INFORME TÉCNICO:

MODELAMIENTO HIDROLÓGICO CON

FINES DE PRONÓSTICO EN LA
CUENCA DEL RIO COATA

Carlos Roberto Martínez Loayza

cmartinez@senamhi.gob.pe; martinez2905@gmail.com
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Índice

I. INTRODUCCIÓN ..................................................................................................... 4
II. OBJETIVOS ............................................................................................................. 4
Objetivo general ................................................................................................................. 4
Objetivos específicos .......................................................................................................... 4
III. REGIÓN EN ESTUDIO Y DATOS HIDROCLIMATOLÓGICOS ......................................... 5
DESCRIPCIÓN DE LA CUENCA ............................................................................................. 5
DESCRIPCIÓN DE LA INFORMACIÓN HIDROCLIMÁTICA ..................................................... 6
Precipitación observada ................................................................................................. 7
Precipitación proyectada ................................................................................................ 9
Temperatura ................................................................................................................. 10
Caudales........................................................................................................................ 11
IV. ELABORACIÓN DEL MODELO Y EVALUACIÓN ........................................................ 13
MODELAMIENTO HIDROLÓGICO EN LA PLATAFORMA RS-MINERVE .............................. 13
ESQUEMA HIDROLÓGICO SEMI-DISTRIBUIDO ............................................................. 13
Calibración .................................................................................................................... 14
Validación ..................................................................................................................... 19
PRONÓSTICO DE CAUDALES Y EVALUACIÓN .................................................................... 26
V. CONCLUSIONES .................................................................................................... 28
VI. DISCUCIONES ....................................................................................................... 29
VII. BIBLIOGRAFIA ...................................................................................................... 30

1
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Lista de Figuras

Figura 1.- Ubicación del área de estudio 5

Figura 2.- Ubicación de las estaciones hidrometeorológicas empleadas en el modelo 6
Figura 4.- Láminas promedio anuales de precipitación 8
Figura 5.- Precipitaciones medias mensuales de las estaciones empleadas en el modelo 9
Figura 6.- Domino y resolución de la grilla del modelo Eta/SENAMHI. 10
Figura 7.- Temperaturas medias mensuales que representan el área de estudio 10
Figura 8.- Subcuencas principales de la cuenca del río Coata 11
Figura 9.- Caudales medios mensuales de las estaciones hidrológicas de control 12
Figura 10.- Esquema conceptual hidrológico–hidráulico 13
Figura 11.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV,
SOCONT y GR4J en el periodo de calibración (sep-2001 – sep 2010) 16
Figura 12.- Distribución mensual de los caudales diarios generados por medio del diagrama
de cajas 17
Figura 13.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV,
SOCONT y GR4J en el periodo de validación (oct-2010 – may2016) 21
Figura 14.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV,
SOCONT y GR4J en el periodo de validación en la estación Lampa 23
Figura 15.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV,
SOCONT y GR4J en el periodo de validación en la estación Cabanillas 25
Figura 16.- Caudales pronosticados a 24 horas 26
Figura 17.- Caudales pronosticados a 48 horas 26
Figura 18.- Caudales pronosticados a 72 horas 27

2
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Lista de tablas

Tabla 1.- Estaciones Hidrometeorológicas empleadas en el presente estudio 6

Tabla 2.- Fuentes de información hidrometeorológica para actualización de base de dato
con fines de pronóstico hidrológico 7
Tabla 3.- Precipitación promedio anual de las estaciones pluviométricas empleadas 8
Tabla 4.- Periodo de disponibilidad de datos de caudales diarios en las estaciones
hidrológicas empleadas 11
Tabla 5.- Valores ideales de los indicadores de eficiencia de modelos hidrológicos 14
Tabla 6.- Indicadores de eficiencia del modelo hidrológico en el periodo de calibración 15
Tabla 7.- Parámetros de los modelo hidrológicos SAC, HBV, SOCONT y GR4J calibrados 18
Tabla 8.- Indicadores de eficiencia del modelo hidrológico en el periodo de validación 20
Tabla 9.- Indicadores de eficiencia del modelo hidrológico en el periodo de validación en
los puntos de control de la estación hidrológica Lampa y Cabanillas 22
Tabla 10.-Indicadores de eficiencia NSE y coeficiente de correlación de Pearson por cada
mes del periodo de validación 25

3
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

I. INTRODUCCIÓN

Actualmente, uno de los principales retos del pronóstico hidrológico para diversos fines,
como el pronóstico de avenidas y sistema de alerta temprana, es ampliar el horizonte de
predicción con respecto al tiempo de respuesta de la cuenca (Blöschl, 2008). Lo cual es una
situación que normalmente concierne a cuencas de pequeña a mediana escala, donde se
tiene un tiempo de respuesta corto y es requerido más tiempo para acciones de control de
inundaciones.

