviación estándar de los
caudales máximos anuales escala linealmente con el área de la cuenca, lo que coincide con
lo observado en algunas regiones de Colombia y presentado en un aparte anterior. El hecho
de que este método utilice la distribución Gumbel hace que en todas las cuencas el
coeficiente de asimetría sea constante o sea que la relación entre segundo momento y el
tercero sea constante e independiente del área de la cuenca. Esto contradice los rasgos de
escalamiento múltiple observado en las cuencas Colombianas.
3-34
Caudales Máximos
3.3 INTENSIDAD MÁXIMA DE LAS LLUVIAS EN COLOMBIA
Hoy en día las curvas Intensidad-Duración-Frecuencia (IDF), siguen siendo una de las
herramientas más utilizadas en la estimación de caudales de diseño, especialmente en el
diseño de obras de drenaje de vías y alcantarillados pluviales en las zonas urbanas y 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. Las intensidades máximas de la lluvia en distintos
intervalos de tiempo en un mismo sitio y con distintas probabilidades de excedencia o
períodos de retorno, se resumen en las IDF.
La precipitación exhibe una gran fluctuación tanto en el espacio como en el tiempo. Gracias
a las nuevas tecnologías para el registro de la precipitación, ha sido posible identificar las
características no lineales de este fenómeno y su estructura de variabilidad espacial. La
observación del fenómeno ha avalado el uso de teorías desarrolladas en otros campos, por
ejemplo en mecánica de fluidos y turbulencia, para explicar la estadística de su variabilidad
espacial y temporal. La intensidad de la lluvia durante intervalos muy cortos de tiempo es
de particular interés en el estudio de los caudales máximos en cuencas pequeñas, en las
cuales el tiempo de concentración de los caudales es similar a la duración de las tormentas
(CEDEX, 1996).
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. El problema que se presenta es la escasez de estaciones
que registran información de este tipo, probablemente debido a su alto costo de instalación
y mantenimiento. La estimación de curvas IDF a partir de información pluviométrica se
presenta como una alternativa para resolver este problema.
3-35
Caudales Máximos
En la última década se han hecho grandes esfuerzos para representar los campos de
precipitación. Los mayores desarrollos se han hecho en la modelación de procesos
temporales (Waymire y Gupta, 1981). La construcción de modelos y su aplicación pueden
exhibir alta complejidad matemática y requerir el procesamiento de registros continuos de
fina resolución temporal. Dentro de estos desarrollos se encuentra los conceptos de
escalamiento simple y multiescalamiento los cuales son utilizados para el análisis de varios
fenómenos en la hidrología que han permitido ligar las observaciones con las características
de los procesos físicos involucrados.
El hecho de conocer las propiedades que permanecen invariantes ante los cambios de escala
en variables como la precipitación, tiene implicaciones importantes en hidrología, tanto
desde el punto de vista teórico como práctico. Un ejemplo de aplicación práctica se tendría,
si la identificación de estas propiedades de invarianza hiciera posible encontrar relaciones
entre las precipitaciones a diferentes escalas temporales, pues sería posible estimar las
precipitaciones máximas asociadas a los diferentes períodos de retorno para cortas
duraciones con base en el estudio de las precipitaciones diarias.
En el Atlas Hidrológico de Colombia se ha considerado pertinente incluir información

acerca de las intensidades máximas de la lluvia en diferentes intervalos de tiempo para
distintos sitios de la geografía nacional. Debido a la escala que se tiene de la topografía y de
otras variables necesarias para el cálculo de los caudales máximos instantáneos, la escala de
trabajo del proyecto incluirá cuencas donde los tiempos de concentración son mayores a
una hora (cuencas con un área mayores de 500 km²).
En el numeral 3.3.1 se hace la modelación de las curvas IDF a partir de las propiedades de
escalamiento. La relación de estas propiedades y otras metodologías se trabaja en el
numeral 3.3.2., allí se ajustan diversas fórmulas para la estimación de curvas IDF, comunes
en la práctica ingenieril, y se tienen en cuenta las relaciones que existen entre estos
parámetros con factores que pueden ser regionalizados.
3-36
Caudales Máximos
3.3.1 Teoría de Escalamiento Aplicado a Curvas Intensidad-Duración-Frecuencia

(IDF) en Colombia
3.3.1.1 Introducción
Rosso y Burlando (1990) usaron el concepto de invarianza en la escala para analizar
algunas formas tradicionales de las curvas IDF usadas en algunos países para caracterizar
lluvias extremas, mostrando que una síntesis de las regularidades en los patrones
temporales de las tormentas podrían ayudar en la caracterización de los valores extremos, y
que según estos autores es mejor que la aplicación de las técnicas estadísticas tradicionales
que se aplican actualmente para su identificación y parametrización.
En muchos fenómenos de la naturaleza se han observado características de

multiescalamiento. Por ejemplo, en Gupta and Dawdy (1995), se muestra para caudales
máximos debidos a fenómenos de lluvias, relaciones de multiescala entre el área y los
caudales máximos; diferente a lo que puede ocurrir cuando se presentan crecientes
ocasionadas por deshielos, situación en la que se presenta escalamiento simple. Otro
fenómeno en el cual se han observado estas características de multiescalamiento, es la
variabilidad espacial de la precipitación, la cual ha sido posible identificar gracias a las
mediciones a través de sensores remotos, ver Gupta y Waymire (1993) y Over y Guptaet al.
(1994), los cuales permiten unas mediciones espaciales en rangos muy amplios (∼200 Km)
y alta frecuencia (∼ pocos minutos). En Burlando y Rosso (1996) se reportan otros trabajos
que han evidenciado la existencia de multiescalamiento en el estudio de eventos extremos
de la precipitación.
En los análisis realizados por Wilches (2001), se encontró para estaciones de registro
pluviograficas ubicadas en Antioquia, que las relaciones de escala no son válidas en todo el
rango de duraciones, y que es necesario subdivirlo en dos o más rangos. Pudo observarse
que el exponente de escalamiento para las duraciones pequeñas (menores de 2 horas)
3-37
Caudales Máximos
presenta gran variabilidad y el de duraciones mayores es más estable lo que presupone

análisis de escalamiento múltiple y simple, respectivamente.
En este trabajo se han desarrollado cuidadosos análisis de los registros (los registros
utilizados se muestran en el numeral 3.3.1.3) en los que se ha detectado importantes
propiedades de escalamiento. El desarrollo matemático para la modelación de las curvas
IDF a partir de las propiedades de escalamiento es desarrollado en el numeral 3.3.1.2. En
esta sección también se introduce la función de distribución Log-Normal tipo II para los
valores extremos de las tormentas. El numeral 3.3.1.4 muestra los resultados de la
aplicación de estas teorías aplicada sobre el conjunto de registros, y allí mismo, se muestra
la validación de los resultados respecto a curvas IDF encontradas con metodologías
tradicionales. Recomendaciones en la aplicación de esta metodología y futuras
consideraciones son presentadas en el numeral 3.3.1.5.
3.3.1.2 Teoría de Escalamiento Simple y Multiescalamiento Aplicada en Curvas IDF
Una de las preguntas que a lo largo de muchos años han tratado de resolver la ciencia y la
ingeniería es de qué manera pueden trasladarse las observaciones de un fenómeno en una
escala determinada a otras escalas diferentes. Se habla de invarianza de escala o de
multiescala cuando es posible establecer algunas relaciones entre las variables de un
fenómeno, de tal forma que estas se preserven ante los cambios de escala.
Se dice que un fenómeno presenta características de escalamiento simple para la variable

aleatoria I, cuando para cada λ existe una función C(λ) de tal forma que se conserve la
relación (Gupta y Waymire,1990)
D
I (λd ) = C (λ ) I (d ) (3.35)
3-38
Caudales Máximos
D
La anterior relación es definida como escalamiento simple en sentido estricto, donde =
denota igualdad en la distribución de probabilidad, mostrando que la distribución de
probabilidad del fenómeno es invariante con respecto a la escala. λ es el factor de escala, I
es una variable aleatoria (Intensidad de la lluvia en este caso particular) y d es el parámetro
con el cual se escala I.
Puede mostrarse que la función C(λ) puede escribirse como
C (λ ) = λθ , ∀ θ ∈ R. (3.36)
La expresión (3.35) implica que los cuantiles también son invariantes con la escala y
pueden relacionarse por medio de la expresión
I q (λd ) = λθ I q (d ), (3.37)
donde q es el q-ésimo cuantil de la variable I. Existe una relación lineal entre el parámetro
con el cual se escala y el valor de la variable I correspondiente al q-ésimo cuantil. En el
campo logarítmico, para cada cuantil, se obtiene una línea recta con esta ecuación y las
pendientes de estas rectas (θr).
La ecuación (3.35) implica también, que siempre y cuando los momentos de la variable I
existan, éstos también son invariantes con la escala y se relacionan por medio de la
expresión
M r (λd ) = λξ r M r (d ) , (3.38)
con Mr(.) el momento de orden r de la variable I, y con
ξ r = r (1 − θ 1 ) (3.39)
3-39
Caudales Máximos
Las propiedades denotadas por las ecuaciones (3.35) a (3.38) definen lo que se conoce
como Escalamiento Simple en sentido amplio ya que depende de la existencia de los
momentos y es una propiedad más débil que la expresada con la ecuación (3.35). La
ecuación (3.38) indica una relación lineal el campo logarítmico entre el parámetro con el
cual se escala y cada uno de los diferentes momentos de orden r.
En la naturaleza se han encontrado diversos fenómenos en los cuales a pesar de conservarse

la relación de los momentos en diferentes escalas en cada orden, no se presenta la relación
lineal entre el orden de los momentos y las diferentes pendientes ξr de la expresión (3.38),
es decir no se cumple (3.39). De acuerdo a esto, la expresión (3.38) puede escribirse como
M r ( λd ) = λl ( r ) r θ M r ( d ) (3.40)
donde l(r) es una función que describe el “alejamiento” de los valores de los exponentes de
la expresión (3.38).
Las curvas IDF se pueden analizar a partir del escalamiento temporal simple de la
precipitación, es decir utilizando la duración como parámetro de escala.
Si se supone que existe escalamiento simple y además que existen los diferentes momentos,
de las ecuaciones (3.38) y (3.39) se obtiene que
[ ]
E [I d ] = (d / d ref )θ E I dref (3.41)
[ ]
Var[I d ] = (d / d ref ) 2θ Var I dref (3.42)
donde Id y Idref son la intensidad máxima para una duración d y una duración de referencia,
respectivamente. Para el caso de escalamiento simple, el coeficiente de variación (CV) es
una constante, dada por
3-40
Caudales Máximos
CV =
Var[I d ]
=
Var I def [ ]
E 2 [I d ] E 2 I dref
.
[ ] (3.43)
Si se conoce la función de distribución de los valores extremos de los registros, el valor del
exponente de escalamiento(θ) y CV, es posible calcular las intensidades máximas a partir
de un valor de referencia conocido (Iref). Suponiendo que los valores extremos de la
precipitación siguen una distribución Log-Normal tipo II (LN II), a partir de la teoría del
escalamiento simple, la expresión para las IDF queda
[
I d ,q = E I dref ] [ (
exp Φ q ln 1 + CV 2  d

)] 
θ

+
1 CV 2
 dref  . (3.44)
En la ecuación (3.44), Φq es el la inversa de la distribución normal acumulada estándar para

una probabilidad de no excedencia q.
Es posible, que para datos de eventos extremos se cumpla la ecuación (3.35), pero no la
ecuación (3.39). Esto significa que el exponente de escalamiento ξr no varía linealmente
con el orden de los momentos. En ese caso se dice que existe escalamiento múltiple y se
puede llegar de la misma forma a la expresión (detalles de esta deducción en Burlando y
Rosso, 1995)
I d ,q =
[
E I dref ]2   E I dref 2
exp Φ q ln

[ ]  d 

2 ( l ( 2 ) −1)θ
  d
  

( 2 − l ( 2 ))θ
[
E I dref
2
] 

 E I dref 2
 [ ]  dref
    dref
  (3.45)
donde l(2) puede ser estimado de las regresiones lineales entre los logaritmos de los
momentos de orden 2 y los logaritmos de las duraciones. Los detalles para la deducción de
estas expresiones pueden verse en Burlando y Rosso (1996).
3-41
Caudales Máximos
3.3.1.3 Información Utilizada
Se usaron registros de lluvia horaria de 36 estaciones pluviográficas manejadas por el

Centro Nacional de Investigaciones del Café, CENICAFÉ. La información general de las
estaciones puede verse en la Tabla 3. 6. No se hizo ningún procedimiento de reconstrucción
de datos faltantes.
Tabla 3. 6 Información General de las estaciones utilizadas

(CENICAFÉ)
Código Estación Departamento Municipio Latitud Longitud Cota PMA
(m.s.n.m) (mm)
1602506 Francisco Romero N. de Santander Salazar 7°46' 72°48' 1000 2102.82
2106503 Jorge Villamil Huila Gigante 2°22' 75°33' 1500 926.273
2115502 La Montaña Tolima Dolores 3°33' 74°54' 1260 1408.05
2116502 Luis Bustamante Tolima Villarica 3°54' 74°34' 1643 1753.11
2119503 Granja Tibacuy Cundinamarca Tibacuy 4°22' 74°26' 1550 1023.07
2120607 Misiones Cundinamarca Mesitas del Colegio 4°33' 74°25' 1540 1126.98
2120608 Santa Ines Cundinamarca Cachipay 4°43' 74°28' 1250 1323.84
2121507 Chapetón Tolima Ibagué 4°27' 75°16' 1300 1617
2125513 La Trinidad Tolima El Líbano 4°54' 75°03' 1430 1755.71
2206505 El Limón Tolima Chaparral 3°40' 75°35' 990 2557.33
2401502 Berta Boyacá Moniquirá 5°53' 73°34' 1700 1780.51
2603506 Manuel Mejía Cauca El Tambo 2°22' 75°33' 1500 1800.47
2608511 Manuel María Valle Trujillo 4°13' 76°19' 1380 1639.51
2609501 La Selva Valle Ginebra 3°40' 76°18' 1800 1204.33
2610512 La Sirena Valle Sevilla 4°17' 75°55' 1500 2028.59
2612010 Bremen Quindio Circasia 4°40' 75°37' 2040 2269.05
2612508 Paraguaicito Quindio Buenavista 4°23' 75°44' 1250 2057.73
2612509 El Sena Quindío Armenia 4°34' 75°39' 1550 2308
2612510 Arturo Gómez Valle Alcalá 4°40' 75°47' 1320 1501.27
2612524 La Catalina Risaralda Pereira 4°45' 75°45' 1350 1546.24
2612525 Maracay Quindio Quimbaya 4°36' 75°46' 1450 2188.61
2613016 Santa Ana Caldas Palestina 5°01' 75°40' 1250 2239.46
2613023 Planta Tratamiento Risaralda Pereira 4°48' 75°40' 1450 2583.92
2613050 Santa Helena Risaralda Santa Rosa de Cabal 4°57' 75°37' 1600 5752.82
2613505 Naranjal Caldas Chinchiná 4°59' 75°39' 1400 2612.28
2613506 Jazmín Risaralda Santa Rosa de Cabal 4°55' 75°38' 1600 2003.71
2613507 Cedral Risaralda Pereira 4°42' 75°32' 2120 2089.5
2615502 Cenicafé Caldas Chinchiná 5°00' 75°36' 1310 2027.36
2615509 Santagueda Caldas Palestina 5°05' 75°40' 1010 1979.31
3-42
Caudales Máximos

Código Estación Departamento Municipio Latitud Longitud Cota PMA
(m.s.n.m) (mm)
2620502 Rosario Antioquia Venecia 5°58' 75°43' 1600 2373.11
2804501 Pueblo Bello Cesar Valledupar 10°25' 73°43' 1000 1406.8
5203503 El Sauce Nariño La Unión 1°37' 77°06' 1610 1751.32
5205507 Ospina Pérez Nariño Consacá 1°15' 77°29' 1700 1399.4
5311503 Julio Fernández Valle Restrepo 3°48' 76°32' 1360 794.5
5403004 Santiago Gutiérrez Valle Argelia 4°43' 76°10' 1550 2765.28
5403503 Albán Valle El Cairo 4°46' 76°11' 1500 1367.57
Los períodos de registro oscilan entre 10 y 22 años. Es de resaltar que las estaciones están
ubicadas en las zonas cafeteras de Colombia y por tanto tienen un rango altitudinal de
ubicación entre los 990 y 2120 m.
Dada la resolución temporal de los registros y los requerimientos del proyecto, se
analizaron las tormentas máximas con duraciones entre 1 y 24 horas.
3.3.1.4 Aplicación a Registros Pluviométricos
Según la suposición de escalamiento simple, el valor del exponente θ1 puede estimarse a

partir de los valores de precipitaciones máximas observadas para las diferentes duraciones.
En la Figura 3.20 se observan los valores de las pendientes de los ajustes en el campo
logarítmico entre los primeros cuatro momentos muestrales y las duraciones consideradas
(1 a 24 horas).
Analizando la función de estructura en la Figura 3.21 donde el valor de ξ1 fue tomado del
ajuste presentado en la Figura 3.20, y de acuerdo con la teoría de escalamiento simple, en la
cual los valores de los momentos varían linealmente con el momento de orden uno, se
observa que hasta para momentos de orden 4, (el calculo de mayores ordenes de los
momentos es muy susceptible de errores debido a la corta longitud de los registros), los
datos se ajustan significativamente a la línea teórica (ver Tabla 3. 7). Este resultado también
se observa en la Figura 3.22, donde se muestran los valores de las pendientes de la
regresión lineal simple entre el momento de orden 1 y los momentos de orden 2, 3 y 4.
3-43
Caudales Máximos
Teóricamente este resultado mostraría un ajuste perfecto debido a la consideración de

escalamiento simple si estas pendientes fueran 2, 3 y 4 para las regresiones de los
momentos.
1010
108
θ = -0.329931
4
106 θ = -0.498320
3
Mr (d)
θ2 = -0.665849
104
θ1 = -0.832782
102
100
1 10
d (horas)
Figura 3.20 Gráfico de los primeros cuatro momentos de las lluvias

máximas involucrando los registros de 36 estaciones. Los rombos son los
valores muestrales y las líneas continuas los mejores ajustes. θr es la pendiente
de estas líneas.
0.8
ξr = r* ξ1
0.6 Datos calculados
0.4
ξr
0.2
0.0
0 1 2 3 4 5
r
Figura 3.21 Función de Estructura de los datos. La línea continua es la

gráfica de la ecuación (3.39) y los símbolos (+) son los resultados muestrales.
3-44
Caudales Máximos
Tabla 3. 7 Valores ξr de la Figura 3.21

Datos teóricos
Orden del Momento
Datos Calculados
(r) (ξr = rξ1)
1 0.16722 0.16722
2 0.33415 0.33444
3 0.50168 0.50165
4 0.67007 0.66887
10
10
r = 4, pendiente = 3.917
108
6
10
Mr
104
102
100
100
M1
Figura 3.22 Regresiones lineales entre el momento de orden 1 y los

momentos de orden 2, 3 y 4 para todas las estaciones.
Los resultados anteriores sugieren la utilización del modelo de escalamiento simple, dada la
evidencia de los registros en el rango de duraciones utilizados y con el máximo orden de los
momentos analizados. Wilches (2001) presenta evidencia de la posible existencia de
escalamiento múltiple para lluvias de menor duración de 2 horas, pero este tipo de análisis
no se hizo aquí por razones de disponibilidad de la información. Un parámetro necesario
para aplicar este modelo es el Coeficiente de Variación (CV). Si se toma la intensidad de 24
horas como la intensidad de referencia, el modelo indica que CV se debe ajustar a la línea
de escalamiento simple. Como se observa en la Figura 3.24, el coeficiente de variación
tiene un rango entre 0.18 y 0.34, y dado que este valor es fácilmente afectado tanto por la
longitud de los registros como por los aparatos de medición, se consideró en tomar CV para
3-45
Caudales Máximos
toda Colombia de 0.25 correspondiente al valor medio. Además, CV no presenta ningún

rasgo característico con la cota de la estación y con la Precipitación media multianual (la
gráfica de estos resultados no se muestran en este trabajo).
La Figura 3.24 muestra como el coeficiente de variación es más disperso para las
duraciones menores de 4 horas y se estabiliza para las duraciones mayores. Esto es debido
posiblemente a la alta variabilidad de la lluvia para las duraciones menores.
La distribución y variabilidad espacial de CV se observa en Figura 3.26.
0.40
0.30
Cv
0.20
0.10 Cv = desv. est / media

Datos calculados
0.00
2 3 4 5 6 7
I
24
Figura 3.23 CV a partir del diagrama de momentos (línea continua) y

valores muestrales promediados para todas las duraciones (+).
3-46
Caudales Máximos
0.50
Cv 0.40
0.30
0.20
0.10
5 10 15 20
d (horas)
Figura 3.24 Valores del CV para todas las duraciones en todas las
estaciones.
Si se toma un valor de θ1 para cada estación, dado por el ajuste de la serie de registros
máximos para todas las duraciones consideradas, utilizando la ecuación (3.41), se observan
valores que varían entre –0.84 y -0.77, con un valor medio de –0.82 y desviación estándar
de 0.03. El θ1 promediado entre todas las estaciones es muy similar al obtenido con la
regresión lineal entre las duraciones y el momento de orden 1. La distribución de
frecuencias y variabilidad espacial de θ1 se observa en la Figura 3.26. En esta figura no se
observa ningún patron en la variabilidad espacial.
3-47
Caudales Máximos
12
10
0.245
0
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66
Figura 3.25 Distribución y variabilidad espacial de CV para todas las

estaciones analizadas.
3-48
Caudales Máximos
12
10
-0.82
0
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66
Figura 3.26 Distribución de frecuencias y variabilidad espacial de θ1 para

todas las estaciones analizadas.
Para la validación de los resultados se aplicó el modelo para escalamiento simple con
distribución LNII (ecuación 3.39) y con los valores de θ y Cv constantes e iguales a -0.83
y 0.25, respectivamente y la intensidad de referencia de 24 horas (ver Figura 3.27) y se
compararon los resultados con los obtenidos al aplicar los métodos tradicionales
(suponiendo una distribución LNII de las lluvias máximas) para cuatro de las estaciones
que tuvieran la mayor cantidad de registros (alrededor de 22 años). En la Figura 3.28 se
3-49
Caudales Máximos
observan los errores relativos para las curvas IDF en diferentes períodos de retorno. A
grandes rasgos se puede observar que los errores relativos aumentan en las mayores
duraciones para altos períodos de retorno. Los mayores errores en esta validación son del
orden del 25%, y en promedio se tiene errores del 10 al 15 %.
Figura 3.27 Curvas IDF para cuatro estaciones (El Sauce, Naranjal, La
Sirena y El Rosario) utilizando el método de escalamiento simple.
3-50
Caudales Máximos
Estación Rosario
Tr = 50
14
Error relativo (%)
Error relativo (%)
Error relativo (%)

15
12 15
10
10 10
8
6
5 4 5
2
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
d (horas) d (horas) d (horas)
Estación La Sirena
Tr = 50
10 25
Error relativo (%)
Error relativo (%)
Error relativo (%)

15
8 20
6 10 15
4 10
5
2 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Estación Naranajal
Tr = 50
12 12
Error relativo (%)
Error relativo (%)
Error relativo (%)

20
10 10
8 8 15
6 6 10
4 4
2 5
2
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Estación El Sauce
Tr = 50
25
Error relativo (%)
Error relativo (%)
Error relativo (%)
25 20
20
20
15 15
15
10 10
10
5 5 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Figura 3.28 Errores relativos entre los valores del modelo y el método
tradicional en las estaciones El Rosario, La Sirena, Naranjal y El Sauce.
3-51
Caudales Máximos
3.3.1.5 Conclusiones
Se ha explorado una forma sencilla de construir curvas Intensidad-Duración-Frecuencia

(IDF) a partir de registros horarios en 36 estaciones pluviográficas distribuidas en la zona
cafetera de Colombia. Los registros evidencian que el coeficiente de duración, esencial para
la estimación de las curvas basadas en propiedades de escala, es constante para los rangos
de duraciones de lluvia trabajados. La función de estructura de los registros, muestra para
los primeros cuatro momentos, evidencias de escalamiento simple. A partir de estas
consideraciones, se trabajó con la expresión para la las curvas IDF basada en escalamiento
simple y la función de distribución Log-Normal tipo II para representar la probabilidad de
las lluvias máximas, la cual usa como variables independientes el promedio de la
intensidad de la lluvia para 24 horas de duración, el período de retorno y la duración. Este
modelo de escalamiento simple muestra resultados satisfactorios al reproducir curvas IDF
basadas en métodos tradicionales.
Este resultado es una herramienta útil para la práctica en la ingeniería donde se requiera el
cálculo de tormentas extremas cuyas duraciones de interés estén dentro de los rangos aquí
trabajadas. Debe aplicarse con mayor cuidado en las regiones costeras de Colombia, en la
Orinoquía y Amazonía dada la escasez de registros en estas zonas.
La ventaja más robusta es que esta teoría nace de bases físicas que proveen una síntesis de
los complejos mecanismos que determinan las lluvias. Se tiene un resultado simple y más
parsimonioso que el obtenido con modelos heurísticos que actualmente se usan para la
determinación de las curvas IDF.
Futuros trabajo podrían estar enfocados en la exploración de modelos a partir de las

propiedades de escalamiento que tengan en cuenta duraciones de tormentas más cortas (< 1
hora), con estaciones de registro mejor esparcidas, tanto en la horizontal como en la
vertical, con el fin de reducir el error en la estimación respecto a las metodologías
3-52
Caudales Máximos
tradicionales que estiman las curvas basadas en los registros y el sesgo en la obtención de
las curvas IDF debido a la distribución vertical de las estaciones aquí trabajadas.
3.3.2 Otras Metodologías
Existe una variedad de funciones que se vienen empleando para la representación de las
curvas IDF en forma regionalizada (Froehlich, 1995; Vargas, 1998; y Varas, 2000).
Froehlich (1995) propuso cuatro expresiones básicas para representar las curvas IDF en
varias regiones de los Estados Unidos, ver Tabla 3. 8. Estas ecuaciones están expresadas de
forma adimensional, lo cual se consigue dividiendo por la intensidad de lluvia de 1 hora de
duración (I1) para un período de retorno dado.
Tabla 3. 8 Tipos de ecuaciones de intensidad-frecuencia-

duración.
Tipo de ecuación Expresión Parámetros de la ecuación
I i = a1 /( t + b1 ) a1, b1
II i = a 2 / t c2 a2 , b2
III i = a3 /(t + b3 ) c3 a3, b3, c3
IV i = a 4 /( t c4 + b4 ) a4, b4 ,c4
Los parámetros de estas ecuaciones adimensionales no lineales se pueden hallar

minimizando la suma de los cuadrados de los errores para los datos considerados. En el
presente trabajo se obtuvieron expresiones para los parámetros a1, b1, a2, b2, a3, b3, a4, b4 en
las ecuaciones, todas en función de la relación entre las láminas máximas de 24 horas y 1
hora de duración P24-hr,Tr/ P1-hr,Tr. Para la zona de Estados Unidos estudiada, se obtuvieron
expresiones de segundo grado con un buen ajuste. Se encontró que las ecuaciones de tres
3-53
Caudales Máximos
parámetros (III y IV), son las que mejor se ajustan a los datos. A pesar de esto, la ecuación
tipo II proporcionó un ajuste casi tan bueno como las ecuaciones tipo III y IV. El parámetro
a2 resultó muy cercano a 1, permitiendo simplificar la ecuación tipo II como
i = 1 / t c2 s . (3. 46)
La ecuación (3.46) es similar en su estructura a otras expresiones generales para curvas

IDF, como la ecuación de Bernard (1932)
i = kTr x / t c (3.47)
Otra metodología que se usa para la representación de curvas IDF se basa en una expresión
que tiene la forma
K 1 ⋅ PD ( Tr )
i ( t ,Tr ) = , (3. 48)
( t + B )A
donde K1, A, B son parámetros de ajuste, y PD(Tr) es la precipitación máxima diaria para un
período de retorno Tr expresado en años.
28 0.1 − t 0.1
PD ( Tr )  I 1  0.4
i ( t ,Tr ) = ⋅  (3. 49)
24 ID 
Por otra parte, la ecuación (3.49) es una expresión utilizada en España y es recomendada
por la Instrucción de Drenaje Superficial, dependencia del Ministerio de Obras Públicas de
i1
España. En esta, PD(Tr) es la precipitación máxima diaria, es la relación entre la
iD
intensidad máxima de una hora con la intensidad de 24 horas, también llamada coeficiente
de torrencialidad.
Las dos curvas que resultan de (3.48) y (3.49) han mostrado grandes parecidos en regiones
españolas para duraciones de la lluvia entre 1 y 24 horas. Con duraciones menores a una
hora, (3.49) da valores muy superiores, lo cual da evidencia de la gran incertidumbre que
existe en la estimación de la lluvia en las escalas menores.
3-54
Caudales Máximos
Estudios realizados en diferentes regiones del mundo, para tormentas de corta duración
(5min-120min), indican que las relaciones, entre lluvias de distinta duración o distinto
período de retorno, llamadas coeficientes de duración y coeficientes de frecuencia
respectivamente, son bastante constantes para los datos analizados, por lo cual se propuso
su aplicación en otras zonas para tormentas convectivas (Varas, 2000). Los coeficientes
propuestos, válidos para duraciones de lluvia entre 5 minutos y dos horas y para períodos
de retorno entre 2 y 100 años, cumplen la siguiente relación
PtTr = ( 0.21 ln Tr + 0.52 )( 0.54t 0..25 + 0.5 )P110 . (3. 50)
Con el fin de unificar y comparar resultados, (3.50) se puede expresar de forma general
PtTr = ( a ln Tr + b )( ct d − e )P110 . (3. 51)
Los estudios para relacionar las lluvias de duraciones menores a un día, expresadas en
valores horarios con las lluvias diarias registradas, incluyen el período de retorno y la
duración como variables. En Varas (2000), usando series anuales, se muestra la aplicación
de las IDF como
−( x − 1 )
  T 
ai110 log ln r 
  Tr − 1 
i tTr = . (3. 52)
( t + b )c
donde la intensidad itTr se da en mm/hr, la duración t en minutos y el período de retorno Tr

en años. La relación es válida para Tr mayores a un año y para duraciones entre 5 minutos y
24 horas. Los parámetros a, b y c se obtienen de un gráfico presentado por el autor en
función de la relación entre la lluvia de una hora y 24 horas para el mismo Tr. El exponente
x es la relación entre las lluvias de 1 h de 10 y 100 años de período de retorno.
En Vargas (2000), se evaluó la aplicabilidad de las principales ecuaciones propuestas por la

literatura para generar curvas IDF sobre una amplia región colombiana. En ese trabajo se
recopilaron curvas IDF reales y la información pluviométrica correspondientes a estaciones
con mínimo 10 años de registro; en total las estaciones analizadas fueron 165. Se dividió el
3-55
Caudales Máximos
país en 5 zonas buscando que las condiciones metereológicas fueran similares para cada
grupo de estaciones: Región Andina (R1), Región del Caribe (R2), Región del Pacífico
(R3), Región Orinoquia (R4) y Región Amazonia (R5).
En primera instancia, se utilizó la ecuación de Kothyari y Garde en forma generalizada
T
I = a r ( R24
2 d
) . (3. 53)
tc
Luego, se reemplazó el término R224 por el valor promedio anual máximo de precipitación
diaria (M)
Tb d
I =a M (3. 54)
tc
En este trabajo se proponen modificaciones a (3.54) de tal manera que incluyera un

parámetro correspondiente al número de días con lluvia al año
Tb
I =a c MdNe. (3. 55)
t
Donde a, b, c, d y e son coeficientes determinados por análisis de regresión para las

estaciones consideradas. N es el número de días con lluvia al año.
A partir de las 165 curvas se calibraron y verificaron (3.54) y (3.55) y dos nuevas
ecuaciones que involucran dos parámetros adicionales
Tb
I = a c M d N e PT f . (3. 56)
t
Tb
I = a c M d N e PT f ELEV g . (3. 57)
t
Donde los parámetros adicionales son la precipitación medial anual PT en mm y la

elevación sobre el nivel del mar ELEV en msnm.
El ajuste de (3.54), (3.55), (3.56) y (3.57) con base en las 165 estaciones produjo los
valores presentados en la tabla 3.9
3-56
Caudales Máximos
Tabla 3. 9 Resultados para el conjunto total de 165

estaciones
a b c d e f g R²
Ec 3.11 2,16 0,19 0,62 0,63 0,88
Ec 3.12 2,83 0,19 0,62 0,62 -0,04 0,88
Ec 3.13 3,87 0,19 0,62 0,35 -0,33 0,32 0,89
Ec 3.14 3,69 0,19 0,62 0,32 -0,23 0,3 -0,03 0,89
Tabla 3. 10 Resultados para la Región Andina (R1). 116

estaciones
a b c d e f g R²
Ec 3.11 0,94 0,18 0,66 0,83 0,93
Ec 3.12 1,22 0,19 0,66 0,83 -0,05 0,93
Ec 3.13 1,61 0,19 0,65 0,75 -0,15 0,08 0,93
Ec 3.14 1,64 0,16 0,65 0,73 -0,13 0,08 -0,01 0,93
Tabla 3. 11 Resultados para la Región del Caribe (R2). 28

estaciones
a b c d e f g R²
Ec 3.11 24,85 0,22 0,5 0,1 0,72
Ec 3.12 16,66 0,21 0,5 0,03 0,15 0,72
Ec 3.13 8,51 0,21 0,5 -0,01 -0,08 0,28 0,74
Ec 3.14 8,39 0,21 0,49 -0,01 -0,04 0,26 -0,01 0,74
Tabla 3. 12 Resultados para la Región del Pacífico (R3). 17

estaciones
a b c d e f g R²
Ec 3.11 13,92 0,19 0,58 0,2 0,88
Ec 3.12 3,02 0,19 0,58 0,04 0,44 0,9
Ec 3.13 2,31 0,19 0,58 -0,2 0,12 0,4 0,91
Ec 3.14 2,75 0,19 0,58 -0,19 0,14 0,37 -0,01 0,91
3-57
Caudales Máximos
Tabla 3. 13 Resultados para la Región Orinoquía (R4). 4

estaciones
a b c d e f g R²
Ec 3.11 5,53 0,17 0,63 0,42 0,91
Ec 3.12 75,03 0,17 0,63 0,12 -0,23 0,91
Ec 3.13 1,30E-26 0,19 0,58 1,19 -1,46 8,28 0,97
Ec 3.14 1,40E-28 0,19 0,58 5,63 -1,52 6,64 -0,62 0,97
Utilizando la metodología propuesta por Vargas (1998), se calcularon los mapas de

intensidades para varias duraciones, periodos de retorno y diferentes ecuaciones propuestas
en su trabajo. Se producen también, los mapas independientes requeridos para los cálculos
de las intensidades. En Vargas (1998), se presenta un mapa de precipitación máxima
promedio diaria M, el cual, es producto de la interpolación de estaciones con valores
puntuales de M. Aquí, se obtuvo un mapa con valores de las estaciones presentadas por
Vargas (1998), y se introdujeron los valores de M obtenidos de las 100 estaciones
utilizadas. Los valores de M sobre la región de la Amazonia son producto de
extrapolaciones hechas con las estaciones de las regiones Orinoquia y Andina.
El mapa de promedio anual de días con lluvia N, también fue mejorado. Para las regiones
de Amazonia y Orinoquia se introdujeron valores del mapa sobre Colombia (Atlas de
Colombia, 1992) hecho para 5 rangos de promedio anual de días con lluvia, ver 0.
3-58
Caudales Máximos
Precipitación máxima de 24 horas ( Resolución : 5 arcmin )
-80 -78 -76 -74 -72 -70 -68 -66

14
12
10
-2
-4
Figura 3.29 Mapa de precipitación máxima diaria
3-59
Caudales Máximos
Figura 3.30 Mapa del promedio de días con lluvia al año.
Tanto los mapas de Precipitación Promedia Anual como el Mapa de Elevaciones,

necesarios para el uso de las ecuaciones (3.13) y (3.14), fueron tomados del Proyecto
Balances Hidrológicos de Colombia UNALMED-COLCIENCIAS-UPME (1998).
En la Figura 3.31, se muestran los mapas de intensidad estimados a partir de (3.54) y (3.55)
con duración de las tormentas de 1, 3 y 24 hr y Tr de 2.33 y 50 años.
3-60
Caudales Máximos
Intensidad de lluvia Tr =2,33[años] y Duración=1 [hr] Vargas(1998)( Resolución : 2 arcmin ) I ntensidad de lluvia Tr =2,33[años] y Duración=24 [hr] Vargas(1998) ( Resolución : 2 arcmin )
-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
Intensidad de lluvia Tr =2,33[años] y Duración=3 [hr] Vargas(1998)( Resolución : 2 arcmin ) Intensidad de lluvia Tr =50[años] y Duración=1 [hr] Vargas(1998)( Resolución : 2 arcmin )
-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
Intensidad de lluvia Tr =50[años] y Duración=24 [hr] Vargas(1998)( Resolución : 2 arcmin ) Intensidad de lluvia Tr =50[años] y Duración=3 [hr] Vargas(1998)( Resolución : 2 arcmin )
-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
14 14
12 12
10 10
8 8
6 6
4 4
2 2
0 0
-2 -2
-4 -4
Figura 3.31 Mapas de Intensidad de lluvia basados en la ecuación (3.55), en su orden se

tienen mapas para duraciones de 1, 3 y 24 horas con Tr= 2.33 y 50.
3-61
Caudales Máximos
Para evaluar los resultados obtenidos por Vargas (1998), se calculó la tabla de error para
cada una de las ecuaciones propuestas para la región Andina (región que presenta los
mejores resultados). Este control se realiza con estaciones diferentes a las utilizadas por el
autor, ver Tabla 3. 14. Los periodos y longitud de los registros no han sido homogenizados.
Los errores relativos a las estaciones de control muestran que estas ecuaciones no producen
buena estimación de los valores de intensidad para duraciones altas (24 horas), esto debido
a la estimación de los coeficientes con información de intensidad correspondiente a
duraciones menores a 180 minutos. El error porcentual en el cálculo de las intensidades es
mejor que el presentado por Vargas (1998), en cuanto a al valor medio y la desviación
estándar. Se resalta que no mejora el error con la inclusión de variables independientes en
la estimación (precipitación media anual, promedio de días con lluvia o elevación).
Tabla 3. 14 Media y varianza de los errores porcentuales

relativos a las estaciones recolectadas sobre la región Andina
(Vargas, 1998 )
Duración (horas) 1 3 24
Tr (años) Ecuación Media Desv. Estandar Media Desv. Estandar Media Desv. Estandar
2 0 20.57 15.85 20.65 13.82 35.12 15.16
1 20.34 15.85 20.45 13.72 35 15.11
2 21.08 15.41 21.57 13.50 37.73 14.93
3 22.14 15.48 21.77 13.26 34.45 15.38
50 0 20.65 14.80 22.99 14.66 46.02 14.77

