Académique Documents
Professionnel Documents
Culture Documents
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
2
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
Lista de tablas
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.
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
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.
5
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
6
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
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.
7
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
PRECIPITACIÓN
438.7 639.7 752.2 804.6 840.3
PROMEDIO ANUAL (mm)
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
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)
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.
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
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.
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
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.
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
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.
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.
19
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
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)
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
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
25
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
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.
26
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
27
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
V. CONCLUSIONES
28
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
VI. DISCUCIONES
29
Estudio técnico: Modelamiento hidrológico con fines de pronóstico en la cuenca del rio Coata
VII. BIBLIOGRAFIA
Foehn, A., García Hernández, J., Roquier, B. and Paredes Arquiola, J. (2016). RS
MINERVE – User’s manual v2.4. RS MINERVE Group, Switzerland.
García Hernández, J., Paredes Arquiola, J., Foehn, A. and Roquier, B. (2016). RS
MINERVE – Technical manual v2.4. RS MINERVE Group, Switzerland.
30