GZ AN JournlofHydrology

See discussions, stats, and author proﬁles for this publication at: https://www.researchgate.
net/publication/323280820
QOM, MODELO HIDROLÓGICO SIMPLE PARA ABSTRAER VOLÚMENES DE

LLUVIA
Conference Paper · September 2017
CITATIONS READS
0 20
2 authors, including:
Gustavo Rubén Zavala

University of Malaga
8 PUBLICATIONS 65 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Hydrology and Hydraulic View project
All content following this page was uploaded by Gustavo Rubén Zavala on 20 February 2018.
The user has requested enhancement of the downloaded ﬁle.

CONAGUA 2017 XXVI Congreso Nacional del Agua
QOM, MODELO HIDROLÓGICO SIMPLE PARA ABSTRAER

VOLÚMENES DE LLUVIA
CONAGUA 2017. CÓRDOBA, ARGENTINA, 2017
Gustavo Rubén Zavala1, Antonio Nebro Urbaneja2
1 Administración Provincial del Agua (Argentina)
Av. José Ávalos 658, Resistencia, Chaco, Cel.: +54 9 3624 853864, [email protected]
2 Edificio de Investigación Ada Byron, Universidad de Málaga (España), [email protected]
RESUMEN
Se presenta un modelo numérico hidrológico llamado Qom que tiene como propósito separar y cuantificar los
volúmenes de pérdidas y excesos del agua de lluvia caída en una cuenca hidrográfica. La percepción conceptual
simplificada del modelo permite reproducir de manera simple aquellos fenómenos físicos intervinientes del
complejo ciclo hidrológico. Los resultados se convalidan matemáticamente mediante tres parámetros calibrables y
funciones exponenciales que relacionan la evapotranspiración, el agua almacenada en superficie, el agua almacenada
en el suelo con los procesos de infiltración y percolación. Qom considera humedad antecedente, es aplicable a
cuencas urbanas y rurales, para suelos permeables e impermeables, en dos capas determina los escurrimientos (uno
superficial y otro de napa) y considera eventos de lluvias simple y continuo para series de tiempo prolongados de
varios años, incluyendo períodos secos y húmedos con registros espaciados en tiempo de minutos hasta un día. La
finalidad de este trabajo es contribuir con la predicción de hidrogramas, por lo cual, para los escurrimientos directos,
Qom requiere asociarlo a algún modelo de atenuación y tránsito. Los ejemplos que acompañan este artículo asocian
Qom con Clark analizando ocho cuencas de tamaños, climas, topografía, suelos diferentes, con series de tiempos
muy cortos de 10, 15, 30 y 60 minutos y 24 horas. En el estudio se utilizaron procedimientos de optimización multi-
objetivo (calibración) y validación, basados en indicadores para calificar los ajustes entre los hidrogramas
observados y estimados. Los resultados han sido muy buenos al comparar los indicadores hallados con los rangos
de los indicadores de ajustes propuestos por distintos autores, con calificaciones en el rango de buenas a excelentes.
Los procesos físicos que se consideraron representados por ecuaciones empíricas simples del tipo exponencial
proporcionaron resultados satisfactorios.
Palabras Clave: modelo, hidrología, abstracción, hidrograma, escorrentía, optimización multi-objetivo.
ABSTRACT
In this paper, we present a hydrologic numerical model called Qom, which allows to separate and quantify the loss
volume and excess of the rainwater falling in a hydrographic basin. The simplified conceptual perception of the
model allows reproducing in a simple way the physical phenomena of the complex hydrological cycle. The results
are mathematically validated by three gauges parameters and exponential functions that relate evapotranspiration,
surface stored water, water stored in the soil with the infiltration and percolation processes. Qom considers
antecedent moisture, it is applicable to urban and rural watersheds, for permeable and impermeable soils, in two
layers determines the runoff (superficial and groundwater) and considers simple and continuous rainfall events for
long periods of time of several years, including dry and wet periods with very short time records from several
minutes to one day. The purpose of this work is to contribute to the prediction of hydrograms, so that, for direct
runoff, Qom requires to associate it with some model of attenuation and transit. The included examples associate
Qom with Clark analyzing eight basins of sizes, climates, topography, different soils, with series of very short times
of 10, 15, 30 and 60 minutes and 24 hours. In our study, we applied multi-objective optimization (calibration) and
validation procedures, based on indicators to qualify the adjustments between the observed and estimated
hydrograms. The quality of the obtained results was very high when comparing the values of the indicators used
with the ranges of the indicators of adjustments proposed by different authors, with ratings in the range from good
to excellent. The considered physical processes represented by simple empirical equations of the exponential type,