1 21.56 14.58 24.28 14.38 47.55 14.25
2 21.83 14.75 25.39 14.89 49.73 14.10
3 19.25 15.74 20.97 14.00 41.89 15.77
Con el fin de evaluar las curvas IDF obtenidas mediante la metodología propuesta por
Vargas y con el ánimo de confrontarlas con las que se pueden obtener con otros
procedimientos se procedió a hacer un análisis más detallado en la zona cafetera del país en
la que se dispone de mejores registros hidrológicos de resolución horaria. Para éste análisis
se contó con información proveniente de 36 estaciones las cuales fueron proporcionadas
por CENICAFE. Los años de registros de las estaciones oscilan alrededor de 10 a 20 años.
La información de precipitación de las estaciones es transformada a intensidad y ajustada a
una distribución Log-Normal II para los períodos de retorno considerados Tr = 2.33, 5, 10,
3-62
Caudales Máximos
25 y 50 años. Se realizó un ajuste con los datos de intensidad y duración respectivos para
obtener los parámetros correspondientes a (3.4), Tipo III y Tipo IV, Tipo II .
Los valores de c2, c3 y c4 se consideraron constantes e iguales a 0.83 para todos los períodos
de retorno, utilizando el valor encontrado en el numeral 3.3.1.3 y corroborándolo con
análisis hechos de estas ecuaciones. Estos resultados de optimizar estos parámetros sin fijar
los exponentes pueden verse en la Figura 3.32. Allí se observa que los valores de c2, c3 y c4
son cercanos al valor escogido anteriormente y no varían considerablemente, inclusive para
períodos de retorno altos.
Histograma de Frecuencias para C2 (Tr = 2.33) Histograma de Frecuencias para c3 (Tr = 2.33) Histograma de Frecuencias para c4 (Tr = 2.33)
30 30
40
25 25
Frecuencia (%)
Frecuencia (%)
Frecuencia (%)
30
20 20
20 15 15
10 10
10
5 5
0 0 0
0.67 0.71 0.75 0.79 0.84 0.71 0.76 0.80 0.85 0.90 0.94 0.99 0.71 0.76 0.80 0.85 0.89 0.94 0.99
C2 c3 c4
40
30 30
Frecuencia (%)
Frecuencia (%)
Frecuencia (%)
30
20 20
20
10 10
10
0 0 0
0.69 0.73 0.77 0.81 0.85 0.75 0.79 0.84 0.88 0.93 0.97 0.75 0.79 0.84 0.88 0.93 0.97
C2 c3 c4
30
40 30
25
Frecuencia (%)
Frecuencia (%)
Frecuencia (%)
30
20
20
20 15
10 10
10
5
0 0 0
0.67 0.72 0.76 0.80 0.84 0.72 0.77 0.81 0.86 0.90 0.95 0.99 0.72 0.76 0.81 0.85 0.90 0.95 0.99
C2 c3 c4
Figura 3.32 Histogramas de Frecuencias para valores promedios de C2, C3

y C4 con diferentes períodos de retorno (2.33,10,50 años)
Las curvas ajustadas se ven en la Figura 3.33 .
3-63
Caudales Máximos
Figura 3.33 Curvas IDF ajustadas para diferentes estaciones con las ecuaciones (3.49)
(línea continua), Tipo III (línea punteada) y Tipo IV (línea segmentada).
3-64
Caudales Máximos
En la Figura 3.34, se muestran los resultados de Ct contra los parámetros ajustados en las
36 estaciones antes mencionadas (Ct vs atrans, c2, a3, b3, a4, y b4 ) para un período de
retorno de 2.33 años. Se recomienda el ajuste por subregiones, pero la cantidad y
distribución de las estaciones no permite hacer un análisis separado de estas. Debido a esto,
se hicieron ajustes para todas las estaciones, obteniendo resultados representativos. La
relación lineal entre estos parámetros y Ct mostró el mejor ajuste, ver Tabla 3. 15
Tabla 3. 15 Valores de pendiente, intercepto y coeficiente de

correlación, para cada parámetro y diferente período de retorno
Período de retorno
Parámetro Ajuste 2.33 5 10 25 50
Atrans a 0.16 0.11 0.04 0.15 0.02
b 0.00 0.00 0.00 0.00 0.01
R2 0.13 0.01 0.14 0.13 0.22
A2 a 62.20 50.68 50.63 44.98 45.94
b -1.13 0.23 0.43 0.85 0.87
R2 0.19 0.04 0.08 0.18 0.18
A3 a 96.71 86.25 87.55 82.84 75.72
b -3.57 -2.31 -2.17 -1.85 -1.24
R2 0.47 0.36 0.37 0.40 0.28
B3 a 1.35 1.37 1.30 1.37 1.17
b -0.09 -0.10 -0.09 -0.09 -0.08
R2 0.91 0.92 0.94 0.96 0.94
A4 a 98.52 88.75 87.42 81.25 74.26
b -3.73 -2.47 -2.19 -1.70 -1.07
R2 0.50 0.38 0.37 0.36 0.21
A4 a 1.40 1.45 1.32 1.33 1.17
b -0.10 -0.10 -0.09 -0.09 -0.08
R2 0.92 0.90 0.91 0.92 0.85
3-65
Caudales Máximos
Ajuste de Parametro Tr=2.33000 R 2 =0.299 Ajuste de Parametro Tr=2.33000 R 2=0.373

0.25 90
80
0.20
70
0.15
atrans
a2
60
0.10
50
0.05
40
0.00 30
10 11 12 13 14 15 10 11 12 13 14 15
Ct Ct
Ajuste de Parametro Tr=2.33000 R 2=0.920

0.60
0.50
0.40
0.30
b3
0.20
0.10
0.00
-0.10
10 11 12 13 14 15
Ct
Ajuste de Parametro Tr=2.33000 R 2=0.558 Ajuste de Parametro Tr=2.33000 R 2=0.916

120 0.6
100
0.4
80
a4
b4
0.2
60
0.0
40
20 -0.2
10 11 12 13 14 15 10 11 12 13 14 15
Ct Ct
Figura 3.34 Parámetros vs Ct para Tr = 2.33
Para la validación de estos modelos se compararon los resultados obtenidos con los que
resultan al aplicar los métodos tradicionales, esto es, considerando una distribución
Lognormal tipo II de las lluvias máximas para las cuatro estaciones con el mayor número
de registros. En la Figura 3.35 se observan los errores relativos para las curvas IDF para la
ecuación tipo III para los diferentes periodos de retorno. Los errores máximos para las
estaciones consideradas son del orden del 30%.
3-66
Caudales Máximos
El Saucel
Tr = 2.33 Tr = 10 Tr = 50
20 12 25
Error relativo (%)
Error relativo (%)
Error relativo (%)

10 20
15
8
15
10 6
10
4
5
2 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
La Sirena
Tr = 2.33 Tr = 10 Tr = 50
10 25
Error relativo (%)
Error relativo (%)
Error relativo (%)

15
8 20
6 10 15
4 10
5
2 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Naranjal
Tr = 2.33 Tr = 10 Tr = 50
30
25 25
Error relativo (%)
Error relativo (%)
Error relativo (%)

25
20 20
20
15 15
15
10 10 10
5 5 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Rosario
Tr = 2.33 Tr = 10 Tr = 50
25 30
Error relativo (%)
Error relativo (%)
Error relativo (%)

20 25
20
15 20
15
15
10 10
10
5 5 5
0 0 0
1 6 12 18 24 1 6 12 18 24 1 6 12 18 24
Figura 3.35 Errores relativos para la ecuación tipo III para los diferentes
períodos de retorno.
Se interpolaron mapas de Ct para los diferentes periodos de retorno. En la Figura 3.36, se

muestran mapas de Ct para diferentes periodos de retorno, allí se observa su variabilidad
espacial y el cambio de magnitud con el periodo de retorno.
3-67
Caudales Máximos
Figura 3.36 Variación espacial del coeficiente de torrencialidad Ct para un

periodo de retorno de 2.33 años (arriba) y 50 años (abajo.)
3-68
Caudales Máximos
Figura 3.37 Mapas de intensidad para Tr = 2.33 y 50 años, duraciones de

1h, 3h y 24h
3-69
Caudales Máximos
Dados los valores distribuidos de Ct y las relaciones con los coeficientes de ajuste de las
curvas IDF, se pueden obtener las intensidades asociadas a Tr de 2.33, 5, 10, 25 ó 50 y
cualquier duración comprendida entre 1 y 24 horas, como se observa en la Figura 3.37.
3.3.3 Análisis de resultados

La metodología propuesta por Vargas (1998), supone que el coeficiente de torrencialidad
I1/I24 (Ct), para un mismo periodo de retorno es constante en las regiones consideradas
como homogéneas. En el mapa de la relación I1/I24 interpolada para el centro de la región
Andina) se observa que esta relación es bastante variable y en esta región toma valores
desde 5 hasta 25.
Se observa además que la relación I1/I24 tiene una distribución espacial con una forma
similar a la precipitación media anual. Se debe explorar la relación entre I1/I24 y la
precipitación media anual y otras variables relacionadas con la precipitación, componentes
locales y de gran escala que la gobiernan.
Tabla 3. 16 Media y desviación estándar porcentual para la

zona Andina(Atlas 2000)
1 3 24
Tr Media Desv. Est. Media Desv. Est. Media Desv. Est.
233 24 12.22 25.49 12.55 29.66 27.85
50 21 12.64 23.53 13.45 26.88 22.38
El nivel de confiabilidad de las curvas IDF estimadas esta relacionado con la cantidad de
información disponible para calibrar las ecuaciones. En la región Andina se estimaron los
mapas con mayor cantidad de datos, por tanto, los resultados obtenidos para esta zona son
más confiables. En cuanto los errores porcentuales obtenidos en la Tabla 3.8, los
coeficientes ajustados en Vargas (1998), no representan buenos estimativos para duraciones
de tormenta altos (~24 hr). Además, no mejora la estimación de la intensidad usando las
ecuaciones (3.22) y (3.23).
3-70
Caudales Mínimos
4 CAUDALES MINIMOS
4.1 REGIONALIZACION DE CAUDALES MINIMOS
Los caudales mínimos son producidos generalmente por la descarga de agua desde los
acuíferos hacia la red de drenaje, mecanismo particularmente importante durante las
temporadas donde se presenta una disminución en la lluvia. En este capítulo se intenta
construir el mapa hidrológico de los caudales mínimos asociados a diferentes periodos de
retorno con en registros históricos y mediante relaciones físicas.
Para aplicar el método de estimación de caudales mínimos mediante regionalización, se

utilizaron registros de caudal diario y caudal mínimo mensual, tratando de cubrir todo el
territorio nacional; obviamente el mayor número de estaciones se concentra en la región
Andina. En las otras regiones se posee información que permite obtener resultados
preliminares. La ubicación de las estaciones se muestra en la Figura 4.1.
Para la selección de las estaciones de caudal se procuró que la longitud de los registros
fuera superior a 15 años, para efectos de la robustez de los estimadores estadísticos. Para
cada cuenca, definida por la estación de aforo, se obtuvieron parámetros geomorfológicos
como el área y la precipitación media multianual. Este procedimiento se realizó con la
ayuda del software HIDRO-SIG, desarrollado en el proyecto “Balances Hidrológicos de
Colombia” (UNAL-UPME- COLCIENCIAS, 1999).
4-1
Caudales Mínimos
Estaciones de caudal utilizadas

para la estimación de caudales mínimos
12
10
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66
Figura 4.1. Ubicación de las estaciones utilizadas para la regionalización de caudales

mínimos.
A partir de las series de caudal diario y mensual se determinaron los caudales mínimos
anuales para realizar ajustes de distribuciones de probabilidad y obtener así caudales
mínimos para diferentes periodos de retorno. En la literatura se han encontrado varias
recomendaciones para el ajuste de distribuciones extremas en el caso de caudales
mínimos, una de estas es no utilizar distribuciones de frecuencia de más de dos
parámetros cuando se tienen series con poca longitud de registros (Bedoya y
Rodriguez,1997). Otros autores recomiendan el uso de las distribuciones de valores
extremos tipo I o Gumbel (Mesa et al., 1987), tipo III o Weibull (Maidment,1993) y
LogNormal de dos parámetros (Smith y Vélez, 1999).
Para las distribuciones Gumbel y LogNormal y para cualquier periodo de retorno, el caudal
se obtuvo a partir de expresión,
Ec (4.1) QTr = µˆ + k σˆ , (4.1)
4-2
Caudales Mínimos
donde
QTr : Caudal mínimo para un período de retorno Tr .
µ̂ : Media muestral estimada de los caudales mínimos.

σ̂ : Desviación estándar muestral estimada de los caudales mínimos.
k : Factor de frecuencia que depende de la distribución y el período de retorno.
Distribución LogNormal II.

Para la distribución LogNormal II el factor de frecuencia, k, para caudales mínimos se
puede estimar como
( ) (
exp Z ln 1 + Cv 2 − 0.5 ln 1 + Cv 2  − 1
 
)
Ec (4.2) k= , (4.2)
Cv
donde
Cv : coeficiente de variación muestral
Z : valor de la función de densidad de probabilidad normal estándar asociada a cada
período de retorno.
Distribución Gumbel.
Para la distribución Gumbel, el factor de frecuencia k para caudales mínimos se estima
como,
− 6   1  
Ec (4.3) k= 0.5772 + ln  − ln    , (4.3)
π    Tr  
Distribución Weibull.
Para la distribución Weibull se tiene que la función de probabilidad esta dada por
  x β 
Ec (4.4) FX ( x ) = 1 − exp −    , (4.4)
  α  
siendo el primer y segundo momentos
4-3
Caudales Mínimos
 1
Ec (4.5) µ x = α Γ1 +  , (4.5)
 β
  2   1  
2
Ec (4.6) σ = α Γ1 +  − Γ1 +   ,

2 2
(4.6)
  β    β  
x
El caudal mínimo se obtiene mediante

1
  1  β
Ec (4.7) Qmin = α − ln1 −  , (4.7)
  Tr 
donde, β y α son los parámetros de la función por determinar, por medio de la función
Gamma, como se describe a continuación. De la Ec (4.5) se estima α , se reemplaza en la
Ec (4.6) y ésta se iguala a cero, obteniéndose la Ec (4.8),
 2
Γ1 + 
Ec (4.8)  β  − 1 − Cv 2 = 0 , (4.8)
2
  1 
Γ1 + 
  β 
donde la función Γ (x ) está dada como,

∞
Ec (4.9) Γ( x ) = ∫ t x −1 e −t dt , (4.9)
0
En la Figura 4.2 se presentan los ajustes de las distribuciones Gumbel y LogNormal para
diferentes estaciones de registro en Colombia. En esa figura, el signo (+) representa la
probabilidad empírica y las líneas los ajustes obtenidos. Es importante aclarar que para el
caso de caudales mínimos P(Q ≤ q ) = 1 Tr es la probabilidad de no excedencia, entendida
como la probabilidad de que se presente un caudal más pequeño que un valor dado. La
Figura 4.2 muestra que las distribuciones LogNormal y Gumbel arrojan resultados muy
similares entre sí, y se ajustan significativamente a los datos como lo confirman las
4-4
Caudales Mínimos
pruebas de bondad de ajuste realizadas, como la Smirnov-Kolmogorov y Chi-Cuadrada

(Benjamin y Cornell,, 1970, p. 463).
Los resultados de la aplicación de la distribución Weibull no se muestran, debido a que no

fueron muy satisfactorios, pues en algunos casos sobreestiman los caudales mínimos en
más del 100%, principalmente para periodos de retorno grandes. Este comportamiento
puede ser explicado por la longitud de los registros, pues este tipo de distribución requiere
una cantidad de información considerable y en el mejor de los casos se tenían registros de
menos de 50 años para muy pocas estaciones.
Figura 4.2. Ajustes de distribuciones de probabilidad obtenidos, empleando

distribuciones Gumbel (continua) y LogNormal (punteada) para Tr=2.33, 5,
10, 25, 50, 100 para las estaciones (de izquierda a derecha) El Higuerón,
(Valle), El Templete, (Antioquia), La Mosca RN_2, (Antioquia), Pte
Santander, (Huila), Salvajina, (Cauca) y Pte Fierro, (Boyacá).
4-5
Caudales Mínimos
Considerando la influencia del fenómeno ENSO en nuestro país se consideró inicialmente

separar los años con presencia de EL Niño, La Niña y períodos considerados como
normales. Para realizar el análisis de los caudales mínimos se hizo especial énfasis en los
años El Niño que representan la condición más crítica para dichos caudales, pues durante la
ocurrencia de dicho fenómeno, los caudales disminuyen apreciablemente en nuestro país
(Poveda,1998). Sin embargo, este proceso no pudo llevarse a cabo debido a la longitud de
los registros de caudal, pues en el mejor de los casos se tenía una estación con 60 años de
registro y al realizar la separación se obtenían 13 eventos El Niño, número que resulta
apenas aceptable para realizar un ajuste de distribuciones, pues sólo se puede garantizar
cierta estabilidad en la media. Por lo tanto y para efectos de ilustración, en la Figura 4.3 se
presentan los resultados de los ajustes realizados considerando cada una de las tres
posibilidades mencionadas anteriormente. Como era de esperarse, los caudales
correspondientes a años El Niño son mucho menores que para años normales y para
eventos La Niña, además, los resultados obtenidos para años Normales y utilizando todos
los registros sin separarlos, son bastante similares, lo cual indica que al hacer ajustes
empleando la serie completa se están representando las características medias de la cuenca
y no se está incurriendo en error alguno.
A partir de los caudales mínimos estimados para diferentes periodos de retorno y con el
área de la cuenca que define cada una de las estaciones de aforo se investigó la relación de
los caudales mínimos con respecto al área de la cuenca y para ello se hicieron regresiones
de la forma Qmin (Tr ) vs. Aα , para cada una de las regiones en las que se dividió el país, (ver
Capítulo 3), mediante la expresión
Ec (4.10) Qmin (Tr ) = k (Tr ) Aθ (Tr ) (4.10)
para la cual se estimaron los parámetros k (Tr ) y θ (Tr ) .
4-6
Caudales Mínimos
Estación_2123702
800
600
Caudal mínimo (m³/s)

400
200
0
0.00 0.10 0.20 0.30 0.40 0.50
Probabilidad de no excedencia
Lognormal_punteada Empírica_+
Niño Niña Normal Todos
Figura 4.3. Ajustes de la distribución Lognormal correspondientes a los caudales

mínimos del río Magdalena en la estación Arrancaplumas. Nótese que los
resultados obtenidos para años normales son muy similares a los obtenidos
teniendo en cuenta toda la longitud de la serie, por lo cual cuando se realizan
los ajustes considerando toda la serie se están representando las condiciones
medias.
De acuerdo con estudios anteriores (Furey y Gupta, 2000), para caudales mínimos, el valor
de θ (Tr ) es aproximadamente 1 para cualquier Tr, tal y como se muestra en la Tabla 4.1.
Tabla 4.1. Valores de θ encontrados por diferentes autores en el caso de los caudales
mínimos, (Furey y Gupta, 2000).
Ecuación Valores de θ Referencia
Qmin = kAθ 0.955 ≤ θ ≤ 1.256 Carpenter and Hayes [1996]
Qmin = kf ( ) Aθ 0.890 ≤ θ ≤ 1.087 Bingham [1986]
0.993 ≤ θ ≤ 1.030 Arihood and Glatfelter [1991]

0.967 ≤ θ ≤ 1.050 Ruhl and Martin [1991]
0.990 ≤ θ ≤ 1.070 Bingham [1986]
La hipótesis de que los caudales mínimos escalan con el área de la cuenca a la potencia
uno, se puede demostrar mediante la aplicación de las leyes de Darcy y Dupuit-Forchemier,
4-7
Caudales Mínimos
Furey y Gupta (2000) presentan una expresión para el flujo base a través de una ladera de
la cuenca, tal como lo muestra la Figura 4.4.
Figura 4.4. Perfil transversal de una ladera ideal (Furey y Gupta, 2000)
La aproximación de Darcy para representar el caudal por una ladera, por unidad de longitud
de la corriente principal, a una distancia x de ésta, q(x), puede ser expresada como
dh( x)
Ec (4.11) q( x) = −kh( x) = w( x − a) , x<a (4.11)
dx
donde,
k : conductividad hidráulica saturada.
h(x) : cabeza hidráulica en la superficie del agua medida a una distancia x de la corriente
principal.
Integrando esta ecuación con respecto a x, se encuentra que
wx(2a − x)
Ec (4.12) h( x) − h(0) = (4.12)
2kb
4-8
Caudales Mínimos
aquí, h(0) es la cabeza hidráulica a una distancia x igual a cero y

b ≡ b( x) = (h( x) + h(0)) / 2 es una constante que se aproxima a la profundidad saturada
media del acuífero. Para escribir esta ecuación en términos de la descarga del flujo base se
define la cabeza hidráulica media a través de la ladera desde 0 hasta a como
a
h = 1 / a ∫ h( x)dx . Sustituyendo la Ec (4.12) en esta expresión y evaluando la integral se
0
demuestra que el flujo base desde la ladera es igual a
3kb∆hl
Ec (4.13) Q B = wal = , (4.13)
a
donde ∆h ≡ h − h(0) y l es la longitud de la ladera medida a lo largo de la borde de la

corriente principal.
La Ec (4.13) ha sido escalada determinísticamente para representar el aporte a los caudales

mínimos para una cuenca. Para entender esto, supongamos que m es el número de
corrientes de primer orden en la cuenca o, equivalentemente, la magnitud de la cuenca.
Siguiendo las ecuaciones de Shereve (1967), el número total de uniones de cauces en la
cuenca es igual a ( 2m − 1 ) y el número total en la cuenca es igual a n = 2( 2m − 1 ) , debido
a que cada corriente tiene dos laderas afluentes. Más aún, la longitud de los canales por
debajo de la unión de las laderas es L = l (2m − 1) , por lo tanto el área de drenaje de la
cuenca será AB = 2al( 2m − 1 ) = nal y la densidad de drenaje, definida por Horton es
D = L / AB entonces la densidad de drenaje será igual a D = 1 / 2a .
Para escalar la Ec (4.13) para una cuenca, el flujo base desde la cuenca está representado
como Q B = nQ . Sustituyendo esta expresión y las relaciones para AB y D en dicha ecuación
se encuentra que el flujo base para una cuenca puede ser escrito en forma genérica como
Ec (4.14) QB = C k b ∆h D 2 AB , (4.14)
4-9
Caudales Mínimos
donde C es una constante y ∆h representa la diferencia de la cabeza hidráulica. Algunos

autores han propuesto diferentes versiones de esta ecuación, que incluyen la redefinición de
los parámetros ∆h y b, y la variación del exponente de D, entre otras, (Furey y Gupta,
2000).
Los resultados obtenidos para Colombia, también confirman la hipótesis expuesta al

comienzo. Los valores de θ (Tr ) , en la mayoría de los casos son cercanos a 1, tal como se
muestra en la Figura 4.5, en la cual la pendiente del ajuste es θ (Tr ) y el intercepto es k (Tr ) .
El ajuste se realizó en el espacio logarítmico. Es importante señalar que para regiones tales
como Amazonas, Atrato, Pacífico y Guajira los resultados no fueron los esperados pues se
obtuvieron exponentes aproximadamente iguales 1,5 para las dos primeras regiones,
mientras que para el Pacífico se obtuvieron valores de θ (Tr ) iguales a 0,7 y para la Guajira
valores que oscilan entre 0,2 y 1,0. Estos resultados deben ser interpretados con cuidado
pues en estas regiones la información es limitada, y las series aparte de ser cortas tienen un
alto porcentaje de datos faltantes, lo cual restringe bastante su uso. Además en dichas zonas
las condiciones geomorfo-climáticas pueden ser muy distintas entre las cuencas pequeñas y
las cuencas grandes.
Teniendo en cuenta los resultados mostrados en la Figura 4.5 y el comportamiento general

de las distintas regiones en las que se dividió el país, para las que se tenía no sólo más
información, sino de mejor calidad, se decidió fijar el exponente del área en 1,0 y realizar
nuevamente los ajustes para toda Colombia respetando las regiones previamente definidas.
Los resultados obtenidos para cada región se muestran en la Figura 4.6
4-10
Caudales Mínimos
Qmin(Tr) vs Area_Orinoco Qmin(Tr) vs Area_Alto_Magdalena

4 4
Log(Qmin(Tr)) [m³/s] 3 3
Log(Qmin(Tr)) [m³/s]
2 2
1 1
0 0
Pend_2.=1.06 R=0.95 Pend_2.=0.97 R=0.86
Pend_5=1.09 R=0.95 Pend_5=1.00 R=0.86
Pend_10=1.10 R=0.95 Pend_10=1.02 R=0.85
Pend_25=1.12 R=0.94 Pend_25=1.03 R=0.85
Pend_50=1.13 R=0.94 Pend_50=1.04 R=0.84
Pend_100=1.14 R=0.94 Pend_100=1.05 R=0.84
-1 -1
1 2 3 4 5 1 2 3 4 5
Log(Area) [km²] Log(Area) [km²]
+ Tr=2.33 años, * Tr=10 años, X Tr=100 años + Tr=2.33 años, * Tr=10 años, X Tr=100 años
Qmin(Tr) vs Area_Catatumbo Qmin(Tr) vs Area_Bajo_Cauca
4 4
3 3
2 2
1 1
0 0 Pend_2.=0.97 R=0.97
Pend_2.=0.98 R=0.97 Pend_5=0.98 R=0.97
Pend_5=0.98 R=0.97 Pend_10=0.99 R=0.96
Pend_10=0.99 R=0.96 Pend_25=1.00 R=0.96
Pend_25=0.99 R=0.96 Pend_50=1.01 R=0.96
Pend_50=0.99 R=0.96 Pend_100=1.01 R=0.96
Pend_100=0.99 R=0.96
-1 -1
1 2 3 4 5 1 2 3 4 5
Qmin(Tr) vs Area_Caribe Qmin(Tr) vs Area_Amazonas
4 4
3 3
2 2
1 1
0 0
Pend_2.=1.11 R=0.91 Pend_2.=1.43 R=0.91
Pend_5=1.13 R=0.90 Pend_5=1.47 R=0.91
Pend_10=1.14 R=0.90 Pend_10=1.49 R=0.90
Pend_25=1.15 R=0.89 Pend_25=1.51 R=0.90
Pend_50=1.16 R=0.89 Pend_50=1.53 R=0.90
Pend_100=1.16 R=0.89 Pend_100=1.54 R=0.89
-1 -1
1 2 3 4 5 1 2 3 4 5
Figura 4.5. Ajuste de caudal mínimo para diferentes periodos de retorno contra el área de
la cuenca sin fijar el exponente del área. Nótese que las pendientes de los
ajustes, son aproximadamente iguales a 1.
4-11
Caudales Mínimos
Qmin(Tr) vs Area para el Bajo Cauca Qmin(Tr) vs Area Alto_Cauca

1000.0 1000.0
100.0 100.0
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
10.0 10.0
1.0 1.0 K_2.=0.00721 R=0.98

K_2.=0.0084 R=0.99
K_5=0.0066 R=0.98 K_5=0.00569 R=0.98
K_10=0.0058 R=0.98 K_10=0.00496 R=0.98
K_25=0.0050 R=0.98 K_25=0.00428 R=0.97
K_50=0.00389 R=0.97
K_50=0.0045 R=0.97 K_100=0.00357 R=0.97
K_100=0.0042 R=0.97
0.1 0.1
1 2 3 4 5 1 2 3 4 5
10 10 10 10 10 10 10 10 10 10
Area [km²] Area [km²]
+ Tr=2.33 años, * Tr=10 años, x Tr=100 años + Tr=2.33 años, * Tr=10 años, x Tr=100 años
Qmin(Tr) vs Area para el Magdalena Medio Qmin(Tr) vs Area para el Alto Magdalena
100.0 1000.0
100.0
10.0
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
10.0
1.0
1.0
K_2.=0.0066 R=0.78
K_5=0.0049 K_2.=0.00979 R=0.99
R=0.74
K_5=0.00813 R=0.98
K_10=0.0042 R=0.72 K_10=0.00729 R=0.98
K_25=0.0035 R=0.70 K_25=0.00649 R=0.98
K_50=0.0032 R=0.66 K_50=0.00602 R=0.98
K_100=0.0029 R=0.68 K_100=0.00563 R=0.98
0.1 0.1
100 1000 10000 101 102 103 10 4 105
Qmin(Tr) vs Area para el Caribe Qmin(Tr) vs Area Sogamoso

10000 100.0
1000
10.0
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
100
1.0
10
K_2.=0.0032 R=0.98
K_2.=0.0115 R=0.97 K_5=0.0023 R=0.98
K_5=0.0094 R=0.97
K_10=0.0084 R=0.97 K_10=0.0019 R=0.97
K_25=0.0016 R=0.97
K_25=0.0074 R=0.97
K_50=0.0014 R=0.98
K_50=0.0068 R=0.97
K_100=0.0012 R=0.96
K_100=0.0063 R=0.97
1 0.1
2 3 4 5 6
10 10 10 10 10 102 103 104 105
Figura 4.6. Ajuste de caudal mínimo para diferentes periodos de retorno contra el área de
la cuenca fijando el exponente del área en 1.
4-12
Caudales Mínimos
Qmin(Tr) vs Area para el Nechi Qmin(Tr) vs Area para el Catatumbo

1000 100.0
10.0
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
100
1.0
K_2.=0.0075 R=0.91
K_2.=0.0187 R=0.99 K_5=0.0060 R=0.90
K_5=0.0145 R=0.99 K_10=0.0052 R=0.89
K_10=0.0125 R=0.99 K_25=0.0045 R=0.88
K_50=0.0041 R=0.87
K_25=0.0107 R=0.99
K_100=0.0038 R=0.87
K_50=0.0097 R=0.99
K_100=0.0088 R=0.99
10 0.1
103 104 105 100 1000 10000
Qmin(Tr) vs Area para el Atrato Qmin(Tr) vs Area para el Pacífico

1000 1000
100
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
100
10
K_2.=0.0470 R=0.97
K_5=0.0352 R=0.97
K_10=0.0297 R=0.97 K_2.=0.0234 R=0.56
K_5=0.0190 R=0.56
K_25=0.0247 R=0.96 K_10=0.0168 R=0.56
K_50=0.0220 R=0.96 K_25=0.0148 R=0.56
K_100=0.0198 R=0.96 K_50=0.0136 R=0.55
K_100=0.0126 R=0.55
10 1
2 3 4 5 2 3 4 5
10 10 10 10 10 10 10 10
Qmin(Tr) vs Area para el Amazonas Qmin(Tr) vs Area para el Orinoco

1000 1000.0
100.0
100
Qmin(Tr) [m³/s]
Qmin(Tr) [m³/s]
10.0
10
1.0
K_2.=0.0356 R=0.96 K_2.=0.0089 R=0.92
K_5=0.0299 R=0.95 K_5=0.0067 R=0.92
K_10=0.0270 R=0.95 K_10=0.0058 R=0.91
K_25=0.0242 R=0.95 K_25=0.0049 R=0.91
K_50=0.0226 R=0.95 K_50=0.0044 R=0.90
K_100=0.0212 R=0.94 K_100=0.0040 R=0.90
1 0.1
100 1000 10000 101 102 103 10 4 105
Figura 4.6 Ajuste de caudal mínimo para diferentes periodos de retorno contra el área de
la cuenca fijando el exponente del área en 1. (Cont.)
4-13
Caudales Mínimos
Otra conclusión importante que se desprende de los resultados mostrados en la Figura 4.5 y
que también tiene que ver con el valor del exponente de los ajustes es la posibilidad de
tener escalamiento simple, pues los exponentes son aproximadamente iguales,
independiente del hecho de que todos sean iguales a 1.
Para verificar la hipótesis de escalamiento simple en las regiones estudiadas, se calcularon

los momentos de orden j, M ( j ) , de las series de caudales mínimos de acuerdo con
∑Q
i =1
i
j
Ec (4.15) M ( j ) = (4.15)
n
φ ( j)
y se hicieron regresiones contra el área de la cuenca, del tipo M ( j ) = C ( j ) A . Esto se
hizo con el fin de calcular la función de estructura, definida como la relación entre las
pendientes de las regresiones para los momentos de orden superior ( j ≥ 2 ) y la pendiente
de la regresión para el primer momento ( j = 1 )
φj
Ec (4.16) FE ( j ) = (4.16)
φ1
Con los valores obtenidos para la función de estructura se construyó un gráfico FE(j) vs. j
y se comparó contra una línea recta de pendiente unitaria. Si existe escalamiento simple, los
valores de FE(j) deben acercarse a dicha recta, y en caso contrario existe escalamiento
múltiple. Los resultados obtenidos se muestran en las Figura 4.7 y 4.8, en las cuales se
presentan las ecuaciones obtenidas para los dos primeros momentos, que son los más
estables debido a la longitud de los registros y la función de estructura.
4-14
Caudales Mínimos
Gráfico de Momento(j) vs Area para el Alto_Cauca Gráfico de Momento(j) vs Area para el Bajo Cauca
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -1.95 + 0.96A R=0.98 M = -1.93 + 0.96A R=0.97

M = -3.78 + 1.91A R=0.98 M = -3.74 + 1.91A R=0.97
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
Gráfico de Momento(j) vs área para el Alto_Magdalena Gráfico de Momento(j) vs área para el Magdalena Medio
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -1.92 + 0.96A R=0.87 M = -1.86 + 0.92A R=0.89

M = -3.71 + 1.89A R=0.86 M = -3.77 + 1.89A R=0.91
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
área [km²] Area [km²]
Gráfico de Momento(j) vs área para el Caribe Gráfico de Momento(j) vs área para el Sogamoso
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -2.62 + 1.13A R=0.93 M = -2.49 + 0.95A R=0.82

M = -5.10 + 2.25A R=0.93 M = -4.94 + 1.93A R=0.81
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
Figura 4.7. Gráfico de M(j) para diferentes periodos de retorno. Nótese como aumenta la
pendiente con el periodo de retorno. + Tr = 2.33 años, <> Tr=100 años. R es
el coeficiente de regresión del ajuste.
4-15
Caudales Mínimos
Gráfico de Momento(j) vs Area para el Nechí Gráfico de Momento(j) vs Area para el Cataumbo
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -2.38 + 1.16A R=0.99 M = -1.99 + 0.98A R=0.97

M = -4.77 + 2.34A R=0.99 M = -3.92 + 1.95A R=0.97
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
Gráfico de Momento(j) vs área para el Atrato Gráfico de Momento(j) vs área para el Pacífico
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -0.77 + 0.73A R=0.66

M = -2.82 + 1.39A R=0.97
M = -1.5 + 1.47A R=0.66
M = -5.42 + 2.74A R=0.97
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
Gráfico de Momento(j) vs área para el Amazonas Gráfico de Momento(j) vs área para el Orinoco
15 15
10 10
Momento(j)
Momento(j)
5 5
0 0
M = -2.21 + 1.04A R=0.95

M = -2.86 + 1.41A R=0.91 M = -4.18 + 2.04A R=0.94
M = -5.60 + 2.80A R=0.91
-5 -5
1 2 3 4 5 6 1 2 3 4 5 6
Figura 4.7 Gráfico de M(j) para diferentes periodos de retorno. Nótese como aumenta la
pendiente con el periodo de retorno. + Tr = 2.33 años, <> Tr=100 años. R es el
coeficiente de regresión del ajuste. (Cont.)
4-16
Caudales Mínimos
Función de estructura para el Orinoco Función de estructura para el Alto Magdalena

5 5
4 4
Función de estructura
3 3
2 2
1 1
0 0
0 1 2 3 4 5 0 1 2 3 4 5
Orden(j) Orden(j)
Función de estructura para el Catatumbo Función de estructura para el Bajo Cauca

5 5
4 4
3 3
2 2
1 1
0 0
0 1 2 3 4 5 0 1 2 3 4 5
Orden(j) Orden(j)
Función de estructura para el Caribe Función de estructura para el Amazonas

5 5
4 4
3 3
2 2
1 1
0 0
0 1 2 3 4 5 0 1 2 3 4 5
Orden(j) Orden(j)
Figura 4.8. Función de estructura de los momentos de los caudales mínimos para las
diversas regiones de Colombia.
4-17
Caudales Mínimos
Al observar la Figura 4.8 se nota que los valores de FE(j) se agrupan alrededor de la línea
de pendiente igual a uno, lo que indica escalamiento simple en las regiones estudiadas. Esto
no descarta la posible separación de los valores muestrales para j ≥ 4 , con respecto de la
línea de pendiente unitaria. Por la corta extensión de las series no se efectúa la estimación
de la función de estructura de orden mayor o igual que 4.
Un comportamiento importante que se observa en la Figura 4.6 es la disminución en la

dispersión de los datos a partir de cierto valor del área, este comportamiento es aun más
evidente en un gráfico de Caudal Mínimo/Area contra el Area, ver Figura 4.9.
Caudal mínimo/Area vs Area

