IAHR CIC

XXV CONGRESO LATINOAMERICANO DE HIDRÁULICA

SAN JOSÉ, COSTA RICA, 9 AL 12 DE SEPTIEMBRE DE 2012

ANÁLISIS DE INCERTIDUMBRE DEL TIEMPO DE CONCENTRACIÓN

EN LA MODELACIÓN DE EVENTOS DE TORMENTA EN LA CUENCA
ALTA DEL RÍO MAGDALENA

J.A. Torres, J.I. Ordoñez., R. Duque

Estudios y Asesorías Ingenieros Consultores Ltda., Colombia
jatorresma@eaingenieros.com, jiordonez@eaingenieros.com, rduque@eaingenieros.com

RESUMEN:

El objetivo principal del presente artículo es realizar un análisis de incertidumbre en la

estimación del tiempo de concentración mediante la calibración objetiva de 13 ecuaciones empíricas
con base en los registros de precipitación y niveles registrados en la cuenca alta del río Magdalena.
Dentro de los objetivos específicos se encuentran: 1) determinar la bondad de ajuste de la
calibración de un modelo lluvia-escorrentía para una subcuenca de prueba modelo, por medio de la
metodología GLUE basada en series de Monte-Carlo; 2) definir la utilidad de este análisis en la
modelación hidrológica lluvia-escorrentía de eventos de tormenta en cuencas instrumentadas y no
instrumentadas; 3) evaluar objetivamente la aplicabilidad y funcionalidad de 13 ecuaciones
empíricas para la estimación del tiempo de concentración de una cuenca; 4) simular en la cuenca de
estudio un evento de creciente con periodo de retorno 50 años.

ABSTRACT:

The main objective of this paper is the uncertainty analysis for estimating the concentration
time using the objective calibration of 13 empirical equations based on rainfall records and levels in
the upper basin of the Magdalena River. Among the specific objectives are: 1) to determine the fit
goodness of the rainfall-runoff model calibration to test a sub-basin model by GLUE methodology
based on Monte-Carlo series; 2) to define the utility of this analysis in hydrological modeling of
storm rainfall-runoff model in instrumented and non instrumented watersheds; 3) to objectively
assess the applicability and functionality of 13 empirical equations for estimating the watershed
concentration time; 4) to simulate a 50 year recurrence flood.

PALABRAS CLAVES: tiempo de concentración, modelo lluvia-escorrentía SCS

INTRODUCCIÓN
Los eventos de inundación tienen una alta repercusión sobre el entorno natural, social y
económico de una región, debido a la afectación sobre la vida humana, y las obras de
infraestructura. El conocimiento adecuado de los procesos meteorológicos, hidrológicos e
hidráulicos por los cuales se producen los eventos de inundación, permite la elaboración de
herramientas conceptuales para el análisis de zonas de riesgo.
Los modelos lluvia – escorrentía utilizan las principales variables que rigen los eventos de
tormenta y los fenómenos de escorrentía, para calcular y transitar hidrogramas a nivel de
subcuencas, hasta el punto final de interés. Un importante parámetro para la definición de un
hidrograma de avenida, es el tiempo de concentración Tc, o tiempo para el cual toda la superficie de
la cuenca empieza a contribuir durante un evento de lluvia. En la práctica, cuando no existen datos
de hidrogramas reales, el Tc puede estimarse a través de ecuaciones empíricas usualmente de muy
diferente origen y nivel de incertidumbre.
Este artículo presenta resultados de un análisis de incertidumbre realizado sobre el Tc, con
base en un modelo lluvia – escorrentía, calibrado objetivamente con registros de tormentas
históricas en la cuenca del alto Magdalena en Colombia.

ECUACIONES EMPÍRICAS PARA LA ESTIMACIÓN DE TC

Diversas ecuaciones empíricas para el cálculo del tiempo de concentración, bajo condiciones
físicas específicas, han sido propuestas en la literatura para uso en cuencas no instrumentadas, con
resultados variables debido a limitaciones de aplicación en cuencas diferentes a las originales.
Las ecuaciones analizadas en este artículo se presentan en la Tabla 1 con su respectiva
referencia. Las variables y unidades de las ecuaciones presentadas son: tiempo de concentración
(Tc) en min; longitud del cauce principal (L), longitud de la cuenca (LB), longitud del cauce
principal al centro de gravedad de la cuenca (Lc), diámetro equivalente (D), y ancho de la cuenca
(W) en Km; área de la cuenca (A) en Km2; pendiente longitudinal del cauce (S) y pendiente media
de la cuenca (SB) en m/m; diferencia de cotas entre el punto de interés y la divisoria (HB) en m;
velocidad del flujo (v) en m/s; y coeficiente de la ecuación de Linsley (Ct), saturación natural del
suelo (Snat); y número de curva del método del SCS (CN) adimensionales.

Tabla 1.- Ecuaciones empíricas empleadas para el cálculo de Tc.

