INFORME DE HIDROLOGIA - 2013 - García - Conde PDF

UNIVERSIDAD DE EXTREMADURA
ESCUELA DE INGENIERAS INDUSTRIALES

DEPARTAMENTO DE EXPRESIN GRFICA
TESIS DOCTORAL
ANLISIS DE DISTRIBUCIONES ESTADSTICAS

ALTERNATIVAS A LAS TRADICIONALES PARA LA
OPTIMIZACIN DE LOS CAUDALES DE CLCULO
EMPLEADOS EN LOS ESTUDIOS HIDROLGICOS
Directores:
Fernando Lpez Rodrguez
Francisco J. Moral Garca
Doctorando:
Antonio Jess Garca Conde
Badajoz, Enero de 2013
INDICE
INTRODUCCIN __________________________________________ 5
1.1
ANTECEDENTES_______________________________________ 5
1.2
OBJETIVOS ___________________________________________ 9
ESTADO ACTUAL DEL CONOCIMIENTO ____________________ 10

2.1
INTRODUCCIN ______________________________________ 10
2.2
TIPOS DE FLUJO _____________________________________ 10
2.2.1
2.2.2
2.3
LOS MODELOS UNIDIMENSIONALES___________________________ 10

LOS MODELOS BIDIMENSIONALES ____________________________ 12
PROGRAMAS INFORMTICOS __________________________ 13
2.3.1 PROGRAMAS PARA MODELAR EL FLUJO _______________________

2.3.1.1 INTRODUCCIN _________________________________________
2.3.1.2 BOSS DAMBRK __________________________________________
2.3.1.3 FLDWAV ________________________________________________
2.3.1.4 MIKE FLOOD ____________________________________________
2.3.1.5 CARPA __________________________________________________
2.3.1.6 HEC-RAS ________________________________________________
2.3.2 PROGRAMAS PARA EL CLCULO DE AVENIDA _________________
2.3.2.1 HEC-HMS________________________________________________
2.3.2.2 EASYFIT ________________________________________________
2.4
2.4.1
2.4.2
2.4.3
2.4.4
2.4.5
13
13
14
14
15
16
16
17
17
18
FOTOGRAFA DIGITAL_________________________________ 18
INTRODUCCIN _____________________________________________
EL PXEL____________________________________________________
LA ESCALA Y EL VUELO _____________________________________
DIGITALIZACIN ____________________________________________
LIDAR DE LOS ESTUDIOS DE INUNDABILIDAD _________________
18
19
20
21
22
2.5 LOS SISTEMAS DE INFORMACIN GEOGRFICA EN LOS

ESTUDIOS DE INUNDABILIDAD ___________________________ 22
2.5.1
2.5.2
2.5.3
2.5.4
2.5.5
2.6
INTRODUCCIN _____________________________________________
LAS ORTOFOTOS Y LOS SIG __________________________________
ARCVIEW Y LAS EXTENSIONES UTILIZADAS ___________________
EL ERROR DE ESTIMACIN O DE APRECIACIN EN LOS SIG _____
CORRECCIN DE LOS ERRORES EN LAS MEDICIONES EN LOS SIG
22
23
24
25
27
El COEFICIENTE DE ESCORRENTA _____________________ 28
2.6.1 INTRODUCCIN _____________________________________________ 28

2.6.2 EL COEFICIENTE DE ESCORRENTA. PARMETROS _____________ 29
2.6.3 INEXACTITUDES DEL MTODO ESPAOL ______________________ 30
2.6.3.1 HUMEDAD PREVIA DEL SUELO ____________________________ 30
2.6.3.2 INEXACTITUD Y CARENCIA DE DATOS AL ESTIMAR EL TIPO DE
SUELO SEGN LA INSTRUCCIN 5.2-IC ____________________________ 31
2.6.4 MTODO PARA ACTUALIZACIN DE LOS USOS DE SUELO PARA LA
ESTIMACIN DEL P 0 _________________________________________ 32
2.6.4.1 INTRODUCCIN _________________________________________ 32
2.6.4.2 SIGEO___________________________________________________ 32
2.6.4.3 PROYECTO CORINE LAND COVER _________________________ 33
2.6.4.4 MAPAS DE APROVECHAMIENTO Y USOS DEL SUELO ________ 34
2.6.4.5 USOS DE SUELO DERIVADOS DEL MAPA FORESTAL_________ 35
2.6.4.6 DATOS DEL MF-2005 EN EL CLC-2000 ______________________ 36
2.6.5 DETERMINACIN DEL UMBRAL DE ESCORRENTA EN DIFERENTES
PROYECTOS. ________________________________________________ 37
2.7
DISTRIBUCIONES ESTADSTICAS _______________________ 37
2.7.1 INTRODUCCIN _____________________________________________

2.7.2 FUNCIONES DE DISTRIBUCIN USADAS EN ESTA TESIS _________
2.7.2.1 LA DISTRIBUCIN DE GUMBEL ___________________________
2.7.2.2 LA DISTRIBUCIN LOG-PEARSON 3 ________________________
2.7.2.3 DISTRIBUCIN SQRT-ET MX _____________________________
2.7.2.4 DISTRIBUCIN DE WEIBULL ______________________________
2.7.2.5 DISTRIBUCIN DE BURR _________________________________
2.7.2.6 DISTRIBUCIN LOG-LOGSTIC ____________________________
2.7.2.7 DISTRIBUCIN LOG-LOGSTIC 3P__________________________
2.7.2.8 DISTRIBUCION PERASON TIPO 5 Y 6 _______________________
2.7.2.9 DISTRIBUCIN GAUSSIANA INVERSA (3P)__________________
2.7.2.10 DISTRIBUCIN FATIGUE LIFE (3P) _________________________
2.7.2.11 DISTRIBUCIN DE FRCHET (3P) __________________________
2.7.2.12 DISTRIBUCIN DEL VALOR EXTREMO GENERALIZADO (GEN
EXTREME VALUE) _______________________________________________
2.7.2.13 DISTRIBUCIN DE DAGUM _______________________________
2.7.2.14 DISTRIBUCIN DE JOHNSON SB ___________________________
2.7.2.15 DISTRIBUCIN ERROR ___________________________________
2.7.2.16 DISTRIBUCIN GAMMA GENERALIZADA (4P)_______________
2.7.2.17 LA DISTRIBUCIN BETA __________________________________
2.7.2.18 DISTRIBUCIN DE NAKAGAMI ____________________________
2.7.2.19 DISTRIBUCIN SECANTE HIPERBLICA____________________
2.7.2.20 DISTRIBUCIN DE CAUCHY_______________________________
2.7.3 PRUEBAS DE BONDAD DE AJUSTE_____________________________
2.7.3.1 TEST DE KOLMOGOROV- SMIRNOV ________________________
2.7.3.2 TEST DE ANDERSON-DARLING ____________________________
2.7.3.3 TEST DE CHI-CUADRADO _________________________________
37
38
39
40
41
42
42
43
44
45
47
48
49
49
50
51
51
52
53
54
55
56
56
58
59
59
MATERIALES Y MTODOS ________________________________ 61

3.1 EL MTODO RACIONAL. INSTRUCCIN 5.2-IC DE DRENAJE
SUPERFICIAL. _________________________________________ 61
3.2
MTODO RACIONAL MODIFICADO (TMEZ) ______________ 63
3.3
MTODO DE SALAS ___________________________________ 64
3.4
LA HOJA DE CLCULO COTE.XLS_______________________ 67
3.4.1
3.4.2
3.4.3
INTRODUCCIN _____________________________________________ 67
FUNCIONAMIENTO DE LA hoja de clculo _______________________ 69
CLCULO DE LA PRECIPITACIN MXIMA DIARIA PARA UN
PERIODO DE RETORNO. ______________________________________ 69
3.4.4 CLCULO DEL CAUDAL. _____________________________________ 73
3.4.5 CALCULO DEL NIVEL DE AGUA EN UNA SECCIN CUALQUIERA DE
UN RO ____________________________________________________________ 78
3.4.6 CLCULO DE LA SECCIN DE UN CANAL ______________________ 80
3.4.7 CLCULO DEL DIMETRO DE TUBERAS ______________________ 80
3.4.8 COMPROBACIN DE LAS CONDICIONES DE VELOCIDAD Y
LLENADO DE UNA TUBERA CIRCULAR________________________ 82
3.4.9 CONCLUSIN________________________________________________ 83
RESULTADOS Y DISCUSIONES ____________________________ 84

4.1 ESTUDIO DE LAS NUEVAS DISTRIBUCIONES DE PROBABILIDAD
PROPUESTAS __________________________________________ 84
4.1.1
4.1.2
4.1.3
4.1.4
4.1.5
INTRODUCCIN _____________________________________________ 84
FRECUENCIA DE USO DE LAS LEYES DE DISTRIBUCIN Y TEST DE
BONDAD ____________________________________________________ 85
MTODO EMPLEADO PARA EL AJUSTE ________________________ 89
LOCALIDADES ESTUDIADAS __________________________________ 89
DISTRIBUCIONES QUE MEJOR SE AJUSTAN A LAS SERIES DE DATOS
DE CADA LOCALIDAD________________________________________ 90
4.1.5.1 SAN VICENTE DE ALCNTARA. EJEMPLO DE ESTUDIO DE LA

MUESTRA DE DATOS. ______________________________________ 90
4.1.5.2 DATOS PLUVIOMTRICOS REGISTRADOS Y ORDENADOS ____ 91
4.1.5.3 RESULTADOS DEL PROGRAMA EASYFIT ___________________ 92
4.1.6 DISTRIBUCIONES QUE MEJOR SE AJUSTAN EN EL CONJUNTO DE LA
ESTUDIO DEL PROVINCIA DE BADAJOZ________________________ 96
4.1.6.1 INTRODUCIN ___________________________________________ 96
4.1.6.2 DISTRIBUCIONES QUE MEJOR SE AJUSTAN SEGN EL TEST DE
KOLMOGOROV-SmIRnOV ___________________________________ 96
ANDESON-DARLING _______________________________________ 99
4.1.6.4 DISTRIBUCIONES QUE MEJOR SE AJUSTAN PONDERANDO LOS
DOS TEST DE BONDAD APLICADOS. ________________________ 101
4.1.6.5 CONCLUSIONES ________________________________________ 103
4.1.7 DISTRIBUCIONES QUE MEJOR SE AJUSTAN A LAS LOCALIDADES
CON MAYOR TAMAO MUESTRAL. ___________________________ 106
4.1.7.1 INTRODUCCIN ________________________________________ 106
KOLMOGOROV-SMIRNOV. DIEZ LOCALIDADES CON MAYOR
TAMAO MUESTRAL. _____________________________________ 106
ANDERSON-DARLING. DIEZ LOCALIDADES CON MAYOR TAMAO
MUESTRAL. ______________________________________________ 109
4.1.7.4 DISTRIBUCIONES QUE MEJOR SE AJUSTAN SEGN LA
PONDERACIN DE LOS TESTS. DIEZ LOCALIDADES CON MAYOR
TAMAO MUESTRAL. _____________________________________ 111
4.1.7.5 CONCLUSIONES ________________________________________ 113
4.1.8 VARIACIN DE RESULTADOS DE PRECIPITACIN APLICANDO LAS
DISTINTAS DISTRIBUCIONES ________________________________ 116
4.1.8.1 INTRODUCCIN ________________________________________ 116
4.1.8.2 JEREZ DE LOS CABALLEROS _____________________________ 117
4.1.8.3 CAMPANARIO __________________________________________ 118
4.1.8.4 HERRERA DEL DUQUE___________________________________ 119
4.1.8.5 LA ROCA DE LA SIERRA _________________________________ 120
4.1.8.6 GUAREA ______________________________________________ 121
4.1.8.7 MRIDA ________________________________________________ 122
4.1.8.8 CASAS DE DON PEDRO __________________________________ 123
4.1.8.9 MONTERRUBIO DE LA SERENA ___________________________ 124
4.1.8.10 BARCARROTA __________________________________________ 125
4.1.8.11 CABEZA LA VACA ______________________________________ 126
4.1.9 CONCLUSIONES RESPECTO A LA VARIACIN DE PRECIPITACIONES
APLICANDO LAS DISTINTAS DISTRIBUCIONES ________________ 126
4.2
CLCULO Y ESTUDIO DE LAS LLANURAS DE INUNDABILIDAD

___________________________________________________ 128
4.2.1 INTRODUCCIN ____________________________________________ 128

4.2.2 OBJETIVOS _________________________________________________ 128
4.2.3 ANTECEDENTES ____________________________________________ 128
4.2.3.1 LEGISLACIN REGULADORA DE LOS ESTUDIOS DE
INUNDABILIDAD _________________________________________ 128
4.2.4 DIFICULTADES TCNICAS ___________________________________ 132
4.2.5 ERROR EN LOS ESTUDIOS DE INUNDABILIDAD POR LA ESCALA DE
LA FOTOGRAFA____________________________________________ 134
4.2.6 DIFERENCIAS DE CAUDALES OBTENIDOS AL APLICAR LA
FORMULA DE MANNING Y EL PROGRAMA UNIDIMENSIONAL HECRAS. _______________________________________________________ 135
4.2.6.1 INTRODUCCIN ________________________________________ 135
4.2.6.2 CLCULOS 10 SECCIONES DISTINTAS POR MANNING Y HECRAS ___________________________________________________ 136
4.2.6.3 CONCLUSIONES ________________________________________ 138
4.2.6.4
CLCULO INTEGRANDO LAS SECCIONES EN UN TRAMO DEL

RO ____________________________________________________ 138
4.2.6.5 CONCLUSIONES ________________________________________ 140
4.2.7 LLANURAS DE INUNDABILIDAD _____________________________ 141
4.2.7.1 VILLAFRANCA DE LOS BARROS __________________________ 141
4.2.7.2 LA ROCA DE LA SIERRA _________________________________ 142
4.2.7.3 PALOMAS ______________________________________________ 143
4.2.8 ANLISIS ESTADSTICO _____________________________________ 145
4.2.8.1 CONCLUSIONES ________________________________________ 149
CONCLUSIONES FINALES Y NUEVAS LINEAS DE

INVESTIGACIN ________________________________________ 151
BIBLIOGRAFA _________________________________________ 152
ANEXOS _______________________________________________ 158

ANEXO 1. TEST DE KOLMOGOROV-SMIRNOV.
DISTRIBUCIONES CON LOS CINCO MEJORES AJUSTES
POR LOCALIDADES. ______________________________________ 159
ANEXO 2. TEST DE ANDERSON-DARLING.
POR LOCALIDADES. ______________________________________ 168
ANEXO 3. PONDERACIN TEST DE BONDAD DE AJUSTE.
POR LOCALIDADES. ______________________________________ 176
ANEXO 4. TEST DE KOLMOGOROV-SMIRNOV.
DISTRIBUCIONES CON LOS CINCO MEJORES AJUSTES EN
LAS 10 LOCALIDADES DE MAYOR TAMAO MUESTRAL._______ 185
ANEXO 5. TEST DE ANDERSON-DARLING.
ANEXO 6. PONDERACIN DE TESTS DE BONDAD.
ANEXO 7. DISTRIBUCIONES QUE MEJOR SE AJUSTAN A LAS
SERIES DE DATOS DE CADA LOCALIDAD.____________________191
1
1.1
INTRODUCCIN
ANTECEDENTES
El desbordamiento de un ro lleva consigo una serie de riesgos que pueden afectar

gravemente tanto a construcciones como a la poblacin en general. Por ello, la
sociedad demanda un instrumento para acotar ese riesgo y obtener una seguridad
de que la zona a ocupar quede libre de ser susceptible de una intrusin de las
aguas fluviales debido a una tormenta extraordinaria.
Los estudios de inundabilidad son, en la actualidad, una herramienta eficaz para
delimitar la capacidad de trasporte hdrico que puede tener un determinado ro.
stos se realizan para asegurarse de que las aguas quedarn a una determinada
cota durante una lluvia estadstica con un determinado periodo de retorno.
La lluvia de clculo (mm.) se obtiene segn diversas distribuciones estadsticas a
partir de una serie de datos de lluvia mximos anuales ya registrados. Las
distribuciones ms utilizadas en la actualidad son la distribucin desarrollada por
el matemtico alemn Emil Julius Gumbel [1] aplicada a la hidrologa por Ven Ten
Chow [2], la distribucin Log-Pearson 3 [3] propuesta por varios autores entre
otros por Ferrer [4], [5] y Tmez [6], y la distribucin SQRT-ET max propuesta por
Zorraquino [7] utilizada por la publicacin del Ministerio de Fomento Mximas
lluvias diarias en la Espaa Peninsular [8] como la que mejor se ajusta a las
caractersticas de las lluvias espaolas; esta publicacin se apoya en esta
distribucin para establecer un anlisis regional basado en la geoestadstica.
Actualmente, en Espaa, el mtodo ms extendido para el clculo del caudal de
3
avenida (m /s) para un periodo de retorno concreto se encuentra regulada por la
Instruccin de Carreteras, Norma 5.2-IC de Drenaje Superficial [9] (en adelante
Instruccin 5.2-IC). Esta instruccin propone el Mtodo Racional [10], [11] para el
clculo del caudal, mtodo que se basa en que el tiempo de duracin del aguacero
es mayor o igual que el tiempo de concentracin de la cuenca y, por lo tanto,
determina caudales maximizados.
El Mtodo Racional es utilizado en Espaa para cuencas reducidas. Para cuencas
1
2
grandes con periodos de concentracin de ms de 6 horas o ms de 1 Km y
2
hasta 3.000 km se utiliza el mtodo de Tmez modificado [6] citado por Ferrer
[12].
La obligacin de establecer estudios de inundabilidad es preceptiva para
garantizar la seguridad del nivel hdrico en desarrollos urbansticos, segn el
vigente Texto Refundido de la Ley del Suelo [13] y Real Decreto 903/2010, de 9 de
julio, de evaluacin y gestin de riesgos de inundacin [14], para estudios de
seguridad y operacin de presas en aplicacin del Reglamento Tcnico sobre
Seguridad de Presas y Embalses [15], para la determinacin del Dominio Pblico
Hidrulico segn el Texto refundido de la Ley de Aguas [16] y el Reglamento del
Dominio Pblico Hidrulico [17], y para obtener la capacidad portante de tuberas
de saneamiento segn su Pliego de Prescripciones Tcnicas generales [18].
Los estudios de inundabilidad son obligatorios y solicitados por las distintas
Administraciones Pblicas en cualquier modificacin de planeamiento urbano de
las localidades espaolas siempre que la zona de actuacin se encuentre a menos
2
de 100 metros (Zona de Polica) de los cursos fluviales .
1
Apartado 2.1 de la Instruccin 5.2-IC de Drenaje Superficial.

Art. 6 Real Decreto Legislativo 1/2001, de 20 de julio, por el que se aprueba el Texto Refundido de
la Ley de Aguas, desarrollada por el Reglamento de Dominio Pblico Hidrulico Real Decreto
849/1986, modificado por el Real Decreto 606/2003 y el Real Decreto 9/2008, de 11 de enero.
En la Fig. 1 se pueden observar las zonas administrativas del ro.
Fig. 1. Zonas administrativas de los cauces de los ros .

Fuente: Martnez Jimnez, J. [19].
El modelo para averiguar el caudal de clculo ms utilizado, hasta ahora, es el

basado en el Mtodo Racional descrito en la Instruccin 5.2-IC y puede ser usado
en combinacin con la distribucin estadstica ms usada en Espaa, la
distribucin de Gumbel descrita por diversos autores como Ven Te Chow [20].
Los mtodos hasta hace poco utilizados para simular el movimiento del agua a lo
largo del cauce fluvial son los modelos fsicos descritos a principios y mediados
del siglo XX por autores como Ven te Chow o Cano Gallego [21] que estudiaban el
comportamiento del agua en canales y tuberas y no en cauces fluviales reales. En
estos clculos se obviaban, por razones de falta de capacidad de clculo
numrico, parmetros como el carcter bidimensional o tridimensional del flujo del
agua, el cambio de rgimen de laminar a turbulento o el cambio de los parmetros
de crticos a subcrticos.
Debido al gran desarrollo experimentado por la informtica, todos estos clculos
han sido computerizados y han dado lugar a diferentes programas de clculo como
el programa de simulacin hidrulica Hec-Ras [22], Boss Dambark [23], FldWav
[24], Mike Flood 21 [25] o Carpa [26], que poseen la potencia de clculo necesaria
para simular las condiciones del movimiento del agua de los cauces fluviales. Las
caractersticas de cada uno de estos programas se detallan el apartado 2 Estado
actual del conocimiento de la presente tesis.
Para el clculo del caudal se ha desarrollado la aplicacin informtica Cote.xls
cuyas funciones y caractersticas se detallan en el apartado 3 del mismo nombre
de la presente tesis.
Como se observa en las Fig. 2 y Fig. 3, que representan los desbordamientos de
algunos ros extremeos en el invierno del ao 2010, un deficiente estudio de
inundabilidad de los ros puede acarrear trgicas consecuencias como la prdida
de vidas humanas o cuantiosos daos materiales.
Fig. 2. Desbordamiento del Ro Aljucn en el ao 2010
Fig. 3. Desbordamiento del Ro Guadiana a su paso por Badajoz en el ao 2010.
En este sentido, con el desarrollo de las nuevas tecnologas y la potencia de los

nuevos programas informticos no es desproporcionado preguntarse si las
antiguas distribuciones y los antiguos mtodos del clculo hidrolgico son todava
tiles y de qu manera, ya que pueden existir nuevas distribuciones estadsticas
que se ajusten estadsticamente.
As mismo se ha elaborado una hoja de clculo hidrolgica Cote.xls. Debido a la
complejidad y magnitud de los clculos se ha desarrollado dicha aplicacin la cual
proporciona la precipitacin mxima previsible para un periodo de retorno
determinado para las distribuciones llamadas
clsicas: la distribucin de
Gumbel, SQRT-ET mx y Log-Pearson 3. El software programado, calcula de un
modo exacto las precipitaciones estimadas por las distribuciones citadas, y
desarrolla todo el Mtodo Racional, el mtodo alternativo propuesto por Salas [27]
y el Mtodo Racional Modificado de Tmez [6] para obtener el caudal punta de

paso en un punto determinado de una cuenca.
La aplicacin calcula as mismo la altura de la lmina de agua que se alcanzara
para un caudal de paso en cualquier seccin de un ro introduciendo los datos
topogrficos en coordenadas cartesianas x e y, as como los parmetros crticos
de velocidad, pendiente y seccin crtica.
La hoja de calculo Cote.xls tambin determina secciones de canal trapezoidal o
rectangular requeridas para poder transportar el caudal de diseo, as como los
parmetros crticos de velocidad, pendiente y calado. Del mismo modo, efecta los
clculos necesarios para un encauzamiento subterrneo por medio de tuberas de
hasta 1.800 mm de dimetro nominal, comprobando las distintas hiptesis de
velocidad de circulacin del agua y grado de llenado del tubo necesario en
funcionamiento.
Se ensayan las distribuciones clsicas empleadas en hidrologa, como Gumbe[1],
SQRT-ET mx [31], Log Pearson tipo 3 [31] con las distribucines de Burr
utilizada en economa [28], [29], Dagum [30] utilizada en econometra, Pearson 5
[31] perteneciente a la familia de distribuciones Pearson cuya distribucin LogPearson 3 es frecuentemente usada en hidrologa, y la distribucin Log-Logistic
propuesta por Shoukri [32] en Canad para los estudios hidrolgicos y la
distribucin de Frechet [86].
Las otras distribuciones ensayadas son: Beta [33], Burr, Cauchy [34], Chi-squared
[33], Dagum [30], Erlang [35], Error [33], Exponential 2P [2], Fatigue Life 3P [36],
Frchet 3P [33], Gen Extrem Value (Valor extremo generalizado GEM) [33], Gen
Gamma 4P (Gamma generalizado) [2], Gumbel, Hipersecant (Secante hiperblica)
[36], Inv. Gaussian 3P (Gaussiana inversa) [37], Johnson SB [36], Kumaraswamy
[38], Laplace [36], Levy 2P [39], Log-Gamma [34], Log-logistic, Log-logistic 3P
[32], Log-Pearson 3, Logistic [40], Lognormal y Lognormal 3P [2], Nakagami [41],
Normal, Pearson 5, Pearson 5 3P y Pearson 6 4P [31], Pert [42], Power function
[35], Rayleigh y Rayleigh 2P [34], Reciprocal [35], Rice [34], Student`s t [33],
Triangular
[35],
Uniform
[33]
y,
por
ltimo,
W eibull
[36],
[43].
1.2
OBJETIVOS
1. El objetivo principal de la presente tesis es estudiar el comportamiento de
nuevas distribuciones estadsticas nunca empleadas en hidrologa. Para
esto, se realiza un exhaustivo estudio comparando los ajustes de bondad
[47] y los caudales arrojados por las distribuciones estadsticas clsicas,
Gumbel[1], SQRT-ET mx [7], Log Pearson tipo 3 [31]
con
otras
distribuciones estadsticas ms recientemente aplicadas en otros campos
de la ciencia, como econometra, renta o medicina, como por ejemplo la
distribucin de Burr [28], [29], Dagum [30], Pearson 5 [31] perteneciente a
la familia de distribuciones Pearson, y la distribucin Log-Logistic propuesta
por Shoukri [32] en Canad para los estudios hidrolgicos. Se realiza el
estudio con los datos de mximas lluvias anuales de 53 estaciones
meteorolgicas de la provincia de Badajoz.
2. Como objetivo secundario, se comparan las llanuras de inundabilidad que
se delimitan mediante el nico uso de medios informticos, con fotografas
y curvas digitales 0,5 metro/pxel y 0,25 metro/pxel y cartografa digital
1:10.000 y 1:1.000, aplicando sistemas de informacin geogrfica, con las
que se establecen mediante la topografa manual clsica o de campo, con
el fin de analizar las diferencias entre la topografa digitalizada frente a la
manual en este tipo de trabajos.
ESTADO ACTUAL DEL CONOCIMIENTO
2.1
INTRODUCCIN
En este apartado se exponen los distintos mtodos usados en la actualidad para

estudiar el movimiento del agua en los cauces as como varios de los distintos
programas que se pueden utilizar para simular la corriente hidrulica, tanto en una
como en dos dimensiones. Tambin se describen algunos de los programas que se
han desarrollado hasta el momento para la determinacin del caudal de avenida
para el perodo de retorno que se considere, y la formulacin de las distribuciones
estadsticas empleadas en otros apartados de esta tesis.
2.2
TIPOS DE FLUJO
Ven Te Chow [2] o Fernndez Bono [51], entre otros, definen que un flujo se
encuentra en rgimen permanente cuando el calado, y por lo tanto el caudal, no
vara temporalmente, y en rgimen variado cuando el caudal y la profundidad vara
a lo largo del tiempo.
Un flujo en canales abiertos es uniforme cuando la profundidad del flujo no vara
en cada seccin del canal.
El flujo uniforme puede ser permanente si no cambia la profundidad respecto al
tiempo, o no permanente en el caso de que si vare.
El flujo uniforme permanente es el tipo de flujo fundamental que se considera en la
hidrulica de canales abiertos.
En un flujo uniforme espacialmente y no permanente temporalmente la superficie
del agua vara de un tiempo a otro, pero siempre se mantiene paralelo al fondo del
cauce.
2.2.1
LOS MODELOS UNIDIMENSIONALES
Cuando existe una direccin del flujo que prevalece sobre las dems es factible
utilizar un modelo unidimensional, pero a veces, existen encuentros de ros,
movimientos de flujo rodeando estructuras, meandros, y desbordamientos de
cauces. Cuando esto sucede se tienen que utilizar modelos bidimensionales mucho
ms costosos en informacin requerida, ms complejos matemticamente
hablando y ms lentos que los modelos unidimensionales.
Las ecuaciones que describen el rgimen variable en lmina libre en una
dimensin son las ecuaciones de Saint Venant [52], deducidas por Barr de Saint
Venant en 1871 y describen tanto el rgimen gradualmente variable, como el
rpidamente variable.
En esos modelos unidireccionales se resuelven las ecuaciones de Saint-Venant y
se obtienen las velocidades medias en la seccin transversal del cauce. Por esto,
es ms preciso introducir en el programa de clculo las caractersticas
topogrficas medias de un tramo que introducir la topografa de todas las
secciones transversales disponibles.
Los modelos unidimensionales son un mtodo vlido para clculos donde la
evolucin temporal no sea importante y el flujo sea unidimensional. Se basan en
esquemas numricos relativamente simples pero de gran utilidad, son capaces de
10
simular cambios de rgimen crtico a subcrtico, cauces con geometras difciles y

llanuras de inundacin. Tambin son capaces de calcular el movimiento del agua a
travs de obras especiales como puentes, tuberas, presas, etc.
La velocidad del movimiento del agua en un cauce natural se supone en la misma
direccin que el sentido del flujo por lo que ste es dirigido por los principios
fundamentales de conservacin de la masa y segunda ley de Newton en una
direccin horizontal. Con esta simplificacin hay que hacer una serie de hiptesis
como la de distribucin hidrosttica de presiones. En lenguaje matemtico,
adquieren la forma de ecuaciones en derivadas parciales. Se trata en definitiva de
un sistema hiperblico no lineal de leyes de conservacin.
Los modelos matemticos unidimensionales son los modelos ms fciles con los
que es posible simular el movimiento del agua en un cauce natural, ya que en el
sistema de ecuaciones las incgnitas a resolver son menores que en los
bidimensionales y los datos que necesita para modelar el movimiento
unidimensional es menor que los que se necesitan para modelar los caudales
bidimensionales y tridimensionales.
En los modelos de movimiento de caudal unidimensionales no se necesita un
grado de detalle profundo, porque las ecuaciones diferenciales utilizadas para
resolver el caso slo consideran los datos topogrficos e hidrulicos medidos en
cada una de las secciones transversales a la direccin principal del flujo.
Pese a esto, los modelos matemticos unidimensionales se basan en
una
esquematizacin ms detallada de la topografa y de la hidrulica que los modelos
de flujos bidimensionales y tridimensionales.
Segn seala Blad Castellet [53] en su tesis doctoral, los programas que se
basan en estos modelos matemticos unidimensionales, como el Hec-Ras [58]
emplean las siguientes frmulas para resolver los clculos:
La ecuacin de conservacin de la masa indica que :
dA 1 =
A1
dA
(1)
A2
Esta ecuacin suele resolverse en trminos de velocidad media entre dos tramos
de un cauce:
v m1 A1 = v m2 A2
(2)
Donde:
v m1 : velocidad del agua
v m2 : velocidad del agua
A 1 : rea total del tramo
A 2 : rea total del tramo
en el tramo 1,
en el tramo 2,
1,
2.
La ecuacin de conservacin de la energa en trminos de energa por unidad de

peso para el flujo que atraviesa dos secciones genricas queda definida por la
siguiente expresin:
A1
z1 +
p1
v 12
=
2g
A2
z2 +
p2
v 22
2g
(3)
11
Siendo:
z: Cota del lecho de la seccin considerada,
: peso especfico agua,
v: velocidad agua,
p: trmino de presin,
g: aceleracin gravedad.
2.2.2
LOS MODELOS BIDIMENSIONALES
Cuando existe una direccin en el caudal de un ro que predomina es posible

recurrir a un modelo unidimensional, pero en confluencias de ros, en flujos
alrededor de estructuras, en cauces compuestos, en curvas, en desbordamiento de
cauces esto no es as debindose utilizar un modelo bidimensional, ms complejo
y completo.
Como proponen Garca Navarro y Zorraquino [54]en su artculo Estudio hidrulico
del riesgo de inundacin en el meandro de Ranillas: modelos de simulacin
numrica, en la simulacin numrica de los flujos fluviales existen discrepancias
sobre la validez del uso de modelos hidrulicos
basados en ecuaciones
diferenciales, sobre todo, debido a las numerosas simplificaciones e hiptesis que
se deben realizar y tambin sobre los mtodos de discretizacin y resolucin
aplicados para resolverlas.
La aplicacin de las tcnicas numricas para resolver el sistema de ecuaciones
diferenciales que se configura como el modelo matemtico de esta clase de flujos
fue estudiado por Cunge et al [55]. Son tambin bastante conocidos los estudios
simplificados de avenidas propuestos por Fread [56]. Estos modelos simplifican la
dificultad de resolucin del modelo dinmico del agua, de tipo hiperblico y no
lineal. De entre las tcnicas ms utilizadas para la discretizacin del problema
completo destaca el esquema implcito de cuatro puntos y su aplicacin comercial
ms conocida Dambreak.
Como se indic con anterioridad, el movimiento del agua en un cauce natural es
dirigido por los principios fundamentales de conservacin de la masa y segunda
ley de Newton en dos direcciones horizontales. En el modelo de flujo bidimensional
las hiptesis son que las ondas del caudal que se originan en la superficie varan
gradualmente, las prdidas de carga por rozamiento del flujo transitorio no varan
sustancialmente de las prdidas en flujo estacionario, y la pendiente media del
fondo del cauce al ser pequea se puede promediar. En lenguaje matemtico, son
ecuaciones en derivadas parciales. Se trata de un sistema hiperblico no lineal de
leyes de conservacin.
Estos modelos bidimensionales desarrollan las ecuaciones de Saint Venant en
forma conservativa basndose en la tcnica de los elementos finitos desarrollada
por Cunge [57] en 1975.
Las ecuaciones diferenciales parciales no lineales de Saint-Venant, formuladas en
caudal y seccin transversal y considerando el trmino de infiltracin se
encuentran representadas en las siguientes expresiones:
a) Ecuacin de continuidad
x Q
+
=q
t x
(4)
12
b) Ecuacin de cantidad de movimiento:
Q
Q (Q 2 + S )
z
+
+ gs ( + J ) = K q q ( )
t
x
x
S
(5)
z
h
= 1+
1
x
x
(6)
Donde:
t: tiempo,
x: variable espacial en el sentido del flujo,
S: seccin transversal,
h: nivel relativo al fondo,
z: cota absoluta de la superficie,
J : energa de friccin,
Q: caudal en funcin de x y t,
g: gravedad,
q: infiltracin funcin del tiempo t.
K q =0 si q >0 y K q =1 si q < 0. Cuando la infiltracin es mayor que cero, es
perpendicular al flujo y no trae cantidad de movimiento.
Sin embargo, en dos dimensiones, las ecuaciones de Saint Venant se representan
como:
U
+ F = H
t
(7)
Siendo:
U: Vector de las variables del flujo,
F: tensor del flujo,
H: altura
La dificultad que conllevan las ecuaciones de Saint Venant y su no solucin
analtica requiere el uso de modelos de dimensin finita y mtodos numricos para
obtener soluciones aproximadas.
2.3
PROGRAMAS INFORMTICOS
2.3.1
2.3.1.1
PROGRAMAS PARA MODELAR EL FLUJO

INTRODUCCIN
La modelizacin del movimiento del agua en cauces naturales se ha desarrollado

paralelamente al uso y a la evolucin de los ordenadores y a su capacidad de
clculo.
As se han desarrollado programas que permiten la solucin de las ecuaciones de
conservacin de la masa y la energa en tantos tramos del ro como la capacidad
de clculo del equipo informtico permita resolver. Adems, gracias a esta alta
capacidad de clculo, permiten la resolucin de las ecuaciones de Saint Venant
tanto unidimensionales como bidimensionales e incluso tridimensionales.
13
2.3.1.2
BOSS DAMBRK
Este programa se desarroll principalmente para similar la rotura de una presa y

verificar los daos producidos por la propagacin de la onda. Esta aplicacin,
especificando algunas consideraciones, podra ser vlida para la definicin de una
llanura de inundacin.
Este es un programa avanzado y fcil de utilizar para el clculo de cauces en
una dimensin. El software puede representar estructuras, presas y los efectos de
almacenamiento, la llanura de inundacin y las olas de atenuacin de
inundaciones. Un uso interesante adicional es el clculo dinmico de inundaciones.
En la figura 4 se muestra un ejemplo del uso del programa donde se est
calculando el hidrograma de una crecida.
Fig. 4. Interface Programa Boss Dambrk.

Fuente: Boss Intenational.
2.3.1.3
FLDWAV
Es un programa, desarrollado por el Servicio Meteorolgico Nacional de Estados

Unidos (NW S) que calcula una inundacin generalizada con la capacidad para
modelar los flujos a travs de un solo arroyo o un sistema de interconexin de los
cauces. FLDWAV, versin 1.0.0, publicada en noviembre de 1998, sustituy a la
NW S inundaciones generalizadas programas de enrutamiento, DAMBRK (publicado
en 1988) y DWOPER (publicado en 1984).
Si bien DAMBRK tiene la capacidad para analizar el flujo de una corriente nica,
DWOPER tiene la capacidad adicional de modelar los flujos a travs de un sistema
interconectado de los cauces. Adems de las capacidades de DAMBRK y
DWOPER, FLDW AV tambin tiene la capacidad para analizar los flujos mixtos en
los diferentes regmenes de flujo. FLDWAV fue creado para ejecutarse en el
entorno DOS, sin embargo, FLDW AV puede ejecutarse en UNIX con un mnimo de
cambios en el cdigo fuente, estando disponible en el sitio web de NW S. Un men
impulsado por el programa de utilidad FLDGRF, est disponible para mostrar los
datos de clculo generados por FLDW AV.
La figura 5 muestra un ejemplo de la modelizacin conjunta de tres cauces que
confluyen en uno.
14
Fig. 5. Interface Programa FldWav

Fuente: National W eather Service (NWS) of America.
2.3.1.4
MIKE FLOOD
Es un software para estudios de inundaciones, en el que se organizan

dinmicamente MIKE 11 (modelizacin uni-dimensional) y MIKE 21 (modelizacin
bi-dimensional). Proporciona el clculo entre el conjunto de ros y las llanuras de
inundacin.
Adems permite interactuar MIKE URBAN CS (sistema de modelizacin de drenaje
urbano y saneamiento) y as tener en cuenta el drenaje urbano en el estudio.
Este programa soluciona de forma completamente dinmica
bsicas, algo fundamental en la simulacin de las inundaciones.
las ecuaciones
En el mismo se resuelven los problemas que presenta el clculo de inundaciones

por los mtodos ms tradicionales como por ejemplo:
1. El uso del mtodo bidimensional para el clculo de las zonas inundables es
mucho ms exacto que el unidimensional.
2. El modelo dinmico es tambin mucho mas concreto que el clculo en rgimen
permanente sobre todo en situaciones cambiantes como son las inundaciones,
La consideracin de los dos puntos anteriores supone que ser posible calcular de
una manera exacta las velocidades en la zona inundable y otros parmetros
relacionados con la inundacin, como el calado y la duracin.
Las inundaciones son causadas por una multitud de causas: lluvia con gran
intensidad, gran duracin de tormenta, escasa seccin de transporte, atasco en los
elementos de drenaje... Todos estas causas las simula MIKE FLOOD.
Entre las caractersticas mas importantes del programa se encuentran:
1. Se puede escoger entre el clculo bidimensional y unidimensional donde
sea ste suficiente. Esto ahorra tiempo de clculo y memoria.
2. Se puede aprovechar la matemtica de las estructuras uni-dimensionales,
ms estudiadas y fciles de configurar, incluso dentro de zonas definidas
para clculo bidimensional.
15
3. El programa calcula flujo supercrtico.

Como se muestra en la figura 6, para visualizar los clculos, el programa dispone
de su software propio y adems los resultados tambin se pueden visualizar con
ArcGIS de ESRI y en Google Earth, por lo que al igual que Hec-Ras [58] nos
permite interactuar con modelos SIG.
Fig.6. Interface Programa Mike Food

Fuente: DHI.
2.3.1.5
CARPA
El software Carpa (Clculo en Alta Resolucin en Propagacin de Avenidas)

describe el comportamiento de la corriente hidrulica en una y en dos
dimensiones. Para ello resuelve las ecuaciones de Saint Venant con dos variables
usando siempre el mtodo de los volmenes finitos.
2.3.1.6
HEC-RAS
Este software, desarrollado por el Centro de Ingeniera Hidrolgica (Hydrologic

Engineering Center) del cuerpo de ingenieros de la armada de los EE.UU. (US
Army Corps of Engineers), es una mejora del programa HEC-2, ya que mejora el
modo de interactuar el programa con el usuario permitindole un mayor dominio
del programa. El modelo numrico del programa realiza un anlisis de flujo
permanente unidimensional gradualmente variado en lmina libre.
El programa HEC-RAS [58] es un programa especficamente desarrollado para el
clculo de modelos hidrulicos en cauces naturales, con las diferencias que
existen con respecto al clculo en secciones prismticas o bien definidas.
El modelo HEC-RAS simula el flujo unidimensional permanente en canales
abiertos. Adems, puede calcular el perfil de agua para rgimen permanente
gradualmente variado y simular flujo subcrtico y supercrtico empleando las
ecuaciones de Saint Venant aplicadas a una dimensin. Para esto resuelve la
ecuacin de la energa para una dimensin, y puntualmente, tambin soluciona la
ecuacin de cantidad de movimiento cuando el perfil de agua es rpidamente
variado (resaltos hidrulicos, confluencias y puentes).
El programa es muy completo ya que tiene en cuanta la distribucin de la
velocidad en la seccin, el coeficiente de Coriolis que influye en la irregularidad de
16
las velocidades en el clculo de la energa cintica en las secciones y el

coeficiente de Boussquess para tener en cuenta la irregularidad de las secciones
en la seccin considerada.
Con este programa es posible obtener el perfil de la lmina de agua en un tramo
de cauce, as como interpretar los resultados de las simulaciones del modelo y
calcular las situaciones ms frecuentes que se presentan en la realidad, e
interactuar los resultados de HEC-RAS a travs del uso de un SIG mediante la
extensin HEC-GeoRAS.
En la figura 7 se muestra un ejemplo de la representacin grfica de la altura de
la lmina de agua en una seccin fluvial y su perfil longitudinal.
Fig. 7. Interface Programa Hec-Ras.