0.1000
0.0100
Qmin/Area [m³/s/km²]
0.0010
0.0001
0 5.0·10 4 1.0·10 5 1.5·10 5 2.0·10 5
Area [km²]
Figura 4.9. Caudal mínimo/Area contra Area. Nótese que la dispersión de los datos
disminuye considerablemente para valores de área superiores a 20000 km²
aproximadamente. No se descarta que se deba a escasez de datos o que
realmente se trata de convergencia en distribución.
Al graficar el Caudal Mínimo/Area contra el Area y de acuerdo con la Ec (4.10) se espera

que para todos los períodos de retorno, el valor de c(Tr) sea constante, lo cual se reflejaría en
una línea horizontal en la Figura 4.9, sin embargo esto sólo se cumple a partir de cierto
4-18
Caudales Mínimos
umbral de área (alrededor de 20000 km²). Esto evidencia que la alta variabilidad de los
caudales mínimos de cuencas pequeñas puede estar influenciada por las características
geomorfológicas y climáticas locales que pueden ser muy variables en algunas regiones del
país, y que para las cuencas de área grande, los caudales mínimos son representativos de
condiciones geomorfológicas y climáticas medias de la región.
Los valores de k(tr) hallados para la Ec (4.10) presentan algunas variaciones que pueden
estar atribuidas a problemas muestrales y a características climáticas locales. Por lo anterior
se trató de buscar alguna dependencia entre k(tr) y componentes del ciclo hidrológico, tales
como la precipitación y la evaporación. Para esto se involucraron, los mapas de
precipitación y evaporación producidos en el proyecto “Balances Hidrológicos de
Colombia” (UNAL-UPME- COLCIENCIAS, 1999), y se estimó la media de los caudales
mínimos mediante
Ec (4.17) Qmin = cµ A θ ( P − E ) β , (4-17)
igualmente para la desviación estándar
Ec (4.18) σ Q min = cσ A θ ( P − E ) β , (4-18)
donde P es la precipitación media anual y E es la evaporación real estimada utilizando el

método de Pennman (UNAL-UPME- COLCIENCIAS, 1999).
Lo que se pretendía era obtener un valor de cµ, para cada pixel, que permitiera calcular el
caudal mínimo en cada punto y que eliminara el problema que se presenta cuando se tiene
una cuenca grande que atraviesa regiones con características climáticas diferentes y por lo
tanto un valor de cµ distinto, y entonces realizar una integración sobre cada cuenca y
obtener así el caudal mínimo, pues se supone que el caudal mínimo a la salida de una
cuenca se presenta cuando cada pixel que la forma está aportando el mínimo.
4-19
Caudales Mínimos
El valor de cµ, para cada región, se obtiene a partir de la Ec (4.17), utilizando los registros
de caudal mínimo medio en cada estación, los valores de P y E en cada pixel, y el área para
cada pixel, realizando una integración sobre la cuenca definida por la estación de aforo.
El primer esfuerzo hecho fue tratar de entender el comportamiento de los exponentes θ y

β de la Ec (4.17). El primero, como se comprobó anteriormente es igual a la unidad, es
decir, escala linealmente con el área de la cuenca. Para estimar el valor del exponente β se
realizaron balances sobre cuencas con información disponible, de la forma A( P − E ) β y se

ajustaron a valores de la media del caudal mínimo para cada cuenca. Estos ajustes se
muestran en la Figura 4.10, donde se graficó la media del caudal mínimo contra A( P − E ) β
para diferentes valores de β . Se escogió el valor de β para el cual se obtenía el mejor
ajuste, es decir, se buscó que el valor del coeficiente R de la regresión se acercara a la
unidad. Así, se encontró que el caudal mínimo escala también, linealmente, con ( P − E ) .
Este análisis se realizó igualmente para la desviación estándar de los caudales mínimos,
encontrando un valor de β =1.0 (Figura 4.11).
Area*(Pre-Evap) vs Qmin Area*(Pre-Evap) vs Qmin Area*(Pre-Evap) vs Qmin
2500 2500 2500
R= 0.872 R= 0.894
2000 2000 2000
Media Qmin [m³/s]
Media Qmin [m³/s]
Media Qmin [m³/s]
1500 1500 1500
1000 1000 1000
500 500 500
0 0 0
0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
área*(Pre-Evap)^0.5 [m³/s] área*(Pre-Evap)^0.75 [m³/s] área*(Pre-Evap)^0.9 [m³/s]

2500 2500 2500
R= 0.895 R= 0.764 R= 0.561
2000 2000 2000
Media Qmin [m³/s]
Media Qmin [m³/s]
Media Qmin [m³/s]
1500 1500 1500
1000 1000 1000
500 500 500
0 0 0
0 1000 2000 3000 4000 5000 6000 0 2000 4000 6000 8000 0 5.0·10
3 1.0·10 4 1.5·10 4 2.0·10
4
Figura 4.10. Ajustes de la media del caudal mínimo contra A( P − E ) β para diferentes
exponentes.
4-20
Caudales Mínimos

600 600 600
Desviación Qmin [m³/s]

500 R= 0.849 500 R= 0.891 500 R= 0.908

400 400 400
300 300 300
200 200 200
100 100 100
0 0 0
0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 6000 0 1000 2000 3000 4000 5000 6000
600 600 600
500 R= 0.914 500 R= 0.842 500 R= 0.668


400 400 400
300 300 300
200 200 200
100 100 100
0 0 0
0 1000 2000 3000 4000 5000 6000 0 2000 4000 6000 8000 0 5.0·10 3 1.0·10 4 1.5·10 4 2.0·10 4
Figura 4.11. Ajustes de la desviación típica del caudal mínimo contra A( P − E ) β para
diferentes exponentes.
Adicionalmente se puede decir que A( P − E ) representa el caudal medio de largo plazo en

la cuenca. Por ello podemos decir que
Ec (4.19) Qmin = cµ Qmed (4-19)
y para la desviación estándar
Ec (4.20) σ Q min = c σ Qmed (4-20)
Está relación fue corroborada buscando, a partir de registros históricos de caudal medio,
valores de cµ y comparándolos con los hallados mediante el balance realizado utilizando la
Ec (4.17). En la Figura 4.12 se muestran los valores hallados por los dos métodos. Se
observa que los valores son bastante similares.
4-21
Caudales Mínimos
Constantes en las Regiones hidrológicas Constantes en las Regiones hidrológicas

Calculadas haciendo el balance A(P-E) calculadas a partir de registros de Qmed y Qmin
12 12
10 10
8 8
6 6
4 4
2 2
0 0
C = 0.5
C = 0.50
-2 -2
-4 -4
-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
Figura 4.12. Valores de la constante cµ, para las Ec (4.17) y la Ec (4.19)

Ec (4.21)
Por lo anterior se procedió al cálculo de la constante c, para la media y la desviación, en

cada región de Colombia, a partir de las Ec (4.19) y Ec (4.20) utilizando registros de caudal
medio y caudal mínimo para cada estación, además se procuró que los registros tuvieran
período común, más de 15 años de longitud y mínima cantidad de datos faltantes. Los
resultados obtenidos tanto para la media como la desviación estándar de los caudales
mínimos se muestran en la Tabla 4.2. Adicionalmente en la Figura 4.13 se muestran los
valores de c encontrados, distribuidos sobre Colombia. Es importante anotar que la región
Caribe, definida en el Capítulo 3, se subdividió en 4 regiones más; Cesar, Sierra Nevada,
Sinú y Bajo Magdalena, pues el comportamiento de cµ, presentó una alta variabilidad
regional.
4-22
Caudales Mínimos
Tabla 4.2. Valores de c, para el caudal mínimo medio, obtenidos a partir de

la Ec (4.19) y Ec (4.20)
Número de
Región Cµ cσ
estaciones
Guajira 0.065 0.100 2
Bajo Magdalena 0.454 0.122 5
Catatumbo 0.295 0.110 8
Magdalena Medio 0.373 0.110 10
Nechí 0.390 0.110 1
Cañón del Cauca 0.349 0.119 17
Atrato 0.286 0.121 7
Pacífico 0.277 0.098 15
Valle del Cauca 0.256 0.111 11
Alto Magdalena 0.342 0.104 33
Sogamoso 0.153 0.074 9
Orinoco 0.171 0.071 32
Amazonas 0.258 0.073 12
Sinú 0.192 0.083 6
Sierra Nevada 0.296 0.132 5
Cesar 0.212 0.067 6
Constantes en las Regiones hidrológicas

estimadas a partir de registros de Qmed y Qmin
12 12
10 10
8 8
6 6
4 4
2 2
0 0
C= 0.20
-2 C= 0.50 -2
-4 -4
-80 -78 -76 -74 -72 -70 -68 -66 -80 -78 -76 -74 -72 -70 -68 -66
Para la media del caudal mínimo Para la desviación típica del caudal mínimo
Figura 4.13. Valores de c para Colombia
4-23
Caudales Mínimos
Una vez se tenía el mapa de caudal mínimo para cada pixel, obtenido a partir de la Ec
(4.17), se realizó la integración sobre toda Colombia, es decir, se obtuvo el caudal mínimo
(media y desviación estándar) a la salida de cada cuenca para así obtener un mapa nacional
de la distribución de la media y la desviación del caudal mínimo.
Media del Caudal Mínimo

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 4.14. Caudal mínimo medio para Colombia obtenido a partir de ecuaciones de
regionalización.
4-24
Caudales Mínimos
Desviación típica del Caudal Mínimo Medio

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 4.15. Desviación estándar de los caudales mínimos para Colombia.
Por último el caudal mínimo asociado a un periodo de retorno dado, se estimó a partir de la
Ec (4.1), donde µ y σ, corresponden a los valores obtenidos para la media y la desviación
estándar de los caudales mínimos y k, es el factor de frecuencia para la distribución de
probabilidad elegida, en este caso, Lognormal, Ec (4.2) o Gumbel, Ec (4.3). En la 0 se
muestra el mapa nacional de la distribución del caudal mínimo para Tr=2.33 años
4-25
Caudales Mínimos
Caudal Mínimo para un período de retorno de 2,33 años

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
Figura 4.16. Caudal mínimo para Tr = 2.33 años, utilizando la distribución Lognormal
Caudal Mínimo para un período de retorno de 10 años
-80 -78 -76 -74 -72 -70 -68 -66

14
12
10
-2
-4
Figura 4.17. Caudal mínimo para Tr = 10 años, utilizando la distribución Lognormal
4-26
Caudales Mínimos

-80 -78 -76 -74 -72 -70 -68 -66
14
12
10
-2
-4
-80 -78 -76 -74 -72 -70 -68 -66

14
12
10
-2
-4
4-27
Caudales Mínimos
4.2. CURVA DE RECESION
El caudal de un río en período seco o sin lluvia proviene de su interacción con los acuíferos.
Tal dinámica ocasiona un descenso en la cantidad de agua de estos, y por ende una
disminución en los caudales. La forma de la curva de descenso en función del tiempo,
tiende a ser propia para cada cuenca dependiendo de la cobertura vegetal, del tipo y la
profundidad del suelo y de las características hidrogeológicas de su acuífero.
Tradicionalmente se ha interpretado que tal forma es independiente de las lluvias anteriores
al período seco. Desde el punto de vista práctico, se ha encontrado que la curva puede ser
representada matemáticamente por una ecuación del tipo
q(t ) = q 0 e (− k t ) , (4.21)
donde q( t ) es el caudal en un tiempo t (período sin lluvia) después de un caudal inicial

q o , k es una constante característica de la cuenca en unidades de 1 T y e es la base de los
logaritmos naturales ( e =2.7182). Puede interpretarse que 1 k representa el tiempo medio de

residencia de una partícula de agua que ingresa al acuífero de la cuenca. Dentro de la teoría
lineal en hidrología esta idea ha jugado un papel muy importante, a tal punto que existen
modelos físicos que expresan k en función de algunos parámetros físicos del acuífero. Por
ejemplo, Wesseling presenta, a partir de una solución linealizada de las ecuaciones de
Forcheimer-Dupuit para el movimiento del agua en acuíferos libres, la expresión, (Mesa et
al.,1987)
kS d
k = 12 , (4.22)
µ L2
en donde k S es la permeabilidad saturada [L T ] , d es el espesor activo del acuífero [L ] , µ
[ ]
es la porosidad activa L3 L3 y L es la dimensión horizontal del acuífero [L] (ver Van De
Leur, 1966).
4-28
Caudales Mínimos
Utilizando la metodología de la curva de recesión es posible encontrar el caudal mínimo de

una cuenca para diferentes períodos de retorno. Para ello es necesario determinar el k de la
cuenca, el q o y el t para el período de retorno determinado. Desde el punto de vista más
general, q o y t son variables aleatorias.
Existen diferentes formas de determinar k para una cuenca con registros de precipitación y
caudal. Una de ellas explorando directamente el registro diario de caudales a la salida de la
cuenca, otra utilizando modelos hidrológicos que representen la dinámica de los caudales
según el régimen de precipitación. Otra manera es a partir de regresiones de la forma,
QB
= γ k AB , (4.23)
AB
donde QB es el caudal base asociado a una cuenca, AB es el área de la cuenca y γk es una

constante que depende de la geomorfología de la misma. Esta metodología fue desarrollada
por Furey y Gupta (2000) y en ella se deduce de la ley de Darcy, para expresar el flujo base
como una ecuación lineal e ilustra como ésta puede ser usada para modelar cambios
temporales en el nivel freático en los acuíferos en el este de Massachusetts. La ecuación
d∆h( t )
Sy = w( t ) − α∆h( t ) (4.24)
dt
es el punto inicial del desarrollo de la teoría, e indica que el volumen de agua desalojado
desde el acuífero por unidad de disminución de la cabeza hidráulica por área, Sy,
multiplicado por el rata de cambio en el tiempo de la altura media del nivel freático medido
por encima de la corriente principal, es igual a la relación de recarga por unidad de área,
w(t), menos la descarga del flujo base por unidad de área del acuífero. En este punto, α es
una constante que representa la respuesta del acuífero y depende de K , la conductividad
hidráulica saturada. Luego, el flujo base se relaciona linealmente con la cabeza hidráulica
por medio de Q(t ) = α∆h(t ) A , donde A es el área de la ladera afluente. La ecuación (4.24)
puede ser expresada en términos de Q(t) como
4-29
Caudales Mínimos
dQ( t )
= β( R( t ) − Q( t )) (4.25)
dt
donde la recarga R( t ) = w( t )al y β = α / S y = 3Kb / S y a 2 . Luego, la solución general de la
ecuación (4.25), será
3KbA  
t 0 +η
∆h(t 0 ) exp[− βη ] + ∫ exp[− β (t + η − τ )] R(τ )dτ 

1
Q(t 0 , η ) = (4.26)
a  
2 0
Sy A t0 
donde to es el inicio del periodo, Q(to,η) es el flujo base en el tiempo t0 + η. Al realizar

operaciones algebraicas con esta ecuación se puede encontrar la ecuación (Furey y
Gupta,2000),
= 12bD 2 E[KH ] AB + σN
QB
(4.27)
AB
Esta última ecuación unifica la física de la generación del flujo base, con la variabilidad
estadística de los caudales mínimos en redes de ríos. El primer término de la ecuación
(4.27) indica que los caudales mínimos son una función de la conductividad saturada
hidráulica, el cuadrado de la densidad de drenaje y el área de drenaje. Además se incluye un
segundo término que considera la variabilidad espacial, no considerada en las ecuaciones
físicas como la ecuación (4.13.)
Es posible entonces obtener el valor de k de la curva de recesión, a partir de la ecuación

(4.27), obteniendo regresiones de la forma (4.23), donde γk = 12bD2KH es la pendiente
de la regresión y tiene unidades [L/T]. Por lo anterior, y de acuerdo con las ecuaciones de
Forcheimer-Dupuit (ecuación 4.22), el valor de k es igual a
γ kd
k = 12 (4.28)
L2
Para lo anterior es necesario obtener el valor de la densidad de drenaje, D y la espesor
activo del acuífero, d.
4-30
Caudales Mínimos
A pesar de lo bondadoso de la metodología debido a su fuerte soporte físico, no ha sido

posible utilizarla para la construcción de los mapas en Colombia debido a la cantidad y
calidad y tipo de información disponible junto con su deficiente cobertura espacial.
Finalmente, tanto k como t y q 0 se estimaron directamente a partir de registros diarios de
caudal y se estudiaron usando el modelo sencillo de interacción suelo-atmósfera propuesto

en el Capítulo 2. En la Tabla 4.3 se presentan el código y la ubicación de las estaciones
utilizadas en las estimación de los mapas de caudal mínimo mediante la curva de recesión.
Las estaciones de caudal se presentan en color rojo acompañadas por estaciones de
precipitación ubicadas en dentro de la cuenca definida por la estación de caudal.
La dificultad fundamental que surge al intentar estudiar la recesión de caudales que da lugar
a caudales mínimos a partir de registros diarios de caudal o precipitación se debe a las
lluvias que tienen lugar en el período de sequía. En general la mayor parte de la masa de
agua de dichos eventos lluviosos se convierte en escorrentía superficial por lo cual no están
fuertemente vinculados con el proceso físico que da lugar a los caudales mínimos (recesión
debida a disminución del nivel del acuífero), pero sí introducen ruido en el registro de
caudales dificultando la detección de la recesión. Tal dificultad tiene como consecuencia,
en especial para las condiciones climáticas de Colombia, la imposibilidad de estimar el t
directamente de registros diarios de precipitación, lo cual es una práctica tradicional en
hidrología.
Con el objetivo de aislar el efecto de las lluvias en período de sequía, se propuso una
técnica de exploración basada en la búsqueda del caudal mínimo por tramos para encontrar
la envolvente mínima de caudales, sobre los registros diarios de caudal. Para hallar la
envolvente, primero se define el período (en días) de una ventana con la cual se hace una
búsqueda móvil de mínimos para cada ventana. Así, si se tienen 400 datos diarios de caudal
y se define una ventana de 10 días, primero se halla caudal mínimo entre los primeros 10
días, luego para los segundos 10 días hasta recorrer toda la serie y tener 40 datos de
caudales mínimos en la ventana (CMV). Finalmente se interpola linealmente (teniendo en
cuenta la posición de cada dato) entre cada par de valores de CMV para obtener una serie
4-31
Caudales Mínimos
Tabla 4.3. Estaciones con registros diarios utilizadas en la construcción de los mapas de
caudales mínimos.
CODIGO NOMBRE TIPO LAT LON AREA (km2) REGION
5201701 Pte_Guascas, Río Patía LG 1.36 77.25 9605.26 Pacífico
5203006 Hidromayo_Camp PM 138 76.56 Pacífico
5203003 Union_La PM 136 77.09 Pacífico
5204502 Apto_Antonio_Narin SP 1.25 77.16 Pacífico
1104701 Belén, Río Atrato LG 5.42 76.4 5001.63 Atrato
1101001 Vuelta_La PM 5.27 76.32 Atrato
1102001 Carmen_De_Atrato PM 5.54 76.12 Atrato
1102005 Pinon_El PM 5.44 76.22 Atrato
1103001 Certegui PM 5.22 76.36 Atrato
1104501 Apto_El_Carano SP 5.43 76.37 Atrato
2703701 La_Esperanza, Río Nechí LG 8 74.47 13059.4 Nechí
2317502 Apto_Otu SS 7.01 74.43 Nechí
2308026 Mosca_La PG 6.19 75.28 Nechí
2701038 San_Antonio_De_Pra PG 6.11 75.4 Nechí
2702014 Miraflores PG 6.47 75.19 Nechí
2612704 Cartago, Río La Vieja LG 4.45 75.53 2841.33 Valle del Cauca
2612506 Apto_El_Eden SP 4.27 75.46 Valle del Cauca
2610083 Palmasola PM 4.42 75.58 Valle del Cauca
2612015 Alcala PM 4.4 75.48 Valle del Cauca
2613504 Apto_Matecana SP 4.49 75.44 Valle del Cauca
2406701 El Tablazo, Río Sogamoso LG 7.03 73.21 21107.7 Sogamoso
2401024 Oiba PM 6.16 73.19 Sogamoso
2403033 Tope_El PM 6.58 72.55 Sogamoso
2403035 Duitama PM 5.5 73.02 Sogamoso
2403517 Tunguavita PM 5.45 73.08 Sogamoso
2405006 San_Vicente PM 6.53 73.25 Sogamoso
2312702 Pto Araujo, Río Carare LG 6.32 74.06 5314.87 Mag_medio
2312005 Muzo PM 5.33 74.07 Mag_medio
2312006 Buenavista PM 5.32 73.56 Mag_medio
2312007 Pto_Araujo PM 6.32 74.07 Mag_medio
2306702 Colorados, Río Negro LG 5.3 74.34 3044.34 Mag_medio
2306011 Caparrapi PM 5.21 74.29 Mag_medio
2109707 Pte_Santander, Río Magdalena LG 2.59 75.18 15669.1 Mag_alto
2101005 San_Jose_De_Isnos PM 1.56 76.18 Mag_alto
2103006 San_Adolfo PM 1.38 76.02 Mag_alto
2104001 Agrado PM 2.15 75.46 Mag_alto
2105502 Esc_Agr_La_Plata CP 2.25 75.55 Mag_alto
1606701 Pto_Barco.Gabarra, Río Catatumbo LG 9.01 72.51 5229.58 Catatumbo
1605013 Campanario_El PM 8.01 73.14 Catatumbo
de igual cantidad de datos que la serie original. El tamaño de la ventana debe estar
asociado al clima y el tipo de suelo de cada región, que a su vez influyen en el grado de
intermitencia del registro de caudales. En la Figura 4.20 se presentan tres años (1947-1949)
del registro diario de caudales en Salvajina y su respectiva envolvente mínima.
Luego para cada año se busca el caudal mínimo q (t ) y el caudal al inicio de la recesión q0 ,
con los cuales se ajusta el k de la curva exponencial q (t ) = q 0 e (− k t ) . El valor de t se halla
4-32
Caudales Mínimos
conociendo las fechas de ocurrencia de q (t ) y q0 . En la Figura 4.21 se ejemplifica el

proceso en un año de la envolvente mínima de los registros en Salvajina, señalando los
puntos correspondientes al caudal mínimo al q0 y graficando la recesión ajustada. En
general se observa una buena aproximación entre la curva de recesión ajustada y la recesión
de la envolvente mínima para todos los años y para la mayoría las estaciones de caudal.
Esto soporta la hipótesis de un tanque de descarga lineal en el modelo de tanques propuesto
en el Capítulo 2. Las mayores diferencias entre la recesión ajustada y la envolvente mínima
se presentan en su orden en la región del alto Magdalena posiblemente por su clima
desértico y en la cuenca del río Atrato por su alto rendimiento.
Finalmente se tienen series anuales de q0 , q (t ) , t y k útiles para hallar el caudal mínimo
para un período de retorno determinado. Para esto se ajustan los t a una distribución teórica
de probabilidades. En la Figura 4.22 se presenta el ajuste de los t de Salvajina a la función
de distribución Gumbel. El comportamiento de t es regional.
En la Figura 4.23 se presenta gráficamente el resumen de los resultados para todos los años
disponibles del registro diario de caudales de Salvajina. Es fácil observar la relación
creciente de qo con t (Figura 4.23 A) y la baja variabilidad de k (Figura 4.23 B).
Cualitativamente, el comportamiento que se observa es general para todas las cuencas de
Colombia con marcadas diferencias regionales desde el punto de vista cuantitativo.
Esto permite encontrar relaciones lineales regionales y distribuidas (píxel a píxel) para qo
en función de t y el caudal medio de cada píxel (rendimiento por píxel, Qmed ), al igual
que diferentes ajustes para t . En principio, se busca relacionar qo y t ya que desde el
punto de vista físico no es posible “llegar” a un caudal mínimo a partir de cualquier qo
dadas las características del acuífero y la cuenca, es decir, qo no es una variable aleatoria
independiente de t y k . Específicamente, la relación creciente entre qo y t que se observa

de los datos genera preguntas que ameritan estudios posteriores. Este procedimiento supone
que solo t es una variable aleatoria. Las regiones utilizadas corresponden a las descritas en
4-33
Caudales Mínimos
el Capítulo 3. En la Tabla 4.4 se resumen los valores de las variables utilizadas en la

construcción de los mapas de caudales mínimos para diferentes períodos de retorno,
estimados a partir del análisis de envolvente mínima para las cuencas de la Tabla 4.3. Para
encontrar el caudal mínimo de una cuenca para determinado período de retorno se suman
los caudales mínimos para dicho período de retorno de todos los píxeles que conforman la
cuenca.
Desde la Figura 4.24 hasta la Figura 4.29 se presentan los mapas de caudales mínimos para
diferentes períodos de retorno (2.33, 5, 10, 25, 50 y 100 años).
Tabla 4.4. Resumen de variables utilizadas en la construcción de los mapas de caudales

mínimos para diferentes períodos de retorno.
t media Varianza de t k qo qo
REGIÓN Pendiente de = f (t ) Constante de = f (t )
(días) (días) 2
(días) -1 Qmed Qmed
Sogamoso 107 3920 0.021 1.075 0.739
Atrato 78 1860 0.014 0.553 0.447
Valle del
137 4720 0.009 0.937 0.413
Cauca
Cañón del
117 2720 0.011 0.969 0.267
Cauca
Nechí 126 1320 0.010 1.188 0.466
Magdalena
106 2080 0.014 0.779 0.450
Medio
Alto
87 2170 0.008 0.655 0.480
Magdalena
Catatumbo 136 5600 0.010 0.978 0.740
4-34
Caudales Mínimos
800
600
Caudal (m3/s)
400
200
0
1947 1948 1949 1950
Año
Figura 4.20. La línea negra representa tres años (resolución diaria) de la serie de caudal de
Salvajina. En color se presenta el resultado la envolvente mínima de la serie
calculada buscando el mínimo móvil de un ventana de 15 días.
150
Caudal (m3/s)
100
50
0
0 100 200 300 400
Días
Figura 4.21. La línea negra corresponde al primer año de la envolvente mínima de la serie
de caudales diarios de Salvajina. La línea vertical color verde señala el caudal
mínimo del año y la línea naranja localiza el comienzo de la recesión. La
curva vinotinto corresponde a la curva exponencial ajustada para representar
la recesión.
4-35
Caudales Mínimos
Función de Distribución Acumulada Salvajina

1.0
0.8
0.6
P(T<t)
0.4
0.2
0.0
0 50 100 150 200 250 300 350
T (Número de días)
qo
k
t qo
Qmin Qmin
qo t
Figura 4.23. Resultados de la metodología de envolvente mínima para Salvajina. (A) Los
triángulos negros representan qo (caudal de inicio de la recesión) vs t
(duración de la recesión), la líneas naranja representan el ajuste de qo vs t y
la media de qo . La línea negra representa el caudal medio multianual. Los
triángulos amarillos corresponden al caudal mínimo para cada año. (B) k
(constante de la recesión) vs qo . (C) Qmin (Caudal mínimo) vs qo . (D) Qmin
vs t
4-36
Caudales Mínimos
Caudal Mínimo (Tr=2.33) usando la curva de recesión (Qo=f(t) y k por regiones)

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
2
Figura 4.24. Mapa de caudal mínimo para un período de retorno de 2.33 años, estimado
4-37
Caudales Mínimos
Caudal Mínimo (Tr=5) usando la curva de recesión (Qo=f(t) y k por regiones)

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
Figura 4.25. Mapa de caudal mínimo para un período de retorno de 5 años, estimado
4-38
Caudales Mínimos
Caudal Minimo (Tr=10) usando la curva de recesion (Qo=f(t) y k por regiones)

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
2
4-39
Caudales Mínimos

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
2
4-40
Caudales Mínimos

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
2
4-41
Caudales Mínimos

14
-78 -76 -74 -72 -70
12
10
Información no
disponible
8
Información no
disponible
2
0
4-42
Caudales Mínimos
Otra alternativa para el estudio del tiempo de “sequía” y del caudal inicial cuando se tienen
estaciones de precipitación sobre la cuenca es utilizando modelos lluvia-escorrentía. En el
presente trabajo se utilizaron las estaciones de precipitación listadas en la Tabla 4.3 junto
con el modelo de tanques presentado en el Capítulo 2 para reproducir aproximadamente la
serie de caudales diarios de cada cuenca y, más importante aún, reproducir el caudal medio
multianual y el caudal medio mínimo. Inicialmente se debe construir una serie de
precipitación promedio sobre la cuenca. Dicha construcción puede ser utilizando polígonos
de Thiessen para cada día; sin embargo, los coeficientes deben ser modificados para lograr
un mejor ajuste del resultado del modelo con respecto al caudal real. Luego de tener la
precipitación y la evaporación potencial diaria sobre la cuenca (valor muy estable para
Colombia entre 4.5 y 5.5 mm/día), se debe calibrar la constante k del modelo,
correspondiente a la tasa de salida de agua subsuperficial. Dicha constante corresponde
exactamente con la tasa de descenso de la curva exponencial que representa la recesión de
caudales ( q(t ) = q 0 e (− k t ) ). Finalmente se ejecuta el modelo y se obtienen las series de
caudal superficial y subsuperficial con resolución diaria.
De manera similar que para los resultados de la envolvente mínima, se halla una relación
entre q0 y t . Esto hace posible hallar el caudal mínimo para determinado período de
retorno utilizando el k calibrado y un ajuste de los t para cada año a una función de
distribución determinada (ej. Gumbel o LogNormal). En la Figura 4.30 se presentan los
resultados del modelo de tanques para la cuenca del río Sogamoso (estación el Tablazo,
código 2406701) luego de ajustar la precipitación sobre la cuenca y la constante k . En la
gráfica superior se observa la serie real de caudales diarios desde 1968 hasta 1980 y en la
inferior el caudal modelado para el mismo intervalo de tiempo.
En conclusión, esta metodología abre la posibilidad de construir mapas de caudales

mínimos similares a los presentados mediante la envolvente mínima, usando registros
diarios de precipitación. Es importante recordar que, en general, los registros de
precipitación en Colombia son más y de mejor calidad que los de caudal. Además, permite
el estudio de la curva de recesión ante diferentes escenarios de lluvia diaria asociados a
4-43
Caudales Mínimos
años diferentes desde el punto de vista hidrológico (años El Niño, La Niña y normales).
Debido a la construcción teórica del modelo de tanques, en especial la representación de la
escorrentía subsuperficial mediante un tanque de descarga lineal, no existen diferencias
fundamentales en los resultados obtenidos usando la envolvente mínima y el modelo de
tanques. Las diferencias fuertes se deben a escasa o deficiente (cobertura espacio-temporal)
información de precipitación.
Como se mencionó antes, tradicionalmente la duración del período seco se ha estimado a

partir de registros de precipitación diaria, buscando el número máximo de días continuos
sin lluvia o con lluvias inferiores a un valor dado (Mesa et. al., 1987). Este estudio se hizo
para las series de lluvia diaria disponibles sobre la cuenca del Sogamoso con el objetivo de
comparar los resultados con la longitud del período seco obtenido en el análisis de
envolvente mínima y del modelo de tanques. A partir de las estaciones de lluvia, y
definiendo umbrales desde 0 hasta 20 mm, la longitud promedio máxima del período seco
es de 65 días mientras que por el método de la envolvente mínima se obtiene 107 días
(Tabla 4.4) y usando el modelo de tanques con las mismas estaciones con las que se obtuvo
65 días se obtiene 97 días. Este resultado es replicable para las demás cuencas y muestra la
importancia de realizar el análisis del período seco a partir de registros de lluvia y caudal
simultáneamente, puesto que la definición de un umbral de sequía debe tener en cuenta las
diferencias regionales desde el punto de vista climático y de tipo de suelo y el área de la
cuenca. Claramente no es lo mismo definir un umbral de precipitación diaria de 10 mm
para la Guajira que para el Chocó.
4-44
Caudales Mínimos
Caudal (m3/s) 3000
2000
1000
0
1970 1972 1974 1976 1978
Año
3000
Caudl (m3/s)
2000
1000
0
1970 1972 1974 1976 1978
Año
Figura 4.30. En la gráfica superior se observa una fracción de la series de caudales sobre el
río Sogamoso (estación el Tablazo, código 2406701) y en la inferior el
resultado del modelo de tanques (ver Capítulo 2) utilizando las estaciones de
precipitación dentro de la cuenca (ver Tabla 4.3). La línea verde representa la
escorrentía superficial la naranja representa la escorrentía subsuperficial y la
negra es la escorrentía total.
4-45
Procesos de Denudación
5 PROCESOS DE DENUDACIÓN
Se entiende por erosión el fenómeno de arranque y transporte inicial de partículas

pertenecientes a las capas más superficiales del suelo por agentes tales como el agua, el
hielo, el aire, los animales o el hombre y los movimientos en masa se consideran como
remoción de un volumen importante de material por acción de la gravedad, la cual por sí
sola no constituye un agente transportador. Los volúmenes desplazados por los
movimientos en masa pueden sufrir posteriormente diversos procesos erosivos y a su vez
estos últimos pueden constituirse en detonantes de los procesos de remoción en masa. La
suma de erosión y movimientos en masa, constituye el proceso de denudación de la corteza
terrestre. Los procesos denudativos pueden considerarse como fenómenos de segundo
orden pues son producto de factores naturales o artificiales, los cuales constituyen los
eventos de primer orden o causas.
Los movimientos en masa corresponden al desplazamiento masivo de roca, suelo, restos

vegetales o una combinación de ellos pendiente abajo, son también llamados remoción en
masa, movimientos de terreno, movimientos de ladera y popularmente derrumbes o
volcanes. Aunque la acción de la gravedad sobre las pendientes moderadas a altas es el
principal detonante, estos movimientos dependen de varios factores como el tipo de roca y
su grado de meteorización, las estructuras geológicas, la pendiente, el agua de infiltración y
algunas actividades antrópicas.
5-1
5.1 Erosión
La erosión superficial de los suelos por acción del agua puede ser en forma laminar, en
surcos y en cárcavas.
5.1.1 Erosión laminar

Es el lavado de las partículas sueltas de un suelo que han sido desprendidas por la acción de
la lluvia y transportadas a otros lugares mediante una lámina de agua que se infiltra.
En términos generales, la erosión es una de las principales causas de la degradación de los

suelos, modificando algunas veces sus estructuras físicas y químicas de tal modo que la
producción agrícola puede verse ampliamente afectada. Adicionalmente, la estabilidad de
las laderas y el manejo adecuado de las tierras tienen una amplia relación con la erosión. Es
muy común en sectores de altas pendientes, con escasa cobertura vegetal o en terrenos
labrados para cultivos permanentes como el café los cuales son susceptibles a este tipo de
proceso dada la práctica de cultivo limpio o sin maleza que aun se encuentra arraigada y
que permite la acción directa de la escorrentía.
5.1.1.1 Ecuación Universal de Pérdida de Suelos
Se han desarrollado varios modelos que describen la relación entre la erosión laminar por
efecto de la lluvia y los principales factores que la controlan. El modelo más conocido es la
Ecuación Universal de la Pérdida de Suelo, la cual fue inicialmente desarrollada para
predecir la tasa de erosión en el medio oeste de los Estados Unidos y ahora se usa en todo
el mundo para varios propósitos. La ecuación se basa en datos de muchos estudios
orientados por U.S. Agricultural Scientists. Su desarrollo estuvo liderado por Walter
Wischmeier y Dwight Smith, quienes antes de definir la expresión actual, investigaron
acerca de la energía de la lluvia y su relación con la pérdida de suelo (Wischmeier and
Smith, 1958). Esta energía es cinética y es aportada por las gotas de lluvia.
5-2
La Ecuación Universal de Pérdida de suelo tiene la siguiente forma:
E=RK LSC P (5.1)

en la cual,
E es la pérdida anual de suelo por unidad de área. [ T ha-1]
R es el factor de erosividad de la lluvia. [MJ mm ( ha h)-1]
K es el factor de erodabilidad del suelo. [ T ha h (ha MJ h)-1]
L S es el factor topográfico [adimensional]
C es el factor de cobertura por manejo del suelo [adimensional]
P es un factor para la práctica de conservación [adimensional]
Este modelo conceptual demuestra que la tasa de erosión es una función de las magnitudes
relativas de la resistencia de la superficie de la tierra a la erosión y las fuerzas erosivas
aplicadas y que la topografía, la vegetación, y la actividad humana pueden modificar este
balance (Laronne and Mosley, 1982). La ecuación universal de pérdida de suelo permite a
los planificadores predecir la tasa promedio de erosión del suelo.
El impacto de las gotas de lluvia sobre la superficie del suelo puede superar la resistencia
del mismo y causar el desprendimiento de partículas; el material así desprendido puede ser
arrastrado por el flujo de agua sobre la superficie del terreno en el caso de que la lluvia en
combinación con la configuración topográfica tenga la energía suficiente para tal efecto.
En los terrenos cubiertos con vegetación, esta intercepta las gotas de lluvia disminuyendo
la fuerza del impacto de las mismas.
Es necesario anotar que la variabilidad de las gotas de lluvia de acuerdo con la intensidad
puede causar diferentes efectos sobre la forma en que se da la erosión ya que eventualmente
podría darse una compactación del suelo, una reducción de la infiltración y/o, un aumento
del flujo superficial.
5-3
El desprendimiento de las partículas de suelo no se da sólo por el impacto de las gotas de

lluvia. De acuerdo con el modelo de Horton cuando la intensidad de la lluvia excede la
capacidad de infiltración del suelo, el agua que no alcanza a infiltrarse, escurre sobre la
superficie, en una delgada capa que viaja a una velocidad de varios metros por hora,
pudiendo causar el desprendimiento y transporte de las partículas de suelo desde las laderas
hasta los canales. Estos eventos pueden darse solo en casos excepcionalmente intensos y
muy poco probables en zonas mediana o altamente cubiertas por vegetación.
Factor de Erosividad de la Lluvia, R

Según Amézquita y Forsythe la erosividad, R, se define como una propiedad específica de
las lluvias, la cual puede ser evaluada cuantitativamente como la capacidad potencial de las
lluvias para producir erosión en circunstancias dadas (Rivera, 1999).
El valor de R debe cuantificar el efecto del impacto de las gotas de lluvia y debe dar una
idea de la cantidad de escorrentía que podría estar asociada con la lluvia. Otras
investigaciones han mostrado que cuando los demás factores son constantes y se aplica la
ecuación sobre una zona cultivada, la pérdida de suelo es proporcional al parámetro EI,
(Wischmeier and Smith, 1978).
Usualmente R se expresa en unidades del índice de susceptibilidad a la erosión de la lluvia,

EI, y evaluado para regiones de igual erosión.
Por definición, el valor de EI es igual a la energía total del evento multiplicada por la
intensidad máxima de los treinta minutos.
Wischemeir y Smith (1958), basados en el trabajo de Laws y Parsons (1943) obtuvieron la

siguiente expresión:
E = 1.213 + 0.890 x log10 I (5.2)
Donde E es la energía cinética, en kg m/m2mm, e I es la intensidad de la precipitación, en

mm/hora.
5-4
La energía total para cada evento se obtiene dividiendo el hietograma respectivo en

incrementos iguales de tiempo y calculando para cada incremento de la energía
correspondiente mediante la ecuación anterior. La sumatoria de estos valores para la
duración total de la tormenta representa la energía total transmitida por el evento:
 n 
( )( )
 ∑ 1.213 + 0.890 log10 I j I j T j  I 30
 j01 
R=  (5.3)
(173.6 )
donde R es el factor de erosividad por precipitación pluvial, Ij es la intensidad de la

tormenta durante el intervalo j, en mm/hora, I30 es la intensidad máxima durante 30 minutos
para el hietograma , en mm/hr, Tj es el período del incremento de tormenta específica, en
hr, j es el incremento del hietograma y n el número de intervalos de discretización del
hietograma.
Factor de Erodabilidad del suelo, K

