See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/267511866

Estimación de la Producción de Sedimentos en Cuencas: Aplicación a una Cuenca

en México

Conference Paper · October 2008

CITATIONS READS

0 226

2 authors:

José Manuel Ramírez L. Javier Aparicio

Instituto Tecnológico de Estudios Superiores de Occidente National Water Commission of Mexico
8 PUBLICATIONS   5 CITATIONS    30 PUBLICATIONS   73 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Producción de Sedimentos en Cuencas y Depósito en Embalses View project

Estimation and forcast in hydrology View project

All content following this page was uploaded by José Manuel Ramírez L. on 28 March 2015.

The user has requested enhancement of the downloaded file.

 AMH XX CONGRESO NACIONAL DE HIDRÁULICA AMH
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008

ESTIMACIÓN DE LA PRODUCCIÓN DE SEDIMENTOS EN CUENCAS: APLICACIÓN A

UNA CUENCA EN MÉXICO
1
Ramírez León, José Manuel y 2Aparicio, Javier.
1
Universidad Nacional Autónoma de México (UNAM), Secretaría de Posgrado, Facultad de Ingeniería, Campus
Morelos. Paseo Cuauhnáhuac 8532, Colonia Progreso, C.P. 62550, Jiutepec, Morelos, México.
2
Instituto Mexicano de Tecnología del Agua (IMTA). Paseo Cuauhnáhuac 8532, Colonia Progreso, C.P. 62550,
Jiutepec, Morelos, México.
1
ramirezleon@iteso.mx
2
japaricio@tlaloc.imta.mx
La producción de sedimentos en cuencas está
Resumen íntimamente ligada al proceso de erosión de la misma. Este
efecto se incrementa con la deforestación y consecuentemente
Se presenta una nueva metodología para la la concentración de sedimentos suspendidos también crece
estimación de la producción de sedimentos en cuencas, que (Stott y Mount, 2004). Éstos se depositan en el fondo de los
combina el método de Kothyari et al. (1996) y el concepto de cauces, elevando su nivel, lo que aumenta significativamente
radio de retención (trap efficiency). El método emplea la el riesgo de inundaciones (Kramer et al., 1997). Si bien no
ecuación universal de pérdida de suelo (USLE), la cual todo el sedimento se asienta sobre los ríos, una buena parte de
presenta dificultades para la obtención del factor de material es transportado aguas abajo hasta llegar al
erosibilidad de lluvia (R) en México. Por lo que se propone almacenamiento o al mar, donde el resto de las partículas se
calcular R combinando los datos de pluviómetros con azolvan. Esto ocasiona que las presas se llenen de sedimentos,
estaciones climatológicas con registro de lluvia de 24 h, a disminuyendo su vida productiva (Manson, 2004).
través de un procedimiento de Montecarlo. La metodología se
probó para los azolves de una represa, en una cuenca del río
Apulco, tributaria de la presa La Soledad en el Edo. de Puebla.
El método de Kothyari et al. (1996) relaciona la
producción de sedimentos de una tormenta con curvas tiempo-
área. Divide en segmentos la cuenca a lo largo del cauce
principal, cada segmento con igual tiempo de concentración
(isócronas). Supone que una cierta cantidad de material
erosionado en el segmento aguas arriba será depositado aguas
abajo y una parte de este a su vez será depositado en el
siguiente segmento, esto lo estima por medio de radios de
descarga.
Se propone la estimación del factor de erosibilidad
de lluvia mediante una tormenta característica de la zona, con
su respectivo análisis de frecuencia acumulado y mediante un
procedimiento de Montecarlo. Entonces, se supone una
tormenta para cada día con registro de lluvia de 24 h, con
duración obtenida del análisis de frecuencia y precipitación
igual a la de 24 h. Al conocer la forma de la tormenta, su
duración y su lámina, es posible seguir las ecuaciones de la
USLE de Wischmeier (1978). Figura 1. Ubicación de la cuenca 8 con sus respectivas
isócronas.
Introducción
La estimación de la producción de sedimentos en
cuencas ha recibido recientemente una gran atención en Para un adecuado manejo de la cuenca se requiere una precisa
diversas partes del mundo. Esto se debe a la dramática estimación tanto del escurrimiento como de la producción de
sedimentación que han sufrido varias presas en los últimos sedimentos, lo que permite proponer medidas para:
años. El clima está cambiando, los bosques y selvas están Incrementar la infiltración del agua al subsuelo, controlar el
disminuyendo, por lo que existe incertidumbre de cómo se exceso de escurrimiento, manejar las corrientes y reducir la
alterará el ciclo de los ríos y como afectará la infraestructura erosión protegiendo el terreno (Raghuwanshi et al., 2006 ).
existente.
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008
Figura 2. Diagramas del concepto de curvas tiempo-área
(Chow, 1988).
En México, las inundaciones han aumentado en los
últimos 20 años (Manson, 2004) y al menos 38 presas
presentan azolvamiento. Por ejemplo, Tuxpango en Veracruz
y Pilotos en Aguascalientes se encuentran en condiciones
críticas, perdiendo más del 85% de su capacidad de
almacenamiento. Les siguen La Soledad en Puebla y Santa
Rosa en Jalisco con el 66% y 38% respectivamente