Fuente: US Army Corps of engineers of EE.UU.
2.3.2
2.3.2.1
PROGRAMAS PARA EL CLCULO DE AVENIDA
HEC-HMS
HEC-HMS (Hydrologic Engineering Center's Hydrologic Modeling System) [58], es

un programa de simulacin hidrolgica tipo evento, lineal y semidistribuido. Es un
complicado y sofisticado programa de clculo desarrollado por los mismos
programadores del Hec-Ras.
El programa realiza la simulacin del hidrograma de una cuenca con solo facilitarle
los datos fsicos de la misma.
Se basa en la solucin de la ecuacin unidimensional de la energa: se tienen en
cuenta las cargas por friccin (Manning) y por contraccin-expansin y la ecuacin
de la variacin de la cantidad de movimiento en aquellas zonas en las que ste es
rpidamente variado.
Mediante el programa se estiman los hidrogramas de salida en una cuenca o
varias subcuencas (caudales mximos y tiempos al pico) partiendo de condiciones
extremas de tormentas. Tambin calcula, por los mtodos de clculo de
hietogramas de diseo, las prdidas por infiltracin, el flujo base y la conversin en
17
escorrenta directa. El tipo de movimiento que simula la aplicacin es estacionario

variado. Por lo tanto:
v
0
x
v
=0
t
(8)
(9)
Donde: v: Velocidad, x: Distancia , t: Tiempo

Por lo tanto Hec-HMS no puede simular los regimenes transitorios, en los cuales
v
0
t
v
0
x
v
=0
x
2.3.2.2
Transitorio
(10)
Transitorio Variado
(11)
Transitorio Uniforme
(12)
EASYFIT
EasyFit [59] es un programa que permite encontrar las distribuciones estadsticas

que mejor se ajustan a la serie de datos introducida.
El programa representa las leyes de densidad y de distribucin grficamente, por
lo que ya se puede obtener una estimacin de su ajuste por medios visuales.
Analticamente, proporciona los resultados obtenidos por los test de ajustes de
Kolmogorov-Smirnov, Anderson-Darling y Chi cuadrado.
2.4
2.4.1
FOTOGRAFA DIGITAL
INTRODUCCIN
Al igual que hace 15 aos los tratamientos de textos empezaron a reemplazar

progresivamente a las mquinas de escribir, la tecnologa y la tcnica actual
permite reemplazar el tradicional sistema de generacin de ortofotos por un
sistema informtico que trate las fotos digitalmente como se muestra en la figura 8.
18
Fig. 8. Cmara digital en avin.

Fuente: Alafoto.
Bonneval [60] define la fotogrametra como la tcnica cuya misin es estudiar y

definir con cierta precisin la forma, las dimensiones y la posicin en el espacio
de un objeto cualquiera, utilizando esencialmente medidas hechas sobre una o
varias fotografas de ese objeto.
De cualquier modo, se puede definir e la Fotogrametra como la ciencia que
permite, a partir de fotografas areas o terrestres, obtener medidas del objeto
fotografiado en cuestin.
De una manera sencilla, se puede decir que hay dos maneras de tomar la
fotografa:
- Toma fotogrfica convencional en pelcula con
imagen en pelcula para convertirla a digital.
un escaneado posterior de
- Toma fotogrfica digital directamente.

Las cmaras areas digitales, tienen las mismas ventajas que las digitales
caseras. La verdadera ventaja est en no tener que tener rollos de pelcula y el no
tener que esperar a revelarlas para ver los resultados. De esta manera se suprime
el escaneo de la foto para transformar los datos analgicos en digitales y para
poder usar los aparatos digitales de restitucin modernos.
Por consiguiente, ahora el trabajo es mucho ms sencillo y eficaz ya que los las
fotos van directamente del avin a los sistemas de obtencin de cartografa, y
recientemente se pueden enviar telemticamente sin necesidad siquiera de que el
avin aterrice.
El uso de la fotografa para obtener informacin de ella, lleva consigo una ventaja
primordial con respecto a la topografa clsica: el registro de los datos tomados es
absoluto, es decir, con la precisin adecuada se toma toda la informacin
contenida en el terreno que se quiera fotografiar (rboles, ros, piedras, alturas,
...), imposible de realizar con los mtodos de la topografa clsica.
2.4.2
EL PXEL
A pesar de ser un concepto muy fcil de entender, el grado de confusin que

genera el entendimiento del pxel y de los puntos por pulgada (ppp) es muy
grande.
19
Se puede comprobar que las imgenes estn compuestas por lneas. Tal y como
expone Mullor Casero [61] cada una de las lneas contiene unos puntos que se
superponen entre s y estos puntos estn formados por 3 colores: rojo, verde y
azul. Combinando las intensidades de los tres colores se obtienen millones de
colores diferentes. Con la mxima luminosidad de los tres obtenemos el blanco. Si
los apagamos obtendremos el negro.
La intensidad de cada uno de los tres colores bsicos se obtiene a partir de un
nmero finito de niveles. Si utilizamos 8 bits para cada color podramos tener 256
8
niveles ( 2 ). El nivel 0 sera 'apagado' y el nivel 256 sera 'mxima luminosidad'.

Si se combinan los niveles del rojo, verde y azul se obtienen: 256x256x256 =
16.777.216 colores posibles para cada punto. Si se utilizan 12 bits por color se
12
obtienen( 2 ): 4096x4096x4096 = 68.719.476.736 de colores.

Ese punto formado a partir de los tres componentes es lo que se llama pxel.
Un megapxel es un milln de pxeles. Se usa esta unidad de medida para
referirnos a la superficie de la imagen digital.
El centmetro y la pulgada son unidades de medida que se utilizan para fotografas
impresas no para imgenes digitales. Una pulgada son 2,54 centmetros.
Los puntos por pulgada (ppp) tan solo indican el nmero de pxeles de una imagen
digital que estn en una pulgada de imagen impresa. De otra forma, los ppp
indican la resolucin o cantidad de puntos de una fotografa en el papel.
Segn la Diohotonic [62], empresa especializada en fotografa digital, la impresin
de una fotografa area debe hacerse con una resolucin entre 204 ppp y 300 ppp.
Ms de 300 ppp es inapreciable para el ojo humano.
Hay una gran confusin con el trmino resolucin, por lo siguiente:
- En una imagen impresa hace referencia a puntos por pulgada, (ppp).
- En imagen digital se refiere al nmero de pxeles que contiene la imagen.
2.4.3
LA ESCALA Y EL VUELO
La escala del vuelo es la eleccin ms importante que ha de hacerse ya que

condiciona todo el trabajo restante.
En relacin con los estudios de Aguilar y Carvajal [63], la mxima resolucin a la
que es posible digitalizar una foto area sin que el ojo humano distinga el grano
de la pelcula es de 20 a 25 micras por pxel. Desde otro punto de vista, segn
Villa Alczar [64], en una imagen impresa la resolucin ptima es de
aproximadamente 10 pxel/mm, o sea, 100 micras/pxel.
Por lo tanto, el tamao del pxel determina la escala del plano ya que es la
relacin entre una longitud o superficie de la realidad y su representacin en el
plano.
Dicho de otro modo, la precisin de la representacin grfica depende de la escala
final de trabajo y no por el tipo de solucin grfica escogida.
20
2.4.4
DIGITALIZACIN
Segn Normas tcnicas para la elaboracin de ortofotos digitales de Mxico [87]

las normas se debe gantizar que la fotografa area conserve su estado
dimensional, para elelo se deben usar copias en diapositiva en tono continuo.
Debern usarse las dispositivas obtenidas mediante los vuelos con una antigedad
mxima de 5 aos.
Actualmente existen en el mercado series cartogrficas realizadas a partir de
ortofotos digitales en color con 1m de resolucin, mosaicadas y realzadas En la
tabla 1 se especifica laserie cartogrfica 1/25.000, disponible en el Ministerio de
Fomento, tambin estn disponibles las series 1/50.000 y 1/200.000.
Serie
Resolucin (tamao
del pxel)
Formato Tamao
Soporte
Proyeccin
cartogrfica
Ortofoto (slo imagen)
1 m
GeoTIFF
320
MBytes
CD
UTM
Ortofotomapa (imagen con

toponimia y marco)
2,5 m
GeoTIFF
110
MBytes
CD
UTM
Tabla 1.Serie 1/25.000.

Fuente: http://www.fomento.gob.es
A modo orientativo, segn las Normas tcnicas para la elaboracin de ortofotos

digitales de Mxico [87], establece el tamao del pixel dentro de un rango mnimo
de 7.5 micras y un mximo de 50 micras.
En la tabla 2 se representan los valores de tamao del pxel en el archivo digital,
su equivalencia en el terreno y el tamao del archivo en funcin de la escala de la
fotografa y la escala final de la ortofoto, donde para la digitalizacin debern
usarse diapositivas en tono continuo mediante un Scanner Fotogramtrico. El
tamao del pixel estar dentro de un rango mnimo de 7.5 micras y un mximo de
50 micras.
ESCALA DE
LA
ORTOFOTO
ESCALA
DEL
VUELO
1:20.000
1:75.500
TAMAO DEL
PIXEL EN EL
ARCHIVO
DIGITAL
(MICRAS)
TAMAO
DEL PIXEL
EN EL
TERRENO
(M)
TAMAO
DEL
ARCHIVO
(MB)
12.5
0.94
340
25
1.9
85
30
2.26
59
12.5
0.47
340
25
0.94
85
30
1.125
59
12.5
0.25
340
25
0.50
85
30
0.60
59
12.5
0.125
340
25
0.25
85
1:10.000
1:37.500
1:5.000
1:20.000
1:2.000
1:10.000
1:1.000
Tabla 2. Escala ortofoto con escala del vuelo relacionada con el tamao del pxel y el tamao de
archivo necesario.
21
2.4.5
LIDAR DE LOS ESTUDIOS DE INUNDABILIDAD
De un modo general, este sistema proporciona, unas precisiones mximas de 15

cm. en altimetra y de 50-100 cm. en planimetra de media, lgicamente cambiando
la altura de vuelo y la ptica la precisin variariar; pero es necesario tener en
cuenta una serie de limitaciones, Gmez et al. [65]:
De la informacin que proporcionan las casas comerciales, se deducen valores de
fiabilidad del 68% obtenidos por procedimientos estadsticos.
Por lo tanto no se acercan a los valores de precisin para niveles de confianza del
90 % 95 %, que es lo deseado en un proyecto real.
Las precisiones estn calculadas como una media estadstica entre los valores
calculados con el mximo y mnimo ngulo de escaneo, y la precisin disminuye
siempre que aumenta el ngulo de escaneo.
La precisin se calcula a partir del sistema de referencia del GPS, y no se incluyen
los errores cometidos del modelado del geoide.
Por ltimo, hay que sealar que las precisiones estudiadas y proporcionadas por
las casas comerciales, en su mayora, son altimtricas, mientras que no hay
suficientes datos de la precisin en planimetra.
Para el objeto de esta tesis, hay que decir que, aunque la tecnologa Lidar
garantiza unas precisiones de 15 cm. en altimetra, valores adecuados para este
tipo de trabajos, no resuelve el problema de proporcionar la geometra de las
secciones del ro de una manera aceptable a los propsitos de un detallado
estudio de inundabilidad.
En efecto, el haz lser emitido, aunque en algunos casos es capaz de traspasar la
vegetacin, al llegar a la lmina de agua se refleja en ella no llegando nunca a
proporcionar la altura de terreno existente bajo esta lmina de agua.
2.5
LOS SISTEMAS DE INFORMACIN GEOGRFICA EN LOS ESTUDIOS DE

INUNDABILIDAD
2.5.1
INTRODUCCIN
El objetivo final de los estudios de inundabilidad, es la representacin en planta

de la mxima cota que puede alcanzar el agua procedente de un cauce fluvial
cuando est sometida su cuenca afluente a una lluvia extrema.
Esta representacin grfica en planta es posible automatizarla con la ayuda de una
serie de programas denominados Sistemas de Informacin Geogrfica.
Debido a la enorme capacidad de los programas SIG para procesar informacin
grfica y alfanumrica, estos programas se estn convirtiendo en una poderosa
herramienta para simplificar y automatizar el trabajo de los ingenieros.
Pero una serie de factores tienen que ser tenidos en cuenta a la hora de proyectar
un estudio de inundabilidad mediante software basado en los sistemas de
informacin geogrfica, en adelante SIG:
22
1. La calidad de las ortofotos digitales empleadas.

2. Grado de exactitud que puede ser alcanzado a la hora de delimitar las
orillas del ro, dato clave para establecer el ancho del cauce y por tanto,
junto con la profundidad, para calcular la capacidad de transporte del ro.
2.5.2
LAS ORTOFOTOS Y LOS SIG
El Reglamento (CE) n 1593/2000, del Consejo, de 17 de julio de 2000, que

modifica el Reglamento (CEE) n 3508/92, por el que se establece un Sistema
Integrado de Gestin y Control (SIGC) de determinados regmenes de ayuda
comunitarios, obliga a crear un Sistema Grfico Digital de Identificacin de
Parcelas Agrcolas, utilizando las tcnicas informticas de Informacin geogrfica,
recomendando adems, la utilizacin de ortoimgenes areas o espaciales.
Dicho Reglamento, tambin establece que, a 1 de enero de 2005, cada Estado
miembro debe disponer de una base de datos grfica de todas las parcelas de
cultivo digitalizadas, con una precisin equivalente, al menos, a una cartografa a
escala 1:10.000.
El Plan Nacional de Ortofotografa Area (PNOA) [66], y por consiguiente el
SIGPAC [67], tiene como principal objetivo generar un mapa ortofotogrfico
continuo a nivel nacional, basados en las especificaciones tcnicas comunes y
consensuadas por los distintos organismos implicados.
Este plan cubre todo el territorio nacional cada dos aos con vuelos a escala
1:30.000 y ortofotos digitales en color con tamao del pxel de 0,50 metros y
precisiones planimtricas de 1 metro (xyz), Prez lvarez et al [68].
Realizado con el fin de ayudar a los agricultores en la presentacin de solicitudes,
con soporte grfico y para agilizar los actos administrativos y las visitas sobre el
terreno, el SIGPAC se ha convertido en una herramienta de una gran utilidad en
campos diferentes al que fue concebido (geologa, infraestructuras, urbanismo, ...).
En el SIGPAC se utilizan permanentemente las tecnologas ms avanzadas en
informacin geogrfica automatizada.
Segn esto, la delimitacin de las orillas del ro y del eje en el programa SIG se
realiza manualmente con el ratn sobre las curvas de nivel montadas sobre la
ortofoto digital debidamente georreferenciada. La escala de las curvas de nivel
proporcionadas es de 1:25.000.
Las curvas de nivel digitalizadas estn apoyadas en los planos del ejrcito o del
Instituto Geogrfico Nacional a escala 1:25.000.
La Junta de Extremadura [69] ha proporcionado para la realizacin de esta tesis
las curvas digitalizadas 1/10.000 as como las ortofotos areas 0,25 m/pxel. Con
esta informacin, mucho mas precisa que la anterior, se han realizado los clculos
descritos en el apartado 5 de esta tesis. Esta informacin todava no est a
disposicin del pblico en general en su totalidad ya que actualmente se est
volando para obtener las ortofotos digitales.
23
2.5.3
ARCVIEW Y LAS EXTENSIONES UTILIZADAS
Con el programa SIG ArcView [85] y sus respectivas extensiones se puede hacer
el clculo integral de la llanura de inundabilidad, a excepcin del caudal, que es un
dato que debe ser calculado e introducido aparte.
Existen extensiones GIS que, en base a las curvas de nivel digitalizadas, permiten
calcular automticamente por donde se generan los cauces naturales as como la
cuenca afluente del ro.
Son extensiones que utilizan el formato rster ya que analizan la informacin de la
cota de una celda y la compara con la siguiente, si la cota de la primera celda es
ms alta que la de la segunda celda el agua fluir en sentido descendente de la
primera celda a la segunda.
En la figura 9 se puede observar la diferencia entre datos Rster y vectoriales.
Fig. 9. Clculo del cauce natural de un ro.

Fuente: http://wave.prohosting.com/geodatos/
En la presente tesis se ha estudiado la llanura de inundabilidad de los ros

utilizando el programa ArcView.
ArcView es, a modo de resumen, una herramienta SIG con la que se puede
visualizar, analizar, crear y gestionar informacin geogrfica. La mayora de la
informacin posee una componente que puede relacionarse con un lugar
geogrfico: direcciones, cdigos postales, posiciones de GPS, secciones censales,
ciudades, regiones, pases u otro tipo de localizaciones. ArcView permite
visualizar, explorar y analizar estos datos, revelando patrones, relaciones y
tendencias que no se aprecian bien en bases de datos, hojas de clculo o
conjuntos estadsticos. Es un sistema de Informacin geogrfica que utiliza bases
de datos uniendo el qu y el dnde. ArcView se desarroll originalmente como un
mero visualizador y permite una eficaz gestin por ventanas. Para efectuar el
clculo ha sido necesario la utilizacin de varias extensiones complementarias al
programa. ArcView, como se ha mencionado antes, por s solo es un simple
24
visualizador de informacin. Una extensin de ArcView es un conjunto de

herramientas que permite desarrollar los diferentes clculos que necesitamos.
Para el desarrollo del presente trabajo se han necesitado cargar una serie de
extensiones, estas son:
- HEC-GeoRAS: esta extensin cargada con ArcView se implement
especficamente para el procesamiento de datos georeferenciados y ser usados
posteriormente con el programa HEC-RAS. HEC-GeoRAS utiliza un archivo para
interactuar con HEC-RAS con los datos de la geometra del terreno que incluyen
el cauce del ro, secciones transversales, etc. Los
datos de las estructuras
hidrulicas no pueden interactuar desde ArcView con Hec-RAS mediante HECGeoRAS y tienen obligatoriamente que ser incluidos manualmente a la simulacin
desde HEC-RAS.
Posteriormente, los clculos
obtenidos de profundidades y velocidades
hidrulicas se exportan desde HEC-RAS a ArcView y se procesan en ArcView
para obtener las llanuras de inundabilidad.
1- XTOOLS: es una extensin para el manejo de informacin vectorial, tales como
polgonos o superficies. En el presente trabajo se ha utilizado para medir el rea
de la cuenca afluente.
2- CARTOGRAFA DE EROSIN: Esta extensin permite el clculo de las redes de
drenaje a partir del modelo digital del terreno, as como el clculo de la cuenca
afluente a partir de un punto.
3- 3DANALYST: Permite la visualizacin 3D. Genera los contornos
tridimensionales, integra los datos del diseo automatizado (cad), y realiza el
anlisis estadstico en tres dimensiones. Se ha usado para obtener el TIN a partir
del archivo de Cad con curvas de nivel.
4- CAD READER: Logra leer los archivos de Cad (DXF) al formato ArcView. Se
pueden incorporar los archivos DXF a las vistas de ArcView como si fuesen
Shapes.
5- GEOPROCESSING: facilita la superposicin de capas de informacin. La
superposicin a travs de distintas operaciones espaciales permite adems del
anlisis y presentacin de datos, la creacin de nuevas capas con informacin
procedente de las capas anteriores.
La informacin del terreno suministrada se encuentra en cuatro shapes distintos.
Se ha usado esta extensin para unir varios shapefiles en uno y poder trabajar
solo con un archivo.
6- SPATIAL ANALYST: Transforma a ArcView en un SIG rster. Se ha empleado
para transformar el Tin a formato Grid (rster), necesario para utilizar la extensin
de erosin.
2.5.4
EL ERROR DE ESTIMACIN O DE APRECIACIN EN LOS SIG
El error de estimacin o de apreciacin se puede confundir con el error del poder

separador del ojo humano, pero son errores de origen distintos.
El error de apreciacin se produce al leer el valor de la desviacin encontrndose
el indicador entre dos divisiones que se encuentran sucesivas de la escala; aqu
existe una incertidumbre en la apreciacin de la posicin exacta del indicador
sobre la marca, Gonzlez [70].
25
Si se lee el indicador por distintos operadores no darn valores iguales.

La apreciacin de la fraccin de divisin es distinta de uno a otro, siempre
considerando el poder separador visual igual para todos los operadores.
Segn Gonzlez, es un error de factor personal y depende de la experiencia y
habilidad del operador y del instrumento, como el grosor del indicador, grosor y
separacin de la escala, etc.
En general, el error absoluto de lectura vara entre 1/10 y 1/5 de divisin de la
escala de medida, estimndose como valor prctico:
= 0,25 mm
Por lo tanto el error que cometeremos al estimar los ejes de los ros, sus mrgenes
y los flowpaths son errores clasificados como:
1.
2.
3.
4.
Error
Error
Error
Error
de paralaje
debido al lmite del poder separador del ojo humano
de estimacin
de escala (pxel /terreno)
Bern, pone de manifiesto que los tres primeros errores producen un error de
media 0,2 mm.
Con respecto al error cuarto se puede observar lo siguiente:
La exactitud planimtrica de una ortofoto digital en directamente proporcional a las
caractersticas de la cmara, al sensor del escner fotogramtrico, a la escala de
la imagen fuente y a la exactitud de los puntos de control.
Para establecer la exactitud horizontal de las ortofotos digitales se usa un anlisis
estadstico conforme a los criterios establecidos en los Estndares de Exactitud
Posicional. En este clculo se establece el Error probable en el intervalo de
confianza del 95%. Adems, la exactitud de la ortofoto digital refleja todas las
incertidumbres del proceso de ortorrectificacin.
En la tabla 3 se puede observar el cdigo de especificaciones tcnicas para la
realizacin de ortofotos de Ecuador [71] que cuantifica el error horizontal y vertical
segn la escala:
Tabla 3. Error en ortofoto segn la escala.

Fuente: Instituto Geogrfico Militar de Ecuador. http://www.geoportaligm.gov.ec
26
Deni Daz et al [72] por otra parte, estudiaron que la exactitud depende de la
escala de la ortofoto, por ejemplo, para una escala 1/1.000 es recomendable
trabajar con las escalas que se proponen en la tabla 4.
Tabla 4. Relacin entre las escalas y las precisiones en ortofotogrametra.

Fuente: Deni Daz Rodrguez et al , 2009.
La exactitud de las ortofotos comparada con la realidad que estos mismos autores
pudieron estudiar fue la siguiente:
Tabla 5. Errores medios y errores medios cuadrticos en funcin de las escalas.

Fuente: Deni Daz Rodrguez et al , 2009
Por lo tanto, el error medio cuadrtico vara de 0,15 a 0,22 m para escalas de
1:5.000 y de 0,29 a 0,36 para escalas de 1:7.000.
Hay que recordar que estamos hablando de error y no de exactitud, la exactitud de
las ortofotos segn sus diferentes escalas las definen las Normas tecnolgicas
para ortofotos digitales.
En efecto, las normas tecnolgicas para ortofotos digitales establecen los valores
mnimos de exactitud, que no el error, que debern garantizar las ortofotos
digitales para las distintas escalas o metros/pxel. En el caso de escala 1:5.000 y
1:10.000 y tamao de pxel entre 0,5 metros y 1 metro, la precisin a obtener es de
1,5 a 3 metros en horizontal. Interpolando se puede deducir que las exactitudes
para ortofotos 0,25 metros/pxel se pueden establecer entre 0,75 m y 1,5 metros.
Por otra parte, el Plan Nacional de Ortofotografa Area (PNOA) tiene como
objetivos la obtencin de una cobertura ortofotogrfica continua a nivel nacional,
basada en las especificaciones tcnicas comunes y consensuadas por los distintos
organismos implicados. Este plan ha cubierto todo el territorio nacional cada dos
aos con vuelos a escala 1:30.000 y ortofotos digitales en color con tamao del
pxel de 0,50 metros y precisiones planimtricas de 1 metro (xyz).
2.5.5
CORRECCIN DE LOS ERRORES EN LAS MEDICIONES EN LOS SIG
Algunos errores sistemticos conocidos y algunos errores accidentales se pueden

eliminar aplicando las correcciones adecuadas.
Por ejemplo, los errores de interpretacin del algoritmo que utiliza el programa
ArcView para interpolar las curvas de nivel cada metro es un error insalvable pues
habra que saber el cdigo fuente del programa para solucionarlo.
27
Sin embargo, el error de apreciacin del operador para delimitar las cuencas de los
ros se puede minimizar hasta el mximo de los 0,2 mm mencionados, pero nunca
minimizando el error por debajo de los 20 cm que nos dan las curvas de nivel a 0,2
mm o el error de 1,5 metros que nos arrojan las ortofotos a escala 0,25
metros/pxel.
No ocurre lo mismo con los errores accidentales comunes, ya que stos, de
manera totalmente aleatoria, producen errores por exceso y por defecto. Ya que
las causas son fortuitas, es vlido suponer que las mediciones obtenidas se
distribuyen por igual a un lado y a otro del valor verdadero o valor esperado. Por
lo tanto siguen la ley de distribucin de Gauss, y se pude aplicar a los errores de
este tipo la teora de la Distribucin Normal.
2.6
EL COEFICIENTE DE ESCORRENTA
2.6.1
INTRODUCCIN
El parmetro del Umbral de escorrenta es una adaptacin del nmero de curva

del SCS americano (Soil Conservation Service), actualmente NRCS (Natural
Resources Conservation Service ), en Espaa que hizo Tmez [6] y ms tarde
Montserrat Ferrer Julia, Javier Blanco, Joaqun Ramrez en 2001, estudiando las
caractersticas fsicas de la cuenca, lo que ocurri fue un cambio en los valores del
Nmero de Curva, atendiendo la disponibilidad de datos del momento.
En los ltimos aos, la cantidad de datos disponibles se ha incrementado
exponencialmente, lo que ha supuesto que muchos ingenieros tengan dudas a la
hora de establecer las relaciones entre los nuevos datos disponibles y los clsicos
que forman parte de la Instruccin 5.2-IC.
El umbral de escorrenta (P 0 ) forma parte de uno de los parmetros ms
importantes en el estudio de hidrolgico de una cuenca, ya que interviene de
manera directa en la estimacin del coeficiente de escorrenta segn la frmula:
P24T
P24T
+ 23
*
P
P0
C= 0
2
T
P24
+ 11
P0
(13)
Donde:
C: coeficiente de escorrenta
P24T : Precipitacin para el periodo de retorno T asociado.

Po : Umbral de escorrenta
Resulta extraordinariamente importante para el estudio de tormentas extremas y
hace referencia a las prdidas de lluvia, que tienen lugar en la cuenca, desde el
inicio del mismo hasta que se produce escorrenta.
El mtodo ms utilizado para la estimacin de este umbral es el desarrollado por el
US Soil Conservation Service - SCS (1972). Este mtodo utiliza, entre otros,
valores de pendiente, vegetacin, usos del suelo y caractersticas hidrolgicas del
suelo. Al ser un mtodo americano, los valores de las tablas originales se
modificaron para Espaa por Tmez.
28
Este apartado propone algunas modificaciones para mejorar la estimacin del

umbral de escorrenta en las cuencas espaolas.
Actualmente el coeficiente es un factor importante a calcular ya que interviene de
manera directamente proporcional al caudal segn la frmula de la Instruccin 5.2IC:
Qc =
C I tTc S
3
(14)
Donde:
Qc : Caudal de clculo en m 3 /s
C: Coeficiente de escorrenta.
I tTc : Intensidad de lluvia para el perorado de retorno T asociado en mm.

S: Superficie de la cuenca afluente.
El mtodo y las tablas utilizados por la Instruccin han quedado desfasados. Esto
es debido a que se han publicado trabajos acerca de cmo mejorar la estimacin
de dicho coeficiente de escorrenta, trabajos que no han tenido repercusin en la
Instruccin mediante ninguna Orden Circular, ni ninguna modificacin de la misma.
2.6.2
EL COEFICIENTE DE ESCORRENTA. PARMETROS
En la accin del proceso de estimacin de la escorrenta intervienen dos factores:

1. La lluvia
2. La cuenca afluente o cuenca de drenaje.
El volumen, intensidad y distribucin espacio-temporal de la lluvia son datos clave
y, por otro lado, triviales con la configuracin hdrica y geolgica de la cuenca, el
suelo y sobre todo la humedad preexistente, con los que se ajusta la conversin
lluvia-caudal.
Este apartado se centra en las caractersticas de la cuenca, apartando
la
precipitacin, puesto que se pretende estudiar y analizar la respuesta hidrolgica
de las cuencas frente a las mismas lluvias.
Se aborda, por tanto, el total de lluvia que es necesaria que se produzca para
generar flujo de escorrenta. En hidrologa, el parmetro lluvia o umbral de
escorrenta (P 0 ) refleja el umbral en que, bajo hiptesis de lluvia bruta suficiente y
uniformemente repartida por toda la superficie, comienza a producirse flujo por la
superficie terrestre una vez que el suelo ha agotado su capacidad de infiltracin.
En la actualidad hay varios mtodos para la estimacin de P 0 , pero en climas
semiridos como Espaa, los modelos aceptados no aportan buenos resultados,
tanto por la particularidad especfica del proceso de conversin lluvia-caudal
(Camarasa y Segura, 2001) [74] como por la gran cantidad de informacin que
es requerida (Graf, 1988) [75].
Para los climas espaoles, los mtodos llamados empricos se han comportado
con mayor realismo.
El modelo ms utilizado es el del Nmero de Curva (NC), publicado por el US Soil
Conservation Service (SCS) en 1972, que fue modificado, para Espaa, por Tmez
(1978, 1991), y es el modelo en que se basa la Instruccin 5.2-IC. [73]
Utiliza este mtodo, entre otros, valores de pendientes, vegetacin y usos del
suelo, datos accesibles fcilmente. A pesar de su uso, aceptado por todas las
administraciones espaolas, el mtodo, como se ha comentado, carece de
29
suficiente exactitud y provoca numerosas incertidumbres, relacionadas, en

particular, con el establecimiento del tipo de suelo y de sus caractersticas
hidrolgicas, sobre todo, en climas ridos como Espaa.
En este trabajo se utiliza el mtodo del SCS modificado por Tmez[6]. Se estudia
la cuenca hdrica y geomorfolgicamente para la estimacin del parmetro de
escorrenta.
De todos los factores de la cuenca que controlan la estimacin del umbral del
escorrenta, la caracterizacin del tipo de suelo, su potencia, sus caractersticas
hdricas y sus usos del suelo constituyen las variables ms difcil de cuantificar,
sobre todo en cuencas ridas donde es difcil predecir el estado previo de
humedad del suelo.
2.6.3
INEXACTITUDES DEL MTODO ESPAOL
A continuacin se explican cada uno de los puntos anteriores con un amplio grado
de exactitud.
2.6.3.1
HUMEDAD PREVIA DEL SUELO
Las tablas que proporcionan el valor del Umbral de escorrenta presuponen un

grado medio de humedad, Snchez San Romn [76].
Si en los das que anteceden a la precipitacin estudiada para el perodo de
retorno se produjeron lluvias fuertes, el grado de infiltracin del suelo ser menor,
por lo que el valor real de P 0 tendr que ser corregido a la baja.
En el caso extremo contrario, si los das anteriores no se ha producido
precipitacin, el grado de humedad del suelo ser nulo, y la capacidad de
infiltracin del suelo ser mayor, por lo que hay que corregir el Umbral de
escorrenta al alza.
En la tabla 6 se observa el criterio seguido por Surendra & Singh [77]:
Tabla 6. Humedad previa del suelo en los cinco das anteriores para el estudio de la precipitacin.
Para la estimacin del Umbral de escorrenta proporcionado por las tablas de la

Instruccin 5.2-IC a las condiciones de humedad I III se usan tablas numricas
(por ejemplo, Singh, 1992) [78].
Snchez San Romn ha elaborado las siguientes relaciones, que proporcionan
unos resultados muy similares a las tablas:
(P 0 I) = (P 0 II) . 2,31
(P 0 III) = (P 0 II) . 0,43
(15)
(para (P 0 II)>35)
(16)
30
(P 0 III) = (P 0 II) . 0,0072 + (P 0 II) . 0,167
(para (P 0 II)<35)
(17)
(P 0 II) = P 0 calculado para condiciones de humedad previa II

(P 0 I)
= P 0 para condiciones de humedad previa I
(P 0 III) = P 0 para condiciones de humedad previa III

Por lo tanto, las tablas de la Instruccin siempre proporcionan un valor para un
estado de humedad intermedio o normal (grado II) por lo que su exactitud parece
ser poca ya que no considera si la regin es histricamente seca o hmeda,
simplemente se limita a aplicar un factor corrector proporcionado por la Fig. 2.5 de
la Instruccin 5.2-IC para considerar una humedad previa seca, siendo este
factor claramente inexacto y claramente desfasado para una instruccin que
modela todo un desarrollo tan importante como es el caudal de clculo para el
anlisis de llanuras de inundacin.
2.6.3.2
INEXACTITUD Y CARENCIA DE DATOS AL ESTIMAR EL TIPO DE

SUELO SEGN LA INSTRUCCIN 5.2-IC
Como se ha detallado en el punto anterior el tipo de suelo se estima utilizando la

tabla 2.1 de la Instruccin 5.2-IC.
Como se puede comprobar la tabla depende de cuatro factores:
El uso de la tierra
Pendiente
Caractersticas hidrolgicas
Grupo de suelo
El grupo de suelo se obtiene por la tabla 2.2 de la Instruccin 5.2-IC.

A su vez, esta ltima tabla depende de otros cuatro factores:
1.
2.
3.
4.
Infiltracin
Potencia
Textura
Drenaje
Todos estos parmetros, a excepcin de la pendiente del terreno, no estn

cuantificados numricamente, al contrario, basa su estimacin en caractersticas
cualitativas ms que cuantitativas, por lo que queda, dentro de unos mrgenes a
mi modo de ver bastantes extensos y nada apropiados, la estimacin de estos
parmetros por el Ingeniero autor del estudio de inundabilidad.
Lpez Alonso [73 elabor una tabla en la cual clasifica el suelo cuantitativamente
en funcin de la tasa de infiltracin, estableciendo numricamente el valor de la
infiltracin y delimitando as un factor clave para la clasificacin del tipo del suelo,
por lo que ste pasa a depender de tres factores sin cuantificar:
- Profundidad: slo es posible obtenerla a travs de catas en el terreno que jams
se suelen hace para estudios de inundabilidad.
31
- Textura y drenaje: Slo es posible determinarlos con exactitud mediante anlisis

de laboratorios.
En la Tabla 7 se pude observar la tasa de infiltracin de los suelos en mm.
Tabla 7. Tabla de Lpez Alonso [73] cuantificando la tasa de infiltracin.
2.6.4
MTODO PARA ACTUALIZACIN DE LOS USOS DE SUELO PARA LA

ESTIMACIN DEL P 0
2.6.4.1
INTRODUCCIN
La funciones del parmetro del umbral de escorrenta ha cumplido los objetivos

para los que fue creado. En la actualidad, debido a la existencia de nuevas fuentes
de datos disponibles (de los que no se hace eco la Instruccin 5.2-IC), debera
replantearse ste estableciendo nuevas equivalencias entre sus directrices y la
nueva informacin disponible.
Tanto los grupos hidrolgicos de suelo como la pendiente ya han sido estudiados
por Ferrer [4]. Falta por establecer las equivalencias de los usos de suelo con las
nuevas cartografas y revisar la definicin de la variable referente al estado de
humedad del suelo.
2.6.4.2
SIGEO
Esta aplicacin es bastante til para establecer el tipo de suelo al que nos
enfrentamos geolgicamente para poder valorar hidrolgicamente su tipo segn la
tabla 2.2 de la Instruccin 5.2-IC (A, B, C o D).
Segn se recoge en la pgina web de la Junta de Extremadura,
(http://sinet3.juntaex.es/sigeo/web/asp/sgdescripinternet.asp), [79] el objetivo
primordial del Sistema de Informacin Geolgico-Minero de Extremadura es
promover el desarrollo del sector minero de la regin, a travs de la difusin en
Internet de toda la informacin bsica geolgica y minera disponible en la
actualidad.
32
Para llevar a cabo este objetivo, se pone a disposicin del pblico, tanto general
como especializado, compaas de investigacin y explotacin de los recursos
mineros, otros departamentos de la Administracin estatal, autonmica y local,
departamentos universitarios, etc., los datos geoespaciales recopilados y
digitalizados por la Direccin General de Ordenacin Industrial, Energtica y
Minera de la Junta de Extremadura, junto con los informes de los proyectos de
investigacin minera realizados en la regin. Adems, en orden a facilitar la
tramitacin, consulta y gestin de los derechos mineros, se ha incluido el mapa del
Catastro Minero de Extremadura en el que se ha implementado un acceso a la
base de datos de los derechos mineros, explotaciones mineras, establecimientos
de beneficio mineros, aguas envasadas y balnearios de Extremadura.
Junto con este objetivo directo, el SIGEO tiene otra serie de objetivos que no por
no ser primordiales, tienen menor importancia: asegurar la disponibilidad de la
informacin geolgico-minera en todo momento, promover el intercambio de
informacin, experiencias y procesos entre los usuarios finales y la Administracin,
lograr una mayor eficiencia en el tratamiento y difusin de la informacin,
promover la modernizacin de la Administracin y aumentar la calidad de los
servicios, ofertar una imagen atractiva de Extremadura poniendo de manifiesto su
alta capacidad tecnolgica, y, en definitiva, potenciar la informacin como
infraestructura de desarrollo de Extremadura.
La informacin geolgico-minera que se ofrece en esta web est agrupada en tres
subconjuntos: cartografa temtica, informes de los proyectos de investigacin y
metadatos de la cartografa.
2.6.4.3
PROYECTO CORINE LAND COVER
Recientemente, la informacin y mapas de usos de suelo de la UE han aportado

un extraordinario avance con el Proyecto Corine Land Cover (CLC).
Su funcin es establecer un mapa a escala 1:100.000 para todos los suelos de la
Unin Europea y revisndose cada 10 aos con tres niveles de detalle.
Por lo tanto, actualmente se dispone de una cartografa a escala 1:100.000 con
datos de 1990 y de 2000.
En Espaa, la cartografa tiene 5 niveles:
-
Superficies artificiales
Zonas agrcolas
Zonas Forestales
Zonas Hmedas
Superficies de agua
Por lo que se cuenta con 85 clases distintas de usos de suelo. Este mayor detalle
es muy til para una mejor exactitud en la estimacin del umbral de escorrenta.
La equivalencia entre usos de suelo con la cartografa CORINE y el Umbral de
Escorrenta no es una novedad. Ya se ha utilizado (CEDEX 1999) con la
cartografa de CLC-1990. Pero estas equivalencias tienen algunas lagunas al no
incorporarse los nuevos usos de suelo que se establecieron por el SCS en los
ncleos urbanos, y en algunos valores propuestos por Smith [80]. Por lo tanto, con
la cartografa de CLC-2000 se tiene al alcance una informacin mucho ms exacta
de cada uso de suelo (Corine Land Cover nivel 5), para establecer nuevas
equivalencias. En la tabla se pueden observar las nuevas equivalencias entre los
usos del suelo y el P 0 que proporciona una gran utilidad a la hora de utilizar un
mtodo extranjero como es el nmero de curva.
33
En algn caso, la equivalencia que se ha realizado no se ha podido realizar por los

usos sino por la equivalencia entre el comportamiento hidrolgico que tienen los
dos usos. A modo de ejemplo:
Complejos ferroviarios. Se ha establecido la equivalencia con zona industrial
porque del conjunto de situaciones urbanas que pueden corresponder a sta es la
que presenta una cobertura media impermeable ms similar.
Zona de construccin. Se considera que presenta similitudes reas urbanas con
cobertura herbcea menor del 50% porque son zonas donde la vegetacin se ha
desbrozado y compactado la tierra, adems suelen estar prximas a calles
pavimentadas y carreteras.
Tierras abandonadas. Se establece la equivalencia al barbecho, pero presenta la
diferencia de que en el barbecho no se sigue la mxima pendiente o las curvas de
nivel. Por esto, solamente se diferencian las reas de pendiente <3% y 3%.
Para hacer ms fcil las equivalencias con algunos usos de suelo que presentan
una hidrolgica insalvable se amplan las clases del CLC-2000 con las fuentes de
datos de los mapas forestales.
2.6.4.4
MAPAS DE APROVECHAMIENTO Y USOS DEL SUELO
Estos mapas proceden del ao 1980-1990 por lo que estn claramente en desuso
frente al CLC-2000 y los MF-2005.
De todas formas este mapa ha sido el principal instrumento para la estimacin de
los tipos de suelo para lograr una estimacin del umbral de escorrenta.
Segn su propia pgina web:
(http://www.mapa.es/es/sig/pags/siga/intro.htm#art8)
La aplicacin SIGA (Sistema de Informacin Geogrfico Agrario) desarrollada a
iniciativa de la Subdireccin General de Cultivos Herbceos e Industriales adscrita
a la Direccin General de Recursos Agrcolas y Ganaderos del MARM ofrece
informacin cartogrfica y alfanumrica englobada en los siguientes apartados:
Cartografa general.
Mapas temticos sobre variables agroclimticas.
Informes sobre municipios y estaciones meteorolgicas.
Mapa de cultivos y aprovechamientos de Espaa, a escala 1/50.000.
Informes sobre Hojas 50.000 y municipios.
Esta aplicacin est desarrollada sobre una arquitectura totalmente orientada a

servicios WEB.
Esta aplicacin permite consultar el Mapa de cultivos y aprovechamientos de toda
Espaa, adems de otras capas de informacin auxiliar que permiten saber en
cada momento en qu mbito espacial nos encontramos. A lo largo de la aplicacin
aparecer el trmino tesela. Se trata de la unidad mnima de recogida de
informacin en el Mapa de cultivos y aprovechamientos, cada uno de los recintos o
polgonos que componen esta cartografa, con unas caractersticas homogneas
en su interior.
La serie cartogrfica del Mapa de Cultivos y Aprovechamientos que aqu se
presenta, posee una precisin de escala 1/50.000, la misma que la cartografa en
formato analgico. La posibilidad de trabajar con ella en formato digital, nos
34
permite analizarla mediante procedimientos informticos y acceder a las distintas

hojas individualizadas o a aqullas que cubren cada municipio mediante un
sistema de mens y opciones accesibles mediante el puntero del ratn.
Dada la escala de detalle de esta cartografa, la disponibilidad de todo el territorio
nacional, y la imposibilidad de apreciar el detalle que posee a pequeas escalas,
se hace necesario que el acceso a sta se realice de forma guiada, en funcin de
la escala de visualizacin en la que el usuario se encuentra, ms an cuando las
velocidades de acceso a la informacin distribuida en la red Internet son a fecha
de hoy an bastante lentas. Por ello el nivel de detalle y precisin que se muestra
a lo largo de la aplicacin, vara en funcin de la escala de visualizacin, aunque
el usuario rara vez va a ser consciente de ello.
2.6.4.5
USOS DE SUELO DERIVADOS DEL MAPA FORESTAL
Los primeros mapas forestales (MF) de Espaa se elaboraron en 1985 a escala