Al ampliar el horizonte de predicción, también incrementa los errores de pronóstico; y para

fines de respuesta ante inundaciones es esencial obtener un indicador de la magnitud de
este error. Por lo cual se han identificado dos principales orígenes de incertidumbre que
contribuyen a los errores de pronóstico hidrológico: los errores de pronóstico de
precipitación y los errores de simulación hidrológica (Krzysztofowicz, 2001).

II. OBJETIVOS

OBJETIVO GENERAL
La implementación de un modelo operacional para realizar el pronóstico hidrológico en la
cuenca del río Coata.

OBJETIVOS ESPECÍFICOS
 Recopilación y análisis de la data hidrometeorológica observada disponible en el
área de estudio.
 Empleo de la plataforma RS-MINERVE para la elaboración de los modelos
hidrológicos HBV, GR4J, SAC y SOCONT
 Calibración y validación de los modelos hidrológicos
 Operación de los modelos hidrológicos para pronósticos de caudales en los
horizontes de 24, 48 y 72 horas.

4
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

III. REGIÓN EN ESTUDIO Y DATOS HIDROCLIMATOLÓGICOS

DESCRIPCIÓN DE LA CUENCA
La cuenca del río Coata pertenece a la región hidrográfica del Titicaca, dicha cuenca se
encuentra íntegramente en el departamento de Puno y dentro de su ámbito se pueden
identificar las provincias de Lampa, San Román y parte de las provincia de Puno y Huancané.

Limita por el norte con la cuenca del río Ramis, por el sur con la sub cuenca del río Illpa, por
el este con el Lago Titicaca y por el oeste con las cuencas de los ríos Camaná y Tambo.

Hidrográficamente, la cuenca del río Coata está conformada por las cuencas de los ríos
Lampa y Cabanillas. La cuenca posee una Superficie Total de 4,908.44 Km2, a la que le
corresponde una superficie de 1,559.87 Km2 (31.78%) a la cuenca del río Lampa y una
superficie de 2,888.61 Km2 (58.85%) a la cuenca del río Cabanillas y la superficie restante
de 459.96 Km2 (9.37%) a la subcuenca del Bajo Coata.

Figura 1.- Ubicación del área de estudio

5
 Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

DESCRIPCIÓN DE LA INFORMACIÓN HIDROCLIMÁTICA

La información meteorológica e hidrológica fue obtenida de las estaciones provenientes de
la red observacional del SENAMHI distribuidas a nivel nacional; de las cuales se analizaron
su distribución en el área de estudio, el periodo de datos disponibles y la facilidad de
actualización de datos; seleccionándose las siguientes estaciones:
Tabla 1.- Estaciones Hidrometeorológicas empleadas en el presente estudio
TIPO ESTACION DEPARTAMENTO REG. HIDROGRÁFICA CUENCA ADMINISTRADOR LAT LONG ALTITUD

CO LLALLY Puno Titicaca Ramis SENAMHI -14.949 -70.898 3980

CO PUCARA Puno Titicaca Ramis SENAMHI -15.034 -70.373 3900

CO JULIACA Puno Titicaca Cabanillas SENAMHI -15.474 -70.169 3820

CO LAMPA Puno Titicaca Cabanillas SENAMHI -15.673 -70.372 3892

CO PAMPAHUTA Puno Titicaca Cabanillas SENAMHI -15.484 -70.676 4400

LM LAMPA Puno Titicaca Cabanillas SENAMHI -15.444 -70.209 3838

LM CABANILLAS Puno Titicaca Cabanillas SENAMHI -15.472 -70.225 3850

LG PTE. UNOCOLLA Puno Titicaca Cabanillas SENAMHI -15.451 -70.192 3835

Figura 2.- Ubicación de las estaciones hidrometeorológicas empleadas en el modelo

6
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

La red hidrometeorológica fue seleccionada con la finalidad de poder tener acceso a su

información actualizada día a día, debido que la operatividad del modelo de pronóstico
hidrológico depende del acceso a información actualizada y la facilidad de cálculo o
estimación de variables hidrometeorológicas en una situación de vulnerabilidad. De manera
que, se presentan a continuación las distintas fuentes empleadas para actualizar la base de
datos del modelo hidrológico con fines de pronóstico.