(Barragán, 2000). Esto provoca pérdida del volumen efectivo
de agua para riego, consumo humano, producción de energía
y recreación, también cambios en la calidad del agua,
incrementando la turbiedad y reduciendo el oxígeno disuelto,
dificultando la vida acuática; además de incrementar los
depósitos cerca de la cortina, poniendo en peligro la
estructura al aumentar la carga estática. Todo esto reduce la
infraestructura hidráulica, la seguridad y la capacidad de
crecimiento de la nación.
Existe una gran diversidad de modelos matemáticos
para estimar la producción de sedimentos. Los más conocidos
son: Los de agrupación de variables (USLE, Wischemeier y
Smith, 1965 y 1978), modelos estocásticos (Gangyan, 2002),
los dinámicos (Kumar y Das, 2002) y los de simulación de
procesos físicos (WEPP, Flanagan y Nearing, 1995). Los más
usados son los de agrupación de variables y los de procesos
físicos (Simons y Senturk, 1992). Los primeros simplifican el
proceso utilizando coeficientes que involucran muchas
variables, estos parámetros pueden o no representar las
características físicas reales. Otra desventaja es que algunos
modelos no consideran el medio ambiente como dinámico con
respecto al tiempo y al espacio. Los últimos se consideran
mejores, dado que toman en cuenta la influencia de las
variables físicas, solo que requieren de un mayor número de
datos, debido a que aumenta la complejidad del modelo
(Simons y Senturk, 1992). Por lo anterior, existe la necesidad
de buscar métodos alternativos de predicción de producción de
sedimentos usando información fácilmente disponible.
El objetivo de este trabajo es determinar la
viabilidad del método de la “Variación temporal de
AMH
producción de sedimentos” de Kothyari et al. (1996) en
combinación del concepto de radio de retención de sedimentos
(trap efficiency), para la estimación de azolves en embalses
en México, probándolo en una cuenca del río Apulco, sobre la
represa denominada 8, tributaria de la presa La Soledad,
Puebla (figura 1). El método emplea la ecuación universal de
pérdida de suelo (USLE), la cual presenta dificultades para la
obtención del factor de lluvia (R) en el país, debido a la
carencia de una red pluviométrica adecuada. Por lo que se
propone calcular R combinando los datos de pluviómetros
con estaciones con registro de lluvia de 24 h, a través de un
procedimiento de Montecarlo. De esta manera se espera
mejorar la práctica actual.
Los métodos de agrupación de variables no
consideran los procesos de transporte y depósito de
sedimentos, por lo que Kothyari et al. (1996) propone el
método de la “Variación temporal de producción de
sedimentos” en el que estima el material erosionado que es
transportado hasta la salida de la cuenca, combinando los
conceptos de radio de descarga (DR) y de las curvas tiempo-
área (figura 2). La ventaja de este método radica en que se
puede trabajar junto con cualquiera de las versiones de la
USLE. Aunque en México se tiene la dificultad de que dicha
ecuación requiere un registro pluviográfico de la zona de
aplicación, así como un inventario del uso del suelo, con su
respectivo cultivo, rotación, productividad, así como fechas
de siembra y de cosecha, información que escasea en nuestro
país. Para remediar la falta de registro pluviométrico se han
desarrollado diversas aproximaciones (Roose, 1977;
Arnouldus, 1980; Cortés, 1991; Renard y Freimund, 1994)
que emplean la precipitación anual. De este modo, el método
de Kothyari et al. (1996) es viable para el medio mexicano.
Método
Para estimar el azolvamiento que ocurrirá en un
embalse, en este trabajo se combina el método de la “variación
temporal de la producción de sedimentos” de Kothyari et al.
(1996), con el concepto de radio de retención (trap efficiency)
de sedimentos en embalses. El primero para estimar la
cantidad de carga suspendida que arrojará una cuenca y el
segundo para determinar la cantidad de sedimento que se
quedará en el embalse, el cual será depositado.
El método de la “Variación temporal de producción
de sedimentos” se fundamenta en la suposición de que la
curva de tiempo-área (figura 2) de una cuenca puede ser usada
para obtener la “variación de carga de sedimentos
suspendidos” que llevará la corriente durante una tormenta y
simplifica el proceso de erosión, al no estudiar la erosión
(interrill, rill y gully), transporte y depósito por separado.
Determinando el radio de descarga (DR) como una función
del área, pendiente y área forestada, el cual es calibrado con
datos de campo de la salida de la cuenca.
Entonces, se requiere dividir la cuenca en “n”
segmentos de igual tiempo de concentración (isócronas) a lo
largo del cauce principal, numerando de la salida de la cuenca
hacia aguas arriba (figura 1 y 2). La erosión en cada segmento
se puede estimar usando cualquier versión de la USLE. Para
estimar el material desprendido de cada isócrona que será
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA AMH
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008