1:200.000 y cada 10 aos se van actualizando, por lo que se encuentran
disponibles datos de 1995 y 2005.
El MF-1995 se elabor con dos escalas diferentes, 1:50.000 y 1:200.000, y adjunto
se incorpor una gran base de datos, con tal grado de detalle que a veces se tiene
que llevar a cabo un proceso de reclasificacin ya que trabajar con todos los datos
es una tarea imposible:
- Leyenda de ms de 5.500 especies entre arbreas, arbustivas y herbceas.
- El estado de crecimiento de los rboles.
- La fraccin de cabida cubierta total (arbrea y arbustiva, fcct) y parcial (slo
arbrea. fccarb), etc.
Por el contrario, las teselas no presentan un buen grado de detalle comparado con
el detalle que presenta CLC-2000.
Asimismo se han detectado algunos errores incongruentes entre los datos, por lo
que estos mapas de 1995 no se suelen utilizar.
El MF-2005 est elaborado a escala 1:50.000 y presenta un enorme grado de
detalle para la escala con la que se trabaja. La base que adjunta es
significativamente menor que las del MF-1995, pero estos datos estn ms
procesados y se puede trabajar ms fcilmente con ellos. Adems no se han
manifestado errores relevantes, por lo que se ha utilizado esta cartografa para la
actualizacin del CLC-2000.
El nico problema que puede adjudicarse a estos mapas es que nicamente
detallan las teselas arbreas, y las correspondientes a matorrales estn
clasificadas bajo un nico cdigo.
La vegetacin arbrea del MF-2005 se clasifica en tres grandes usos del
parmetro del umbral de escorrenta:
-
Masas forestales: bosque o cuando es una plantacin de aprovechamiento

regular con una fraccin de cabida cubierta total de como mnimo 65%.
Plantaciones de aprovechamiento regular: bosque de plantacin.
Praderas: dehesa.
La caracterizacin de cada uno de estos usos se ha realizado a partir de los datos

de la fraccin de cabida cubierta segn las normas de equivalencias que se
muestran en la tabla 8.
35
Tabla 8. Definicin de las masas forestales y las plantaciones regulares de aprovechamiento forestal
para el establecimiento de la condicin hidrolgica de los suelos. Donde Fccarb es la fraccin de
cabida cubierta de la masa arbrea y Fcct es la fraccin de cabida cubierta total
Las plantaciones y las masas forestales se establecen por la fcct, y la pradera por
la fccarb. La explicacin es que en las plantaciones y en las praderas se tiene en
cuenta que la cobertura forma parte de los matorrales, y en la pradera es la
cubierta arbrea es la diferencia la respuesta hidrulica de una dehesa.
2.6.4.6
DATOS DEL MF-2005 EN EL CLC-2000
Para lograr una mejor estimacin del umbral de escorrenta se solapan los datos
del MF-2005 con el CLC-2000. Se realiz una comparacin entre los datos de los
dos mapas con una versin de 1997 del mapa CLC-1991 de Extremadura y el MF1995. Debido al detalle y la coherencia de los datos, se lleg a la conclusin de
que los datos de MF-2005 son vlidos por lo que tiene un jerarqua mayor a los
datos de CLC-2000.
En la Fig. 10 se puede observar una captura de pantalla del SIG del Plan Corine
(para obtener los usos del suelo) alojado en la siguiente pgina web:
http://www.idee.es/show.do?to=pideep_app_corine.es.
Fig. 10. Imagen del SIG Plan Corine
36
2.6.5
DETERMINACIN DEL UMBRAL DE ESCORRENTA EN DIFERENTES

PROYECTOS.
Se ha realizado un estudio estadstico sobre el mtodo que usan los ingenieros

proyectistas para determinar el umbral de escorrenta y por tanto el coeficiente de
escorrenta en los distintos estudios hidrolgicos que realizan (estudios de
inundabilidad, estudios de capacidad portante de canalizaciones, drenajes de
obras de fbrica, etc.).
Se ha efectuado el anlisis en 256 trabajos, de los cuales:
189 corresponden a Obras drenaje y puentes de carreteras

26 corresponden a estudios de inundabilidad
41 corresponden otros estudios de hidrologa (estudio cuencas, clculo de
caudales, ...).
Sorprendentemente, en ninguno de ellos se razona de una manera concisa y clara

como se ha llegado al valor usado del umbral de escorrenta, como mucho se
limitan a establecer visualmente el tipo de uso suelo (incluso para cuencas
grandes donde no basta una inspeccin visual debido a la heterogeneidad del
terreno), y a una mencin espontnea y perdida sobre la condicin geolgica del
mismo.
En ninguno de ellos se ha realizado un estudio del terreno, ni se ha consultado el
Plan Corine Land Cover-2000 (CLC-2000), ni se ha consultado del SIGEO de la
Junta de Extremadura.
Por todo esto, es necesario conocer los nuevos mtodos explicados en los
apartados anteriores para el clculo del umbral de escorrenta ya que es un
parmetro bsico para la determinacin del caudal, pues una leve variacin del
umbral de escorrenta hace variar de una forma significativa del caudal a obtener
y, por lo tanto resta credibilidad al estudio hidrolgico que no incluye de manera
detallada una justificacin clara de la estimacin del umbral de escorrenta.
2.7
2.7.1
DISTRIBUCIONES ESTADSTICAS
INTRODUCCIN
En la teora de la probabilidad y estadstica, las distribuciones de probabilidad de

una variable aleatoria son funciones que asignan una probabilidad a cada suceso
definido sobre la variable aleatoria. La distribucin de probabilidad calcula el
conjunto de valores de la variable aleatoria, y la probabilidad de que el valor de la
variable aleatoria est dentro de un rango definido.
En esta tesis la formulacin de las variables toman un aspecto continuo y no
discreto.
Dada una variable aleatoria se define funcin de densidad de una variable continua
x, como la curva terica que se deduce al imaginar la representacin de las
frecuencias de los resultados ocurridos tras la repeticin del experimento aleatorio
infinitas veces.
En esta tesis la formulacin de las variables toman un aspecto continuo y no
discreto.
Dada una variable aleatoria x, se define su funcin de distribucin, F(x), como:
37
F ( x, c, k ) = 1 (1 + x c ) k
(18)
Cientficamente, la funcin de densidad de una variable aleatoria x se define como

la derivada de la funcin de distribucin F(x), o de otro modo, la funcin de
distribucin es la integral de la funcin de densidad:
F ( x) = f ( x) dx
(19)
Donde:
F(x)= Funcin de distribucin
f(x) = Funcin de densidad
2.7.2
FUNCIONES DE DISTRIBUCIN USADAS EN ESTA TESIS
Para el ajuste de las distribuciones se ha empleado el software EasyFit [59]], el

cual ajusta las leyes de probabilidad a las series de lluvias y realiza los test de
bondad de ajuste por los mtodos de Kolmogorov-Smirnov, Anderson-Darling y
Chi-Cuadrado.
Las distribuciones empleadas han sido las siguientes:
Beta, Burr, Cauchy, Chi-squared, Dagum, Erlang, Error, Exponential 2P, Fatigue
Life 3P, Frchet 3P, Gen Extrem Value (Valor extremo generalizado GEM), Gen
Gamma 4P (Gamma generalizado), Gumbel, Hipersecant (Secante hiperblica),
Inv. Gaussian 3P (Gaussiana inversa), Johnson SB, Kumaraswamy, Laplace, Levy
2P, Log-Gamma, Log-logistic, Log-logistic 3P, Log-Pearson 3, Logistic, Lognormal,
Lognormal 3P, Nakagami, Normal, Pearson 5, Pearson 5 3P, Pearson 6 4P, Pert,
Power function, Rayleigh, Rayleigh 2P, Reciprocal, Rice, Student`s t, Triangular,
Uniform y, por ltimo, Weibull.
A continuacin se presenta la formulacin de las distribuciones de probabilidad
que mejor ajuste presentan a las series de datos de precipitaciones registradas en
las estaciones metereolgicas y algunas otras que se repiten con cierta frecuencia
en los resultados obtenidos. Se citan las frmulas empleadas, ya que considerar
su desarrollo sera una labor interminable para el propsito de la presente tesis.
Solamente se detallan las tres distribuciones empleadas en la aplicacin
informtica propia Cote.xls, Gumbel, Log-Pearson 3 y SQRT-ET max.
Es interesante destacar que algunas de estas distribuciones se conocen desde
hace tiempo y se usan en distintos campos como la medicina, econometra o
ciencias sociales, pero nunca se han utilizado en hidrologa. Es asombroso y a la
vez ilusionante ver como este tipo de distribuciones, hasta ahora no aplicadas en
hidrologa, se adaptan incluso de una manera ms exacta al histograma de la serie
de lluvias mximas.
Una vez expuesta la formulacin se explican los mtodos de validez- bondad del
ajuste usados.
38
2.7.2.1
LA DISTRIBUCIN DE GUMBEL
La distribucin de Gumbel es la distribucin estadstica ms utilizada en la

actualidad para el clculo de la precipitacin para un periodo de retorno escogido.
La frmula de la distribucin de Gumbel es la siguiente:
F ( x) = e
e (x- )
(20)
Donde:
x es el valor de la variable aleatoria,
y son parmetros del ajuste, y
F(x) representa la probabilidad de que se produzca una precipitacin con un valor
menor o igual que x, es decir F(x) representa la probabilidad de que un valor dado
de x no sea superado.
Por lo tanto, la probabilidad de que se produzca una precipitacin con un valor
mayor que ese x dado ser:
Pr ob( > x) = 1 F ( x)
(21)
El perodo o lapso de tiempo T(x) dentro del cual sera esperable que se produjese
esa precipitacin de valor x, llamado perodo de retorno para esa precipitacin x,
sera:
T ( x) =
1
1 F ( x)
(22)
Se definen y como dos parmetros que toman los valores siguientes:
SN
Sx
(23)
= x yN
Donde
Sx
SN
(24)
y N y S N son la media y la desviacin tpica de la variable yi , la cual solo
depende del tamao de la muestra N.

Siendo x la media y S x la desviacin tpica de la muestra de los datos de valores
mximos diarios de precipitacin anuales.
N
x=
xi
N
(25)
Sx =
( x x) 2
N 1
i =1
(26)
i =1
Por otra parte,
N +1
yi = LnLn
(27)
39
yN =
y
i =1
(28)
N
N
(y
SN =
i =1
yN )2
(29)
Despejando x de la expresin (20), se obtiene finalmente la frmula analtica para

calcular la precipitacin mxima diaria esperada para un periodo de retorno T(x)
dado:
x = P24T = Pd =
T ( x) 1
1
Ln( Ln
)
T ( x)
De ahora en adelante, el trmino P d (30) se denominar

expresiones adoptadas por Catal Moreno.
2.7.2.2
(30)
P24T para adaptarse a las
LA DISTRIBUCIN LOG-PEARSON 3
La distribucin Log-Pearson Tipo 3 describe la distribucin de la probabilidad de

ocurrencia de un evento determinado en un proceso de Poisson. Cuando la
poblacin de los acontecimientos presenta un sesgo positivo, los datos suelen ser
transformados a logaritmos y la distribucin se llama distribucin de Log Pearson
Tipo 3.
Su funcin de densidad es la siguiente:
( y ) 1 e ( y )
f ( x) =
x( )
(31)
Donde:
y = log(x)
( ) = Funcin
, y
son los parmetros de forma, escala y posicin respectivamente y que

responden a las siguientes frmulas:
2
=
Cs
Cs =
n
* (log( x) log( x)) 3
3
(n 1) * (n 2) * ( S log( x ) )
S log( x )
(32)
(33)
(34)
40
= log( x) S log( x )
(35)
Donde:
Cs
= coeficiente de asimetra
n
= n de datos de la muestra
S log(x) = desviacin tpica de los valores y=log(x)
Sin embargo, al no ser la funcin de densidad de esta distribucin integrable, el
clculo del valor del caudal para un periodo de retorno considerado se resuelve
por mtodos paramtricos propuestos por Ven Te Chow:
P24T = 10
log ( x ) + K * S log(
x)
(36)
Donde:
K= Factor de Frecuencia, para distintos perodos de retorno en funcin del
coeficiente de Asimetra.
2.7.2.3
DISTRIBUCIN SQRT-ET MX
Esta distribucin es propuesta por varios autores como Ferrer o Zorraquino para la
estimacin de la precipitacin para el periodo de retorno considerado.
La distribucin fue propuesta por Etoh en 1986 y su formulacin es la siguiente:
F ( x) = exp k (1 + x ) exp( x)
(37)
Donde:
F(x) es la probabilidad de que se presente un valor inferior a x,
k y son parmetros a estimar que dependen de la media y la desviacin tpica de
la serie de datos.
Calcular estos dos ltimos parmetros es una tarea dificultosa por lo que
Zorraquino desarroll una aproximacin polinmica para el clculo de dichos
parmetros. Usando esta aproximacin el clculo se simplifica notablemente, pero
resulta muy complicado para realizarlo manualmente.
El mtodo de Zorraquino sigue la siguiente formulacin:
6
Ln (k ) = a i [ln(Cv ]
(38)
i=0
6
Ln( I 1 ) = bi [Ln(k )]
(39)
i =o
Donde:
C v es un coeficiente de variacin (media/desviacin tpica),
a i y b i son parmetros estimados por Zorraquino en las tablas publicadas por l.
41
2.7.2.4
DISTRIBUCIN DE WEIBULL
Existen varias distribuciones que son positivamente asimtricas. De entre todas

ellas una, muy usada en las ciencias atmosfricas sobre todo en la medida de la
velocidad del viento aunque no en precipitaciones mximas, es la de Weibull. Su
funcin de densidad es:
1
x
f (x) = e

x,, > 0
(40)
Consta de dos parmetros y que se denominan parmetros de forma y

escala, respectivamente. La forma de la distribucin de Weibull se controla por
estos dos parmetros. As, para 1 adquiere una forma de J invertida con
fuerte asimetra positiva. Para = 1 las distribuciones de Weibull y gama son la
misma y se reducen a la distribucin exponencial. Para =3,6 la distribucin de
Weibull es casi igual a la distribucin normal. Igualmente el parmetro de escala
estira o comprime la forma a lo largo del eje x, para un dado.
La gran ventaja de la distribucin de W eibull es que su funcin de densidad es
integrable, por lo que su frmula de distribucin de probabilidad es:
x
F(x) = Pr {X x}=1exp

(41)
Con lo cual no requiere uso de tablas.

Un mtodo sorprendente para estimar estos parmetros es el comando Solver de
Excel que maximiza o minimiza el valor de una frmula variando una serie de
variables.
Este mtodo de Excel no se ha usado hasta el momento y aporta gran exactitud al
clculo de los parmetros, la metodologa es la siguiente:
Se elige la celda a minimizar que contiene la frmula del error cuadrtico entre la
frecuencia observada por la distribucin y la frecuencia real, como esta frmula
depende de los dos parmetros, se eligen estos dos parmetros como celdas a
variar imponindoles las condiciones de no negatividad.
Como resultado Solver devuelve los dos resultados de los parmetros que
minimizan el error.
2.7.2.5
DISTRIBUCIN DE BURR
En la teora de la probabilidad, estadstica y econometra, la distribucin a Burr

Tipo XII, o simplemente la Distribucin de Burr, es una distribucin de probabilidad
continua para un valor no negativo de la variable aleatoria. Tambin es conocida
como la distribucin de Singh-Maddala y es una de la serie de diferentes
distribuciones llamadas de distribucin logstica.
Su funcin de densidad queda definida por:
42
f ( x) = c k
c 1
1 +
k +1
(42)
Integrando la funcin de densidad su funcin de distribucin queda de la forma:
x
F ( x) = 1 1

(43)
Donde c y k son parmetros de forma, y lo es de escala.
Fig. 11. Funcin de densidad de la distribucin de Burr en funcin de sus parmetros.
2.7.2.6
DISTRIBUCIN LOG-LOGSTIC
La
distribucin Log-Logistic, conocida como la distribucin de pescado en
Economa, es una de distribucin de probabilidad continua para un valor no
negativo de variable aleatoria. Se utiliza en el anlisis de supervivencia como
modelo paramtrico para eventos, cuya tasa aumenta inicialmente y disminuye
posteriormente, por ejemplo, la mortalidad por cncer despus del diagnstico o
tratamiento. Tambin ha sido utilizada en hidrologa al modelo de flujo de la
corriente y la precipitacin, y, en Economa como un modelo simple de la
distribucin de la riqueza o ingresos.
Es una distribucin cuyo logaritmo de la variable aleatoria tiene una distribucin
logstica. Es similar en forma a la distribucin logartmica normal. Su funcin de
distribucin acumulada puede ser integrable, a diferencia de la normal.
Su funcin de densidad viene definida por:
43
f ( x, , ) =
x
1 +

(44)
2
La funcin de distribucin acumulada sigue la frmula:
f ( x, , ) =
(45)
1+
x
Donde :
El parmetro > 0 es un parmetro de forma
El parmetro > 0 es un parmetro de escala.
La distribucin es unimodal cundo >1 y su dispersin disminuye a medida que
aumenta.
Fig. 12. Funcin de densidad de la distribucin Log-logstica para
2.7.2.7
= 1 y diferentes valores de .
DISTRIBUCIN LOG-LOGSTIC 3P
Todo lo manifestado anteriormente para la distribucin Log-logistic es aplicable a

la distribucin Log-logistic 3P solamente que su funcin de densidad es gobernada
por un tercer parmetro ms denominado parmetro de posicin.
Su funcin de densidad se define por:
f ( x, , , ) =
x
1 +

(46)
As mismo, integrando su funcin de distribucin resulta:
44

F ( x, , , ) = 1 +
x
(47)
Donde:
= Parmetro de forma
= Parmetro de escala
= Parmetro de posicin.
2.7.2.8
DISTRIBUCION PERASON TIPO 5 Y 6
La distribucin de Pearson es una familia de distribuciones de probabilidad. Se

public por primera vez por Karl Pearson en 1895 y prorrogado posteriormente por
l en 1901 y 1916 en una serie de artculos sobre bioestadstica.
En su documento original, Pearson (1895, p. 360) identific cuatro tipos de
distribuciones (numerados del 1 al 6), adems de la distribucin normal (que fue
originalmente conocido como tipo 5).
La clasificacin depende de si las distribuciones se distribuyen en un intervalo
acotado, en lnea, o en toda la recta real, y si eran potencialmente sesgadas o
necesariamente simtricas.
Un segundo documento (Pearson 1901) fija dos omisiones: se redefini el tipo de
distribucin 5, originalmente como distribucin normal, y presenta el tipo de
distribucin 6.
Muchos de los distribuciones sesgadas son conocidas hoy en da pero an no se
conocan en la dcada de 1890.
L distribucin Beta ha cobrado importancia debido a su afiliacin en el sistema de
Pearson y fue conocida hasta la dcada de 1940 como el tipo de Pearson 1.
La distribucin Gamma tiene su origen en la obra de Pearson (Pearson 1893, p.
331; Pearson, 1895, pp. 357, 360, 373-376) y era conocida como la distribucin de
Pearson del tipo III, antes de adquirir su nombre actual en los aos 1930 y 1940.
En 1895 Pearson presenta el tipo de distribucin 4, que contiene la t-Student como
un caso especial.
Su documento de 1901 introdujo la inversa de la distribucin gamma (tipo 5) y la
distribucin tipo 6.
La funcin de densidad de Pearson 5 (3P) de tres parmetros viene definida como:
f ( x) =
x
( )

+1
(48)
y su funcin de distribucin acumulada:
45
F ( x) = 1
/( x ) ( )
(49)
( )
Donde:
=
=
=
=
Parmetro de forma
Parmetro de escala
Parmetro de localizacin
Funcin Gamma
As mismo, la funcin de densidad de Pearson 5 (2P) de dos parmetros viene

definida como:
f ( x) =
e / x
x
( )

(50)
+1
Y su funcin de distribucin acumulada:
F ( x) = 1
/ x ( )
(51)
( )
La distribucin de Pearson 6 (4P) sigue la siguiente formulacin:

Funcin de densidad:
f ( x) =
1 1
x
( 1 , 2 ) 1 +

1 + 2
(52)
La funcin de distribucin acumulada:
F ( x) = I ( x ) /( x + ) (1 , 2 )
(53)
Donde:
1 =
Parmetro de forma
2 = Parmetro de forma
= parmetro de escala
= Parmetro de posicin
=
I=
Funcin Beta incompleta

Funcin Beta regularizada incompleta
La funcin Beta se define como:

1
( 1 , 2 ) = t 1 1 (1 t ) 2 1 dt
0
(54)
46
La Funcin Beta regularizada incompleta se expresa por la funcin:
I x ( 1 , 2 ) =
2.7.2.9
x ( 1 , 2 )
( 1 , 2 )
(55)
DISTRIBUCIN GAUSSIANA INVERSA (3P)
Su la funcin de densidad de probabilidad viene dada por:
f ( x) =
2 ( x ) 3
( x )2
2* 2 /( x )
(56)
Su funcin de distribucin de probabilidad viene dada por:
F ( x) = (
1 + (
x
x
+ 1e 2 /

(57)
Donde:
, , son los parmetros de forma, escala y posicin respectivamente.
= Integral de Laplace, definida por:

x
1
t 2 / 2
=1
e
dt
2 0
(58)
La distribucin de Gauss inversa tiene varias propiedades anlogas a una

distribucin de Gauss. El nombre puede ser engaoso. Se trata de un "inversa"
slo en que, mientras que la de Gauss describe la distribucin de la distancia en el
tiempo fijado en el movimiento browniano, la inversa de Gauss describe la
distribucin del tiempo de un movimiento browniano con deriva positiva que se
necesita para alcanzar un nivel positivo fijo.
Fig. 13. Funcin de densidad de la distribucin Inversa Gaussiana
47
La distribucin Inversa Gaussiana de dos parmetros se define por su funcin de

densidad:
( )2
2 2 x
f ( x) =
e
3
2x
(59)
Y por su funcin de distribucin acumulada:
x 2 /
+ 1 e
F ( x) =
1 +
x
2.7.2.10
(60)
DISTRIBUCIN FATIGUE LIFE (3P)
La distribucin Fatigue Life fue derivada originalmente en Birnbaum y Saunders

(1969) como el fallo de una estructura debido al crecimiento de las grietas. El
modelo conceptual tena una grieta dominante que segua los patrones de las
experiencias de carga repetida hasta el punto de que la grieta es lo
suficientemente grande como para causar el fracaso. Suponiendo que el
crecimiento incremental de una grieta con cada descarga sigue la misma
distribucin, y que hay un gran nmero de pequeos incrementos en la longitud
antes de la falla, la longitud total de la grieta seguir una distribucin normal desde
Teorema central del lmite. Birnbaum y Saunders propusieron la distribucin del
nmero de estos ciclos necesarios para causar el fracaso. Si los ensayos se
producen ms o menos regularmente en el tiempo, podemos reemplazar la
probabilidad de que la estructura fallar en un cierto nmero de ensayos con la
probabilidad de fallo en un determinado perodo de tiempo.
As, la distribucin Fatigue Life se utiliza mucho para el modelo de vida til de un
dispositivo que sufre de fatiga. Otras distribuciones de uso comn para modelar la
vida til son las Lognormal, Exponencial y W eibull.
Estas distribuciones tienen su uso ms obvio en el modelado del tiempo hasta el
fallo (por ejemplo, labes de turbinas en una central elctrica, las grietas en el
casco o las alas). Sin embargo, tambin son las opciones ms obvias para el
tiempo entre los eventos (reclamaciones de seguros, las perturbaciones de
mercado, etc.), especialmente si se puede ver un paralelismo entre el modelo
fsico de la que la teora se ha derivado.
Fig. 14. Funcin de densidad de la distribucin Fatigue Life
48
La funcin de densidad viene dada por la frmula:
f ( x) =
( x ) / + /( x ) 1 x

2 ( x )
(61)
Y su funcin de probabilidad acumulada:
1 x
F ( x ) =
2.7.2.11
(62)
DISTRIBUCIN DE FRCHET (3P)
La distribucin de Frchet es un caso especial de la distribucin generalizada de

valor extremo.
Tiene por funcin de densidad:

f ( x) =
x
+1
(63)
Y por funcin de distribucin acumulada:
F ( x) = e
(64)
Donde:
= parmetro de forma
= parmetro de posicin
2.7.2.12
DISTRIBUCIN DEL
EXTREME VALUE)
VALOR
EXTREMO
GENERALIZADO
(GEN
La distribucin generalizada de valores extremos (GEV o Gen Extreme Value) es

una familia continua de distribuciones de probabilidad desarrollada en la teora del
valor extremo para combinar las distribuciones de Gumbel, Frchet y W eibull,
tambin conocidas como tipo I, II y III de la distribucin de valor extremo.
Segn el teorema del valor extremo la distribucin GEV es la distribucin lmite de
los mximos de una secuencia debidamente normalizada.. Debido a esto, la
distribucin GEV se utiliza como una aproximacin al modelo de los mximos de
secuencias de variables aleatorias (por ejemplo lluvias mximas).
En algunos campos de aplicacin generalizada de la distribucin del valor extremo
es conocido como la distribucin de Fisher-Tippett,.
Su funcin de densidad se ajusta a la frmula:
49
f ( x) =
f ( x) =
e (1+ k z )
e z e
1k
(1 + k z )
1 1
si k 0
(65)
si k = 0
(66)
Y su Funcin de distribucin acumulada:
F ( x) = e (1+k z )
F ( x) = e e
Donde
z=
1 / k
si k 0
(67)
si k = 0
(68)
(69)
k = parmetro de forma
= parmetro de posicin
2.7.2.13
DISTRIBUCIN DE DAGUM
La distribucin de Dagum fue presentada por Dagum (1977) para estudiar la

distribucin del ingreso o distribucin de la renta. La distribucin Dagum tambin
se llama la Inversa de la distribucin Burr o de Kappa. Se utiliza tambin para:
1. distribucin de los salarios
2. la distribucin de la riqueza
3. distribuciones con la cola pesada.
Fig. 15. Funcin de densidad de la distribucin de Dagum.
La funcin de densidad responde a la frmula:
50
F ( x) =
k 1
x
k

x
1 +

k +1
(70)
y la funcin de distribucin de densidad:
f ( x) = 1 +
(71)
Donde:
k , = Parmetros de forma
= Parmetro de posicin
2.7.2.14
DISTRIBUCIN DE JOHNSON SB
La distribucin Johnson SB est estrechamente relacionada con la distribucin

normal clsica .
La distribucin de SB es una funcin de probabilidad usada para la caracterizacin
de variables extremas consolidadas, como la exposicin humana y de las
concentraciones ambientales. Sin embargo, la adaptacin de los parmetros de
esta distribucin con mtodos de mxima verosimilitud es a menudo problemtico.
f ( x) =
2 z (1 z )
1
z
+Ln
2
1 z
(72)
Donde:
, = Parmetros de forma
z = Parmetro de localizacin
2.7.2.15
DISTRIBUCIN ERROR
La distribucin de error se utiliza mucho como distribucin en inferencia bayesiana

porque tiene una mayor flexibilidad que una normal, ya que la distribucin de error
es ms plana que una normal cuando n>2, y alcanza su punto mximo ms que
una distribucin normal cuando n<2.
Tambin la distribucin de error se utiliza para las variaciones en el modelo
histrico de los rendimientos del mercado de la propiedad del Reino Unido.
51
Fig. 16. Funcin de densidad de la distribucin error. Fuente: Nextflit.com
Su funcin de densidad de probabilidad sigue la forma:
f ( x) =
e ( h x )
(73)
F ( x) = 2 h x
(74)
donde:
h = Inverso del parmetro de escala,
Integral de Laplace.
2.7.2.16
DISTRIBUCIN GAMMA GENERALIZADA (4P)
Las Distribuciones Gamma son unos de los modelos ms populares para los
procesos hidrolgicos.
La distribucin gamma generalizada tiene la capacidad de imitar los atributos de
otras distribuciones como la W eibull o Lognormal.
La distribucin gamma generalizada a menudo se utiliza para modelar datos de la
vida, por s misma, y por su capacidad para comportarse como otras distribuciones
es usada a veces para determinar otros modelos.
Su funcin de densidad viene dada por la frmula:
x
k ( x ) k 1
f ( x) =
e
k ( )
(75)
52
(( x ) / ) k ( )
F ( x) =
( )
(76)
Donde:
k , = Parmetros de forma
= Parmetro de localizacin
= Funcin Gamma
2.7.2.17
LA DISTRIBUCIN BETA
La distribucin beta es una familia continua de distribuciones de probabilidad

definida en el intervalo [0, 1] por dos parmetros llamados de forma. Por lo general
se denotan por y . Es el caso especial de la distribucin de Dirichlet con slo
dos parmetros. La distribucin beta es la conjugada de la distribucin binomial.
En la estadstica bayesiana, puede ser visto como la distribucin posterior del
parmetro p de una distribucin binomial despus de observar -1 eventos
independientes con probabilidad de p y -1 con una probabilidad de 1-p, si la
distribucin previa de los p fuese uniforme.
Fig. 17. Funcin de densidad de la distribucin Beta en funcin de sus parmetros
Su funcin de densidad sigue la frmula:
f ( x) =
1
( x a ) 1 (b x) 1
B( , )
(b a ) + 1
(77)
F ( x) = I z ( , )
(78)
Donde:
Iz
= Funcin Beta incompleta regularizada,
53
, =
parmetros de escala.
I z ( , ) =
B z ( , )
B ( , )
(79)
B= Funcin Beta
1
B( , ) = t 1 (1 t ) 1 dt
(80)
2.7.2.18
DISTRIBUCIN DE NAKAGAMI
La Distribucin Nakagami es una distribucin de probabilidad relacionada con la

distribucin gamma. Tiene dos parmetros: un parmetro de forma y un segundo
parmetro para controlar la propagacin, .
Fig. 18 Distribucin de Nakagami en funcin de sus parmetros
Su funcin de densidad sigue la siguiente formulacin:
f ( x) =
( )
2 1
x2
(81)
Donde:
=
=
Parmetro de forma
Parmetro de escala
Funcin gamma
Su funcin de distribucin acumulada se distribuye segn la frmula:
x2
F ( x) = B ,
(82)
B= funcin Gama incompleta
54
2.7.2.19
DISTRIBUCIN SECANTE HIPERBLICA
La distribucin secante hiperblica es un proceso continuo de distribucin de

probabilidad cuya funcin de densidad de probabilidad y funcin caracterstica son
proporcionales a la funcin secante hiperblica.
La distribucin secante hiperblica comparte muchas caractersticas con la
distribucin normal. Es simtrica con la unidad varianza y cero con la media y
moda.
Su distribucin es proporcional a su funcin caracterstica. Sin embargo, la
distribucin de la secante hiperblica es leptocrtica, es decir, tiene un pico ms
agudo, cerca de su media, y ms pesadas las colas, en comparacin con la
distribucin normal estndar.
Fig. 19. Funcin de densidad de la distribucin hiperblica secante
Su funcin de densidad sigue la formulacin:
f ( x) =
sec h(
(x )
)
2
2
(83)
F ( x) = arctan e
( x )
(84)
Donde:
=
=
Parmetro de escala
Parmetro de localizacin
55
2.7.2.20
DISTRIBUCIN DE CAUCHY
Como una distribucin de probabilidad es conocida como la distribucin de

Cauchy, mientras que entre los fsicos es conocida como la distribucin de Lorentz
o de Breit-W igner.
Su importancia en la fsica se debe a que es la solucin a la ecuacin diferencial
de la resonancia forzada. En matemticas est estrechamente relacionada con la
distribucin de Poisson, que es la solucin fundamental para la ecuacin de
Laplace en un semiplano superior. En espectroscopia es la descripcin de la forma
de las lneas espectrales que estn sujetas a ampliacin homognea, en la que
todos los tomos interactan de la misma manera con el rango de frecuencias.
Fig. 20. Distribucin de Cauchy segn sus parmetros.
Su funcin de densidad sigue la frmula:
(x x0 ) 2
f ( x) = 1 +

(85)
F ( x) =
x x0
arctan
+ 0.5
(86)
Donde:
x0 = Parmetro de localizacin
= parmetro de escala.
2.7.3
PRUEBAS DE BONDAD DE AJUSTE
Existen en estadstica pruebas de contraste que permiten medir la fiabilidad de un

parmetro, como puede ser la varianza, la media, el coeficiente de regresin, etc.
56
Cuando se estudian los datos de una variable cuantitativa continua, las pruebas
estadsticas de estimacin y contraste ms frecuentemente empleadas estn
basadas en la suposicin de que se ha obtenido una muestra aleatoria de una
distribucin de probabilidad estimada.
Muchas veces esta suposicin no es correcta, falla, y en otras la intuicin de que
no es la distribucin correcta no es fcil de demostrar por tratarse de muestras
pequeas.
En estos casos se recurre a pruebas estadsticas que no hacen ninguna
presuncin en cuanto a la distribucin de probabilidad a partir de la que proceden
los datos, y por ello se denominan pruebas no paramtricas. Por el contrario, las
pruebas que presuponen una distribucin de probabilidad determinada para los
datos se denominan pruebas paramtricas.
Dentro de las pruebas paramtricas, las ms comunes estudian la distribucin de
probabilidad normal, y estiman
los parmetros del modelo que se supone
proceden los datos que forman parte de la muestra aleatoria de esa distribucin,
por lo que la eleccin del estimador y el clculo de la precisin de la estimacin,
elementos bsicos para construir intervalos de confianza y contrastar hiptesis,
dependen del modelo probabilstico supuesto.
Se entiende por bondad de ajuste, la asimilacin de datos observados de una
variable, a una funcin matemtica previamente establecida y reconocida. A travs
de sta es posible interpolar y extrapolar informacin; en otras palabras, predecir
el comportamiento de la variable en estudio. (Pizarro et Al, 1986).
Para la estimacin de la bondad de ajuste, existen variadas pruebas, las cuales
poseen distinto grado de efectividad.
Dadas las observaciones (X1, . . . , Xn) independientes, con distribucin F,
deseamos probar la hiptesis nula H0: F=F0. En principio, la hiptesis alternativa
ser H1: F F 0 , pero es posible que dentro de esta alternativa mltiple haya
algunas distribuciones para las que nos interese especialmente que la prueba
tenga una buena potencia.
A la hiptesis H0 se la llama hiptesis de ajuste de la distribucin. Las pruebas de
H0 se llaman pruebas de ajuste.
A lo largo del Siglo XIX, los modelos aleatorios se volvieron cada vez ms
frecuentes y cada vez ms necesarios para describir la naturaleza. Un modelo se
consideraba adecuado en tanto no presentara incoherencias evidentes con los
resultados de la experiencia.
En 1999 surgi la primera prueba de ajuste, a partir de la cual los cientficos
pudieron poner a prueba sus modelos e incluso seleccionar entre varios modelos
propuestos para un mismo fenmeno, cules son adecuados y cules no lo son.
Esa primera prueba es la llamada prueba 2 de Pearson.
En la presente tesis se aplican 2 test diferentes para ver el grado de ajuste de las
distintas distribuciones de probabilidad:
-
Test de Kolmogorov-Smirnov.
Test de Anderson-Darling.
El test de Chi-cuadrado no se ha ensayado ya que es el que ha llevado a tomar las

distribuciones que actualmente se usan y por lo tanto es el que mejor ajuste debe
presentar.
57
2.7.3.1
TEST DE KOLMOGOROV- SMIRNOV
El test de Kolmogorov-Smirnov se utiliza para decidir si una muestra proviene de

una poblacin con una distribucin especfica.
El test de Kolmogorov-Smirnov (KS) se basa en la funcin de distribucin emprica
(ECDF). Se deben ordenar de menor a mayor valor.
F(X) es la funcin de distribucin que se pretende estudiar.
Fs(X) es la probabilidad o proporcin terica de valores que deben ser iguales o
menores que x suponiendo cierta la hiptesis planteada.
S(X) es la funcin de distribucin obtenida en la muestra.
Se considerarn dos hiptesis:
H0:
F(X) = Fs(X)
H1:
F(X) Fs(X)
Muestra: n observaciones independientes.

Estadstico de contraste: Dn = mxima Fs (X) S (X)
(87)
Para la aplicacin del test sealado, es necesario determinar la frecuencia

observada acumulada.
Para la frecuencia observada en el caso especial de Gumbel, se ordena la
informacin de menor a mayor y se aplica:
Fn =
n
N +1
(88)
Donde:
F n : Frecuencia observada.
N: n total de datos.
n: nmero de orden.
En el caso de la frecuencia terica acumulada, sta se determina a travs de la
funcin de distribucin de probabilidad, por ejemplo en el caso de Gumbel.
F ( x) = e e
d ( x )
(89)
Una vez determinadas ambas frecuencias, se obtiene el supremo de las

diferencias entre ambas, en la i-sima posicin de orden, que se denomina D.
D = Sup (F n (x i ) F(x i ))
(90)
Luego, asumiendo un valor de significancia, se recurre a la tabla de valores

crticos de D en la prueba de bondad de ajuste de Kolmogorov-Smirnov, y
considerando el tamao de la muestra, se establece lo siguiente:
Si D < D tabla, se acepta que el ajuste es adecuado, con el nivel de fiabilidad
asumido.
58
2.7.3.2
TEST DE ANDERSON-DARLING
La prueba de Anderson-Darling se utiliza para comprobar si una muestra de datos

procede de una poblacin con una distribucin especfica. Se trata de una
modificacin de la prueba de Kolmogorov-Smirnov (KS) y da ms peso a las colas
que la prueba KS. La prueba de KS es la distribucin gratuita en el sentido de que
los valores crticos no dependen de la distribucin especfica que se est
probando. La prueba de Anderson-Darling hace uso de la distribucin especfica en
el clculo de los valores crticos. Esto tiene la ventaja de ser una prueba ms
sensible y la desventaja de que los valores crticos se debern calcular para cada
distribucin.
La prueba de Anderson-Darling es una alternativa a las pruebas de bondad de
ajuste de Chi-cuadrado y Kolmogorov-Smirnov.
La prueba de Anderson-Darling se define como:
H0: Los datos siguen una distribucin especificada.
H1: Los datos no siguen la distribucin especificada
Estadstico de prueba:
como :
La estadstica de prueba de Anderson-Darling se define
A = -N-S
N
S =
i =1
(91)
(2i 1) Ln(F ( x)
N
+ Ln(1 F ( x) N +1i ))
(92)
Los valores crticos para la prueba de Anderson-Darling dependen de la

distribucin especfica que se est probando. Los valores tabulados y frmulas han
sido publicados (Stephens, 1974, 1976, 1977, 1979).
La prueba es un test de una cola y la hiptesis de que la distribucin es de una
forma especfica se rechaza si la estadstica de prueba, A, es mayor que el valor
crtico.
2.7.3.3
TEST DE CHI-CUADRADO
La prueba de Chi-cuadrado se utiliza para comprobar si una muestra de datos

procede de una poblacin con una distribucin especfica.
Una caracterstica atractiva de la bondad de Chi-cuadrado es que se puede aplicar
a cualquier distribucin univariante para los que se pueda calcular la funcin de
distribucin acumulada. El test Chi-cuadrado de bondad de ajuste se aplica a los
datos desechados. Sin embargo, el valor de la estadstica de Chi-cuadrado
depende de cmo estn ordenados los datos. Otra desventaja de la prueba de Chicuadrado es que se requiere un tamao de muestra suficiente para que la
aproximacin Chi-cuadrado para ser vlida.
La prueba de Chi-cuadrado es una alternativa a la de Anderson-Darling y la de
Kolmogorov-Smirnov.
El test Chi-cuadrado de bondad de la prueba puede ser aplicado a distribuciones
discretas, como la binomial y la de Poisson. Los test de Kolmogorov-Smirnov y de
Anderson-Darling se limitan a distribuciones continuas.
59
La prueba de Chi-cuadrado se define para las hiptesis:

H0: Los datos siguen una distribucin especificada.
H1: Los datos no siguen la distribucin especificada.
Estadstico:
k
(Fn ( x) i F ( x) i )2
i =1
F ( x) i
=
2
(93)
Donde:
Fn ( x) i: Frecuencia observada
F ( x) i: Frecuencia terica
Cuanto mayor sea el valor de 2 , menos verosmil es que la hiptesis sea correcta.
De la misma forma, cuanto ms se aproxima a cero el valor de Chi-cuadrado, ms
ajustadas estn ambas distribuciones.
P-valor:
El P es un valor de probabilidad por lo que su valor se encuentra entre 0 y 1.
Clculos de P altos aceptan la hiptesis nula o no permiten rechazarla. Valores
calculados de P bajos rechazan la H0. Se rechazar la hiptesis nula si el P-valor
es menor o igual al nivel de significacin adoptado.
60
MATERIALES Y MTODOS
En este apartado se detallan los procedimientos de clculo empleados. La

formulacin de las distribuciones de Gumbel, SQRT-ET max y Log Pearson 3 se
detallan en el apartado 2.7.2.
3.1
EL
MTODO
RACIONAL.
INSTRUCCIN
5.2-IC
DE
DRENAJE
SUPERFICIAL.
Segn dictamina la Instruccin en su apartado 2.1 Para cuencas pequeas son
apropiados los mtodos hidrometeorolgicos contenidos en la presente
Instruccin, sin embargo, no fija ningn lmite cuantitativo respecto al tamao de
2
la cuenca en km , por lo que, de ser as, la afirmacin del citado artculo es
totalmente vaga e imprecisa. Sin embargo en el mismo apartado 2.1 dice
textualmente frontera entre cuencas grandes y pequeas, a efectos de la
presente Instruccin, corresponde aproximadamente a un tiempo de concentracin
(apartado 2.4 de la Instruccin) igual a seis horas por lo que se dispone de un
dato limitando la cuenca a un tiempo de concentracin inferior a seis horas.
Para encontrar un lmite cuantitativo de superficie real de la cuenca a partir del
cual deja de ser vlido el mtodo Racional, algunos autores de la Universidad de
Salamanca como Snchez San Romn habla de cuencas de 80 hectreas, poco
2
menos de 1 Km , y otros como Ve ten Chow hablan de cuencas de hasta 200
2
hectreas. Ferrer habla de cuencas de hasta 3.000 Km utilizando su elaborada
metodologa. Tmez [6] introduce sus coeficientes correctores cuando la cuenca es
2
mayor de 1 Km o arroja tiempos de concentracin mayores de 6 horas.
Como se puede observar, no hay un consenso en cuanto al lmite superficial de la
cuenca, en contraposicin al lmite temporal de 6 horas para el tiempo de
concentracin.
En la aplicacin desarrollada, el clculo del caudal punta o de clculo se basa en
la aplicacin del Mtodo Racional de la Instruccin 5.2-IC o del Mtodo Racional
Modificado por Tmez [6].
El Mtodo Racional se basa en que la aportacin de agua la efecta toda la
superficie de la cuenca, por lo que es empleado para cuencas pequeas (menos
2
de 1 km t C <6 horas). En el caso de cuencas de ms superficie (hasta 3.000
2
Km ) o con mayores tiempos de concentracin, se debe usar el mtodo de Tmez
para no mayorar en exceso los caudales y por consiguiente las obras a
dimensionar.
A continuacin se expone en grandes rasgos la metodologa de clculo del Mtodo
Racional desarrollado en la Instruccin 5.2-IC.
La frmula de clculo del caudal es:
Qc =
C I tTc S
K
(94)
donde:
Qc
es el caudal de clculo para el perodo de retorno considerado,
61
I tTc
es la intensidad de lluvia mxima para una duracin de aguacero igual al
tiempo de concentracin de la cuenca, para el periodo de retorno considerado,

S es la superficie de la cuenca en estudio, y
K es un coeficiente que mayora el caudal en un 20% para prever posibles puntas
3
de precipitacin. Su valor es 3 si se quiere obtener Q c en m /sg, introduciendo S
2
en Km y
I tTc
en mm/h.
El tiempo de concentracin que establece la Instruccin 5.2-IC, se define como el

tiempo que tarda la lluvia en llegar desde el punto ms alejado de la cuenca al
punto de estudio. Su frmula en minutos es la siguiente:
0.76
L
t c = 0,3 1
j 4

(95)
Donde:
L: Longitud de la cuenca en Km.
j: Pendiente media en m/m.
Tambin se requieren los datos de la cuenca afluente que se est estudiando.