Tabla 2.- Fuentes de información hidrometeorológica para actualización de base de dato con fines de
pronóstico hidrológico

PRECIPITACIÓN OBSERVADA
De la disponibilidad de datos meteorológicos en las estaciones seleccionadas, se estableció
como intervalo temporal de análisis el periodo de septiembre 2001 a mayo2016; de manera
que se obtenga un periodo considerable de calibración y validación del funcionamiento del
modelo hidrológico; además de poseer la información meteorológica actualizada, para
facilitar la operatividad del modelo para pronóstico hidrológico.

Posteriormente se analizó la consistencia de la información meteorológica por medio del

software HYDRACCESS y métodos gráficos; mediante el cual se emplea la metodología de
Vector Regional, que consiste en crear una estación virtual que represente un
comportamiento pluviométrico del área en estudio, para luego poder evaluar y clasificar las
demás estaciones empleadas en el estudio.

7
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Tabla 3.- Precipitación promedio anual de las estaciones pluviométricas empleadas

ESTACION PUCARA JULIACA LAMPA PAMPAHUTA LLALLY

LONGITUD -70.4 -70.2 -70.4 -70.7 -70.9

LATITUD -15.0 -15.5 -15.7 -15.5 -14.9

ALTURA (msnm) 3900.0 3820.0 3892.0 4400.0 3980.0

PRECIPITACIÓN
438.7 639.7 752.2 804.6 840.3
PROMEDIO ANUAL (mm)

Figura 3.- Láminas promedio anuales de precipitación

En base a las precipitaciones anuales promedio, las estaciones ubicadas en la parte más alta
son las que generan las acumulaciones más grandes de lámina de lluvia. Se registran láminas
anuales de 438 mm a 840 mm en promedio, siendo la estación Llally que registra la
precipitación anual promedio más alta de 840.3 mm/año.

8
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 4.- Precipitaciones medias mensuales de las estaciones empleadas en el modelo

De acuerdo a los registros de las estaciones empleadas en el presente estudio, se identifica

un descenso notable de la precipitación desde el mes de mayo hasta septiembre, que
representaría la temporada de estiaje y de la misma manera los meses de octubre hasta
abril se consideraría temporada de lluvias. En promedio los meses más lluviosos son
diciembre, enero y febrero; y los meses más secos son junio y julio.

PRECIPITACIÓN PROYECTADA
Las series de precipitación pronosticada son generadas en base al modelo ETA/SENAMHI,
el cual viene siendo manejado por el Centro de Predicción Numérica (CPN) del SENAMHI
en forma operacional desde el año 2000. Las previsiones del modelo se extienden a hasta
las 72 horas y cubren todo el territorio peruano. (G. Ávalos, 2009)

9
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 5.-Domino y resolución de la grilla del modelo Eta/SENAMHI. (G. Ávalos, 2009)

También se tiene a disposición el modelo de predicción numérica Weather Research and

Forecasting Model (WRF), el cual es un sistema de predicción numérica a mesoescala
diseñada para investigación atmosférica y necesidades operacionales de pronóstico. El cual
es usado también para obtener una referencial adicional de pronóstico hidrológico.

TEMPERATURA
Se emplearon la información de las estaciones meteorológicas Lampa y Juliaca, de las cuales
se diferencia un comportamiento descendente de la temperatura en el periodo de mayo a
septiembre en el área de estudio. Con respecto a las temperaturas mínimas en esta región,
es posible que se alcance temperaturas de hasta -13°C en un día.

Figura 6.- Temperaturas medias mensuales que representan el área de estudio

10
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

CAUDALES
De la red de estaciones hidrológicas del SENAMHI, se seleccionaron las estaciones Pte.
Unocolla, Lampa y Cabanillas para poder utilizarlas como puntos de calibración, validación
y control del modelo hidrológico con fines de pronóstico. Los periodos de información
utilizados se indican a continuación:
Tabla 4.- Periodo de disponibilidad de datos de caudales diarios en las estaciones hidrológicas empleadas

COORDENADAS PERIODO
TIPO ESTACION CUENCA ALTITUD
LAT LONG INICIAL FINAL

LM LAMPA LAMPA -15.444 -70.209 3838 01/01/2010 Actualidad

LM CABANILLAS CABANILLAS -15.472 -70.225 3850 01/09/2010 Actualidad

LG PTE. UNOCOLLA COATA -15.451 -70.192 3835 01/09/2001 Actualidad

Figura 7.- Subcuencas principales de la cuenca del río Coata

Las estaciones hidrometeorológicas fueron seleccionadas por ofrecer información

actualizada a tiempo real, con un intervalo de tiempo máximo de un día. Las estaciones
Lampa y Cabanillas son empleadas para realizar un control y ajuste de la serie de caudales

11
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

que se generan en el interior de la cuenca; de manera que se logra una representación más
cercana a la realidad de la distribución de escorrentía en el modelo hidrológico.