descargado en la siguiente se recurre al DR (ec. 1) definido

por Kothyari et al. (1996) como: S = DR S + DR DR S + DR DR DR S
a 1 ek 1 1 2 ek 2 1 2 3 ek 3 (5)
Ai Lsi FA
DRi = C1 + C2 + C3 i + ... + DR DR ... DR S
1 2 n ek n
Ai −1 Lsi −1 FA
i −1 (1) El radio de retención (Te) (trap efficiency) es el
Donde i es el número de segmento tiempo-área; porcentaje de la diferencia entre la carga de sedimentos
C1, C2 y C3 son coeficientes que se suponen constantes para entrante al embalse (qsin) y la carga de sedimentos saliente
cada cuenca durante las distintas tormentas; A es el área del (qsout), ec. 6:
segmento; Ls es la pendiente del terreno, y FA el área q s − qs
in out (6)
forestada del segmento. El valor del radio "Ls” es tomado Te =
como uno cuando la pendiente de la corriente aguas abajo del qs
in
siguiente segmento es menor que la del segmento aguas arriba.
Para el segmento más alejado de la salida el radio del área es S = Te Sa (7)
R
tomado también como uno.
Entonces, una vez que se tiene “Sa” de la ec. 3, se
Entonces la cantidad total de producción de multiplica por “Te” y se obtiene la cantidad de sedimento que
sedimentos (Se) para una tormenta aislada i, se expresa con la es retenido en la presa (SR) (ec. 7) en unidades de masa y el
siguiente ecuación, donde Seij es la pérdida de suelo proceso se repite las veces que sea necesario.
correspondiente al segmento j (Kothyari et al., 1996):
El resultado de las batimetrías son unidades de
S = DR S + DR DR S + DR DR DR S + ... volumen de material azolvado, por lo que para poder
ei 1 ei 1 1 2 ei 2 1 2 3 ei3 (2)
compararlo con lo estimado en la ec. 7 se recurrirá al método
+ DR DR ... DR S de Lane y Koelzer (1953). Estos autores presentaron una
1 2 n ei n
ecuación (ec. 8) para evaluar la variación de la densidad de los
Debido a que el área es el factor más importante de sedimentos (dm) con respecto al tiempo, la cual para el caso de
DR (ec. 1), seguida de la pendiente y al final el área forestada, sedimentos siempre sumergidos puede tomar “d1” los valores
C1 tendrá un peso mayor, luego C2 y C3 en ese orden. Siendo de 1.49, 1.04 o 0.48 T/m3 y “B” 0, 0.09 o 0.26 T/m3
estos tres factores menores que la unidad. Se ha observado que dependiendo si se trata de arena, limo o arcilla
C3 es la mitad de C1 y C2 se encuentra entre C3 y C1 respectivamente. La ecuación no hace distinción alguna entre
(Kothyari et al., 1996). Por lo que basta conocer C1 para los estratos, por lo que se considera toda la masa con la misma
obtener los otros dos. densidad.
Para la obtención del coeficiente C1, se requiere (8)
d m = d1 + B log θ
calibrar el modelo, por lo que es necesario relacionar una
tormenta en la cuenca con la carga de sedimentos que salen de El modelo de pérdida de suelo USLE (ec. 9) de
ésta. Dado que no se cuenta con datos de carga de sedimentos Wischmeier y Smith (1965 y 1978) sigue siendo ampliamente
de la cuenca en cuestión y al contar con 3 batimetrías del vaso, utilizado en nuestros días. Las revisiones que ha sufrido esta,
los autores obtuvieron los coeficientes con base en el material por ejemplo en la RUSLE (Renard et al., 1997) y la RUSLE2
depositado en el embalse. (Foster et al., 2003), siguen analizando el problema de manera
Puesto que la acumulación de “Se” de las “m” similar, sólo que han afinado los factores y organizado en
distintas tormentas en el año constituye la producción de bases de datos para los E.U.A. Mientras que en el medio
sedimentos total en el año (Sa) y que los DR son invariables mexicano se sigue utilizando la USLE, al carecer de una base
para cada segmento de cuenca, los autores trabajaron con la de datos nacional. La USLE es:
suma de pérdida de suelo anual por segmento (Sek) a fin de A= R K L S C P (9)
agilizar el procedimiento (Ecs. 3, 4 y 5)
La pérdida de suelo (A), depende del factor de
m (3) erosibilidad por lluvia (R), erosibilidad de suelo (K), longitud
S = ∑ S
a ei y pendiente del terreno (LS), la cobertura del terreno (C) y las
i =1
prácticas de conservación de cultivo (P). K se obtiene por
m medio de las cartas de edafología de INEGI y el método de la
S = ∑ S FAO (Figueroa et al., 1991). LS se calculó para (figura 3)
ek ek
j =1 j cada píxel a partir de un archivo raster de la zona, se
S +S + ... + S
= DR S + DR DR S + ... determinó la longitud y pendiente para cada punto a través de
e1 e2 1 e1em 1 2 e1 un algoritmo y las ecuaciones de Wischmeier y Smith (1978).
1 2
Para C se estimó un valor para las zonas forestadas con base
+ DR DR ... DR S + DR S + DR DR S + (4)
1 2 n e1 1 e2 1 2 e2 en tablas y experiencia, mientras que para las zonas agrícolas
n 1 2
se calculó para maíz. K, C y P toman valores entre 0 y 1,
... + DR DR ... DR S + ... + DR S + reduciendo el producto de RLS o sosteniéndolo. P al no contar
1 2 n e2 1 em