Método/Ecuación empírica Fórmula Tc [min] Ec. / Ref
Williams Tc = 16.32·L·A0.4·(D·S0.2 ) -1 [1]
Kirpich Tc = 3.978·L0.77·S−0.385 [2]
California Culverts Practice Tc = 60·(0.87·L3·HB−1)0.385 [3]
Johnstone y Cross Tc = 3.258·L0.5·S-0.5 [4]
Retardo del SCS Tc = 100·(0.0003048-1·L)0.8·(1000·CN-1-9)0.7·[1900·(100·SB)0.5]-1 [5]
Témez Tc = 18·[L·(100·S)-0.25]0.75 [6]
Linsley Tc = 60 Ct {0.386 LB Lc [(100 S)-0.5]}0.35 [7]
Giandiotti Tc = (240·A0.5+90·L)·[(25.3·(S·L)0.5]-1 [8]
Cartas de velocidad promedio SCS Tc = 60-1·∑(1000·L·v-1) [9]
USACE 1 Tc = 497.4·(1.0 + 0.03·I)-1.28·(7.31·10-5·A·S-1)0.28 [10]
USACE 2 Tc = 248.4·(7.31·10-5·A·S-1)0.39 [11]
Haktanir–Sezen Tc = 44.75·L0.841 [12]
Simas and Hawkins Tc = 88.57·W0.594·SB−0.150·Snat0.313 [13]

METODOLOGÍA
El objetivo principal del presente artículo es realizar un análisis de incertidumbre en la
estimación del tiempo de concentración mediante la calibración objetiva de 13 ecuaciones
empíricas con base en los registros de precipitación y niveles registrados en la cuenca alta del río
Magdalena. Dentro de los objetivos específicos se encuentran: 1) determinar la bondad de ajuste de
la calibración de un modelo lluvia-escorrentía para una subcuenca de prueba modelo por medio de
la metodología GLUE basada en series de Monte-Carlo;
Monte Carlo; 2) definir la utilidad de este análisis en la
modelación hidrológica lluvia-escorrentía
escorrentía de eventos de tormenta
t en cuencas instrumentadas y no
instrumentadas; 3) evaluar objetivamente la aplicabilidad y funcionalidad de 13 ecuaciones
empíricas para la estimación del tiempo de concentración de una cuenca;
cuenca; 4) simular en la cuenca de
estudio un evento de creciente
nte con periodo de retorno 50 años.
La subcuenca de prueba representa ell área de drenaje de la estación La Magdalena ubicada
en la Cuenca Alta del río Magdalena y corresponde a la primera estación fluviométrica en el cauce
del río Magdalena. Posteriormente,
Posteriormente se implementa un modelo lluvia-escorrentía
escorrentía en toda el área de
estudio, i.e. cuenca alta del Río Magdalena hasta la estación limnigráfica Puente Balseadero (5,680
Km2), distribuida en 21 subcuencas con áreas de drenaje menores que 560 Km2. A partir de la
calibración objetiva realizada en la subcuenca de prueba, se definió el mejor conjunto de ecuaciones
para la estimación del tiempo de concentración en cada una de las subcuencass del modelo.

Figura 1.- Ubicación sitio de estudio.

estudio Cuenca Alta del Río Magdalena

Con base en un análisis regional de caudales preliminar y la base de datos de los registros de
caudales máximos mensuales, se procedió a escoger las crecientes máximas registradas en cada una
de las estaciones limnigráficas analizadas en la cuenca alta del río Magdalena (Tabla
( 2).

Tabla 2.- Estaciones limnigráficas cuenca alta Río Magdalena

Código Abscisa Área Periodo de Elevación
Estación Corriente (Río)
IDEAM (Km) (Km2) registro (m.s.n.m.)
2101706 La Magdalena Magdalena 32.98 560 1991-2009
2009 1700
2104701 Puente Balseadero Magdalena 174.05 5,680 1971-2009
2009 688

CONSISTENCIA DE LOS VALORES DE Tc

Las ecuaciones [1], [8], [10] y [11] utilizan como parámetro de cálculo
cálculo el área de la cuenca,
y solo las ecuaciones [5] y [13] utilizan como parámetro de cálculo la pendiente media de la cuenca
en lugar de la pendiente media del cauce. Las restantes utilizan cómo parámetro principal la
longitud y la pendiente longitudinal
longitudinal del curso de agua más extenso en la red de drenaje. Se
identificaron aquellas ecuaciones aplicables a cuencas de menor tamaño (<125 Km2), y cuencas
mayores.
Para identificar aquellas ecuaciones que mejor representan Tc en las subcuencas se hicieron
correlaciones Tc versus área de drenaje para cada una de los 13 casos. Se obtuvieron valores
aceptables de ajuste, (R2 ≥ 0.6), excepto para las ecuaciones [3], [4], [5], [13], con valores de R2 <
0.6. Las de mejor ajuste fueron [2], [6] y [7]. También, se realizaron correlaciones Tc versus
pendiente longitudinal para las 13 ecuaciones. La ecuación [8] produjo la mejor correlación
cor (R2 =
0.86), como se aprecia en la Figura 1. La ecuación [2], propuesta para el cálculo de Tc en áreas de
drenaje menores que 129.5 Km2 produjo una correlación baja (R ( 2 = 0.35).
 Inicialmente se estimó el tiempo de concentración medio, máximo,
máximo, mínimo,
míni y la desviación
estándar (Tabla 3),, con base en en las ecuaciones seleccionadas. Posteriormente se realizó la
calibración objetiva de un modelo lluvia-escorrentía
lluvia escorrentía y el análisis de sensibilidad para determinar el
mejor
ejor conjunto de ecuaciones que representan el tiempo de concentración en la zona de estudio
(Tabla 7).