Figura 8.- Caudales medios mensuales de las estaciones hidrológicas de control

Con respecto a los caudales promedio mensuales, se identifica el mes de febrero con las
mayores magnitudes de escorrentía. La escorrentía ofertada por la subcuenca Cabanillas es
mayor a la generada por la subcuenca Lampa, donde se puede identificar en los meses de
mayo y junio un aporte del sistema de Lagunillas en la subcuenca Lagunillas para prolongar
la disponibilidad de agua para fines agrarios.

12
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

IV. ELABORACIÓN DEL MODELO Y EVALUACIÓN

MODELAMIENTO HIDROLÓGICO EN LA PLATAFORMA RS-MINERVE

ESQUEMA HIDROLÓGICO SEMI-DISTRIBUIDO
En base a la distribución de la información disponible y puntos de interés para conocer la
oferta hídrica, se procedió la delimitación de subcuencas; que posteriormente será
representado en el modelo hidrológico. Se utilizaron herramientas de sistemas de
información geográfica (SIG) para obtener los datos espaciales de las cuencas y ríos, se
empleó en conjunto con una imagen satelital ASTER GDEM de resolución 30m para la
delimitación de cuencas, cálculo de centroides y altura media de las subcuencas.

Figura 9.- Esquema conceptual hidrológico–hidráulico

La cuenca del río Coata se dividió en 5 subcuencas, de las cuales 3 pertenecen a la subcuenca
del río Cabanillas y 2 a la subcuenca del río Lampa. Se procedió por esta discretización de
subcuencas en base que la finalidad del modelo es el pronóstico hidrológico a nivel de
cuenca , no se cuenta con información detallada muy densa espacialmente, el modelo
responderá un nivel de manejo práctico y empleará poco tiempo de cómputo.

13
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

CALIBRACIÓN
La calibración de un modelo consiste en lograr un ajuste satisfactorio entre los valores
observados y calculados, mediante cambios en parámetros de mayor influencia. Se define
también como el proceso reiterado de búsqueda de los coeficientes que produzcan la
menor diferencia entre resultados simulados y observados; lo cual implica la medición,
estimación o ajuste de dichos valores para mejorar la capacidad predictiva del modelo con
respecto a algunas variables en particular. Posteriormente, para corroborar el ajuste, se
evalúa al modelo por medio de técnicas estadísticas y coeficientes de eficiencia.

En el proceso de calibración se consideró el análisis diario en un periodo de 9 años (2001 –

2010). Identificados los parámetros más sensitivos, se procedió a ingresar valores a los
parámetros y condiciones iniciales del modelo, para posteriormente generar los caudales
simulados. Una vez obtenida una seria de datos representativa en magnitud y/o tendencia,
se procedió a utilizar la herramienta de auto-calibración que proporciona el RS-MINERVE,
cuyo empleo posibilita ajustar los parámetros y optimizar los indicadores de eficiencia.

Tabla 5.- Valores ideales de los indicadores de eficiencia de modelos hidrológicos

Fuente: SEMINARIO DE FORMACION EN MODELIZACION

HIDROLOGICA E HIDRAULICA CON RS MINERVE, Javier GARCÍA H.

Donde la comparación entre las series hidrológicas observadas y generadas indica un ajuste
satisfactorio, obteniéndose valores de coeficiente Pearson mayores a 0.7 que indican un
ajuste eficiente, valores de Nash y logarítmicos de Nash mayores a 0.65 que indican un
ajuste adecuado. Obteniéndose los siguientes resultados para el periodo de calibración:

14
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Tabla 6.- Indicadores de eficiencia del modelo hidrológico en el periodo de calibración

CALIBRACIÓN
sep 2001 - sep 2010
Nash 0.78 S Nash 0.73
Nash-ln 0.75 Nash-ln 0.77
O
S Pearson Correlation Coeff 0.91 Pearson Correlation Coeff 0.88
Kling-Gupta Efficiency 0.72 C Kling-Gupta Efficiency 0.63
A
Bias Score 0.95 O Bias Score 0.92
C RRMSE 0.78 RRMSE 0.85
N
Relative Volume Bias 0.23 Relative Volume Bias 0.29
Normalized Peak Error -0.33 T Normalized Peak Error -0.34
Nash 0.74 Nash 0.74
Nash-ln 0.80 Nash-ln 0.86
G
H Pearson Correlation Coeff 0.90 Pearson Correlation Coeff 0.91
Kling-Gupta Efficiency 0.64 R Kling-Gupta Efficiency 0.82
B
Bias Score 0.91 4 Bias Score 0.98
V RRMSE 0.84 RRMSE 0.84
J
Relative Volume Bias 0.29 Relative Volume Bias 0.15
Normalized Peak Error -0.27 Normalized Peak Error 0.10