n 1 con precisión respecto al tipo y ubicación de prácticas de
+ DR DR S + ... + DR DR ... DR S conservación, y debido a que el resto de los factores implican
1 2 em 1 2 n em
2 n
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008
un cierto grado de incertidumbre, no se quiso afectar más
estos optando por tomar P como la unidad.
KLS
0.076 - 0.146
0.146 - 0.218
0.218 - 0.353
0.353 - 0.658
Figura 3. El diagrama de la cuenca 8 presenta los valores
K y LS calculados de la USLE por pixel de 30x30m.
Para estimar R, se requieren datos de pluviógrafo,
pero debido a la falta de éstos y al contar con una amplia red
de estaciones meteorológicas con registro de lluvia de 24 h, se
optó por combinar estas con las Estaciones Meteorológicas
Automáticas (EMA). Lo anterior se llevó a cabo determinando
la tormenta característica (figura 4), al analizar los datos de la
EMA, mediante una duración y precipitación adimensional.
Con la misma información, se realizó un análisis de
frecuencias (figura 5) para la duración de las tormentas.
Entonces, por medio de un procedimiento de Montecarlo para
cada día de lluvia se determinó con base en el análisis de
frecuentas la duración de la tormenta y se supuso para cada
día una tormenta con la lámina de 24 h. Al tener la curva
característica de las tormentas en la zona, con su respectiva
duración y precipitación, es posible determinar el incremento
de lámina de lluvia para cada instante y entonces obtener R
por la metodología de Wischmeier y Smith (1978). El área de
aplicación de cada estación climatológica se determinó por
polígonos de Thiessen (Aparicio, 2004). Dada la naturaleza
aleatoria de la función de Montecarlo, es preciso repetir el
proceso para cada día de lluvia las suficientes veces, a fin de
poder identificar una tendencia, por lo que los autores lo
repitieron 1000 veces para cada día de lluvia.
Información Disponible
Para el desarrollo de este trabajo, se contó con 3
batimetrías, las cuales se realizaron en 1982, 1986 y 1987
(JICA y CFE, 1993), teniendo hasta 10 años de azolvamiento
ya que la represa se construyó en 1977. El radio de retención
AMH
(Te) de la represa (trap efficiency) se obtuvo de JICA y CFE
(1993), resultado ser de 0.72 (ec. 6). Además de 26 muestras
de material azolvado de un embalse cercano, con su respectiva
granulometría (JICA y CFE, 1993).
La EMA más cercana a la cuenca fue la TL01, con
7 años de registro de 2000-2006 (Servicio Meteorológico
Nacional, SEMARNAT), con una acumulación de 198
tormentas agrupadas según Wischmeier y Smith (1965 y
1978). Las estaciones climatológicas que se utilizaron fueron:
21021, 21029, 21047 y 21059 (ERIC III).
Se contó con las cartas de información geográficas
de INEGI Series I y II, con las cuales se delimitó la cuenca,
con un área de 3,074.36 has. Además se obtuvieron los
factores C y K de la USLE. Del archivo raster del modelo
digital del terreno se determinaron LS de la ec. 9, para cada
pixel de 30x30m.
Cálculos y Resultados
Del modelo digital del terreno, se determinó la
pendiente del cauce principal y se obtuvo el tiempo de
concentración (Tc) por el método de Kirpich (Aparicio,
2004), el cual resultó ser de 1.14 h. Dividiéndose la cuenca en
5 segmentos de isócronas (figura 1).
Del archivo raster se obtuvo la elevación de cada
pixel y por medio de un algoritmo se determinó la dirección y
el desnivel para donde escurría cada uno. Pudiendo tener una
longitud de 30 o 42.43m y una pendiente conocida, por lo que
se aplicó la metodología de la USLE, ecs. 10-14 (Figueroa et
al., 1991):
m
⎛ l ⎞
L=⎜ ⎟ (10)
⎝ 22.1 ⎠
β
m= (11)
1+ β
sen θ 0.0896 (12)
β=
3 ( sen θ )0.8 + 0.56
S = 10.8 senθ + 0.03 θ < 5.14º (13)
S = 16.8 senθ − 0.50 θ ≥ 5.14º (14)
Para determinar K se empleó el método de la FAO
(Figueroa, 1991), que proporciona valores de erosibilidad de
suelo (K) con base en la unidad de suelo y su textura (gruesa,
media o fina). La unidad de suelo y textura para cada zona de
la cuenca se obtuvo de las cartas de edafología del INEGI.
El factor de cobertura vegetal se obtuvo a partir de
las cartas de Uso del Suelo de la Serie I y II de INEGI.
Identificando las zonas forestales o agrícolas. En el caso
forestal recurrimos a expertos en la materia (Héctor Cortés,
comunicación personal), quienes nos proporcionaron un valor
que coincidía con los requerimientos de Wischmeier (1978),
mientras que para las zonas agrícolas, se calculó C para el
maíz, cultivo predominante en el municipio de Zautla, del
distrito de riego 3 Teziutlan, Puebla. Las fechas de siembra y
de cosecha son 1 de Abril y 1 de Octubre aproximadamente
(SAGARPA-Puebla DDR03, comunicación personal). La
principal técnica es el barbecho con vertedora y se remueven
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA AMH
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008