Figura 2.- Correlación Tc vs pendiente longitudinal, Ecuación [8]

En la Tabla 3 se presenta el cálculo del tiempo de concentración,

concentración, calculado como primera
estimación, para cada una de las subcuencas analizadas de acuerdo a sus correspondientes
características morfométricas L en Km, S y SB en m/m, A en Km2. La abscisa del punto de
concentración para cada subcuenca en el Río Magdalena desde su nacimiento, Abs, está indicado en
Km.
Tabla 3.- Tiempo de concentración calculado inicialmente (min
min)
No Subcuenca Abs S A L SB Tc medio Tc máx Tc mínimo σ Estación Ideam
1.1 La Magdalena 32.98 0.0540 560 32.98 0.0846 263 460 80 3.2 La Magdalena
1.2 Simón Bolívar 61.12 0.0128 564 28.140 0.0066 534 741 386 2.2
2 Q Granadillo 61.73 0.0517 324 29.602 0.0685 426 773 183 3.2 Cascada Simón Bolívar
3 Q La Chorrera 66.64 0.0448 124 20.554 0.0633 340 569 133 2.6
4 Q Mat 68.35 0.0729 81 19.882 0.0877 271 553 93 2.4
5 Río Guarapas 78.30 0.0186 439 34.491 510 879 254 3.3
6 Q Negra 86.32 0.0377 106 37.662 0.0536 452 947 134 4.9
7 Rio Bordones 95.19 0.0381 457 56.247 0.0732 632 1326 236 6.2
8 Q Calenturas 100.09 0.1489 105 5.573 0.1800 169 531 53 2.6
9 Q Ancamu 102.12 0.0784 19 6.916 0.1148 147 243 52 1.1 Salado Blanco
10 Q El Guayabo 104.67 0.0508 108 28.836 0.0811 355 756 120 3.4
11 Q Oporapa 110.82 0.1125 110 15.642 0.1333 224 452 89 2.0
12 Q La Maituna 119.23 0.0597 91 23.267 0.0771 300 631 106 2.7
13 Río Timaná 127.96 0.0310 199 32.282 0.0609 433 831 185 3.4 Pericongo
14 Q El Hato 136.07 0.0870 107 10.404 0.1408 188 321 97 1.4
15 Q El Hígado 141.12 0.0516 50 15.504 0.1171 228 449 88 1.8
16 Q.Palo Colorad 145.55 0.0332 121 9.037 0.0405 233 343 148 1.3
17 Q.El Palmo 153.88 0.0256 32 3.908 0.0448 160 255 83 1.1
18 Q Lagunilla 155.10 0.0117 109 11.069 0.0906 298 447 186 1.5
19.1 Río Suaza 167.40 0.0173 1017 63.406 972 1934 439 9.2
20 Q Seca 168.25 0.0197 59 12.156 0.0269 277 370 137 1.5
21 Q Garzón 174.05 0.0322 221 9.637 0.1107 253 410 111 1.6 Pte. Balseadero

Con base en los eventos de creciente analizados se procedió

ocedió a identificar los eventos de
tormenta para las fechas correspondientes. Se escogieron eventos de tormenta para la definición de
los hietogramas de entrada al modelo relacionados con las avenidas de 1986 (21 junio – 30 julio) y
2008 (14–23 junio). Lass estaciones limnigráficas consideradas en el modelo fueron La Magdalena
(RK 141+400), Cascada Simón Bolívar (RK 113+400), Salado Blanco (RK 72+400), Pericongo
(RK 44+500), y Puente Balseadero (RK 0+000).
MODELO HIDROLÓGICO LLUVIA−ESCORRENTÍA
Con el fin de evaluar y comparar objetivamente las 13 ecuaciones empíricas se implementó
una rutina computacional de un modelo lluvia-escorrentía basado en el método del Soil
Conservation Service (SCS, 1972) para calcular las abstracciones de la precipitación de una
tormenta. La abstracción inicial antes del encharcamiento Ia consiste principalmente de la
intercepción, la infiltración y el almacenamiento superficial, procesos que ocurren en su totalidad
antes de que la escorrentía inicie. Siguiendo a SCS (1972) y Chow et al. (1994), el método del SCS
considera que durante una tormenta la profundidad de escorrentía directa o profundidad de exceso
de precipitación Pe es siempre menor o igual a la profundidad de precipitación P, y de manera
homologa, después de que la escorrentía se inicia, la profundidad adicional retenida en la cuenca Fa
es menor o igual a una retención potencial máxima S. La hipótesis del método establece que son
magnitudes iguales la relación entre Fa y S, y la relación entre Pe y la escorrentía potencial P − Ia.
Por consiguiente, para una tormenta la relación entre la precipitación, escorrentía y la retención i.e.
la lluvia no convertida en escorrentía. La ecuación básica para el cálculo de la profundidad de
exceso de precipitación de una tormenta se presenta a continuación:
ሺܲ − ‫ܫ‬௔ ሻଶ
ܲ௘ =
ܲ − ‫ܫ‬௔ + ܵ
[1]

La relación entre Ia y S fue establecida a partir de datos experimentales de cuencas con áreas
menores de 10 acres (4.05 Ha) y se presenta gráficamente en SCS (1972) y Chow, et al. (1994):
‫ܫ‬௔ = 0.2 ܵ [2]
En el método del SCS, el cambio en S es una transformación del parámetro CN, i.e. el
número de curva o el número hidrológico de cobertura de suelo, y éste es más usado para realizar
interpolaciones, y operaciones ponderadas de tendencia lineal. La transformación está dada por:
1000
ܵ= − 10 [3]
‫ܰܥ‬
En SCS (1972) se presenta la solución de la Ecuación [3] para P variando entre cero y 1,038
mm cada 2.54 m, y para cada CN en el rango entre 55 y 98. En el método del SCS, el cambio en S,
realmente en CN, está basado en una condición de humedad antecedente (AMC, del inglés
Antecedent Moisture Condition), la cual se determina mediante la lluvia total de una tormenta que
ocurre en el periodo de 5 días precedentes. El método establece tres niveles de AMC (c.f. Tabla 4):
AMC-I es el límite inferior de humedad o el límite superior de S, AMC-II es la condición promedio,
y AMC-III es el límite superior de humedad o el límite inferior de S (SCS, 1972).