Estos datos son la relacin I 1 que se extrae del mapa correspondiente de la
I
d
2
Instruccin 5.2-IC, el rea o superficie de la cuenca en Km , y, por ltimo, segn la
localizacin de la zona de estudio, el umbral de escorrenta P 0 de la cuenca, que
se calcula multiplicando el valor inicial a extraer de las tablas 2.1 y 2.2 de la
Instruccin 5.2-IC en funcin del tipo de suelo de la cuenca, por el coeficiente
corrector que se obtiene del mapa correspondiente de la mencionada Instruccin.
El coeficiente de escorrenta se obtiene por la frmula:
P24T P24T
P 1 * P + 23
0
C= 0
2
T
P24
P + 11
0
(96)
Si la razn P24T /P 0 fuera inferior a la unidad, el coeficiente C de escorrenta podr

considerarse nulo. En caso contrario, el valor de C podr obtenerse mediante la
expresin indicada (96).
Las cuencas heterogneas debern dividirse en reas parciales cuyos coeficientes
de escorrenta se calcularn por separado, reemplazando luego el trmino C*S de
la frmula de clculo (94) por sumatorio de (C*S).
La intensidad de lluvia en mm para un aguacero que dure el tiempo de
concentracin de la cuenca y para el periodo de retorno considerado viene dada
por la expresin:
62
I
I =I 1
Id
T
tc
280 ,1 t c0 ,1
T
d
280 ,1 1
(97)
Donde:
t c es el tiempo de concentracin de la cuenca en horas.
I1
es la relacin obtenida de la Instruccin 5.2-IC.
Id
I dT
es la intensidad mxima diaria para el periodo de retorno considerado igual a
T
24
P / 24 en mm/h.
3
Con todos estos datos se obtiene el valor del caudal de clculo Q c en m /sg
correspondiente al perodo de retorno deseado y al tiempo de concentracin de la
cuenca afluente mediante la frmula expuesta (94).
3.2
MTODO RACIONAL MODIFICADO (TMEZ)

2
Para cuencas mayores de 1 km y de hasta 3.000 km o para tiempos de

concentracin superiores a seis horas, se aconseja utilizar el Mtodo Racional
Modificado o mtodo de Tmez. Este mtodo es igual al anterior pero
introduciendo tres coeficientes correctores:
- Elimina la mayoracin del caudal del 20% al dividir por 3,6 en vez de 3, quedando
la frmula para el clculo del caudal con la siguiente expresin:
Qc =
C I tTc S
3,6
*K
(98)
- Un coeficiente de uniformidad K, que corrige el hecho de que la lluvia no es

uniforme en el tiempo. Se aplica al final para mayorar el caudal resultante Q c :
K = 1+
t c1, 25
t c1, 25 + 14
(99)
Con t c en horas
- Un coeficiente reductor por rea, ARF, que corrige el hecho de que la lluvia no es
T
uniforme geogrficamente. Se aplicar al principio minorando el valor de P24 , con

lo que minora el valor del coeficiente de escorrenta y de la intensidad de lluvia
correspondiente:
ARF = 1
log[S ]
15
(100)
Con S en km .
63
3.3
MTODO DE SALAS
Tmez propuso en 1978 un mtodo para el clculo de la intensidad mxima para

distintas duraciones de lluvia y perodos de retorno, y elabor un mapa de
isolneas. Dicho trabajo se realiz en las estaciones que contaban con pluvigrafo
por lo que elabor el mapa de isolneas para adaptarlo al resto de Espaa. Esta
metodologa se recoge posteriormente en la Instruccin 5.2-IC, y en ella incorpora
como novedad un mapa actualizado de isolneas.
Por esto, los datos que se estn utilizando actualmente son los mismos que se
dedujeron a partir de un anlisis local de las 21 estaciones existentes por todo el
territorio Espaol, con los datos existentes de las 21 estaciones hasta los aos
setenta, y ajustndolos posteriormente mediante Gumbel.
Salas Regalado [27] plantea una profunda revisin del mtodo e incorpora las
nuevas series que se han producido, utiliza nuevas funciones de distribucin ya
que parece que, en suelo mediterrneo, la distribucin de Gumbel produce valores
por defecto, y adems aplica el anlisis regional al estudio de esta variable
utilizando los 63 estaciones con pluvigrafo repartidos actualmente en Espaa,
metodologa que permite mejorar la fiabilidad de los resultados.
En la formulacin propuesta por Salas las frmulas empleadas se detallan a
continuacin:
24 a t a
I
a
I t = I 24 ( 1 ) 24 1 * h(T )
I 24
(101)
Donde:
I t = Intensidad media en el periodo t, (la I tc T del mtodo racional),

I 24 = intensidad media diaria = P24T / 24 ,
I 1 = Intensidad media en la hora ms lluviosa de ese da,
I1
Se obtiene directamente del mapa n 1 de la Fig. 21.
I 24
t = periodo de tiempo (horas) para el que se quiere evaluar la intensidad,
coincidente con el tiempo de concentracin de la cuenca de los otros
mtodos expuestos.
T = periodo de retorno al que se refiere la intensidad diaria I 24 ,

a = valor que se obtiene del mapa n 2 de la Fig. 22,
h(T) = funcin que se calcula con las frmulas que se indican ms abajo.
El valor de
h(T) se obtiene segn la siguiente formulacin:
Para t< 1 hora, punto situado en Zona 1 (mapa 3)
h(T ) = 0,0004 * ( Ln(T )) 2 + 0,0092 * Ln(T ) + 1,0044
(102)
Para t < 1 hora, punto situado en Zona 2 (mapa 3)
64
h(T ) = 0,007 * ( Ln(T )) 2 + 0,1066 * Ln(T ) + 0,9086
(103)
Para t > 1 hora, punto situado en Zona 1 (mapa 4)
h(T ) = 0,0012 * ( Ln(T )) 2 0,0136 * Ln(T ) + 1,0218
(104)
Para t>1 hora, punto situado en Zona 2 (mapa 4)
h(T ) = 0,0037 * ( Ln(T )) 2 + 0,055 * Ln(T ) + 0,9536
(105)
En la presente tesis, al estar basada solamente es estimaciones en la provincia de

Badajoz, se ha escogido Zona 1 para t1 hora y Zona 2 para t>1 hora.
Fig. 21. Mapa n Isolneas para el clculo de la relacin
I1
I 24
Fuente Salas [27]
65
Fig. 22. Mapa n 2. Valores del coeficiente a de la frmula (101)

Fuente Salas [27]
66
Fig. 23. Mapas n 3 y 4. Zonificacin para el clculo de h(T).

Fuente Salas [27]
El caudal de clculo se obtiene mediante una frmula similar a la empleada en la

Instruccin 5.2-IC:
Qc =
3.4
3.4.1
C It S
3
(106)
LA HOJA DE CLCULO COTE.XLS
INTRODUCCIN
En el clculo de los caudales de avenidas para el estudio de las llanuras de

inundacin de los ros, en encauzamientos fluviales y en el dimensionamiento de
obras de drenaje en general, es habitual el uso de la distribucin estadstica de
67
Gumbel, de Log-Pearson 3 o la distribucin SQRT-ET-mx. Se trata de

distribuciones estadsticas de contrastada eficacia para el clculo de la lluvia para
un periodo de retorno considerado partiendo de los mximos histricos de una
serie.
En esta tesis se desarrolla una hoja de clculo, basada en macros, que presenta
importantes mejoras e introduce considerables ventajas con respecto a otros
programas existentes. Basada en el programa de clculo Microsoft Excel, la
aplicacin desarrolla ntegramente la Distribucin de Gumbel, la distribucin
SQRT-ET max y la distribucin Log-Pearson 3, a fin de obtener el valor de
precipitacin mxima diaria esperada para un perodo de retorno considerado, ,
valor clave para la obtencin del caudal mximo de paso por la seccin en estudio
en fases posteriores.
A continuacin, y para el valor calculado de segn la distribucin escogida, se
desarrollan los clculos para obtener el caudal mximo de clculo en la seccin en
estudio mediante varios mtodos, el Mtodo Racional que expone la Instruccin
5.2-IC, el mtodo de Salas y por ltimo el mtodo de Tmez o Mtodo Racional
Modificado para cuencas grandes o con tiempos de concentracin elevados.
La aplicacin expuesta permite consultar todos los datos intermedios, as como el
desarrollo completo del mtodo utilizado y las frmulas de clculo empleadas. Por
ello, es una poderosa herramienta tanto de aprendizaje como de enseanza para
los alumnos y profesores en el campo de la ingeniera hidrulica.
Las diferencias y mejoras que se introducen en la aplicacin pueden ser
clasificadas en ocho grupos:
1.
Al ser su lenguaje de programacin Excel permite un fcil estudio y
visualizacin de todos los procesos y frmulas del clculo, no limitndose a dar un
mero valor del caudal obtenido.
2.
La aplicacin va ms all de dar el valor de la precipitacin mxima diaria a
travs de cuatro distribuciones de probabilidad distintas, ya que a partir de aqu es
donde est su singularidad, pues permite el total desarrollo del clculo del caudal
de referencia para la determinacin de obras de drenaje, avenidas, etc.
3.
El Mtodo Racional expuesto en la Instruccin 5.2-IC es vlido para
cuencas de pequeo tamao (menos de 1 Km2 o tiempo de concentracin menor
de seis horas). Tambin se obtiene el caudal por el mtodo de Tmez, tambin
conocido como Mtodo Racional Modificado, pues para cuencas ms grandes, de
hasta 3.000 Km2, este mtodo no sobredimensiona el caudal tanto como el Mtodo
Racional.
4.
La aplicacin tambin calcula el caudal por el mtodo propuesto por Salas
que es distinto al mtodo Racional y por tanto se puede hacer una fcil
comparativa entre los dos caudales obtenidos.
5.
Calcula y visualiza las curvas IDF, que son de gran utilidad en el clculo y
estudio de los hidrogramas de cuenca, para las intensidades obtenidas por la
distribucin de Gumbel. (Las curvas IDF son las que resultan de unir los puntos
representativos de la intensidad media en intervalos de diferente duracin, y
correspondientes todos ellos a una misma frecuencia o perodo de retorno).
6.
Calcula la altura de lmina de agua que se alcanzara en la seccin
introducida para el periodo de retorno escogido, calculando tambin los
parmetros crticos de dicha seccin.
68
7.
Determina la seccin necesaria de un canal trapezoidal o rectangular para
transportar el caudal mximo calculado, y determina sus parmetros crticos para
dicho caudal.
Para obras de drenaje circulares, calcula la seccin necesaria para evacuar los
caudales mximos, comprobando automticamente las condiciones de llenado de
la obra, as como las tres condiciones de velocidad de circulacin del agua dentro
de la misma, para comprobar su dimensionamiento frente a sedimentaciones y
erosiones
3.4.2
FUNCIONAMIENTO DE LA HOJA DE CLCULO
La aplicacin consta de dos partes bien diferenciadas. En la primera de ellas se

realizan los clculos necesarios para obtener, a partir de una serie de datos de
precipitaciones mximas diarias registradas en las estaciones pluviomtricas, la
T
Precipitacin Mxima Diaria, P 24 , que cabra esperarse para un perodo de retorno
considerado, base del clculo de caudales de paso por una seccin determinada.
En la segunda parte, a partir del dato obtenido de caudal mximo de paso por una
seccin o caudal de clculo, Q c , o bien cualquier otro caudal, se pueden obtener:
-
En el caso de un ro de seccin conocida (la cual se introduce en la

aplicacin mediante coordenadas x e y), se obtiene la altura de lmina de
agua que se alcanzara con dicho caudal, as como el tipo de rgimen de
circulacin del agua y sus parmetros normales y crticos.
En el caso de canales trapezoidales o rectangulares, se puede obtener el
caudal de paso a seccin llena, o bien, si para un cierto caudal la seccin
dada es vlida; tambin el tipo de rgimen y sus valores crticos.
En el caso de tuberas circulares, se obtiene el dimetro necesario para
transportar el caudal, as como las condiciones de llenado y velocidad del
tubo para los distintos caudales a comprobar.
A continuacin se explica cada clculo de manera ms detallada.
3.4.3
CLCULO DE LA PRECIPITACIN MXIMA DIARIA PARA UN PERIODO

DE RETORNO.
Para comenzar a usar la aplicacin, en la primera pestaa de datos iniciales se

deben introducir en las celdas de fondo verde los datos de las precipitaciones
mximas diarias registradas en las estaciones pluviomtricas, as como los datos
bsicos de la cuenca afluente y parmetros extrados de las diferentes normas y
mtodos de aplicacin, y el perodo de retorno a considerar en los clculos.
Se deben introducir las series de datos pluviomtricos ms largas posibles, en este
ejemplo se han introducido solamente 20 datos por razones de espacio.
En esta primera pantalla ya se empiezan a obtener algunos datos bsicos iniciales
para el procedimiento de clculo que aparecen coloreados en amarillo.
T
A continuacin, se encuentra el clculo de la Precipitacin Mxima Diaria P 24 para

el perodo de retorno indicado segn las tres distribuciones tradicionalmente
empleadas, Gumbel, SQRT-ET Max, y Log-Pearson III, cada una de ellas en una
pestaa distinta.
La distribucin de Gumbel calcula automticamente la precipitacin mxima diaria
para distintos periodos de retorno, ofreciendo los datos de riesgo de fallo en 30
aos y en un periodo de T aos. Adems, dibuja la curva Intensidad-Duracin para
69
el periodo de retorno considerado en los clculos y lluvias con duracin de

aguacero de hasta dos horas.
En el caso de la distribucin SQRT-ET Max. hay que ejecutar la macro que calcula
la precipitacin pinchando en el botn correspondiente, arrojando el resultado
T
buscado de P 24 para el periodo de retorno considerado.
En la distribucin de Log-Pearson III es necesario complementar un dato que se
extrae de una tabla que aparece en la misma pestaa, para ofrecer el resultado de
T
P 24 para el periodo de retorno considerado.
A continuacin en la pestaa llamada PRECIP. MAX. se expone un resumen de los
resultados obtenidos con las tres distribuciones y la desviacin con respecto de la
media de las tres, de manera que el operador de la aplicacin pueda ver de un
vistazo qu precipitacin le puede interesar ms aplicar al resto de clculos del
caudal, escogiendo para esos clculos posteriores el valor que considere ms
adecuado.
En todas las hojas se pueden visualizar todos los clculos intermedios efectuados
y puede visualizarse la frmula empleada solo con situarse en la celda en la que
se encuentra el dato.
Entre las figuras de la 24 a la 30, se muestra un ejemplo realizado con una serie
de 20 datos pluviomtricos, observndose en ellas las diferentes tablas y pasos
empleados en los clculos hasta llegar al resumen final.
DATOS INICIALES DE LA CUENCA

(Introducir datos en celdas coloreadas en verde)
PRECIPITACIONES MAXIMAS DIARIAS
P24 REGISTRADAS:
(Ordenadas de menor a mayor. Introducir
ms filas si fuese necesario)
P24
DATOS DE LA CUENCA AFLUENTE:
Superficie S:
Longitud L:
Desnivel d:
Pendiente media j =
12,1
5,1
66,3
0,013
Km
n orden
1
2
3
4
5
6
40,5
42
44,8
50
51
54,3
55
Umbral escorrenta inicial P0:
10 (Instruccin 5.2-IC. Tablas 2.1 y 2.2)
57
Coeficiente corrector de P0:
2,7 (Instruccin 5.2-IC. Figura 2.5)
9
10
11
12
13
14
15
16
17
18
19
20
57,2
60
62
66,5
66,5
71
73,2
77,4
84,1
88,3
95
104,2
Umbral escorrenta corregido P0 =
27
Perodo de retorno T:
Relacin I1/Id:
Km
m
m/m
50 aos
10 (Instruccin 5.2-IC. Figura 2.2)
Para formulacin segn Salas:

Relacin I1/I24 =
Valor de =
10 (obtener de mapa n 1 de Salas)

0,125 (obtener de mapa n 2 de Salas)
Fig. 24. Pantalla de introduccin de datos iniciales
70
DISTRIBUCIN DE GUMBEL
Precipitaciones
registradas P24
40,5
42
44,8
50
51
54,3
55
57
57,2
60
62
66,5
66,5
71
73,2
77,4
84,1
88,3
95
104,2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
N
1300,000
x
17,678
20
x
65,000
Fn ( x ) i
xi x
(x
4,762
9,524
14,286
19,048
23,810
28,571
33,333
38,095
42,857
47,619
52,381
57,143
61,905
66,667
71,429
76,190
80,952
85,714
90,476
95,238
24,500
23,000
20,200
15,000
14,000
10,700
10,000
8,000
7,800
5,000
3,000
-1,500
-1,500
-6,000
-8,200
-12,400
-19,100
-23,300
-30,000
-39,200
600,250
529,000
408,040
225,000
196,000
114,490
100,000
64,000
60,840
25,000
9,000
2,250
2,250
36,000
67,240
153,760
364,810
542,890
900,000
1536,640
-1,113
-0,855
-0,666
-0,506
-0,361
-0,225
-0,094
0,036
0,166
0,298
0,436
0,581
0,735
0,903
1,089
1,302
1,554
1,870
2,302
3,020
5937,46
10,471
1000,000
yn
0,524
yn
1,090
0,062
(y
Yi
y)
(y
-1,637
-1,379
-1,189
-1,029
-0,885
-0,749
-0,618
-0,488
-0,358
-0,225
-0,088
0,057
0,211
0,379
0,566
0,779
1,031
1,346
1,778
2,497
y)
2,679
1,900
1,414
1,059
0,783
0,561
0,381
0,238
0,128
0,051
0,008
0,003
0,045
0,144
0,320
0,606
1,063
1,812
3,162
6,233
22,5918263
56,512
Fig. 25. Tabla de clculo de distribucin de Gumbel
Perodo de
Retorno T
Frecuencia
F(x)=1-(1/T)
2
5
10
20
25
50
100
500
1000
0,5
0,8
0,9
0,95
0,96
0,98
0,99
0,998
0,999
Intensidad Intensidad mx.

horaria
Precipitacion media diaria
maxima diaria
mxima
I60T =IdT *
P24T (mm)
IdT = P24T/24
(I1/Id)^(exp=1)
(mm/h)
(mm/h)
62,45
80,83
92,99
104,66
108,37
119,77
131,09
157,24
168,49
2,60
3,37
3,87
4,36
4,52
4,99
5,46
6,55
7,02
26,02
33,68
38,75
43,61
45,15
49,90
54,62
65,52
70,20
RIESGO DE FALLO
RESULTADOS
Frecuencia
Riesgo de fallo
en 30 aos
Riesgo de fallo
en T aos
50,00%
20,00%
10,00%
5,00%
4,00%
2,00%
1,00%
0,20%
0,10%
100%
99,88%
95,76%
78,54%
70,61%
45,45%
26,03%
5,83%
2,96%
75,00%
67,23%
65,13%
64,15%
63,96%
63,58%
63,40%
63,25%
63,23%
Fig. 26. Tabla de resultados de la distribucin de Gumbel para distintos periodos de retorno.
Riesgo de fallo.
71
CURVA IDF
50 AOS
10
PERIODO DE RETORNO T =
Relacin I1/Id:
T
P24 =
119,77 mm
Id =
exp
Int. Lluvia Itc
=
10
20
30
40
50
60
70
80
90
100
110
120
T
Id
exp
* (I1/Id)^
(mm/h)
129,70
91,46
73,70
62,89
55,44
49,90
45,59
42,10
39,22
36,78
34,68
32,86
CURVA INTENSIDAD-DURACION
28 t c0,1
28 0,1 1
0 ,1
140,00
Intensidad de lluvia (mm)
Duracin
aguacero tc
(min)
4,99 mm/h
1,41
1,26
1,17
1,10
1,05
1,00
0,96
0,93
0,90
0,87
0,84
0,82
120,00
100,00
80,00
60,00
40,00
20,00
0,00
0
20
40
60
80
100
120
Duracin aguacero (min)
Fig. 27. Curva Intensidad Duracin obtenida para el perodo de retorno considerado mediante la
distribucin de Gumbel, para duraciones de aguacero de hasta 2 horas.
DISTRIBUCION SQRT ET MAX (segn Zorraquino, 2004)

Periodo de Retorno T= 50
Precipitacin Mxima diaria P24T (mm)=

Intensidad media diaria mxima IdT (mm)=
112,700
4,696
Precipitaciones registradas
P24
Fn ( x ) i
40,5
42
44,8
50
51
54,3
55
57
57,2
60
62
66,5
66,5
71
73,2
77,4
84,1
88,3
95
104,2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
N
20
20
4,762
9,524
14,286
19,048
23,810
28,571
33,333
38,095
42,857
47,619
52,381
57,143
61,905
66,667
71,429
76,190
80,952
85,714
90,476
95,238
17,678
65,000
0,272
Probabilidad no ocurrencia=
Probabilidad ocurrencia=
xi x
24,500
23,000
20,200
15,000
14,000
10,700
10,000
8,000
7,800
5,000
3,000
-1,500
-1,500
-6,000
-8,200
-12,400
-19,100
-23,300
-30,000
-39,200
0,980001
0,020
(x x )
600,2500
529,0000
408,0400
225,0000
196,0000
114,4900
100,0000
64,0000
60,8400
25,0000
9,0000
2,2500
2,2500
36,0000
67,2400
153,7600
364,8100
542,8900
900,0000
1536,6400
5937,46
Cv
Fig. 28. Tabla de clculo de distribucin SQRT-Max.
72
DISTRIBUCION LOG PEARSON III
Periodo de retorno T=
logPrecipitacin=
Precipitaciones
registradas P24
40,5
42
44,8
50
51
54,3
55
57
57,2
60
62
66,5
66,5
71
73,2
77,4
84,1
88,3
95
104,2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
N
19
20
0,266
111,50
Lnx
(logxi log x)
(log xi log x) 2
(logxi logx) 3
-0,439
-0,403
-0,338
-0,228
-0,209
-0,146
-0,133
-0,097
-0,094
-0,046
-0,013
0,057
0,057
0,122
0,153
0,208
0,291
0,340
0,413
0,506
0,193
0,162
0,114
0,052
0,044
0,021
0,018
0,009
0,009
0,002
0,000
0,003
0,003
0,015
0,023
0,043
0,085
0,116
0,171
1,341
0,256
-0,085
-0,065
-0,039
-0,012
-0,009
-0,003
-0,002
-0,001
-0,001
0,000
0,000
0,000
0,000
0,002
0,004
0,009
0,025
0,039
0,071
0,06
0,129
3,7013020
3,7376696
3,8022081
3,9120230
3,9318256
3,9945242
4,0073332
4,0430513
4,0465539
4,0943446
4,1271344
4,1972019
4,1972019
4,2626799
4,2931954
4,3489868
4,4320066
4,4807401
4,5538769
4,6463121
x log x
g, Cs
4,141
0,193
2,159
(Buscar valor de K en tabla inferior

segn los valores de g,Cs y T,
interpolando si es necesario)
4,7140056
Precipitacin Mxima diaria P24T (mm)=
lo gx
K=
50
Fig. 29. Tabla de clculo de distribucin Log Pearson III.
RESULTADOS PRECIPITACIN MAXIMA DIARIA P24T
PERIODO DE RETORNO:
50 AOS
P24T
SEGN GUMBEL:
119,77 mm
SEGN SQRT-ET MAX:
112,70 mm
SEGN LOG-PEARSON III:
111,50 mm
P24T adoptada=
Media
114,66 mm
Desviacin con respecto a la media

5,11 mm
4,46%
-1,96 mm
-1,71%
-3,16 mm
-2,75%
119,77 mm
(Escoger el valor deseado de entre los tres resultados)

Fig. 30. Tabla resumen de resultados. Eleccin de P 24 T .
3.4.4
CLCULO DEL CAUDAL.
En la hoja llamada Caudal se calcula el caudal mximo o de clculo esperado en

una seccin determinada, partiendo de la precipitacin mxima diaria calculada
anteriormente para el periodo de retorno considerado, y de los datos relativos a la
73
cuenca afluente introducidos en la primera hoja de la aplicacin, (superficie de la

cuenca, su longitud , la pendiente, la relacin
I1
, el umbral de escorrenta y los
I 10
parmetros para el clculo segn Salas).

Para ello, emplea los tres mtodos explicados en el apartado 3.2 de esta tesis,
debiendo el operador de la aplicacin al final decidir con cul de los tres caudales
obtenidos trabajar en fases posteriores, en base a su experiencia,
conservadurismo, riesgos potenciales aguas abajo, etc.
Al principio muestra un resumen de los datos introducidos y de los clculos
realizados hasta el momento. Debajo aparecen los clculos de parmetros bsicos
de cada mtodo, para ofrecer posteriormente una tabla con los resultados para
distintas duraciones de aguacero y, por supuesto, para una duracin de aguacero
igual al tiempo de concentracin de la cuenca, figuras 31, 32 y 33. Por ltimo,
muestra de manera grfica los resultados mediante las curvas Caudal-Duracin de
aguacero con tiempos de hasta 6 horas, figura 34.
74
RESUMEN DE DATOS Y CLCULOS INTERMEDIOS

PERIODO DE RETORNO T =
Relacin I1/Id:
P24T
IdT =
Superficie S =
Longitud L =
Pendiente media j =
Umbral escorrenta corregido P0 =
50 AOS
10
119,77 mm
Para Salas:
I1 / I24 =
10
0,125
4,99 mm/h
2
12,10 Km
5,1 Km
0,013 m/m
27,00
Fig. 31. Resumen inicial de datos
CLCULO DE CAUDAL PUNTA

Segn Instruccin 5.2-IC de Drenaje Superficial:
Tiempo concentracin cuenca tc =
Coeficiente de escorrenta =
Segn mtodo de Salas:

141,702 min
0,396
I24 = IdT =
t = tc =
Si tc < 1 hora, Zona 1:
Si tc > 1 hora, Zona 2:
Parmetros del ajuste de Tmez:

K= 1,17
ARF= 0,93
T
P24 corregida =
IdT corregida=
Coeficiente de escorrenta corregido =
111,123 mm
4,99 mm/h
2,36 horas
h(T ) = 0,0004 * ( Ln(T )) 2 + 0,0092 * Ln(T ) + 1,0044

h(T ) = 0,0037 * ( Ln(T )) 2 + 0,055 * Ln(T ) + 0,9536
h(T) = 1,112136747
Coef. escorrenta = 0,396
4,63 mm/h
0,370
Fig. 32. Clculo de parmetros bsicos para los tres mtodos.
75
INSTRUCCIN 5.2-IC DE DRENAJE

METODO RACIONAL
exp
Duracin
aguacero (min)
28 0,1 t c0,1
28 0,1 1
10
20
30
40
50
60
80
100
120
140
160
180
200
220
240
260
280
300
320
340
360
1,415
1,263
1,169
1,100
1,046
1,000
0,926
0,867
0,819
0,776
0,739
0,706
0,676
0,649
0,624
0,601
0,579
0,558
0,539
0,521
0,504
141,70
0,773
ItcT
Int. Lluvia
= IdT * (I1/Id)^exp
(mm/h)
TEMEZ (S > 1 Km2 tc > 6 h)

METODO RACIONAL MODIFICADO
MTODO DE SALAS
exp
Intensidad lluvia (mm/h)
CAUDAL m3/sg
Qc=(C*S*ItcT)/3
Int. Lluvia corregida

ItcT = IdT * (I1/Id)^exp
(mm/h)
CAUDAL m3/sg
Qc =K*(C*S*ItcT)/3,6
129,70
91,46
73,70
62,89
55,44
49,90
42,10
36,78
32,86
29,82
27,39
25,38
23,69
22,25
20,99
19,90
18,92
18,05
17,27
16,56
15,92
206,970
145,944
117,607
100,363
88,466
79,633
67,187
58,690
52,432
47,588
43,701
40,499
37,805
35,501
33,502
31,749
30,196
28,809
27,561
26,431
25,402
120,34
84,86
68,38
58,35
51,44
46,30
39,07
34,12
30,49
27,67
25,41
23,55
21,98
20,64
19,48
18,46
17,56
16,75
16,02
15,37
14,77
175,425
123,700
99,682
85,066
74,983
67,496
56,947
49,745
44,441
40,335
37,041
34,327
32,043
30,090
28,396
26,910
25,594
24,418
23,360
22,403
21,531
1,411
1,263
1,170
1,101
1,046
1,000
0,925
0,865
0,814
0,771
0,733
0,698
0,667
0,638
0,612
0,588
0,565
0,543
0,523
0,504
0,485
143,12
101,71
82,12
70,08
61,73
55,50
46,69
40,65
36,20
32,75
29,98
27,70
25,78
24,14
22,72
21,47
20,37
19,38
18,50
17,70
16,97
228,382
162,304
131,043
111,834
98,503
88,562
74,504
64,873
57,767
52,262
47,843
44,202
41,140
38,521
36,251
34,261
32,500
30,928
29,515
28,237
27,075
29,59
47,224
27,46
40,027
0,767
32,49
51,849
24 t
24 1
I t = I 24 (
I 1 exp
CAUDAL m3/sg
) * h(T ) Q =(C*S*I )/3
c
t
I 24
Tiempo de concentracin de la
cuenca
Fig. 33.Tabla de resultados de caudales segn los tres mtodos.
76
Curvas Caudal - Duracin del aguacero

(6 horas)
250
Caudal (m /sg)
200
150
100
50
0
0
60
120
180
240
300
360
Duracin del aguacero (min)

Segn Inst. 5.2-IC
Segn Tmez
Segn Salas
Fig. 34. Curvas Caudal-Duracin de aguacero con tiempos de hasta 6 horas.
77
3.4.5
CALCULO DEL NIVEL DE AGUA EN UNA SECCIN CUALQUIERA DE

UN RO
En este apartado de la aplicacin, mediante la pestaa llamada Seccin ro,

es posible obtener la altura de lmina de agua que se alcanzara en una seccin
conocida de un ro para un caudal determinado. Para ello hay que introducir la
geometra de la seccin del ro mediante coordenadas cartesianas x e y, as
como los parmetros bsicos del mismo como la pendiente longitudinal y el
coeficiente de rugosidad del cauce segn la frmula de Manning [49], [50].
La aplicacin calcula automticamente, por medio de una macro tipo bucle
programada en Visual Basic, el nivel de la lmina de agua que se alcanzara
para ese caudal en condiciones normales arrojando dos valores, el calado
desde el fondo del cauce y la profundidad del agua medida desde el eje x de
referencia. Adems, calcula el rea y permetros mojados, radio hidrulico y la
velocidad de circulacin del agua con ese caudal. En la parte superior indica el
tipo de rgimen de circulacin del agua, subcrtico o supercrtico. Tambin
calcula los parmetros crticos de pendiente, caudal, velocidad, calado, etc.
Si el caudal de clculo es superior al que es capaz de transportar la seccin
dada del ro, la aplicacin arroja un mensaje de Seccin desbordada alertando
del desbordamiento del ro en ese punto.
Los resultados de calados normal y crtico pueden verse grficamente de un
vistazo en el grfico de resultados central, indicndose en rojo la altura de
lmina de agua para el caudal de clculo introducido, y en rosa la altura de
lmina de agua en condiciones crticas. (Figura 35).
78
Introducir datos en celdas verdes

RGIMEN SUBCRTICO
PARMETROS NORMALES
Prof.
Agua
PARMETROS NORMALES
X (m)
Y
(m)
0,000
0,031
0,566
0,555
0,4
0,111
0,521
1,293
1,000
Nmero de Manning
0,045
1,22 0,931
0,986
1,006
1,000
Profundidad del agua

desde eje x (m)
0,289
1,33 1,041
1,676
1,616
1,000
Calado normal (m) 4,611
Area
Perimetro
Ancho lmina
agua
PARMETROS CRTICOS
PARMETROS CRTICOS
Caudal clculo (m3/sg)
130
Profundidad del agua desde eje x

(m)
0,912
Pendiente (m/m)
0,01
Calado crtico (m)
3,988
rea mojada crtica (m )
28,490
0,4
Permetro Mojado crtico (m)
16,504
Radio hidrulico crtico (m)
1,726
Area
Perimetro
Ancho lmina
agua
0,000
0,000
0,058
0,486
0,376
1,22
0,308
0,363
1,006
1,000
1,33
0,418
1,053
1,616
1,000
X (m) Y (m)
Prof.
Agua
2,6
2,311
2,411
1,020
1,000
rea mojada (m )
37,474
Caudal Manning crtico (m /sg)
91,105
2,6
1,688
1,788
1,020
1,000
2,8
2,511
2,961
1,345
1,000
Permetro Mojado (m)
19,215
Ancho lmina de agua ctica
13,411
2,8
1,888
2,338
1,345
1,000
3,7
3,411
3,611
1,077
1,000
Radio hidrulico (m)
1,950
Calado crtico (m)
3,988
3,7
2,788
2,988
1,077
1,000
0,020
4,1
3,188
3,438
1,118
1,000
4,563
4,6
3,688
3,738
1,005
1,000
10
4,7
3,788
3,888
1,020
1,000
4,56303
11
4,9
3,988
3,588
1,281
1,000
4,56278
12
4,1
3,188
2,928
1,127
1,000
1,000
4,6
1,005
1,000
10
4,7
4,411
4,511
1,020
1,000
11
4,9
4,611
4,211
1,281
1,000
0,289
0,912
12
4,1
3,811
3,551
1,127
1,000
0,289
0,912
0,912
Caudal Manning (m /sg)
129,992
3,469
Velocidad crtica (m/sg)
Velocidad (m/sg)
Pendiente crtica (m/m)
CALADO CRTICO
12
10
Q/Ac
CALADO NORMAL
SQR(9.8*Ac/b)
20
1,118
4,361
18
4,061
4,311
16
3,811
14
4,1
13
3,58 3,291
2,271
2,272
1,000
0
0,289
13
3,58
2,668
1,648
2,272
1,000
14
1,54 1,251
1,111
1,038
1,000
0,289 1
0,912
14
1,54
0,628
0,488
1,038
1,000
15
1,26 0,971
0,806
1,053
1,000
0,289 2
0,912
15
1,26
0,348
0,183
1,053
1,000
16
0,93 0,641
0,381
1,127
1,000
0,289
0,912
16
0,93
0,018
0,000
0,039
0,035
17
0,41 0,121
17,7
0,013
0,250
0,218
0,289
0,000000
0,289
0,000000
0,289
0,912
17
0,41
0,000
0,000
0,000
0,912
17,7
0,000
0,000
0,000
0,289 5
0,912
0,000
0,000
0,000
0,000000
0,289
0,912
0,000
0,000
0,000
0,000000
0,289
0,912
0,000
0,000
0,000
0,000000
0,289
0,912
0,000
0,000
0,000
Fig. 35. Clculo de la lmina de agua en la seccin de un ro y sus parmetros normales y crticos.
79
3.4.6
CLCULO DE LA SECCIN DE UN CANAL
En la pestaa Canales, entrando con el caudal de clculo Q c , obtenido en

apartados anteriores para el perodo de retorno considerado y el tiempo de
concentracin de la cuenca, o bien cualquier otro caudal, y tras introducir las
dimensiones y caractersticas de la seccin del canal, la aplicacin calcula el
calado, velocidad y tipo de rgimen (subcrtico o supercrtico).
La aplicacin proporciona ms informacin en un cuadro adjunto, como el caudal a
seccin llena del canal y la velocidad y calado con ese caudal. Adems, en ambos
casos proporciona los parmetros crticos de pendiente, calado y velocidad (Figura
36).
Si el canal propuesto no es capaz de transportar el caudal de clculo, se arroja un
mensaje de desbordamiento y se indica la necesidad de aumentar o bien las
dimensiones del canal o bien la pendiente del mismo.
MANNING
0
CANALES TRAPEZOIDALES Y RECTANGULARES
Coeficiente de Manning "n"

Pendiente longitudinal canal "i" (m/m)
Base mayor canal "B" (m)
Base menor canal "b" (m)
Altura canal "h" (m) (de 0,5 a 5 m)
0,045
0,01
2,8
1
2
RESULTADOS (a seccin llena):
RESULTADOS (con un caudal de clculo)

Caudal a transportar (m3/sg)
4,500
1,62
1,607
2
2,5
6,692
1,761
2,000
Calado (hn)
Velocidad
m
m/sg
m/m
1,360
3,053
0,042
Calado Crtico
m
3
Velocidad Crtica m /sg
Pendiente Crtica m/m
REGIMEN SUBCRTICO
2,5
1,5
m3/sg
m/sg
m
Calado Crtico
Velocidad Crtica
Pendiente Crtica
0
2
2
0
DATOS DEL CANAL:
1,5
0
0,9
1,9
2,8
0,5
Introducir datos en celdas en azul
Caudal Q
Velocidad
Calado (h)
0,5
m
m3/sg
1,080
2,804
0,043
REGIMEN SUBCRTICO
Fig. 36. Clculo de la lmina de agua en un canal trapezoidal y sus parmetros normales y crticos.
3.4.7
CLCULO DEL DIMETRO DE TUBERAS
En la pestaa Tuberas, entrando con un caudal de clculo Q c y tras introducir los

datos de pendiente y rugosidad de la tubera, la aplicacin muestra el dimetro
interior (mm.) de la tubera necesaria para transportar ese caudal, as como la
velocidad a la que circula ese caudal. Tambin muestra el caudal y velocidad del
agua a seccin llena de ese dimetro.
Para el clculo de esta seccin se usa la frmula de Manning [49],[50] cuya
expresin es la siguiente:
2
1
v = Rh3 j 2
n
(107)
80
0,380
0,380
0,380
0,380
donde:
v es la velocidad del agua en m/sg.
R h es el radio hidrulico en metros, (seccin mojada dividido entre permetro
mojado).
j es la pendiente del tubo en m/m.
n es el nmero de Manning que indica la rugosidad del tubo.
En una tabla se calcula y se visualiza la velocidad en m/sg a seccin llena y el
3
caudal en m /sg tambin a seccin llena de los distintos dimetros desde 300
hasta 1.800 mm. (Figura 37)
Se dispone de controles de forma que si con los dimetros disponibles en la tabla
no fuese posible transportar el caudal de clculo introducido, la aplicacin arroja
un mensaje en el que solicita que se aumente la pendiente de la tubera o bien el
dimetro de la misma por encima de 1800 mm.
Si se quisiese utilizar otro tipo de tubera (de distinto material con distintos
dimetros nominales e interiores), o bien trabajar con otros dimetros, basta con
cambiar en las dos primeras columnas de la tabla el par de valores de dimetro
nominal y dimetro interior para introducir los dimetros disponibles que
proporcione el fabricante.
CLCULO DEL DIMETRO DE TUBERAS
Introducir datos en celdas en azul
0,00500 m/m
Pendiente "j" (%):
0,5000
Rugosidad "n":
Caudal de clculo Qc:
0,0150 (Segn Manning)

3
3,150 m /sg
RESULTADOS
Dimetro a adoptar:
Dimetro interior:
Velocidad de circulacin:
Velocidad a seccin llena:
Caudal a seccin llena Q0:
Dimetro nom.
(mm)
Dimetro int.
(mm)
300
400
500
600
800
1000
1200
1400
1500
1800
300,0
400,0
500,0
600,0
800,0
1000,0
1200,0
1400,0
1500,0
1800,0
1400
1400
2,505
2,341
3,604
mm
mm
m/sg
m/sg
m3/sg
Rh (m)
V0 (m/sg)
a secc. llena
Q0 (m3/sg)
a secc. llena
0,075
0,100
0,125
0,150
0,200
0,250
0,300
0,350
0,375
0,450
0,838
1,016
1,179
1,331
1,612
1,871
2,113
2,341
2,451
2,768
0,059
0,128
0,231
0,376
0,810
1,469
2,389
3,604
4,332
7,044
Fig. 37. Clculo del dimetro de una tubera circular.
En la pestaa siguiente de la aplicacin se terminan de calcular algunos

parmetros del rgimen de funcionamiento de la tubera seleccionada tal y como
se explica en el apartado siguiente.
81
3.4.8
COMPROBACIN DE LAS CONDICIONES DE VELOCIDAD Y LLENADO

DE UNA TUBERA CIRCULAR
Se trata de otra novedad de la aplicacin. Se realiza en la pestaa llamada

Condiciones velocidad y llenado. Comprueba si se cumple con las velocidades
mximas y mnimas en funcin del grado de llenado de la tubera en varias
situaciones lmites, comparndolos con los valores recomendados y ampliamente
contrastados en la prctica.
La aplicacin muestra el caudal y la velocidad a seccin llena (Q 0 y v 0 ) para el
dimetro adoptado y el valor del caudal de clculo (Q c ) introducido en la pestaa
anterior.
En primer lugar se comprueba la condicin de llenado del tubo para Q c , que
debera encontrarse entre un 70%-85% segn Catal Moreno con el fin de dejar un
resguardo que pudiera asumir posibles puntas de precipitacin. Para ello, busca la
relacin (Q c /Q 0 ) clave para suministrar el grado de llenado del tubo buscado.
Tambin calcula la velocidad de circulacin del caudal de clculo.
A partir de aqu comprueba si se cumplen las tres condiciones de velocidad segn
el grado de llenado de la tubera:
i) En la primera condicin se exige que para un caudal de circulacin igual al
caudal de clculo, la velocidad de circulacin del fluido sea menor de 4,50 m/sg,
para prevenir erosiones en las tuberas.
ii) En la segunda condicin se comprueba la velocidad para un caudal mnimo de
circulacin igual a un centsimo del caudal a seccin llena (Q mi n1 /Q 0 =0,010, donde
Q min1 =Q 0 /100); en este caso la velocidad ser de al menos 0,30 m/sg.
iii) En la tercera condicin se comprueba la velocidad para un caudal mnimo de
circulacin igual a un dcimo del caudal a seccin llena (Q min2 /Q 0 =0,100, donde
Q min2 =Q 0 /10); en este caso la velocidad ser de al menos 0,60 m/sg.
Estas dos ltimas comprobaciones son necesarias, sobre todo en redes de
saneamiento unitarias y exclusivamente de aguas fecales, para evitar posibles
sedimentaciones por baja velocidad del agua, lo que provocara obstrucciones en
los conductos.
Para las tres condiciones, la aplicacin tambin calcula la altura de la lmina de
agua que se alcanzara en cada uno de estos supuestos, como puede observarse
en la figura 38 siguiente:
82
Fig. 38. Comprobacin de las condiciones de velocidad y llenado de tuberas circulares.
3.4.9
CONCLUSIN
La aplicacin tiene un alto valor didctico ya que puede ser usada como medio de
aprendizaje para alumnos de ingeniera, como manual de consulta para profesores,
y como una potente herramienta de clculo para profesionales del sector de la
hidrulica.
La aplicacin muestra claramente la metodologa seguida desde los valores
iniciales de las precipitaciones mximas diarias anuales y geometra de la cuenca,
hasta finalmente obtener el dimetro del tubo necesario para transportar el caudal
generado por una lluvia para un perodo de retorno considerado.
Durante el proceso de clculo se pueden observar las frmulas, los clculos
internos realizados por el programa y el desarrollo del mtodo, permitiendo un
comportamiento interactivo para todo calculista hidrulico, consiguiendo una
flexibilidad en los clculos y desarrollos superior a otros procesos y aplicaciones
informticas.
83
RESULTADOS Y DISCUSIONES
4.1
ESTUDIO
DE
LAS
NUEVAS
DISTRIBUCIONES
DE
PROBABILIDAD
PROPUESTAS
4.1.1
INTRODUCCIN
El anlisis estadstico de las series hidrolgicas de datos mximos anuales se

encuentra actualmente estudiado por Ferrer a nivel nacional as como diversos
autores a nivel internacional como Ve Te Chow.
Ferrer asegura en su publicacin que las distribuciones estadsticas que deben
usarse son la GEV (Valores Extremos Generalizados), LP3 (Log-Pearson 3) y la
TCVE (Frchet)
As mismo, en la serie monogrfica Mximas lluvias diarias en la Espaa
Peninsular del Ministerio de Fomento de 1999, en la cual se ha realizado una
regionalizacin de las series, se sostiene que las distribuciones que mejor se
ajustan a dichas series son:
-
Valores Extremos Generalizados (GEV)

Log-Pearson 3
Valores Extremos con dos Componentes (Frchet)
SQRT-ET max.
Escoge la Publicacin la SQRT-ET mx. para hacer la regionalizacin

siguientes razones:
por las
- Es el nico de los modelos analizados de la ley de distribucin, que ha sido

propuesto especficamente para la modelacin estadstica de mximas lluvias
diarias.
- Est formulada con slo dos parmetros lo que conlleva una completa definicin
de los cuantiles en funcin exclusivamente del coeficiente de variacin con lo que
se consigue una mayor facilidad de presentacin de resultados.
- Por la propia definicin de la ley proporciona resultados ms conservadores que
la tradicional ley de Gumbel.
- Conduce a valores ms conservadores que los otros modelos de ley analizados
para las 17 regiones con cuantiles menores, mostrando unos resultados similares
en el resto de las regiones.
- Demuestra una buena capacidad para reproducir las propiedades estadsticas
observadas en los datos, lo que se comprob mediante tcnicas de simulacin de
Montecarlo.
Estos resultados nos llevan a afirmar que no se ha realizado un estudio ni
probabilstico ni estadstico de cul es la distribucin que mejor se adapta a la
provincia de Badajoz, sino que los datos se han estudiado a nivel nacional por
medio de las 17 regiones estudiadas.
Desde los tiempos de las publicaciones ha pasado ms de una dcada en la cual
se ha hecho mucho ms frecuente el uso de otras distribuciones de probabilidad
menos conocidas, o casi desconocidas, en campos como econometra, medicina,
hacienda, etc.
84
El objeto de este captulo de la tesis es estudiar esas otras distribuciones de

probabilidad y desarrollar si pueden ser adaptadas al campo de la hidrologa y con
qu grado de exactitud en la provincia de Badajoz.
Para la realizacin de este estudio se han escogido 53 estaciones pluviomtricas
de la provincia de Badajoz, repartidas por toda la provincia y estratgicamente
escogidas, de modo que cada zona de la provincia quede representada.
El resultado, como se podr observar, ha sido francamente revelador, llegndose a
la conclusin de que existen otras distribuciones de probabilidad, que no son
tenidas en cuenta a hora de realizar los estudios probabilsticos de las series de
datos, que se ajustan de una manera sorprendente al histograma de las series.
Fig. 39. Llanura de inundacin del ro Matachel. Don lvaro.
4.1.2
FRECUENCIA DE USO DE LAS LEYES DE DISTRIBUCIN
Y TEST DE
BONDAD
Actualmente, segn el anlisis efectuado en 256 trabajos de la Excma. Diputacin
de Badajoz y de la Junta de Extremadura de estudios de avenidas para la
ejecucin de proyectos de
1. Autovas:
EXA2 y EXA1.
2. Carreteras:
EX206, EX100, EX105, EX303, EX107,.. etc.
3. Diversos estudios de drenaje :
Estudio inundabilidad tramo del arroyo san roque en Alconchel, estudio de
inundabilidad de tramo del arroyo El Moral de la modificacin NN.SS 1/2005
en Manchita, estudio de inundacin de las aguas del arroyo Cabrillas en
Valdelacalzada, calculo colector de aguas pluviales en Salvalen...etc.
se llega a la siguiente conclusin (Fig. 40):
85
De estos trabajos:
- 189 correspondieron a obras de drenaje y puentes de carreteras.
- 26 a estudios de inundabilidad.
- 41 a otros estudios de hidrologa (estudio de cuencas, clculo de caudales, etc.).
Fig. 40. Distribucin de los trabajos de hidrologa comparados
En cuanto a las distribuciones empleadas (fig. 41):
242 de ellos usan la distribucin de Gumbel, un 94%.