los residuos, siendo baja su productividad, aunque también se

emplea maquinaria, aumentando su productividad. Figueroa
(1991) menciona las características de estos cultivos, pero
requiere que el índice de erosibilidad anual (R) (ec. 18) vaya
variando en porcentaje, lo cual se llevó a cabo, siendo C Frecuencia vs. Duración (min)
particular para cada año.
1.00

R constituye el factor de peso de la USLE y su 0.80

.
cálculo se obtuvo de la combinación de la tormenta

Frecuencia
característica (ec. 16, figura 4), distribución de tormentas de la 0.60
EMA (ec. 15, figura 5) TL01 y el procedimiento de
Montecarlo, que genera números aleatorios entre 0 y 1:
0.40 Frecuencia Acumulada
(-0.002498 D)
F =- 1.086 e + 1.09 Mejor Ajuste
(15) 0.20
RMSE = 0.01528
0.00
0 300 600 900 1200 1500 1800
3 2
pi ⎛ ti ⎞ ⎛ ti ⎞ ⎛ ti ⎞ Duración (min)
= - 0.143 ⎜ ⎟ - 0.4616 ⎜ ⎟ + 1.5985 ⎜ ⎟
P24hrs ⎝D⎠ ⎝D⎠ ⎝D⎠ (16)
Figura 5. Distribución de frecuencia acumulada de
2 tormentas de la EMA TL01 empleada en la
R = 0.8626
metodología.