El factor de erodabilidad del suelo representa el grado de resistencia natural que ofrece el
suelo, al actuar los otros factores erosivos (Rivera, 1999).
El factor de erodabilidad, K, en la Ecuación Universal de Pérdida de suelos es la pérdida de
suelo de una parcela unitaria por índice de erosividad unitario. Una parcela unitaria está
definida como de 22 m de longitud, con pendiente uniforme del 9%, continuamente limpia,
arada hacia arriba y hacia abajo y mantenida absolutamente libre de coberturas vegetales.
El factor de erodabilidad del suelo, K depende del tipo de suelo, de sus características
físicas y químicas, de la cantidad de materia orgánica, de la estructura, de la estabilidad de
sus agregados, de sus parámetros hidrológicos asociados al almacenamiento, retención,
infiltración y flujo de agua y a su composición mineralógica y catiónica (ver Rivera, 1999,
para una completa revisión). La estimación del factor de erodabilidad se basa en parcelas
de escorrentía, en la determinación de propiedades de los suelos en laboratorio, en los
5-5
estudios nacionales y regionales de suelos, apoyados en tablas para los distintos tipos de
suelo.
Para la estimación de K, existen en la literatura varias tablas las cuales dan un valor de
dicho parámetro para un tipo de suelo determinado.
Se encontró también una expresión para el cálculo aproximado de K en función de la
textura del suelo (Stöckle).
Esta está dada de la siguiente manera:
[ [ [ ] ]]
K = 7.594 0.0034 + 0.0405 ⋅ exp − 1 2 ( Log10 D g + 1.659 ) / 0.7101 2 (5.4)
Donde Dg es el diámetro medio de la partícula en mm
Dg = exp[∑ f i ⋅ Ln(mi )] (5.5)
i es el componente de la textura del suelo, Arena o Arcilla

fi es la fracción de arena o arcilla
m es la media aritmética de cada tipo de suelo
Arena = 1.025
Arcilla = 0.026
La textura del suelo es importante en la determinación de la erodabilidad. Los suelos

arenosos tienen tasa baja de escorrentía y son arrancados más fácilmente, pero son mas
difíciles de transportar que los limosos. Los suelos arcillosos no son fácilmente arrancados,
pero las tasas mas bajas de infiltración, pueden conducir a escorrentía mayor e incremento
de la erosión, (Rivera).
5-6
Factores Topográficos L y S
Tanto la longitud como el grado de pendiente del terreno afectan sustancialmente la tasa de
erosión del suelo por efecto de la lluvia. Los dos efectos han sido evaluados separadamente
en la ecuación, pero se pueden considerar como un solo factor.
De acuerdo con las ecuaciones de Wischmeier y Smith (1978), El factor de longitud de

ladera está definido por:
m
 x 
L =  (5.6)
 22.13 
Donde,
L es el factor de longitud de la pendiente [adimensional]
x la longitud de la pendiente [m]
m es un exponente que toma los siguientes valores
m = 0.5 para pendientes > 5%
m = 0.4 para pendientes < 5% y > 3 %
m = 0.3 para pendientes < 3% y > 1% y
m = 0.2 para pendientes < 1%
El valor de S, está dado también de acuerdo a las ecuaciones dadas por Wischmeier y Smith
(1978). La ecuación es la siguiente:
S = 65.41sen 2 (θ) + 4.56 sen(θ) + 0.065 (5.7)

Donde
q es el ángulo de pendiente en grados.
Existen en la literatura otras expresiones para S, pero se prefirió esta porque corresponde
con lo propuesto inicialmente por la Ecuación Universal de la Pérdida de Suelo. (Ver
Rivera 1999).
5-7
Factor de cobertura por manejo del suelo, C

El factor C en la EUPS, es la relación en porcentaje entre la pérdida de suelo de una parcela
sometida a determinado uso y manejo.
La pérdida de suelo en una parcela sometida a barbecho continuo, se establece al efectuar el

producto de los cuatro primeros factores que figuran en la ecuación de la EUPS (RKLS).
Si dicha parcela se cultiva conservando los mismos 4 factores anteriores, la pérdida de
suelo tiende a disminuir al intervenir la vegetación como factor de protección del suelo
(Machado,1978, citado por Rivera, 1999)
Cuando actúa la vegetación, el factor C es menor de 1. Las plantas por el hecho de estar en
cultivo, potrero o bosque, presentan diferentes grados de protección del suelo. En cada uso
del suelo el valor de C varía en cada caso. Igualmente es alto o bajo según el manejo del
suelo; labranza reducida, presencia o ausencia de residuos de cosecha, entre otros.
Adicionalmente, el factor de cobertura puede variar con el cambio en las temporadas

(lluviosas o secas). En el Manual de Agricultura (Wischmeier y Smith,1978), se puede
observar una amplia descripción de este factor. Para Colombia, los datos de C son escasos
y se puede decir que inexistentes (Rivera, Horacio. Comunicación Personal).
Factor de Medidas de Conservación, P

Las condiciones normales supuestas de la ecuación universal son suelo desnudo, arado
siguiendo la pendiente. Esta es la situación menos deseable posible con relación a la
erosión, de manera que el factor P reduce la erosión esperada, en relación con la pérdida de
suelo teórico en el peor de los casos. Este factor de medida de conservación no será
incluido en la estimación de la erosión laminar media anual para Colombia que se presenta
en el estudio.
5-8
5.1.2 Erosión concentrada

Se desarrolla a partir de la erosión laminar con la cual no tiene un límite definido; la
remoción de suelo ocurre con mayor cantidad a lo largo canales formados por alguna
concentración de la escorrentía. Ocurre en suelos poco permeables o con pendientes
empinadas, también cuando la intensidad y duración de las lluvias son altas, en cuyo caso
los canales difusos pueden llegar a conectarse unos con otros hasta encauzarse y entallarse
cuesta abajo, mediante la socavación y transporte de partículas de suelo hasta el pie de las
laderas. Aquí el desprendimiento de partículas se origina principalmente por la energía del
flujo de agua y no por erosión pluvial.
Cuando estos cursos de agua estrechos, superficiales e intermitentes que son lo

suficientemente pequeños como para eliminarse mediante el uso de implementos corrientes
de labranza (Villota, 1991) se considera erosión en surcos.
El carcavamiento es una erosión en surcos muy avanzada, que disecta tan profundamente el
suelo que el terreno no puede nivelarse con los instrumentos de labranza ordinarios (FAO,
1967 citado por Villota 1991). La intensidad y la amplitud de la formación de cárcavas
guardan una íntima relación con la intensidad de las lluvias y la velocidad de escorrentía;
además, están reguladas por las características de los suelos (permeabilidad, cohesión), del
relieve, del clima y de la cobertura vegetal protectora.
5.2 Remoción en masa

Los movimientos en masa se constituyen en la mayor amenaza de origen geológico debido
a su amplia distribución en espacio y tiempo en todo el territorio nacional. Los procesos de
remoción en masa amenazan seriamente las vías y estructuras pero los daños generados por
estos procesos pueden ser reducidos si se conoce el grado de influencia de cada factor
detonante. En algunos casos se asocian con otros procesos geológicos de mayor magnitud
como son los sismos y los flujos.
5-9
En Colombia los procesos de remoción en masa son más comunes en la región Andina
debido a la topografía y precipitación. Las definiciones utilizadas son tomadas de Villota,
1991 y Varnes, 1978.
Tabla 5.1. Clasificación de movimientos en masa según Varnes (1978)
SUELOS INGENIERILES
TIPO DE MOVIMIENTO ROCAS
GRUESOS FINOS
Caídas Caída de rocas Caída de detritos Caídas de tierra
Volcamientos Volcamiento de Volcamiento de Volcamiento de
rocas detritos tierra
Rotacional Roca Hundimiento Hundimiento de Hundimiento de
homogénea de rocas detritos tierra
Deslizamiento Translacional Heterogenei- Deslizamiento Desliz. de Desliz. de bloques
dad litológica de bloques de bloques de tierra
rocas Desliz. de Desliz. de tierra
detritos
Propagación Lateral de rocas De detritos de tierras
Flujo de rocas Flujos de Flujos de tierras
Flujos escombros
deep creep Reptación
Movimientos complejos Combinación de dos o más tipos de movimientos
5.2.1 Caída de bloques y desgarres

Las caídas y los desgarres se presentan principalmente sobre materiales fragmentados
mecánicamente (diaclasamiento y fallamiento) localizados sobre pendientes que superan el
ángulo de reposo de los bloques haciendo que estos caigan bajo la acción de la gravedad.
Estos tipos de movimientos en masa no tienen una superficie de ruptura definida y su
morfología es, en general, alargada en el sentido de la pendiente. Se diferencian entre sí por
la magnitud del fenómeno, en las caídas de bloques el volumen afectado es generalmente
bajo en relación con los desgarres y el material depositado consiste fundamentalmente de
fragmentos angulares. Los desgarres ocurren en pendientes fuertes donde se ha desarrollado
suelo residual o la roca se encuentra fuertemente fracturada, representan un
desprendimiento súbito de material generando un depósito caótico de material grueso
5-10
5.2.2 Flujos
Los flujos son movimientos de material que puede ser de textura fina o gruesa favorecidos
por la presencia de una superficie de falla bien definida generada por una discontinuidad
litológica entre roca fresca y la roca meteorizada, por un contraste litológico entre rocas
permeables suprayaciendo rocas impermeables o por la presencia de un plano de
estratificación. Este tipo de movimiento puede ser rápido o muy lento, en suelos saturados o
no saturados. Morfológicamente se caracterizan por ser alargados y estrechos debido a su
encauzamiento sobre un drenaje o cauce y presentar una morfología de conjunto laminar.
1. Los flujos de lodo son el resultado de la saturación de materiales de textura fina (limos
y arcillas) al punto de superar el límite plástico permitiendo que fluyan, en su recorrido
pueden involucrar materiales gruesos (bloques, árboles, etc.).
2. Los flujos de escombros están asociados a zonas con pendiente fuerte, con alta
precipitación y compuestas por rocas fuertemente fracturadas. El material transportado
está formado por una masa de bloques y lodos semilíquida que se desplaza pendiente a
bajo con gran velocidad y alto poder de arrastre. Estos movimientos son generalmente
de ocurrencia intermitente y con velocidades variables.
3. Los flujos de tierra están asociados con depósitos no consolidados y localizados en

zonas con pendientes moderadas a altas, el contenido de humedad en estos es menor
que en los dos anteriores; los materiales se desplazan en estado plástico cuando los
suelos pierden su estabilidad estructural por efecto del agua, originando
desplazamientos en formas alargadas y lobuladas en su extremo inferior. Los
movimientos pueden ser lentos o rápidos dependiendo de su viscosidad, así como secos
o húmedos, y los puede haber de roca, de residuos o de suelo.
5-11
5.2.3 Deslizamientos
Los deslizamientos son movimientos producidos cuando se supera la resistencia al corte del
material, tienen lugar a lo largo de una o varias con superficies de ruptura definidas sobre
las cuales se desplaza la parte superior de la masa. Pueden ser lentos o rápidos según la
topografía, el tamaño de la masa afectada, modo de falla y la acción del agua, entre otros.
Se presentan en cualquier tipo de material, éstos pueden ser:
1. Deslizamientos rotacionales. Estos deslizamientos ocurren sobre una superficie

convexa y se van desarrollando de forma más o menos lenta pudiendo tardarse hasta
meses. El proceso se inicia con la aparición de fisuras transversales o grietas de tracción
en la parte superior de la ladera, finalmente se tienen uno o más escalones separados por
taludes casi verticales conocidos como cicatrices de despegue en la parte superior y un
flujo terroso de superficie irregular al pie del bloque deslizado (Villota, 1991).
2. Deslizamientos planares. Estos movimientos en masa consisten en deslizamientos de

material consolidado o no sobre un plano inclinado (plano de estratificación, de falla o
de esquistosidad) y lubricado. En la parte superior de la ladera queda como evidencia
una cicatriz de despegue de forma semicircular o semirectangular.
3. Las terracetas por sobrepastoreo son manifestaciones de deslizamientos del terreno en

forma de pequeños escalones de anchura decimétrica, dispuestos de forma romboidal.
El movimiento se debe al exceso de ganado en un potrero, a un largo tiempo de
permanencia en éste y al peso de los animales.
5.2.4 Reptación
La reptación es el desplazamiento lento de la superficie del terreno con una velocidad
promedio de 1 cm/año, no hay una separación definida entre la masa en movimiento y la
que permanece en su sitio. Las evidencias de este proceso son la formación de arrugas y
escalones, la inclinación de árboles y postes, etc. La deformación acumulada durante varios
años, es capaz de llevar la masa a su límite de resistencia y originar un deslizamiento.
5-12
5.3 Causas principales de los procesos denudativos

En términos generales, los deslizamientos están controlados por factores intrínsecos
(materiales, topografía, estado de esfuerzos, condiciones de drenaje, cobertura vegetal)
mientras que los eventos detonantes pueden considerarse externos (lluvias, sismos, erosión,
socavación y estructuras civiles entre otras). Los principales factores intrínsecos son:
1. Características texturales y mineralógicas de los materiales. Estas características

controlan propiedades del terreno tales como cohesión, resistencia al corte, capacidad
de infiltración y textura del suelo residual producto de la meteorización.
2. Meteorización y fracturamiento. En la mayoría de los casos entre más meteorizado se

presente un material litológico más susceptible a originar fenómenos de movimientos
en masa. Esta susceptibilidad también es fuertemente incrementada por la
permeabilidad secundaria de una roca debida al fracturamiento.
3. Cambios en el nivel freático. Las variaciones temporales en los niveles freáticos

producen alteraciones en las propiedades físicas y químicas del material que conducen a
la generación de procesos de remoción en masa.
Los principales factores externos están relacionados con el clima y las actividades
antrópicas así.
• Áreas con precipitación media anual alta.

• Áreas con alta humedad que favorece la meteorización de las rocas.
• Cortes del terreno para la construcción de vías de transporte mediante la utilización de
voladuras y maquinaria pesada.
• Localización de obras de infraestructura de gran peso en laderas inestables y depósitos
de desechos sólidos.
• Actividad minera a cielo abierto o subterránea.
• Modificaciones de canales aluviales y construcción de presas.
5-13
• La erosión fluvial, glaciar o la generada por el tren de mareas

• Saturación de las rocas y los suelos por fusión de la nieve o fuertes lluvias.
• Falla de las pendientes por los esfuerzos desarrollados a partir de un sismo
• Erupciones volcánicas que producen depósitos de cenizas, fuertes lluvias y flujos.
5.4 Determinación de la erosión y la susceptibilidad a los procesos de denudación

En esta parte se presenta la evaluación de la tasa promedio de erosión del suelo mediante la
aplicación de la ecuación universal de pérdida de suelos y se propone una metodología que
permite una primera aproximación a gran escala a la determinación de la susceptibilidad
por los principales procesos de remoción en masa.
5.4.1 Aplicación de la EUPS para Colombia

Para el cálculo de la erosión laminar media anual en Colombia se usaron algunos mapas del
IGAC, que fueron digitalizados y procesados con software comercial y programas
desarrollados por el equipo de investigación y algunas tablas que permitieron determinar
valores de algunos factores. A continuación se describe la metodología utilizada para la
estimación de cada uno de los factores.
Estimación del factor de erosividad de la Lluvia, R

En la estimación de R, se han dado varias metodologías dentro del campo de la ingeniería
que han buscado definir aproximadamente el valor de dicho parámetro para una región
dada.
Es así como la ecuación 5.3. se ha tomado como punto de partida en esta labor. Para
nuestro país, a nivel nacional, la utilización de esta expresión como medio para encontrar R
no es viable hasta el momento debido a la escasez de información diaria de precipitación.
5-14
Otras personas han usado registros de lluvia cada 10 min. para calcular el valor de R a
partir de la ecuación 5.3. Tal es el caso del cálculo de la erosividad en la República de
Corea (Hu,Qi et al).
Para nuestro caso, sabiendo que no hay información suficiente y que los casos donde se ha
calculado directamente el valor de R son aislados, se optó por tomar como punto de partida
un mapa de erosividad media anual del IGAC con una escala de 1:3’400000.
El mapa se digitalizó y se proceso en Idrisi e Hidrosig. El mapa y los valores se muestran

en la Figura 5.1.
Figura 5.1. Mapa de erosividad de la lluvia en Colombia. (Digitalizado de un mapa del

IGAC, 1988)
Este mapa de erosividad está categorizado en cinco grupos. Desde el de menor valor
clasificado como de baja erosividad hasta el de mayor valor clasificado como alta
erosividad. Su resolución es de 2arcmin
5-15
Estos valores de erosividad son semejantes a los obtenidos en zonas puntuales como
Cotové y Bogotá. (Machado y Machado, 1975 y Machado, 1977; mencionados por Rivera,
1999).
La estimación de este factor no tiene una fuente de validación apropiada, ya que en el país
no se cuentan con datos acerca de la erosividad. Aún así la distribución de su valor a lo
largo y ancho del territorio nacional parece ser coherente, debido a que en las zonas de
altura intermedia y alta, este factor alcanza valores entre medios y altos, asociados
posiblemente a las intensidades de lluvia que se dan en estas zonas. Las regiones de la
Orinoquía y la Amazonía presentan valores entre medios y altos, asociados posiblemente a
los regimenes de precipitación en aquellas zonas.
Es de notar que en la región de la Amazonía existe una zona de alta erosividad, debido
posiblemente a los altos valores que la precipitación alcanza allí, entre 3500 y 4000 mm por
año, y a la variación de la topografía que sin tener diferencias de altura muy grandes son en
todo caso bastante diversas, lo que puede modificar la variabilidad espacial de la lluvia,
desde su origen mismo.
Estimación del factor de erodabilidad del suelo, K

Para la estimación del factor de erodabilidad se optó por utilizar la ecuación 5.4 en función
de la ecuación 5.5. Para su aplicación se utilizó el mapa de suelos de Colombia
digitalizado, el cual está clasificado en 35 grupos de acuerdo a su estructura física y
química y a la región a la cual se encuentran ubicados. El uso de la ecuación 5.4. fue
posible gracias a una clasificación del mapa de suelos en función de la textura del mismo.
Para Colombia, y de Acuerdo con el IGAC, existen 4 tipos de Textura del suelo,
clasificadas como : Textura fina, Textura Media, que puede dividirse en dos y la textura
gruesa. A cada una de estas texturas están asociados unos porcentajes de arena y arcilla de
la siguiente manera:
Textura Gruesa: Menos del 15% de arcilla y mas del 70% de Arena
5-16
Textura Media(A): Mínimo 15% de arcilla y 85% de arenas

Textura Media(B): Menos del 35% de Arcilla y menos del 70% de arena
Textura Fina: Mas del 35% de arcilla.
De esta manera se pudo clasificar el mapa de suelos de acuerdo a los parámetros

encontrados en el Libro Suelos de Colombia ( IGAC,1995 ). Así, mediante herramientas
computacionales se obtuvo un mapa de K en función de la textura, la cual se dio como
característica al mapa de suelos ya digitalizado y georeferenciado.
Figura 5.2. Mapa de Erodabilidad de los Suelos en Colombia basado en la ecuación de las
texturas del suelo (Stöckle e IGAC, 1988 y 1995)
El mapa de erodabilidad se muestra en la Figura 5.2 y las unidades están dadas en

[T.ha.h/ha.MJ.mm]. Los valores obtenidos son muy semejantes a los valores que se tienen
para varios suelos de Colombia. Este mapa de erodabilidad no presenta una homogeneidad
regional, hecho que es de esperarse, ya que los suelos varían casi puntualmente.
5-17
Es importante resaltar que la clasificación de acuerdo con las texturas es reducida (solo
cuatro clases), lo que implica que se están ignorando rangos de textura mas amplios que
posiblemente existen en el país pero que no se conocen o al menos no se tiene información
al respecto. Las porciones de arcilla y arena en cada una de las unidades de suelo deben ser
mucho mas variables que lo reportado empíricamente en este informe, por lo que este mapa
de K, a partir de texturas puede variar eventualmente si se logra obtener mayor información
en futuros proyectos. Como es de esperarse, este resultado no sólo esta sujeto a esta
clasificación sino a la escala del mapa fuente (1:3’400000), por lo que los resultados
estarán ajustados a esta. En una escala mayor, con conocimiento previo de datos mas
claros acerca de las texturas o de los valores de K, se obtendría un mapa mucho más
heterogéneo, pero todo esto está variando de acuerdo a la información disponible.
Estimación del Factor Topográfico LS

Como se planteó desde el principio, el factor topográfico es fácilmente deducible de la
topografía digital que se obtuvo en el proyecto de balances hidrológicos de Colombia. A
partir de este mapa de la topografía se obtuvo un mapa de pendientes, con una resolución
de 120Arcsec.
Este mapa dado en porcentajes, sirvió para determinar el factor de longitud de pendiente en
función del ángulo de pendiente y el factor S. En cuanto al factor L, cuyo valor esta dado
por la ecuación 5.6. se tomaron para x los siguientes valores de acuerdo con un estimado
empírico las longitudes horizontales de ladera. Los valores son los siguientes:
Para L entre 0% y 3% se tiene X = 200m

Para L entre 3% y 7% se tiene X = 160 m
Y para L mayor que 7% se tiene X = 60m
Así, se reclasificó el mapa de pendientes y se obtuvo un mapa para L. Con la ecuación 5.7.
se obtuvo el mapa para S, reclasificando en el Idrisi el mapa de pendientes. Así se obtuvo
un mapa para S.
5-18
El producto de estos dos mapas dio como resultado el mapa de LS (Figura 5.3) el cual
presenta una heterogeneidad asociada a la configuración topográfica de nuestro país la cual
es bien conocida y altamente variable. Este factor es adimensional y como se expresó con
antelación, representa el efecto de la configuración geométrica del terreno estudiado.
Figura 5.3. Mapa del factor Topográfico LS generado a partir de la topografía

digital.
Es necesario dar claridad respecto a los valores de este mapa debido a que están totalmente
sujetos a la resolución del mismo. El hecho que sea de 120 Arcsec, implica que los pixeles
son de aproximadamente 3.7Km de lado. De acuerdo con esto, el proceso de
reclasificación del mapa en orden a asignar un valor de x según la pendiente puede generar
errores ya que los valores de x que varían entre 60m y 200m son muy pequeños
comparados con los 3.7Km que tiene el píxel. Es por esto que este mapa está tan sujeto a
la resolución. Una mejor resolución en el mapa de pendientes permitiría obtener un mapa
mejor para el factor LS, y por lo tanto, el mapa de Erosión Laminar sería también mejor.
5-19
En zonas mas pequeñas, como departamentos o regiones geográficas, donde exista una
topografía mas detallada se puede obtener un mapa mas preciso.
Estimación del factor de Cobertura y Manejo, C

Inicialmente se buscó utilizar un mapa de cobertura vegetal que se presentó en el Proyecto
de Balances Hidrológicos de Colombia. Este mapa era de una resolución fina, 120ArcSec,
pero estaba asociado a vegetación de tipo Bosque, lo cual no describía totalmente el uso
del suelo en Colombia, sobre todo en la región Andina donde la Actividad Agrícola es
frecuente y gran parte de las tierras son usadas para la ganadería (pastos) y la producción de
Alimentos.
Se optó por hacer uso de un mapa de Usos de la Tierra en Colombia, originado por el
IGAC(1988), ya que desde Cenicafé, nos reportaron algunos valores aproximados de C.
Estos valores, algunos asociados a tipos de cultivos en Colombia y otros asociados a tipos
de Cultivo en África, permitieron generar una serie de datos para definir el valor de C
según el Uso de las Tierras.
Las Tablas utilizadas se muestran a continuación:
Tabla 5.2. Factor C para Cultivos Perennes (FAO, 1989)
Cultivo Valor C
Café con sombra 0.070
Café sin sombra 0.110
Banano 0.062
Cacao 0.040
5-20
Tabla 5.3. Factor de Cobertura Vegetal y Técnicas de Cultivo (Factor C) en Africa

Occidental (Roose, 1977)
Práctica Factor C promedio Anual

Ø Suelo Desnudo 1
Ø Bosque o Matorral Denso, cultivos con capa gruesa de
materia orgánica. 0.001
Ø Sabana o pradera sobre pastoreadas 0.1
Ø Cubierta de Cultivo de desarrollo lento o siembra
tardía: Primer año.
0.3-0.8
Ø Cubierta de cultivo de desarrollo rápido o siembra
temprana: Primer año.
Ø Cubierta de Cultivo de desarrollo lento o siembra 0.001-0.1
tardía: Segundo año.
Ø Maíz, Sorgo, Mijo (en función de producción). 0.001-0.1
Ø Arroz (fertilización intensiva) 0.4-0.9
Ø Algodón, Tabaco (segundo ciclo) 0.1-0.2
Ø Cacahuate (en función de producción y de fecha de 0.5-0.7
plantación).
Ø Primer año de Casave y Ñame (en función de la fecha 0.4-0.8
de plantación)
Ø Palma, Café, Cacao con cubierta de cultivo.
0.01
Ø Piña en contorno (en función de pendiente):
0.1-0.3
- Residuo quemado
- Residuo enterrado
0.2-0.5
- Residuo superficial
0.1-0.3
Ø Piña y siembra de relleno
0.2-0.8
0.1
5-21
Tabla 5.4. Valor C para diferentes porcentajes de recubrimiento del Suelo (Gómez, 1984)
% Cubrimiento del suelo

Cobertura Cultivo 0 20 40 60 80 100
Pasturas 0.45 0.24 0.15 0.09 0.043 0.011
Matorral 0.40 0.22 0.14 0.085 0.042 0.011
Bosque 0.10 0.06 0.02 0.004 0.001
Bosque+Matorral 0.39 0.20 0.11 0.06 0.027 0.007
Además se utilizaron algunos valores sugeridos por Wischmeier y Smith en el manual de

Agricultura ya mencionado, para las tierras con Bosques.
El mapa de Uso Actual de la tierra en Colombia se muestra en la Figura 5.4. Este mapa
debió reclasificarse en orden a obtener el mapa del factor de manejo y cultivo C (Figura
5.5). A continuación se presenta la tabla con las categorías originales del mapa y una tabla
con la reclasificación de las categorías y su correspondiente valor de C.
Figura 5.4. Mapa de Uso Actual de la Tierra en Colombia (Digitalizado de un mapa

originado por el IGAC, 1988)
5-22
Tabla 5.5. Convenciones para el mapa de Usos de la Tierra en Colombia.
Clasificación según el Uso de la Tierra

Tierra en agricultura
- Cultivos transitorios.
Cu. Cultivos. Algodón, arroz, ajonjolí, sorgo, maíz, soya, tabaco, patilla, melón, yuca,
fríjol, papa, cebada, trigo y hortalizas.
- Cultivos Semiperennes
Cñ. Caña
Ba. Banano
- Cultivos Perennes
Cf. Café
Pa. Palma Africana
Me. Misceláneo. Areas ocupadas principalmente con cultivos transitorios, perennes y
semiperennes que se encuentran mezclados con pastos, rastrojos y relictos de bosque.
Tierra en Pastos
Pm. Pastos Manejados. Areas con cobertura densa de pastos con obras de adecuación y/o
prácticas agronómicas como : distribución y rotación de potreros, control de malezas,
fertilización y encalamiento.
Pn. Pastos Naturales o introducidos con cobertura densa. Areas con cobertura densa de
pastos, principalmente, sin obras de adecuación y sin prácticas agronómicas.
Pn1. Pastos Naturales o introducidos con cobertura rala. Areas con cobertura rala de
pastos pastos, principalmente, sin obras de adecuación y sin prácticas agronómicas.
Pn/Ra. Pastos con rastrojo. Areas con cobertura de pastos mezclados con rastrojos.
Tierras en Bosques.
Bp. Bosque primario. Areas en donde no se han realizado aprovechamientos madereros y
la intervención humana es mínima.
Bi. Bosque intervenido. Areas en donde se han efectuado aprovechamientos selectivos de
especies y sobre las cuales se han establecido pastos y cultivos de subsistencia.
Bpt. Bosque plantado. Areas cultivadas con especies maderables.
Sb. Sabana arbustiva
Xe. Vegetación xerofilítica. Areas con vegetación de tipo achaparrado, espinosa y de poca
densidad.
Tierras sin uso agropecuario o forestal.

Pa-Ci. Pantanos y ciénagas. Areas inundadas, con vegetación herbácea y de tipo arbustivo.
Pe. Pajonales y/o zonas sin cobertura vegetal. Areas con escasa o ningun cobertura
vegetal, generalmente se localizan sobre suelos superficiales; algunos sectores presentan
afloramientos rocosos.
Ra. Rastrojo. Areas con vegetación herbácea o arbustiva; pueden ser el resultado de tala de
bosques o abandono de potreros.
P-N. Páramos y Nieves perpetuas. Areas con vegetación propia de páramos y regiones
niveles.
5-23
Tabla 5.6. Reclasificación de los grupos originales y su respectivo valor C
Usos de la Tierra (IGAC) Usos de la tierra (Reclasificado) Valor C

Cu Cultivos transitorios 0.60
Cñ, Ba Cultivos semiperennes 0.62
Cf Cf 0.070
Pa, Me Misceláneo 0.30
Pm, Pn, Pn1, Pn/Ra Tierra en Pastos 0.078
Bp Bp 0.0006
Bi Bi 0.12
Bpt Bpt 0.02
Sb, Xe Sabana y Veg. Xerofilítica 0.01
Pa-Ci, Pe, Ra, P-N Tierra sin uso agropecuario o
1.0
forestal
Figura 5.5. Mapa del factor de Cubierta y manejo, C.
5-24
Estimación de la Erosión Laminar Media Anual en Colombia

Teniendo el país rasterizado en celdas de 2minutos de arco, para cada celda se calculó la
tasa media anual de perdida de suelo por erosión laminar como el producto de los cinco
factores de la USLE.
El cálculo de la erosión media anual en Colombia, se hizo multiplicando para cada una de
las celdas que componen todo el país los valores de los factores de la USLE en cada celda y
contenidos en cuatro mapas: Erosividad, Erodabilidad, Factor Topográfico y Factor de
recubrimiento y manejo de cultivos, todos ellos con la misma resolución. Para el quinto
factor (P) se considera que es 1.0 sobre todo el país lo que supone la condición más
desfavorable.
El mapa de Erosión Laminar Media Anual se muestra en la Figura 5.6 y en el Atlas digital
se puede acceder a este mapa que contiene el valor estimado para la perdida de suelo en
todas y cada una de las celdas en que se ha subdividido la geografía nacional.
Figura 5.6. Mapa de Erosion Laminar Media Anual de Colombia
5-25
Este mapa comparado con el mapa de erosión del IGAC es bastante semejante, sobre todo
en la zona central del país, considerando que la erosión reportada por el IGAC en el Atlas
de 1988 tiene en cuenta la remoción en masa, la erosión eólica y la degradación de los
suelos.
5.4.2 Estimación de la producción de sedimentos

En el mismo Atlas digital se puede hacer la integración de este mapa para cualquier cuenca
hidrográfica y obtener así un estimado de la tasa anual de sedimentos producidos en la
cuenca por erosión laminar.
Para validar los resultados obtenidos en este trabajo, se dispone de información de la

cantidad de sedimentos que transportan las corrientes en distintos sitios del país. Con base
en esta información publicada por el IDEAM se puede comparar el volumen medio anual
de sedimentos transportados por la corriente con los que se ha estimado como producidos
en la cuenca por erosión laminar.
La Tabla 5.7 muestra cada una de las estaciones en las que se hizo el balance de
sedimentos. Se puede observar que los errores en el cálculo de las áreas son pequeños, lo
que indica que el área de las cuencas se identifica con buena precisión. Las cantidades de
sedimentos que transportan las corrientes son coherentes con las cantidades de sedimentos
que se producen por erosión laminar en las cuencas tributarias. La Figura 5.7 muestra la
relación entre los datos estimados y los reportados para las diferentes estaciones.
En las cuencas más grandes la cantidad de sedimento que sale de la cuenca transportada por
las corrientes es muy cercana a la que se produce por erosión laminar, aunque en varios
casos es menor y esto se puede explicar por la gran capacidad de almacenar sedimentos
que tienen las ciénagas y las partes bajas de los valles en éstas cuencas.
En las cuencas pequeñas consideradas en este análisis el resultado es contrario ya que se

encuentra que la cantidad de sedimentos que anualmente transportan las corrientes es
5-26
significativamente superior a la que se produce por erosión laminar en la cuenca. Esto se

puede explicar por que la mayoría de las cuencas pequeñas consideradas en este análisis
son cuencas de montaña donde una gran cantidad de los sedimentos se produce por
movimientos en masa en las laderas de la cuenca.
Tabla 5.7. Cálculo del transporte de sedimentos basados en el mapa de erosión laminar.
Estación Cuenca Area Reportada Area Calculada Transporte Anual Transporte Anual Error Area[%] Error
[Km²] [Km²] [Mton/año] Estimado [Mton/año] Transporte[%]
Calamar Magdalena 257438 259198.73 386 468.45 0.68 21.36
Peñoncito Magdalena 139657 138853.78 290.12 310.71 0.58 7.10
Arrancaplumas Magdalena 54359 53945.01 143.99 106.06 0.76 26.34
Puerto Valdivia Cauca 37966 38553.77 120.99 79.46 1.55 34.32
Las Varas Cauca 59012 59148.21 149.11 89.73 0.23 39.83
Cuestecita Rancheria 2240 2311.66 0.28 9.21 3.20 3190.45
Cotoca Sinú 14915 13444.39 11.65 1.88 9.86 83.89
Pte La Sánchez Atrato 333 301.32 0.9 0.14 9.51 84.03
Pto. Barco Catatumbo 5179 5161.58 6.34 21.66 0.34 241.63
Pte Lleras Meta 8358 8020.99 45.57 8.47 4.03 81.40
Guayaré Guaviare 139520 139701.2 85.23 26.07 0.13 69.41
Angosturas Caquetá 5676 4982.71 20.75 4.84 12.21 76.67
Pte Texas Putumayo 2900 2891.1 4.69 1.42 0.31 69.81
Pte Pusmeo San Juan 14162 14120.37 75.35 29.75 0.29 60.52
La Pintada Cauca 27750 27783.45 33 51.77 0.12 56.87
Cañafisto Cauca 34335 34220.23 45 63.14 0.33 40.31
El Templete Rio Grande 1294 1135.88 0.74 1.62 12.22 118.82
Caseteja Negro 2448 2608.48 8.7 7.11 6.56 18.28
Pte_Balseadero Magdalena 5875 5765.76 14.21 11.88 1.86 16.37
Julumito Cauca 724 729.15 0.33 1.47 0.71 344.69
Se observa sin embargo que para muchas cuencas, el valor estimado para la cantidad de
sedimentos producidos por erosión laminar toma valores cercanos a la cantidad de
sedimentos que transporta la corriente ( línea de pendiente 1), este puede ser el caso en que
se tienen cuencas donde la erosión de origen laminar es una componente importante en el
aporte de sedimentos a la cuenca o también es el caso en que una cantidad de sedimentos
similar a la que se origina de los movimientos en masa, se almacena en la parte baja de la
cuenca.
El factor escala está altamente asociado a los resultados obtenidos. Es muy posible que por
no poseer la información adecuada a una escala mas fina, se dejen de obtener resultados
mas cercanos a los valores reales. Además el uso de la ecuación Universal de Pérdida de
Suelos no garantiza una precisión en todos los tipos de ambientes, a saber, que nuestro
5-27
clima y nuestra topografía son altamente variables y en muchos casos difieren ampliamente
de estos factores en los Estados Unidos, lugar donde se obtuvo la ecuación
Figura 5.7. Producción de sedimentos reportada vs. Estimada con mapa de

erosión laminar de acuerdo con la EUPS.
5.4.3 Propuesta metodológica para la determinación de la susceptibilidad a procesos

de denudación
La susceptibilidad a la erosión y a la remoción en masa se presenta de acuerdo a los grados
de estabilidad de las formaciones superficiales, los cuales a su vez están controlados por el
tipo de material y su grado de fracturamiento, las condiciones climáticas, el uso del suelo,
la ocurrencia de sismos. Por lo anterior las variables utilizadas en la generación de los
mapas de susceptibilidad a procesos de denudación son las siguientes:
a. Litología. Obtenida del Mapa Geológico de Colombia a escala 1:1’500.000 del

Ingeominas (1988).
b. Estructuras geológicas. Al igual que la anterior se digitalizó desde el Mapa Geológico
de Colombia a escala 1:1’500.000 del Ingeominas (1988).
5-28
c. Sísmica. Se utilizó la zonificación del territorio nacional a partir de las aceleraciones

pico efectivas (IGAC, 1989).
d. Mapa de usos de suelo. Esta información se obtuvo del mapa de Coberturas Vegetales
de Colombia a escala 1:3’400.000, (IGAC, 1992).
e. Mapa de zonas de vida de Colombia a escala 1:3’400.000 (IGAC, 1992).
f. Mapa de pendientes. Obtenido del mapa de pendientes presentado por el Proyecto de
Balances Hidrológicos de Colombia (Vélez et al, 2000).
g. Permeabilidad de las formaciones geológicas. Obtenido a partir del Mapa
Hidrogeológico de Colombia a escala 1: 2’500.000 (Ingeominas, 1989)
Los mapas que presentan las variables utilizadas se encuentran publicados a escalas que
varían desde 1:1’500.000 hasta 1:3’400.000, por esta razón se decidió trabajar en una escala
coherente con el nivel de información disponible y así se unificaron todos los mapas
utilizando celdas de 3.7 Km de lado (13.7 Km²).
5.4.4 Rangos Utilizados