Tabla 4.- Clasificación de las condiciones de antecedentes de humedad (AMC)

Lluvia antecedente total de 5 días (mm)
Grupo AMC
Estación inactiva Estación de crecimiento
I menor que 13 menor que 36
II 13 a 28 36 a 53
III superior a 28 superior a 53

ANÁLISIS DE SENSIBILIDAD EN LA ESTIMACIÓN DE Tc

Beven y Binley (1992) proponen una metodología de estimación de incertidumbre
generalizada (Generalized Likelihood Uncertainty Estimation, GLUE), desarrollada como una
extensión del método de análisis de sensibilidad generalizado (Generalized Sensivity Analysis,
GSA). Según Romanowicz y Beven (2005), la metodología GLUE permite la posible equifinalidad,
esto es, permite la no unicidad, ambigüedad o no identificabilidad de los conjuntos paramétricos
durante la estimación de los parámetros de un modelo sobreparametrizado. Esta metodología ha
sido aplicada a una variedad de problemas ambientales (Beven et al, 2000). Su popularidad se debe
a las pocas suposiciones que requiere y a la simpleza del método cuando se utiliza en aplicaciones
prácticas.
 La metodología GLUE asume que, en el caso de modelos sobreparametrizados, no es
posible estimar un único conjunto de parámetros que, dadas las observaciones, optimice la bondad
del criterio de ajuste. La técnica se basa en la estimación de los pesos o probabilidades asociados a
los diferentes conjuntos de parámetros por medio del uso de una medida de verosimilitud subjetiva
para obtener una posterior verosimilitud para cada conjunto de parámetros que a su vez se usa para
obtener la incertidumbre en la predicción de las variables de salida, (Romanowicz y Beven, 2005).
En el presente artículo se realiza la calibración del modelo lluvia-escorrentía presentado.
Con el fin de determinar la bondad de ajuste, se utiliza como función objetivo la desviación
absoluta en porcentaje APB, y la raíz del error medio cuadrático RMSE y se sigue la metodología
GLUE para analizar la incertidumbre del modelo.

Calibración objetiva directa de parámetros

Con base en simulaciones de Monte-Carlo implementadas mediante una rutina de Matlab se
realizó una calibración objetiva directa de los parámetros del modelo lluvia-escorrentía: tiempo de
concentración Tc en minutos, área de drenaje A en Km2, número de curva del SCS CN, precipitación
inicial antes del evento de tormenta en el tiempo de ocurrencia Pini en mm, y caudal base Qbase en
m3·s-1, en los rangos de calibración de la Tabla 5. Se ejecutaron 3,000 simulaciones de Monte-Carlo
en cada caso.

Tabla 5.- Rangos para las simulaciones de Monte-Carlo. Calibración directa Tc

Tc A CN Pini Qbase
[min] [Km2] [--] [mm] [m3·s-1]
Valor observado (medido) -- 560 85 -- 45
Rango calibración [0 2000] [336 784] [55 98] [0 90] [0 90]

La estimación de incertidumbre parámetrica se realizó a través de la herramienta MCAT

(Monte-Carlo Analysis Toolbox, Lees y Wagener, 2000) que permite hacer un análisis simulaciones
de Montecarlo siguiendo la metodología GLUE. A continuación se presentan los resultados del
análisis de sensibilidad para cada una de las Ecuaciones de Tc analizadas.

Bondad de ajuste de la calibración del modelo

Los gráficos de salida de la herramienta MCAT permiten analizar las simulaciones de
Monte-Carlo y evaluar la bondad de ajuste. Cada uno de los gráficos de puntos de la Figura 3a
representa la proyección del espacio paramétrico en una dimensión para cada uno de los parámetros
del modelo bajo calibración. Cada punto representa el valor de la función objetivo, en este caso
APB, en una simulación de Monte-Carlo para cada uno de los parámetros de calibración del modelo
asociado con un conjunto único de parámetros. Si la “superficie” del gráfico de puntos, la cual
representa la mejor parametrización del modelo para un valor dado del parámetro, presenta un
mínimo claramente definido, puede considerarse que el parámetro es identificable. Puede
observarse que los parámetros Qbase y Tc presentan un valor mínimo claramente definido y por
consiguiente son parámetros identificables del modelo, mientras que los gráficos de puntos para los
parámetros A, CN, y Pini muestran que no obstante se presenta un conjunto de parámetros con un
valor mínimo de la función objetivo, existen muchos otros conjuntos con valores de la función
objetivo tan similares como el mejor, en consecuencia bajo esta opción de calibración éstos son
parámetros no identificables del modelo. Este resultado no es de extrañar ya que diferentes
combinaciones de A, CN, y Pini tendrán efectos similares en la estimación de la escorrentía directa y
del tiempo de concentración.
El mejor valor del parámetro se muestra como un rectángulo blanco en el gráfico de puntos
(Figura 3a), siendo en este caso los valores de los parámetros que producen el mejor modelo:
A = 702 Km2, CN = 65, Pini = 61.2 mm, Qbase = 40.3 m3·s-1 y Tc = 456 min. Por medio de la
evaluación del conjunto de parámetros que producen los mejores modelos, en la Figura 3 (d) se
presentan las series de tiempo de salida asociadas con los límites de confianza del 95% siguiendo la
metodología GLUE. El gráfico inferior permite hacer más fácil la identificación de las regiones con
mayor incertidumbre, ya que presenta la diferencia entre el límite de confianza superior y el
inferior, normalizados mediante la diferencia máxima entre éstos a lo largo del intervalo de tiempo
bajo estudio
tudio (Less y Wagener, 2000). La anterior diferencia normalizada dCFLFL se expresa mediante
la ecuación:
LCSt − LCIt
dCFL = [4]
max(LCS − LCI )