pi / P24hrs vs. ti / Duración Una vez que se determina “pi·, se puede obtener el
incremento de lámina de lluvia (∆pi) para un intervalo de
1.00 tiempo, su intensidad (I) y la intensidad máxima en 30 min
(I30). Variables que se requieren para las ecuaciones de
Wischmeier y Smith (1978) para la obtención de R para una
0.80 tormenta cualquiera (ecs. 17-20):
pi / P24hrs ..

m
0.60 R = ∑ EI (17)
30
i=1
0.40 n
Tormentas TL01 E= ∑ e p (18)
j j
0.20 Mejor Ajuste j=1
e = 0.119 + 0.0873log I I < 76mm / hr (19)
j 10 j j
0.00
e = 0.283 I ≥ 76mm / hr (20)
0 .0

0 .2

0 .4

0 .6

0 .8

1 .0

j j

ti / Duración Ij es la intensidad de la lluvia en el intervalo j

Figura 4. Tormenta característica de la EMA
TL01 utilizada en la metodología.
Siendo “F” la frecuencia acumulada, 0<F<1, y “D”
la duración de la tormenta. Por su parte “pi” es la lámina de
lluvia acumulada en el instante “ti” y P24hrs la lámina de lluvia
en 24 h.
Entonces, se supone una tormenta para cada día de
lluvia, por lo que para cada día de registro de la estación
climatológica se genera un número aleatorio “x”, el cual entra
en la ec. 15 como “F” y encuentra “D”. Luego pasamos a la
ec. 16, donde conocemos de antemano P24hrs, se resuelve para
“pi”, pudiendo variar de 0 ≤ pi ≤ P24 hrs y 0 ≤ ti ≤ D .
(mm/hr), “ej” es la energía cinética para el intervalo de tiempo
j (MJ/ha mm), “∆pi=pj” es la lamina de lluvia en el intervalo
de tiempo j (mm), E es la energía cinética total de la tormenta
(MJ/ha) y R es el factor de erosibilidad de la lluvia o índice
de erosibilidad anual (MJ mm / ha hr año).
Una vez que se obtuvo el EI30 para un día, se repitió
el proceso 1000 veces y se obtuvo un promedio. Este
promedio se acumuló con el resto de los promedios de los días
del año y se obtiene R (ec. 17).
Al tener R, K, LS y C, se obtiene la pérdida de suelo
(A, ec. 9) que constituirá la erosión para cada segmento
isócrona. Conociendo el área, pendiente promedio y área
forestada de la isócrona, se pueden proponer valores de C1,
obtener los DRs y aplicar las ecuaciones 3-5 y 7 para obtener
SR. Este resultado (SR) lo comparamos contra el más reciente
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA AMH
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008

Tabla 1. Cálculos y resultados de la comparación de la

producción de sedimentos anual calculado “Sa” y el azolve en el embalse.
1 2 3 4 5 6 7 8

Sa
Sa SR Azolve dsed Azolve Error
Acumulado
Año

(T) (T) (T) (m3) (T/m^3) (T) %

1977 7,098.14
1978 3,982.68
1979 18,163.91
1980 74,192.09
1981 61,810.82
1982 36,052.64 201,300.28 144,936.20 162,181.00 1.09 176,813.41 -18.03%
1983 16,361.89
1984 53,499.46
1985 51,384.94
1986 35,375.02 357,921.59 257,703.54 220,925.00 1.12 248,474.89 3.71%
1987 41,761.79 399,683.38 287,772.03 254,474.00 1.13 287,780.57 0.00%