12 de ellos usan la distribucin de Log- Pearson 3, un 5%.
2 de ellos usan la SQRT-ET mx., apenas un 1%.
Fig. 41. Proporcin de trabajos realizados segn las leyes de distribuciones empleadas.
86
De estos trabajos no todos usan un test de bondad para ver la exactitud del ajuste,
en concreto usaron un test de bondad (fig. 42):
Fig. 42. Uso de test de Bondad del ajuste
113 usaron test de bondad.

143 no usaron test de bondad.
La Fig. 43 indica, del 44% que us el test de bondad, el test de bondad que us:
o
o
o
Coeficiente de determinacin:
Kolmogorov-Smirnov:
El mtodo de Anderson-Darling:
29
84
0
Fig. 43. Uso de los test de Bondad
Estos datos no tienen porqu sorprender ya que la distribucin de Gumbel es la

ms extendida por su fcil integracin y por ser una ley de slo dos parmetros a
diferencia de la distribucin Log-Pearson tipo 3 por ejemplo.
87
De los estudios de obras de drenaje de carreteras que corresponden al grueso de

los trabajos estudiados, stos usaron (Fig. 44):
170 usaron la distribucin de Gumbel

19 usaron la distribucin Log-pearson 3
Fig. 44. Distribucin usada en los estudios de obras de drenaje de carreteras
En los estudios de inundabilidad (Fig. 45):
24 usaron la distribucin de Gumbel

2 usaron la distribucin Log-Pearson 3
Fig. 45. Distribucin usada en los estudios de inundabilidad.
De estos datos se saca la conclusin de que la distribucin ms usada es la

distribucin de Gumbel, ms de un 90% de los casos, seguida por la distribucin
de Log-Pearson 3 en una media del 10%. Por lo tanto, la distribucin de Gumbel
monopoliza casi el total de los estudios por lo que su implantacin est
fuertemente arraigada en Espaa.
88
Sorprendentemente, tanto la distribucin GEV como la de Frchet no se utilizan en

ninguno de los estudios observados, a pesar de ser dos distribuciones
ampliamente recomendadas en la literatura hidrolgica.
Por este motivo, en la presente tesis se proponen otros modelos de distribucin,
incluyendo las distribuciones GEV y de Frchet, que se adaptan mejor a la serie de
lluvias mximas anuales en la provincia de Badajoz, para ser usadas como
alternativas a las tres distribuciones ms empleadas en la actualidad, Gumbel, Log
Pearson 3 y SQRT-ET max.
4.1.3
MTODO EMPLEADO PARA EL AJUSTE
Para el ajuste de las distribuciones se ha empleado el software EasyFit [59], el

cual ajusta las leyes de probabilidad a las series de lluvias y realiza los test de
bondad de ajuste por tres mtodos:
- El mtodo de Kolmogorov-Smirnov.
- El mtodo de Anderson-Darling.
- El mtodo de Chi-Cuadrado.
En vista a los resultados obtenidos, se decide descartar el test de Chi-Cuadrado
por dos razones, la dispersin de sus datos y su poca elaborada metodologa. As
pues, para determinar el mejor ajuste de las distribuciones se ponderan por igual
los resultados de los otros dos test indicados.
Las distribuciones empleadas han sido las siguientes:
Beta, Burr, Cauchy, Chi-squared, Dagum, Erlang, Error, Exponential 2P, Fatigue
Life 3P, Frchet 3P, Gen Extrem Value (Valor extremo generalizado GEM), Gen
Gamma 4P (Gamma generalizado), Gumbel, Hipersecant (Secante hiperblica),
Inv. Gaussian 3P (Gaussiana inversa), Johnson SB, Kumaraswamy, Laplace, Levy
2P, Log-Gamma, Log-logistic, Log-logistic 3P, Log-Pearson 3, Logistic, Lognormal,
Lognormal 3P, Nakagami, Normal, Pearson 5, Pearson 5 3P, Pearson 6 4P, Pert,
Power function, Rayleigh, Rayleigh 2P, Reciprocal, Rice, Student`s t, Triangular,
Uniform y, por ultimo, Weibull.
4.1.4
LOCALIDADES ESTUDIADAS
Se han procesado los datos de las siguientes 53 estaciones meteorolgicas, Fig.

46:
San Vicente Alcntara, Alburquerque, La Roca de la Sierra, Badajoz (Sagrajas),
Montijo (Instituto), Olivenza, Cheles, Alconchel, Villanueva del fresno, Valencia
Mombuey, Zahnos, Higuera de Vargas, Jerez de los Caballeros, Barcarrota, La
Albuera, Talavera de la Reina, Fregenal de la Sierra, Segura de Len, Cabeza la
Vaca, Fuente de Cantos, Puebla del Maestre, Casas de Reina, Villagarca de las
Torres, Berlanga, Valverde de Llerena, Azuaga, Granja de Torrehermosa, Maguilla,
Peraleda del Zaucejo, Puebla del Prior, Puebla de la Reina, Monterrubio de la
Serena, Puerto Hurraco, Castuera, Quintana de la Serena, Valle de la Serena,
Alange , Manchita, Guarea, Aceuchal, Mrida (centro escolar), Santa Amalia,
Coronada, Campanario, Acedera, Orellana de la Sierra, Casas de Don Pedro,
Capilla, Baterno, Herrera del Duque, Villarta de los Montes, Helechosa de los
Montes y Siruela.
Se han escogido las estaciones segn:
89
- Su distribucin geogrfica, de modo que queden representadas todas las zonas

de la provincia de Badajoz.
- Su nmero de series mximas anules disponibles, se han desechado las
estaciones con un nmero de series de precipitacin menor de 20 aos.
Fig. 46. Distribucin espacial de las estaciones meteorolgicas.
4.1.5
DISTRIBUCIONES QUE MEJOR SE AJUSTAN A LAS SERIES DE DATOS

DE CADA LOCALIDAD
En este apartado se va a determinar qu distribuciones son las que mejor se

ajustan a las series de datos disponibles de cada localidad estudiada segn los
test de bondad indicados.
Para las cinco distribuciones que mejor se ajusten, se determinar el orden de
ajuste con respecto a la media de los resultados de Precipitacin Mxima Diaria
T
(P 24 ) que arrojan dichas distribuciones. Tras esa comparacin, se ver que el
orden de ajuste normalmente cambia al comparar estos valores.
4.1.5.1
SAN VICENTE DE ALCNTARA. EJEMPLO DE ESTUDIO DE LA

MUESTRA DE DATOS.
A modo de ejemplo se detallan los datos, clculos completos y resultados

obtenidos para la muestra de datos de la estacin metereolgica de San Vicente
de Alcntara. Para el resto de localidades se expondrn solamente los resultados
para no repetir el procedimiento en todas las poblaciones. Los clculos se realizan
para un periodo de retorno de 500 aos.
90
4.1.5.2
DATOS PLUVIOMTRICOS REGISTRADOS Y ORDENADOS
En la tabla 9 se exponen los datos de partida de precipitaciones mximas diarias

registradas en la estacin metereolgica de San Vicente de Alcntara (55 datos),
ordenadas de menor a mayor tal y como necesitan ser introducidos en el
programa.
Ao
Precipitacin mxima diaria

registrada (mm)
1977
1992
1974
1976
1971
1961
1994
2002
2008
1950
1975
1993
1965
1973
1942
1983
1967
1959
1970
1941
1964
1960
1969
1998
1985
1988
1996
2003
1990
1989
1945
1991
1962
1972
1982
1986
1963
1953
1987
2005
1958
1984
29,0
30,2
31,0
31,0
35,0
35,7
40,6
41,2
41,2
43,0
43,0
44,3
44,5
45,0
46,5
47,2
48,3
48,5
49,0
50,2
50,2
51,3
52,0
54,9
55,2
55,6
56,6
57,2
58,0
58,1
59,0
59,4
60,0
61,0
62,5
62,7
63,0
63,1
63,5
67,2
67,3
68,8
91
Precipitacin mxima diaria

registrada (mm)
69,2
71,2
71,8
73,4
75,0
81,3
83,7
85,2
93,4
96,0
96,4
99,0
108,6
Ao
2004
1999
1955
2000
1968
1995
2001
1949
2006
1966
1928
1951
2007
Tabla 9. Precipitaciones mximas diarias registradas en San Vicente de Alcntara.
4.1.5.3
RESULTADOS DEL PROGRAMA EASYFIT
Tras introducir los datos de precipitaciones mximas registradas en el programa,

ste realiza el ajuste de las distintas distribuciones pudindose calcular para cada
T)
una de ellas la Precipitacin Mxima Diaria (P 24 esperable para un perodo de
retorno de 500 aos (probabilidad de no ocurrencia de 0,998).
Para cada distribucin ofrece la funcin de densidad y la funcin de distribucin
acumulada entre otros parmetros, tal y como se refleja en las figuras 47 y 48
para, por ejemplo, la distribucin de Dagum:
Funcin de densidad de probabilidad
0,18
0,16
0,14
0,12
f(x)
0,1
0,08
0,06
0,04
0,02
0
32
40
48
56
64
72
80
88
96
104
x
Histograma
Dagum
Fig. 47. Funcin de densidad para la distribucin de Dagum aplicable a los datos de la localidad de
San Vicente de Alcntara.
92
Funcin de distribucin acumulativa

1
0,9
0,8
0,7
F(x)
0,6
0,5
0,4
0,3
0,2
0,1
0
32
40
48
56
64
72
80
88
96
104
x
Muestra
Dagum
Fig. 48. Funcin de distribucin acumulada para la distribucin de Dagum aplicable a los datos de la
localidad de San Vicente de Alcntara.
El resultado obtenido es una tabla en la que se indica el orden de ajuste de las

distribuciones, comenzando por 1 de mejor a peor ajuste, en base a los test de
bondad indicados, tal y como refleja la Tabla 10. Tambin se expone el resultado
de ponderar los dos test de bondad en una ltima columna, la cual es la utilizada
para determinar las cinco distribuciones que mejor se ajustan teniendo en cuenta
los dos test simultneamente.
93
Bondad de ajuste - Resumen

Distribucin
Beta
Burr
Cauchy
Chi-Squared
Dagum
Erlang
Error
Exponential (2P)
Fatigue Life (3P)
Frechet (3P)
Gamma (3P)
Gen. Extreme Value
Gen. Gamma (4P)
Gumbel Max
Hypersecant
Inv. Gaussian (3P)
Johnson SB
Kumaraswamy
Laplace
Levy (2P)
Log-Gamma
Log-Logistic
Log-Logistic (3P)
Log-Pearson 3
Logistic
Lognormal
Lognormal (3P)
Nakagami
Normal
Pearson 5
Pearson 5 (3P)
Pearson 6 (4P)
Pert
Power Function
Rayleigh
Rayleigh (2P)
Reciprocal
Rice
Student's t
Triangular
Uniform
Weibull
Kolmogorov- Smirnof
Estadstica
0,08035
0,04913
0,11601
0,14853
0,04836
0,059
0,10386
0,21316
0,05582
0,06154
0,05651
0,05657
0,08544
0,06037
0,09655
0,0558
0,06475
0,13919
0,12326
0,35109
0,06497
0,06945
0,05044
0,05844
0,09633
0,05444
0,0552
0,08725
0,10922
0,0754
0,05485
0,05491
0,07345
0,20632
0,20305
0,07576
0,14574
0,08881
0,99941
0,11137
0,13605
0,0875
Rango
22
2
32
37
1
13
29
40
9
15
10
11
23
14
28
8
16
35
33
41
17
18
3
12
27
4
7
24
30
20
5
6
19
39
38
21
36
26
42
31
34
25
Anderson-Darling
Estadstica
0,48934
0,1746
0,85522
5,7908
0,17364
0,24861
0,64979
3,9019
0,20477
0,21008
0,2228
0,1875
0,47662
0,25535
0,69535
0,20372
0,27304
5,0628
0,92132
8,2304
0,23541
0,21869
0,17773
0,19473
0,63665
0,20176
0,19782
0,43172
0,69017
0,30462
0,19281
0,1929
0,38697
3,2895
3,7139
0,28643
2,1227
0,71029
406,85
0,59516
19,149
0,87604
Valor ponderado
Rango
24
2
31
39
1
16
27
37
11
12
14
4
23
17
29
10
18
38
33
40
15
13
3
7
26
9
8
22
28
20
5
6
21
35
36
19
34
30
42
25
41
32
23
2
32
38
1
15
28
39
10
14
12
8
23
16
29
9
17
37
33
41
16
16
3
10
27
7
8
23
29
20
5
6
20
37
37
20
35
28
42
28
38
29
Tabla 10. Ajuste de las distintas distribuciones en San Vicente de Alcntara.
En rojo se han sealado las cinco distribuciones que mejor se ajustan a la serie de
datos segn cada test de bondad (valores del 1 al 5). Tras ponderar los dos
conjuntamente, en azul se sealan las cinco primeras posiciones en el ajuste, es
decir las cinco distribuciones que mejor se ajustan en esta localidad, que son por
orden: Dagum, Burr, Log-logistic (3P), Pearson 5 (3P) y Pearson 6 (4P).
T
Sin embargo, calculando la Precipitacin Mxima Diaria P 24 con estas cinco

distribuciones que mejor se ajustan para el periodo de retorno de 500 aos, y
comparando esos valores con su media, tenemos que vara el orden de ajuste de
estas distribuciones, pues en este caso, la que ms se aproximara al valor medio
es la distribucin de Burr (ver tabla 11):
94
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
168,85
9,49%
Burr
155,48
0,82%
Log-Logistic (3P)
173,66
12,61%
Pearson 5 (3P)
136,56
-11,45%
Pearson 6 (4P)
136,51
-11,48%
MEDIA
154,212
Tabla 11. Distribuciones que mejor se ajustan en la localidad de San Vicente de Alcntara.
Precipitaciones mximas diarias para T=500 aos.
La Fig. 49 indica las diferencias que existen entre los valores obtenidos mediante
las distintas distribuciones.
P)
6
on
ar
s
Pe
Pe
ar
s
on
st
ic
Lo
gi
Lo
g-
(4
P)
(3
P)
(3
Bu
ag
u
rr
200
180
160
140
120
100
80
60
40
20
0
m
mm
Precipitacin mxima diaria para T=500 aos

San Vicente de Alcntara
Fig. 49. Diferencias de precipitaciones entre las distintas distribuciones.
Como se puede observar en la figura 49 la distribucin que mayor precipitacin

aporta es la distribucin Log-logistic 3P y la que menos aporta es la distribucin de
Pearson 6 (4P).
El estudio del resto de las localidades se puede consultar en el anexo n 6.
95
4.1.6
DISTRIBUCIONES QUE MEJOR SE AJUSTAN EN EL CONJUNTO DE LA

ESTUDIO DEL PROVINCIA DE BADAJOZ
4.1.6.1
INTRODUCIN
Teniendo en cuenta el total de la muestra de datos de las 53 estaciones

metereolgicas de las localidades estudiadas, y una vez determinadas las
distribuciones que mejor se ajustan a cada localidad sin tener en cuenta otras
consideraciones, en este apartado se determina qu distribuciones son las que
mejor se ajustan al conjunto de la provincia de Badajoz segn los test de bondad
empleados y su ponderacin.
Puesto que sabemos el orden de ajuste de todas las distribuciones en cada
localidad, se estudia cada distribucin por separado viendo cuantas veces aparece
entre las cinco primeras posiciones del ranking de ajuste en el conjunto de las
localidades estudiadas. Este estudio se realiza para cada test de bondad empleado
y para la ponderacin de los mismos.
As pues, se obtienen una serie de tablas que se exponen como Anexos 1, 2 y 3,
en las cuales aparece, para cada distribucin y test de bondad, las poblaciones en
las que se ajusta entre las cinco primeras posiciones. Estudiando estas tablas, se
puede llegar a la conclusin de cules son las distribuciones que ms se repiten
en el conjunto de la muestra provincial.
4.1.6.2
DISTRIBUCIONES QUE MEJOR SE AJUSTAN SEGN EL TEST DE

KOLMOGOROV-SMIRNOV
En el Anexo 1 se expone la tabla en la que se observa las veces que las distintas
distribuciones aparecen entre las cinco primeras posiciones de ajuste segn el test
de Kolmogorov-Smirnov y las poblaciones en las que lo hace.
Del estudio de dicha tabla se saca la conclusin de que las cinco distribuciones
que mejor se ajustan al conjunto de la muestra de toda la provincia de Badajoz son
por orden las indicadas en la tabla 12:
DISTRIBUCION
N veces que aparece entre las cinco

con mejor ajuste
BURR
28
LOG-LOGISTIC 3P
26
DAGUM
25
GEN EXTREME VALUE
24
FRCHET 3P
17
Tabla 12. Distribucin que mejor se adaptan segn Kolmogorov-Smirnov en el conjunto de la

provincia.
Por otra parte, se observa que las distribuciones ms comnmente empleadas en

los trabajos de hidrologa aparecen en muy pocas ocasiones, como la distribucin
96
de Gumbel que aparece en 3 localidades como una de las cinco de mejor ajuste, y
la Log Pearson 3 que aparece en 9 localidades.
En la figura 50 se muestra el nmero de sucesos de cada distribucin segn el
citado test de Kolmogorov-Smirnov.
97
0
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta
N de sucesos 5 mejores ajustes
Test Kolmogorov-Smirnov
30
25
20
15
10
Distribucin
Fig. 50. Nmero de sucesos de las distintas distribuciones segn Kolmogorov-Smirnov.
98
4.1.6.3

ANDESON-DARLING
de Anderson-Darling y las poblaciones en las que lo hace.
Del estudio de dicha tabla se saca la conclusin de que las cinco distribuciones
que mejor se ajustan al conjunto de la muestra de toda la provincia de Badajoz son
por orden las indicadas en la tabla 13:
DISTRIBUCION

con mejor ajuste
GEN EXTREME VALUE
32
BURR
29
LOG-LOGISTIC 3P
27
DAGUM
24
FRCHET 3P
21
Tabla 13. Distribucin que mejor se adaptan segn Anderson-Darling en el conjunto de la provincia.
Muy de cerca sigue la distribucin de Pearson 5 3P con 20 sucesos.

Al igual que en el caso del test de Kolmogorov-Smirnov, se observa que las
distribuciones ms comnmente empleadas en los trabajos de hidrologa aparecen
en pocas ocasiones. As la distribucin de Gumbel aparece en 6 localidades y la
Log Pearson 3 aparece en 11 localidades.
En la figura 51 se muestra el nmero de sucesos de cada distribucin segn el
citado test de Anderson-Darling.
99
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta
Test Anderson-Darling
35
30
25
20
15
10
Distribucin
Fig. 51. Nmero de sucesos de las distintas distribuciones segn Anderson-Darling
100
4.1.6.4
DISTRIBUCIONES QUE MEJOR SE AJUSTAN PONDERANDO LOS

DOS TEST DE BONDAD APLICADOS.
distribuciones aparecen entre las cinco primeras posiciones de ajuste segn el
criterio de ponderar los dos test de ajuste, as como las poblaciones en las que lo
hace.
Del estudio de dicha tabla se saca la conclusin de que las seis distribuciones que
mejor se ajustan al conjunto de la muestra de toda la provincia de Badajoz son por
orden las indicadas en la tabla 14:
DISTRIBUCION

con mejor ajuste
GEN EXTREME VALUE
32
BURR
30
DAGUM
28
LOG-LOGISTIC 3P
27
PEARSON 5 3P
23
FRCHET 3P
23
Tabla 14. Distribuciones que mejor se adaptan ponderando los dos test en el conjunto de la
provincia.
Al igual que en los dos casos anteriores se observa que las distribuciones ms
comnmente empleadas en los trabajos de hidrologa aparecen en pocas
ocasiones. As la distribucin de Gumbel aparece en 4 localidades y la Log
Pearson 3 aparece en 10 localidades.
En la figura 52 se muestra el nmero de sucesos de cada distribucin con el
criterio de ponderar los dos tests de bondad del ajuste, el de Kolmogorov-Smirnov
y el de Anderson-Darling.
101
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta
Ponderacin de tests de bondad
35
30
25
20
15
10
Distribucin
Fig. 52. Nmero de sucesos de las distintas distribuciones segn la ponderacin.
102
4.1.6.5
CONCLUSIONES
Del estudio de las tablas 64, 65 y 66 y de las figuras 50, 51 y 52 anteriormente

expuestas se llega a la conclusin de que, las distribuciones que ms veces
aparecen, y por lo tanto las que mejores ajustes con las series de mximas
precipitaciones registradas presentan en el conjunto de la provincia de Badajoz,
son:
Gen Extreme Value:

Burr:
Log-logistic 3P:
Dagum:
Frchet 3P:
Pearson 5 3P:
88
87
80
77
61
57
casos,
casos,
casos,
casos,
casos,
casos,
un
un
un
un
un
un
11,1% del total.

10,9%.
10,1%.
9,7%.
7,7%.
7,2%.
Por otra parte, las distribuciones de Gumbel y Log Pearson 3, que son dos de las
tradicionalmente empleadas en los estudios de hidrologa, presentan peores
ajustes en los test y en su ponderacin.
En la tabla 15 se expone el nmero de sucesos o casos en los que cada
distribucin ensayada aparece entre las cinco con mejor ajuste en las poblaciones
estudiadas teniendo en cuenta el conjunto de la provincia de Badajoz.
En la figura 53 se muestra el tanto por ciento de ocurrencia de estos sucesos.
103
Distribucin
Beta
Burr
Cauchy
Dagum
Erlang
Error
Fatigue Life (3P)
Frchet (3P)
Gamma (3P)
Gen. Extreme Value
Gen. Gamma (4P)
Gumbel
Inv. Gaussian (3P)
Johnson SB
Kumaraswamy
Log-Gamma
Logistic
Log-Logistic
Log-Logistic (3P)
Lognormal
Lognormal (3P)
Log-Pearson 3
Nakagami
Normal
Pearson 5
Pearson 5 (3P)
Pearson 6 (4P)
Pert
Rayleigh (2P)
Rice
Triangular
Weibull
N sucesos
segn
KolmogorovSmirnov
3
28
5
25
2
1
9
17
8
24
3
3
6
8
1
4
1
14
26
7
10
9
1
1
10
14
6
3
2
3
2
3
N sucesos
segn
AndersonDarling
2
29
3
24
0
1
8
21
4
32
1
6
4
4
1
6
1
8
27
3
10
11
2
1
13
20
12
3
2
0
1
0
N sucesos
segn la
ponderacin
N
sucesos
en total
2
30
3
28
0
2
11
23
7
32
1
4
6
5
1
3
0
12
27
3
12
10
1
1
10
23
13
3
2
0
1
0
7
87
11
77
2
4
28
61
19
88
5
13
16
17
3
13
2
34
80
13
32
30
4
3
33
57
31
9
6
3
4
3
Tabla 15. N de sucesos de las distribuciones con los cinco mejores ajustes en el conjunto de la
provincia.
104
Porcentaje de ocurrencia de las distribuciones
Burr
Cauchy
Dagum
Fatigue Life (3P)
6,9%
Frechet (3P)
10,9%
3,9%
Gamma (3P)
1,4%
Gen. Extreme Value
7,2%
9,7%
Gumbel
Inv. Gaussian (3P)
4,2%
Johnson SB
3,5%
3,8%
Log-Gamma
Log-Logistic
Log-Logistic (3P)
4,0%
7,7%
1,6%
Lognormal
Lognormal (3P)
2,4%
10,1%
Log-Pearson 3
Pearson 5
4,3%
11,1%
1,6%
1,6%
2,1%
2,0%
Pearson 5 (3P)
Pearson 6 (4P)
Otras
Fig. 53. Proporcin de sucesos de las distintas distribuciones en el conjunto de la provincia.
105
4.1.7
DISTRIBUCIONES QUE MEJOR SE AJUSTAN A LAS LOCALIDADES

CON MAYOR TAMAO MUESTRAL.
4.1.7.1
INTRODUCCIN
En Estadstica el tamao de la muestra o tamao muestral representa el nmero

de datos que componen la muestra extrada de una poblacin necesarios para que
los datos obtenidos sean representativos de la poblacin.
Es sabido que el tamao de la muestra es directamente proporcional a la precisin
de los estudios estadsticos. Por lo tanto, cuanto mayor sea la muestra, mayor
seguridad se obtiene a la hora de calcular la mejor distribucin para dicha muestra.
Cuanto mayor sea el tamao muestral, mayor ser la potencia estadstica de la
distribucin inferida.
En este apartado, y siguiendo el mismo procedimiento del apartado 3.6 anterior, se
determinan las distribuciones que mejor se ajustan al conjunto de las diez
localidades que disponen de series de datos con mayor tamao muestral, y se
compara con las distribuciones que mejor se ajustan en el conjunto de la provincia
de Badajoz ya determinadas en el apartado anterior, para ver la influencia que
tiene el tamao de la muestra.
As pues, se obtienen una serie de tablas que se exponen como Anexos 4, 5 y 6,
en las cuales aparece, para cada distribucin y test de bondad, las poblaciones en
las que se ajusta entre las cinco primeras posiciones. Estudiando estas tablas, se
puede llegar a la conclusin de cules son las distribuciones que ms se repiten
en el conjunto de las diez localidades
Las diez localidades con series de datos ms largas son Jerez de los Caballeros
(66 datos), Campanario (61 datos), Herrera del Duque (61 datos), La Roca de la
Sierra (59 datos), Guarea (59 datos), Mrida (59 datos), Casas de Don Pedro (57
datos), Monterrubio de la Serena (56 datos), Barcarrota (56 datos) y Cabeza la
Vaca (56 datos).
4.1.7.2

KOLMOGOROV-SMIRNOV. DIEZ LOCALIDADES CON MAYOR
TAMAO MUESTRAL.
de Kolmogorov-Smirnov en el conjunto de las diez poblaciones con mayor tamao
muestral.
Tras estudiar dicha tabla se saca la conclusin de que las distribuciones que mejor
se ajustan al conjunto de la muestra de esas diez localidades son por orden las
indicadas en la tabla 16.
106
DISTRIBUCION

con mejor ajuste
DAGUM
GEN EXTREME VALUE
LOG-LOGISTIC 3P
FRCHET 3P
BURR
PEARSON 5
PEARSON 5 3P
Tabla 16. Distribuciones que mejor se adaptan segn Kolmogorov-Smirnov en el conjunto de las diez
localidades con mayor tamao muestral.
Al igual que en el conjunto de la muestra provincial, tambin se observa que las

distribuciones ms comnmente empleadas en los trabajos de hidrologa aparecen
con pocos registros, como la distribucin de Gumbel que aparece en 1 localidad, e
incluso ni aparecen como la Log Pearson 3.
En la figura 54 se muestra el nmero de sucesos de cada distribucin segn el test
de Kolmogorov-Smirnov en las diez localidades estudiadas.
107
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta
Test Kolmogorov-Smirnov
10 localidades con mayor tamao muestral
Distribucin
Fig. 54. Nmero de sucesos de las distintas distribuciones segn Kolmogorov-Smirnov

en las diez localidades con mayor tamao muestral.
108
4.1.7.3

ANDERSON-DARLING. DIEZ LOCALIDADES CON MAYOR TAMAO
MUESTRAL.
El Anexo 5 recoge la tabla donde se muestra el nmero de veces que las distintas
de Anderson-Darling en el conjunto de las diez localidades con mayor tamao en la
serie de datos.
Tras estudiar dicha tabla se saca la conclusin de que las distribuciones que mejor
DISTRIBUCION

con mejor ajuste
GEN EXTREME VALUE
DAGUM
LOG-LOGISTIC 3P
PEARSON 5
BURR
FRCHET 3P
Tabla 17. Distribuciones que mejor se adaptan segn Anderson-Darling en el conjunto de las diez
En este caso, la distribucin de Gumbel aparece en 3 localidades, pero la

distribucin Log Pearson 3 ni siquiera aparece.
En la figura 55 se muestra el nmero de sucesos de cada distribucin segn el test
de Anderson-Darling en las diez localidades estudiadas.
109
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta
Test Anderson-Darling
9
8
7
6
5
4
3
2
1
0
Distribucin
Fig. 55. Nmero de sucesos de las distintas distribuciones segn Kolmogorov-Smirnov

en las diez localidades con mayor tamao muestral.
110
4.1.7.4
DISTRIBUCIONES QUE MEJOR SE

AJUSTAN SEGN LA
PONDERACIN DE LOS TESTS. DIEZ LOCALIDADES CON MAYOR
TAMAO MUESTRAL.
En el Anexo 6 se muestra la tabla donde se ve el nmero de veces que las

distintas distribuciones aparecen entre las cinco primeras posiciones de ajuste
segn la ponderacin de los dos test anteriores en el conjunto de las diez
localidades con mayor tamao de muestra.
Estudiando dicha tabla se llega a la conclusin de que las distribuciones que mejor
DISTRIBUCION

con mejor ajuste
GEN EXTREME VALUE
DAGUM
LOG-LOGISTIC 3P
PEARSON 5 3P
FRCHET 3P
PEARSON 5
Tabla 18. Distribuciones que mejor se adaptan segn la ponderacin de los tests en el conjunto de
las diez localidades con mayor tamao muestral.
La distribucin de Burr en este caso aparece en cuatro localidades.

La distribucin de Gumbel aparece en 2 localidades, y la distribucin Log Pearson
3 ni siquiera aparece.
En la figura 56 se muestra el nmero de sucesos de cada distribucin segn la
ponderacin realizada en las diez localidades estudiadas.
111
Weibull
Triangular
Rice
Rayleigh (2P)
Pert
Pearson 6 (4P)
Pearson 5 (3P)
Pearson 5
Normal
Nakagami
Log-Pearson 3
Lognormal (3P)
Lognormal
Log-Logistic (3P)
Log-Logistic
Logistic
Log-Gamma
Kumaraswamy
Johnson SB
Inv. Gaussian (3P)
Gumbel
Gen. Gamma (4P)
Gen. Extreme Value
Gamma (3P)
Frechet (3P)
Fatigue Life (3P)
Error
Erlang
Dagum
Cauchy
Burr
Beta

Distribucin
Fig. 56. Nmero de sucesos de las distintas distribuciones segn la ponderacin de los tests de bondad
en las diez localidades con mayor tamao muestral
112
4.1.7.5
CONCLUSIONES
Tras estudiar las tablas 68, 69 y 70 y las figuras 54, 55 y 56 expuestas, se llega a
la conclusin de que las distribuciones que ms veces aparecen, y por lo tanto las
que mejores ajustes con las series de mximas precipitaciones registradas
presentan, en el conjunto de las diez localidades que cuentan con mayor nmero
de datos en la serie, son:
Gen Extreme Value: 21 casos en total, un 14% del total.

Dagum:
19 casos, un 12,7% del total.
Log-logistic 3P:
18 casos, un 12% del total.
Frchet 3P:
16 casos, un 10,7% del total.
Pearson 5:
15 casos10% del total.
Pearson 5 3P:
13 casos con un 8,7% del total.
Por detrs queda la distribucin de Burr con 12 casos en total. Las distribuciones
de Gumbel y Log Pearson 3 presentan peores ajustes en los test y en su
ponderacin, 6 y 0 casos en total respectivamente.
Comparando estos resultados con los obtenidos en el apartado 3.6 anterior para el
conjunto de la provincia de Badajoz, se observa que en este caso la distribucin de
Burr no aparece como una de las primeras con mejores ajustes aunque se quedan
cerca, y, por otra parte, entra en la lista la distribucin de Pearson 5, lo que lleva a
la conclusin de que para estas distribuciones juega un papel muy importante el
nmero de datos de la muestra.
En ambos casos las distribuciones Gen Extreme Value (Valores Extremos
generalizados), Dagum, Log-logistic 3P, Frchet 3P y Pearson 5 3P se encuentran
entre las que mejores ajustes presentan.
En consecuencia, en la tabla 19 se expone el nmero de sucesos o casos en los
que cada distribucin ensayada aparece entre las cinco con mejor ajuste en las
diez poblaciones estudiadas.
En la figura 57 se muestra el tanto por ciento de ocurrencia de estos sucesos en el
conjunto de esas poblaciones.
Por lo tanto las distribuciones que mejor se ajustan son Gen
Extreme
Dagum, Log-Logistic 3P, Fchet 3P, Pearson 5 y Pearson 5 3P
Value,
113
Distribucin
N sucesos segn
KolmogorovSmirnov
Beta
N sucesos
segn
AndersonDarling
1
N sucesos
segn la
ponderacin
N
sucesos
en total
Burr
12
Cauchy
Dagum
0
19
Erlang
Error
Fatigue Life (3P)
Frchet (3P)
3
16
Gamma (3P)
Gen. Extreme Value
1
21
Gen. Gamma (4P)
Gumbel
Inv. Gaussian (3P)
Johnson SB
Kumaraswamy
Log-Gamma
Logistic
Log-Logistic
Log-Logistic (3P)
6
18
Lognormal
Lognormal (3P)
Log-Pearson 3
Nakagami
Normal
Pearson 5
0
15
Pearson 5 (3P)
13
Pearson 6 (4P)
Pert
Rayleigh (2P)
Rice
Triangular
Weibull
Tabla 19. Sucesos de las distribuciones con los cinco mejores ajustes en el conjunto de las diez
114
Beta
Porcentaje de ocurrencia de las distribuciones

10 Localidades con mayor tamao muestral
2,0%
Dagum
Fatigue Life (3P)
1,3%
8,0%
8,7%
Burr
Frechet (3P)
Gamma (3P)
10,0%
12,7%
Gen. Extreme Value

Gen. Gamma (4P)
Gumbel
4,0%
2,0%
1,3%
Inv. Gaussian (3P)

Log-Gamma
10,7%
Log-Logistic
Log-Logistic (3P)
12,0%
0,7%
Lognormal (3P)
4,0%
14,0%
1,3%
1,3%
Lognormal
4,0%
2,0%
Pearson 5
Pearson 5 (3P)
Pearson 6 (4P)
Fig. 57. Proporcin de sucesos de las distintas distribuciones en el conjunto de las diez localices con mayor tamao muestral.
115
4.1.8
VARIACIN DE RESULTADOS DE PRECIPITACIN APLICANDO LAS

DISTINTAS DISTRIBUCIONES
4.1.8.1
INTRODUCCIN
Como se ha visto en los apartados anteriores, hay cinco distribuciones que se

ajustan muy bien a las series de datos de precipitaciones registradas, las
distribuciones Gen Extreme Value (GEV o Valores extremos generalizados), Loglogistic 3P, Dagum, Frchet 3P y Pearson 5 3P.
Estas distribuciones se ajustan mucho mejor que las distribuciones de Gumbel y
Log-Pearson 3 tradicionalmente empleadas en los estudios de hidrologa.
Por otra parte nos encontramos con la distribucin SQRT-ET max empleada en la
publicacin Mximas lluvias diarias en la Espaa Peninsular del Ministerio de
Fomento para proceder al anlisis regional mediante geoestadstica, publicacin
que cada vez se usa ms por su fcil manejo y determinacin del valor buscado.
En este apartado de la tesis, se estudia la variacin que puede llegar a producirse
a la hora de determinar la Precipitacin Mxima Diaria para el periodo de retorno
T
considerado (P 24 ) mediante las distribuciones ms empleadas en la actualidad,
Gumbel, Log Pearson 3, SQRT-ET max y el anlisis regional de la publicacin
Mximas lluvias diarias en la Espaa Peninsular, denominado tradicionalmente
ndice de Avenida, o bien mediante las distribuciones que mejor se ajustan
indicadas en el prrafo primero de este punto.
T
Las variaciones que se produzcan en el valor de P 24 afectan directamente y en

igual medida al valor resultante del caudal de clculo que se determina en un
T
estudio de hidrologa. Por este motivo, el clculo de P 24 mediante una distribucin
u otra puede dar lugar a importantes diferencias en lo que a caudales se refiere.
Para comprobar el nivel de variacin de los resultados de precipitaciones mximas
anuales al usar las distintas distribuciones, se estudian las diez localidades de las
que se disponen de series anuales de lluvias mximas diarias ms largas. Los
valores obtenidos se comparan entre s y con el obtenido mediante la distribucin
de Gumbel por ser la ms ampliamente extendida en los estudios y proyectos de
hidrologa y drenaje.
Las diez localidades que cumplen la citada condicin son las indicadas en el
apartado 3.7.1.
En el captulo 3 se detalla el modelo de funcionamiento de la aplicacin
programada en Excel por este doctorando Cote.xls, con la cual se han ido
T
determinando los valores de P 24 con las distribuciones de Gumbel, SQRT-ET max
y Log Pearson 3.
Con la aplicacin informtica MAXPLUWIN del Ministerio de Fomento se ha
determinado el valor de la precipitacin por el anlisis regional o ndice de Avenida
empleado en la publicacin indicada anteriormente.
T
Los valores de P 24 del resto de distribuciones se han calculado mediante la

aplicacin informtica EasyFit [59].
El perodo de retorno considerado en todos los casos ha sido de 500 aos.
Para una mejor observacin de los resultados, se adjuntan stos en formato de
tabla, cuya lectura es fcilmente comprensible.
116
A continuacin se detallan las precipitaciones obtenidas para cada una de las diez
localidades con mayor tamao de muestra.
4.1.8.2
JEREZ DE LOS CABALLEROS
En la tabla 20 se observan los datos obtenidos en la localidad de Jerez de los