15
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 10.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV, SOCONT y GR4J en
el periodo de calibración (sep-2001 – sep 2010)

16
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

De los indicadores de Nash–Ln, se identifican los modelos GR4J y HBV que logran
representar con mejor ajuste a los caudales de menor magnitud, que serían los
pertenecientes a los meses de estiaje y relacionados al caudal base. Con respecto a los picos
de caudal, el modelo que los representaría mejor sería el GR4J.

Para poder analizar la eficiencia de ajuste de los modelos hidrológicos en las temporadas
del año, se distribuyeron los caudales simulados por cada mes del año por medio de
diagramas de caja; de manera que, se puede apreciar la similitud de las series de caudales
observados (cajas en azul) y las simuladas (cajas en beige).

Figura 11.- Distribución mensual de los caudales diarios generados por medio del diagrama de cajas

17
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Donde fácilmente se puede inducir que, todos los modelos hidrológicos empleados tienen
una mejor representatividad dentro de los meses de diciembre a mayo. En los meses de
junio a Noviembre se identifican discrepancias, especialmente en los modelos SAC y GR4J,
los cuales no logran una distribución adecuada de caudales generados de magnitudes
menores a 20 m3/s en los referidos meses de estiaje.

Lograda la calibración y validación satisfactoria del modelo hidrológico, se indica en los

siguientes cuadros los set de parámetros de los modelos hidrológicos calibrados que
representan al área de estudio.

Tabla 7.- Parámetros de los modelos hidrológicos SAC, HBV, SOCONT y GR4J calibrados
SAC
SUBCUENCA 1 2 3 4 5
A (m2) 1100535557 471542150.7 749884408.4 1249372502 869440233
Adimp (-) 0 0 0 0 0
Pctim (-) 0 0 0 0 0
Riva (-) 0 0 0 0 0
UztwMax (mm) 100 100 300 300 300
UzfwMax (mm) 40 40 80 80 80
Uzk (1/d) 0.1306 0.1306 0.1306 0.1306 0.1306
Zperc (-) 10.0261 10.0261 10.0261 10.0261 10.0261
Rexp (-) 1.9012 1.9012 1.9012 1.9012 1.9012
Pfree (-) 0.9225 0.9225 0.9225 0.9225 0.9225
LztwMax (mm) 50.3357 50.3357 50.3357 50.3357 50.3357
LzfpMax (mm) 150 150 150 150 150
LzfsMax (mm) 80 80 80 80 80
Rserv (-) 0.3 0.3 0.3 0.3 0.3
Lzpk (1/d) 0.0027 0.0027 0.0027 0.0027 0.0027
Lzsk (1/d) 0.1060 0.1060 0.1060 0.1060 0.1060
Side (-) 0 0 0.7 0.7 0.7

HBV
SUBCUENCA 1 2 3 4 5
A (m2) 1100535557 471542150.7 749884408.4 1249372502 869440233
CFMax (mm/°C/day) 5 5 5 5 5
CFR (-) 0.05 0.05 0.05 0.05 0.05
CWH (-) 0.1 0.1 0.1 0.1 0.1
TT (°C) 2 2 2 2 2
TTInt (°C) 2 2 2 2 2
TTSM (°C) 0 0 0 0 0
Beta (-) 1.000 1.000 1.000 1.000 1.000
FC (mm) 419 419 419 419 419
PWP (-) 0.0666 0.0666 0.0666 0.0666 0.0666
SUMax (mm) 10.5297 10.5297 10.5297 10.5297 10.5297
Kr (1/d) 0.1028 0.1028 0.1028 0.1028 0.1028
Ku (1/d) 0.0997 0.0997 0.0997 0.0997 0.0997
Kl (1/d) 0.0109 0.0109 0.0109 0.0109 0.0109
Kperc (1/d) 0.0123 0.0123 0.0123 0.0123 0.0123