Los rangos utilizados para la estimación cualitativa y a gran escala de la susceptibilidad a
los procesos de denudación son parte de la propuesta metodológica, pero en el Atlas
Hidrológico se cuenta con los mapas insumo sin reclasificar para que el usuario tenga la
libertad de realizar una reclasificación con base en criterios propios.
Una vez digitalizados en AutoCad los mapas con las variables requeridas se procedió a
realizar su reclasificación en rangos de susceptibilidad a la generación de los procesos
denudativos mediante el Idrisi como se describe a continuación.
Las 48 unidades litológicas presentadas en el Mapa Geológico de Colombia (Ingeominas,

1989) fueron reclasificadas en 10 grupos según características intrínsecas generales
referentes a granulometría, disposición estructural y composición mineralógica (Tabla 5.8).
5-29
Tabla 5.8. Grupos litológicos (modificado de Ingeominas, 1988)
GRUPO Unidades Tipos de rocas

1 Q Aluviones
Sedimentitas (Areniscas, lutitas y conglomerados) y
Tc, Te,Te, Toe, JKsc,
Metamorfitas de bajo grado (filitas, esquistos micáceos,
Jsc, Pzs, Km,
2 anfibólicos), con protolito volcano-sed.(esq. Verdes, grafíticos,
Kms,Kmg, Pzm?m,
cuarzosericíticos y cuarcitas), de alta presión (esquistos
Pzmv, Pzm
glaucofánicos), básicas (anfibolitas, metagabros, esq. verdes).
Te, Ks, Kso, K2, K1,
3 Lutitas, limolitas, grauvacas, chert, calizas y areniscas
TRs
4 To Turbiditas
Qpri, Tpra, Tpri, Tprb, Piroclastitas de ácidas a básicas, flujos de lodo, ignimbritas,
5
Jvs lavas andesíticas y depósitos aluviales
Plutonitas ácidas a intermedias (granitos, cuarzomonzonitas,
Tpa, Mpi, TRpa, Pzpa, granodioritas, sienitas y tonalitas) y Metamorfitas de protolito
6 Pepb, Pemv, Pem, volcano-sedimentario (anfibolitas y neises
Pemg anfibólicos,cuarzofeldespáticos y micáceo, migmatitas) y
granulíticas.
7 Tpi, Kpb, Pzpb, Pepb Plutonitas básicas a intermedias (gabros y dioritas)
8 Tpu, Kpu Plutonitas máficas a ultramáficas, rocas de afinidad ofiolítica
Vulcanitas ácidas a intermedias (andesitas, riolitas, dacitas,
9 Tvi, Jkv, Pevi
traquitas)
10 Tvb, Kvb, Tvu, Kvk Vulcanitas básicas a ultrabásicas (basaltos - komatiitas)
En la Figura 5.8 se puede observar la distribución de los grupos litológicos propuestos.
Figura 5.8. Mapa de grupos litológicos, modificado del Mapa Geológico de Colombia
(Ingeominas, 1988)
5-30
El mapa de pendientes determinado en grados y obtenido a partir de Balances Hidrológicos

de Colombia (Vélez et al., 2000) fue reclasificado en los siguientes intervalos (Tabla 5.9).
Tabla 5.9. Rangos de pendientes
CLASIFICACIÓN RANGO
Baja 0 – 15°
Leve 15 – 30°
Moderada 30 – 45°
Moderadamente Alta 45 – 60°
Alta Mayor de 60°
Con base en la resistencia a la compresión simple presentada por Quervain, 1967 se le

asignó a cada grupo litológico un grado cualitativo de susceptibilidad asociada a la
respuesta geomecánica del miembro más susceptible del grupo litológico así:
Tabla 5.10. Clasificación cualitativa según la resistencia a la compresión.
GRUPO RESISTENCIA A LA
CLASIFICACIÓN
LITOLÓGICO COMPRESIÓN SIMPLE MN/M²
1 Baja Menor de 80
2 Baja Menor de 80
3 Baja Menor de 80
4 Baja Menor de 80
5 Media 80 – 180
6 Media 80 – 180
7 Alta Mayor de 180
8 Alta Mayor de 180
9 Media 80 – 180
10 Alta Mayor de 180
Con el fin de obtener una aproximación a la susceptibilidad por grado de fracturamiento se

realizó, a partir del Mapa Geológico de Colombia (Ingeominas, 1988), una clasificación
según la distancia a la traza principal de la falla así (Tabla 5.11):
5-31
Tabla 5.11. Susceptibilidad al fracturamiento según la distancia a la traza
DISTANCIA A LA TRAZA DISTANCIA A LA

SUSCEPTIBILIDAD
PRINCIPAL CON ZONA TRAZA PRINCIPAL CON
POR
DE INFLUENCIA NO ZONA DE INFLUENCIA
FRACTURAMIENTO
ESPECIFICADA (KM) ESPECIFICADA (KM)
Alta <4 < 15
Moderada 4–8 15 – 30
Baja >8 > 30
Esta clasificación se realizó haciendo una aproximación con base en el área de influencia
promedio de las zonas de falla presentes en el territorio colombiano (4 Km a lado y lado de
la traza); sin embargo, es importante aclarar que para algunos casos como el sistema de
falla Cauca – Romeral Ingeominas han determinado áreas de influencia de 30 Km a lado y
lado de la traza principal, por esta razón se seleccionaron las principales zonas de falla para
ampliar su rango de cobertura hasta 30 Km a lado y lado, tal es el caso de las fallas de
Guaicáramo, Palestina y Bucaramanga – Santamarta entre otras.
Figura 5.9. Mapa de permeabilidad primaria (Ingeominas, 1989)
5-32
Para obtener el mapa de permeabilidad primaria se tuvo en cuenta la propuesta de

clasificación cualitativa presentada en el Mapa Hidrogeológico de Colombia (Ingeominas,
1989) como se muestra en la Figura 5.9.
La susceptibilidad determinada a partir del rango de pendientes se ve modificado por la

cobertura vegetal que determina el uso del suelo, por lo cual se establecieron 10 rangos de
uso del suelo (Figura 5.10) con base en el mapa de Usos de la Tierra (Tabla 5.12)
presentado por el IGAC (1988).
Figura 5.10. Mapa de cobertura vegetal (modificado de Usos de la Tierra, IGAC. 1988).
La influencia de la zona de vida en los procesos erosivos tiene que ver con la densidad de la
cobertura vegetal nativa o exótica (implantada) determinada en parte por los factores
climáticos tales como la humedad relativa y la precipitación.
En el sistema montañoso húmedo y muy húmedo dominan los movimientos en masa y en

zonas con estaciones secas marcadas la erosión laminar es el principal proceso denudativo.
Para el análisis de la susceptibilidad por precipitación, temperatura y humedad se
5-33
reclasificaron las 30 zonas de vida en que se encuentra dividido el país (IGAC, 1992) en 10
grupos como se muestra en la Tabla 5.12 (Figura 5.11).
Figura 5.11. Grupos de zonas de vida (IGAC, 1992)
Tabla 5.12. Clasificación general de la cobertura vegetal (modificado del mapa de Usos de
la Tierra presentado por IGAC, 1988).
CLASIFICACIÓN
SEGÚN COBERTURA RANGOS
VEGETAL
Bosque primario 1
Otros 2
Bosque plantado 3
Pastos 4
Bosque intervenido 5
Perennes 6
Café 7
Transitorios 8
Semiperennes 9
Sin uso 10
Con base en la zonificación sísmica de Colombia por aceleración pico efectiva (IGAC,
1989) se clasificó el área nacional en tres rangos de susceptibilidad (Figura 5.12).
5-34
Figura 5.12. Susceptibilidad sísmica (modificado de IGAC, 1989)
Tabla 5.13. Grupos de zonas de vida (modificado de IGAC, 1992)

Grupo Temp Precip Zona de vida
Formación nival
3-6 500 - 1000 Páramo subandino
1
<3 > 500 Tundra pluvial andina
3-6 > 1000 Páramo pluvial subandino
12 - 18 500 - 1000 Bosque seco montano bajo
2
6 - 12 500 - 1000 Bosque húmedo montano
18-24 125-250 Matorral desértico subtropical
18 - 24 250 - 500 Monte espinoso soubtropical
> 24 250 - 500 Monte espinoso premontano
3 18 - 24 500 - 1000 Bosque seco premontano
Bosque seco premontano (trans cálida)
18 -24 500 - 1000 Bosque seco subtropical
> 24 500 - 1000 Bosque muy seco tropical
12 - 18 1000 - 2000 Bosque húmedo montano bajo
4
6 - 12 1000 - 2000 Bosque muy húmedo montano
18 - 24 1000 - 2000 Bosque húmedo premontano
5
Bosque húmedo premontano (trans cálida)
6 > 24 1000 - 2000 Bosque seco tropical
12 - 18 2000 - 4000 Bosque muy húmedo montano bajo
7
6 - 12 > 2000 Bosque pluvial montano
18 - 24 2000 - 4000 Bosque muy húmedo premontano
8
Bosque muy húmedo premontano (trans cálida)
9 > 24 2000 - 4000 Bosque húmedo tropical
18 - 24 4000 -8000 Bosque pluvial premontano
Bosque pluvial premontano (trans cálida)
Bosque pluvial premontano (trans. Fria)
10
12 -18 > 4000 Bosque pluvial montano bajo
> 24 4000 - 8000 Bosque muy húmedo tropical
> 24 > 8000 Bosque pluvial tropical
5-35
Debido a que en algunos casos la influencia de las variables varía de proceso a proceso, se
realizó una clasificación adicional de las susceptibilidades intrínsecas del material y la
pendiente (Tablas 5.14 y 5.15).
Tabla 5.14. Rangos de susceptibilidad sísmica
Valores de aceleración Aa
Rango
(g)
Alto 0.25 – 0.4
Moderado 0.1 – 0.25
Bajo 0.05 – 0.1
Tabla 5.15. Susceptibilidad intrínseca de los grupos litológicos
Grupos litológicos
1 2 3 4 5 6 7 8 9 10
Reptación Mod Alta Alta Mod Alta Baja Baja Baja Baja Baja
Erosión laminar Baja Alta Alta Mod Mod Alta Mod Mod Mod Mod
Erosión Concentrada Baja Alta Mod Mod Mod Mod Alta Baja Mod Alta
Flujos Baja Alta Alta Alta Alta Mod Alta Baja Alta Alta
Deslizamientos Baja Alta Alta Alta Alta Alta Alta Alta Alta Alta
Caída y desgarres Baja Alta Mod Baja Mod Alta Baja Alta Alta Mod
Antes de continuar es importante recordar que para la realización de los mapas de

susceptibilidad a erosión y a remoción en masa, se utilizaron celdas de 13.7 Km², por tal
razón los resultados obtenidos no pueden ser utilizados para toma de decisiones en
proyectos de escala menor.
Esta es una propuesta metodológica basada en pesos ponderados del grado de intervención
de cada factor en la ocurrencia de cada proceso independiente. En la Tabla 5.16 se
presentan los pesos sugeridos para cada variable y los resultados obtenidos a partir de ellos
son los presentados en este trabajo. Sin embargo, el usuario podrá elegir los propios pesos
según su propio criterio.
5-36
Tabla 5.16. Susceptibilidad de los grupos litológicos según la pendiente
Grupos litológicos
1 2 3 4 5 6 7 8 9 10
Reptación Baja Leve Leve Baja Mod Mod Baja Baja Mod Baja
Erosión laminar Baja Leve Mod Baja Leve Leve Leve Leve Leve Leve
Erosión Concentrada Baja Baja Leve Mod Mod Leve Baja Baja Leve Baja
Flujos Baja Leve Leve Leve Leve Leve Mod Mod Leve Mod
Deslizamientos Baja Leve Mod Mod Leve Mod Mod Mod. alta Mod Mod. alta
Caída y desgarres Baja Mod. alta Mod. alta Baja Mod. alta Alta Alta Alta Alta Alta
La ecuación integradora general propuesta para determinar la susceptibilidad a cada uno de

los seis procesos analizados es:
Proceso = Litología + a × Geomecánico + b × Sísmico + c × Permeabilidad +

(5.8)
d × Pendiente + e × Uso del suelo + f × Falla + g × Zonas de vida
Para el cálculo de la susceptibilidad de las erosiones laminar y concentrada, la participación

de la permeabilidad se consideró inversa debido a que a menor permeabilidad mayor
susceptibilidad a la erosión. De manera similar, se consideró la influencia de la resistencia
geomecánica en la generación de deslizamientos como inversa. En los tres casos se asignó
un valor de 10 al peso de los mapas insumos (Tabla 5.17) en cada proceso y la ecuación se
modificó de la siguiente forma.
Erosión = Litología + a × Geomecánico + b × Sísmico + c * Permeabilidad -1 +

(5.9)
Deslizamiento = Litología + a × Geomecánico -1 + b × Sísmico + c × Permeabilidad +

(5.10)
5-37
Tabla 5.17. Peso de mapas insumos
Peso de los mapas insumos para la superposición

PROCESOS a b c d e f g
Erosión laminar 3 1 10 3 5 3 5
Erosión concentrada 4 1 10 3 5 3 5
Reptación 1 1 5 4 5 1 5
Deslizamientos 10 5 5 5 4 5 4
Flujos 3 1 3 4 5 2 5
Caídas y desgarres 5 5 3 5 5 5 3
Algunos de los mapas resultados se presentan a continuación.
Figura 5.13. Susceptibilidad a la caída de bloques y los desgarres
5-38
Figura 5.14. Susceptibilidad a la erosión concentrada
Figura 5.15. Susceptibilidad a los deslizamientos
5-39
Figura 5.16. Susceptibilidad a los flujos
Figura 5.17. Susceptibilidad a la reptación
5-40
El uso del álgebra de mapas en el Atlas Digital permite al analista la posibilidad de variar
los factores de ponderación de los mapas insumos para producir unos nuevos mapas de
susceptibilidad a la erosión por movimientos en masa.
5-41
Atlas Digital
6 MANUAL DEL USUARIO DE HidroSig Java.
6.1 Introducción.
El atlas digital permite la visualización interactiva de mapas de variables hidrológicas,
climáticas y geomorfológicas. Esta aplicación se ha denominado HidroSig Java. En esta
sección se presentan sus aspectos generales y un manual del usuario para manipular los
mapas producidos en el proyecto Atlas Hidrológico de Colombia. HidroSig Java fue
desarrollado usando programación orientada a objetos con el lenguaje Java y su librería
visual VisAD. Esto ofrece ventajas comparativas con respecto a otros lenguajes del
comercio, como el IDL en el cual se desarrolló HidroSig 1.0. Las ventajas de Java se
refieren a que: es de dominio público y con acceso gratuito a actualizaciones; es un
lenguaje multiplataforma y brinda herramientas útiles para realizar actualizaciones de datos
y código de programación a través de la Internet; y la programación orientada a objetos
hace que la generación de código sea mucho más fácil y organizada. Ya que Java es
multiplataforma, puede presentar desventajas en términos de velocidad de procesamiento,
con respecto a los lenguajes compilados en máquina como C++ o el mismo IDL. En
general, HidroSig Java es una herramienta que despliega información “raster”, vectorial y
puntual de cualquier variable que se pueda asociar a los puntos de un mapa geográfico.
Toda esta información hace parte de una base de datos actualizable que conforma, en sí, el
Atlas Hidrológico de Colombia. La visualización de mapas en este software es interactiva
y amigable con el usuario ya que permite: obtener información “al clic” de las variables,
utilizar una paleta personalizada de colores, hacer zoom, y otra serie de herramientas
programadas de manera tal que el usuario pueda sacar verdadero provecho de la
información desplegada.
6-1
Atlas Digital
En particular, HidroSig Java permite importar modelos de elevación digital de terreno y

extraer de ellos información geomorfológica fundamental, incluida la red de drenaje; con
esta red se pueden definir cuencas y, usando la información hidrológica de la base de datos,
estimar la escorrentía por medio del balance hídrico.
La información de HidroSig Java se maneja desde bases de datos construidas con

anterioridad. La base de datos que la aplicación usa por defecto se encuentra en la carpeta
BaseDeDatosHSJ y su tamaño es de 340 megabytes; ésta incluye carpetas y archivos con
información geomorfológica, hidrológica, topográfica, climátologica, política y toponímica.
En esta base de datos se encuentran todos los mapas generados durante la investigación del
proyecto Atlas Hidrológico de Colombia. En el disco de instalación, se incluye además una
base datos pequeña con mapas de todo el mundo. El usuario puede usar y cambiar estas
bases de datos desde la aplicación tal y como se explica más adelante.
Este manual del usuario contiene, como primera medida un sobrevuelo a lo que se puede
hacer en la aplicación, posteriormente se presenta una guía general que incluye los detalles
de todas las herramientas y posibilidades a las que tiene acceso cuando usa el HidroSig
Java; por último, una guía tutorial indica los pasos a seguir para convertir mapas físicos en
información desplegable en el atlas digital.
Antes de instalar HidroSig Java, lea cuidadosamente el archivo LEAME_INSTRUCCIONES

del CD de instalación anexo a este informe.
6.2 Guía para usuarios nuevos.

Cuando usted entra al HidroSig Java lo primero que observa es la interfaz principal que se
muestra en la figura 6.1 con un espacio central en el que se desplegarán los mapas. En la
parte izquierda encuentra activado el legajador de la base de datos por defecto.
6-2
Atlas Digital
Para ver el modelo digital de terreno de Colombia con una resolución de 120 segundos de
arco, haga clic en la carpeta de 120 [ArcSec] del recuadro Selección de MDT y haga clic en la
carpeta Colombia. Allí encontrará dos archivos con extensión .metaMDT, estos archivos
contienen la información sobre el mapa y es exactamente la misma que se muestra en el
recuadro MetaArchivo. Haga doble clic en, por ejemplo, el archivo colombia_original.metaMDT.
Inmediatamente aparecerá una caja de diálogo con una lista de variables geomorfológicas
que se pueden desplegar en mapas y que fueron extraídas previamente del MDT (a esto se
refiere el mensaje: Este Modelo Digital de Terreno ya ha sido Procesado); para ver uno o más de
estos mapas, selecciónelos y haga clic en Abrir. Para una mejor visualización de la variable,
usted puede seleccionar la tabla de colores de su preferencia, para esto haga clic en el
legajador de Visualización Global y seleccione, por ejemplo, Especial. La figura 6.2 muestra
cómo debe lucir la interfaz principal cuando se realiza esta operación para el mapa de
Pendientes Máximas.
Figura 6.1 Interfaz principal del software HidroSig Java.
6-3
Atlas Digital
Si desea volver a la paleta de colores por defecto haga clic en Reset, por otra parte el botón
Grey Scale le permite usar directamente la paleta de Blanco y Negro.
Ahora localice el puntero del mouse en la región del mapa y haga clic con los dos botones
del mouse simultáneamente. Inmediatamente, en el recuadro superior izquierdo de la
interfaz, aparecerá información puntual del valor de la variable sobre el pixel en el cual se
encuentra el puntero del mouse. Para mover el mapa con relación a la interfaz, simplemente
arrástrelo con el mouse manteniendo el botón derecho presionado.
Figura 6.2 Mapa de pendientes máximas para Colombia y selección de la tabla de colores.
La visualización de HidroSig Java permite hacer zoom infinito en ambas direcciones. Una
forma rápida de hacer esto es presionando simultáneamente la tecla “Shift” y el botón
derecho de su mouse y moviendo este hacia delante o hacia atrás para que el mapa se
acerque y se aleje respectivamente. Otra forma de hacer zoom es mediante la opción Zoom
en Caja del menú Edición. Una vez seleccionada esta opción lleve el mouse hasta la esquina
6-4
Atlas Digital
superior izquierda del cuadro sobre el cual desea el zoom, estando allí presione los dos
botones del mouse simultáneamente y manténgalos así mientras mueve el puntero hasta la
esquina inferior derecha de la caja que le interesa, por último suelte los botones y espere a
que aparezca la imagen. En caso de que desee el mapa en la posición por defecto, haga clic
en Opciones de Mapa y luego en Restituir Imagen.
Figura 6.3 Extracción de corrientes y localización de algunas cuencas sobre el mapa de Direcciones de
Drenaje del MDT Concordia.
Uno de los productos de HidroSig Java es la matriz de direcciones de un MDT cualquiera.

A partir de esta matriz usted puede observar la trayectoria que sigue una gota de agua desde
cualquier pixel hasta la frontera del mapa. Para hacer esto haga clic en el menú Opciones de
Mapa del interfaz del mapa y seleccione Corrientes y Trazar Corriente; luego lleve el puntero
del mouse hasta un punto del mapa, oprima los dos botones del mouse simultáneamente y
6-5
Atlas Digital
espere unos segundos. Ahora, para visualizar una subcuenca de la corriente que acaba de
trazar, haga un zoom suficiente para distinguir por cuáles puntos del mapa pasa la corriente;
luego, en el menú Opciones de Mapa seleccione Definir Cuenca y oprima los dos botones del
mouse en alguno de los pixeles sobre la corriente, espere unos segundos y seleccione
Restituir Imagen. Por ejmplo, si usted realiza esta operación varias veces sobre el mapa de
Direcciones de Drenaje del MDT Concordia usando la paleta Grey Scale, el resultado debe ser
similar al mostrado en la figura 6.3.
En cuanto a las herramientas para manejo de información hidrológica, HidroSig Java

permite, entre muchas otras cosas, realizar rápidamente estimaciones del caudal medio en
cualquier punto de un mapa para el cual la base de datos tenga información de las variables
incluidas en el balance hídrico. Por ejemplo, en el legajador Análsis MDT, abra el archivo
colombia_original.mdt y posteriormente despliegue el mapa Modelo Digital de Terreno Corregido
con la paleta de colores Elevaciones. A continuación, se hará el balance en una de las
cuencas del río Sogamoso en la cual se tenga registro de caudales.
El primer paso consiste en ubicar el sitio en el cual se quiere hacer el balance y visualizarlo
de una forma agradable. Para esto haga clic en el menú Herramientas y luego en Opciones de
Mapa; en este momento se abrirá una ventana que le permitirá escoger el color con el cual
se mostrarán las estaciones que usted desee ubicar en el mapa. Seleccione por ejemplo el
color rojo de la paleta, haga clic en la opción Estaciones y por último presione el botón
Actualizar. Ahora seleccione el legajador Sitios de la parte derecha de la ventana del mapa
que abrió hace unos momentos. Allí aparece una lista de tipos de puntos que usted puede
localizar; haga clic en Estaciones_LG (esto quiere decir limnigráficas). En el cuadro de
diálogo ubique la corriente Sogamoso en la lista Corriente, el programa mostrará todas las
estaciones LG incluidas en la base de datos y que están ubicadas sobre el río Sogamoso.
Seleccione, por ejemplo, la estación Pte_La_Paz del municipio Betulia y haga clic en la
flecha gris que apunta hacia la derecha. Para conocer los datos que se tienen de esta
estación en la base de datos haga clic en Visualizar Datos Estación, allí (entre muchas otras
cosas) usted podrá observar una caudal medio observado de 490.53 m3/s en la caja de texto
6-6
Atlas Digital
Promedio. Oprima Aceptar para volver a la ubicación de estaciones. Ahora active la opción
Mostrar Nombres y haga clic en Ubicar Seleccionadas. De esta manera, en el mapa activo
aparecerá ubicada la estación en el sitio adecuado y en el color que usted escogió.
Figura 6.4 Determinación del balance hidrológico en una estación del río Sogamoso.
Para realizar el balance hidrológico en la cuenca que tiene como salida este punto, trace la
corriente del río Sogamoso y extraiga la cuenca en el punto en el cual fue ubicada la
estación. En el legajador Vectoriales de la ventana del mapa, aparecerá seleccionada el
objeto vectorial colombia_original.mdt_Cuenca x_198 y_362.poli. Ahora, en el legajador Balance
y Ciclo Anual de la parte derecha de la interfaz principal aparece una lista con las cuencas
que usted haya extraído en el mapa activo hasta el momento, seleccione Cuenca x_198
y_362. Para incluir las variables hidrológicas en el balance, haga clic en el botón [...]
correspondiente a Precipitación y seleccione un archivo de campo de precipitación, por
6-7
Atlas Digital
ejemplo BHC 1999/Final/pre_final.metaVHC; para estimar el valor de la evaporación,

seleccione el archivo evapora_real_nhc_penman_2.metaVHC de la carpeta:
EvaporacionReal/Penman/BasadaenPenmanPotencial/
HidroSigJava integra estos mapas sobre toda la cuenca y, en la caja de Caudal Estimado,
muestra una aproximación de la escorrentía promedio con un valor de 476.52 m3/s. En la
figura 6.4 se muestra como debe quedar la interfaz después de haber realizado el balance.
6.3 Guía General.

El propósito de esta guía es explicar en detalle cada una de las herramientas a las que usted
tiene acceso en HidroSig Java y las formas en las que usted puede usar estas herramientas
para obtener información de los mapas del Atlas Hidrológico de Colombia. En la figura 6.5
se ubican los elementos principales a los que usted puede tener acceso mediante la interfaz
principal.
En primer lugar está un menú principal en la parte superior de la interfaz que brinda acceso
a las herramientas generales de la aplicación. En el centro de la interfaz usted podrá
desplegar tantos mapas como usted quiera y podrá interactuar con ellos en forma separada.
A la derecha de la interfaz de mapas hay una serie de legajadores que dan acceso a
información específica acerca de la visualización y la región que se está mostrando en el
mapa. Allí es posible efectuar balances hídricos y de erosión, y se da acceso a la base de
datos a la que su archivo pertenece. En la esquina superior izquierda de la interfaz, usted
tendrá información al clic de la variable que se esté mostrando en el mapa activo.
La interfaz de mapas contiene un menú de opciones mediante el cual se accede a las

herramientas de trazado de corrientes, definición de cuencas, distancia entre dos puntos y
restitución del mapa activo. La izquierda de esta interfaz contiene una serie de legajadores
que permiten agregar al mapa objetos vectoriales tales como límites políticos o redes de
drenaje; y objetos de polígonos tales como cuencas.
6-8
Atlas Digital
En las secciones que siguen se describirán cada uno de los elementos de la interfaz y de los
procedimientos a los que se accede mediante ellos.
Menú principal Legajadores de objetos sobre el Mapa Información al clic sobre el mapa
Opciones
del Mapa Legajadores
Globales.
Figura 6.5 Componentes de la interfaz principal.
6.3.1 Menú Principal.
6.3.1.1 Menú Archivo.

En este menú están reunidas las herramientas que le permitirán abrir mapas nuevos o
existentes de diferentes bases de datos y en distintos formatos. El primer submenú que
usted encuentra es Abrir Archivo Individual; desde allí usted puede cargar modelos digitales de
terreno o mapas de variables hidrológicas; a continuación se describe como funciona esta
herramienta en cada caso.
6-9
Atlas Digital
Abrir Archivo individual (MDT)

Los modelos digitales de terreno son mapas asociados a la variable “raster” elevación, y
están representados por archivos con extensión .mdt. Para abrir uno de estos mapas ubique
el archivo que contiene su información básica, esto es, un archivo con el mismo nombre
que el MDT pero con extensión .metaMDT y haga clic en el botón Open. Aparecerá uno de
los menús que se muestran en la figura 6.6. Si el modelo digital de terreno que usted abrió
no ha sido sometido a la corrección de zonas planas y sumideros ni al consiguiente cálculo
de mapas de variables geomorfológicas, sólo podrá visualizar el mapa de elevaciones. Si
este es el caso y usted desea que su MDT sea corregido y se extraiga la red de drenaje, haga
clic en el botón Procesar. La aplicación mostrará entonces una interfaz como la de la figura
6.7; en la parte superior se le informará cuántas zonas planas y sumideros contiene su
MDT, esto es un indicativo de la calidad de la rasterización.
(a) (b)
Figura 6.6 Interfaz para abrir las variables geomorfológicas asociadas a un MDT. En (a) el MDT ya ha sido
procesado y tiene diez mapas posibles ya construidos; en (b) sólo se tiene acceso al MDT, para calcular el
resto de mapas se debe hacer clic en Procesar.
Figura 6.7 Cuadro de diálogo de la corrección de un MDT, la barra indica el progreso en la corrección de
sumideros. Para cada uno de los sumideros se deben corregir zonas planas y calcular direcciones de drenaje.
El estado indica qué parte del proceso se está ejecutando.
6-10
Atlas Digital
Si usted oprime el botón Iniciar comenzará un proceso que corregirá las zonas planas y los
sumideros haciendo cambios en las elevaciones y creando un MDT corregido, además
calculará los mapas de: direcciones de drenaje, áreas acumuladas, orden de Horton,
magnitud de la cuenca, pendientes máximas del terreno, longitud del canal principal de la
cuenca, longitud total de canales de la cuenca y diámetro topológico de la red de drenaje de
la cuenca; por último se crearán dos archivos para la representación vectorial de la red de
drenaje. Todo este proceso puede tardar desde segundos hasta horas dependiendo del
tamaño del MDT, del número de sumideros y de la capacidad de su procesador. Como
indicativo, el MDT colombia_original con 60 segundos de arco de resolución, tiene 10005
zonas planas y 2122 sumideros y tarda 2 horas en un procesador de 256 MHz para
corregirse; por otra parte, procesar el MDT colombia_original con resolución de 120
segundos de arco implica la corrección de 2579 zonas planas y 831 sumideros y tarda 40
minutos en el mismo procesador. El resultado de este proceso es la creación de once nuevos
archivos que tienen el mismo nombre del MDT procesado y con extensiones que indican la
variable geomorfológica que contienen.
Cuando el MDT haya sido corregido usted podrá abrir uno o varios de los mapas desde una
lista como la de la figura 6.6 (a), simplemente seleccionándolos y haciendo clic en el botón
Abrir.
Abrir Archivo Individual (Variable Hidrológica).

Las variables hidrológicas son el segundo tipo de variables “raster” que HidroSig Java le
permite acceder. Estas variables están representadas, al igual que los MDT, por un archivo
que contiene la información básica sobre ellas; en este caso se utilizan archivos con
extensión .metaVHC. Usted puede buscar estos archivos en la base de datos usando la
interfaz que aparecerá cuando haga clic en Variable Hidrológica. Cada uno de los archivos
.metaVHC puede estar asociado a un conjunto de mapas de variables hidrológicas, por
ejemplo, si usted selecciona el archivo turc.metaVHC en la carpeta Turc de Evaporación Real
en la base de datos por defecto, y hace clic en Open, observará la interfaz que se muestra en
la figura 6.8; allí se muestra un conjunto de mapas de evaporación que comparten la misma
6-11
Atlas Digital
información almacenada en turc.metaVHC. Para desplegar cualquiera de los mapas,

simplemente haga clic en Abrir Archivo.
Ahora, si usted desea abrir más de un mapa al mismo tiempo, puede utilizar el legajador
Abrir Múltiples Archivos de la figura 6.8. En este caso aparece una la interfaz que se muestra
en la figura 6.9.
Figura 6.8 Interfaz para abrir un mapa de una variable hidrológica.
Figura 6.9 Interfaz para abrir múltiples variables climatológicas.
Esta herramienta le brinda a usted dos formas de visualizar el conjunto de mapas de la lista
izquierda: Desplegar simultáneamente y Desplegar en Capas. La primera opción le permitirá
observar todos los mapas que usted elija distribuidos ordenadamente en toda el área de
visualización. Si usted elige Desplegar en Capas, la aplicación mostrará los mapas
superpuestos. Cuáles mapas se despliegan y en qué orden lo hacen, son decisiones que
usted puede tomar. De esta manera, para agregar los mapas que desee desplegar,
selecciónelos en la lista izquierda y haga clic en el botón , si desea remover alguno de los
que agregó, oprima el botón , si desea agregar todos haga clic en Add All. Ahora, para
ordenar los mapas de la manera que usted los quiere ver, simplemente seleccione uno o
6-12
Atlas Digital
varios de los archivos de la lista derecha y muévalos a la posición que desee usando los
botones y . Cuando tenga los mapas de la lista derecha tal como desea verlos, haga
clic en Abrir Archivos para visualizarlos.
Por ejemplo, en la figura 6.10 se muestran algunos mapas de evaporación mensual

desplegados simultáneamente; estos mapas hacen parte de la variable hidrológica
representada por el archivo Mortonreal.metaVHC.
Figura 6.10 Conjunto de mapas de una variable hidrológica mostrados usando la herramienta Desplegar
Simultáneamente. Los recuadros del legajador Variables Activas muestran el valor de la variable de cada mapa,
en el punto en el cual usted posicione el puntero del mouse.
En el tipo de visualización de la figura 6.10, cuando usted recorre alguno de los mapas con
los dos botones del mouse presionados al tiempo, el legajador Variables Activas le mostrará
los valores de la variable desplegada en cada uno de los mapas, al mismo tiempo, el
recuadro superior derecho de la interfaz principal será actualizado con la posición y los
valores de la variable del mapa sobre el cual usted se esté desplazando.
6-13
Atlas Digital
Por otra parte, si usted utiliza la visualización con Desplegar por Capas, observará una
interfaz como la que se muestra en la figura 6.11, en este caso sólo podrá ver un mapa al
tiempo y, si desea cambiar de mapa basta con mueva verticalmente la barra deslizadora que
aparece en el lado izquierdo. Aunque usted sólo vea un mapa al tiempo, la información de
la variable, mientras usted se mueve por encima del mapa, se mostrará de la misma forma
que si utiliza Desplegar Simultáneamente.
Figura 6.11 Conjunto de mapas de una variable hidrológica mostrados usando la herramienta Desplegar por
Capas. Los recuadros del legajador Variables Activas muestran el valor de la variable de cada mapa, en el punto
en el cual usted posicione el puntero del mouse. Para observar cualquier otro mapa de los que usted desplegó
mueva la barra deslizadora que aparece a la izquierda de la interfaz.
Abrir Base de Datos.

Con esta opción usted puede cambiar la base de datos que se muestra en el legajador Base
de Datos de la parte derecha de la interfaz. Así usted no tiene que utilizar toda la base de
datos por defecto que incluye HidroSig Java y, además puede incluir bases de datos
propias. Para abrir la base de datos BaseDeDatosEjemplo, simplemente haga clic en Abrir
Base de Datos, ubique la carpeta de la nueva base de datos y haga clic en Seleccionar.
6-14
Atlas Digital
Importar (MDT)
Esta herramienta está diseñada para que usted pueda visualizar sus propios modelos de
elevación digital. Su función es convertir los MDT rasterizados bajo algún tipo de software,
al formato que HidroSig Java requiere para operar con ellos. De esta manera, la herramienta
despliega una interfaz de explorador de carpetas que localiza archivos ASCII de Idrisi® y
archivos con terminación GRASS. Ambos tipos de archivos son el resultado de usar
procedimientos de rasterización o interpolación incluidos en varios paquetes de software
comercial. Los detalles de cómo obtener estos archivos se explican en la sección 6.1.5. Para
importar uno de los archivos, simplemente selecciónelo de la lista y haga clic en Open.
Archivos Abiertos Recientemente.

En este menú usted podrá encontrar los archivos individuales de MDT o variables
hidrológicas que ha abierto últimamente en HidroSig Java. Si usted hace clic en alguno de
los archivos aparecerá la interfaz propia del archivo, o sea, la que se muestra en la figura
6.6 o la figura 6.8, dependiendo si se trata de un MDT o una variable hidrológica
6.3.1.2 Menú Herramientas.