Caballeros.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
163,67
26,29%
Dagum
179,52
38,52%
Log-logistic 3P
204,84
58,06%
Frchet 3P
157,75
21,72%
Pearson 5 3P
150,97
16,49%
Gumbel
129,60
---
SQRT-ET max
139,75
7,83%
Log Pearson 3
150,74
16,31%
Anlisis regional
120,00
-7,41%
Tabla 20. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Jerez de los
Caballeros.
Cualquiera de las cinco distribuciones propuestas aporta un valor de precipitacin

superior a cualquiera de las tres distribuciones empleadas comnmente.
Como se puede apreciar, la distribucin que mayor precipitacin arroja es la Loglogistic 3P, mientras que la de Gumbel es la que menor precipitacin calcula.
En este caso, entre la que mayor valor aporta que es la Log-logistic 3P y Gumbel
hay una diferencia considerable del 58,06%.
De las cinco distribuciones con mejor ajuste propuestas, la que aporta la
precipitacin ms cercana a la de Gumbel es la distribucin Pearson 5 3P.
En cuanto al valor calculado mediante el anlisis regional de la publicacin
Mximas lluvias diarias en la Espaa Peninsular, es el menor de todos, un 7,41%
menor que Gumbel.
117
4.1.8.3
CAMPANARIO
En la tabla 21 se muestran los datos obtenidos para la localidad de Campanario.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
89,03
-0,15%
Dagum
112,77
26,47%
Log-logistic 3P
116,17
30,29%
Frchet 3P
85,35
-4,28%
Pearson 5 3P
86,47
-3,02%
Gumbel
89,16
---
SQRT-ET max
93,45
4,81%
Log Pearson 3
84,97
-4,71%
Anlisis regional
98,00
9,91%
Tabla 21. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Campanario.
La distribucin que mayor precipitacin arroja es la Log-logistic 3P, mientras que la

Log Pearson 3 es la que menor precipitacin calcula.
Salvo las distribuciones de Dagum y Log-logistic 3P que aportan una precipitacin
bastante superior, el resto de distribuciones arrojan valores muy cercanos al
obtenido mediante Gumbel, con variaciones menores del 5%.
Entre la distribucin que mayor valor aporta que es la Log-logistic 3P y la de
Gumbel hay una diferencia del 30,29%.
precipitacin ms cercana a la de Gumbel es la distribucin Gen Extreme Value.
Mximas lluvias diarias en la Espaa Peninsular, es casi un 10% mayor que el
valor de Gumbel.
118
4.1.8.4
HERRERA DEL DUQUE
En la tabla 22 se exponen los datos obtenidos para la localidad de Herrera del

Duque.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
116,02
-3,58%
Dagum
134,16
11,50%
Log-logistic 3P
140,30
16,60%
Frchet 3P
115,79
-3,77%
Pearson 5 3P
113,46
-5,71%
Gumbel
120,33
---
SQRT-ET max
124,05
3,09%
Log Pearson 3
113,91
-5,34%
Anlisis regional
135,00
12,19%
Tabla 22. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Herrera del
Duque.
En esta localidad la distribucin que mayor precipitacin calcula es la Log-logistic

3P, mientras que la que menor valor da es la distribucin Pearson 5 3P.
Entre la distribucin Log-logistic 3P y la de Gumbel hay una diferencia del 16,60%.
La diferencia entre la de Dagum y la Gumbel es del 11,50%.
El resto de distribuciones no se alejan mucho de la de Gumbel estando la variacin
en el rango 6%.
Por otra parte, el valor calculado mediante el anlisis regional de la publicacin
Mximas lluvias diarias en la Espaa Peninsular, es superior al calculado por
Gumbel, ms de un 12%, estando entre los valores arrojados por Dagum y Loglogistic 3P.
119
4.1.8.5
LA ROCA DE LA SIERRA
En la tabla 23 se observan los datos obtenidos para la localidad de La Roca de la

Sierra.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
150,71
8,12%
Dagum
178,87
28,32%
Log-logistic 3P
189,24
35,76%
Frchet 3P
148,24
6,34%
Pearson 5 3P
145,25
4,20%
Gumbel
139,40
---
SQRT-ET max
149,20
7,03%
Log Pearson 3
147,41
5,75%
Anlisis regional
125,00
-10,33%
Tabla 23. Precipitaciones obtenidas con las distintas distribuciones en la localidad de La Roca de la
Sierra.
En este caso, la distribucin de Gumbel es la que menor valor proporciona y la

Log-logistic 3P la de mayor valor, con una diferencia entre ellas del 35,76%.
El resto de distribuciones da valores mayores a la de Gumbel con distintos grados
de variacin, destacndose tras la Log-logistic 3P la distribucin de Dagum con un
28,32% de diferencia con respecto a Gumbel.
Mximas lluvias diarias en la Espaa Peninsular, es el menor de todos, ms de
un 10% menor que Gumbel.
120
4.1.8.6
GUAREA
En la tabla 24 se muestran los datos obtenidos en la localidad de Guarea.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
98,92
0,50%
Dagum
123,89
25,87%
Log-logistic 3P
126,76
28,78%
Frchet 3P
94,15
-4,35%
Pearson 5 3P
95,01
-3,48%
Gumbel
98,43
---
SQRT-ET max
102,90
4,54%
Log Pearson 3
93,35
-5,17%
Anlisis regional
107,00
8,71%
Tabla 24. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Guarea.
La distribucin Log-logistic 3P vuelve a ser la que mayor valor proporciona con una
variacin del 28,78% con respecto al valor calculado mediante Gumbel.
La que menor precipitacin calcula es la distribucin Log Pearson 3, un 5,17%
menos que la de Gumbel.
Salvo la precipitacin calculada por la distribucin de Dagum que es un 25,87%
mayor que la de Gumbel, el resto de distribuciones aporta precipitaciones que no
se alejan mucho de la calculada por Gumbel, estando en un rango del 5% de
variacin con respecto a ella.
Mximas lluvias diarias en la Espaa Peninsular, es superior en casi un 9% al
valor calculado por Gumbel.
121
4.1.8.7
MRIDA
En la tabla 25 se muestran los datos obtenidos para la localidad de Mrida.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
98,19
3,62%
Dagum
117,12
23,59%
Log-logistic 3P
131,80
39,09%
Frchet 3P
100,71
6,28%
Pearson 5 3P
100,44
5,99%
Gumbel
94,76
---
SQRT-ET max
99,50
5,00%
Log Pearson 3
99,13
4,61%
Anlisis regional
101,00
6,59%
Tabla 25. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Mrida.
En la localidad de Mrida la distribucin que menor precipitacin aporta es la de

Gumbel, y la que mayor valor aporta es nuevamente la Log-logistic 3P. La
diferencia entre ellas es de un 39,09%.
La distribucin de Dagum aporta el segundo mayor valor de precipitacin, un
23,59% mayor que la aportada por Gumbel.
Mximas lluvias diarias en la Espaa Peninsular, es superior al valor que calcula
Gumbel en un 6,59%, estando cerca del valor calculado mediante Pearson 5 3P.
122
4.1.8.8
CASAS DE DON PEDRO
La tabla 26 expone los datos obtenidos en la localidad de Casas de Don Pedro.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
91,33
-4,26%
Dagum
108,95
14,21%
Log-logistic 3P
118,19
23,90%
Frchet 3P
93,53
-1,95%
Pearson 5 3P
93,44
-2,05%
Gumbel
95,39
---
SQRT-ET max
97,80
2,52%
Log Pearson 3
94,25
-1,20%
Anlisis regional
117,00
22,65%
Tabla 26. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Casas de Don
Pedro.
En esta localidad, las distribuciones Log-logistic 3P y de Dagum son las que

mayores valores de precipitacin aportan, siendo la diferencia con respecto al
valor calculado por Gumbel del 23,90% y 14,21% respectivamente.
El resto de distribuciones da unos valores muy similares entre s, estando las
variaciones con respecto a Gumbel en el rango de 5%.
El menor valor de precipitacin en este caso lo arroja la distribucin Gen Extreme
Value, un 4,26% menor que la de Gumbel.
precipitacin ms cercana a la de Gumbel es la distribucin Frchet 3P.
123
4.1.8.9
MONTERRUBIO DE LA SERENA
En la tabla 27 se expone los datos calculados para la localidad de Monterrubio de

la Serena.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
98,23
-12,96%
Dagum
123,32
9,28%
Log-logistic 3P
124,04
9,90%
Frchet 3P
110,94
-1,69%
Pearson 5 3P
100,38
-11,05%
Gumbel
112,85
---
SQRT-ET max
118,80
5,27%
Log Pearson 3
97,79
-13,34%
Anlisis regional
118,00
4,56%
Tabla 27. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Monterrubio de
la Serena.
Las distribuciones que ms precipitacin arrojan son la Log-logistic 3P y la de

Dagum, en torno a un 9-10% superior a la que calcula la distribucin de Gumbel,
que en esta localidad se sita en una posicin intermedia.
Los valores que ms se alejan del valor ofrecido por Gumbel son en este caso las
precipitaciones calculadas mediante las distribuciones Gen Extreme Value y Log
Pearson 3.
precipitacin ms cercana a la de Gumbel es la distribucin Frchet 3P.
El valor calculado mediante el anlisis regional de la publicacin Mximas lluvias
diarias en la Espaa Peninsular, est muy prximo al valor de la distribucin
SQRT-ET max, en ambos casos en torno al 5% por encima del valor que aporta
Gumbel.
124
4.1.8.10
BARCARROTA
En la tabla 28 se muestran los datos obtenidos para la localidad de Barcarrota.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
147,61
17,35%
Dagum
158,41
25,93%
Log-logistic 3P
176,72
40,49%
Frchet 3P
140,14
11,41%
Pearson 5 3P
135,78
7,94%
Gumbel
125,79
---
SQRT-ET max
132,60
5,41%
Log Pearson 3
138,94
10,45%
Anlisis regional
123,00
-2,22%
Tabla 28. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Barcarrota.
En esta localidad la distribucin que menor precipitacin da es la de Gumbel,

mientras que la que da el valor ms alto es nuevamente la Log-logistic 3P, un
40,49% superior a la de Gumbel.
La que ms se aproxima al valor arrojado por Gumbel es la distribucin SQRT-ET
max, aunque un 5,41% superior a ella.
Mximas lluvias diarias en la Espaa Peninsular, es el menor de todos, un 2,22%
menor que Gumbel.
125
4.1.8.11
CABEZA LA VACA
En la tabla 29 se pueden observar los resultados obtenidos para la localidad de

Cabeza la Vaca.
Distribucin
P 24 (mm)
% de variacin
con respecto a
Gumbel
Gen Extreme Value
158,47
0,43%
Dagum
192,37
21,92%
Log-logistic 3P
188,97
19,76%
Frchet 3P
151,64
-3,90%
Pearson 5 3P
146,19
-7,35%
Gumbel
157,79
---
SQRT-ET max
164,90
4,51%
Log Pearson 3
145,01
-8,10%
Anlisis regional
172,00
9,00%
Tabla 29. Precipitaciones obtenidas con las distintas distribuciones en la localidad de Cabeza la
Vaca.
En esta localidad la distribucin que menor precipitacin arroja es la Log Pearson

3, mientras que las que mayor valor dan son las de Dagum y Log-logistic 3P. stas
ltimas con una variacin con respecto al valor aportado por Gumbel del 21,92% y
19,76% respectivamente.
En esta localidad, el valor calculado mediante el anlisis regional de la publicacin
Mximas lluvias diarias en la Espaa Peninsular, es un 9,00% mayor que el valor
de Gumbel.
4.1.9
CONCLUSIONES RESPECTO A LA VARIACIN DE PRECIPITACIONES

APLICANDO LAS DISTINTAS DISTRIBUCIONES
Del estudio de los apartados anteriores se deduce que las distribuciones

estadsticas que proporcionan mayores precipitaciones son la distribucin LogLogistic 3P seguida de la distribucin de Dagum. Las diferencias cuantitativas en
relacin con el valor aportado por la distribucin de Gumbel, la ms extendida en
los estudios y proyectos, son variables llegando incluso a ser considerables en
algunos casos, de hasta un 58% superior en el caso de Jerez de los Caballeros por
ejemplo, estando en la media en torno a un 30% superior.
126
En la mayora de los casos, las distribuciones estadsticas utilizadas en los

estudios y proyectos, las distribuciones de Gumbel, SQRT-ET mx y Log Pearson
3, ocupan cuantitativamente puestos intermedios en referencia a las
precipitaciones obtenidas.
Por lo tanto, si se pretende estar del lado de la seguridad, se pueden utilizar las
distribuciones Log-Logistic 3P seguida de la distribucin de Dagum, ya que se
puede tener la completa seguridad de que los caudales y precipitaciones derivados
de su aplicacin van a ser mayores que los resultados obtenidos con las
distribuciones de Gumbel, SQRT-ET mx y Log Pearson 3. Es importante destacar
que estas distribuciones son las que mejor se ajustan en los test de bondad de
Kolmogorov-Smirnov, de Anderson-Darling y en su ponderacin, por lo que estos
clculos nos dan la base legal para utilizar estas distribuciones.
Por otra parte, la distribucin SQRT-ET max arroja siempre valores de
precipitaciones superiores a Gumbel, estando del orden de un 5% de media por
encima, por lo que de utilizar las distribuciones tradicionales, se propone el uso de
sta frente a Gumbel.
En cuanto a las precipitaciones calculadas mediante el anlisis regional de la
publicacin Mximas lluvias diarias en la Espaa Peninsular, no se puede extraer
una conclusin vlida para el conjunto de la muestra, pues los resultados unas
veces se muestran por encima y otras por debajo de los resultados arrojados por
las distribuciones ms empleadas, por lo que no es posible determinar una pauta
sobre si se sobrevalora o infravalora dichos resultados al emplear esta
Publicacin.
Como conclusin, y como se ha mencionado anteriormente, las distribuciones Loglogistic 3P y de Dagum tienden a mayorar las precipitaciones dadas por las otras
distribuciones y su aplicacin se recomienda en casos en los que se pretenda un
clculo conservador de precitaciones, por estar en zonas peligrosas donde, un
fallo de clculo o un caudal poco conservador, pueda poner en peligro vidas
humanas y/o instalaciones o infraestructuras valiosas.
En los casos de modificaciones de Normas Subsidiarias o Planes Generales
Urbansticos, es recomendable la aplicacin de estas distribuciones ya que dichos
documentos suelen incluir reclasificaciones de suelos rsticos a urbanos con usos
residenciales en la mayora de los casos.
127
4.2
CLCULO Y ESTUDIO DE LAS LLANURAS DE INUNDABILIDAD
4.2.1
INTRODUCCIN
En diciembre del 2007 se present el trabajo de suficiencia investigadora Clculo

de la llanura de inundacin del Ro Palomillas aplicada a los SIG (Palomas)
mediante la combinacin de programas Gis, ArcView, con Hec-Ras y Geo-Ras.
Sin embargo, al usar este mtodo, como se trabaja sobre cartografa digital y
ortofotos sin recurrir a topografa manual, al realizar el mencionado trabajo
apareci una duda que requiere una respuesta: tiene la tcnica usada (ArcView,
HEC-Ras) la suficiente precisin como para ser utilizada con fiabilidad?.
Para resolverla, la nica manera es proceder a utilizar un mtodo comparativo, es
decir, ver si los resultados de la llanura de inundabilidad son los mismos al usar el
modelo digital o al usar la topografa clsica.
Para ello se ha tomado la cartografa digital y las ortofotos de varias localidades y
a continuacin se ha levantado con una estacin total la topografa de la zona de
estudio.
En el mismo sentido, se han realizado los clculos de la llanura de inundabilidad
tanto con la topografa digital, usando la combinacin de programas (ArcView y
Hec-Ras), y posteriormente se han realizado los clculos con la topografa clsica
tomada con la estacin total.
Al hacer el estudio comparativo se han llegado a una serie de interesantes
conclusiones las cuales se irn abordando a lo largo de este apartado.
4.2.2
OBJETIVOS
El objetivo de este apartado es estimar las diferencias de las llanuras de

inundabilidad obtenidas al utilizar topografa clsica de campo o al utilizar
topografa digital 1/1.000 con ortofotos de resolucin 0,25 metros/pxel analizados
mediante el programa SIG ArcView y, en combinacin mediante la extensin HecGeo-Ras, con el programa de simulacin hidrulica Hec-Ras.
Para ello se ha realizado el levantamiento por topografa clsica o manual en tres
Localidades para comparar los datos; estas son: La Roca de la Sierra, Villafranca
de los Barros y Palomas.
Todo ello determinar el error que se comete con la utilizacin de un Sig con
ortofotos y topografa digital, o la utilizacin de topografa clsica.
4.2.3
4.2.3.1
ANTECEDENTES
LEGISLACIN
REGULADORA
INUNDABILIDAD
DE
LOS
ESTUDIOS
DE
Se regulan los Estudios de Inundabilidad por el Real Decreto Legislativo 1/2001,

20 de julio, por el que se aprueba el Texto Refundido de la Ley de Aguas (en
adelante TRLA), y por el Reglamento del Dominio Pblico Hidrulico (en adelante
RDPH).
128
La regulacin sectorial y la regulacin de usos del espacio fluvial responden, en

lneas generales, a los siguientes criterios:
A los Organismos de Cuenca les corresponde la funcin de administracin y
control del dominio pblico hidrulico y la proteccin del rgimen de corrientes.
La proteccin de bienes y personas frente a las inundaciones atae
fundamentalmente a las Administraciones autonmicas y Locales a travs de sus
competencias sobre ordenacin del territorio y urbanismo y a Proteccin Civil a
travs de los Planes de Emergencia.
La ordenacin de los usos en zonas inundables es una tarea primordial para la
Administracin con el propsito de prevenir los riesgos de las inundaciones,
garantizar al mximo la seguridad de las personas y los bienes, as como
minimizar en lo posible las consecuencias negativas para el medio ambiente, el
patrimonio cultural y la actividad econmica, asociadas a este tipo de riesgos
naturales.
El TRLA establece en su artculo 11 que las Comunidades Autnomas podrn
establecer normas complementarias de las limitaciones que, por considerarlas
necesarias, el Estado haya establecido en el uso de zonas inundables para
garantizar la seguridad de las personas y los bienes.
Las mrgenes, o terrenos que lindan con los cauces, estn sujetas a dos zonas
claramente diferentes (art. 6 de TRLA):
a) A una zona de servidumbre de cinco metros de anchura, para uso
pblico que se regular reglamentariamente.
b) A una zona de polica de 100 metros de anchura en la que se
condicionar el uso del suelo y las actividades que se desarrollen.
En las zonas prximas a la desembocadura en el mar, en el entorno
inmediato de los embalses o cuando las condiciones topogrficas o
hidrogrficas de los cauces y mrgenes lo hagan necesario para la
seguridad de personas y bienes, podr modificarse la anchura de ambas
zonas en la forma que reglamentariamente se determine.
El art. 6 del RDPH indica adems:
La regulacin de dichas zonas tiene como finalidad la consecucin de los
objetivos de preservar el estado del dominio pblico hidrulico, prevenir el
deterioro de los ecosistemas acuticos, contribuyendo a su mejora, y
proteger el rgimen de las corrientes en avenidas, favoreciendo la funcin
de los terrenos colindantes con los cauces en la laminacin de caudales y
carga slida transportada.
La zona de servidumbre tiene los siguientes fines (artculo 7 del RDPH):
a) Proteccin del ecosistema fluvial y del dominio pblico hidrulico.
b) Paso pblico peatonal y para el desarrollo de los servicios de
vigilancia, conservacin y salvamento, salvo que por razones ambientales
o de seguridad el organismo de cuenca considere conveniente su
limitacin.
c) Varado y amarre de embarcaciones de forma ocasional y en caso de
necesidad.
2. Los propietarios de estas zonas de servidumbre podrn libremente
sembrar y plantar especies no arbreas, siempre que no deterioren el
ecosistema fluvial o impidan el paso sealado en el apartado anterior.
129
Las talas o plantaciones de especies arbreas requerirn autorizacin del

organismo de cuenca.
3. Con carcter general no se podr realizar ningn tipo de construccin
en esta zona salvo que resulte conveniente o necesaria para el uso del
dominio pblico hidrulico o para su conservacin y restauracin. Solo
podrn autorizarse edificaciones en zona de servidumbre en casos muy
justificados.
Las edificaciones que se autoricen se ejecutarn en las condiciones
menos desfavorables para la propia servidumbre y con la mnima
ocupacin de la misma, tanto en su suelo como en su vuelo. Deber
garantizarse la efectividad de la servidumbre, procurando su continuidad
o su ubicacin alternativa y la comunicacin entre las reas de su trazado
que queden limitadas o cercenadas por aqulla.
As pues, en esta zona de servidumbre no se puede realizar ningn tipo de
construccin con fines privativos por lo que jams podr ser ocupada esta zona
por los Planes Generales Urbanos.
En cuanto a la zona de polica el RDPH indica en su art. 9:
1. En la zona de polica, de 100 metros de anchura medidos
horizontalmente a partir del cauce, quedan sometidos a lo dispuesto en
este Reglamento las siguientes actividades y usos del suelo:
a) Las alteraciones sustanciales del relieve natural del terreno.
b) Las extracciones de ridos.
c) Las construcciones de todo tipo, tengan carcter definitivo o
provisional.
d) Cualquier otro uso o actividad que suponga un obstculo para la
corriente en rgimen de avenidas o que pueda ser causa de
degradacin o deterioro del estado de la masa de agua, del
ecosistema acutico, y en general, del dominio pblico hidrulico.
2. Sin perjuicio de la modificacin de los lmites de la zona de polica,
cuando concurra alguna de las causas sealadas en el artculo 6.2 del
Texto Refundido de la Ley de Aguas, la zona de polica podr ampliarse,
si ello fuese necesario, para incluir la zona o zonas donde se concentra
preferentemente el flujo, al objeto especfico de proteger el rgimen de
corrientes en avenidas, y reducir el riesgo de produccin de daos en
personas y bienes. En estas zonas o vas de flujo preferente slo podrn
ser autorizadas por el organismo de cuenca aquellas actividades no
vulnerables frente a las avenidas y que no supongan una reduccin
significativa de la capacidad de desage de dicha va.
La zona de flujo preferente es aquella zona constituida por la unin de la
zona o zonas donde se concentra preferentemente el flujo durante las
avenidas, o va de intenso desage, y de la zona donde, para la avenida
de 100 aos de perodo de retorno, se puedan producir graves daos
sobre las personas y los bienes, quedando delimitado su lmite exterior
mediante la envolvente de ambas zonas.
A los efectos de la aplicacin de la definicin anterior, se considerar que
pueden producirse graves daos sobre las personas y los bienes cuando
las condiciones hidrulicas durante la avenida satisfagan uno o ms de
los siguientes criterios:
a) Que el calado sea superior a 1 m.
130
b) Que la velocidad sea superior a 1 m/s.

c) Que el producto de ambas variables sea superior a 0,5 m/s.
Se entiende por va de intenso desage la zona por la que pasara la
avenida de 100 aos de perodo de retorno sin producir una
sobreelevacin mayor que 0,3 m, respecto a la cota de la lmina de agua
que se producira con esa misma avenida considerando toda la llanura de
inundacin existente. La sobreelevacin anterior podr, a criterio del
organismo de cuenca, reducirse hasta 0,1 m cuando el incremento de la
inundacin pueda producir graves perjuicios o aumentarse hasta 0,5 m en
zonas rurales o cuando el incremento de la inundacin produzca daos
reducidos.
En la delimitacin de la zona de flujo preferente se emplear toda la
informacin de ndole histrica y geomorfolgica existente, a fin de
garantizar la adecuada coherencia de los resultados con las evidencias
fsicas disponibles sobre el comportamiento hidrulico del ro.
3. La modificacin de los lmites de la zona de polica, cuando concurra
alguna de las causas sealadas en el apartado 2 del presente artculo,
solo podr ser promovida por la Administracin General del Estado,
autonmica o local.
La competencia para acordar la modificacin corresponder al organismo
de cuenca, debiendo instruir al efecto el oportuno expediente en el que
deber practicarse el trmite de informacin pblica y el de audiencia a
los ayuntamientos y comunidades autnomas en cuyo territorio se
encuentren los terrenos gravados y a los propietarios afectados. La
resolucin deber ser motivada y publicada, al menos, en el Boletn
Oficial de las provincias afectadas.
4. La ejecucin de cualquier obra o trabajo en la zona de polica de
cauces precisar autorizacin administrativa previa del organismo de
cuenca, sin perjuicio de los supuestos especiales regulados en este
Reglamento. Dicha autorizacin ser independiente de cualquier otra que
haya de ser otorgada por los distintos rganos de las Administraciones
pblicas.
En cuanto a las zonas inundables (art. 14 del RDPH):
1. Se consideran zonas inundables las delimitadas por los niveles
tericos que alcanzaran las aguas en las avenidas cuyo perodo
estadstico de retorno sea de 500 aos, atendiendo a estudios
geomorfolgicos, hidrolgicos e hidrulicos, as como de series de
avenidas histricas y documentos o evidencias histricas de las mismas,
a menos que el Ministerio de Medio Ambiente, a propuesta del organismo
de cuenca fije, en expediente concreto, la delimitacin que en cada caso
resulte ms adecuada al comportamiento de la corriente.
La calificacin como zonas inundables no alterar la calificacin jurdica y
la titularidad dominical que dichos terrenos tuviesen.
2. Los organismos de cuenca darn traslado a las Administraciones
competentes en materia de ordenacin del territorio y urbanismo de los
datos y estudios disponibles sobre avenidas, al objeto de que se tengan
en cuenta en la planificacin del suelo, y en particular, en las
autorizaciones de usos que se acuerden en las zonas inundables.
De igual manera los organismos de cuenca trasladarn al Catastro
inmobiliario as como a las Administraciones competentes en materia de
131
ordenacin del territorio y urbanismo los deslindes aprobados

definitivamente, o las delimitaciones de los mismos basadas en los
estudios realizados, as como de las zonas de servidumbre y polica, al
objeto de que sean incorporados en el catastro y tenidos en cuenta en el
ejercicio de sus potestades sobre ordenacin del territorio y planificacin
urbanstica, o en la ejecucin del planeamiento ya aprobado.
3. El conjunto de estudios de inundabilidad realizados por el Ministerio de
Medio Ambiente y sus organismos de cuenca configurarn el Sistema
Nacional de Cartografa de Zonas Inundables, que deber desarrollarse
en colaboracin con las correspondientes comunidades autnoma, y, en
su caso, con las administraciones locales afectadas. En esta cartografa,
adems de la zona inundable, se incluir de forma preceptiva la
delimitacin de los cauces pblicos y de las zonas de servidumbre y
polica, incluyendo las vas de flujo preferente.
La informacin contenida en el Sistema Nacional de Cartografa de las
Zonas inundables estar a disposicin de los rganos de la
Administracin estatal, autonmica y local.
Se dar publicidad al Sistema Nacional de Cartografa de Zonas
Inundables de conformidad con lo dispuesto en la Ley 27/2006, de 18 de
julio, por la que se regulan los derechos de acceso a la informacin, de
participacin pblica y de acceso a la justicia en materia de medio
ambiente.
4. El Gobierno por Real Decreto, podr establecer las limitaciones en el
uso de las zonas inundables que estime necesarias para garantizar la
seguridad de las personas y bienes. Las comunidades autnomas, y, en
su caso, las administraciones locales, podrn establecer, adems,
normas complementarias de dicha regulacin.
Por lo anteriormente expuesto, para la aprobacin de planes y proyectos, es
necesario hacer estudios de inundabilidad para perodos de retorno de 100 aos
en las zonas que se encuentren a menos de 100 metros de los cauces.
4.2.4
DIFICULTADES TCNICAS
A partir de la informacin anteriormente mencionada se pueden extraer las

siguientes conclusiones:
1. Como se puede observar en las Fig. 58 y Fig. 59, cuando se realiza el vuelo
es imposible que las curvas de nivel reflejen la cota del fondo el cauce de
los ros debido a la presencia de vegetacin y a la misma lmina de agua
del ro.
132
Fig. 58. Vegetacin en el ro (Villafranca de los Barros)
Fig. 59. Vegetacin en el ro en Palomas
2. Existe una inexactitud usando las curvas de nivel y la Ortofoto

georreferenciada a la hora de situar visualmente las orillas o el eje del
cauce.
3. Una vez localizadas las orillas y el eje del cauce se debe proceder a su
marcado con el ratn, por lo que entra en juego el pulso del proyectista a la
hora de delimitar estos datos mediante una lnea generada con el ratn.
Una desviacin de 0.2 mm produce a escala 1:1.000 un error de 20
centmetros y sin la influencia de otros factores que pueden agravar este
error.
En la figura 60 se puede observar el trazado de los ejes y las orillas del ro
mediante el ratn en el programa ArcView.
133
Fig. 60. Trazado del eje y orillas del ro
Estos son los principales problemas que se han encontrado a la hora de utilizar el
software GIS para los estudios de inundabilidad.
Se puede deducir que los software GIS no resuelven con elevada exactitud la
geometra especfica del ro.
4.2.5
ERROR EN LOS ESTUDIOS DE INUNDABILIDAD POR LA ESCALA DE

LA FOTOGRAFA
Este aspecto fundamental pasa desapercibido por la mayora de los proyectistas

de los SIGs.
De acuerdo con Cremona [81], la escala de un mapa est definida por la precisin
de los objetos geogrficos que se encuentran en l y por el lmite visual humano.
Podemos distinguir dos lneas paralelas que se encuentren separadas 0,2 mm [82],
a partir de este lmite se hacen indistinguibles. Por esto, la precisin de los objetos
a escala, debe ser mayor o igual a 0,2 mm para que no se puedan apreciar los
errores.
Igualmente, si tenemos un mapa a 1:10.000, la precisin de sus objetos
cartogrficos ser de 2.000 mm 2 m.
Si digitalizamos un mapa se comete un error en dicha digitalizacin. La magnitud
del error es muy difcil de valorar y es funcin de la habilidad del operador, de la
pantalla, etc. Un operador ideal (con visin sana, descansado y experto) como
afirma Berne et al. [83] siempre tendr un error de 0,2 mm como mnimo. Por lo
tanto, el error total de las del mapa constar de dos errores: 0.2 mm de la escala y
0.2 mm de la digitalizacin. El total no es exactamente 0,4 mm, sino segn el
departamento de expresin grfica de la UPM:
ErrorTotal = error12 + error 2 2
(108)
134
Si denominamos
x al valor ms probable del error y se define
i = x xi
como
pueden ser valores

desviaciones respecto a x , los valores 1 , 2, ..., i, ..., N
positivos y negativos, por lo que su suma algebraica no tiene finalidad fsica, ya
que unos errores positivos pueden compensar los negativos y viceversa, la suma
incluso podra resultar cero. Para eliminar esto, se elevan todos los errores al
cuadro, definiendo la suma de las desviaciones cuadrticas:
N
i=1
2
i
= x xi
i=1
(109)
Segn Denis Daz Rodrguez [84] el error que tendr un operador ideal sera:
ErrorTotal = 0.2 2 + 0.2 2 = 0.08 = 0.282842 mm

Este apartado ser muy til y es la base terica propuesta para calcular el error al
determinar, mediante el ratn, las orillas de los ros y el eje, as como los
flowpaths en el programa ArcView.
4.2.6
DIFERENCIAS DE CAUDALES OBTENIDOS AL APLICAR LA FORMULA

DE MANNING Y EL PROGRAMA UNIDIMENSIONAL HEC-RAS.
4.2.6.1
INTRODUCCIN
Flujo permanente y no permanente: tiempo como criterio. La profundidad de la

lmina de agua cambia o no con respecto al tiempo.
Flujo uniforme y flujo variado: espacio como criterio. La profundidad de la lmina
de agua cambia o no con respecto a cada seccin del ro.
El modelo HEC-RAS simula el flujo unidimensional permanente en canales
abiertos. Adems puede calcular la lmina de agua para rgimen permanente
gradualmente variado y simular flujo subcrtico y supercrtico empleando las
ecuaciones de Saint Venant aplicadas a una dimensin. Para esto resuelve la
ecuacin de la energa para una dimensin, y puntualmente tambin soluciona la
ecuacin de cantidad de movimiento cuando el perfil de agua es rpidamente
variado (resaltos hidrulicos, confluencias y puentes).
En general, sern preferibles los modelos unidimensionales o los bidimensionales,
ya que aquellos proporcionan precisin suficiente mientras que stos, aparte de
introducir una gran complejidad adicional, no slo modelstica sino tambin de
disponibilidad de datos bsicos (topografa, rugosidades direccionales, etc.),
suelen obligar a simplificaciones adicionales para tener en cuenta la segunda
dimensin. En muchas ocasiones aparece en el anlisis unidimensional la
necesidad de tomar en consideracin, aun cuando sea de manera aproximada,
efectos bidimensionales. Los programas actuales suelen abordar este problema
mediante dos tcnicas diferentes: la consideracin especfica de llanuras de
inundacin
y
las
denominadas
aproximaciones
quasibidimensionales
(Clasificacin de presas y evaluacin del riesgo con el modelo HEC-RAS.
Universidad Politcnica de Catalua)
Sin embargo, la frmula de Manning [49],[50], ampliamente utilizada en hidrologa,
solamente es funcin de tres parmetros.
135
4.2.6.2
La pendiente
El radio hidrulico
El coeficiente de rugosidad o de Manning.
CLCULOS 10 SECCIONES DISTINTAS POR MANNING Y HEC-RAS
En este apartado se pretende estudiar si en ros de secciones regulares,

uniformes, sin obstculos ni curvas, donde se supone un rgimen unidimensional,
se producen diferencias significativas en el clculo de caudales mediante el
programa Hec-Ras o mediante la metodologa tradicional empleando la frmula de
Manning.
Para poder establecer un anlisis sobre los datos arrojados utilizando ambos
modelos se han realizado los clculos sobre 10 secciones distintas de ros para
tener una variedad de muestras lo suficientemente heterognea para llegar a
conclusiones fiables.
Los cauces estudiados se representan a continuacin en la Fig. 61:
Fig. 61. Secciones estudiadas para obtener la diferencia de caudal entre el mtodo tradicional y el
programa Hec -Ras
En seis de ellas, secciones 1, 2, 3, 4, 5 y 8 se ha utilizado un caudal de 148 m /sg

3
y en tres de ellas se ha utilizado un caudal de 3 m /sg, caudales muy dispares para
ver las posibles variaciones.
En todas ellas se ha utilizado un coeficiente de Manning de 0,045 y una pendiente
de 0,01 m/m.
Para el clculo mediante la frmula de Manning se ha utilizado la aplicacin
informtica Cote.xls detallada en el apartado 3 de la presente tesis.
La tabla 30 indica los resultados obtenidos utilizando la Frmula de Manning,
altura de lmina de agua en metros, velocidad del flujo en m/sg y altura crtica
tambin en metros:
136
Manning
Seccin 1
Seccin 2
Seccin 3
Seccin 4
Seccin 5
Seccin 6
Seccin 7
Seccin 8
Seccin 9
Seccin 10
Altura lmina
Velocidad
Altura crtica
Caudal
6,4
6,29
6,38
10,59
9,12
1,58
2,33
11,67
1,27
1,8
3,64
3,6
3,47
3,35
3,06
1,41
1,32
3,18
1,43
1,31
5,52
5,23
5,63
7,95
8,15
1,09
1,48
8,99
0,95
1,19
148
148
148
148
148
3
3
148
3
3
Tabla 30. Resultados obtenidos en las diferentes secciones utilizando la frmula de Manning
Los resultados obtenidos utilizando la el programa Hec-Ras son los siguientes

(Tabla 31):
Hec-Ras
Seccin 1
Seccin 2
Seccin 3
Seccin 4
Seccin 5
Seccin 6
Seccin 7
Seccin 8
Seccin 9
Seccin 10
Altura lmina
Velocidad
Altura crtica
Caudal
6,4
6,23
6,24
9,88
8,89
1,58
2,33
11,5
1,27
1,76
3,65
3,89
3,75
4,17
3,63
1,41
1,32
3,48
1,43
1,42
5,5
5,32
5,64
7,98
7,34
1,09
1,49
9,06
0,95
1,19
148
148
148
148
148
3
3
148
3
3
Tabla 31. Resultados obtenidos en las diferentes secciones utilizando Hec-Ras
En la Fig. 62 se observa la diferencia de alturas en la lmina de agua utilizando el

programa Hec-Ras o aplicando el mtodo tradicional de la frmula de Manning.
137
ALTURA DE LAMINA DE AGUA

14
12
Metros
10
8
6
4
2
Manning
Seccin
10
Seccin 9
Seccin 8
Seccin 7
Seccin 6
Seccin 5
Seccin 4
Seccin 3
Seccin 2
Seccin 1
Hec-Ras
Fig. 62. Comparativa de lminas de agua en Hec-Ras y Manning
4.2.6.3
Del
CONCLUSIONES
anlisis
de
los
resultados
se
extraen
las
siguientes
conclusiones:
1.En cauces rectos con secciones invariables topogrficamente, se obtienen casi

idnticos resultados al aplicar la frmula de Manning o al aplicar el programa
unidireccional Hec-Ras.
2. Los resultados son tanto mas prximos cuanto menor sea la seccin del canal o
ro y el caudal de clculo. Esto puede tener una clara explicacin en el algoritmo
utilizado en Excel para calcular la integral ya que se divide en rea en pequeos
rectngulos al no existir en Excel la funcin integral.
4.2.6.4
CLCULO INTEGRANDO LAS SECCIONES EN UN TRAMO DEL RO
Considerando las secciones consecutivamente como si formasen parte de un solo

tramo para formar un cauce continuo y posibilitar que las secciones del ro
cambien de topografa como ocurre en la realidad, se obtienen distintos resultados.
Para hacer estos clculos se han considerado dos tramos ficticios de ro: uno
formado por las secciones 1, 2 y 3 estando separadas entre s una distancia de 10
3
metros. A este tramo se le ha aplicado un caudal de 148 m /sg.
3
Con un caudal de 3 m /sg se ha modelado otro tramo ficticio formado por las
secciones 6, 7, 9 y 10 separadas entre s 10 metros al igual que el tramo anterior.
Los clculos se realizan mediante el programa Hec-Ras que tiene en cuenta la
geometra de las secciones anteriores y posteriores para modelar el flujo, y con la
metodologa tradicional empleando la frmula de Manning que no tiene en cuenta
esas secciones.
Los resultados son los indicados en la tabla 32 y en las Fig. 63 y Fig. 64.
138
Altura de lmina de agua (m)
Seccin 1
Seccin 2
Seccin 3
Hec-Ras
Manning
Caudal (m /sg)
8,12
7,95
7,92
6,4
6,29
6,38
148
Altura de lmina de agua (m)

Hec-Ras
1,93
1,5
1,52
1,8
Seccin 6
Seccin 7
Seccin 9
Seccin 10
Manning
1,58
2,33
1,27
1,8
Caudal (m /sg)
Tabla 32. Clculos formando tramos de ro continuos con las secciones.
Metros
Altura de lmina de agua con Q=148 l/sg

9
8
7
6
5
4
3
2
1
0
Seccin 1
Seccin 2
Hec-Ras
Seccin 3
Manning
Fig. 63. Clculos formando un nico tramo de ro con las secciones con caudal 148 m 3 /sg.
139
Altura de lmina de agua con Q=3 l/sg

2,5
Metros
2
1,5
1
0,5
0
Seccin 6
Seccin 7
Hec-Ras
Seccin 9
Seccin 10
Manning
Fig. 64. Clculos formando un nico tramo de ro con las secciones con caudal de 3 m 3 /sg
4.2.6.5
CONCLUSIONES
Del anlisis de los resultados se extraen las siguientes conclusiones:

Para cauces donde vara la geometra del ro, el programa Hec-Ras proporciona
valores ms altos de la lmina de agua donde existen estrechamientos de seccin,
y al contrario cuando hay ensanchamientos, variaciones que con la frmula de
Manning no se tienen en cuenta. En el mismo sentido, al variar las secciones del
ro se producen estrechamientos y ensanchamientos del agua. En esos puntos el
programa Hec-Ras tiene en cuenta las condiciones de un flujo cuasibidimensial por
lo que al estrecharse la seccin se producir un almacenamiento de agua y
viceversa.
140
4.2.7
LLANURAS DE INUNDABILIDAD
A continuacin se exponen las llanuras de inundabilidad obtenidas en las tres

localidades estudiadas segn los dos mtodos aplicados, topografa digital a
escala 1/1.000 y topografa clsica o manual, en combinacin con las herramientas
informticas ArcView y Hec-Ras y las ortofotos digitales 0,25 metros/pxel.
4.2.7.1
VILLAFRANCA DE LOS BARROS
En la Fig. 65 se indica el ancho en planta de la llanura de inundacin calculada

con topografa manual y en la Fig. 66 se puede observar la llanura de inundacin
calculada mediante topografa digital y los SIG.
Fig. 65. Llanura de inundabilidad de Villafranca de los Barros con topografa clsica o manual.
141
Fig. 66. Llanura de inundabilidad de Villafranca de los Barros con curvas digitalizadas 1:1.000
4.2.7.2
En la Fig. 67 y Fig. 68 se puede observar la diferencia en el ancho en planta de la

llanura de inundacin calculada con topografa manual y la llanura de inundacin
calculada mediante topografa digital y los SIG.
Fig. 67. Llanura de inundabilidad de La Roca de la Sierra con topografa clsica
142
Fig. 68. Llanura de inundabilidad de La Roca de la Sierra con topografa digitalizada 1:1.000.
4.2.7.3
PALOMAS
La Fig. 69 y Fig. 70 indican la diferencia en el ancho en planta de la llanura de

inundacin calculada con topografa manual y la llanura de inundacin calculada
mediante topografa digital y los SIG.
Fig. 69 Llanura de inundabilidad Palomas con topografa clsica
143
Fig. 70. Llanura de inundabilidad de Palomas con topografa digitalizada a escala 1:1.000.
144
4.2.8
ANLISIS ESTADSTICO
La Tabla 33 indica la anchura de las llanuras de inundabilidad para las localidades

estudias.
Del examen de stas ya a simple vista, se puede sacar la conclusin de que el
usar las curvas de nivel digitalizadas proporciona una informacin poco fiable
desde el punto de vista hidrulico.
Examinando las llanuras con ms precisin y con datos analticos se llega a los
resultados mostrads en la tabla33:
Seccin
1
2
3
4
5
Seccin
1
2
3
4
5
Seccin
1
2
3
4
5
6
7
8
9
10
11
12

Topografa
Topografa
digitalizada
clsica
31,71
25,00
40,50
24,00
22,00
22,00
22,20
22,38
23,40
17,30
Topografa
Topografa
digitalizada
clsica
53,38
38,20
47,69
36,28
44,96
31,20
62,09
45,82
59,00
40,32
PALOMAS
Topografa
Topografa
digitalizada
clsica
24,79
17,09
46,08
33,78
55,51
50,81
56,50
69,95
57,45
57,19
62,33
53,44
67,55
50,92
60,22
49,79
51,42
46,95
36,15
44,89
23,09
31,23
9,47
12,70
Diferencia
26,84%
68,75%
0,00%
-0,80%
35,26%
Diferencia
39,74%
31,45%
44,10%
35,51%
46,33%
Diferencia
45,06%
36,41%
9,25%
-19,23%
0,45%
16,64%
32,66%
20,95%
9,52%
-19,47%
-26,06%
-25,43%
Tabla 33. Resultados de ancho de lmina de agua con topografa clsica o real y con topografa
digitalizada.
Como se puede observar, se cometen grandes errores al utilizar la topografa

1:1.000.
145
En las Fig. 71, Fig. 72, Fig. 73, Fig. 74, Fig. 75 y Fig. 76 se observan grficamente
los resultados y se pueden ver los errores cometidos:

Ancho de lm ina de agua
50
Metros
40
30
20
10
0
1
Seccin
Topografa digitalizada
Topografa clsica
Fig. 71. Ancho de lmina de agua en la localidad de Villafranca de los Barros.