dato de material sedimentado, transformado de unidades de
volumen a masa con la ec. 8, hasta obtener el menor error
posible.
Para la obtención de los valores de “d1” y “B” se
contó con 26 muestras de azolves de un embalse cercano
(JICA y CFE, 1993). Estas se analizaron, determinando el
porcentaje de arena, limo y arcilla de cada una, posteriormente
se obtuvo un promedio general para todas las muestras. Para
arena fue 39.19%, para limo 41.97% y para arcilla 18.84%,
arrojando una densidad de 1.49, 1.04 y 0.48 T/m3
respectivamente para el primer año. Cuando se tiene una
mezcla de diferentes tipos de suelo se emplea la ec. 21 para
obtener la densidad representativa (dsed) para todo el embalse,
en lugar de realizar un promedio ponderado (USACE, 1995)
1 densidad calculada para los azolves (col. 5), calculadas a partir
d =
sed ⎛F ⎞ ⎛F ⎞ ⎛F ⎞ de muestras con las ecuaciones 8 y 21. La columna 7 expresa
⎜ clay ⎟ + ⎜ silt ⎟ + ⎜ sand
⎟ unidades de masa, por lo que su comparación con SR (col. 4)
⎜d ⎟ ⎜d ⎟ ⎜d ⎟
⎝ clay ⎠ ⎝ silt ⎠ ⎝ sand ⎠ (21)
Donde “dsed” será la densidad representativa de los
sedimentos, “Fclay” la fracción de arcilla, “dclay” la densidad
de arcilla, “Fsilt” la fracción de limo, “dsilt” la densidad de
limo, “Fsand” la fracción de arena y “dsand” la densidad de
arena. Al variar las densidades con respecto a los θ años se
obtendrá un “dsed” para cada año de consolidación. En la
tabla 1 se muestra que se trabajó con tres “dsed” distintas:
1.09, 1.12 y 1.13 T/m3, para 1982, 1986 y 1987
respectivamente, años en que se realizaron batimetrías.
Los valores calibrados de C1, C2 y C3 fueron:
0.0858, 0.0644 y 0.0429 respectivamente. Mientras que para
DR1, DR2, DR3, DR4 y DR5 resultaron: 0.1931, 0.7126,
15.4556, 0.3659 y 0.1369.
En la tabla 1 se muestran los resultados. La columna
1 muestra el año, iniciando en 1977, año de construcción de la
represa y terminando en 1987, año de la última batimetría que
se posee. La columna 2 corresponde a la producción de
sedimentos calculada por año (Sa) en toneladas (ec. 3 y 5). En
la columna 3 se acumula “Sa” a los años en que hay
batimetrías (1982, 1986 y 1987). La columna 4 corresponde al
sedimento que es retenido en la presa (SR) también en
unidades de masa (ec. 7). La columna 5 (Azolve) se refiere al
volumen de sedimentos que ocupa en el almacenamiento,
obtenido de batimetrías (JICA y CFE, 1993), se entiende que
tendrá un cierto grado de incertidumbre debido a la naturaleza
con que son realizadas. En la columna 6 (Sed) se expresa la
el producto de la columna 5 y 6, es decir los azolves en
es posible. Por último en la columna 8 se tiene el error, que se
obtuvo de restarle a SR (col. 4) el azolve en unidades de masa
(col. 7) y dividir la diferencia entre el azolve en unidades de
masa (col. 7).
Se observa una correspondencia muy aceptable entre
las cantidades de sedimentos calculadas (SR, col. 4) y medidas
a partir de las batimetrías (col. 7) en los años en que se cuenta
con información de éstas.
Conclusiones.
Se presenta una nueva metodología para la
estimación de la producción de sedimentos en cuencas, que
usa el método de Kothyari et al. (1996) y el concepto de radio
de retención (Te). La metodología se aplicó a la cuenca
denominada 8, tributaria de la cuenca del Río Apulco en
 AMH XX CONGRESO NACIONAL DE HIDRÁULICA
TOLUCA, ESTADO DE MÉXICO, MÉXICO, OCTUBRE 2008
Puebla. Los resultados son muy aceptables en vista del nivel
de precisión habitualmente obtenida en estos casos, a pesar de
la incertidumbre que se tiene normalmente en las batimetrías.
Se estima que esta metodología puede extenderse a otros
embalses. Actualmente se trabaja en otras aplicaciones.
Referencias
Aparicio, J. (2004). Fundamentos de Hidrología de
Superficie. Editorial Limusa, S.A. de C.V., México.
Arnoldus, H.M.J. (1980). An Aproximation of the Rainfall
Factor in the USLE. In: M. DeBoot and D. Gabriels (Editors),
Assessment of Erosion. John Wiley and Sons, Chichester.
Barragán, M.C. (2000). Remoción de sedimentos en
embalses con la ayuda de la modelación física. Tesis de