18
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

SOCONT
SUBCUENCA 1 2 3 4 5
A (m2) 1100535557 471542150.7 749884408.4 1249372502 869440232.8
Asn (mm/°C/day) 5 5 5 5 5
ThetaCri (-) 0.1 0.1 0.1 0.1 0.1
bp (d/mm) 0.0125 0.0125 0.0125 0.0125 0.0125
Tcp1 (°C) 0 0 0 0 0
Tcp2 (°C) 4 4 4 4 4
Tcf (°C) 0 0 0 0 0
HGR3Max (m) 0.060 0.060 0.060 0.060 0.060
KGR3 (1/s) 0.004 0.004 0.000 0.000 0.000
L (m) 68000 26000 31000 73000 64000
J0 (-) 0.010 0.010 0.010 0.010 0.010
Kr (m1/3/s) 1 1 1 1 1

GR4J
SUBCUENCA 1 2 3 4 5
A (m2) 1100535556.9 471542150.7 749884408.4 1249372502.0 869440232.8
X1 (mm) 4.0002 4.0002 5.3950 5.3950 5.3950
X2 (mm) -2.4681 -2.4681 -2.4681 -2.4681 -2.4681
X3 (mm) 4.9876 4.9876 4.4540 4.4540 4.4540
X4 (d) 0.5997 0.5997 0.5997 0.5997 0.5997

VALIDACIÓN
La fase de validación del modelo, es el proceso donde se demuestra que el modelo de
determinada zona específica es capaz de realizar simulaciones de suficiente precisión, esta
precisión puede variar dependiendo del objetivo (Refsgaard, 1997). La validación se realizó
ejecutando el modelo para el periodo (2010 – 2016) usando los parámetros que fueron
determinados durante la fase de calibración (2001-2010), de manera que se evalúen los
caudales generados con los observados para lograr validar que el modelo es capaz de
pronosticar caudales.

En la fase de validación de la capacidad de pronóstico de los modelos hidrológicos

elaborados, se obtuvieron indicadores de eficiencia aceptables; coeficientes de Pearson
mayores a 0.7 que indican un ajuste eficiente, valores de Nash y logarítmicos de Nash
mayores a 0.65 que indican un ajuste adecuado. Obteniéndose, en general, mejores
indicadores que los obtenidos en el periodo de calibración. A continuación se muestran los
indicadores para el periodo de validación:

19
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Tabla 8.- Indicadores de eficiencia del modelo hidrológico en el periodo de validación

VALIDACIÓN
oct 2010 - may 2016
Nash 0.82 S Nash 0.77
Nash-ln 0.86 Nash-ln 0.74
O
S Pearson Correlation Coeff 0.93 Pearson Correlation Coeff 0.89
Kling-Gupta Efficiency 0.80 C Kling-Gupta Efficiency 0.77
A
Bias Score 0.97 O Bias Score 0.99
C RRMSE 0.66 RRMSE 0.74
N
Relative Volume Bias -0.15 Relative Volume Bias -0.08
Normalized Peak Error -0.32 T Normalized Peak Error -0.35
Nash 0.83 Nash 0.79
Nash-ln 0.85 Nash-ln 0.74
G
H Pearson Correlation Coeff 0.93 Pearson Correlation Coeff 0.90
Kling-Gupta Efficiency 0.80 R Kling-Gupta Efficiency 0.76
B
Bias Score 0.99 4 Bias Score 0.93
V RRMSE 0.64 RRMSE 0.71
J
Relative Volume Bias -0.11 Relative Volume Bias -0.21
Normalized Peak Error -0.31 Normalized Peak Error -0.02

20
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 12.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV, SOCONT y GR4J en
el periodo de validación (oct-2010 – may2016)

En base que la disponibilidad de información de las estaciones Lampa y Cabanillas se

encuentran dentro del periodo de validación, estos puntos fueron empleados para validar
la correcta distribución de escorrentía proyectada dentro de la cuenca, que representa una
mejor afinación del modelo hidrológico con fines de pronóstico. De los indicadores
obtenidos en general, se refleja un adecuado ajuste de la serie de caudales proyectados en
ambos puntos de control. A continuación se muestran los indicadores en referencia.

21
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Tabla 9.-Indicadores de eficiencia del modelo hidrológico en el periodo de validación en los puntos de
control de la estación hidrológica Lampa y Cabanillas