Calculadora de Mapas.
Esta herramienta fue diseñada para que usted pueda crear mapas a partir de la aplicación de
una gran variedad de operaciones, sobre cualquiera de los mapas existentes en la base de
datos. De esta manera, la calculadora de mapas, además de tener todas las operaciones de
una calculadora científica normal, le permite hacer operaciones aritméticas, lógicas y
estadísticas con mapas.
En la figura 6.12 se muestra la interfaz de la calculadora de mapas y sus componentes

principales; posteriormente se da una explicación detallada de la función de cada uno de
esos componentes y las posibilidades a las que usted tiene acceso con esta herramienta.
La casilla de texto “Expresión=” permite editar las operaciones a realizar en la calculadora;

estas operaciones utilizan como argumentos los números de la parte derecha de la
6-15
Atlas Digital
calculadora y/o los mapas que pueden ser seleccionados con los botones de “Mapas”. Todas
las operaciones posibles se encuentran en alguno de los tres legajadores del centro de la
interfaz. Estas operaciones son de tres tipos, aritméticas, lógicas y estadísticas. Por último,
los botones de la parte inferior de la calculadora, manipulan las expresiones válidas que
hayan sido entradas.
A continuación se presentarán una serie de ejemplos ilustrativos usando los varios tipos de
operaciones que usted puede realizar en la calculadora de mapas.
Casilla para expresiones. Legajadores para los tipos de

operaciones.
Operaciones
Básicas.
Inserción
de Mapas.
Botones de
ejecución.
Figura 6.12 Interfaz de la Calculadora de mapas.
En primer lugar, recuerde que el “Indice Topográfico” de una región se define como:
IT= log(A×l-1×p-1), (6.1)
donde A es el área de drenaje acumulada, p es la pendiente máxima y l es la longitud media
del pixel. Para calcular este índice sobre el modelo digital de la región de Chocó, lo primero
que se debe hacer es incluir los mapas necesarios en la lista de botones de Mapas; esto es,
preparar los mapas de Areas Acumuladas y Pendientes de la Cuenca del MDT de Chocó, para
que la calculadora los acepte como objetos con los cuales se pueda operar. Para esto haga
6-16
Atlas Digital
clic en botón Agregar y, en la casilla de texto que se despliega, escriba el nombre con el cual
usted quiera identificar el mapa de área acumulada (por ejemplo Areas(Choco)). Luego
presione el botón Buscar... y explore sus directorios hasta localizar el archivo
topochoco.areas de la carpeta Topografía/Choco, haga clic en Open y por último presione
Aceptar. Esto incluirá un botón con el nombre que usted haya elegido en la lista de Mapas.
Repita la operación para el archivo de pendientes máximas topochoco.pend y un nombre
como Pend(Chocó).
Figura 6.13 Índice topográfico para la región del Chocó calculado con la calculadora de mapas.
Para estimar el valor de l, usted puede consultar la información del MDT del Chocó; para
esto abra cualquiera de los mapas de la carpeta Choco usando el legajador Análisis de MDT o
el menú Archivo y, en el legajador Propiedades, observe que la resolución de los mapas de
esta carpeta es de 60” de arco, lo cual es aproximadamente 2 km. Ahora se puede escribir la
expresión del cálculo. Esto se logra aplicando las operaciones en el mismo orden de la
fórmula 6.1, o sea, presionando los siguientes botones: Log, Areas(Choco), /, Pend(Choco), /,
6-17
Atlas Digital
2. Luego asegúrese que el paréntesis del logaritmo agrupe toda la división; la expresión
debe lucir así: Log( [Areas(Choco)]/[Pend(Choco)]/2).
Cuando usted oprime el botón Ejecutar Expresión, HidroSig Java despliega un nuevo mapa
resultado de calcular el valor de la expresión en cada uno de los puntos de los mapas
involucrados; este nuevo mapa queda guardado en la carpeta Temporal de BDRaster, con
extensión .vhc. El mapa resultante, usando la paleta Gamma Estandar, se muestra en la figura
6.13.
HidroSig Java incluye también en su calculadora, operaciones básicas de estadística

descriptiva. Estas operaciones le permiten calcular rápidamente el promedio, la desviación
estándar, la asimetría y la kurtosis de los datos (que no estén marcados como faltantes) de
cualquier mapa. Por ejemplo, si agrega el Mapa_N.Anual.Promedio.vhc de la carpeta de
Precipitación/Dias con Lluvia y lo nombra como “Dias con lluvia”, usted puede calcular de forma
expedita el promedio espacial del número de días en los cuales se registró precipitación en
Colombia, para esto use la expresión Prom([Dias con lluvia]) y el resultado 183.7507
aparecerá en la caja de texto. Más aún, usted puede hallar el mapa de esta variable
estandarizada, operando la expresión:
([Dias con lluvia]-Prom( [Dias con lluvia] ))/DesvEst([Dias con lluvia])
y el mapa que se desplegará será similar al de la figura 6.14a.
Por último, las operaciones lógicas de la calculadora de mapas son una herramienta que le
permite hacer, entre otras cosas, una comparación rápida e interactiva de mapas. Cuando
usted ejecuta una operación lógica entre mapas, el resultado será un nuevo mapa con
valores binarios: 1.0 en los puntos en los cuales la expresión sea verdadera y 0.0 en donde
sea falsa. Por ejemplo, es interesante conocer cuáles cambios se efectuaron durante la
corrección de un modelo digital de terreno; para averiguar esto en el caso de la topografía
original de Colombia con resolución de 120”, adicione botones para los mapas
colombia_original.corrMdt y colombia_original.mdt de la carpeta 120[ArcSec]/Colombia. Si ésta
inclusión se hizo con los nombres de “Bruto” y “Corregido” respectivamente; la expresión
que debe ser ingresada en la casilla para visualizar los puntos de diferencia entre los mapas
6-18
Atlas Digital
será: [Corregido] != [Bruto], en la cual el operador “!=” significa “diferente” y se encuentra en

el legajador de Operaciones Lógicas. El resultado es similar al mapa de la figura 6.14b.
Cuando usted desee conservar las expresiones que ha evaluado en la calculadora de mapas,
puede usar el botón Guardar Expresión. De la misma forma, una expresión previamente
guardada en un archivo con extensión .txt puede ser utilizada automáticamente con el botón
Cargar Expresión.
(a) (b)
Figura 6.14 (a) Estandarización del mapa de Dias con Lluvia en Colombia usando la calculadora de mapas y la
paleta de colores Verde-Rojo-Azul-Blanco. (b) Diferencia entre los mapas corregido y bruto de la topografía
digital de Colombia a 120”.
Zoom en Caja.
Esta herramienta sirve para hacer zoom sobre una región cuadrada del mapa que esté
visualizando. Una vez seleccione esta opción, lleve el mouse hasta la esquina superior
izquierda del cuadro sobre el cual desea el zoom; estando allí presione los dos botones del
mouse simultáneamente y manténgalos así mientras mueve el puntero hasta la esquina
inferior derecha de la caja que le interesa, por último suelte los botones y espere a que
aparezca la imagen. Recuerde que usted puede hacer zoom directamente usando Shift +
botón derecho y haciendo movimientos del mouse hacia delante y atrás.
6-19
Atlas Digital
Análisis de Mapa en 3D.

Esta herramienta le permite visualizar en tres dimensiones, y de manera interactiva,
cualquier mapa de variables raster que este incluido en la base de datos. Para activar esta
opción simplemente haga clic en Análisis de Mapa en 3D cuando el mapa que usted desee
visualizar esté como mapa activo; inmediatamente aparecerá un interfaz como la que se
muestra en la figura 6.15. Allí están a su alcance una serie de herramientas para cambiar el
aspecto, la orientación y posición del mapa; a continuación se describe cómo funcionan
estas herramientas.
Posición relativa del mapa. Para mover el mapa hacia usted o hacia el fondo de la pantalla
haga lo mismo que en el zoom de los mapas en 2D, esto es, desplace el mouse hacia arriba
y hacia abajo con el botón derecho y la tecla Shift presionados simultáneamente. Para mover
la caja del mapa en cualquier dirección del plano de la pantalla, presione el botón derecho
del mouse y la tecla Ctrl mientras mueve el mouse como desee.
Orientación del mapa. HidroSig Java le permite rotar el mapa 360º al rededor de cualquier
eje de manera muy sencilla. Simplemente presione el botón derecho del mouse mientras
mueve el puntero en la dirección que usted desee que rote el mapa. Además, para efectuar
rotaciones alrededor de las direcciones perpendiculares definidas por el plano de la pantalla
y el eje que la atraviesa, usted puede presionar algunos de los seis botones Girar de la parte
izuierda de la ventana del mapa. Estos botones rotan el mapa un ángulo fijo cada vez que
son activados.
Aspecto del mapa. Para que usted pueda apreciar un buen contraste entre los valores que
toma su variable sobre el mapa que se está mostrando, la visualización en 3D le permite
también modificar la escala vertical en la cual se muestran las elevaciones sobre el mapa.
Esto se logra modificando el valor de la casilla Altitud de la parte superior izquierda de la
ventana, para lo cual usted puede ingresar manualmente un número entre 0 y 100, desplazar
6-20
Atlas Digital
la barra deslizadora o presionar las flechas de ésta. Para observar los cambios, haga clic en
el botón Cambiar.
Para conocer la ubicación según los tres ejes de la caja de cualquiera de los puntos del
mapa, usted puede hacer uso del cursor 3D que aparece ante el desplazamiento del puntero
por el volumen del mapa mientras mantiene presionado los dos botones del mouse
simultáneamente. Usted puede “posar” este cursor sobre la superficie del mapa o
atravesarla con él para ubicarse en un punto exacto de la malla graficada. Las coordenadas
del cursor aparecen en tiempo real en la esquina superior izquierda del recuadro del mapa.
Figura 6.15 Interfaz para la visualización en 3D para el MDT de concordia[60] y la paleta de colores
Elevaciones. Nótese la alta relación de aspecto que se requiere.
6-21
Atlas Digital
Si usted desea que el mapa vuelva a la posición por defecto y su aspecto original, puede
hacer clic en el menú Opciones y luego en Restituir Mapa. Por último debe anotarse que,
inclusive para visualización 3D, HidroSig Java le permite escoger y personalizar la paleta
de colores.
Opciones.
Desde este botón usted tiene acceso a dos herramientas muy útiles que le permitirán
mejorar su interacción con HidroSig Java. La primera es la modificación de los colores de
todos los objetos que se despliegan en los mapas; en segundo lugar, la limpieza de los
archivos temporales que se crean durante el uso de la aplicación. En la figura 6.16 se
muestra la interfaz que se despliega cuando hace clic en Opciones, ésta contiene dos
legajadores correspondientes a las dos herramientas mencionadas.
Figura 6.16 Interfaz de Opciones del Sistema y modo Swatches de selección de color.
El legajador Colores Sistema tiene una apariencia como el de la figura 6.16; en la parte
izquierda usted encuentra, agrupados en lo paneles Sitios e Hidrología, cada uno de los
6-22
Atlas Digital
objetos desplegables que pueden ser coloreados. En el centro se encuentran los legajadores
Swatches, HSB y RGB; cada uno de ellos le permite seleccionar colores de manera diferente.
Justo debajo de estos legajadores, en el panel Preview, se muestra el color que usted está
seleccionando en el momento. Para modificar el color de alguno de los objetos,
selecciónelo haciendo clic en él, escoja el color hasta que en Preview aparezca el color que
usted desea, y haga clic en Actualizar. El indicador que está debajo del objeto que usted
seleccionó debe quedar del color deseado.
(a) (b)
Figura 6.17 Modos HSB y RGB para la selección de colores. El color escogido se muestra en Preview.
La selección de los colores se puede hacer usando una de tres formas estándar. Si usa el
legajador Swatches, usted debe simplemente escoger uno de los colores de la cuadrícula, los
últimos colores escogidos aparecen en Recent. En el legajador HSB, mostrado en la figura
6.17(a), se utiliza una especificación triple para cada color: matiz (H), saturación (S) y brillo
(B). Para escoger el color se debe escoger una pareja compuesta por los dos primeros
componentes, y para esta combinación, seleccionar el valor del componente restante. Así
por ejemplo, ubique en el recuadro el color que mejor le parezca, luego para este color,
modifique la tercera componente usando la barra deslizadora del lado derecho. Usted puede
cambiar qué variable se modifica usando la barra, simplemente seleccionando H, S ó B en la
lista de botones de opción de la esquina superior izquierda del legajador. La tercera forma
de selección, mostrada en la figura 6.17(b), usa las coordenadas RGB (rojo, verde y azul)
6-23
Atlas Digital
para determinar el color adecuado; así, desplace las barras delsizadoras hasta el valor
deseado de cada componente, el resultado se puede ir observando en el panel de Preview.
El legajador Almacenamiento permite realizar una limpieza del archivo Temporal de la

carpeta JavaSIH/Resources. En esta carpeta se guardan los archivos raster producidos por la
calculadora de mapas, los polígonos resultantes de la extracción de cuencas, los archivos .tri
con los puntos de la triangulación de cuencas necesaria para el balance, y los mensajes de
error que la aplicación produce en la máquina virtual de Java. Para borrar estos archivos,
simplemente selecciónelos y haga clic en Eliminar Seleccionados.
Menú Ventana.
Este menú le permite moverse de forma rápida entre los legajadores de la parte izquierda de
la interfaz, los mapas individuales y los visualizadores múltiples que tenga abiertos en un
momento dado.
6.3.2 Legajadores Globales.
Legajador Visualización Global.

Esta herramienta le permite conocer y modificar la paleta de colores en la cual está
dibujado el mapa activo y la variable raster que él representa. Para poder capturar toda la
variabilidad de los datos, los colores se ecualizan según la distribución de la variable que se
está desplegando.
En HidroSig Java hay una serie de paletas de colores preestablecidas para permitirle a usted
diferentes formas de visualizar los datos. Por defecto, la aplicación utiliza la paleta Arco Iris
en todas las variables que se desplieguen. Las diferentes paletas de colores ofrecen
diferentes tipos de contrastes, a los cuales usted tiene acceso simplemente haciendo clic en
el nombre de la paleta de colores que desea implementar. En la figura 6.18 se muestra la
selección de la paleta Elevaciones, esta paleta es recomendada para visualizar MDT’s.
6-24
Atlas Digital
Figura 6.18 Legajador de visualización global del MDT corregido concordia. La paleta de colores
Elevaciones ha sido seleccionada.
Cada paleta de colores utiliza una distribución de colores diferentes para representar los
datos, usted puede observar estos colores en la banda que en la figura 6.18 esta señalada
con el número 1. Para averiguar el valor que la paleta asigna a un color en particular,
simplemente arrastre la flecha blanca marcada con 3 en la figura 6.18 hasta que señale el
color que le interese, así, el número que acompaña a varRaster indicará el número
correspondiente al color señalado.
Las curvas roja, azul y verde que se observan en el legajador y que, en la figura 6.18
aparecen enumeradas con 3, indican las coordenadas RGB de cada uno de los colores de la
banda de la paleta seleccionada. HidroSig Java le permite modificar cada paleta de colores
haciendo cambios interactivos en las curvas RGB correspondientes. Por ejemplo, en la
paleta de colores para el mapa de la figura 6.18, usted puede disminuir el contenido de rojo
(R) para los colores que corresponden a los valores entre 200 y 255 metros en la escala;
para esto coloque el puntero del mouse sobre el color que le corresponde al valor de 200 y a
una distancia en la vertical por debajo de la curva roja, presione el botón derecho del mouse
6-25
Atlas Digital
y manténgalo así mientras se desplaza horizontalmente hasta el color que le corresponde al

valor de 255.
Figura 6.19 Resultado sobre el MDT de la figura 6.18 de la modificación de la paleta de colores Elevación.
Una aplicación interesante de esta herramienta es el trazado de curvas de nivel. Así,

siguiendo con el mismo ejemplo, usted puede trazar la curva de nivel a la altura para la cual
la escala de colores tiene el valor de 40, modificando el contenido de verde (G) del color
que se a este valor; para hacer esto se debe cambiar el color activado de rojo a verde
haciendo clic con el botón izquierdo del mouse sobre cualquier punto de la del área de las
curvas RGB y haga clic con el botón derecho sobre el color que le corresponde al valor de
40 y una altura igual al a cantidad de verde que usted desee que tenga el color de la curva
de nivel. El resultado se muestra en la figura 6.19.
Por último, usted puede volver a la paleta Arco Iris haciendo clic en Reset, y a la Blanco y
Negro presionando el botón Grey Scale.
6-26
Atlas Digital
Legajador Base de Datos.

Este legajador brinda información acerca de la base de datos por defecto y le da la
posibilidad de seleccionar directamente MDT’s y variables hidrológicas.
El recuadro Selección de MDT ubica en la base de datos los archivos con información acerca
de modelos de elevación digital, esto es, archivos con extensión .metaMDT. Por su parte el
recuadro Selección de Variable Hidrológica, busca archivos con extensión .metaVHC. Si usted
hace doble clic en un archivo de alguno de los tipos anteriores aparecerá una interfaz como
la de la figura 6.4 o 6.6, según sea el caso.
El recuadro MetaArchivo muestra el contenido del archivo seleccionado en cualquiera de los

recuadros inferiores. Allí usted podrá observar información completa acerca de las
variables raster que contiene la base de datos.
Legajador Propiedades.
Esta parte de la interfaz muestra un resumen del archivo que contiene la información de la
variable “raster” del mapa seleccionado en la interfaz central.
Legajador Análisis MDT.

El recuadro Selección de MDT cumple exactamente la misma función que su homólogo en el
legajador Base de Datos. Por su parte, en el recuadro Información Geomorfométrica, usted tiene
acceso a información acerca las cuencas definidas por la red de drenaje del MDT. De esta
manera, si usted presiona simultáneamente los dos botones del mouse sobre un punto del
MDT, este recuadro le mostrará el área aguas arriba, la longitud del canal principal, el
orden de Horton y la densidad de drenaje de la cuenca que tiene como salida el punto
seleccionado. Recuerde que usted puede acceder a mapas de estas variables abriendo el
archivo .metaMDT asociado al modelo de elevación digital. Por otra parte se debe tener en
cuenta que, para tener acceso a estas variables, el MDT debe haber sido procesado.
6-27
Atlas Digital
Una vez el usuario haya extraído una cuenca en cualquiera de los mapas derivados de un
Modelo Digital de Terreno, HidroSig Java le permite conocer información gráfica y
cuantitativa de un conjunto de parámetros geomorfológicos de interés. Esta información
comprende el Reporte Geomorfológico.
Para acceder a este reporte, usted debe escoger una de las cuencas que aparecen en la lista
de cuencas del legajador Análisis MDT; en esta lista figuran todas las cuencas que el usuario
haya extraído en el mapa activo e incluyen a aquellas que aparecen en el legajador
Polígonos del mapa. Una vez seleccionada la cuenca, basta hacer clic en el botón Reporte
Geomorfológico. Para que este reporte tenga sentido, la cuenca que se seleccione debe tener
orden de Horton mayor que 2; en cuyo caso su pantalla deberá lucir como la figura 6.20. A
continuación se describe en detalle la información que se despliega cuando se efectúa
exitosamente el reporte.
En la parte derecha de la interfaz del reporte, el usuario encuentra dos listas. La superior
permite cambiar la gráfica que se esta desplegando en el panel derecho, y en la inferior se
muestra el valor de algunos parámetros geomorfométricos importantes de la cuenca.
A continuación se describe someramente cada una de las gráficas a las que se puede
acceder en el Reporte Geomorfológico; un tratamiento más completo de las aplicaciones y
construcción de las variables que que hacen parte de este reporte, se puede encontrar en
Mantilla (1999) y Chow et al. (1994). Es importante recordar que, en una red de drenaje, se
llama “segmento” a cualquier tramo que una dos nodos; y se entiende por “corriente” a una
sucesión de tramos que tengan el mismo orden de Horton. La figura 6.21 muestra ejemplos
de algunos resultados obtenidos en cuenca del MDT de Colombia a 120”.
Función de Ancho Geométrica: Es un histograma que registra la cantidad de segmentos de

la red de drenaje, que se encuentran a una distancia dada de la salida de la cuenca, medida a
través de la propia red de drenaje y expresada en kilómetros.
6-28
Atlas Digital
Figura 6.20 Interfaz del reporte geomorfológico para la cuenca del rio Magdalena sobre el MDT colombia de
la carpeta 120[ArcSec].
Función de Ancho Topológica: Es similar al item anterior. El histograma que se construye

en este caso utiliza la distancia topológica, definida como el número de segmentos entre la
salida y el nodo en el punto final de un segmento dado.
Las siguientes gráficas se conocen en el medio como las “Relaciones de Horton” y

permiten determinar el escalamiento de algunos parámetros geomorfométricos de la cuenca
con el ordenamiento según Horton de su red de drenaje.
Orden-Número de Corrientes: Calcula el número de corrientes de cada uno de los órdenes

de Horton de la cuenca. La gráfica se presenta en escala logarítmica y muestra un ajuste
lineal de los datos, exceptuando el valor correspondiente al orden mayor de la cuenca. La
pendiente y el coeficiente de determinación de este ajuste se pueden encontrar en la Tabla
6-29
Atlas Digital
Resumen al final de la lista de gráficas; esta pendiente estima el factor de escalamiento del
número de corrientes con el orden y se denota en la literatura como RB.
Figura 6.21 Gráficos de algunas gráficas obtenidas para las cuencas del rio Magdalena y rio Sogamoso.
Orden-Longitud de Corrientes: Para cada uno de los órdenes de Horton de la cuenca, se

calcula el logaritmo natural de la longitud promedio de las corrientes de dicho orden. Estos
valores se ajustan a una recta cuya pendiente y correspondiente coeficiente de
determinación se pueden encontrar en la Tabla Resumen al final de la lista; esta pendiente se
denota en la literatura como RL.
Orden-Área de Drenaje: Para cada corriente de un orden de Horton dado se calcula el área
de drenaje al final de esta corriente. Luego se promedia entre todas las corrientes de cada
uno de los órdenes de la cuenca y se gráfica el logaritmo natural de este promedio contra el
6-30
Atlas Digital
orden de Horton. Estos valores se ajustan a una recta cuya pendiente y correspondiente
coeficiente de determinación se pueden encontrar en la Tabla Resumen al final de la lista;
esta pendiente se denota en la literatura como RA.
Orden-Número de Segmentos: Para cada corriente de un orden de Horton dado se calcula el

número de segmentos que la componen. Luego se promedia entre todas las corrientes de
cada uno de los órdenes de la cuenca y se gráfica el logaritmo natural de este promedio
contra el orden de Horton. Estos valores se ajustan a una recta cuya pendiente y
correspondiente coeficiente de determinación se pueden encontrar en la Tabla Resumen al
final de la lista.
Orden-Magnitud: Esta gráfica se diferencia de las anteriores porque, en este caso, la

variable de interés se calcula en cada segmento de un orden dado. Así, en los puntos finales
de cada segmento se registra la magnitud, entendida ésta como el número de nacimientos
de la red de drenaje de la cuenca que tiene como salida el punto en cuestión. Luego, para
cada orden de Horton, se promedia sobre todos los segmentos que hacen parte de una
corriente de dicho orden y se calcula el logaritmo de este promedio. Al igual que en las
gráficas anteriores, la línea roja representa un ajuste lineal de los datos (a excepción del de
orden mayor) y su pendiente se puede encontrar en la Tabla Resumen.
Orden-Longitud Total: Para cada corriente de un orden de Horton dado se calcula la

longitud total de canales de la cuenca que tiene como salida el punto final de la corriente.
Estos valores se promedian entre todas las corrientes de cada uno de los órdenes y se
gráfica el logaritmo natural de este promedio contra el orden de Horton.
Orden-Longitud del Canal Principal : Esta gráfica se construye de la misma forma que la
anterior, pero en este caso se calcula la longitud del canal principal de la cuenca que tiene
como salida el punto final de cada corriente.
6-31
Atlas Digital
Curva Hipsométrica: En esta gráfica se puede observar la distribución altitudinal

acumulada de los puntos sobre la cuenca. Así, para cada cota, se calcula el porcentaje del
área de la cuenca que está ubicada altitudinalmente por encima de dicha cota. Estos
porcentajes se representan en el eje horizontal. En el vertical se muestran los valores de
altura expresados como un porcentaje entre la altura máxima y la mínima que presenta la
cuenca.
Tabla Resumen: Esta tabla muestra todos los valores usados en la construcción de las
gráficas de las relaciones de Horton. Los datos que se presentan no han sido afectados por
la escala logarítmica de las gráficas. En la parte final de cada una de las variables se
muestra la pendiente del ajuste lineal descrito en la parte de arriba y el coeficiente de
determinación R2.
Las cajas de texto de la parte derecha inferior de la interfaz del reporte geomorfólogico,
muestran información global sobre la cuenca que se está analizando. Los valores de Area de
la Cuenca, Orden de Horton, Magnitud, Longitud Total y Longitud del Canal Principal corresponden
al valor de estas variables calculado en el punto de salida de la cuenca, y coinciden con el
valor mostrado en los mapas extraídos por el HidroSig durante el procesamiento del
modelo digital de terreno.
Los datos de Cota Máxima y Cota Mínima representan los valores extremos de la altitud de las
celdas de la cuenca analizada. Ellos son de especial interés para analizar la curva
hipsométrica descrita arriba. La Distancia del Centroide, por su parte, muestra la longitud
total a través de la red de drenaje desde el centroide la cuenca como objeto plano, hasta la
salida de la cuenca. Por último, el Perímetro muestra la longitud de la frontera de la cuenca
medida siguiendo el contorno de las celdas que la componen.
Legajador Balance y Ciclo Anual.

Con esta herramienta usted podrá realizar estimaciones de escorrentía para cuencas de un
MDT usando mapas de precipitación, evaporación y punto de rocío. Este legajador contiene
6-32
Atlas Digital
un árbol de archivos en el cual usted puede seleccionar el MDT que desea someter al
balance, una lista de cuencas de ese MDT en especial, unas casillas donde se desplegarán
los resultados de las variables hidrológicas y, por último, un panel en el cual usted puede
observar una estimación del ciclo anual de caudales basada en los mapas de escorrentía. La
figura 6.22 muestra una situación típica de balance para cuencas en el MDT de Colombia.
El balance hidrológico se puede realizar sobre cualquiera de las cuencas que usted halla
extraído sobre el MDT activo, las cuales coinciden con aquellas que usted puede
seleccionar en el legajador Poligonos de la ventana del mapa. Estas cuencas tiene nombres
como Cuenca x_117y_223 donde los números corresponden a las coordenadas de matriz
(columnas y filas respectivamente contando a partir de la esquina inferior derecha del
mapa). Una vez usted haya escogido una de las cuencas de esta lista, debe seleccionar los
mapas de precipitación, evaporación y precipitación por rocío (opcional), con los cuales
usted quiere que se realice el balance. Para ubicar estos mapas en la base de datos, haga clic
en los botones [...] correspondientes a cada una de las variables, y explore sus directorios
hasta encontrar los archivos deseados, recuerde que estos archivos deben tener extensión
metaVHC.
Cuando usted halla seleccionado los archivos de precipitación y evaporación, HidroSig
Java integra estas variables sobre todas las celdas de la cuenca y estima la columna
promedio de agua en milímetros correspondiente a cada variable, con estos valores, se
estima el caudal promedio a largo plazo en la salida de la cuenca. Este valor aparece en la
casilla Caudal Estimado.
Por último, usted puede realizar un estimativo del ciclo anual de caudales en la salida de la
cuenca que halla seleccionado. Para esto escoja uno de los mapas de escorrentía de la base
de datos y haga clic en el botón Ver Ciclo Anual de Caudales. Inmediatamente se desplegará
una gráfica con una estimación del caudal mes a mes utilizando la técnica de tanques.
Cualquier información acerca de la justificación, procedimientos y resultados de las

técnicas usadas para la estimación del balance y el ciclo anual, se puede encontrar detallada
6-33
Atlas Digital
en el capítulo 2 de este informe. La figura 6.22 muestra la forma en cómo se presentan los
resultados de la herramientas Balance y Ciclo Anual.
Figura 6.22 Resultados obtenidos después de calcular el balance hidrológico y estimar el ciclo anual de
caudales para el rio Guaviare en el MDT de Colombia con resolución 120”.
Legajador Caudales Máximos y Mínimos.

Otra de las herramientas hidrológicas que HidroSig Java pone a su disposición es la
estimación de los eventos extremos de escorrentía para cualquier cuenca y varios períodos
de retorno. En este legajador se encuentran las opciones y se presentan los resultados de
esta estimación. La información sobre el marco teórico, la metodología, confiabilidad y los
resultados de los procedimientos que se utilizan en esta herramienta, se puede encontrar en
los capítulos 3 y 4 de este informe. El legajador cuenta con una lista de las cuencas
6-34
Atlas Digital
extraídas sobre el mapa activo, un panel para Caudales Máximos y otro para Caudales
Mínimos.
La estimación de los máximos sigue la serie de pasos que se describirá a continuación.

Primero seleccione una de las cuencas de la lista, automáticamente HidroSig Java calculará
su área de drenaje. Posteriormente, seleccione mapas de precipitación y de evaporación de
la misma manera que en el balance hídrico, con esta información se estima el caudal medio
a la salida de la cuenca; este resultado debe ser aproximadamente al que se llega usando las
herramientas del legajador Balances y Ciclo Anual. Con el valor del caudal medio, HidroSig
Java estima el valor de la media y la desviación estándar de la distribución de los caudales
máximos para la cuenca seleccionada. Desde la lista Distribución, seleccione una de dos
distribuciones posibles de los caudales máximos; estas distribuciones tendrán la media y la
desviación estándar que se estimaron en el paso anterior. Por último, seleccione el período
de retorno que desee. En la casilla Caudal Máximo, HidroSig Java muestra una estimación
del caudal en la salida de la cuenca para el período de retorno escogido.
Figura 6.23 Legajador Caudales Máximos y Mínimos después de una estimación completa para la cuenca
del río Sogamoso.
Para estimar el caudal mínimo de una cuenca dada se debe primero determinar la media y la
desviación estándar de la distribución de los caudales mínimos en dicha cuenca. Esto se
6-35
Atlas Digital
hace por medio de mapas generados por regionalización. Así, haga clic en el botón [...] de la
derecha de la casilla Caudal Mínimo y, desde allí, seleccione uno de tales mapas. En la base
de datos producida en el proyecto Atlas Hidrológico de Colombia está incluido el mapa
ConstantesMinimo.metaVHC dentro de la carpeta \BDRaster\Hidrologia\Caudales Minimos. Una
vez seleccione el mapa, espere unos segundos para que HidroSig Java calcule los valores de
las casillas Media y Desviación; luego seleccione la distribución y el período de retorno que
desee usar; el resultado de la estimación aparecerá en la casilla Caudal Mínimo. En la figura
6.23 se muestra cómo debe lucir el legajador después de la estimación.
Legajador Erosión.
Con esta herramienta usted puede estimar la cantidad promedio de sedimento, en toneladas
por año, producida en la cuenca. Este resultado tiene en cuenta sólo la erosión laminar
producida por lluvia de acuerdo a la ecuación universal de pérdida de suelo según
Wischmeier y Smith. Cualquier información adicional sobre los datos y la metodología
utilizados en la estimación, se puede encontrar en el capítulo 5 de este informe.
Para realizar la estimación, seleccione una cuenca de la lista del legajador y escoja alguno
de los mapas de erosión. Uno de los productos del proyecto Balances Hidrológicos de
Colombia es uno de estos mapas el cual se encuentra en la BaseDeDatodHSJ con el nombre
de Erosion.Anual.Promedio.vhc en la carpeta \BDRaster\Hidrologia\Suelo y Cobertura
Vegetal\Erosion.
6.3.3 Menú Opciones de Mapa.

Este menú pone a su disposición herramientas inherentes a cada uno de los mapas que usted
tenga desplegados en la interfaz central.
Restituir Imagen.
La función de este botón es devolver el mapa activo al tamaño y la posición con la cual se
despliega por defecto. Esto ocurre sin modificar la tabla de colores ni los objetos
adicionales que usted haya superpuesto en el mapa.
6-36
Atlas Digital
Definir Perfil.
Con esta herramienta usted puede visualizar cómo es el comportamiento de la variable que
se está mostrando en el mapa, a lo largo de una línea poligonal que puede definir
interactivamente.
Cuando usted hace clic en Definir Perfil se activa el legajador Arcos; desde allí, HidroSig Java
le da la opción de trazar manualmente las líneas de perfil o cargarlas desde un archivo. Para
hacer lo primero asegúrese de que la opción Insertar Puntos esté seleccionada y posicione el
puntero del mouse en la celda del mapa en la cual usted desea que inicie el perfil; una vez
allí haga clic con los dos botones del mouse simultáneamente, posteriormente repita esta
operación en todos los puntos de quiebre de la línea donde usted desea que sea evaluada la
variable para el perfil. La línea que usted trace puede ser cualquier tipo de poligonal dentro
de los límites del mapa pero Hidro Sig Java sólo permite trazar una de éstas al tiempo.
Para utilizar un línea previamente trazada, haga clic en Cargar y seleccione un archivo con
extensión .arc. Haga clic en Abrir e HidroSig Java dibujará automáticamente la línea
correspondiente al archivo. Cuando la línea este totalmente dibujada sobre el mapa, usted
puede salvarla como un archivo .arc haciendo clic en Guardar y escogiendo la ruta destino.
Para eliminar una línea trazada, haga clic en Borrar. Con esta procedimiento usted puede
definir un perfil en un mapa, guardar el archivo de la línea y cargarlo sobre otro mapa de
alguna variable que a usted le interese; haciendo posible la comparación interactiva de las
variables.
La visualización del perfil se hace presionando el botón Ver Perfil; esto produce que se
despliegue una gráfica en dos dimensiones que muestra el valor de la variable del mapa
evaluada en puntos sobre la línea que usted trazó. Estos puntos son tomados en intervalos
menores que la resolución del mapa en cuestión. En la figura 6.24 se muestra el perfil de la
topografía colombiana a la altura del departamento de Antioquia, este perfil fue guardado y
posteriormente cargado sobre el mapa de temperaturas del aire en la superficie.
6-37
Atlas Digital
Figura 6.24 Visualización múltiple de perfiles usando la misma línea.
Distancia Entre dos Puntos.

Con esta herramienta usted puede calcular la distancia entre dos puntos sobre la superficie
de cualquier mapa que esté visualizando. Esta distancia se calcula siguiendo la superficie de
la esfera según la fórmula de los grandes círculos. Para usar esta herramienta, haga clic en
Distancia Entre dos Puntos y ubíquese en el mapa sobre uno de los puntos, haga clic con los
dos botones del mouse simultáneamente; luego repita esta operación en el segundo punto
de la distancia que quiera evaluar. El resultado es similar al que se muestra en la figura
6.25.
6-38
Atlas Digital
Figura 6.25 Distancia entre Medellín y Londres evaluada sobre el mapa tss8701.metaVHC de la base de datos
BaseDeDatosEjemplo.
Definir Cuenca.
Si usted tiene un MDT procesado o un mapa de alguna de las variables geomorfológicas
asociadas a un MDT, usted puede determinar el contorno de cualquier cuenca en el mapa,
definiendo únicamente su punto de salida. Para hacer esto, haga clic en la opción Definir
Cuenca y presione simultáneamente los dos botones del mouse sobre el punto del mapa que
le interese. En unos segundos aparecerá un contorno amarillo que encierra todos los puntos
de la cuenca que tienen como salida el punto que usted seleccionó.
Debido a que un gran número de puntos definen cuencas muy pequeñas, es útil observar los
valores del área acumulada y del orden de Horton que se muestran en el legajador Análisis
6-39
Atlas Digital
MDT mientras se mantienen presionados los dos botones del mouse, y soltarlos en aquellos
puntos que tengan un área de la cuenca del orden que usted lo espere. Otra forma de hacer
esto es trazando previamente una corriente, y hallando el contorno de la cuenca de uno de
los puntos por los cuales pasa la corriente.
Las cuencas que usted defina aparecerán automáticamente en el legajador Polígonos de la

interfaz del mapa. Desde allí usted podrá activarlas o desactivarlas cuantas veces desee
simplemente seleccionándolas en la lista. Una situación de múltiples cuencas en un mapa se
muestra en la figura 6.26.
Figura 6.26 Visualización de múltiples cuencas y corrientes sobre el mapa de direcciones de drenaje de
Colombia. Para remover alguna de las cuencas desplegadas, basta con deseleccionar el objeto polígono en el
legajador de las izquierda.
6-40
Atlas Digital
Corrientes. Trazar y Eliminar.

a partir de un mapa asociado un MDT procesado, usted puede observar la trayectoria que
sigue una gota de agua desde cualquier pixel hasta la frontera del mapa. Para hacer esto
haga clic en Trazar Corriente; luego lleve el puntero del mouse hasta un punto del mapa,
oprima los dos botones del mouse simultáneamente y espere unos segundos. Esto producirá
un trazo azul en el mapa. En la figura 6.26 se muestra el mapa de direcciones de drenaje de
Colombia con algunas cuencas y corrientes desplegadas en él. Para limpiar el mapa de
todas las corrientes que haya trazado, haga clic en Eliminar Corrientes.
Red de Drenaje.
La red de drenaje de un MDT consiste de dos archivos vectoriales que se crean cuando
usted procesa el MDT. Para observar esta red superpuesta en el MDT activo, haga clic en el
Figura 6.27 Red de drenaje para un MDT pequeño en la región de Concordia, Antioquia.
6-41
Atlas Digital
submenú Red de Drenaje y luego en Ver. Este proceso puede tardar unos minutos. HidroSig
Java le permite ver la red de drenaje con las corrientes de orden de Horton mayor que tres.
Si usted desea remover la red de drenaje, haga clic en Ocultar. Una red de drenaje para un
MDT pequeño se muestra en la figura 6.27.
Limpiar Mapa.
Cuando usted hace clic en esta botón se borran todos los objetos que usted haya adicionado
al mapa; esto incluye los sitios, cuencas, líneas de perfil, líneas de distancia, archivos
vectoriales y corrientes.
6.3.4 Legajadores de Mapa.
Legajador Vectoriales.
Este legajador permite visualizar objetos vectoriales en el mapa activo. Estos objetos
comprenden divisiones políticas, regiones, redes de drenaje y otros complementos que le
permitirán una mejor ubicación espacial sobre los mapas desplegados. Los objetos
vectoriales constan de dos archivos, uno con extensión .punteros y otro con extensión
.segmentos. Para visualizar una objeto vectorial haga clic en el botón Agregar y ubique el
archivo tipo .punteros en la base de datos. Haga doble clic en el archivo y espere unos
segundos.
En ese momento aparecerán las líneas blancas que representan el conjunto de segmentos
que conforman el objeto vectorial; además, en el recuadro Elementos en la Base de Datos
aparecerá un caja de chequeo mediante la cual usted podrá activar o desactivar el objeto
vectorial sin necesidad de volver a abrir el archivo. La figura 6.28 muestra el modelo digital
de terreno de la costa Pacífica colombiana con dos objetos vectoriales superpuestos, las
costas y los departamentos de Colombia. Estos objetos corresponden a los archivos
departamentos.punteros y costas.punteros que aparecen seleccionados en la lista Elementos de
la Base de Datos.
6-42
Atlas Digital
Figura 6.28 Modelo digital topochoco.mdt con el objeto vectorial costas.punteros y departamentos.punteros.
Legajador Sitios.
En este legajador HidroSig 2.0 le brinda un conjunto de herramientas para ubicar sitios
puntuales en el mapa activo y conocer información sobre ellos. Desde allí usted tendrá
acceso a un conjunto de botones correspondientes a municipios, capitales de departamentos
y estaciones de toma de variables hidroclimáticas que estén contenidos en la base de datos.
Estas últimas se clasifican en los siguientes tipos: (LM) Limnimétrica, (CO) Climática
Ordinaria, (CP) Climática Primaria, (LG) Limnigráfica, (AM) Agrometereológica, (ME)
Meteorológica Especial, y (MM) Micro-meteorológica.
Cuando usted hace clic en alguno de los botones de estaciones contenidos en el legajador
Sitios, accede al panel de la figura 6.29. Este panel se encarga de discriminar y clasificar las
estaciones, y permite consultar toda la información acerca de éstas que esté contenida en la
base de datos.
6-43
Atlas Digital
Debe tener en cuenta que cuando se abre la aplicación HidroSig 2.0, el sistema traslada la
información de todas las estaciones de la base de datos a la memoria principal de su
computador; de esta manera, si usted hace clic en alguno de los botones de Sitos y el
sistema no ha terminado de cargar la base de datos, aparecerá un mensaje en donde se le
pedirá que intente más tarde.
Figura 6.29 Búsqueda de estaciones en la base de datos.
Para ubicar las estaciones, usted puede usar una búsqueda cruzada con cuatro campos:
Departamentos, Municipios, Tipo, Corrientes y Código. Para ver la lista de estaciones en cada
uno de los campos, simplemente haga clic en la lista y escoja la característica que desee. El
componente central del panel visible le permite visualizar los resultados de la clasificación.
Sobre esta componente usted puede realizar una búsqueda sobre las estaciones que
satisfacen todas las condiciones impuestas en la clasificación previa que usted realizó.
Es en el componente derecho del panel visible, donde usted puede realizar la selección de
las estaciones sobre las que realmente desea visualizar información. Para seleccionar
estaciones individuales haga clic sobre el nombre de la estación y use las flechas de color
blanco para depositarlas en la caja etiquetada como Seleccionadas. Se puede realizar el
proceso inverso, es decir, remover ítems del componente izquierdo del panel. Para
seleccionar o remover al tiempo todas las estaciones que se listan en las correspondientes
cajas, use las flechas azules.
6-44
Atlas Digital
Una vez se ha seleccionado al menos una estación usted puede visualizar su ubicación
geográfica y tener acceso a su información hidroclimática.
La opción Ubicar Estación se encarga de pintar una “X” sobre el mapa activo mostrando la
ubicación geográfica de la estación. Además, si se selecciona la opción Mostrar Nombre,
aparecerá el nombre de la estación al lado de la “X” pintada en el mapa.
(a) (b)
(c) (d)
Figura 6.30 (a) muestra la apariencia de la interfaz principal cuando se ubica la estación “La Loma”. (b), (c)
y (d) corresponden a las gráficas de Real, Ciclo Anual, Estandarizado y Anual+Distribución obtenidas para esta
estación.
Para acceder a la información recopilada en la estación, haga clic sobre la opción Visualizar
Datos o presione los dos botones de su mouse simultáneamente sobre la “X” desplegada en
el mapa. Aparecerá un panel en el cual se ponen a disposición varias formas de visualizar
6-45
Atlas Digital
esta información. La opción Ciclo Anual muestra una gráfica del promedio mensual
interanual de los años de registro. Por su parte, si selecciona Espectro de Fourier puede ver el
espectro de potencias calculado con la transformada de Fourier para la serie de tiempo
registrada en la estación. La gráfica que se despliega cuando usted selecciona Estandarizado
muestra la serie de tiempo después de restarle su media y dividirla por la desviación
estándar de cada mes. Por último, la opción Anual+Distribución despliega un análisis
descriptivo de los datos de la variable mediante el uso de box-plots para cada uno de los
meses de registro. En la figura 6.30 se muestran algunas de las gráficas obtenidas para la
estación agrometereologica “La Loma”.
La base de datos de HidroSig Java tiene muchas estaciones para las cuales no hay
información disponible. Estas estaciones pueden ser ubicadas en el mapa y aparecen en los
campos de búsqueda pero no muestran ninguna de las gráficas arriba descritas.
Si, en vez de una estación, usted hace clic en los botones Capitales o Municipios, aparecerá
una ventana similar a la descrita arriba para la selección de estaciones. En esta ventana
usted podrá ubicar los municipios que desee y desplegarlos en el mapa activo.
Una vez ubicado el municipio, usted puede tener acceso a información útil sobre él; para
esto haga clic con los dos botones del mouse simultáneamente sobre la “X” marcada en la
posición del municipio. Así, se desplegará una pequeña ventana en la cual aparecen
generalidades sobre el municipio y que, además, contiene el botón Imágenes. Este botón
despliega una serie de fotografías del municipio, cuando estas estén disponibles en la base
de datos. En la figura 6.31 se muestra el mapa de Colombia con algunas ciudades ubicadas
y la ventana de información sobre Medellín.
Si usted desea incluir en la base de datos imágenes de una capital o municipio, basta con
adicionar la imagen como un archivo del tipo .gif en la carpeta BDSitios\Capitales\Imagenes o
BDSitios\Municipios\Imagenes. El nombre del archivo debe ser de la forma Nombre#.gif, donde
Nombre debe coincidir con el nombre del archivo que contiene la información del municipio
6-46
Atlas Digital
o capital, y el número, indica el orden de la imagen. Por ejemplo, use nombres como:
Medellín2.gif, Chigorodó2.gif o Santafé de Bogotá1.gif.
Figura 6.31 Ubicación de capitales sobre el MDT de Colombia y visualización información acerca de
Medellín.
Legajador Arcos.
Este legajador contiene las herramientas para la definición de perfiles que se describieron
dentro del Menú Opciones de Mapa.
Legajador Polígonos.
Acá usted encontrará una lista de todas las cuencas que haya extraído en el mapa. Cada
cuenca está identificada con las coordenadas matriciales de su salida. En el mapa se
mostrarán sólo aquellas cuencas que estén seleccionadas.
6-47
Atlas Digital
6.4 Conversión de mapas físicos a MDT´s.