donde LCSt es el límite de confianza superior en el tiempo t y LCIt es el límite de confianza inferior
en el tiempo t. A continuación se presentan los resultados de calibración de los parámetros del
modelo y del tiempo de concentración para cada una de las ecuaciones
ecuaciones empíricas analizadas. Los
parámetros de calibración y el rango de las simulaciones de Monte-Carlo
Carlo se presentan en la Tabla 6.

Tabla 6.- Rango de valores para las simulaciones de Monte-Carlo

Mo Carlo
L LC LB W S SB HB
Valor observado (medido) 32.98 20.46 31.67 26.58 0.054 0.085 2680
Rango calibración [19 47] [12 29] [19 45] [15 38] [0.03 0.08] [0.05 0.12] [1608 3752]

-4 -4 -4
x 10 x 10 x 10
3.8 3.8 3.8
3.6 3.6 3.6
D(APB)

3.4 3.4 3.4

3.2 3.2 3.2
3 3 3
2.8
2.8 2.8
400 500 600 700 60 70 80 90 20 40 60 80
A CN Pini
-4 -4
x 10 x 10
4
4
3.5

3 3

2.5 2
20 40 60 80 500 1000 1500
Qbase Tc

(a) (b)

(c) (d)
Figura 3.- Identificabilidad de parámetros y análisis de incertidumbre.. Calibración directa Tc

Calibración objetiva directa de parámetros

Posteriormente y de manera similar, se procedió a calibrar objetivamente cada una de las
ecuaciones analizadas (Tabla 1) y se evaluó la bondad de ajuste aplicando la metodología GLUE a
través de la herramienta MCAT.
MCAT A continuación se describen sucintamente las ecuaciones y los
resultados de calibración.

Ecuación de Williams: Williams (1922)

(1922) condujo un estudio de caudales de crecientes en la India y
desarrollo
lo una ecuación para estimar Tc. La ecuación [Ec. 1] incluye como parámetros el diámetro
equivalente (D) a una cuenca circular con la misma área de drenaje (A=πD4/4)), la longitud del canal,
el área de la cuenca y la pendiente del cauce.
cauce La ecuación fue desarrollada para cuencas con áreas
2
de drenaje menores que 129.5 Km K . Pilgrim and Cordery (1993) establecen que la ecuación de
Williams es empleada en muchos países, y presentaron la ecuación en unidades inglesas (Fang et
al., 2008).

Ecuación de Kirpich: Kirpick (1940), desarrolla una ecuación [Ec. 2] a partir de información del
SCS en siete cuencas agrícolas rurales pequeñas en Tennessee con canales bien definidos y
pendientes empinadas (3 a 12%).%). Para flujo superficial en superficies de concreto o asfalto se debe
multiplicar Tc por 0.4; para canales
anales de concreto se debe multiplicar por 0.2; no se debe hacer ningún
ajuste para flujo superficial en suelo descubierto o para flujo en cunetas. La pendiente del canal es
definida como la diferencia en la elevación entre el punto más remoto y el de la salida
s divida por la
longitud del canal. Las cuencas usadas en el estudio eran de tamaños entre 0.004 a 0.45 Km2. El
método de Kirpich es ampliamente aceptado para estimar el Tc para pequeñas áreas de drenaje
(USBR, 1973; Fang et al.,., 2008). La ecuación consta de 2 parámetros: la longitud del canal hasta la
salida y la pendiente del cauce.

Ecuación California Culverts Practice (1942):

(1942) Esta ecuación [Ec. 3] es esencialmente
sencialmente la ecuación
de Kirpich desarrollada para pequeñas cuencas montañosas en California (U. S. Bureau of
Reclamation, 1973, pp. 67-71;; Chow, 1994, pp. 513).
513 L es la longitud del curso de agua más largo y
la diferencia de nivel entre la divisoria de aguas y la salida.
salida
-4 -4 -4
x 10 x 10 x 10
3.8 3.8
3.6 3.6
3.6
D(APB)

3.4 3.4 3.4

3.2 3.2 3.2
3
3 3
2.8
2.8
20 30 40 400 500 600 700 0.04 0.05 0.06 0.07
L A S
-4 -4 -4
x 10 x 10 x 10
4
3.8 4
3.5 3.6
3.4 3.5
3.2 3
3 3
2.8 2.5
2.5 2.6
60 70 80 90 20 40 60 80 20 40 60 80
CN Pini Qbase
-4
x 10
3.8
3.6
3.4
3.2
3
2.8
2.6
300 400 500 600 700
Tc
(a) (b)

(c) (d)
Figura 4.-Identificabilida
Identificabilidad de parámetros y análisis de incertidumbre [Ec. 1]

Ecuación de Johnstone y Cross (1949):

(1949) La ecuación de Johnstone y Cross [Ec. 4] es un modelo
que se deriva del estudio de 19 cuencas de los ríos Scioto ye
y Sandusky de Ohio con áreas entre 65
y 4,206 Km2 (25 a 1,620620 millas cuadradas) (Johnstones y Cross, 1949). Tiene como parámetros la
longitud del canal, y la pendiente del cauce (Fang et al., 2008).