VALIDACIÓN - LAMPA VALIDACIÓN - CABANILLAS

oct 2010 - may 2016 oct 2010 - may 2016
Nash 0.72 Nash 0.78
Nash-ln 0.57 Nash-ln 0.72
S Pearson Correlation Coeff 0.91 Pearson Correlation Coeff 0.91
Kling-Gupta Efficiency 0.66 Kling-Gupta Efficiency 0.74
A
Bias Score 0.96 Bias Score 0.90
C RRMSE 0.90 RRMSE 0.69
Relative Volume Bias -0.17 Relative Volume Bias -0.24
Normalized Peak Error -0.46 Normalized Peak Error -0.30
Nash 0.54 Nash 0.83
Nash-ln 0.77 Nash-ln 0.68
H Pearson Correlation Coeff 0.90 Pearson Correlation Coeff 0.92
Kling-Gupta Efficiency 0.51 Kling-Gupta Efficiency 0.85
B
Bias Score 0.35 Bias Score 1.00
V RRMSE 1.15 RRMSE 0.61
Relative Volume Bias -0.45 Relative Volume Bias -0.02
Normalized Peak Error -0.56 Normalized Peak Error -0.21
S Nash 0.69 Nash 0.75
Nash-ln 0.65 Nash-ln 0.62
O
Pearson Correlation Coeff 0.86 Pearson Correlation Coeff 0.89
C Kling-Gupta Efficiency 0.65 Kling-Gupta Efficiency 0.76
O Bias Score 1.00 Bias Score 0.94
RRMSE 0.96 RRMSE 0.74
N
Relative Volume Bias -0.06 Relative Volume Bias -0.19
T Normalized Peak Error -0.48 Normalized Peak Error -0.33
Nash 0.74 Nash 0.73
Nash-ln 0.79 Nash-ln 0.52
G
Pearson Correlation Coeff 0.86 Pearson Correlation Coeff 0.90
R Kling-Gupta Efficiency 0.80 Kling-Gupta Efficiency 0.64
4 Bias Score 0.97 Bias Score 0.76
RRMSE 0.87 RRMSE 0.77
J
Relative Volume Bias -0.15 Relative Volume Bias -0.33
Normalized Peak Error 0.00 Normalized Peak Error -0.13

22
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 13.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV, SOCONT y GR4J en
el periodo de validación en la estación Lampa

23
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

24
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 14.- Serie de caudales diarios observados y simulados por los modelos SAC, HBV, SOCONT y GR4J en
el periodo de validación en la estación Cabanillas

También se evaluaron los caudales del periodo de validación en intervalos mensuales, por
medio de los coeficientes de Nash-Sutcliffe (NSE) y la correlación tipo Pearson,
identificándose un buen desempeño de todos los modelos hidrológicos en los meses de
diciembre a abril. Sin embargo, los meses de julio a septiembre no muestran la misma
calidad de ajuste en los modelos; siendo el modelo SOCONT en el mes de septiembre, que
presenta mayores discrepancias.

Tabla 10.- Indicadores de eficiencia NSE y coeficiente de correlación de Pearson por cada mes del periodo de validación

Nash–Sutcliffe efficiency (NSE) Pearson Correlation Coeff

MES HBV SOCONT SAC GR4J MES HBV SOCONT SAC GR4J
ENE OBS 0.73 0.67 0.73 0.73 ENE OBS 0.87 0.83 0.86 0.88
FEB OBS 0.50 0.44 0.56 0.54 FEB OBS 0.83 0.80 0.85 0.80
MAR OBS 0.75 0.67 0.73 0.71 MAR OBS 0.93 0.92 0.94 0.91
ABR OBS 0.72 0.50 0.58 0.48 ABR OBS 0.86 0.82 0.83 0.85
MAY OBS 0.15 0.19 0.20 0.07 MAY OBS 0.62 0.58 0.63 0.54
JUN OBS -0.28 -0.35 0.09 -0.49 JUN OBS 0.42 0.41 0.44 0.17
JUL OBS -0.62 -1.93 -1.29 -1.50 JUL OBS 0.09 -0.24 0.50 -0.17
AGO OBS -0.70 -1.53 -2.45 -0.97 AGO OBS -0.03 -0.15 0.43 0.05
SEP OBS -1.48 -5.57 -1.54 -1.28 SEP OBS 0.03 -0.18 0.66 0.03
OCT OBS -3.28 -5.26 0.02 -1.24 OCT OBS 0.64 0.44 0.18 0.32
NOV OBS -0.89 -3.64 0.03 -1.34 NOV OBS 0.58 0.24 0.54 -0.25
DIC OBS 0.80 0.71 0.58 0.29 DIC OBS 0.91 0.86 0.79 0.69

25
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

PRONÓSTICO DE CAUDALES Y EVALUACIÓN

En base a la precipitación proyectada y los modelos hidrológicos elaborados, se procedió a
realizar pronósticos hidrológicos en la cuenca del río Coata. El horizonte de proyección de
las precipitaciones es de 72 horas, un valor por cada día, por lo cual se emplea también este
horizonte en el pronóstico hidrológico.

De los resultados obtenidos se observa que, para la actual temporada, el modelo SAC
presenta la mayor discrepancia con respecto a los caudales observados; sin embargo, los
demás modelos generan pronósticos bastante cercanos a los observados.

