Curso:

Modelacin Hidrolgica con HecHms y SIG

Ing. Eduardo A. Chvarri Velarde
1 22/11/11
Clase I

ANALISIS DE LA PRECIPITACIN MAXIMA
1. Conceptos

1.1 Tormenta

El concepto de tormenta puede ser descrito en funcin al siguiente grfico denominado
hietograma o hietgrafo.

En primer lugar debe notarse que el registro no es continuo; asimismo la tormenta tiene una
determinada duracin que en este caso es de 24 horas y finalmente podemos tener idea de su
magnitud mediante el valor de la lmina de lluvia precipitada que en este caso es igual a 91.8
mm.

Para el ejemplo, la intensidad pico es de 14.2 mm/h, con una intensidad media de 3.8 mm/h.



1.2 Periodo de retorno

El periodo de retorno se define como el lapso promedio entre la ocurrencia de un evento igual o
mayor a una magnitud dada.

Entonces, al hablar de una tormenta de periodo de retorno igual a 25 aos, se entiende que
dicho evento ser igualado o excedido en promedio una vez cada 25 aos, en el transcurso de
un gran nmero de aos.

Como en hidrologa se utilizan muestras integradas por eventos hidrolgicos anuales, se podr
plantear la siguiente ecuacin basndose en el concepto de probabilidad:

) ( 1
1
) (
1
x X P x X P
T
<
=
>
=


Con frecuencia resulta interesante estimar la probabilidad de que un evento con un
determinado periodo de retorno, sea igualado o excedido en un cierto intervalo, para responder
a dicha pregunta se define el concepto de riesgo de falla.

Sea p la probabilidad de excedencia del evento igual a 1/T, esto es, la probabilidad de
ocurrencia en cualquier ao. La probabilidad de no ocurrencia del evento en cualquier ao ser
(1-p). Considerando que los eventos anuales son estadsticamente independientes, la
Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
2 22/11/11
probabilidad de que el evento no suceda en dos aos consecutivos es (1-p)
2
. Extendiendo este
razonamiento a la vida til (N) del proyecto, se tendr (1-p)
N
. Finalmente, la probabilidad de
que el evento si ocurra durante la vida til ser:
N N
T
p R )
1
1 ( 1 ) 1 ( 1 = =

N
R
T
1
) 1 ( 1
1

=

1.3 Distribucin de frecuencia

La mayora de los parmetros hidrolgicos, incluyendo la precipitacin, escorrenta,
evaporacin etc., son al fin y al cabo series temporales, es decir, sus magnitudes varan con el
tiempo.

La determinacin de la frecuencia de un episodio de lluvia de una determinada magnitud es de
especial inters en la ingeniera. Por ejemplo, necesitamos ser capaces de conocer si la
magnitud de una tormenta de 30 mm/h tiene una frecuencia de una vez al ao o una vez en 50
aos. En otras palabras, necesitamos ser capaces de establecer el periodo de retorno o
frecuencia de ocurrencia. Esta determinacin ser ms precisa si la extensin de los registros
conocidos es larga.

Es as que si conocemos por ejemplo la precipitacin anual durante 100 aos, podemos,
mediante la estadstica, determinar y pronosticar muchas propiedades a partir de este conjunto
de datos.

Por ejemplo, la siguiente figura muestra las diferentes distribuciones estadsticas de los
registros diarios de lluvia para el Reino Unido (Shaw, 1994).








Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
3 22/11/11
2.1 Distribucin Log-Normal de dos Parmetros

La distribucin Log-Normal al igual que la distribucin Normal son de gran utilidad debido a la
facilidad de calcular sus dos parmetros respectivamente. Basta calcular la media y la
desviacin estndar de los datos para el caso de la distribucin Normal y la media y la
desviacin estndar de sus logaritmos para el caso de la distribucin Log - Normal.

Por el teorema de lmite central, tenemos que si X es una variable aleatoria con distribucin
normal, se puede esperar una variable Y = ln(X), tambin con distribucin normal con media
Y

y variancia
y
2. La funcin de densidad de distribucin normal para Y es:


f(Y): funcin de densidad de la distribucin normal para Y (
Y
,
y
2)
f(X): funcin de densidad de la distribucin log-normal para X (
Y
,
y
2)

Y tiene distribucin normal, mientras que X tiene distribucin Log-normal.
Los parmetros
Y
y
y
2 pueden ser estimados por sus parmetros muestrales mediante la
transformacin Y
i
= Ln (X
i
)








2.2 Distribucin de Gumbel

La Distribucin de Gumbel o de valor extremo, tiene actualmente gran utilidad. De acuerdo con
la ley de los extremos (Pinto et al., 1976), la ley de distribucin de la serie de n trminos
constituidos por los mayores valores de cada muestra tiende asintticamente a una ley simple
de probabilidades, que es independiente de la que rige la variable aleatoria en las diferentes
muestras y en el propio universo de la poblacin infinita.

Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
4 22/11/11










Ejemplo: Ajuste a distribucin normal y lognormal 02 parmetros

Cuenca : Ro Chilln
Estacin : Canta
No.Orden Weilbull Pp24hr
LN
(Pp24hr)
Dist.Norm Dist.Log.Norm.
Ao Pp.Mx.en 24 horas (mm)
1964 16.0 1 0.03 51.2 3.94 37.1 4.15
Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
5 22/11/11
1965 13.6 2 0.06 33.5 3.51 33.9 3.91
1966 15.0 3 0.09 32.8 3.49 31.8 3.75
1967 22.7 4 0.12 30.5 3.42 30.2 3.62
1968 12.1 5 0.15 30.0 3.40 28.8 3.52
1969 21.3 6 0.18 25.7 3.25 27.6 3.43
1970 51.2 7 0.21 24.1 3.18 26.6 3.35
1971 13.2 8 0.24 23.6 3.16 25.6 3.27
1972 25.7 9 0.26 23.5 3.16 24.7 3.20
1973 23.6 10 0.29 22.7 3.12 23.8 3.14
1974 16.9 11 0.32 21.3 3.06 23.0 3.07
1975 18.6 12 0.35 19.2 2.95 22.2 3.01
1976 18.2 13 0.38 18.6 2.92 21.4 2.95
1977 32.8 14 0.41 18.2 2.90 20.7 2.90
1978 17.6 15 0.44 18.0 2.89 20.0 2.84
1979 16.4 16 0.47 17.6 2.87 19.2 2.78
1980 14.6 17 0.50 16.9 2.83 18.5 2.73
1986 23.5 18 0.53 16.7 2.82 17.8 2.67
1987 8.0 19 0.56 16.4 2.80 17.0 2.62
1988 9.0 20 0.59 16.0 2.77 16.3 2.56
1989 8.3 21 0.62 15.5 2.74 15.6 2.50
1990 2.0 22 0.65 15.0 2.71 14.8 2.44
1992 0.9 23 0.68 14.6 2.68 14.0 2.38
1993 9.4 24 0.71 13.6 2.61 13.2 2.32
1994 15.5 25 0.74 13.2 2.58 12.3 2.25
1995 12.4 26 0.76 12.4 2.52 11.4 2.18
1996 16.7 27 0.79 12.1 2.49 10.4 2.11
1997 30.0 28 0.82 9.4 2.24 9.4 2.03
1998 30.5 29 0.85 9.0 2.20 8.2 1.94
1999 24.1 30 0.88 8.3 2.12 6.8 1.83
2000 19.2 31 0.91 8.0 2.08 5.2 1.71
2001 33.5 32 0.94 2.0 0.69 3.1 1.55
2002 18.0 33 0.97 0.9 -0.05 -0.1 1.30
Media 18.5 2.73
DesvEst. 9.8 0.75















Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
6 22/11/11
























Ejemplo: Ajuste a distribucin Gumbel
y = 0.8813x + 2.1956
R = 0.9125
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
40.0
45.0
50.0
0.0 20.0 40.0 60.0
P
p

M
a
x

2
4

h

-
D
i
s
t

N
o
r
m
.
Pp Max 24 h
Dist.Norm
Lineal (Dist.Norm)
y = 1.0467x - 0.1737
R = 0.8381
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
0 1 2 3 4 5
L
n
(
P
p

M
a
x

2
4

h
)

D
i
s
t

N
o
r
m
.
Ln(Pp Max 24 h)
Dist.Log.Norm.
Lineal
(Dist.Log.Norm.)
Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
7 22/11/11

Si se muestra de datos de caudales picos tiene como media 81 y desviacin estndar 23.
Determinar el perodo de retorno T, correspondiente a Q = 91 m3/s, si se asume que los datos
siguen una distribucin Gumbel.



3 Mtodos estadsticos en funcin a Factores de Frecuencia

Este concepto fue usado por Ven Te Chow (1951) en combinacin con la frmula general para
el anlisis de frecuencias hidrolgicas:
KS X X + =
_


Donde:

X : Precipitacin para un determinado periodo de retorno T
_
X : Es la media de la serie de precipitacin.
K : Factor de frecuencias
S : Desviacin estndar de los datos.


3.1 Factor de frecuencia para la distribucin Normal y la distribucin Log Normal




Tabla de factores de frecuencia para la distribucin Normal y Log Normal
Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
8 22/11/11



3.2 Factor de frecuencia para la distribucin Gumbel

El factor de frecuencia K de la distribucin Gumbel depende del periodo de retorno y se puede
encontrar a partir de la siguiente ecuacin:

|
.
|

\
|

+
H
=
1
ln ln 5772 . 0
6
T
T
K




Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
9 22/11/11
4 Precipitacin Mxima Probable (PMP)

Se define como la precipitacin que puede esperarse en las ms severas condiciones crticas y
meteorolgicas, que sean razonablemente posibles en la regin o en trminos sencillos el
lmite superior fsico de la precipitacin, para una duracin determinada y sobre una cuenca
particular.