Ecuación de retardo del SCS (1973):

(197 La ecuación de retardo [Ec. 5] (Chow, 1994) fue desarrollada
por el SCS a partir de información de cuencas de uso agrícola; ha sido adaptada a pequeñas cuencas
urbanas con áreas inferiores a 2,000 acres (8 Km2);; se ha encontrado que generalmente es buena
cuando el área se encuentra completamente pavimentada; para áreas mixtas tiene tendencia a la
sobreestimación; se aplican factores de ajuste para corregir efectos de mejoras en canales e
impermeabilización de superficies.
superficies La ecuación supone que Tc = 1.67 x retardo de la cuenca. La
ecuación incluye como parámetros L es la longitud ud hidráulica de la cuenca (mayor trayectoria de
flujo), el número de curva del SCS, y la pendiente promedio de la cuenca, en %. No obstante, las
limitaciones bien conocidas para usar el método de retraso del SCS (hoy NRCS) para la
determinación de Tc y la escorrentía superficial (ISMM, 2008),, en el análisis de incertidumbre
realizado, 3 de sus parámetros de calibración son claramente identificables (Figura
(Figura 5a-c): CN, Qbase
y Tc, y se obtuvo un buen ajuste del modelo (Figura 5d).

(a) (b)
-4 -4 -4
x 10 x 10 x 10
3.8 3.8
4
3.6 3.6
D(APB)

3.4 3.4 3.5

3.2 3.2 3
3 3 2.5
20 30 40 0.06 0.08 0.1 60 70 80 90
L Sb CN
-4 -4 -4
x 10 x 10 x 10
3.8
4
3.6 3.5
3.4 3.5
3.2 3 3
3 2.5
2.5
400 500 600 700 20 40 60 80 20 40 60 80
A Pini Qbase
-4
x 10
4

2
200 400 600 800100012001400
Tc

(c) (d)
Figura 5.-Identificabilidad de parámetros [Ec. 5]

Linsley (1985): La ecuación de Linsley [Ec. 7] tiene como parámetros de cálculo la longitud de la
cuenca, en millas; es la distancia
istancia desde el punto de interés al centro de gravedad de la cuenca,
cuenca en
millas; S es la diferencia
iferencia de cotas entre puntos extremos de la corriente dividida por L, en %; Ct es
una constante para la región de los Apalaches
A con valor de 1.2 en áreas montañosas,
montañosas 0.72 en zonas
de pie de ladera y 0.35 en valles.

Cartas de velocidad promedio del SCS (1975, 1986): 1986) El método para la estimación de Tc de
acuerdo con las
as cartas de flujo superficial
superfi [Ec. 9], se basa en la definición
nición de la velocidad promedio
como una función de la pendiente del curso de agua y de la cubierta superficial. Los parámetros de
cálculo de Tc es la longitud de la trayectoria de flujo y la velocidad promedio v. Valores típicos de v
para diferentes superficies pueden encontrarse en la literatura (USDA, 1986; Chow,
Chow 1994).

Ecuaciones del cuerpo de Ingenieros de los Estados Unidos (USACE, 1982): 1982) Ecuaciones
resultantes de un análisis de regresión múltiple para la regionalización de parámetros del modelo
HEC-1,, con base en mediciones en la cuenca del río Rahway en New Jersey (USACE, 1982). Los
parámetros incluidos en las ecuaciones del USACE son el índice de cobertura impermeable en
porcentaje del área total de la cuenca , I,, el área de la cuenca, A, y la pendiente
pendi equivalente del
curso de agua más extenso en la cuenca, S. Debido a la composición del suelo natural de la cuenca
de estudio se decidió calibrar la ecuación No. 2 (USACE, 1982) ya que ésta no incluye
incl el parámetro
relacionado all porcentaje de área impermeable
impe de la cuenca.

Ecuación de Haktanir–Sezen (1990):

(1990) Haktanir y Sezen (1990) presenta una ecuación empírica para
el cálculo de Tc [Ec. 12] basada en el desarrollo de distribuciones tipo Gama con 2 y 3 parámetros
cuenc con áreas entre 98 y 9,867 Km2 en Anatolia, Turquía.
como hidrogramas sintéticos para 10 cuencas
Realizaron el análisis de caudales pico y el tiempo de retraso del SCS (Ahora NRCS) de 10
hidrogramas unitarios observados para desarrollar
desarrollar las ecuaciones de regresión (Fang et al., 2006).
La ecuación da una relación para el e tiempo de retraso y a partir de éste se calcula el tiempo de
concentración con base en la relación del NRCS tl=0.6Tc. La principal desventaja
esventaja de este método, es
que la ecuación sólo incluye la longitud del cauce principal. No es válida
válida cuando la forma del
hidrograma es con pico agudo.