El objetivo de este pequeño tutorial es detallar todos los pasos que se deben llevar a cabo
para convertir un mapa físico de curvas de nivel, en un modelo digital de terreno con el
formato adecuado para que usted lo pueda visualizar en HidroSig Java. Suponga que usted
tiene un mapa de curvas de nivel, una mesa digitalizadora, Autocad®, Idrisi® e HidroSig
Java, siga juiciosamente los pasos que a continuación se enumeran.
Digitalización.
Use Autocad® para digitalizar las curvas de nivel de su mapa físico, preferiblemente
hágalo en modo “poli-lineas”. Este proceso produce un archivo con extensión .dwg. Luego
exporte este archivo al formato “drawing external format” para convertirlo en un archivo de
extensión .dxf13.
Creación y referencia del archivo vectorial.

En Idrisi® importe el archivo .dxf13 usando la herramienta Import DXF to Idrisi. Luego utilice
este archivo para crear un mapa vectorial cuyo atributo será la altura sobre el nivel del mar.
Ahora se debe referenciar el archivo vectorial a algunas coordenadas geográficas; para esto
utilice la herramienta Reformat con el sistema de referencia que desee pero teniendo en
cuenta en utilizar el formato latitud-longitud para el nuevo archivo vectorial. En este
proceso se crean dos archivos vectoriales, uno con extensión .vct y otro con .vdc.
Rasterización.
En Idrisi® la rasterización requiere de dos pasos, primero se deben asignar alturas a los
pixeles que reposan sobre las curvas de nivel en la resolución que usted desee y,
posteriormente, se debe usar un algoritmo de interpolación para asignar alturas a los pixeles
que se encuentran entre las curvas de nivel. La primera operación se realiza haciendo uso
de la herramienta LINERAS del submenú Raster/Vector conversion; por su parte, el segundo
paso utiliza la herramienta POINTRAS del mismo submenú. Como resultado se obtienen dos
archivos tipo .rdc y dos del tipo .rst, estos cuatro archivos representan los dos mapas
rasterizados. Por último se debe convertir el archivo interpolado a formato ASCII, para esto
use la herramienta Convert del menú Reformat. Los archivos resultantes son, de nuevo, .rdc
6-48
Atlas Digital
y .rst (asegúrese que las extensiones queden en minúsculas) y están listos para importarse
usando el menú Importar MDT de HidroSig Java.
6.5 Índice del Manual del Usuario.
Análisis MDT, 6-29 Ciclo Anual, 6-49

!=, 6-20 Análsis MDT, 6-6 ciclo anual de caudales, 6-36
Anual+Distribución, 6-49 CO, 6-46
.arc, 6-40 Archivos Abiertos Código, 6-47
.dwg, 6-51 Recientemente, 6-16 Colores Sistema, 6-24
.dxf13, 6-51 Arcos, 6-40, 6-51 Conversión de mapas físicos, 6-
.gif, 6-50 Área de Drenaje, 6-33 51
.mdt, 6-11 Area de la Cuenca, 6-34 corriente, 6-30
.metaMDT, 6-3, 6-11, 6-29 Areas Acumuladas, 6-18 Corriente, 6-7
.metaVHC, 6-12, 6-29 asimetría, 6-20 Corrientes, 6-6, 6-43, 6-47
.punteros, 6-45 Autocad®, 6-51 Cota Máxima, 6-35
.rdc, 6-52 Cota Mínima, 6-35
.rst, 6-52 Balance y Ciclo Anual, 6-8, 6-35 CP, 6-46
.segmentos, 6-45 Balances y Ciclo Anual, 6-38 Curva Hipsométrica, 6-34
.tri, 6-26 Base de Datos, 6-29 curvas de nivel, 6-28
.txt, 6-21 BaseDeDatodHSJ, 6-39
.vct, 6-52 BaseDeDatosEjemplo, 6-16 Definir Cuenca, 6-6, 6-42
.vdc, 6-52 BaseDeDatosHSJ, 6-2 Definir Perfil, 6-40
.vhc, 6-19 BDRaster, 6-19 densidad de drenaje, 6-29
box-plots, 6-49 Departamentos, 6-47
3D, 6-22 Desplegar en Capas, 6-13
Calculadora de Mapas, 6-16 Desplegar por Capas, 6-15
Abrir Archivo Individual, 6-10 Cambiar, 6-22 Desplegar simultáneamente, 6-13
Abrir Base de Datos, 6-15 Capitales, 6-49 Desviación, 6-39
Abrir Múltiples Archivos, 6-13 Cargar, 6-40 desviación estándar, 6-20
Actualizar, 6-6, 6-25 Cargar Expresión, 6-21 diámetro topológico, 6-12
Add All, 6-14 Caudal Estimado, 6-9, 6-36 Direcciones de Drenaje, 6-6
Altitud, 6-22 Caudales Máximos, 6-37 Distancia del Centroide, 6-35
AM, 6-46 Caudales Máximos y Mínimos, 6- Distancia Entre dos Puntos, 6-41
Análisis de Mapa en 3D, 6-21, 6- 37 Distribución, 6-38
22 Caudales Mínimos, 6-37
6-49
Atlas Digital
Edición, 6-5 Información Geomorfométrica, 6-

Ejecutar Expresión, 6-19 29 Opciones, 6-23
Elementos en la Base de Datos, 6- Iniciar, 6-12 Opciones de Mapa, 6-5, 6-6, 6-39
45 Insertar Puntos, 6-40 operaciones lógicas, 6-20
Eliminar Corrientes, 6-44 Operaciones Lógicas, 6-20
Eliminar Seleccionados, 6-26 kurtosis, 6-20 orden de Horton, 6-12, 6-29
erosión, 6-9 Orden de Horton, 6-34
erosión laminar, 6-39 LEAME_INSTRUCCIONES, 6-2
escorrentía, 6-35 Legajadores de Mapa, 6-45 paleta de colores, 6-6
Espectro de Fourier, 6-49 Legajadores Globales, 6-26 paletas de colores, 6-26
estaciones, 6-47 LG, 6-46 Pendientes de la Cuenca, 6-18
Estaciones, 6-6 Limpiar Mapa, 6-45 Pendientes Máximas, 6-3
Estaciones_LG, 6-7 líneas de perfil, 6-40 pérdida de suelo, 6-39
estadística descriptiva, 6-20 LM, 6-46 perfil, 6-40
Estandarizado, 6-49 Longitud de Corrientes, 6-33 Perímetro, 6-35
evaporación, 6-36 longitud del canal principal, 6-12 Polígonos, 6-30, 6-43, 6-51
Expresión, 6-17 Longitud del Canal Principal, 6- precipitación, 6-36
34 Precipitación, 6-8
faltantes, 6-20 Longitud Total, 6-34 Preview, 6-24
Función de Ancho Geométrica, 6- longitud total de canales, 6-12 Procesar, 6-11
31 Promedio, 6-7
Función de Ancho Topológica, 6- Magnitud, 6-33, 6-34 Propiedades, 6-19, 6-29
31 magnitud de la cuenca, 6-12
ME, 6-46 RA, 6-33
Girar, 6-22 Media, 6-39 raster, 6-11
GRASS, 6-16 Menú Archivo, 6-10 Rasterización, 6-52
Grey Scale, 6-4, 6-6, 6-28 Menú Herramientas, 6-16 RB, 6-32
Guardar, 6-40 menú principal, 6-9 Recent, 6-25
Guardar Expresión, 6-21 Menú Principal, 6-10 red de drenaje, 6-11, 6-12, 6-30
Guía General, 6-9 Menú Ventana, 6-26 Red de Drenaje, 6-44
Guía para usuarios nuevos, 6-2 MetaArchivo, 6-3, 6-29 relaciones de Horton, 6-34
MM, 6-46 Relaciones de Horton, 6-32
Herramientas, 6-6 Modelo Digital de Terreno Reporte Geomorfológico, 6-30
HSB, 6-24, 6-25 Corregido, 6-6 Reset, 6-4, 6-28
Mostrar Nombre, 6-48 Resources, 6-26
Idrisi®, 6-16, 6-51 Mostrar Nombres, 6-7 Restituir Imagen, 6-5, 6-6, 6-39
Imágenes, 6-49 Municipios, 6-47, 6-49 Restituir Mapa, 6-23
Importar, 6-16 RGB, 6-24, 6-25, 6-27
Importar MDT, 6-52 Número de Corrientes, 6-32 RL, 6-33
Indice Topográfico, 6-18 Número de Segmentos, 6-33
6-50
Atlas Digital
sedimento, 6-39 Tipo, 6-47 Ver Ciclo Anual de Caudales, 6-

segmento, 6-30 Trazar Corriente, 6-6, 6-44 36
Selección de MDT, 6-3, 6-29 VisAD, 6-1
Selección de Variable Ubicar Estación, 6-48 Visualización Global, 6-3
Hidrológica, 6-29 Ubicar Seleccionadas, 6-7 Visualizar Datos, 6-49
Sitios, 6-7, 6-46 Visualizar Datos Estación, 6-7
sumideros, 6-11 Variable Hidrológica, 6-12
Swatches, 6-24, 6-25 Variables Activas, 6-14 zonas planas, 6-11
varRaster, 6-27 zoom, 6-4, 6-21
Tabla Resumen, 6-34 Vectoriales, 6-8, 6-45 Zoom en Caja, 6-5, 6-21
Temporal, 6-19, 6-26
6-51
Conclusiones
7 CONCLUSIONES
Se entrega el documento final del estudio “Atlas Hidrológico de Colombia”, que profundiza
y amplia los resultados de estudios previos realizados por el Posgrado en Aprovechamiento
de Recursos Hidráulicos, con apoyo de la UPME. Los resultados del estudio se pueden
desplegar en el software contenido en el CD-ROM acompañante. El software interactivo
HidroSig desarrollado en lenguaje JAVA, permite realizar el balance hidrológico de largo
plazo sobre cualquier cuenca Colombiana. Adicionalmente, se han construido y se
incluyen mapas interactivos y de posible consulta en tiempo real, para la estimación de
variables de diseño hidrológico como tiempos de concentración, curvas de intensidad-
frecuencia-duración, tormentas de diseño, caudales máximos y mínimos de diversos
período de retorno. La mayoría de los mapas están construídos a escala de 2 minutos de
arco, y por ofrecen amplias posibilidades de aplicación en diseño hidrológico, en planes de
ordenamiento territorial, en sistemas de atención y prevención de desastres, en estimación
de caudales garantizables para acueductos urbanos, etc.
Se ha hecho un esfuerzo importante para estimar variables y procesos involucrados en la

producción de sedimentos en las cuencas de Colombia, y para ello se han construído mapas
de erosión laminar y de susceptibilidad a la erosión por movimientos en masa a escala
nacional. Para la estimación de todos estos campos distribuidos sobre el territorio
Colombiano, se ha revisado la literatura nacional e internacional y, en algunos casos, se han
desarrollado metodologías propias para el medio tropical Colombiano.
7-1
Conclusiones
Los análisis sobre el grado de asociación de la hidrología de Colombia con variables

macro-climáticas apuntan a entender la variabilidad del clima de Colombia a escalas anual
e interanual, y proporcionan herramientas y variables para la predicción hidrológica,
fundamental en muchos proyectos de aprovechamiento del recurso hídrico. Además de la
confirmación de la fuerte influencia que tiene el fenómeno El Niño-Oscilación del Sur
(ENSO), se ha encontrado una relación significativa con fenómenos como la Oscilación
Decadal del Pacífico Norte, y con el gradiente de temperaturas del mar entre las regiones
Norte y Sur del Océano Atlántico tropical. Se identifican las regiones y las temporadas de
mayor influencia sobre Colombia.
Se ha hecho énfasis en las propiedades de escalamiento simple y múltiple de los caudales

máximos de distintos períodos de retorno con respecto al área de la cuenca. Por ello se ha
puesto de presente las limitaciones de usar métodos de estimación de caudales máximos
como el llamado “Índice de crecientes”, ya que implícitamente considera escalamiento
simple, y además asume que el coeficiente de variación de los caudales máximos es
constante. Desde la perspectiva del escalamiento múltiple, el método “Gradex” también
parece limitado, pues supone constante la relación entre el segundo y tercer momentos de la
distribución de caudales máximos, independientemente del área de la cuenca, lo cual no se
observa en los datos. Dada la escala de trabajo del presente estudio (5 minutos de arco),
pareciera que se dejara de lado el importante tema de la estimación de caudales máximos
para cuencas muy pequeñas (áreas menores que 50 km2). Para esa escala de tamaño de
cuenca, se ha encontrado una alta variabilidad especial en la media de la distribución de los
caudales, y por ello la metodología de regionalización pudiera no ser la más adecuada. En
tal caso, la modelación de los procesos lluvia-escorrentia podría arrojar mejores resultados.
Para esto se han hecho mapas nacionales de valores de intensidad máxima de lluvia para
distintas duraciones y de distintos períodos de retorno. La función de respuesta de la cuenca
es posible representarla por ejemplo, mediante hidrógrafas unitarias, para cuya estimación
se requiere información de la cuenca que se puede obtener de HidroSig Java en forma
interactiva, o mediante la aplicación de método racional probabilístico, que requiere
7-2
Conclusiones
conocer tiempos de concentración en la cuenca. En el atlas se ha incluido mapa de tiempo

de concentración de cada pixel en Colombia en escala de 5 minutos de arco.
La estimación de caudales mínimos ha permitido determinar relaciones útiles de

escalamiento simple entre el área de drenaje y los caudales de diferente período de retorno.
Los datos Colombianos evidencian un comportamiento de escalamiento simple de la forma
Q(Tr)=c(Tr)Aβ, con un exponente β estadísticamente igual a 1,0. Se determinaron los
coeficientes c(Tr) para los diferentes períodos de retorno, y con ellos se construyeron los
mapas de los caudales mínimos estimados para distintos períodos de retorno, Tr, sobre el
territorio Colombiano.
La cuantificación de variables asociadas con la producción de sedimentos y con procesos

erosivos en las cuencas Colombianas, mediante el uso de la Ecuación Universal de Pérdida
de Suelo, ha permitido construir mapas digitales de erosividad de la lluvia, de erodabilidad
de los Suelos en Colombia basado en la ecuación de las texturas del suelo, del llamado
“Mapa del factor Topográfico”, del factor de Cobertura y Manejo, C, y de erosión laminar
media anual en Colombia. Además se presentan mapas de los distintos factores que inciden
en la susceptibilidad a los deslizamientos en el terreno nacional.
El software HidroSig 2.0, que contiene todos los resultados de este estudio, y que se entrega
en CD-ROM para instalación inmediata, lo hemos desarrollado en lenguaje JAVA. La
migración desde IDL, en el que estaba desarrollado HidroSig 1.0, se decidió por razones
como: (i) Java es un lenguaje de uso libre y gratuito; (ii) es compatible con diferentes tipos
de arquitecturas computacionales (PC, Mac, Unix, etc.); (iii) tiene capacidades de manejo
gráfico mucho más potentes que IDL, (iv) proporciona la posibilidad de poner el software
en Internet para descargarlo y correrlo en tiempo real. El software ha sido depurado y
mejorado y ampliado con respecto a la versión anterior. Se plantea a la UPME, en la
medida del interés, la posibilidad de efectuar cursos cortos de inducción al manejo de
HidroSig Java en distintas ciudades del país, a cargo del Posgrado en Recursos Hidráulicos,
para usuarios de los sectores educativo y de medio ambiente.
7-3
Conclusiones
El atlas digital incluye además mapas de distintas variables climatológicas, hidrológicas y

fisiográficas del terreno nacional. Estos mapas se describen en el anexo B.
Se insiste en la necesidad de disponer de mayor información hidrológica para estudios

como el que aquí se presenta. Todos los resultados están sujetos a incertidumbres
correlativas con la escasez de información. En este trabajo se han usado los datos que se ha
podido comprar en el IDEAM, limitados a no más del 30% de la información de todos los
departamentos del país, por políticas exclusivistas y erróneas del IDEAM, en relación con
la investigación. Tal actitud de no proveer la información básica cercena la investigación,
niega la posibilidad de depurar la calidad de los datos, y desvirtúa casi por completo la
razón de ser de su recolección y almacenamiento. De nuevo se hace un llamado al IDEAM
a revisar esta política.
Queremos reiterar nuestro reconocimiento a la UPME por su interés y por su apoyo a la

investigación sobre el conocimiento del medio físico Colombiano y, en particular, de un
recurso energético natural que es fundamental para Colombia: el agua y su variabilidad
espacio-temporal.
7-4
REFERENCIAS
Angel, E., Mesa, O. J., y Vélez J. I. Algunas Consideraciones sobre Manejo de Cuencas,
Quebrada Santa Bárbara (Antioquia, Colombia). Memorias XV Congreso
Latinoamericano de Hidráulica e Hidrología, IAHR. Vol. 1, Cartagena, 1992.
Aste, Jean. Apuntes sobre la Evaluación y la Prevención de Riesgos Geológicos: Hacia

una Nueva Visión Metodológica y Operativa.
Atlas Básico de Colombia, Instituto Geográfico Agustín Codazzi, Republica de

Colombia, Santa Fe de Bogotá, 1983.
Atlas de Colombia, Instituto Geográfico Agustín Codazzi, Republica de Colombia,

Santa Fe de Bogotá, 1992.
Barco, O.J., y Cuartas, L.A. Estimación de la Evaporación en Colombia. Trabajo

Dirigido de Grado, Ingeniería Civil, Universidad Nacional de Colombia, Sede
Medellín.1998.
Bedoya, J.A., y Rodriguez, E. M., Regionalización de Caudales Mínimos en la

Subregión Oriental del Departamento de Risaralda, Trabajo Dirigido de Grado,
Facultad de Minas, Universidad Nacional de Colombia, Sede Medellín, 1997.
Benjamin, J.R., y Cornell, C.A., Probability Statistics and Decision for Civil Engineers,
McGraw Hill, New York, 684, 1970.
Beven K., Kirkby M., “Channel Network Hidrology”, Wiley Publishers, 175-221, 1993.
Botero, A. y Muñoz, S., Obtención de Curvas Intensidad Frecuencia Duración para el

Departamento de Antioquia, Tesis Universidad Nacional de Colombia, Facultad
de Minas, Ingeniería Civil, Medellín, Colombia, 1997.
Botero, E. A., Planificación de Cuencas Usando Análisis Multiobjetivos y Sistemas de

Información Geográfico, Universidad Nacional de Colombia, 1994.
Botero, H. B. A. Acerca de lo Inapropiado del Hidrograma Unitario Sintético. Tesis

Universidad Nacional de Colombia, Facultad de Minas, Ingeniería Civil,
Medellín, Colombia, 1999.
R-1
Bower A. H., and Lieberman, G. J., Engineering Statistics. Prentice-Hall, New Jersey,
1972.
Bras, R.L., Rodríguez-Iturbe, I., Random Functions and Hydrology, Addison-Wesley

Publishing Company. Massachusetts, 240, 1984.
Burlando P. y Rosso R., Comment on “Parameter estimation and sensitivity analysis for
the modified Bertlett-Lewis Rectangular Pulse Model of rainfall”, J. Geophys.
Res., 96, D5, p. 9391-9395, 1991.
Burlando P. y Rosso R., Scaling and multiscaling models of depth-duration-frequency

curves for storm precipitation, Journal of Hidrology, 187, p. 45–64. 1996.
Calderón, Y., Catalogo de Desastres Ambientales e Inventario de Grandes

Deslizamientos del Departamento de Cundinamarca, VII Congreso Colombiano
de Geotecnia, Volumen 2, Santafé de Bogotá, Colombia, Octubre, 1998.
Cantillo, C., Marco Metodológico para la Evaluación de Riesgos por Movimientos en

Masa, VII Congreso Colombiano de Geotecnia. Volumen 2, Santafé de Bogotá,
Colombia, Octubre, 1998.
Carvajal, L.F., Salazar J.E., Mesa, O.J., y Poveda, G. Aplicación del Análisis Espectral
Singular a Series Hidrológicas en Colombia, Memorias XVI Congreso Latino-
Americano de Hidráulica e Hidrología, IAHS, Santiago de Chile, 3, 97-108,
1994.
Castro, E., Moreno, M., y Vagas, G., Zonificación de Amenazas por Procesos de
Remoción en Masa en las Cuencas de los Ríos Bolo y Fraile, Valle del Cauca,
VII Congreso Colombiano de Geotecnia, Volumen 2, Santafé de Bogotá,
Colombia, Octubre, 1998.
Ceballos, R. P., Erosión en Cuencas. XV Congreso Latinoamericano de Hidráulica,

Volumen 1, Cartagena, 1992.
Chow, V. T., D. R. Maidment y L. W. Mays, Hidrología Aplicada, Mc Graw Hill,

Santafé de Bogotá, 400-401, 1994.
Cubillos, C., y Ordóñez, I., Una Interpretación de los Registros Sedimentológicos

Colombianos, XIV Congreso Latinoamericano de Hidrología.
Deidda, R. , Benzi, R. and Siccardi, F., Multifractal Modeling of Anomalous Scaling

Laws in Rainfall, Water Resour. , 35, 1853-1867, 1999.
Diaz, N. L. y Kan, A., A Hydrometeorogical Model for Basin-Wide Seasonal

Evapotranspiration, Water Resources Research, 35, 1999.
R-2
Dickinson, R. E., Henderson-Sellers, A., Kennedy, P. J. y Wilson, M. F., Biosphere-
Atmosphere Tranfer Scheme (BATS) for the NCAR Community Climate Model.
Technical Note TN-265, National Center for Atmospheric Research, Boulder,
Colorado, 1986.
Dourado, D., García, G. A., Fancelli, L. A. Frizzone, J. A. Y Reichardt, K., Balance

Hídrico Cíclico y Secuencial: Estimación del Almacenamiento de Agua en el
Suelo,. Scientia Agricola, 56, 537-546, 1999.
Foster, H.A., American Society of Civil Engineers. Paper N°1885. Duration Curves,
North Platte, Nebr., 1933.
Frish, U., Sulem P. and Nelkin M., A Simple Dinamical Model of Fully Developed
Turbulence, J. Fluid Mech., 87, 719-736, 1978.
Froehlich, D. C., Intermediate-Duration-Rainfall Intensity Equations, Journal of

Hydraulic Engineering, 121, 751-756, 1995.
Furey, P.R. y Gupta, V.K., Space-Time Variability of Low Streamflows in River, Water
Resources Research. 36, 2679-2690, 2000.
Garbrecht J., Martz L., The Assigment of Dreinage Direction Over Flat Surfaces in
Raster Digital Elevation Models”, J. Hodrology, 205-213, 1996.
Gil, M. M. y Quiceno, N., La influencia del fenómeno El Niño/Oscilación del Sur

sobre el Ciclo Anual de la Hidroclimatología de Colombia, Trabajo Dirigido de
Grado, Ingeniería Civil, Facultad de Minas, Universidad Nacional de Colombia,
Sede Medellín, 1997.
Gómez, S., Predicción de Niveles Freáticos a partir de la Precipitación y su Influencia

en la Estabilidad de Taludes caso de aplicación: Meseta de Bucaramanga, Tesis
de Maestría. Universidad Nacional, Sede Medellín, Postgrado de Recursos
Hidráulicos, 1990.
Gónzales, J. y Báes, E., Características de Algunos Movimientos en la Red Vial

Colombiana, I Simposio Suramericano de Deslizamientos, Volumen 1, Paipa,
Colombia, 1989.
Gónzales, J. y Beltrán, L., Investigación de los Deslizamientos en la Vías Colombianas,

I Simposio Suramericano de Deslizamientos, Volumen 1, Paipa, Colombia, 1989.
Gónzales, J., Metodología y Criterios de Clasificación para Inventario de Movimientos,

I Simposio Suramericano de Deslizamientos, Volumen 1, Paipa, Colombia,
1989.
R-3
Gupta, V. K. y Waymire E. C., Spatial Variability and Scale Invariance in Hydrologic
Regionalization, 1963.
Gupta, V.K. y E. Waymire, A statistical analysis of mesoscales rainfall in random

cascade, Jour. Of Applied Meteo. Vol 32, 2, Febraury 1993.
Gupta, V. K., Mesa, O. J. and Dawdy, D., Multiscaling Theory of Flood Peaks:
Regional Quantile , Water Resources Research, 30, 3405-3421, 1994.
Gupta, V.K. y D.R. Dawdy, Physical Interpretation of Ragional Variations in Scaling

Exponents of Floods Quantiles, Volume 1, pag 347-361, 1995 .
Gupta, V. K., Mesa O. J. y Dawdy D. R., Multiscaling Theory of Flood Peaks: Regional
Quantile Analysis, Water Resources Research, 30, 3405-3421, Diciembre, 1994.
Hilll, D., Introduction to Soil Physics, Orlando, Florida, Academic Press, Inc. 1982.
Hoyos, C., Algunas Aplicaciones de la Transformada de Fourier y la Descomposición en

Onditas a Señales Hidrológicas y Sísmicas. Trabajo Dirigido de Grado,
Ingeniería Civil, Facultad de Minas, Universidad Nacional de Colombia, Sede
Medellín, 1999.
Hu, Q., Gantzer, C. J., Jung, P. And Lee, B., Rainfall Erosivity in the Republic of Korea,
Journal of Soil and Water Conservation, 155-120, 2000.
Jaramillo, R. A. Cháves, C.B., Aspectos Hidrológicos en un Bosque y en Plantaciones

de Café (Coffea arabica L), Cenicafé 50, 5-13, 1999.
Jaramillo, R. A., Balance Hídrico de la Zona Cafetera Colombiana, Cenicafe 33, 15-34,
1982.
Lal, R., Methods and Guidelines for Assessing Sustainable Use of Soil and Water
Resources in the Tropics. Soil Management Support Services USDA Soil
Conservation Service and U:S: Agency for International Development, SMSS
Technical Monograph , 21, 78 p. 1994.
Laronne, J. B., and Mosley M. P., Erosion and Sediment Yield. Stroudsburg,
Pennsylvania. 1982.
LeBoutiller, D. y Waylen, P., A Stochastic Model of Flow-Duration Curves, Water

Resour. Res., 29, 3535-3541, 1993.
LeBoutiller, D. y Waylen, P., Regional Variations in Flow-Duration Curves for River in

British Columbia, Canada, Physical Geography, 14, 359-378, 1993.
R-4
Linsley, R. Flood Estimates: ¿How Good are they?, Water Resources Research, 22,
159-164, Agosto, 1986.
Machado, S. A., Estudio Preliminar del Índice de Erosión Pluvial en Cotové,

Universidad Nacional de Colombia, Facultad de Ciencias Sede Medellín
Boletin de Ciencias de la Tierra, 2, 59-80, 1977.
Machado, S. A., y Machado, M. L. F., Estudio del Índice de Erosión Pluvial en

Colombia, Suelos Ecuatoriales, Memorias del V Congreso Latinoamericano de
la Ciencia del Suelo y IV Coloquio Sobre Suelos S C CS. , 70-77 , 1975.
Maidment, D., Handbook of hydrology, Editor in Chief, McGraw-Hill, 9.1,1992.
Maidment, D.R., Handbook of Hydrology. Mc Graw Hill,Inc., 1993.
Malagon, C. D., Propiedades Físicas de los Suelos, Instituto Geográfico Agustín

Codazzi, 2 ed., Bogotá, 1976.
Mantilla, R.I., “Análisis Multiescala de Propiedades Morfométricas y de Caudales

Máximos de Cuencas Hidrográficas de Colombia”, Universidad Nacional de
Colombia, 42-77, 1999.
Mapas del Instituto Geográfico Agustín Codazzi.
Martínez, Manuel y Rodríguez, Jorge. Zonificación Geotécnica, Mapas de

Susceptibilidad y Amenaza por Remoción en Masa, VII Congreso Colombiano
de Geotecnia, Volumen 2, Santafé de Bogotá, Colombia, Octubre, 1998.
Martínez, T., Principales Sistemas Sinópticos en Colombia y su Influencia en el

Comportamiento del Tiempo, Atmósfera, 16, 1-10, 1993.
Mather, J. R., The Climatic Water Budget in Environmental Analysis, Lexington,

Massachusetts: D. C. Heath and Company.
Mejía, J.F. y Montoya, M.I., Estudio y Aplicación de Curvas de Duración para
Caudales, Trabajo dirigido de grado, Facultad de Minas, Universidad Nacional
de Colombia, Sede Medellín, 1999.
Mesa, O. J., Poveda, G. y Carvajal, L.F., Introducción al Clima de Colombia, Imprenta

Universidad Nacional de Colombia, Bogotá, 1997.
Mesa, O. J., Poveda, G., Carvajal, L.F y Salazar, J.E., Influencia de Variables
Macroclimáticas en la Hidrología Colombiana, Boletín Hidrológico de las
Empresas Públicas de Medellín, 3, 25-58, 1994 b.
R-5
Mesa, O. J., Poveda, G., Carvajal, L.F y Salazar, J.E., Predicción Hidrológica usando
Redes Neuronales, Memorias XVI Congreso Latinoamericano de Hidráulica e
Hidrología, IAHR, Santiago de Chile, 3, 385-396, 1994a.
Milly, P. C. D., An Analytic Solution of the Stochastic Storage Problem Applicable to

Soil Water, Water Resources Research, 29, 3755-3558, 1993.
Milly, P. C.D., Climate, Soil Water Storage , and the Average Annual Water Balance,
Water Resources Research, 30, 1994.
Milly, P. C.D., Climate, Water and Heat Fluxes in Desert Soils, Water Resources
Research, 30, 1994.
Milly, P. C.D., Potencial Evaporation and Soil Moisture in General. Journal of Climate,
5, 1992.
Milly, P. C.D., Sensitivity of the Global Water Cycle to the Water-Holding Capacity of
Land, Journal of Climate, 7, 1994.
Milly, P. C.D., Climate, Interseasonal Storage of Soil Water, and the Annual Water
Balance, Advances in Water Resourses, 17, 1994.
Ministerio de Obras Públicas, Transporte y Medio Ambiente, Métodos para el Cálculo

Hidrológico de Crecidas, Madrid-España, 1996.
Montealegre, J. E. y Pabón, J.D., Características Climáticas Relevantes durante la

Ocurrencia de Fenómenos ENOS en el Nor-occidente Suramericano, HIMAT,
Bogotá, 1992.
Montero, J. y Cortés, R., Clasificación Regional de Amenaza de Deslizamientos, I

Simposio Suramericano de Deslizamientos, 1, Paipa, Colombia, 1989.
Neelin, J. D., et. al., The Neelin-Zeng Quasi-Equilibrium Tropical Circulation model
(QTCM1) version 2.1. Manual. http://www.atmos.ucla.edu/ %csi/QTCM
Neelin, J. D., y Zeng N., A Quasi-Equilibrium Tropical Circulation Model-Formulation,

J. Atmos. Sci., 2000.
Olmos, E., y Montenegro, H., Inventario de los Problemas de la Erosión y Degradación

de los Suelos de Colombia, Congreso Colombiano de la Ciencia del Suelo, 4 y
Coloquio la Degradación de los Suelos en Colombia, 9, Neiva, Colombia,
Agosto, 1987. Resúmenes, Neiva, Sociedad Colombiana de la Ciencia del
Suelo, 23, 1987.
R-6
Over, T y Gupta V. K., Statistical Analysis of Mesoscale Rainfall: Dependence of a
Random Cascade Generator on Large-Scale Forcing, J. Appl. Meteorol., 33,
1526-1542, 1994.
Patiño, F., Vélez, J., and Vélez, M., The Moses Rod: Ground Water in Generation of
Deep-Seated Landslides, Bulletin of the Association of Engineering Geologist,
1994.
Patterson, K. A., Global Distributions of Total and Total-Available Soil Water-Holding

Capacities, A thesis submitted to the Faculty of the University of Delaware in
partial fulfillment of the Requirements for Degree of Master of Science in
Geography, August, 1990.
Paz, C. I. y Torres, A. M., Precipitación y su Influencia sobre los Deslizamientos

Ocurridos en la Laderas del Valle de Aburrá, Trabajo Dirigido de Grado,
Universidad Nacional de Colombia, Sede Medellín, 1989.
Posada, L., Transporte de Sedimentos, Universidad Nacional de Colombia, Sede

Medellín, 1994.
Posgrado en Aprovechamiento de los Recursos Hidráulicos, Universidad Nacional de

Colombia, Sede Medellín, Balances Hidrológicos de Colombia, Informe final,
1999.
Posgrado en Aprovechamiento de los Recursos Hidráulicos. Universidad Nacional de

Colombia,. Sede Medellín,. Estudio de Caudales Mínimos de la Quebrada
Doña María, 45p, 1987.
Poveda G., Jaramillo A, y Mantilla R., Amplificación De Las Anomalías De Humedad

De Suelo Ydel Índice "Ndvi" Por El Niño En Colombia, Memorias XIX
Congreso Latinoamericano De Hidráulica , Córdoba, Argentina, Agosto, 2000.
Poveda, G., Atractores Extraños (Caos) en la Hidro-Climatología de Colombia?, En

Imprenta, Revista de la Academia Colombiana de Ciencias, 1997.
Poveda, G., Cuantificación del Efecto de El Niño y La Niña sobre los Caudales en
Colombia, Memorias del XVI Congreso Latinoamericano de Hidráulica e
Hidrología, IAHR, Santiago de Chile, 107-117, 1994b.
Poveda, G., Funciones Ortogonales Empíricas en el Análisis de la Relación entre los

Caudales Medios en Colombia y las Temperaturas de los Océanos Pacífico y
Atlántico, Memorias del XVI Congreso Latinoamericano de Hidráulica e
Hidrología, IAHR, Santiago de Chile, Volumen 4, 131-144, 1994c.
Poveda, G., Lluvias en Colombia: Correlación con el Clima del Océano Pacífico y
Análisis de Funciones Ortogonales Empíricas, Memorias del XVI Congreso
R-7
Latino-Americano de Hidráulica e Hidrología, IAHR, Santiago de Chile,
Volumen 4, 93-105. 1994a.
Poveda, G., Mesa, O.J., Carvajal, L.F., y Salazar, J.E. Lluvias en Colombia: Correlación
con el Clima del Océano Pacífico y Análisis de Funciones Ortogonales
Empíricas, Memorias XVI Congreso Latino-Americano de Hidráulica e
Hidrología, IAHR, Santiago de Chile, Volumen 4, 93-105, 1994.
Poveda, G., Modulación de la Hidroclimatología de Colombia por el ENSO y otros