5
Seccin
4
3
2
1
-10,00%
0,00%
10,00% 20,00% 30,00%
40,00% 50,00% 60,00%
70,00% 80,00%
Diferencia
Fig. 72. Anlisis del error en la localidad de Villafranca de los Barros.
146
Metros
Ancho de lmina de agua

70
60
50
40
30
20
10
0
1
Seccin
Topografa clsica
Fig. 73. Ancho de lmina de agua en la localidad de La Roca de la Sierra.
5
Seccin
4
3
2
1
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
Diferencia
Fig. 74. Anlisis del error en la localidad de La Roca de la Sierra.
147
PALOMAS
Metros
Ancho de lmina de agua

80
70
60
50
40
30
20
10
0
1
10
11
12
Seccin
Topografa clsica
Fig. 75. Ancho de lmina de agua en la localidad de Palomas.
PALOMAS
12
11
10
9
Seccin
8
7
6
5
4
3
2
1
-30,00%
-20,00%
-10,00%
0,00%
10,00%
20,00%
30,00%
40,00%
50,00%
Diferencia
Fig. 76. Anlisis del error la localidad de Palomas.
148
4.2.8.1
CONCLUSIONES
Del estudio de las llanuras de inundacin obtenidas utilizando topografa clsica o

topografa digitalizada 1/1.000 aportada por la Junta de Extremadura, se puede
advertir que el nico mtodo vlido es usar topografa manual tradicional, ya que
proporciona la verdadera llanura de inundabilidad de los ros.
La utilizacin de topografa digital, hoy en da, conlleva al establecimiento de
numerosos errores por los siguientes motivos:
-
La cartografa digital todava se est elaborando por parte de la Junta de

Extremadura por lo que la exactitud de la misma todava no est validada.
Las curvas de nivel digitalizadas 1/1.000 proporcionan informacin con

curvas cada metro, esto quiere decir que representan la informacin de un
modo escalonado, de metro en metro, por lo que no se puede saber lo que
ocurre entre dos curvas de nivel consecutivas.
El programa Hec-georas y ArcView lo que interpretan entre esas dos curvas

de nivel consecutivas es que la pendiente del terreno es constante por lo
que se limita a interpolar datos, estableciendo un algoritmo matemtico
entre las dos curvas. Esto en muchas ocasiones no es as, y en un metro
de altura puede ocurrir que cambie la pendiente, o que exista un obstculo
que impida la libre circulacin del agua.
Las curvas de nivel digitalizadas, adems de las imprecisiones implcitas

explicadas, contienen informacin adicional a las propias curvas de nivel,
como son ros, casas, caminos, carreteras, etc. Toda esa informacin hay
que eliminarla del fichero ya que ArcView no es capaz de interpretarla
cuando realiza un MDT del terreno a partir de la informacin.
Al limpiar toda la informacin que no es capaz de procesar ArcView,
lgicamente la informacin queda sesgada quedando las curvas de nivel
cortadas. Esto supone que el programa tenga de nuevo que interpolar lo
que supone de nuevo informacin inexacta.
Adems de los errores que se cometen por el propio formato de la informacin

suministrada por la Junta de Extremadura, tambin se cometen otros errores que
afectan a la exactitud de clculo de la llanura de inundabilidad:
-
El lmite de percepcin del ojo humano son 0,2 mm. (dato contrastado en
numerosas publicaciones). Esto, unido a que es frecuente el uso de
ortofotos a escala 1:25.000 1:10.000, raramente se pueden encontrar a
escalas menores, hace que a la hora de delimitar con el ratn el eje del ro
y las orillas, tal como obliga la extensin Hec- GeoRas, se pueda producir
un error en la definicin de cada uno de estos elementos de hasta 2 metros
en el mejor de los casos.
En esta tesis se han utilizado los ltimos datos disponibles (no al pblico todava),
an en fase de validacin: ortofotos a 0,25 metros/pxel y topografa a 1:1.000, por
lo que, tericamente, el error no debera ser mayor de 20 cms.
Las curvas de nivel digitalizadas que estn disponibles en la cartografa de
territorio de la Junta de Extremadura, son curvas tomadas a una equidistancia de 5
metros con lneas maestras cada 25 metros, que es lo contenido en un plano a
149
escala 1:10.000 (0,5 metros/pxel). [Junta de Extremadura. Direccin General de

Urbanismo y Ordenacin el Territorio. Servicio de Cartografa. 2009].
En la actualidad, la Junta de Extremadura est realizando los vuelos para la
obtencin de la cartografa digital slo de ncleos de poblacin de 1 metro y
curvas maestras cada 5 metros. No obstante, sta no estar disponible en su
totalidad hasta el ao 2013 al menos. Sin embargo, como se ha explicado en el
apartado anterior la Junta de Extremadura nos ha facilitado las curvas 1/1.000 y
las ortofotos 0,25 metros/pxel todava no disponibles al pblico.
Estas curvas digitales es imposible que reflejen la profundidad del cauce del ro,
sino que reflejan interpolando la profundidad del valle del ro o como mucho la cota
de la lmina de agua que exista cuando se tomaron los datos.
El objetivo del Plan PNOA es obtener coberturas con vuelos fotogramtricos
actualizndose cada 2 aos. A partir de estos vuelos se realiza un MDT con una
precisin altimtrica de 2 m (emc) y ortofotos digitales en color con un tamao de
pxel de 50 cm. y una precisin planimtrica de 1 m (emc). Ciertas zonas, por
intereses especiales de las CC.AA. u otros organismos, se estn realizando en
algunos de los recubrimientos con un tamao de pxel de 25 cm. con la precisin
horizontal.
El SIGPAC (accesible desde www.Sigpac.es) es un sistema de informacin
geogrfica que permite identificar las parcelas agrcolas de todo el territorio
nacional. Desde el 1 de enero de 2005 es la nica base de referencia para la
identificacin de las parcelas agrcolas en las solicitudes de ayudas comunitarias
ligadas a superficies conforme a lo dispuesto en el artculo 20 del Reglamento
(CE) 1782/2003 del Consejo, de 29 de septiembre, por lo que sustituye al catastro
que desde 1992 se utiliza como base de referencia. Adems, dicho reglamento
establece que cada Estado miembro debe disponer de una base de datos grfica
de todas las parcelas de cultivo digitalizada, siendo la precisin equivalente, al
menos, a una cartografa a escala 1:10.000. Algunas comunidades como Madrid
desde el ao 2005 estn procurando ofrecer las ortofotos con cartografa
asimilable a 1:5.000. La informacin grfica del SIGPAC que cumplen las
normas exigibles a una cartografa de escala mnima 1:5.000, proporcionando una
visin continua de todo el territorio.
La combinacin de estas imprecisiones nos lleva, sin lugar a dudas, a un error en
el clculo de la llanura de inundacin del arroyo o ro como se ha podido
comprobar en el desarrollo de los clculos de la presente tesis.
150
CONCLUSIONES FINALES Y NUEVAS LINEAS DE INVESTIGACIN
Las conclusiones finales son:
En los casos analizados se ha comprobado que se deben utilizar las nuevas

distribuciones de probabilidad estudias de Dagum[30], de Burr[28], la LogLogistic 3P[32], Pearson 5 3 P[32] y Frchet 3P [86] ya que segn los test de
bondad se adaptan mejor estadsticamente que las distribuciones de
Gumbel[1], Log-Pearson 3[31] y SQRT-ET max [7], arrojando aquellas
caudales mayores, lo que supone un factor de seguridad.
El sistema de informacin geogrfica utilizado junto con topografa digital area

a escala 1/1.000, no son apropiados para el clculo de las llanuras de
inundacin, segn se desprende de los resultados obtenidos en los cauces
analizados. El error ms significativo se produce por el hecho de que la
topografa digital no determina la cota real del lecho del cauce del ro. Esto es
debido a la presencia de una gran cantidad de maleza en los cauces de las
corrientes de agua consideradas y por la propia lmina de agua existente en el
momento de la toma de datos, por lo que no es posible corregir estos errores
sin el apoyo de la topografa de campo.
NUEVAS LNEAS DE INVESTIGACIN
1. Extender el anlisis al resto de la geografa espaola con el fin de estudiar

las distribuciones propuestas a los datos de lluvias existentes en los
distintos centros meteorolgicos del pas. Este estudio sera de gran
utilidad ya que confirmara la bondad de los ajustes de las distribuciones
estudiadas.
2. Debido a la extensin de la provincia de Badajoz, las ms grande de
Espaa, es deseable zonificar la misma en sectores para determinar la
distribucin estadstica que mejor se adapta en cada sector. En este
sentido se obtendra una distribucin estadstica ptima en funcin de la
zona en la que se encuentre la zona de estudio
3. Por ltimo, es necesario establecer una batimetra manual de algunos
cauces de ros de la provincia para incorporar esta informacin a las curvas
de nivel digitalizadas obtenidas mediante fotografa area, y estudiar si se
elimina el error que se produce, pudiendo as usar con mayor eficacia los
sistemas de informacin geogrfica para el clculo de las llanuras de
inundacin.
151
BIBLIOGRAFA
[1]
Gumbel, E. J. 1960. Multivariate Extremal Distributions. Bull. Inst.

Internat. de Statistique. Paris.
[2]
Chow, V.T. y D.R.1994. Maidment, L.W. Mays. Hidrologa Aplicada.

McGraw-Hill, Santaf de Bogot. Colombia
[3]
Ponce, V. M. 1989. Engineering Hydrology, Principles and Practices.

Prentice Hall. San Diego, California.
[4]
Ferrer, J y Ardiles L.1995. Anlisis estadstico de las series anuales de

mximas lluvias diarias en Espaa. Revista de Ingeniera Civil. Madrid
,pginas 87-100.
[5]
Ferrer, F.J.1955. Obtencin de la lluvia neta segn la metodologa del

Soil Conservation Service. Apuntes del Curso de Hidrologa General y
Aplicada. Cedex, Madrid.
[6]
Tmez, J.R.1991. Extended and improved rational method. Version of the

highways administration of Spain". XXIV Congreso Internacional de la
IAHR, tomo A. Madrid.
[7]
Zorraquino, C.2004. La funcin SQRT-ET max. Revista de Obras

Pblicas, 3447. Madrid.
[8]
Mximas Lluvias diarias en la Espaa Peninsular.1999. Ministerio de

Fomento; Madrid.
[9]
Instruccin de Carreteras, Norma 5.2-IC de Drenaje Superficial. Orden de

14 de mayo de 1990. Ministerio de Obras Pblicas y Urbanismo. BOE
nm. 123 de 23 de mayo de 1990.
[10]
Catal Moreno, F.1993.Clculo de caudales en las redes de

saneamiento. Colegio de Ingenieros de Caminos, Canales y Puertos.
Madrid; 1997.
[11]
Hernndez Muoz, A. Saneamiento y Alcantarillado.

Ingenieros de Caminos, Canales y Puertos. Madrid.
[12]
Ferrer, F.J.1993. Recomendaciones para el clculo hidrometeorolgico

de avenidas. Cedex. Madrid.
[13]
Real Decreto Legislativo 2/2008, de 20 de junio, por el que se aprueba el

Texto Refundido de la Ley del Suelo. BOE n 154.
[14]
Real Decreto 903/2010, de 9 de julio, de evaluacin y gestin de riesgos

de inundacin. BOE n. 171.
[15]
Orden, de 12 de marzo de 1996, por la que se aprueba el Reglamento

Tcnico sobre Seguridad de Presas y Embalses.
[16]
Real Decreto Legislativo 1/2001, de 20 de julio, por el que se aprueba el

Texto Refundido de la Ley de Aguas. BOE nmero 176.
[17]
Real Decreto 849/1986, de 11 de abril, por el que se aprueba el

Reglamento del Dominio Pblico Hidrulico que desarrolla los ttulos
preliminar, I, IV, V, VI, VII y VIII del texto refundido de la Ley de Aguas,
Colegio
de
152
aprobado por el Real Decreto Legislativo 1/2001, de 20 de julio,

modificado posteriormente por el Real Decreto 606/2003, de 23 de mayo,
y por el Real Decreto 9/2008, de 11 de enero.
[18]
Pliego de Prescripciones Tcnicas Generales para Tuberas de

Saneamiento de Poblaciones. Orden de 15 de septiembre de 1986 por la
que se aprueba el Pliego de Prescripciones Tcnicas Generales para
Tuberas de Saneamiento de Poblaciones.
[19]
Martnez Jimnez, J.2004.Jornadas Tcnicas: Los Riesgos de

Inundaciones
catstrofes
naturales
o
improvisacin
social?.
Confederacin Hidrogrfica del Guadiana, pginas 5-8.
[20]
Ven te Chow. 1959. Hidrulica de canales Abiertos. New York. Ed.

McGraw-Hill. New York.
[21]
Cano Gallego, R.1985. Flujo en tuberas y canales. Medelln: Anales de

la Facultad Nacional de Minas. N 61; 1985.
[22]
Http://www.hec.usace.army.mil/software/hec-ras/. US Army Corps of

engineers .Consultada por primera vez el 05 de mayo de 2010.
[23]
Http://www.bossintl.com/forums/dambrk/9247-using-boss-dambrk-bossrms.html. Boss internacional. Consultada por primera vez el 08 de mayo

de 2008.
[24]
Http://www.fema.gov/plan/prevent/fhm/dl_fdwv.shtm. National W eather

Service (NW S) of America. Consultada por primera vez el 15 de mayo de
2008.
[25]
Http://www.dhi.es/Software/RecursosH%C3%ADdricos/MIKEFLOOD.aspx
. Consultada por primera vez el 20 de mayo de 2008.
[26]
Http://www.flumen.upc.es/carpa.asp?lan=1. Clculo en Alta Resolucin

de Propagacin de Avenidas. Consultada por primera vez el 20 de mayo
de 2008.
[27]
De Salas Regalado, L; Carretero Dez, L. 2008. Regionalizacin de leyes

IDF para el uso de modelos hidrometeorolgicos de estimacin de
caudales. Universidad Politcnica de Madrid EUIT. Forestal U.D.
Hidrulica e Hidrologa.
[28]
Maddala, G.S.1983. Limited-Dependent and Qualitative Variables in

Econometrics. Cambridge University Pres, pginas 56-62.
[29]
Tadikamalla, Pandu R. A.1980. Look at the Burr

Distributions. International Statistical. Review 48 (3).
[30]
Dagum, C.1979, Metodologa y crtica econmica, F.C.E., Mxico.
[31]
Pearson, Karl.1916. Mathematical contributions to the theory of evolution,

XIX: Second supplement to a memoir on skew variation.
[32]
Shoukri, M.M.; Mian, I.U.M.; Tracy, D.S. 1988. Sampling Properties of

Estimators of the Log-Logistic Distribution with Application to Canadian
Precipitation Data, The Canadian Journal of Statistics 16 (3), 23-36.
[33]
Naghettini, M.; de Andrade Pinto, E. J.2007. Hidrologa estadstica. Belo

Horizonte: CPRM. Brasil.
and
Related
153
[34]
Papoulis, A.1984.Probability, Random

Processes. McGraw-Hill. New York.
Variables,
and
Stochastic
[35]
Evans, M., Hastings, N., y Peacock, B.:2000, Statistical Distributions.

Wiley .New York:.
[36]
Johnson, N.; Kotz, S.1995. Balakrishnan, N. Continuous Univariate

Distributions. W iley. New York.
[37]
Chhikara, R. y Folks, L.1989. The inverse gaussian distribution: theory,

methodology, and applications. M. Dekker. New York.
[38]
Kumaraswamy, P. 1980. "A generalized probability density function for

double-bounded random processes". Journal of Hydrology 46.
[39]
Rogers, Geoffrey L. 2008. Multiple path analysis of reflectance from

turbid media. Journal of the Optical Society of America A, 25.
[40]
Von Seggern, D. 1993. CRC Standard Curves and Surfaces. Boca Ratn:
CRC Press..
[41]
M. Nakagami. 1960. The m-Distribution, a general formula of intensity of

rapid fading. Statistical Methods in Radio Wave Propagation:
Proceedings of a Symposium held at the University of California.
Permagon Press.
[42]
Vose, D. Risk Analysis.2000. A Quantitative Guide. John W iley & Sons,

LTD. Chinchester.
[43]
Weibull, W . A. 1951. statistical distribution function of wide applicability.

J. Appl. Mech.-Trans. ASME 18 (3),34-37.
[44]
Kolmogorov, Andrey.1933. Els fondaments de la Teoria de la Probabilitat.

New York: Chelsea.
[45]
Eadie, W.T.; D. Drijard, F.E. James, M. Roos and B. Sadoulet.

1971,Statistical Methods in Experimental Physics. Amsterdam: NorthHolland.
[46]
Anderson, T. W.; Darling, D. A.1952. Asymptotic theory of certain

"goodness-of-fit" criteria based on stochastic processes. Annals of
Mathematical Statistics 23,56-59.
[47]
Walpole, R.1999. Probabilidad y Estadstica Para Ingenieros; PrenticeHall.
[48]
http://www.eea.europa.eu/data-and-maps/data/corine-landcover-2000-clc2000-seamless-vector-database. Agencia
Europea del Medio Ambiente. Consultada por primera vez
el 23 de junio de 2009.
[49]
Manning, R. 1918. Handbook of Hydraulics. McGraw Hill.Ner York. 16-24
[50]
Manning R.1981. On the flow of water in open channels and pipes.

Transactions of the Institution of Civil Engineers of Ireland.
[51]
Fernndez Bono, J.F., Ortiz, E. y Domnguez.1997. Hidrulica Fluvial.

Serv. Publicaciones U.P.V. Valencia.
154
[52]
Garca R., R.A. Kahawita. 1986. Numerical solution of the St. Venant
equations with the MacCormack finite difference scheme. Int. J. Num.
Meth. Fluids, 6. 59-63.
[53]
Blad Castell, E..2005. Modelacin del flujo en lmina libre sobre

cauces naturales. Anlisis integrado con esquemas en volmenes finitos
en una y dos dimensiones: Tesis Doctoral: Universidad de Catalua, 145189.
[54]
Garca Navarro, Pilar, Brufau, Murillo, F y Zorraquino, C.2001. Estudio

hidrulico del riesgo de inundacin en el meandro de Ranillas: modelos
de simulacin numrica.
[55]
Cunge,J.A., F.M. Holly y A. Verwey. 1980. Practical aspects

computational river hydraulics. Pitman Pub. Inc.
of
[56]
Fread D.L.1985. Channel routing. Hidrological forecasting. M.

Anderson and T.P. Burt, eds., Jhon W iley and Sons Ltd. New York.
G.
[57]
Cunge, J. Two.:1975, dimensional modeling of flood plains. In: Mahmood

K. and Yevjevich V. Unsteady flow in open channels. Water Resources
Publications, Fort Collins.89-87.
[58]
Http:// www.hec.usace.army.mil/software/hec-hms/ . US Army Corps of

Engineers. The Hydrologic Modeling System. Consultada
por primera vez el 28 de julio de 2008.
[59]
Http://www.mathwave.com. Mathwave. Date Analysis

Consultada por primera vez el 5 de enero de 2009.
[60]
Bonneval, H.1972. Photogrametrie Generale. Eyrolles. Paris.
[61]
Mullor Casero, R. Anlisis de las fotografas digitales. Universidad

Politcnica de Valencia. 2009. Disponible en:
http://personales.upv.es/rmullor; Consultada por primera
vez el 14 de mayo de 2009.
[62]
http://www.cnb.csic.es/~fotonica/Photonic_en/Review/scaner.htm
Diohotonic.. Consultada por primera vez el 26 de enero de 2009.
[63]
Aguilar Torres, M, Carvajal Ramrez, F.2002. Restitucin de un vuelo

fotogramtrico con sistemas digitales de bajo coste. XIV Congreso
Internacional de Ingeniera Grfica. Universidad de Almera; 9-13.
[64]
Http://www.mappinginteractivo.com/plantillaante.asp?id_articulo=786Villa Alczar, G. y Ferrano Saiz, F. Aspectos

tcnicos de la realizacin de ortofotos digitales en color. Consultada por
primera vez 30 de enero de 2009.
[65]
Gmez Alfonso, F; Delgado, J; Prez Nez, N.:2008, Sistema LIDAR

para la confeccin de DTMs en reemplazo de Fotogrametra
convencional. OBTENCIN de dtm y dsm mediante tecnologa Lidar.
Universidad Politcnica de Madrid. Dpto. de Ingeniera Cartogrfica
Geodesia Fotogrametra Expresin Grfica.7-15.
[66]
Http://www.ign.es/iberpix/visoriberpix/visorign.html. Plan Nacional de

Ortofotografa Area. Instituto Geogrfico Nacional. Consultada por
primera vez el 10 de noviembre de 2008.
&
simulation.
155
[67]
Http://www.mapa.es/es/sig/pags/sigpac/intro.htm Sistema de Informacin

Geogrfica de Parcelas Agrcolas. Ministerio de Medio Ambiente y Medio
Rural y Marino. .
Consultado por primera vez el 10 de noviembre de 2008.
[68]
Poex. 2008. Primeras experiencias en el control de calidad de ortofotos

de la Comunidad de Extremadura. Prez lvarez, JA, Pozo Ros, M,.
Universidad de Extremadura, Departamento de Expresin Grfica. &
Caballero Cceres, C, Mayo Carroza, V, Toril Terrones, D, Junta de
Extremadura. Consejera de Fomento. Direccin General de Urbanismo y
Ordenacin del Territorio.
[69]
Http://www.juntaex.es/consejerias/fomento/dg-urbanismoordenacion/index-ides-idweb.html##. Junta de Extremadura. Direccin

General de Urbanismo y Ordenacin del Territorio. Consultado por
primera vez el 11 de noviembre de 2008.
[70]
Gonzlez, I. 2005. Teora de Errores en la Medicin

Fsicas. Universidad de Cuyo. Argentina.79-112.
[71]
Especificaciones Tcnicas para Ortofotos Digitales (Primer Borrador).

Instituto
Geogrfico
Militar;
2008.
Disponible
en:
http://www.geoportaligm.gov.ec:8080/portal/articulostecnicos/normalizacion-tecnica/ET-ORTOFOTOS.pdf.
Consultado
por
primera vez el 11 de enero de 2009.
[72]
Http://www.mappinginteractivo.com/plantilla.asp?id_articulo=1543&titulo=
&autor=&contenido=&tipo Cartografa digital integral urbana obtenida por
mtodos fotogramtricos, una alternativa ms abarcadora, econmica y
viable. Deni Daz Rodrguez, B, Bentez Piero, Y, Tamayo Batista, E,
Gonzlez Garca, S, Pino Crespo, I. Reyes Alonso. 2009.
. Consultado por primera vez el 11 de enero de 2009.
[73]
Lpez Alonso, R. 2001. Consideraciones acerca de los lmites de

aplicacin del mtodo del nmero de curva del SCS. Montes.
[74]
Camarasa, A., Segura, F.2001. Flood events in Mediterranean ephemeral

streams in Valencia. Catena.
[75]
Graf, W.L. 2005. .Physical Integrity of Rivers. In Encyclopedia of

Geomorphology, ed. by A. S. Goudie. London.
[76]
[1] http://web.usal.es/~javisan/hidro/
Snchez
San
Romn,
F.J.
Hidrologa e hidrogeologa Disponible en Universidad de Salamanca.
Consultada por primera vez el 20 de junio de 2008.
[77]
Surendra Kumar, M., Singh, V.2003. Soil Conservation Service (SCS)

Curve number methodology. Water science and Technology Library. New
York.
[78]
Singh, V.P. 1992. Elementary Hydrology. Prentice Hall. New York.USA.
[79]
http://sinet3.juntaex.es/sigeo/web/ Sistema de Informacin Geolgico

Minero de Extremadura Disponible en: Consultado por primera vez el 19
de septiembre de 2009.
[80]
Smith, R. E.1997. Discusin of runoff Curve Number. Journal of

Hydrologic Engineering.
de Magnitudes
156
[81]
Cremona Parma, G.2007. Definicin de los lmites temticos y grficos:

problema usual en la cartografia temtica. Departamento de Cartografa
e Agrimensura, Facultad de Ingeniera y Ciencias. 13-19.
[82]
Http://topografia.montes.upm.es/arcbuk/arcbukmd8.html
Departamento
de expresin Grfica, Universidad Politcnica de Madrid; 2009.
.
Consultada por primera vez el 26 de enero de 2009.
[83]
Berne Valero, JL; Chueca Pazos, M; Herrez Boquera, J.1996. Tratado

de Topografa, Tomo I. Teora de Errores e Instrumentacin.
Parafina.Madrid.
[84]
http://www.mappinginteractivo.com/. Denis Daz Rodrguez, B, Gonzlez

Garca, S , Alonso Surez, I.:2005, Resultados prcticos obtenidos en la
utilizacin de la fotogrametra digital para la cartografia a escala 1:500
de ciudades. Consultado por primera vez el 12 de noviembre de 2008.
[85]
http://www.esri.com/software/arcgis/arcview/index.html.
Progama Arcview. Consultado por primera vez el 22 de octubre de
2008.
[86]
Tiago de Oliveira, J.1984. Statistical extremes and applications, J. Tiago

de Oliveira. D. Redle Publishing Company. Lisboa. Portugal.
[87]
http://mapserver.inegi.gob.mx/geografia/espanol/normatividad/ortofotos/n
tecnicas.cfm?c=202. Normas tcnicas para la elaboracin de ortofotos
digitales de Mxico. Consultado por primera vez el 20 de Noviembre de
2008.
157
ANEXOS
158
ANEXO 1
Test de Kolmogorov-Smirnov
Distribuciones con los cinco mejores ajustes por localidades.
Distribucin
Localidad
Posicin
Beta
VILLANUEVA DEL FRESNO
PUEBLA DEL MAESTRE
1
N de registros
Burr
ALANGE
PUEBLA DE LA REINA
MERIDA
BARCARROTA
MONTIJO
VALENCIA DE LAS TORRES
VALVERDE DE LLERENA
OLIVENZA
BERLANGA
ORELLANA DE LA SIERRA
FUENTE DE CANTOS
ALCONCHEL
LA CORONADA
BATERNO
SAN VICENTE DE ALCANTARA
ACEUCHAL
GUAREA
ZAHINOS
HERRERA DEL DUQUE
BADAJOZ
PUEBLA DEL PRIOR
CASAS DE REINA
CAPILLA
LA ALBUERA
PUERTO HURRACO
VALLE DE LA SERENA
SANTA AMALIA
HIGUERA DE VARGAS
1
N de registros
28
159
Distribucin
Localidad
Posicin
Cauchy
PERALEDA DEL ZAUCEJO
ALCONCHEL
TALAVERA DE LA REINA
ZAHINOS
1
N de registros
Dagum
PUERTO HURRACO
BARCARROTA
BADAJOZ
QUINTANA DE LA SERENA
PUEBLA DE LA REINA
BATERNO
OLIVENZA
MONTIJO
CABEZA LA VACA
CAMPANARIO
CAPILLA
LA CORONADA
LA ALBUERA
HERRERA DEL DUQUE
GUAREA
BERLANGA
VALLE DE LA SERENA
ALCONCHEL
VALVERDE DE LLERENA
ZAHINOS
4
N de registros
25
Erlang
MANCHITA
CHELES
2
3
N de registros
5
N de registros
Error
CHELES
160
Distribucin
Localidad
Posicin
Fatigue Life (3P)

CASTUERA
ACEUCHAL
MAGUILLA
GRANJA DE TORREHERMOSA
VALENCIA DEL MOMBUEY
AZUAGA
ALBURQUERQUE
FREGENAL DE LA SIERRA
1
N de registros
Frchet (3P)
CAMPANARIO
MONTIJO
CABEZA LA VACA
CASAS DE REINA
PUEBLA DE LA REINA
BARCARROTA
VALVERDE DE LLERENA
MERIDA
SIRUELA
ZAHINOS
PUEBLA DEL PRIOR
SANTA AMALIA
CASAS DE DON PEDRO
FUENTE DE CANTOS
PUEBLA DEL MAESTRE
4
N de registros
17
Gamma (3P)
ALBURQUERQUE
SIRUELA
CASTUERA
MAGUILLA
PUERTO HURRACO
4
N de registros
161
Distribucin
Localidad
Posicin
Gen. Extreme Value

AZUAGA
ACEDERA
BATERNO
CAMPANARIO
MAGUILLA
VALLE DE LA SERENA
LA CORONADA
CAPILLA
SIRUELA
FUENTE DE CANTOS
PUERTO HURRACO
ALCONCHEL
GUAREA
HIGUERA DE VARGAS
CABEZA LA VACA
ALBURQUERQUE
CASAS DE REINA
OLIVENZA
BERLANGA
CASAS DE DON PEDRO
5
N de registros
24
Gen. Gamma (4P)

PUEBLA DEL MAESTRE
ALBURQUERQUE
3
N de registros
Gumbel
CABEZA LA VACA
MANCHITA
3
N de registros
162
Distribucin
Localidad
Posicin
Inv. Gaussian (3P)

CASTUERA
ALBURQUERQUE
ACEUCHAL
AZUAGA
1
N de registros
Johnson SB
CAPILLA
CHELES
AZUAGA
HELECHOSA DE LOS MONTES
ACEDERA
HIGUERA DE VARGAS
PUEBLA DEL MAESTRE
3
N de registros
2
N de registros
Kumaraswamy
Log-Gamma
SEGURA DE LEON
ALANGE
4
N de registros
5
N de registros
Logistic
Log-Logistic
LA CORONADA
FUENTE DE CANTOS
BADAJOZ
LA ALBUERA
SANTA AMALIA
MERIDA
HERRERA DEL DUQUE
SEGURA DE LEON
163
Distribucin
Localidad
Posicin
OLIVENZA
BERLANGA
CASAS DE REINA
ALANGE
2
N de registros
14
Log-Logistic (3P)
BARCARROTA
BATERNO
BADAJOZ
ALCONCHEL
CAMPANARIO
ACEUCHAL
BERLANGA
PUEBLA DE LA REINA
2
1
LA ALBUERA
ZAHINOS
LA CORONADA
MONTIJO
HIGUERA DE VARGAS
OLIVENZA
PUEBLA DEL PRIOR
PUERTO HURRACO
SANTA AMALIA
VALVERDE DE LLERENA
HERRERA DEL DUQUE
GUAREA
3
N de registros
26
Lognormal
ALANGE
HERRERA DEL DUQUE
164
Distribucin
Localidad
Posicin
SEGURA DE LEON
MANCHITA
1
N de registros
Lognormal (3P)
PUEBLA DEL PRIOR
AZUAGA
CASTUERA
ACEUCHAL
CASAS DE DON PEDRO

5
2
ACEDERA
5
N de registros
10
Log-Pearson 3
FUENTE DE CANTOS
HIGUERA DE VARGAS
SIRUELA
SEGURA DE LEON
PUEBLA DEL MAESTRE
MAGUILLA
BATERNO
5
N de registros
1
N de registros
3
N de registros
Nakagami
ACEDERA
Normal
Pearson 5
BARCARROTA
ALANGE
LA ALBUERA
VALVERDE DE LLERENA
165
Distribucin
Localidad
Posicin
SEGURA DE LEON
CAPILLA
GUAREA
CABEZA LA VACA
CAMPANARIO
1
N de registros
10
Pearson 5 (3P)
SANTA AMALIA
ACEDERA
CASAS DE DON PEDRO
CASAS DE REINA
PUEBLA DE LA REINA
MERIDA
MONTIJO
PUEBLA DEL PRIOR
2
N de registros
14
Pearson 6 (4P)
CASTUERA
SIRUELA
MAGUILLA
MERIDA
2
N de registros
Pert
MANCHITA
5
N de registros
166
Distribucin
Localidad
Posicin
Rayleigh (2P)
VALLE DE LA SERENA
2
2
N de registros
Rice
CHELES
MANCHITA
3
2
4
N de registros
Triangular
CHELES
4
4
N de registros
Weibull
VALLE DE LA SERENA
BADAJOZ
2
N de registros
167
ANEXO 2
Test de Anderson-Darling
Distribucin
Localidad
Posicin
Beta
4
5
N Registros
Burr
BADAJOZ
CASAS DE REINA
ALBURQUERQUE
MANCHITA
ALCONCHEL
MONTIJO
SANTA AMALIA
ACEDERA
PUERTO HURRACO
BARCARROTA
BERLANGA
LA CORONADA
PUEBLA DE LA REINA
BATERNO
OLIVENZA
ACEUCHAL
LA ALBUERA
VALLE DE LA SERENA
HERRERA DEL DUQUE
GUAREA
ALANGE
MERIDA
ZAHINOS
HIGUERA DE VARGAS
1
N Registros
29
168
Distribucin
Localidad
Posicin
Cauchy
ZAHINOS
4
N Registros
Dagum
PUERTO HURRACO
HERRERA DEL DUQUE
OLIVENZA
GUAREA
CABEZA LA VACA
MONTIJO
BADAJOZ
SAN VICENTE DE
ALCANTARA
LA CORONADA
ZAHINOS
BATERNO
BARCARROTA
BERLANGA
ALBURQUERQUE
CAMPANARIO
HIGUERA DE VARGAS
PUEBLA DE LA REINA
VALLE DE LA SERENA
ALCONCHEL
3
N Registros
24
2
N Registros
Error
Fatigue Life (3P)
PUEBLA DEL MAESTRE
GRANJA DE
TORREHERMOSA
PUEBLA DEL PRIOR
MAGUILLA
169
Distribucin
Localidad
Posicin
CASTUERA
MONTERRUBIO DE LA
SERENA
AZUAGA
2
N Registros
Frchet (3P)
LA CORONADA
CAPILLA
HIGUERA DE VARGAS
BERLANGA
CABEZA LA VACA
MONTIJO
OLIVENZA
BATERNO
PUEBLA DE LA REINA
ZAHINOS
SANTA AMALIA
BARCARROTA
VALVERDE DE LLERENA
SIRUELA
ACEUCHAL
ALCONCHEL
SEGURA DE LEON
4
N Registros
21
Gamma (3P)
MONTERRUBIO DE LA
SERENA

CASTUERA
5
4
N Registros
Gen. Extreme Value

CASAS DE DON PEDRO
VALVERDE DE LLERENA
MERIDA
SIRUELA
HIGUERA DE VARGAS
170
Distribucin
Localidad
Posicin
CAMPANARIO
CASAS DE REINA
MAGUILLA
LA ALBUERA
ALANGE
ALBURQUERQUE
ACEUCHAL
PUEBLA DEL MAESTRE
BARCARROTA
PUEBLA DEL PRIOR
FUENTE DE CANTOS
VALLE DE LA SERENA
ACEDERA
CABEZA LA VACA
GUAREA
ALCONCHEL
MANCHITA
SEGURA DE LEON
PUERTO HURRACO
4
N Registros
32
2
N Registros
Gen. Gamma (4P)

Gumbel
CASAS DE REINA
VALVERDE DE LLERENA
HERRERA DEL DUQUE
CABEZA LA VACA
MANCHITA
CASAS DE DON PEDRO
4
N Registros
171
Distribucin
Localidad
Posicin
Inv. Gaussian (3P)

CASTUERA
PUEBLA DEL PRIOR
AZUAGA
2
N Registros
Johnson SB
ACEDERA
CHELES
1
N Registros
3
N Registros
Kumaraswamy
Log-Gamma
ALANGE
MANCHITA
CASAS DE DON PEDRO
CAMPANARIO
CASAS DE REINA
2
N Registros
5
N Registros
Logistic
Log-Logistic
SANTA AMALIA
LA ALBUERA
LA CORONADA
ALANGE
MANCHITA
MERIDA
HERRERA DEL DUQUE
BADAJOZ
4
N Registros
Log-Logistic (3P)
BARCARROTA
BATERNO
BADAJOZ
ALCONCHEL
CAMPANARIO
172
Distribucin
Localidad
Posicin
ALBURQUERQUE
ACEUCHAL
BERLANGA
HIGUERA DE VARGAS
OLIVENZA
LA ALBUERA
SANTA AMALIA
HERRERA DEL DUQUE
LA CORONADA
PUERTO HURRACO
PUEBLA DE LA REINA
MERIDA
MONTIJO
2
2
ZAHINOS
GUAREA
2
N Registros
27
Lognormal
BADAJOZ
ACEUCHAL
5
N Registros
Lognormal (3P)
CASTUERA
FUENTE DE CANTOS
MAGUILLA
PUEBLA DEL MAESTRE
AZUAGA
PUEBLA DEL PRIOR
SIRUELA
3
N Registros
10
173
Distribucin
Localidad
Posicin
MAGUILLA
ACEDERA
FUENTE DE CANTOS
CAPILLA
VALLE DE LA SERENA
CASAS DE REINA
SEGURA DE LEON
SIRUELA
Log-Pearson 3
5
N Registros
11
Nakagami
ACEDERA
5
1
N Registros
4
N Registros
Normal
Pearson 5
SEGURA DE LEON
ALANGE
LA ALBUERA
FUENTE DE CANTOS
CASAS DE DON PEDRO
MERIDA
CABEZA LA VACA
CAPILLA
GUAREA
MONTIJO
CAMPANARIO
1
N Registros
13
Pearson 5 (3P)
SIRUELA
CASAS DE DON PEDRO
AZUAGA
SEGURA DE LEON
VALVERDE DE LLERENA
174
Distribucin
Localidad
Posicin
FUENTE DE CANTOS
BERLANGA
CAPILLA
PUERTO HURRACO
PUEBLA DEL PRIOR

3
2
MAGUILLA
BATERNO
SANTA AMALIA
PUEBLA DEL MAESTRE
PUEBLA DE LA REINA
5
N Registros
20
Pearson 6 (4P)
CASTUERA
VALVERDE DE LLERENA
CHELES
ALBURQUERQUE
PUEBLA DEL MAESTRE
OLIVENZA
CAPILLA
AZUAGA
5
N Registros
12
Pert
CHELES
4
N Registros
Rayleigh (2P)
VALLE DE LA SERENA
CHELES
3
5
N Registros
2
N Registros
Triangular
CHELES
175
ANEXO 3
Ponderacin test de bondad de ajuste.
Distribucin
Localidad
Posicin
Beta
PUEBLA DEL MAESTRE
4
4
N de registros
Burr
BARCARROTA
ACEUCHAL
LA CORONADA
MONTIJO
VALLE DE LA SERENA
ALANGE
MANCHITA
MERIDA
ALCONCHEL
PUEBLA DE LA REINA
PUEBLA DEL PRIOR
PUERTO HURRACO
SANTA AMALIA
SEGURA DE LEON
OLIVENZA
BATERNO
GUAREA
BADAJOZ
ZAHINOS
VILLARTA DE LOS MONTES
BERLANGA
HERRERA DEL DUQUE
HIGUERA DE VARGAS
CASAS DE REINA
LA ALBUERA
1
N de registros
30
176
Distribucin
Localidad
Posicin
ZAHINOS
Cauchy
2
N de registros
Dagum
PUERTO HURRACO
BARCARROTA
CAPILLA
LA CORONADA
CAMPANARIO
HIGUERA DE VARGAS
BADAJOZ
HERRERA DEL DUQUE
ALBURQUERQUE
BERLANGA
CABEZA LA VACA
ALCONCHEL
BATERNO
GUAREA
PUEBLA DE LA REINA
3
5
MONTIJO
LA ALBUERA
OLIVENZA
ZAHINOS
VALLE DE LA SERENA
VALVERDE DE LLERENA
4
N de registros
28
Error
CHELES
3
5
N de registros
177
Distribucin
Localidad
Posicin
Fatigue Life (3P)

MONTERRUBIO
SERENA
DE
LA
ACEUCHAL
AZUAGA
MAGUILLA
ALBURQUERQUE
PUERTO HURRACO
PUEBLA DEL MAESTRE

5
1
CASTUERA
1
N de registros
11
Frchet (3P)
PUEBLA DE LA REINA
MONTIJO
VALVERDE DE LLERENA
ALCONCHEL
MERIDA
PUEBLA DEL PRIOR
OLIVENZA
FUENTE DE CANTOS
CAMPANARIO
CASAS DE DON PEDRO
CASAS DE REINA
SIRUELA
CABEZA LA VACA
ZAHINOS
BERLANGA
SANTA AMALIA
BATERNO
BARCARROTA
4
3
HIGUERA DE VARGAS
5
N de registros
23
178
Distribucin
Localidad
Posicin
Gamma (3P)
MAGUILLA
CASTUERA
ALBURQUERQUE
PUEBLA DEL MAESTRE
5
N de registros
Gen. Extreme Value

ALBURQUERQUE
MERIDA
CASAS DE DON PEDRO
GUAREA
MAGUILLA
ALCONCHEL
ALANGE
PUERTO HURRACO
BADAJOZ
VALLE DE LA SERENA
5
1
LA CORONADA
BATERNO
CASAS DE REINA
MANCHITA
SIRUELA
PUEBLA DEL MAESTRE
FUENTE DE CANTOS
HIGUERA DE VARGAS
CAPILLA
SEGURA DE LEON
BERLANGA
CAMPANARIO
179
Distribucin
Localidad
CABEZA LA VACA
ACEDERA
Posicin
1
3
N de registros
32
4
N de registros
Gen. Gamma (4P)

Gumbel
CABEZA LA VACA
MANCHITA
CASAS DE DON PEDRO
VALVERDE DE LLERENA
2
N de registros
Inv. Gaussian (3P)

AZUAGA
PUEBLA DEL PRIOR
CASTUERA
4
N de registros
Johnson SB
ACEDERA
CHELES
PUEBLA DEL MAESTRE
3
N de registros
2
N de registros
Kumaraswamy
Log-Gamma
ALANGE
MANCHITA
2
N de registros
Log-Logistic
OLIVENZA
FUENTE DE CANTOS
SANTA AMALIA
SEGURA DE LEON
ALANGE
HERRERA DEL DUQUE
180
Distribucin
Localidad
Posicin
LA CORONADA
CASAS DE REINA
LA ALBUERA
BERLANGA
MERIDA
BADAJOZ
4
N de registros
12
Log-Logistic (3P)
BERLANGA
BATERNO
GUAREA
SANTA AMALIA
LA CORONADA
MONTIJO
ALCONCHEL
OLIVENZA
HERRERA DEL DUQUE
ACEUCHAL