Simas and Hawkins (2002): La ecuación de Simas y Hawkins (2002) [Ec. 12] es una de las dos
ecuaciones que al igual que la ecuación de retardo del SCS considera la pendiente media de la
cuenca. La saturación
ación natural del suelo (S
( nat) está dada por la ecuación del SCS Importante indicar
que tanto para el sistema de unidades inglés
ingl como el métrico Snat es en pulgadas.
pulgadas

(a) (b)
Figura 6.- Análisis de incertidumbre (a) [Ec. 7]; (b) [Ec. 9]
9

RESULTADOS ANÁLISIS DE SENSIBILIDAD E INCERTIDUMBRE

En la Tabla 7 s e presentan los resultados de calibración para los nótese los mejores valores
de la función objetivo para las ecuaciones resaltadas. Finalmente, con base en los resultados de
calibración y del análisis de incertidumbre se escogieron las ecuaciones [1], [5], [7], [8], [9] para
estimar el Tc representativo de cada subcuenca como el promedio de los valores obtenidos por estas
ecuaciones. En la Tabla 8 se presentan los Tc definidos objetivamente con base en el análisis de
sensibilidad realizado.
RESULTADOS DEL MODELO LLUVIA – ESCORRENTÍA
Para la evaluación de los eventos de creciente y el estudio de sensibilidad de su valor en
relación a Tc, se implementó un modelo hidrológico lluvia-escorrentía en HEC-HMS 3.5 (USACE,
2010) de la cuenca alta del Río Magdalena hasta la estación limnigráfica Puente Balseadero (5,680
Km2), distribuido en 21 subcuencas con áreas de drenaje menores que 450 Km2 en su mayoría. En
cada una se calculó la precipitación efectiva y se realizó la convolución discreta del hidrograma
unitario aplicando el método del U.S. SCS (1971). Sólo 3 subcuencas tienen área mayor, y sirven de
control en la evaluación. Se utilizó el método de onda cinemática para el tránsito de los
hidrogramas. En la Tabla 2 se presentaron las áreas de las subcuencas tributarias incluidas en el
modelo. La Figura 7 presenta los resultados de simulación obtenidos para el hidrograma de avenida
correspondiente al evento de junio de 2008, segundo en magnitud dentro del registro histórico
(1971–2009), a la altura de las estaciones a) La Magdalena, y b) Puente Balseadero.

CONCLUSIONES

El tiempo de concentración es un importante parámetro en la estimación de caudales

máximos crecientes. Las simulaciones permitieron determinar que el número de curva (CN) del
método del SCS para el cálculo de abstracciones de precipitación, define la magnitud del volumen
del hidrograma de creciente, siendo mayor para la condición de lluvia antecedente húmeda y menor
para la condición de lluvia antecedente seca. Por otra parte, el tiempo de concentración (Tc) rige la
forma del hidrograma de creciente en cuanto al caudal máximo, el tiempo base, la pendiente del
limbo ascendente, y por ende el tiempo al máximo (Tp), siendo mayor la pendiente y menor Tp para
un Tc menor, y se obtiene menor pendiente del limbo ascendente y mayor Tp para valores de Tc
mayores.
Considerar valores de Tc mayores a un valor medio de subcuenca, induce a la atenuación de
la onda de creciente y por ende a una estimación del caudal de avenida menor en magnitud. Si se
define un Tc menor al valor medio estimado de la subcuenca el valor máximo de la avenida
estimado será mayor. En consecuencia, estimaciones de Tc menores al valor real (observado), puede
inducir a una sobrestimación de caudales máximos en cada subcuenca, lo cual estará asociado con
una posible sobrestimación del caudal máximo en el punto de concentración. Finalmente, con base
en los resultados de calibración y del análisis de incertidumbre se escogieron las ecuaciones [1], [5],
[7], [8], [9] para estimar el Tc promedio de cada subcuenca.
Los resultados obtenidos en la simulación del modelo para los eventos de tormenta
analizados, representan adecuadamente los caudales de avenida de 1986 y 2008 en la estación
Puente Balseadero. Se obtuvieron errores relativos en la modelación de caudales de avenida
variando entre el 4 y 16 %. El valor máximo del hidrograma de creciente de 2008 modelado en
estación Puente Balseadero fue de 2,533 m3/s (2,352 m3/s en el registro de la serie histórica del
IDEAM) que corresponde a un evento con periodo de recurrencia de aproximadamente 50 años.