Fenómenos de Gran Escala, Trabajo de promoción a profesor Asociado,
Posgrado en Aprovechamiento de Recursos Hidráulicos, Universidad Nacional
de Colombia, Medellín, 1996.
Poveda, G., y Mesa, O.J., The Relationship between ENSO and the Hydrology of
Tropical South America,. The Case of Colombia, Proceedings of the Fifteenth
Annual American Geophysical Union Hydrology Days, Atherton, CA, USA,
Hydrology Days Publications, 227-236,, 1995.
Poveda, G., y Mesa, O. J., Efectos Hidrológicos de la Deforestación, Energética,

Facultad de Minas Universidad Nacional de Colombia, Sede Medellín, 16,
91–102, Diciembre, 1995.
Poveda, G., y Mesa, O. J., Feedbacks Between Hydrological Processes in Tropical

South America and Large Scale Oceanic-Atmospheric Phenomena, J. Climate,
10, 2690-2702, 1997.
Poveda, G., y Mesa, O. J., Feedbacks between hydrological processes in tropical South
America and large scale oceanic-atmospheric phenomena, J. Climate, 10, 2690-
2702, 1997.
Poveda, G., y Mesa, O. J., Metodologías de predicción de la hidrología Colombiana

considerando el evento El Niño-Oscilación del Sur (ENOS), Atmósfera, 17,
Sociedad Colombiana de Meteorología, Bogotá, 1993.
Poveda, G., y Mesa, O.J., Las fases extremas del ENSO - El Niño y La Niña - y su
influencia sobre la hidrología de Colombia, Revista de Ingeniería Hidráulica, XI,
México, 21-37, 1996a.
Poveda, G., y. Penland, C., Predicción de caudales medios en Colombia usando

Modelación Lineal Inversa, Memorias XVI Congreso Latino-Americano de
Hidráulica e Hidrología, IAHR, Santiago de Chile, Volumen 4, 119-129, 1994.
Reed, S. M., Soil – Water Budge,. Part I: Methodology and Results,. Disponible en
http://www.ce.utexas.edu/prof/maidment/GISHydro/seann/explsoil/method.htm
R-8
Rivera, J. H., Determinación de los Índices de Erosividad, Erodabilidad y Erosión
Potencial en la Zona Cafetera Central Colombiana (Caldas, Quindio y Risaralda),
Universidad Nacional de Colombia, (Tesis Master Science), 310 , Palmira,
1990.
Rivera, J. H., Erosión Potencial de los suelos de la Zona Cafetera Central Colombiana
(Caldas, Quindio y Risaralda) y su Aplicabilidad en la Orientación del Uso,
Manejo y Conservación,. 141-154. Cenicafé (Colombia), 1993.
Rivera, J. H., Susceptibilidad y Predicción de la Erosión en Suelos de Ladera de la Zona

Cafetera Central Colombiana, Trabajo de Tesis Doctoral, Posgrado en
Aprovechamiento de Recursos Hidráulicos, Universidad Nacional de Colombia,
Sede Medellín, 503 , Medellín, 1999.
Rodríguez, E., Cepeda, H., y Ojeda, B., Aporte del INGEOMINAS en los estudios de
amenaza, vulnerabilidad y riesgo geológico en Colombia, VII Congreso
Colombiano de Geotecnia, Volumen 2, Santafé de Bogotá, Colombia, Octubre
1998.
Rodriguez-Iturbe, I. y Rinaldo, A., Fractal River Basins: Chance and organization,

Cambridge University Press, 477-486, 1997.
Rodriguez-Iturbe, I. y Valdés, J., La respuesta hidrológica de una cuenca: su relación

con la estructura de drenaje, Seminario sobre hidrología con énfasis en el
problema de la información escasa, artículo 405, Universidad Nacional de
Colombia, Medellín, 1982.
Ruiz, G., Amenaza Relativa por Fenómenos de Remoción en Masa en el Municipio de

El Líbano – Tolima, VII Congreso Colombiano de Geotecnia, Volumen 2,
Santafé de Bogotá, Colombia, Octubre, 1998.
Ruiz, C. D. y Acosta, Z. L., Adaptación del Método Gradex en Cuencas Antioqueñas,

Proyecto de grado para optar al título de Ingeniero Civil, Universidad Nacional de
Colombia, Sede Medellín, 1997.
Saxton, K. E., Rawls, W. J., Romberger, J. S. y Papendick, R. I., Estimating Generalized

Soil-Water Characteristics from Texture, Disponible en
http://www.bsyse.wsu.edu/∼saxton/grphtext/article/article.htm.
Searcy, J., Flow-Duration Curve, Manual of Hydrology: part 2, Low-Flow Techniques,

Washington, 1959.
Sellers, P. J., Mintz, Y., Sud, Y. C. y Dalcher A., The Design of a Simple Biosphere
Model (SiB) for use within General Circulation Models, J. Atmos. Sci., 43, 505-
531, 1986.
R-9
Shrestha D. P. y Zinck J. A., Land Degradation Assessment using Geographic
Information System: A Case Study in the Middle Mountain Region of the
Nepalese Himalaya. http://pages.hotbot.com/edu/geoinformatics/f64.html
Shreve, R. L. Infinite Topologically Random Channel Networks. J. Geol. Nº 5., 178-

186, 1867.
Smith, R. y Vélez, M., Hidrología de Antioquia, Departamento de Antioquia, Secretaria

de Obras Publicas, Posgrado en Aprovechamiento de Recursos Hidráulicos,
Universidad Nacional de Colombia, sede Medellín, Colombia, Junio, 1997.
Stöckle, C., http://bsyse.wsu.edu/crupsyst/manual/en/chapter_16.html
Suárez, J., Parámetros para la elaboración de mapas de susceptibilidad a los

deslizamientos, VII Congreso Colombiano de Geotecnia, Volumen 2, Santafé de
Bogotá, Colombia, Octubre, 1998.
Suelos de Colombia: Origen, Evolución Clasificación, Distribución y Uso, Instituto
Agutín Codazzi, Ministerio de Hacienda y Crédito Público, Santafé de Bogotá,
1995.
Tchmodanova, V., Metodología de zonificación geotécnica regional, VII Congreso

Colombiano de Geotecnia, Volumen 2, Santafé de Bogotá, Colombia, Octubre,
1998.
Torrence, C. y Webster, P. J., The annual cycle of persistence in the El Niño-Southern

Oscillation, Quart. J. Roy. Meteor. Soc., 124, 1985-2004, 1998.
UNAL-UPME-COLCIENCIAS. Universidad Nacional de Colombia- Unidad de

Planeación Minero-Energética, Balance Hidrológico de Colombia, Posgrado en
Aprovechamiento de Recursos Hidráulicos. Facultad de Minas, Medellín, 1999.
Van de Leur, K., Runoff models with linear elements in recent trends in hydrographs
synthesis, Committee for hydrologic research, TNO, The Hague, 31-64, 1966.
van Westen, C. J. Deterministic landslide hazard zonation.
van Westen, C. J. Hazard, Vulnerability and risk analysis.
van Westen, C. J., Statistical landslide hazard analysis.
Varas, E., Farías de Reyes, M., Estudio Comparativo de Relaciones Intensidad-

Duración-Frecuencia, Memorias XIX Congreso Latinoamericano de Hidráulica,
Córdoba, Argentina, Tomo II, 359-366, Octubre, 2000.
R-10
Vargas, G., Metodología para la cartografía de zonas de susceptibilidad a los
deslizamientos a partir de sensores remotos y S.I.G., Boletín Geológico, 34,
1994.
Vargas, R., Curvas sintéticas de Intensidad-Duración-Frecuencia para Colombia.
Regionalización e Implementación de un SIG, Universidad de Los Andes,
Facultad de Ingeniería, Tesis 22470, Julio de 1998.
Vargas, R., Díaz-Granados, M., Curvas sintéticas regionalizadas de Intensidad-

Duración-Frecuencia para Colombia, Memorias XIII Seminario Nacional de
Hidráulica e Hidrología. Cali, Colombia, Tomo I, 189-200, Agosto, 1998.
Vélez, M. V. y Guzmán, J. V., Análisis de Caudales Máximos en Antioquia, Proyecto

de grado para optar al título de Ingeniero Civil, Universidad Nacional de
Colombia, Sede Medellín, 1978.
Waymire, E. y Gupta, V.K., The mathematical structure of rainfall representations.

Water Resources Research., 17 (5), 1261-1294, 1981.
Wilches, S., Estudio de las Propiedades de Invarianza de las Precipitaciones Máximas

Puntuales en el Departamento de Antioquia, Tesis de Maestría sin publicar
Aprovechamiento de Recursos Hidráulicos, Universidad Nacional de Colombia
(Sede Medellín), 2001.
Wischmeier, W. H., Smith, D., Predicting Rainfall Erosion Losses, A guide to

Conservation Planning United States Department of Agriculture, Agricultural
Handbook, 282, 1978.
Zeng, N., J. D. Neelin, and C. Chou, 1998: A quasi-equilibrium tropical circulation

model-implementation and simulation, J. Atmos. Sci., 2000.
Direcciones en Internet
www.itc.nl/ilwis/dev/applic/index.htm.
R-11
ANEXO A
INFORMACIÓN
HIDROLÓGICA
A.1 INTRODUCCIÓN
Para el desarrollo del proyecto de investigación Atlas Hidrológico de Colombia se

utilizó información hidrológica proveniente del Instituto de Estudios Ambientales
(IDEAM), Empresas Públicas de Medellín (EPM), Centro de Estudios Nacionales
del Café (CENICAFE), Corporación Regional del Valle del Cauca (CVC), entre
otros. Se contó con 288 estaciones de caudal medio (ver figura A.1), 301 estaciones
de caudal mínimo (ver figura A.2), 301 estaciones de caudal máximo (ver figura
A.3), 108 estaciones de datos diarios de precipitación (ver figura A.4), 336
estaciones de precipitación mensual (ver figura A.5). Además de la anterior, estuvo
disponible la información utilizada en el proyecto Balances Hidrológicos de
Colombia (ver UPME-COLCIENCIAS-UNAL, 1999.).
Toda esta información fue debidamente depurada y seleccionada, con el fin de elegir
los datos a utilizar en la aplicación de cada una de las metodologías. Para esto
inicialmente se hizo una clasificación por años de registro, para determinar las
estaciones con periodos de registro muy corto. También se observaron las series
gráficamente, con el fin de detectar series con problemas. Se hicieron pruebas de
homogeneidad y finalmente se procedió a completar los datos faltantes en algunas
variables, por medio de la transformada de onditas (“wavelets”).
A.2
A.2 UBICACIÓN DE LAS ESTACIONES
FIGURA A.1. Ubicación de las estaciones de caudal medio (288 estaciones).
FIGURA A.2. Ubicación de las estaciones de caudal mínimo (301 estaciones).
A.3
FIGURA A.3. Ubicación de las estaciones de caudal máximo (301 estaciones).
FIGURA A.4. Ubicación de las estaciones de datos diarios de precipitación (104 estaciones).
A.4
FIGURA A.5. Ubicación de las estaciones de precipitación mensual (336 estaciones).
A.3 DETECCIÓN DE PROBLEMAS EN LAS SERIES
Los series fueron observadas gráficamente con el fin de hacer una depuración inicial
y detectar problemas. Unos de los problemas detectados fue la existencia de
“outliers” o puntos espurios. Para ilustración, en la figura A.6 se observa que
aproximadamente en el año 1966 en la estación de precipitación El Peñol ubicada en
el departamento de Nariño y en el año de 1971 en la estación Olaya ubicada en el
departamento de Antioquia, hay datos muy extremos, que podrían ser anómalos.
También se detectaron series con muchos datos faltantes, y sin posibilidades de ser
reconstruidos debido a la poca longitud del periodo de registro (ver figura A.7).
A.5
800
600
Caudal (m3/s)
400
200
0
1965 1966 1967 1968 1969
Año
800
600
Caudal (m3/s)
400
200
0
1970 1971 1972 1973 1974
Año
FIGURA A.6. Datos de precipitación mensual en la estación El Peñol ubicada en el

departamento de Nariño (arriba) y Olaya ubicada en Antioquia (abajo).
A.6
4
3
Caudal (m3/s)
0
1984 1985 1986 1987 1988
Año
50
40
Caudal (m3/s)
30
20
10
0
1974 1975 1976 1977 1978
Año
FIGURA A.7. Datos de caudal medio mensual en la estación San Cristóbal ubicada en el
departamento de Bolivar (arriba) y Puente Comuna ubicada en el
departamento de Santander (abajo).
A.7
A.4 RECONSTRUCCIÓN DE DATOS FALTANTES EN LAS SERIES
USANDO ONDITAS
Los datos faltantes de las estaciones de caudal medio fueron llenados por medio de la
transformada de onditas (“wavelets”). Se trata de una herramienta de análisis para el
estudio de procesos no estacionarios, o con fenómenos de multiescala, que ocurren
sobre dominios finitos en el tiempo y en el espacio. La transformada en onditas
logra localización temporal y frecuencial simultáneamente, mediante el uso de
funciones (ondita madre) de dos parámetros, uno de localización y otro de
escalamiento. En Torrence y Compo (1998), Foufoula y Kumar (1994) y Hoyos
(1999) se encuentra una descripción detallada de la técnica de onditas utilizada en
este trabajo. La intención de utilizar la transformada en onditas es descomponer
tanto la serie de aportes como las series de los índices macroclimáticos en las
principales componentes espectrales de las series de aportes. Las componentes
espectrales principales corresponden a intervalos de frecuencias (o períodos) que
incluyen los períodos principales de una serie, los cuales pueden hallarse mediante
análisis espectral usando diferentes metodologías (Fourier, máxima entropía,
onditas).
Además de los datos existentes de las series, la reconstrucción de datos a partir de la

transformada de onditas, también puede ser apoyada en otro tipo de datos como por
ejemplo variables macroclimáticas. Las variables macroclimáticas (con un rezago)
utilizadas como variables predictoras son: Índice Multivariado del ENSO (MEI),
Índice de Oscilación del Sur (SOI), Precipitación mensual en la India–MONZON
(Parthasarathy et al., 1995), Oscilación del Atlántico Norte (NAO), Oscilación
Decadal del Pacífico (PDO), Oscilación Cuasi-Bienal (QBO), Temperatura
Superficial del Mar en las regiones NIÑO 1, 2, 3 y 4 (T NINO#), Temperatura
promedio del Atlántico Norte y Sur (T NAT y T SAT), y Temperatura Tropical
Promedio (TROP). En el cálculo del Índice Multivariado del ENSO (Wolter, 1987)
se utilizan seis variables en las cuales se manifiesta el fenómeno ENSO (presión a
nivel del mar, componentes zonales y meridionales del viento superficial, SST,
temperatura del aire en la superficie y nubosidad total). Ver
A.8
http://www.cdc.noaa.gov/~kew/MEI. El índice de Oscilación del Sur se calcula como
la diferencia estandarizada de presiones atmosféricas entre Tahití y Darwin
(Trenberth, 1976). El índice para la PDO se calcula usando análisis de componentes
principales de anomalías mensuales en la temperatura superficial del Océano
Pacífico Norte (Mantua et al., 1997). El índice para la NAO se calcula con base en
las diferencias de presiones atmosféricas normalizadas entre las Islas Azores e
Islandia (Hurrel, 1995 y Jones et al., 1997). El índice de la QBO utilizado fue
construido a partir de datos de viento zonal a 30 hPa (Marquardt y Naujokat, 1997).
La mayoría de las series se pueden obtener en
http://tao.atmos.washington.edu/data_sets/. Además de las anteriores variables se
utilizaron estaciones de precipitación y caudal, las cuales contaban con un período de
tiempo largo y que son series relativamente confiables.
En la figura A.8 se presentan los resultados de la reconstrucción de cinco años de

caudales medios mensuales con la transformada de onditas, al igual se presenta la
serie real en el mismo período de tiempo. Esta figura se muestra con el fin de validar
los datos reconstruidos con las onditas. Es de aclarar que en el proceso de
reconstrucción no fue posible llenar tantos faltantes seguidos, debido a que no
siempre se contaba con un periodo de tiempo tan largo (periodo de apoyo), como el
disponible para las series de la figura (mínimo de 20 años de registros). Se puede
concluir entonces que los resultados de reconstruir datos faltantes con esta
metodología serán mejores entre mayor sea el período de apoyo para reproducir el
faltante. En la figura A.8 se observa que los datos reconstruidos son bastante
cercanos a los reales.
En la figura A.9 se presentan los resultados de la reconstrucción de datos, mediante

el porcentaje de aciertos por terciles. Para calcular los aciertos es necesario conocer
los límites que permiten discriminar si un valor determinado está en el tercil inferior,
medio o superior. Se compara si cada valor reproducido corresponde al tercil al que
corresponde el valor real, si este corresponde se considera un acierto. En la figura se
puede observar que en general hay más aciertos en el tercil superior y en el inferior.
A.9
Variables tales como caudales máximos y mínimos, no se le reconstruyeron faltantes
debido a que la metodología no reproduce bien tales eventos extremos, además
físicamente esta variables son independientes y por lo tanto no pueden ser
reconstruidas a partir de datos anteriores o previos.
Los resultados de la aplicación de la transformada de onditas en la reconstrucción de

datos faltantes están totalmente relacionados con los datos de apoyo para dicha
reconstrucción, tanto de los datos existentes de la misma serie como de las variables
macroclimáticas. La elección de las variables macroclimáticas a usar es
fundamental, debido a la localización espacial de las series a reconstruir, ya que por
efectos de topografia y otros , no todas las series hidrolígicas son afectadas de igual
forma por las variables macroclimáticas. Por ejemplo la reconstrucción de datos en
la estación Puente Lleras ubicada en el departamento del Meta no es muy sensible a
la inclución de algunas variables del macroclima, mientras que otras estaciones como
Bocas ubicada en el departamento del Tolima si presenta sensibilidad a la elección de
dichas variables. Para mayor ampliación sobre el tema ver Poveda y Mesa (1993),
Carvajal et al. (1994), Salazar et al. (1994ª), Salazar et al. (1994b), Mesa et al
(1994b) y Poveda et al. (2001).
A.5 PRUEBAS DE HOMOGENEIDAD
En está parte del trabajo se hizo el estudio de homogeneidad a 223 series de

precipitación mensual y 182 series de caudal medio mensual. Se realizaron 3
pruebas para detectar independencia de las series (prueba Spearman, prueba de
Corridas y prueba de Picos y valles). También se efectuó una prueba para evaluar
tendencia en la media (significancia del coeficiente de regresión), en la varianza (F-
simple) y una prueba para detectar puntos de cambio (Wilcoxon Rank o Mann –
Whitney). La parte teórica de estas pruebas puede ser consultada en UNAL- ISA,
1995 (tomo 3).
A.10
Estación La Purificación 1 Estación Mariangola
Bolivar Cesar
25 12
10
20
Caudal (m3/s)
Caudal (m3/s)
8
15
6
10
4
5
2
0 0
1988 1989 1990 1991 1992 1988 1989 1990 1991 1992
Año Año
Estación Bocas Est. Puente Carretera
Tolima Meta
80 400
60 300
Caudal (m3/s)
Caudal (m3/s)
40 200
20 100
0 0
1988 1989 1990 1991 1992 1987 1988 1989 1990 1991
Año Año
Est. La Cocha Est. Venecia
Nariño Caqueta
20 300
250
15
Caudal (m3/s)
200
Caudal (m3/s)
10 150
100
5
50
0 0
1988 1989 1990 1991 1992 1988 1989 1990 1991 1992
Año Año
Est. Puente Gárces Est. Puente Lleras
Huila Meta
100 1200
Año Año
1000
Caudal (m3/s)
80
Caudal (m3/s)
800
60
600
40
400
20 200
0 0
1988 1989 1990 1991 1992 1988 1989 1990 1991 1992
Año Año
FIGURA A.8. Serie real (línea continua) y resultados de llenar cinco años de datos con la
transformada de onditas, en algunas estaciones de caudal medio.
A.11
Estación La Purificación 1 Estación Mariangola
Bolivar Cesar
80
60
50 60
% Aciertos
% Aciertos
40
40
30
20
20
10
0 0
Inferior Medio Superior Inferior Medio Superior
terciles terciles
Estación Bocas Est. Puente Carretera
Tolima Meta
80
80
% Aciertos
% Aciertos
60
60
40
40
20
20
0 0
terciles terciles
Est. La Cocha Est. Venecia
Nariño Caqueta
80
80
% Aciertos
% Aciertos
60
60
40
40
20
20
0 0
terciles terciles
Est. Puente Gárces Est. Puente Lleras
Huila Meta
80
60
% Aciertos
% Aciertos
60
40
40
20 20
0 0
terciles terciles
FIGURA A.9. Porcentaje de aciertos en la reconstrucción de los datos agrupada por terciles
A.12
La prueba de hipótesis para la significancia del coeficiente de regresión fue “la serie
presenta tendencia en la media”, para la prueba F-simple fue “la serie presenta
tendencia en la varianza”, para la prueba Mann Whitey fue “la serie presenta punto
de cambio” y para las pruebas de Spearman, corridas y Picos&Valles fue “La serie
es independiente”. Los resultados para las series de precipitación se presentan en la
tabla 1 y para las series de caudal en la tabla 2.
Tabla 1. Resultados de las pruebas de homogeneidad para las series de precipitación mensual.
Resultados de series de Precipitación

Mensual
Nombre de la Prueba Tipo de Prueba Rechazan la hipótesis Aceptan la hipótesis

Significancia del
Tendencia en la media 138 85
Coeficiente de Regresión
F-Simple Tendencia en la varianza 148 96
Mann Whitey Punto de cambio 148 75
Spearman Independencia 93 130
Corridas Independencia 2 221
Picos&Valles Independencia 0 221
Tabla 2. Resultados de las pruebas de homogeneidad para las series de caudal medio mensual.
Resultados de series de Caudal Medio

Mensual
Nombre de la Prueba Tipo de Prueba Rechazan la hipótesis Aceptan la hipótesis

Significancia del
Tendencia en la media 116 66
Coeficiente de Regresión
F-Simple Tendencia en la varianza 99 83
Mann Whitey Punto de cambio 123 59
Spearman Independencia 56 126
Corridas Independencia 182 0
Picos&Valles Independencia 182 0
El análisis gráfico de cada una de las series, en algunos casos mostró que las
tendencias y puntos de cambio detectados por las pruebas no son muy marcadas,
A.13
como es el caso de la estación de precipitación mensual Hacienda Pérez en el
departamento del Huila, la cual según la prueba de Significancia del Coeficiente de
Regresión presenta una tendencia en la media, pero esto no es muy claro si se
observa gráficamente, ver figura A.10.
500
400
Caudal (m3/s)
300
200
100
0
1967 1970 1973 1976 1979 1982 1985 1988 1991 1994
Año
FIGURA A.10. Serie de precipitación mensual estación Hacienda Pérez ubicada en el

departamento del Huila.
A.14
ANEXO B
MAPAS ADICIONALES
A continuación se presentan unos mapas adicionales que se incluyen en el Atlas Digital
y que pueden ser útiles en el cálculo o la consulta para cualquier usuario.
B.1 MEDIOS NATURALES
El mapa digitalizado de Medios Naturales fue tomado de Tomado de Atlas de Colombia,

IGAC, 1992. Este mapa es presentado en la FIGURA B.1.
La información desplegada incluye los siguientes aspectos:
LLANURAS CÁLIDAS Y HÚMEDAS DEL AMAZONAS CON SELVA

HIGROFILA (Hylea).
Aa : Altillanuras del trapecio amazónico de Hyleas y Várzeas.

Ab : Altillanuras disectada y terrazas con dominio de la Hylea.
Ac : Altillanuras de satélite del Vaupés con afloramientos del escudo guayanés en
mosaico de Hyleas, catingas y campiñas.
Ad : Relieves residuales con vegetación tropófila.
Ae : Vegas inundables por ríos de aguas negras o cristalinas con Igapó y ríos de aguas
blancas con Várzeas.
LLANURAS CÁLIDAS Y SUBHUMEDAS DE LA ORINOQUIA CON

ESTACIONALIDAD CONTRASTADA Y VEGETACION DE SABANAS
PIROFILAS.
Ba : Llanura con vegetación de sabana inundable. Localmente médanos.

Bb : Altillanuras disectadas entre los ríos Meta y Vichada con mosaico de bosques en
galería.
Bc : Serranía del Meta.
B.2
Bd : Altillanura con afloramientos locales del escudo guayanés.
Be Vegas inundables con bosques de rebalse y/o galería.
LLANURAS Y SERRANIAS CÁLIDAS E HIPERHUMEDAS DEL PACIFICO CON

SELVA HIGROFILA (HYLEA DEL PACIFICO).
Ca : llanuras costeras con deltas y ríos asociadas con manglares y natales.

Cb : Serranía del Baudó con litoral acantilado.
Cc : Llanuras aluviales pantanosas de los ríos Atrato y San Juan con guaduales y
cativales.
Cd : Colinas bajas disectadas.
MONTAÑAS ANDINAS
PIEDEMONTE EXTERIOR CÁLIDO Y HÚMEDO DE LA CORDILLERA

ORIENTAL
D1a : Conos y terrazas con bosques ecuatoriales al norte de la Macarena.

D1b : Conos y terrazas con bosques ecuatoriales hacia el sur de la Hylea.
PIEDEMONTE EXTERIOR DE LA CORDILLERA OCCIDENTAL.

D2a : Piedemonte cálido e hiperhúmedo con Hylea del pacífico.
D2b : Estribaciones septentrionales cálidas y húmedas con Hylea del pacífico.
PARAMOS
D4 : Cumbres montañosas por encima del los 3500 m.s.n.m. con pajonales y
frailejonales.
B.3
VERTIENTES NUBLADAS ENTRE 2500 Y 3500 m.s.n.m. CON BOSQUE ANDINO
Y ALTO ANDINO GENERALMENTE CON VALLES DE DISECCION
PROFUNDA.
D5a : Altiplanos subhúmedos y de tendencia seca con acentuada antropización.

D5b : Macizo de vertientes abruptas y de disección profunda.
VERTIENTES TEMPLADAS ENTRE 1000 Y 2000 m.s.n.m. CON BOSQUE

SUBANDINO, INCLUYE PASTOS Y CULTIVOS ASOCIADOS AL CAFE.
D6a : Vertientes interiores muy antropizadas. Cinturón cafetero dominante (1000-1900

m.).
D6b : Vertientes exteriores húmedas con dominio de bosques y pastos.
D6c : Serranía de San Lucas, húmedas con vertientes abruptas y bosque denso.
D6d : Superficie onduladas a quebradas del batolito antioqueño con fuerte antropización.
BORDES BAJOS DE LAS CORDILLERAS ENTRE 500 Y 1000 m.s.n.m.
D7a : Vertientes abruptas con tendencias seca hacia los valles del Magdalena y Cauca
con vegetación ecuatorial dispersa.
D7b : Vertientes abruptas Húmedas del borde externo de la cordillera oriental con
vegetación ecuatorial.
VALLES INTRAMONTAÑOSOS CALIDOS, CON BOSQUES TROPOFILOS Y

SUBXEROFILOS.
D8a : Cañones de tendencia seca y subhúmedos de los ríos Chicamocha y Suarés, con
procesos de erosión lineal moderada a fuerte.
D8b : Magdalena medio subhúmedo y húmedo con superficies plana inundables por la
Hylea magdalenense.
B.4
D8c : Terrazas y conos subhúmedos y de tendencia seca asociados con agricultura
intensiva del alto magdalena.
D8d : Colinas subhúmedas, localmente de tendencia seca con procesos de erosión
acelerada y bosque tropical tropófilo.
D8e : Fosa y cañón del río Patía muy disectados con clima subhúmedo y bosque
subandino a ecuatorial tropófilo.
D8f : Cauca medio Subhúmedo, con superficies planas poco disectadas y de agricultura
intensiva.
D8g : Cañón subhúmedo del bajo Cauca con bosque tropófilo y procesos erosivos
fuertes.
LLANURAS CÁLIDAS Y SUBHÚMEDAS DEL CARIBE
Ea : Depresiones periódicamente inundables y ciénagas de los ríos Cauca, Magdalena y

Sinú.
Eb : Colinas bajas cálidas y subhúmedas con procesos de erosión lineal intensa.
Ed : Valle del río Cesar subhúmedo, abanicos y terrazas moderadamente disectadas con
vegetación de sabana.
LLANURAS CÁLIDAS Y SECAS DE LA MEDIA Y ALTA GUAJIRA
Fa : Llanuras de tendencia seca de la baja Guajira con bosque subxerófilo. Localmente

modelado eólico (dunas).
Fb : Llanuras y serranías de tendencia seca muy marcada de la alta Guajira con
vegetación de matorrales subxerófilos y cardonales.
SISTEMAS PERIFÉRICOS
Ga : Serranía de la Macarena de características subhúmedas y húmedas con Hylea

amazónica, bosque trópofilo y vegetación casmófita.
B.5
Gb : Sierra Nevada de Santa Marta, de características subhúmedas a húmedas con el
mismo escalonamiento de los medios naturales de las montañas andinas: picos nevados,
páramos y vertientes abruptas de disección profunda con bosque altoandino, subandino y
ecuatorial.
FIGURA B.1. Mapa de Medios Naturales(Tomado de Atlas de Colombia, IGAC, 1992. Escala 1:
3´400.000)
A.6.2 RESERVACIONES, PERMISOS, SUSTRACCIONES Y

CORPORACIONES REGIONALES
El mapa digitalizado de Reservaciones, Permisos, Sustracciones y Corporaciones

Regionales fue tomado de Atlas de Colombia, IGAC, 1992. Este mapa es presentado en
la FIGURA B.2.
B.6
Corporaciones regionales.
Zona de pastos naturales.
Parques nacionales naturales.
Solicitudes de permisos de estudios, reservas.
Reservas especiales.
Reservas forestales.
Reservas nacionales naturales y reservas de resguardos indígenas. *
Sustracciones a la reserva forestal; Ley 2 de 1959.
FIGURA B.2. Mapa de Reservas, Permisos y Corporaciones(Tomado de Atlas de Colombia,

IGAC, 1992. Escala 1: 3´400.000)
*
Por dificultad de visualización de colores esta categoría contiene dos de las clasificadas según el IGAC.
B.7
A.6.3 SISMICIDAD Y TECTONISMO
El mapa digitalizado de Sismicidad y tectonismo fue tomado de Atlas de Colombia,

IGAC, 1992. Este mapa es presentado en la figura FIGURA B.3.
A.6.4 REGIONES ZOOGEOGRÁFICAS
El mapa digitalizado de Regiones Zoogeográficas fue tomado de Atlas de Colombia,

IGAC, 1992. Este mapa es presentado en la FIGURA B.4.
PROVINCIAS ORINOCENSE Y AMAZONICA
AMAZONAS 1 : Fauna orinocense.

AMAZONAS 2 : Fauna amazónica.
PROVINCIAS ANDINAS
ANDINA 1 : Fauna subandina occidental.

ANDINA 2 : Faunas andinas.
ANDINA 3 : Fauna de páramo.
ANDINA 4 : Fauna subandina oriental.
ANDINA 5 : Piedemonte oriental y bosques de ganadería.
ANDINA 6 : Faunas interandinas de valles.
ANDINA 7 : Región árida del Patía.
B.8
FIGURA B.3. Mapa de Sismicidad y Tectonismo(Tomado de Atlas de Colombia, IGAC,
1992.Escala 1: 5´000.000)
PROVINCIAS CARIBE Y MAGDALENENSE
CARIBE 1 : Fauna caribe.

CARIBE 2 : Fauna de piso cálido.
CARIBE 3 : Fauna de submontaña.
CARIBE 4 : Fauna de montaña.
CARIBE 5 : Fauna de páramo.
CARIBE 6 : Fauna magdalénica.
PROVINCIAS PACIFICO CENTROAMERICANAS.
PACIFICO 1 : Fauna chocoana.
B.9
PACIFICO 2 : Áreas de integración entre las provincias pacifico
centroamericana y la brasileña.
PACIFICO 3 : Fauna submontaña darienense.
PACIFICO 4 : Fauna submontaña chocoana.
PACIFICO 5 : Fauna del patía.
A.6.5 REGIONES FISIOGRÁFICAS DE COLOMBIA
El mapa digitalizado de Regiones Fisiográficas de Colombia fue tomado de Atlas de

Colombia, IGAC, 1992. Este mapa es presentado en la FIGURA B.5.
FIGURA B.4. Mapa de Regiones Zoogeográficas(Tomado de Atlas de Colombia, IGAC , 1992.

Escala 1: 5´000.000)
B.10
REGION FISIOGRÁFICA DE LA AMAZONIA
AMa : Planicie Amazónica.

AMb : Escudo Guayanés.
REGION FISIOGRÁFICA DEL CARIBE
CAa : Península de la Guajira.

CAb : Depresión del bajo Magdalena.
CAc : Planicie del Caribe.
CAd : Depresión Momposina.
REGION FISIOGRÁFICA DE LAS DEPRESIONES INTERANDINAS
DIAa : Valle del Magdalena.

DIAb : Valle del Cauca.
DIAc : Fosa del Patía.
DIAd : Depresión del Catatumbo.
REGION FISIOGRÁFICA DE LOS LLANOS ORIENTALES
ORa : Orinoquía mal drenada.

ORb : Orinoquía bien drenada.
ORc : Escudo Guayanés.
REGION FISIOGRÁFICA ANDINA
RAa : Cordillera Occidental.

RAb : Cordillera central.
RAc : Cordillera Oriental.
B.11
RAd : Macizo Colombiano.
RAe : Altiplanos (cundiboyacense , Popayán, Túquerres)
REGION FISIOGRÁFICA DEL PACÍFICO
RPa : Serranía del Baudó.

RPb : Planicie del Pacifico.
RPc : Basín del Atrato.
REGION DE SISTEMA MONTAÑOSOS PERIFERICOS A LA REGION ANDINA

SMPa : Sierra Nevada de Santa Marta.
SMPb : Sierra de la Macarena:
FIGURA B.5. Regiones Fisiográficas(Tomado de Suelos y bosques de Colombia, IGAC, 1988.

Escala 1: 3´400.000.)
B.12

AtlasHidrologicoCololombia PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

AtlasHidrologicoCololombia PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIDAD DE PLANEACIÓN MINERO-ENERGÉTICA (UPME)

ATLAS HIDROLÓGICO DE COLOMBIA

UNIVERSIDAD NACIONAL DE COLOMBIA

Medellín, diciembre 10 de 2000

La Unidad de Planeación Minero-Energética (UPME) y la Universidad

Los aportes del Dr. Eduardo Machado, Interventor del proyecto y de

2.1 FASE EXTREMAS DE OSCILACIÓN DEL ENOS 2-1

2.2 CICLO ANUAL HIDROLÓGICO 2-48

3. CAUDALES MÁXIMOS 3-1

3.1 REGIONALIZACIÓN DE CAUDALES MÁXIMOS 3-2

3.2 TRANSFORMACIÓN DE LA PRECIPITACIÓN EN 3-28

3.3 INTENSIDAD MÁXIMA DE LAS LLUVIAS EN COLOMBIA. 3-30

4.1 REGIONALIZACIÓN DE CAUDALES MÍNIMOS 4-1

4.2 CURVA DE RECESIÓN 4-28

5. PROCESOS DE DENUDACION 5-1

5.1 Erosión 5-2

5.2 Remoción en masa 5-9

5.4 Determinación de la erosión y la susceptibilidad a los procesos de

6. MANUAL DEL USUARIO

6.2 GUIA PARA USUARIOS NUEVOS.

6.3 GUIA GENERAL.

6.4 CONVERSIÓN DE MAPAS FISICOS A MDT’s

6.5 INDICE DEL MANUAL DEL USUARIO.

2.1 Series de índices macroclimáticos relacionados con la hidroclimatología 2-7

2.2 Mapas de correlaciones trimestrales rezagadas entre el SOI y registros 2-8

2.3 Continuación de la figura 2.2 2-9

2.4 Mapas de correlaciones trimestrales rezagadas entre el MEI y registros 2-10

2.5 Continuación de la figura 2.3. 2-11

2.6 Mapas de correlaciones trimestrales rezagadas entre la SST en NIÑO 2-12

2.7 Continuación de la figura 2.6. 2-13

2.8 Mapas de correlaciones trimestrales rezagadas entre el TPI y registros 2-14

2.9 Continuación de la figura 2.9. 2-15

2.10 Mapas de correlaciones trimestrales rezagadas entre la PDO y registros 2-16

2.11 Continuación de la figura 2.10. 2-17

2.12 Mapas de correlaciones trimestrales rezagadas entre la NOA y registros 2-18

2.14 Mapas de correlaciones trimestrales rezagadas entre la temperatura del 2-20

2.15 Continuación de la figura 2.14. 2-21

2.17 Mapas de correlaciones trimestrales rezagadas entre la resta de 2-23

2.18 Continuación de la figura 2.17 2-24

2.19 Histogramas de frecuencia para el Río Magdalena, estación calamar, 2-27

2.20 Histogramas de frecuencia para el Río Magdalena, estación Puerto 2-28

2.21 Histogramas de frecuencia para el Río Grande, estación El Templete 2-29

2.27 Curva de Duración de Caudales para estaciones localizadas en diferetes 2-41

2.29 Continuación de la figura 2.28. 2-43

2.30 Continuación de la figura 2.28. 2-44

2.31 Continuación de la figura 2.28. 2-45

2.32 Continuación de la figura 2.28. 2-46

2.33 Continuación de la figura 2.28. 2-47

2.34 Esquema del modelo de tanques propuesto en el proyecto “Balances 2-49

2.39 Distribución espacial de los resultados del modelo propuesto. Se 2-59

2.43 Conservación de la masa de agua en la columna del sistema suelo- 2-66

2.45 Definición de la evaporación mensual por el balance de agua. 2-71

2.46 Estimación de la evaporación a partir de la metodología SWB (Diaz y 2-72

2.47 Distribución espacial de la evaporación mensual por el método de 2-74

2.49 Precipitación, evaporación, caudal y almacenamiento de agua en el 2-76

2.51 Precipitación, evaporación, caudal y almacenamiento de agua en el 2-77

2.52 Precipitación, evaporación, caudal y almacenamiento de agua en el 2-77

2.53 Precipitación, evaporación, caudal y almacenamiento de agua en el 2-78

2.54 Estimación de la capacidad de campo, punto de marchitez permanente y 2-82

3.1 Mapa de subregiones que indica la ubicación de las 3-4

3.5 Ubicación de las estaciones de la subregión “Cañón del Cauca”. 3-11

3.9 Gráfico de CV vs A. No es claro cual es el posible valor de Ac, pero se 3-13

3.16 Mapa de caudal máximo de periodo de retorno 5 años calculado 3-24