3
2
PUEBLA DE LA REINA
CAMPANARIO
ZAHINOS
BADAJOZ
HIGUERA DE VARGAS
MERIDA
BARCARROTA
PUERTO HURRACO
LA ALBUERA
PUEBLA DEL PRIOR
5
N de registros
27
Lognormal
ACEUCHAL
MANCHITA
2
N de registros
181
Distribucin
Localidad
Posicin
Lognormal (3P)
CASTUERA
CASAS DE DON PEDRO
PUEBLA DEL PRIOR
ACEUCHAL
4
4
AZUAGA
MAGUILLA
ACEDERA
5
N de registros
12
Log-Pearson 3
CAPILLA
FUENTE DE CANTOS
PUEBLA DEL MAESTRE
SIRUELA
SEGURA DE LEON
CASAS DE REINA
MAGUILLA
HIGUERA DE VARGAS
5
N de registros
10
1
N de registros
4
N de registros
Nakagami
ACEDERA
Normal
Pearson 5
ALANGE
CABEZA LA VACA
SEGURA DE LEON
GUAREA
CAMPANARIO
CASAS DE DON PEDRO
182
Distribucin
Localidad
CAPILLA
LA ALBUERA
Posicin
1
2
N de registros
10
Pearson 5 (3P)
SIRUELA
SANTA AMALIA
BADAJOZ
AZUAGA
ACEUCHAL
MONTIJO
PUEBLA DE LA REINA
VALLE DE LA SERENA
CAPILLA
CASAS DE DON PEDRO
ACEDERA
4
5
PUEBLA DEL PRIOR
HERRERA DEL DUQUE
FUENTE DE CANTOS
VALVERDE DE LLERENA
BARCARROTA
5
N de registros
23
Pearson 6 (4P)
SIRUELA
VALVERDE DE LLERENA
CASTUERA
CHELES
BADAJOZ
OLIVENZA
5
5
ALBURQUERQUE
MAGUILLA
183
Distribucin
Localidad
AZUAGA
Posicin
5
N de registros
13
Pert
CHELES
1
N de registros
Rayleigh (2P)
VALLE DE LA SERENA
2
5
N de registros
2
N de registros
Triangular
CHELES
184
ANEXO 4
Test de Kolmogorov-Smirnov
Distribuciones con los cinco mejores ajustes en las 10 localidades de mayor
tamao muestral.
Distribucin
Localidad
Posicin
Beta
1
N de registros
Burr
MERIDA
GUAREA
HERRERA DEL DUQUE
BARCARROTA
1
N de registros
Dagum
BARCARROTA
GUAREA
CAMPANARIO
CABEZA LA VACA
HERRERA DEL DUQUE
1
N de registros
4
N de registros
Fatigue Life (3P)

Frchet (3P)
CAMPANARIO
CASAS DE DON PEDRO
CABEZA LA VACA
BARCARROTA
MERIDA
2
N de registros
Gen. Extreme Value

CABEZA LA VACA
2
5
CASAS DE DON PEDRO
GUAREA
CAMPANARIO
3
N de registros
185
Distribucin
Localidad
Posicin
Gen. Gamma (4P)

3
N de registros
1
N de registros
2
N de registros
Gumbel
CABEZA LA VACA
Inv. Gaussian (3P)
Log-Logistic
HERRERA DEL DUQUE
MERIDA
4
1
N de registros
Log-Logistic (3P)
CAMPANARIO
BARCARROTA
GUAREA
HERRERA DEL DUQUE
1
N de registros
5
N de registros
Lognormal
HERRERA DEL DUQUE
Lognormal (3P)
CASAS DE DON PEDRO
5
N de registros
Pearson 5
BARCARROTA
CABEZA LA VACA
GUAREA
CAMPANARIO
1
N de registros
Pearson 5 (3P)
CASAS DE DON PEDRO
MERIDA
3
N de registros
5
N de registros
Pearson 6 (4P)
MERIDA
186
ANEXO 5
Test de Anderson-Darling
tamao muestral.
Distribucin
Localidad
Posicin
Beta
5
N de registros
Burr
BARCARROTA
MERIDA
GUAREA
HERRERA DEL DUQUE
1
N de registros
Dagum
CAMPANARIO
HERRERA DEL DUQUE
BARCARROTA
GUAREA
CABEZA LA VACA
3
N de registros
1
N de registros
Fatigue Life (3P)

Frchet (3P)
CABEZA LA VACA
BARCARROTA
4
N de registros
3
N de registros
Gamma (3P)
Gen. Extreme Value
CAMPANARIO
CASAS DE DON PEDRO
CABEZA LA VACA
MERIDA
BARCARROTA
GUAREA
3
N de registros
187
Distribucin
Localidad
Posicin
Gen. Gamma (4P)

2
N de registros
Gumbel
CASAS DE DON PEDRO
HERRERA DEL DUQUE
CABEZA LA VACA
5
N de registros
Log-Gamma
CAMPANARIO
CASAS DE DON PEDRO
5
3
N de registros
Log-Logistic
HERRERA DEL DUQUE
MERIDA
4
4
N de registros
Log-Logistic (3P)
GUAREA
CAMPANARIO
BARCARROTA
MERIDA
HERRERA DEL DUQUE
3
N de registros
4
N de registros
Lognormal (3P)
Pearson 5
MERIDA
CABEZA LA VACA
CASAS DE DON PEDRO
CAMPANARIO
GUAREA
2
N de registros
Pearson 5 (3P)
CASAS DE DON PEDRO
2
N de registros
5
N de registros
Pearson 6 (4P)
188
ANEXO 6
tamao muestral.
Distribucin
Localidad
Posicin
Burr
BARCARROTA
GUAREA
MERIDA
HERRERA DEL DUQUE
1
N de registros
Dagum
HERRERA DEL DUQUE
CAMPANARIO
CABEZA LA VACA
GUAREA
BARCARROTA
3
N de registros
1
N de registros
Fatigue Life (3P)

Frchet (3P)
CASAS DE DON PEDRO
3
3
MERIDA
BARCARROTA
CAMPANARIO
CABEZA LA VACA
5
N de registros
Gen. Extreme Value

CASAS DE DON PEDRO
CABEZA LA VACA
CAMPANARIO
GUAREA
MERIDA
4
N de registros
4
N de registros
Gen. Gamma (4P)

189
Distribucin
Localidad
Posicin
Gumbel
CABEZA LA VACA
CASAS DE DON PEDRO
3
5
N de registros
5
N de registros
Inv. Gaussian (3P)

Log-Logistic
MERIDA
HERRERA DEL DUQUE
1
4
N de registros
Log-Logistic (3P)
HERRERA DEL DUQUE
BARCARROTA
CAMPANARIO
MERIDA
GUAREA
5
N de registros
Lognormal (3P)
CASAS DE DON PEDRO
2
5
3
N de registros
Pearson 5
CABEZA LA VACA
CASAS DE DON PEDRO
GUAREA
CAMPANARIO
1
N de registros
Pearson 5 (3P)
HERRERA DEL DUQUE
BARCARROTA
CASAS DE DON PEDRO
2
N de registros
4
N de registros
Pearson 6 (4P)
190
ANEXO 7
Distribuciones que mejor se ajustan a las series de datos de cada localidad
ACEDERA
Sin tener en cuenta otras consideraciones, las distribuciones que mejor se ajustan
a la serie de datos registrados en la localidad de Acedera (52 datos) son por
orden:
-
1:
2:
3:
4:
5:
Nakagami
Johnson SB
Gen Extreme Value
Pearson 5 3P
Lognormal 3P
Teniendo en cuenta el valor obtenido por estas distribuciones para la Precipitacin

Mxima Diaria y la media de las mismas, la que ms se ajusta es igualmente la
distribucin de Nakagami (tabla 34):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Nakagami
76,439
-0,26%
Johnson SB
74,992
-2,15%
Gen Extreme Value
74,910
-2,25%
Pearson 5 3P
78,392
2,29%
Log-normal 3P
78,457
2,37%
MEDIA
76,638
Tabla 34. Distribuciones que mejor se ajustan en la localidad de Acedera. Precipitaciones mximas
diarias para T=500 aos
ACEUCHAL
Las distribuciones que mejor se ajustan a la serie de datos registrados en la
localidad de Aceuchal (36 datos) son por orden:
-
1:
2:
3:
4:
5:
Log-logistic 3P
Burr
Pearson 5 3P
Lognormal 3P
Fatigue life 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta sera la distribucin
de Pearson 5 3P (tabla 35):
191
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Log-logistic 3P
110,16
18,98%
Burr
101,83
9,98%
Pearson 5 3P
84,837
-8,37%
Lognormal 3P
83,757
-9,54%
Fatigue life 3P
82,344
-11,06%
MEDIA
92,586
Tabla 35. Distribuciones que mejor se ajustan en la localidad de Aceuchal. Precipitaciones mximas
ALANGE
localidad de Alange (56 datos) son por orden:
-
1:
2:
3:
4:
5:
Pearson 5
Burr
Log-gamma
Log-logistic
Gen. Extrem Value

Mxima Diaria y la media de las mismas, la que ms se ajusta sera la distribucin
Log-logistic (tabla 36):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5
110,29
-7,74%
Burr
140,60
17,62%
Log-gamma
106,55
-10,87%
Log-logistic
114,37
-4,32%
Gen Extrem Value
125,88
5,31%
MEDIA
119,54
Tabla 36. Distribuciones que mejor se ajustan en la localidad de Alange. Precipitaciones mximas
ALBURQUERQUE
localidad de Alburquerque (48 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen. Extrem Value

Dagum
Pearson 6 4P
Gamma 3P
Fatigue Life 3P
192

distribucin de Valores Extremos generalizados (tabla 37):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extrem Value
103,42
-0,69%
Dagum
124,32
19,38%
Pearson 6 4P
101,11
-2,91%
Gamma 3P
94,92
-8,86%
Fatigue Life 3P
96,94
-6,92%
MEDIA
104,14
Tabla 37. Distribuciones que mejor se ajustan en la localidad de Alburquerque. Precipitaciones

mximas diarias para T=500 aos
ALCONCHEL
localidad de Alconchel (23 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Gen Extrem Value
Frchet 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la distribucin de
Dagum (tabla 38):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
134,37
10,90%
Log-logistic 3P
124,84
3,03%
Dagum
119,82
-1,11%
Gen Extrem Value
123,02
1,53%
Frchet 3P
103,78
-14,35%
MEDIA
121,17
Tabla 38. Distribuciones que mejor se ajustan en la localidad de Alconchel. Precipitaciones mximas
193
AZUAGA
localidad de Azuaga (56 datos) son por orden:
-
1:
2:
3:
4:
5:
Inv. Gaussiana 3P
Lognormal 3P
Fatigue life 3P
Pearson 5 3P
Pearson 6 4P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la distribucin
Lognormal 3P (tabla 39):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Inv. Gaussiana 3P
163,88
-8,77%
Lognormal 3P
179,52
-0,06%
Fatigue life 3P
159,61
-11,15%
Pearson 5 3P
199,74
11,19%
Pearson 6 4P
195,42
8,79%
MEDIA
179,63
Tabla 39. Distribuciones que mejor se ajustan en la localidad de Azuaga. Precipitaciones mximas
BADAJOZ
localidad de Badajoz (41 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Burr
Log-logistic 3P
Log-logistic
Pearson 5 3P, Pearson 6 4P y Gen. Extreme Value empatadas

distribucin de Dagum (tabla 40):
194
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
103,10
0,92%
Burr
106,97
4,71%
Log-logistic 3P
108,87
6,57%
Log-logistic
105,80
3,56%
Pearson 5 3P
96,17
-5,87%
Pearson 6 4P
96,14
-5,90%
Gen. Extreme Value
98,09
-3,99%
MEDIA
102,16
Tabla 40. Distribuciones que mejor se ajustan en la localidad de Badajoz. Precipitaciones mximas
BARCARROTA
localidad de Barcarrota (56 datos) son por orden:
-
1:
2:
3:
4:
5:
Log-logistic 3P
Burr
Dagum
Frchet 3P
Pearson 5 3P

Dagum (tabla 41):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Log-logistic 3P
176,72
12,54%
Burr
174,09
10,87%
Dagum
158,41
0,88%
Frchet 3P
140,14
-10,75%
Pearson 5 3P
135,78
-13,53%
MEDIA
157,03
Tabla 41. Distribuciones que mejor se ajustan en la localidad de Barcarrota. Precipitaciones mximas
BATERNO
localidad de Baterno (38 datos) son por orden:
195
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Gen Extreme Value
Frchet 3P

Gen. Extreme Value (tabla 42):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
254,73
7,19%
Log-logistic 3P
255,65
7,58%
Dagum
222,99
-6,17%
Gen Extreme Value
244,45
2,86%
Frchet 3P
210,41
-11,46%
MEDIA
237,65
Tabla 42. Distribuciones que mejor se ajustan en la localidad de Baterno. Precipitaciones mximas
BERLANGA
localidad de Berlanga (42 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Gen Extreme Value
Frchet 3P y Log-logistic

Dagum (tabla 43):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
142,66
5,69%
Log-logistic 3P
139,90
3,65%
Dagum
138,48
2,57%
Gen Extreme Value
125,59
-6,95%
Frchet 3P
114,81
-14,94
Log-logistic
148,45
9,98%
MEDIA
134,98
Tabla 43. Distribuciones que mejor se ajustan en la localidad de Berlanga. Precipitaciones mximas
196
CABEZA LA VACA
localidad de Cabeza la Vaca (56 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen Extreme Value

Pearson 5
Gumbel
Dagum
Frchet 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la distribucin
Pearson 5 (tabla 44):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
158,47
-3,94%
Pearson 5
164,54
-0,26%
Gumbel
157,79
-4,35%
Dagum
192,37
16,61%
Frchet 3P
151,64
-8,08%
MEDIA
164,96
Tabla 44 Distribuciones que mejor se ajustan en la localidad de Cabeza la Vaca. Precipitaciones

CAMPANARIO
localidad de Campanario (61 datos) son por orden:
-
1:
2:
3:
4:
5:
Pearson 5
Dagum
Gen Extreme Value
Log-logistic 3P
Frchet 3P

distribucin Pearson 5 (tabla 45):
197
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5
92,14
-7,02%
Dagum
112,77
13,80%
Gen Extreme Value
89,03
-10,15%
Log-logistic 3P
116,17
17,23%
Frchet 3P
85,35
-13,87%
MEDIA
99,09
Tabla 45. Distribuciones que mejor se ajustan en la localidad de Campanario. Precipitaciones

CAPILLA
localidad de Capilla (47 datos) son por orden:
-
1:
2:
3:
4:
5:
Pearson 5
Log Pearson 3
Gen Extreme Value
Dagum
Pearson 5 3P

distribucin Pearson 5 (tabla 46):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5
308,70
-4,21%
Log Pearson 3
279,66
-13,22%
Gen Extreme Value
307,57
-4,56%
Dagum
418,75
29,94%
Pearson 5 3P
296,68
-7,94%
MEDIA
322,27
Tabla 46. Distribuciones que mejor se ajustan en la localidad de Capilla. Precipitaciones mximas
CASAS DE REINA
localidad de Casas de Reina (44 datos) son por orden:
-
1:
2:
3:
4:
Burr
Gen Extreme Value
Log-logistic
Log Pearson 3
198
5: Frchet 3P
Sin embargo, teniendo en cuenta el valor obtenido por estas distribuciones para la
Precipitacin Mxima Diaria y la media de las mismas, la que ms se ajusta es la
Log-logistic, mientras que la de Burr es la que ms se aleja de la media (tabla 47):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
173,60
15,88%
Gen Extreme Value
141,28
-5,70%
Log-logistic
148,68
-0,76%
Log Pearson 3
137,74
-8,06%
Frchet 3P
147,77
-1,36%
MEDIA
149,81
Tabla 47. Distribuciones que mejor se ajustan en la localidad de Casas de Reina. Precipitaciones
CASAS DE DON PEDRO

localidad de Casas de Don Pedro (57 datos) son por orden:
-
1:
2:
3:
4,
Gen Extreme Value

Pearson 5 3P
Frchet 3P
5 y 6: Pearson 5, Lognormal 3P y Gumbel empatados.
Lognormal 3P (tabla 48):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
91,33
-0,95%
Pearson 5 3P
93,44
1,33%
Frchet 3P
93,53
1,43%
Pearson 5
87,79
-4,79%
Lognormal 3P
91,77
-0,48%
Gumbel
95,39
3,45%
MEDIA
92,21
Tabla 48. Distribuciones que mejor se ajustan en la localidad de Casas de Don Pedro.
Precipitaciones mximas diarias para T=500 aos
199
CASTUERA
localidad de Castuera (39 datos) son por orden:
-
1:
2:
3:
4:
5:
Fatigue life 3P
Gamma 3P
Pearson 6 4P
Inv Gaussian 3P
Lognormal 3P
Inv Gaussian 3P (tabla 49):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Fatigue Life 3P
95,07
-1,38%
Gamma 3P
93,43
-2,05%
Pearson 6 4P
93,62
-1,85%
Inv Gaussian 3P
95,42
0,04%
Lognormal 3P
99,38
4,19%
MEDIA
95,38
Tabla 49. Distribuciones que mejor se ajustan en la localidad de Castuera. Precipitaciones mximas
CHELES
localidad de Cheles (37 datos) son por orden:
-
1:
2:
3:
4:
5:
Johnson SB
Triangular
Pearson 6 4P
Pert
Error
distribucin de Pert (tabla 50):
200
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Jonson SB
73,16
-7,45%
Triangular
72,87
-7,82%
Pearson 6 4P
100,61
27,27%
Pert
76,68
-3,00%
Error
71,94
-9,00%
MEDIA
79,05
Tabla 50. Distribuciones que mejor se ajustan en la localidad de Cheles. Precipitaciones mximas
localidad de Fregenal de la Sierra (45 datos) son por orden:
-
1: Gen Extreme Value

2: Fatigue Life 3P
3: Lognormal
4: Lognormal 3P
5 y 6: Pearson 5 3P y Dagum empatados.
distribucin Lognormal (tabla 51):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
103,61
-4,16%
Fatigue Life 3P
101,29
-6,30%
Lognormal
110,17
1,91%
Lognormal 3P
101,71
-5,92%
Pearson 5 3P
102,03
-5,62%
Dagum
129,82
20,09%
MEDIA
108,11
Tabla 51. Distribuciones que mejor se ajustan en la localidad de Fregenal de la Sierra.

201
FUENTE DE CANTOS
localidad de Fuente de Cantos (46 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen Extreme Value

Log Pearson 3
Pearson 5 3P
Log-logistic
Frchet 3P

distribucin de Gen Extreme Value (tabla 52):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
125,49
-1,55%
Log Pearson 3
122,37
-4,00%
Pearson 5 3P
133,10
4,42%
Log-logistic
122,30
-4,06%
Frchet 3P
134,10
5,20%
MEDIA
127,47
Tabla 52. Distribuciones que mejor se ajustan en la localidad de Fuente de Cantos. Precipitaciones
localidad de Granja de Torrehermosa (55 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen Extreme Value

Pearson 6 4P
Lognomal 3P
Fatigue Life 3P
Pearson 5 3P
distribucin Pearson 6 4P, mientras que la Gen Extreme Value pasa al 5 lugar
(tabla 53):
202
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
115,61
-0,77%
Pearson 6 4P
116,62
0,09%
Lognormal 3P
116,84
0,28%
Fatigue Life 3P
116,14
-0,32%
Pearson 5 3P
117,35
0,72%
MEDIA
116,51
Tabla 53. Distribuciones que mejor se ajustan en la localidad de Granja de Torrehermosa.

GUAREA
localidad de Guarea (59 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Burr
Pearson 5
Gen Extreme Value
Log-logistic 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es igualmente la de
Dagum (tabla 54):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
123,89
6,41%
Burr
131,76
13,17%
Pearson 5
100,78
-13,44%
Gen Extreme Value
98,92
-15,03%
Log-logistic 3P
126,76
8,88%
MEDIA
116,42
Tabla 54. Distribuciones que mejor se ajustan en la localidad de Guarea. Precipitaciones mximas

localidad de Helechosa de los Montes (31 datos) son por orden:
-
1: Pert
2: Log Pearson 3
203
3: Johnson SB
5: Gamma 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la Gen. Extreme
Value, mientras que la de Pert pasa al ltimo lugar (tabla 55):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pert
90,19
-8,37%
Log Pearson 3
105,36
7,04%
Johnson SB
90,22
-8,34%
Gen Extreme Value
100,51
2,11%
Gamma 3P
105,88
7,57%
MEDIA
98,43
Tabla 55. Distribuciones que mejor se ajustan en la localidad de Helechosa de los Montes.
HERRERA DEL DUQUE

localidad de Herrera del Duque (61 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Dagum
Log-logistic 3P
Log-logistic
Pearson 5 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Dagum
(tabla 56):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
137,35
5,38%
Dagum
134,16
2,93%
Log-logistic 3P
140,30
7,64%
Log-logistic
126,42
-3,01%
Pearson 5 3P
113,46
-10,13%
MEDIA
130,34
Tabla 56. Distribuciones que mejor se ajustan en la localidad de Herrera del Duque. Precipitaciones
mximas diarias para T=500 aos.
204
HIGUERA DE VARGAS
localidad de Higuera de Vargas (45 datos) son por orden:
-
1: Burr
3: Dagum
4: Log-logistic 3P
5 y 6: Frchet 3P y Log Pearson 3 empatados.
de Dagum, mientras que la de Burr pasa a ocupar el ltimo lugar al ser la que ms
precipitacin arroja (tabla 57):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
280,14
28,84%
Gen Extreme Value
205,28
-5,59%
Dagum
208,86
-3,95%
Log-logistic 3P
238,92
9,88%
Frchet 3P
190,61
-12,34%
Log Pearson 3
180,82
-16,84%
MEDIA
217,44
Tabla 57. Distribuciones que mejor se ajustan en la localidad de Higuera de Vargas. Precipitaciones

localidad de Jerez de los Caballeros (66 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Log-logistic 3P
Frchet 3P
Gen Extreme Value
Pearson 5 3P.

Mxima Diaria y la media de las mismas, la que ms se ajusta es la Gen Extreme
Value (tabla 58):
205
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
179,52
4,77%
Log-logistic 3P
204,84
19,54%
Frchet 3P
157,75
-7,94%
Gen Extreme Value
163,67
-4,48%
Pearson 5 3P
150,97
-11,89%
MEDIA
171,35
Tabla 58. Distribuciones que mejor se ajustan en la localidad de Jerez de los Caballeros.
LA ALBUERA
localidad de La Albuera (50 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Pearson 5
Log-logistic
Log-logistic 3P
Dagum.

Mxima Diaria y la media de las mismas, la que ms se ajusta es tambin la
distribucin de Burr (tabla 59):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
153,92
4,99%
Pearson 5
116,89
-20,27%
Log-logistic
124,38
-15,16%
Log-logistic 3P
179,88
22,69%
Dagum
157,97
7,75%
MEDIA
146,61
Tabla 59. Distribuciones que mejor se ajustan en la localidad de La Albuera. Precipitaciones mximas
diarias para T=500 aos.
LA CORONADA
localidad de La Coronada (40 datos) son por orden:
-
1: Burr
2: Dagum
3: Log-logistic 3P
206
4: Log-logistic
5: .Gen Extreme Value

Dagum (tabla 60):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
147,38
8,84%
Dagum
128,16
-5,35%
Log-logistic 3P
127,23
-6,04%
Log-logistic
122,75
-9,35%
Gen Extreme Value
151,52
11,90%
MEDIA
135,41
Tabla 60. Distribuciones que mejor se ajustan en la localidad de La Coronada. Precipitaciones

localidad de La Roca de la Sierra (59 datos) son por orden:
-
1:
2:
3:
4:
5:
Pearson 5
Pearson 5 3P
Lognormal 3P
Pearson 6 4P
Inv Gaussiana 3P

distribucin de Pearson 5 (tabla 61):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5
143,49
2,03%
Pearson 5 3P
145,25
3,28%
Lognormal 3P
137,73
-2,06%
Pearson 6 4P
144,68
2,88%
Inv Gaussiana 3P
132,02
-6,13%
MEDIA
140,63
Tabla 61. Distribuciones que mejor se ajustan en la localidad de La Roca de la Sierra.

207
MAGUILLA
localidad de Maguilla (36 datos) son por orden:
-
1:
2:
3:
4,
Gen Extreme Value

Log Pearson 3
Fatigue Life 3P
5 y 6: Pearson 6 4P, Lognormal 3P y Gamma 3P empatadas.
Por otra parte, teniendo en cuenta el valor obtenido por estas distribuciones para
la Precipitacin Mxima Diaria y la media de las mismas, la que ms se ajusta es
la distribucin de Pearson 6 4P mientras que la Gen Extreme Value pasa al quinto
lugar (tabla 62):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
89,23
-0,98%
Log Pearson 3
89,70
-0,46%
Fatigue Life 3P
90,46
0,38%
Pearson 6 4P
90,16
0,05%
Lognormal 3P
91,12
1,11%
Gamma 3P
90,03
-0,10%
MEDIA
90,12
Tabla 62. Distribuciones que mejor se ajustan en la localidad de Maguilla. Precipitaciones mximas
MANCHITA
localidad de Manchita (52 datos) son por orden:
-
1:
2:
3:
4:
5:
Gumbel
Lognormal
Burr
Gen Extreme Value
Log-gamma

distribucin de Gumbel (tabla 63):
208
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gumbel
108,19
-1,06%
Lognormal
98,03
-10,35%
Burr
126,83
15,99%
Gen Extreme Value
107,10
-2,05%
Log-gamma
106,57
-2,54%
MEDIA
109,34
Tabla 63. Distribuciones que mejor se ajustan en la localidad de Manchita. Precipitaciones mximas
MRIDA
localidad de Mrida (59 datos) son por orden:
-
1:
2:
3:
4:
5:
Log-logistic
Burr
Frchet 3P
Gen Extreme Value
Log-logistic 3P

Burr (tabla 64):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Log-logistic
94,55
-12,32%
Burr
113,93
5,65%
Frchet 3P
100,71
-6,61%
Gen Extreme Value
98,19
-8,95%
Log-logistic 3P-
131,80
22,22%
MEDIA
107,84
Tabla 64. Distribuciones que mejor se ajustan en la localidad de Mrida. Precipitaciones mximas
localidad de Monterrubio de la Serena (56 datos) son por orden:
-
1: Fatigue Life 3P
209
2:
3:
4:
5:
Lognormal 3P
Pearson 5 3P
Gen Gamma 4P
Gen Extreme Value
distribucin Gen Extreme Value (tabla 65):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Fatigue Life 3P
98,14
-0,52%
Lognormal 3P
99,37
0,73%
Pearson 5 3P
100,38
-2,39%
Gen Gamma 4P
97,14
-1,53%
Gen Extreme Value
98,23
-0,43%
MEDIA
98,65
Tabla 65. Distribuciones que mejor se ajustan en la localidad de Monterrubio de la Serena.

MONTIJO
localidad de Montijo (33 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Frchet 3P
Pearson 5 3P
distribucin de Dagum (tabla 66):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
142,51
4,91%
Log-logistic 3P
149,99
10,42%
Dagum
137,86
1,49%
Frchet 3P
126,48
-6,89%
Pearson 5 3P
122,36
-9,92%
MEDIA
135,84
Tabla 66. Distribuciones que mejor se ajustan en la localidad de Montijo. Precipitaciones mximas
210
OLIVENZA
localidad de Olivenza (37 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Frchet 3P
Pearson 6 4P y Log-logistic empatadas.
distribucin de Frchet 3P (tabla 67):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
155,88
23,44%
Log-logistic 3P
132,28
4,75%
Dagum
123,42
-2,26%
Frchet 3P
123,89
-1,89%
Pearson 6 4P
115,71
-8,37%
Log-logistic
106,48
-15,68%
MEDIA
126,28
Tabla 67. Distribuciones que mejor se ajustan en la localidad de Olivenza. Precipitaciones mximas
localidad de Orellana de la Sierra (27 datos) son por orden:
-
1: Burr
2: Log-logistic 3P
3: Frchet 3P
4 y 5: Gen Extreme Value y Pearson 5 3P empatadas.

Burr, mientras que la Log-logistic 3P pasa al ltimo lugar (tabla 68):
211
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
161,20
8,69%
Log-logistic 3P
198,82
34,06%
Frchet 3P
130,66
-11,90%
Gen Extreme Value
121,78
-17,89%
Pearson 5 3P
129,07
-12,97%
MEDIA
148,31
Tabla 68. Distribuciones que mejor se ajustan en la localidad de Orellana de la Sierra.


localidad de Peraleda del Zaucejo (18 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Log-logistic 3P
Error
Normal
Inv. Gaussiana 3P

Dagum (tabla 69):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
75,54
0,39%
Log-logistic 3P
80,10
6,45%
Error
73,89
-1,81%
Normal
73,00
-2,99%
Inv. Gaussiana 3P
73,72
-2,03%
MEDIA
75,25
Tabla 69. Distribuciones que mejor se ajustan en la localidad de Peraleda del Zaucejo.
PUEBLA DEL PRIOR

localidad de Puebla del Prior (51 datos) son por orden:
-
1: Pearson 5 3P
2: Frchet 3P
3: Inv. Gaussiana 3P
212
4: Lognormal 3P
5 y 6: Burr y Log-logistic 3P empatadas.

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Frchet 3P
(tabla 70):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5 3P
166,86
-8,24%
Frchet 3P
181,65
-0,10%
Inv. Gaussiana 3P
121,96
-32,93%
Lognormal 3P
143,51
-21,08%
Burr
188,63
3,73%
Log-logistic 3P
288,43
58,62%
MEDIA
181,84
Tabla 70. Distribuciones que mejor se ajustan en la localidad de Puebla del Prior. Precipitaciones
PUEBLA DEL MAESTRE

localidad de Puebla del Maestre (46 datos) son por orden:
-

2: Log Pearson 3
3: Johnson SB
4: Beta
5 y 6: Fatigue Life 3P y Gamma 3P empatadas.

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Log
Pearson 3 (tabla 71):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
137,64
2,58%
Log Pearson 3
134,25
0,05%
Jonson SB
132,72
-1,09%
Beta
128,87
-3,96%
Fatigue Life 3P
136,36
1,63%
Gamma 3P
135,23
0,78%
MEDIA
134,18
Tabla 71. Distribuciones que mejor se ajustan en la localidad de Puebla del Maestre. Precipitaciones
213
PUEBLA DE LA REINA
localidad de Puebla de la Reina (15 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Log-logistic 3P
Dagum
Frchet 3P
Pearson 5 3P

Dagum (tabla 72):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
184,86
6,84%
Log-logistic 3P
211,55
22,26%
Dagum
168,89
-2,39%
Frchet 3P
153,56
-11,25%
Pearson 5 3P
146,27
-15,46%
MEDIA
173,03
Tabla 72. Distribuciones que mejor se ajustan en la localidad de Puebla de la Reina. Precipitaciones
PUERTO HURRACO
localidad de Puerto Hurraco (54 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Burr
Gen Extreme Value
Log-logistic 3P
Fatigue Life 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Burr (tabla
73):
214
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
111,93
5,47%
Burr
108,92
2,64%
Gen Extreme Value
95,50
-10,01%
Log-logistic 3P
117,88
11,08%
Fatigue Life 3P
96,37
-9,19%
MEDIA
106,12
Tabla 73. Distribuciones que mejor se ajustan en la localidad de Puerto Hurraco. Precipitaciones
localidad de Quintana de la Serena (36 datos) son por orden:
-
1:
2:
3:
4:
5:
Dagum
Burr
Log-logistic 3P
Gen Extreme Value
Rayleigh 2P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Burr (tabla
74):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Dagum
111,29
8,39%
Burr
105,26
2,51%
Log-logistic 3P
119,87
16,74%
Gen Extreme Value
93,65
-8,79%
Rayleigh 2P
83,32
-18,85%
MEDIA
102,68
Tabla 74. Distribuciones que mejor se ajustan en la localidad de Quintana de la Serena.

SANTA AMALIA
localidad de Santa Amalia (50 datos) son por orden:
-
1: Burr
2: Log-logistic
215
3: Log-logistic 3P
4: Frchet 3P
5: Pearson 5 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Pearson 5
3P (tabla 75):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Burr
149,62
4,57%
Log-logistic
108,47
-24,19%
Log-logistic 3P
169,60
18,53%
Frchet 3P
147,14
2,84%
Pearson 5 3P
140,58
-1,75%
MEDIA
Desviacin con
respecto a la media
143,08
Tabla 75. Distribuciones que mejor se ajustan en la localidad de Santa Amalia. Precipitaciones
SEGURA DE LEON
localidad de Segura de Len (50 datos) son por orden:
-
1:
2:
3:
4:
5:
Pearson 5
Log Pearson 3
Gen Extreme Value
Burr
Log-logistic
Log-logistic (tabla 76):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pearson 5
162,43
-10,80%
Log Pearson 3
170,02
-6,63%
Gen Extreme Value
176,75
-2,93%
Burr
222,14
21,99%
Log-logistic
179,11
-1,64%
MEDIA
182,09
Tabla 76. Distribuciones que mejor se ajustan en la localidad de Segura de Len. Precipitaciones
216
SIRUELA
localidad de Siruela (41 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen Extreme Value

Log Pearson 3
Frchet 3P
Pearson 5 3P
Pearson 6 4P

Gen Extreme Value (tabla 77):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
145,59
0,05%
Log Pearson 3
143,87
-1,13%
Frchet 3P
157,32
8,11%
Pearson 5 3P
154,32
6,05%
Pearson 6 4P
126,48
-13,08%
MEDIA
145,52
Tabla 77. Distribuciones que mejor se ajustan en la localidad de Siruela. Precipitaciones mximas
localidad de Talavera de la Reina (8 datos) son por orden:
-
1: Cauchy
2: Log-Gamma
3, 4 y 5: Pearson 5, Lognormal y Burr empatadas.
Log-gamma, mientras que la de Cauchy se coloca en ltimo lugar. En este caso,
para calcular la media y ver el ajuste de las distribuciones, se ha descartado el
valor arrojado por la distribucin de Cauchy por ser claramente desmesurado con
respecto al resto de valores (tabla 78).
217
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Cauchy
---
623,81
---
Log-Gamma
112,65
-3,30%
Pearson 5
109,33
-6,15%
Lognormal
98,27
-15,65%
Burr
145,75
25,11%
MEDIA
116,50
Tabla 78. Distribuciones que mejor se ajustan en la localidad de Talavera de la Reina.


localidad de Valencia del Mombuey (34 datos) son por orden:
-
1:
2:
3:
4:
5:
Fatigue Life 3P
Gamma 3P
Inv Gaussiana 3P
Pearson 6 4P
Lognormal 3P

Fatigue Life 3P (tabla 79):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Fatigue Life 3P
185,65
-1,56%
Gamma 3P
170,77
-9,45%
Inv Gaussiana 3P
192,32
1,98%
Pearson 6 4P
175,98
-6,69%
Lognormal 3P
218,22
15,71%
MEDIA
188,59
Tabla 79. Distribuciones que mejor se ajustan en la localidad de Valencia del Mombuey.
218

localidad de Valencia de las Torres (27 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Cauchy
Log-logistic 3P
Dagum
Frchet 3P

Dagum. En este caso, para calcular la media y ver el ajuste de las distribuciones,
se ha descartado el valor arrojado por la distribucin de Cauchy por ser claramente
desmesurado con respecto al resto de valores (tabla 80).
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
127,48
7,01%
Cauchy
---
820,44
---
Log-logistic 3P
125,08
5,00%
Dagum
115,70
-2,88%
Frchet 3P
108,25
-9,13%
MEDIA
119,13
Tabla 80. Distribuciones que mejor se ajustan en la localidad de Valencia de las Torres.
VALLE DE LA SERENA
localidad de Valle de la Serena (47 datos) son por orden:
-
1:
2:
3:
4:
5:
Gen Extreme Value

Rayleigh 2P
Burr
Dagum
Pearson 5 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Pearson 5
3P (tabla 81):
219
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Gen Extreme Value
82,71
-7,78%
Rayleigh 2P
78,88
-12,05%
Burr
91,92
2,49%
Dagum
103,79
15,73%
Pearson 5 3P
91,12
1,60%
MEDIA
89,68
Tabla 81. Distribuciones que mejor se ajustan en la localidad de Valle de la Serena. Precipitaciones
VALVERDE DE LLERENA
localidad de Valverde de Llerena (54 datos) son por orden:
-
1:
2:
3:
4:
5:
Frchet 3P
Gumbel
Pearson 5 3P
Dagum
Pearson 6 4P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Gumbel
(tabla 82):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Frchet 3P
130,65
-7,72%
Gumbel
137,74
-2,71%
Pearson 5 3P
133,10
-5,99%
Dagum
173,37
22,45%
Pearson 6 4P
133,04
-6,03%
MEDIA
141,58
Tabla 82. Distribuciones que mejor se ajustan en la localidad de Valverde de Llerena. Precipitaciones
220

localidad de Villanueva del Fresno (45 datos) son por orden:
- 1: Pert
- 2: Kumaraswamy
- 3: Johnson SB
- 4: Beta
- 5: Gamma 3P
Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Jonson SB
(tabla 83):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Pert
111,92
-3,72%
Kumaraswamy
109,09
-6,15%
Johnson SB
113,60
-2,27%
Beta
108,59
-6,58%
Gamma 3P
138,01
18,73%
MEDIA
116,24
Tabla 83. Distribuciones que mejor se ajustan en la localidad de Villanueva del Fresno.

localidad de Villarta de los Montes (46 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Gen Extreme Value
Dagum
Log-logistic 3P
Frchet 3P y Log Pearson 3 empatadas.
Log-logistic 3P, mientras que la de Burr se coloca en ltimo lugar (tabla 84):
221
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
158,96
13,52%
Gen Extreme Value
148,32
5,92%
Dagum
130,96
-6,48%
Log-logistic 3P
146,78
4,82%
Frchet 3P
130,17
-7,04%
Log Pearson 3
125,01
-10,73%
MEDIA
140,03
Tabla 84. Distribuciones que mejor se ajustan en la localidad de Villarta de los Montes.
ZAHINOS
localidad de Zahnos (24 datos) son por orden:
-
1:
2:
3:
4:
5:
Burr
Cauchy
Log-logistic 3P
Dagum
Frchet 3P

Mxima Diaria y la media de las mismas, la que ms se ajusta es la de Dagum.
Tambin en este caso, para calcular la media y ver el ajuste de las distribuciones,
se ha descartado el valor arrojado por la distribucin de Cauchy por ser claramente
desmesurado con respecto al resto de valores y no provocar as distorsiones en
los resultados (tabla 85):
Distribucin
Orden de
ajuste con
la media
P 24 (mm)
Desviacin con
respecto a la media
Burr
173,60
6,30%
Cauchy
---
933,17
---
Log-logistic 3P
174,32
6,74%
Dagum
158,50
-2,94%
Frchet 3P
146,81
-10,10%
MEDIA
163,31
Tabla 85. Distribuciones que mejor se ajustan en la localidad de Zahnos. Precipitaciones mximas
222

INFORME DE HIDROLOGIA - 2013 - García - Conde PDF

Cargado por

Copyright:

Formatos disponibles

INFORME DE HIDROLOGIA - 2013 - García - Conde PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

INFORME DE HIDROLOGIA - 2013 - García - Conde PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE EXTREMADURA

ESCUELA DE INGENIERAS INDUSTRIALES

ANLISIS DE DISTRIBUCIONES ESTADSTICAS

Badajoz, Enero de 2013

ESTADO ACTUAL DEL CONOCIMIENTO ____________________ 10

TIPOS DE FLUJO _____________________________________ 10

LOS MODELOS UNIDIMENSIONALES___________________________ 10

PROGRAMAS INFORMTICOS __________________________ 13

2.3.1 PROGRAMAS PARA MODELAR EL FLUJO _______________________

2.5 LOS SISTEMAS DE INFORMACIN GEOGRFICA EN LOS

El COEFICIENTE DE ESCORRENTA _____________________ 28

2.6.1 INTRODUCCIN _____________________________________________ 28

DISTRIBUCIONES ESTADSTICAS _______________________ 37

2.7.1 INTRODUCCIN _____________________________________________

MATERIALES Y MTODOS ________________________________ 61

MTODO RACIONAL MODIFICADO (TMEZ) ______________ 63

MTODO DE SALAS ___________________________________ 64

LA HOJA DE CLCULO COTE.XLS_______________________ 67

RESULTADOS Y DISCUSIONES ____________________________ 84

4.1.5.1 SAN VICENTE DE ALCNTARA. EJEMPLO DE ESTUDIO DE LA

CLCULO Y ESTUDIO DE LAS LLANURAS DE INUNDABILIDAD

4.2.1 INTRODUCCIN ____________________________________________ 128

CLCULO INTEGRANDO LAS SECCIONES EN UN TRAMO DEL

CONCLUSIONES FINALES Y NUEVAS LINEAS DE

BIBLIOGRAFA _________________________________________ 152

ANEXOS _______________________________________________ 158

El desbordamiento de un ro lleva consigo una serie de riesgos que pueden afectar

Apartado 2.1 de la Instruccin 5.2-IC de Drenaje Superficial.

En la Fig. 1 se pueden observar las zonas administrativas del ro.

Fig. 1. Zonas administrativas de los cauces de los ros .

El modelo para averiguar el caudal de clculo ms utilizado, hasta ahora, es el

Fig. 2. Desbordamiento del Ro Aljucn en el ao 2010

Fig. 3. Desbordamiento del Ro Guadiana a su paso por Badajoz en el ao 2010.

En este sentido, con el desarrollo de las nuevas tecnologas y la potencia de los

y el Mtodo Racional Modificado de Tmez [6] para obtener el caudal punta de

ESTADO ACTUAL DEL CONOCIMIENTO

En este apartado se exponen los distintos mtodos usados en la actualidad para

LOS MODELOS UNIDIMENSIONALES

simular cambios de rgimen crtico a subcrtico, cauces con geometras difciles y

La ecuacin de conservacin de la energa en trminos de energa por unidad de

LOS MODELOS BIDIMENSIONALES

Cuando existe una direccin en el caudal de un ro que predomina es posible

b) Ecuacin de cantidad de movimiento:

PROGRAMAS PARA MODELAR EL FLUJO

La modelizacin del movimiento del agua en cauces naturales se ha desarrollado

Este programa se desarroll principalmente para similar la rotura de una presa y

Fig. 4. Interface Programa Boss Dambrk.

Es un programa, desarrollado por el Servicio Meteorolgico Nacional de Estados

Fig. 5. Interface Programa FldWav

Es un software para estudios de inundaciones, en el que se organizan

En el mismo se resuelven los problemas que presenta el clculo de inundaciones

3. El programa calcula flujo supercrtico.

Fig.6. Interface Programa Mike Food

El software Carpa (Clculo en Alta Resolucin en Propagacin de Avenidas)

Este software, desarrollado por el Centro de Ingeniera Hidrolgica (Hydrologic

las velocidades en el clculo de la energa cintica en las secciones y el

Fig. 7. Interface Programa Hec-Ras.

PROGRAMAS PARA EL CLCULO DE AVENIDA

HEC-HMS (Hydrologic Engineering Center's Hydrologic Modeling System) [58], es