Figura 15.- Caudales pronosticados a 24 horas

Figura 16.- Caudales pronosticados a 48 horas

26
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

Figura 17.- Caudales pronosticados a 72 horas

También se puede observar que el comportamiento de los 3 pronósticos es bastante similar,

lo cual podría ser debido que en la región hidrográfica Titicaca, en especial dentro de la
cuenca del río Coata, no se presentan precipitaciones representativas en esta temporada.
Además, debemos considerar que a partir del mes de junio hasta noviembre (ver tabla 10)
los modelos no presentan el mejor de sus ajustes; sin embargo, la serie de caudales
proyectados demuestran una buena representatividad de esta temporada de estiaje.
Posteriormente, en base las series de pronósticos de caudales generados, se indican un
rango de pronóstico hidrológico para las 24, 48 y 72 horas.

27
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

V. CONCLUSIONES

 Se logró recopilar y analizar información suficiente y adecuada para elaborar la base

de datos hidrometeorológica, la cual se pueda actualizar periódicamente para
alimentar a los modelos hidrológicos con fines de pronóstico diario en la cuenca del
río Coata.

 La plataforma RS-MINERVE fue empleada para elaborar los modelo hidrológicos

HBV, GR4J, SAC y SOCONT; de manera que representen el comportamiento
hidrológicos de la cuenca del río Coata. Estos modelos han sido evaluado tanto en
su periodo de calibración y validación, obteniéndose en el periodo de calibración,
indicadores de eficiencia no menores a 0.73 en Nash y 0.88 en el coeficiente de
correlación de Pearson; y con respecto al periodo de validación, se obtuvieron
indicadores de eficiencia no menores a 0.77 en Nash y 0.89 en el coeficiente de
correlación de Pearson en todos los modelos empleados. También fue posible la
validación de los caudales generados en las estaciones hidrológicas Lampa y
Cabanillas, con indicadores de eficiencia aceptables mayores a 0.54 en Nash y 0.86
en el coeficiente de correlación de Pearson. Lográndose validar el modelo en tres
puntos de control hidrológico.

 Los modelos hidrológicos elaborados se encuentran en una situación de

operatividad, los cuales ya vienen siendo empleados para realizar pronósticos
hidrológicos en la cuenca del rio Coata. Siendo en la mayoría de los resultados
obtenidos hasta la fecha, concordantes con los datos de caudales observados
obtenidos posteriormente.

28
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

VI. DISCUCIONES

 Se recomienda ampliar la red de estaciones automáticas meteorológicas e

hidrológicas dentro de la cuenca del rio Coata, de manera que se pueda contar con
una red más densa para un modelamiento hidrológico de mayor precisión; además
de una mayor facilidad de acceso a los datos registrados por las estaciones
convencionales.

 Emplear los modelos hidrológicos como herramienta de evaluación de los caudales

registrados como observados, de manera que se podría identificar periodos donde
la curva altura-gasto u otra ecuación distinta relacionada al aforo de ríos podría
presentar discrepancias.

 Los errores e incertidumbre de los pronósticos hidrológicos están directamente

relacionados con la precipitación pronosticada y el funcionamiento del modelo
hidrológico, por lo que se recomienda la periódica revisión del modelo hidrológico
acorde se obtenga nuevas variables y/o mayor información disponible. Y además la
validación y control de calidad de las precipitaciones obtenidas de los modelo ETA y
WRF en las cuencas que se emplea el pronóstico hidrológico.

29
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata

VII. BIBLIOGRAFIA

 Blöschl., G. (2008), Flood warning-On the value of local information,

Int. J. River Basin Manage., 6(1) 41–50.

 Foehn, A., García Hernández, J., Roquier, B. and Paredes Arquiola, J. (2016). RS
MINERVE – User’s manual v2.4. RS MINERVE Group, Switzerland.

 G. Ávalos, (2009), Evaluación del Modelo Eta/SENAMHI en la previsión de la

precipitación durante los periodos lluviosos 2002 y 2003.

 García Hernández, J., Paredes Arquiola, J., Foehn, A. and Roquier, B. (2016). RS
MINERVE – Technical manual v2.4. RS MINERVE Group, Switzerland.

 Krzysztofowicz, R. (2001), Integrator of uncertainties for probabilistic river

stage forecasting: Precipitation-dependent model, J. Hydrol., 249.

 Refsgaard, J. (1997). Parameterisation, calibration, and validation of distributed

hydrological models. J. Hydrol. 198(1): 69-97.

30