Es necesario indicar que segn Ven Te Chow (1993), el concepto de precipitacin mxima
probable no es totalmente confiable, debido a que no puede ser estimado perfectamente ya
que su probabilidad de ocurrencia es desconocida.

Pero en trminos prcticos la PMP ser til, sobre todo cuando no es posible evaluar la
magnitud de avenidas muy excepcionales a partir de perodos cortos de registros histricos.

En trminos generales, los diversos mtodos o criterios de estimacin de la precipitacin
mxima probable se clasifican en 04 grupos bsicos.

- Mtodos empricos
- Mtodos de transposicin y maximizacin de tormentas.
- Mtodos estadsticos
- Mtodos basados en modelos de tormentas

4.1 El mtodo estadstico (Hershfield):

El mtodo estadstico de estimacin de la precipitacin mxima probable, fue desarrollado
alrededor de 1960 por David M. Hershfield y puede ser empleado siempre y cuando se
disponga de suficientes datos de precipitacin mxima en 24 horas y es particularmente til
para realizar estimaciones rpidas. El mtodo bsicamente permite realizar las estimaciones de
la PMP para cuencas no mayores a 1000 km
2
.

El mtodo de Hershfield es especialmente til ya que solamente emplea registros de lluvia
mxima 24 horas, recomendndose de ser posible el uso de registros no menores de 20 aos
o cuando menos mayores a 10 aos, pues lo de menor longitud no se deben emplear.

La ecuacin general es:

PMP = (X
n
f
11
f
12
+ K S
n
f
13
f
14
) f
1
f
2


Donde:

PMP : Precipitacin Mxima Probable (mm)
X
n
: Promedio de las mximas precipitaciones anuales (mm)
S
n
: Desviacin estndar del registro (mm)
K : Coeficiente que depende de X
n
e igual a 19x10
-0.000965Xn

f
11
: Factor de ajuste por nmero de aos de registro en la media.
f
12
: Factor de ajuste por algn valor elevado en la media.
f
13
: Factor de ajuste por nmero de aos del registro en la desviacin estndar.
f
14
: Factor de ajuste por algn valor alto en la desviacin estndar.
f
1
: Factor de ajuste por nmero de lecturas / da en el pluvimetro.
f
2
: Factor de ajuste por transicin de la lluvia puntual a un rea.

Segn la frmula se determinan la media (X
n
) y la desviacin tpica (S
n
) de la muestra. Pero si
existe algn valor alto se le debe abstraer y calcular las nuevas media (X
n-m
) y desviacin
estndar (S
n-m
), originndose los siguientes factores de correccin:

12
......f
X
X
n
m n

Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
10 22/11/11
14
......f
S
S
n
m n


Por la longitud del periodo de registro se tienen los factores correctivos f
11
y f
13
.

Finalmente por el nmero de lecturas/da, se introduce el factor f
1
y por transicin de la lluvia
puntual a un rea el factor f
2
.


FACTOR f
1



Fuente:L.L.Weiss citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.




104
106
108
110
112
114
104
106
108
110
112
114
Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
11 22/11/11
FACTOR f
11
(Media) y f
13
(Desviacin Estndar)



Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
12 22/11/11
FACTOR K



Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.




























Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
13 22/11/11
FACTOR f
14



Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987

Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
14 22/11/11
FACTOR f
12



Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.





Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
15 22/11/11
FACTOR f
2




Fuente: D.M.Hershfield citado por Campos Aranda 'Procesos del Ciclo Hidrolgico',1987.

4.2 Mtodo Estadstico alternativo

Articulo: A probabilistic view of Hershfields method for estimating probable maximum
precipitation. Demetris Koutsoyiannis
Department of Water Resources, Faculty of Civil Engineering, National Technical
University, Athens, Greece
Publicado en: WATER RESOURCES RESEARCH, VOL. 35, NO. 4, PAGES 13131322,
APRIL 1999


5 Registros de lluvia diaria mediante informacin satelital
Los sensores satelitales constituyen la nica forma de medir la lluvia sobre las tres cuartas
partes de la tierra constituida por la regin cubierta por los ocanos. Los ms grandes
programas de monitoreo satelital para lluvia son los proyectos Global Precipitation
Climatology (GPCP) y el Tropcal Rainfall Measuring Mission (TRMM).

5.1 Utilizacin del producto TRMM
- Introduccin a TRMM y al producto TRMM 3B42 V6
- Gua prctica: Conseguir y verificar el producto TRMM 3B42 V6.
Por: Marlene Scheel, Meteodat GmbH WSL Birmensdorf Universitt Zrich Noviembre
2009.
- Acceso a datos de precipitacin de satlite TRMM mediante el Google Earth. Visitar:
http://www.kcl.ac.uk/schools/sspp/geography/research/emm/geodata/

Curso:
Modelacin Hidrolgica con HecHms y SIG
Ing. Eduardo A. Chvarri Velarde
16 22/11/11