maestría en ingeniería hidráulica. Facultad de Ingeniería,
UNAM, México 2000, pp. 1-14.
Chow, V.T. (1988). Handbook of Applied Hydrology.
McGraw-Hill Book Company, NJ.
Cortes, H.G. (1991). Caracterización de la erosibilidad de la
lluvia en México utilizando métodos multivariados. Tesis de
Maestría en Ciencias. Colegio de Posgraduados. Montecillo,
México.
ERIC III (2006). Extractor Rápido de Información
Climatológica. Instituto Mexicano de Tecnología del Agua
(IMTA).
Figueroa, B.; Cortés, H.G.; Pimentel, J.; Osuna, E.S.;
Rodríguez, J.M. y Morales, F.J. (1991). Manuel de
Predicción de Pérdidas de Suelo por Erosión Hídrica. Colegio
de Posgraduados, SAHR 1991, México.
Flanagan, D.C. y Nearing, M. A. (1995). USDA- Water
Erosion Prediction Project Hillslope Profile and Watershed
Model Documentation. NSERL Report No. 10. USDA-ARS
National Soil Erosion Research Laboratory, West Lafayette,
Indiana 47907
Foster, G.R.; Yoder, D.C.; Weesies, G.A.; McCool, D. K.
; McGregor, K.C. y Binger, R.L. (2003). Revised Universal
Soil Loss Equation Version 2. USDA-Agricultural Research
Service, Washington, D.C.
Gangyan, Z.; Goel, N. K. Bhatt, V. K. (2002). "Stochastic
modelling of the sediment load of the upper Yangtze River
(China)". Hydrological Sciences-Journal-des Sciences
Hydrologiques, 47(S) August 2002.
JICA y CFE (1993). Estudio de Factibilidad para la
Rehabilitación de la C.H. Mazatepec. Japan International
Cooperation Agency y Comisión Federal de Electricidad.
Kothyari, U.C.; Tiwari, A.K. y Singh, R. (1996). "Temporal
Variation of Sediment Yield". Journal of Hydrologic
Engineering, October 1996.
Kramer, R.A.; Richter, D. D.; Pattanayak, S. y Sharma, N.
P. (1997). “Ecological and Economic Analysis of Watershed
Protection in Eastern Madagascar”. Journal of Environmental
Management, Vol. 49, 277–295.
Kumar, A. y Das, G. (2002). Dynamic Model of Daily
Runoff-Sediment Yield for a Himalayan Sub-Catchment of
Ramganga River. 12th ISCO Conference, Beijing 2002.
View publication stats
AMH
Lane, E.W. y Koelzer V.A. (1953). Density of Sediments
Deposited in Reservoirs. Report No. 5 of Study of Methods
used in Measurement and Analysis of Sediment Loads in
Streams, St.Paul, U.S. Engr. Dist. Sub-Office Hydr. Lab.,
Univ. of Iowa, Iowa City.
Manson, R.H. (2004). "Los Servicios Hidrológicos y la
Conservación de los Bosques de México". Madera y Bosques
10(1):3-20.
Raghuwanshi, N.S.; Singht, R. y Reddy, L.S. (2006).
"Runoff and Sediment Yield Modeling Using Artificial Neural
Networks: Upper Siwane River, India." Journal of hydrologic
Engineering ASCE / January/February 2006, pp. 71-104
Renard, K. G. y Freimund, J.R. (1994). "Using montly
precipitacion data to estimate the R-factor in the revised
USLE". Journal of Hydrology 157 (1994) 287-306.
Renard, K.G.; Foster, G.R.; Weesies,G.A. ; McCool, D.K
y Yoder, D.C. (1997). Predicting Soil Erosion by Water: A
Guide to Conservation Planning with the Revised Universal
Soil Loss Equation (RUSLE). USDA-ARS, Agriculture
Handbook No. 703.
Roose, E. (1977). Erosion et Ruissellement en Afrique de
l'ouest-vingy annees de mesures en petites parcelles
experimentales. Travaux et Document de l'OSRTON No. 78,
ORSTOM, Paris.
Simons, D. B. y Sentürk, F. (1992). Sediment Transport
Technology: Water and Sediment Dynamics. Water Resources
Publications, LLC; Bad Revi edition (August 20, 1992)
Stott, T. y Mount, N. (2004). "Plantation Forestry Impacts on
Sediment Yields and Downstream Channel Dynamics in the
UK: a Review". Progress in Physical Geography 28,2 (2004)
pp. 197-240
USACE, (1995). Sedimentation Investigations of Rivers and
Reservoirs, Engineer Manual 1110-2-4000. U.S. Army Corps
of Engineers.Washington, DC 20314-1000.
Wischmeier, W.H. y Smith, D. D. (1965). Predicting
Rainfall-Erosion Losses from Cropland East of the Rocky
Mountains, Guide for Selection of Practices for Soil and
Water Conservation. Agriculture Handbook No. 282. USDA
–ARS, 1965.
Wischmeier, W.H. y Smith, D. D. (1978). Predicting
Rainfall-Erosion Losses, A Guide to Conservation Planning.
Agriculture Handbook No. 537. USDA –ARS, 1978.