REFERENCIAS BIBLIOGRÁFICAS
Beven, K. y Binley, A. (1992),” The future of distributed models: model calibration and uncertainty prediction”. Hydrological Processes. pp. 279–98.
Chow, V., Maidment, D. R. & Mays, L. W., (1994), Hidrología aplicada. Santafé de Bogotá, Colombia: McGraw-Hill.
SCS, Soils Conservation. Service, (1972), National Engineering Handbook, Section 4 Hydrology, Chapter 10. Estimation of Direct Runoff from
Storm Rainfall, Washington D.C.: U.S. Government Printing Office.
Haktanir, T., and Sezen, N. (1990). “Suitability of two-parameter gamma and three-parameter beta distributions as synthetic unit hydrographs in
Anatolia.” Hydrological Science Journal, 35_2_, 167–184. En Fang et al. 2006.
Kirpich, Z.P. (1940). ‘Time of concentration of small agricultural water-sheds.’ Civ. Eng., 10(6), 362. En Shaw (2005).
Iwoa Stormwater Management Manual (2008). Chapter 2C-3: Time of concentration. pp 8.
Romanowicz, R. y Beven, K. (2005), Comments on generalised likelihood uncertainty estimation. Reliability Engineering & System safety. pp. 1-7.
Shaw, Elizabeth M. (2005). Hydrology in Practice. 3rd. Edition. Taylor & Francis e-Library. pp 331.
USACE, United States Army Corps of Engineers, (1982). TD 15 - Hydrologic Analysis of Ungaged Watersheds Using HEC-1. Hydrologic
Engineering Center. pp. 68.
USACE, United States Army Corps of Engineers (2010). Hydrologic Modeling System (HEC-HMS). Version 3.5.
USDA, United Status Department of Agriculture. (1986), TR-55: Urban Hydrology for small watersheds. pp 3-1.
Williams, G. B. (1922), “Flood discharges and the dimensions of spillways in India.” Engineering (London), 134, 321. En: Fang et al, (2008).
Xing Fang, David Thompson, T. Cleveland, Pratistha Pradhan and Ranjit Malla (2008). “Time of Concentration Estimated Using Watershed
Parameters Determined by Automated and Manual Methods”. Journal of irrigation and drainage engineering. ASCE / 03-04 2008, pp 202-211.
Xing Fang, Pratistha Pradhan, and Ranjit Malla (2006). Estimating time of concentration for texas watersheds.
 Tabla 7.- Parámetros calibrados y resultados del análisis de sensibilidad
Área L LC LB W
Ecuación/Método APB RMSE
[Km2] Dif. [%] [Km] Dif. [%] [Km] Dif. [%] [Km] Dif. [%] [Km] Dif. [%]
Observado (Referencia) 560 0 32.98 0 20.46 0 31.67 0 26.58 0 -- --
[0] Calibración directa 702 25 -- -- -- -- 21.2 68
[1] Williams 660 18 31.17 -6 -- -- -- 20.5 59
[2] Kirpich 586 5 44.89 36 -- -- -- 26.2 43
[3] CC Practice 481 -14
14 46.20 40 -- -- -- 27.1 45
[4] Johnstone & Cross 582 4 42.19 28 -- -- -- 49.4 104
[5] SCS 618 10 29.70 -10 -- -- -- 20.9 58
[6] Témez 537 -4 44.47 35 -- -- -- 27.7 46
[7] Linsley 719 28 -- 25.95 27 27.49 -13 -- 21.4 53
[8] Giandotti 743 33 26.55 -19 -- -- -- 21.4 50
[9] Cartas velocidad SCS 721 29 29.54 -10 -- -- -- 21.5 51
[11] USACE 2 755 35 -- -- -- -- 25.4 46
[12] Haktanir-Sezen 457 -18
18 19.59 -41 -- -- -- 22.7 77
[13] Simas-Hawkins 491 -12
12 -- -- -- 7.26 -73 21.8 57
Máximo 755 46 26 32 27 49 104
Promedio 615 35 23 30 17 25 58
Mínimo 457 20 20 27 7 20 43
desviación estándar 103 9 4 3 14 8 17

Tabla 7.- Parámetros calibrados y resultados del análisis de sensibilidad (continuación)

(con
S SB HB Ct v CN Pini Qbase Tc
Ecuación/Método Dif. Dif. Dif. Dif. 3 -1 APB RMSE
[m/m] [m/m] [m] [--] [m/s] [--] [mm] [m s ] [min]
[%] [%] [%] [%]
Observado (Referencia) 0.054 0 0.085 0 2680 0 1.20 0 -- 85 -- 45.0 -- -- --
[0] Calibración directa -- -- -- -- -- 65 61.2 40.3 456 21.2 68
[1] Williams 0.062 15 -- -- -- -- 77 28.2 43.0 411 20.5 59
[2] Kirpich 0.034 -36 -- -- -- -- 87 19.1 41.7 273 26.2 43
[3] CC Practice -- -- 1787 -33 -- -- 80 79.0 50.2 266 27.1 45
[4] Johnstone & Cross 0.036 -34 -- -- -- -- 62 34.7 50.2 112 49.4 104
[5] SCS -- 0.087 3 -- -- -- 81 21.4 53.1 409 20.9 58
[6] Témez 0.037 -31 -- -- -- -- 87 11.2 48.3 242 27.7 46
[7] Linsley 0.057 6 -- -- 1.23 2 -- 64 71.8 50.5 388 21.4 53
[8] Giandotti 0.036 -34 -- -- -- -- 60 83.4 45.6 363 21.4 50
[9] Cartas velocidad SCS -- -- -- -- 1.30 65 67.2 50.0 379 21.5 51
[11] USACE 2 0.033 -39 -- -- -- -- 63 62.3 40.3 304 25.4 46
[12] Haktanir-Sezen -- -- -- -- -- 80 86.4 42.0 546 22.7 77
[13] Simas-Hawkins -- 0.063 -26 -- -- -- 92 25.9 39.1 416 21.8 57
Máximo 0.062 0.087 2680 92 86 53 546 49 104
Promedio 0.044 0.078 2234 75 50 46 351 25 58
Mínimo 0.033 0.063 1787 60 11 39 112 20 43
desviación estándar 0.012 0.013 631 11 27 5 111 8 17

Tabla 8.-
8 Tiempo de concentración, estimación final
No Subcuenca Tc [min] No Subcuenca Tc [min] No Subcuenca Tc [min]
1.1 La Magdalena 354 8 Q Calenturas 77 16 Q.Palo Colorad 169
1.2 Simón Bolívar 457 9 Q Ancamu 112 17 Q.El Palmo 115
2 Q Granadillo 362 10 Q El Guayabo 331 18 Q Lagunilla 239
3 Q La Chorrera 288 11 Q Oporapa 165 19.1 Río Suaza 432
4 Q Mat 236 12 Q La Maituna 269 20 Q Seca 232
5 Río Guarapas 498 13 Río Timaná 393 21 Q Garzón 180
6 Q Negra 462 14 Q El Hato 131
7 Rio Bordones 616 15 Q El Hígado 199

(a) Estación La Magdalena (abscisa RK 32+980) (b) Estación Puente Balseadero (abscisa RK 174+050)
Figura 7.- Hidrogramas de avenida simulados evento de 2008