provided satisfactory results.
Keywords: model, hydrology, abstraction, hydrograph, rainfall, runoff, multi-objective optimization
1
INTRODUCCIÓN
Los efectos de la lluvia que provocan acumulación de agua en superficie, humedad en el suelo,
escurrimiento superficial y de napa, se observan y estudian por diversas instituciones
relacionadas con el medio ambiente. En este sentido, una de las líneas que atrae a los
investigadores es la determinación de las pérdidas y los excesos del agua de lluvia caída en una
cuenca hidrográfica relacionada con el suelo. Se intenta predecir a través de modelos numéricos,
aquellos volúmenes de agua que quedan retenidos en la superficie, el volumen que se infiltra
hacia el interior del suelo y el volumen de agua que percola hacia capas profundas y llegan a las
napas. Para la determinación de los volúmenes mencionados, investigadores plantearon varias
hipótesis y distintos enfoques. Una recopilación exhaustiva de trabajos relacionados con el
contenido de humedad y el movimiento de agua en el suelo se encuentra en Boersma et.al. (1971)
donde comenta trabajos de Darcy (1856), Green y Ampt (1911), Richards (1931), Horton R.,
(1940), Thornthwaite (1948), Philip (1954), Dooge (1957), Holtran (1961) Rockwood (1964) y
Brooks y Corey (1966) entre otros. Estudios posteriores que tienen amplia difusión y aplicación
práctica en la actualidad son USDA- SCS (1972) conocido como el método de la Curva Número
(NC) en el cual utiliza ciertos datos climáticos y características de la cuenca con humedades
antecedentes para determinar las retenciones y excedentes; Nielsen y Hansen (1973) propusieron
el modelo Nedbor Aftromnings Model (NAM), un modelo continuo completo de
evapotranspiración y almacenamiento en cuatro capas interrelacionadas, asociado con un modelo
de flujo terrestre; Aaron et al (1977) formularon la infiltración basada en SCS-CN; Eagleson
(1978) propuso un modelo simplificado del movimiento vertical de la humedad del suelo; NWC
(1981) formularon el método racional modificado, incorporando al método Racional un factor
de precipitación antecedente; Thomas (1981) modelo ABCD, no lineal y concentrado, utiliza
ecuaciones simples para modelar y separar volúmenes, siendo estos: almacenamiento de
humedad en el suelo, el almacenamiento de agua subterránea, la evapotranspiración y la
escorrentía; Tucci (1981) implementó un modelo de pérdidas dentro de un modelo matemático
precipitación-escorrentía; Lopez et al (1982) desarrollaron el modelo SMAP, del tipo conceptual
concentrado, contiene un reservorio subsuperficial y subterráneo con capacidad de definir la
saturación del suelo, contiene coeficientes de recargas y flujo de recesión; Sugawara et al (1983)
propusieron el modelo TANK, compuesto por tanques verticales que hacen la abstracción de
volúmenes en series para determinar el excedente; Todini (1995) modelo ARNO; Rigby y
Porporato (2006) proponen expresiones simples que relacionan el almacenamiento de humedad
en el suelo con la percolación. Tres métodos expeditivos simplificados para el cálculo de
humedades en el suelo utilizados de manera complementaria y asociados a otros métodos
hidrológicos para determinar la escorrentía directa de eventos simple o de corta duración son: el
índice ϕ (ϕ Index Method) que es una manera de calcular las perdidas en una cuenca a través de
un índice el cual no tiene en cuenta la variación de la infiltración con el tiempo, asumiendo un
valor contante durante el período de análisis; Initial and Constant Loss Rate (relacion de perdidas
inicial y constante) es similar al índice ϕ pero considera una pérdida inicial asociada al primer
registro de intensidad de precipitación; Constant Proportion Loss Rate (relación de perdida
proporcional constante) para cada registro de intensidad de precipitación se descuenta una
intensidad de perdida. Esta última resulta de multiplicar la intensidad de lluvia por una constante,
resultando una perdida por registro linealmente proporcional a la intensidad de lluvia.
Siguiendo la línea de estos estudios se presenta Qom, un modelo numérico hidrológico de
abstracción de agua de lluvia del tipo empírico, concentrado, continuo y determinístico para
cuencas urbanas y rurales que tiene como propósito separar los volúmenes de agua de lluvia en
volúmenes de pérdidas y excesos. La propuesta de este trabajo es la de proveer una metodología
alternativa de cálculo basado en observaciones y registros históricos que describen el
2
comportamiento hidrológico en cuencas hidrográficas. Se intenta modelar el fenómeno

hidrológico a través de una percepción conceptual simplificada, utilizando funciones
exponenciales normalizadas que permitirían reproducir y cuantificar de manera sencilla, aquellos
fenómenos físicos intervinientes del complejo ciclo hidrológico. Para el análisis se modelaron
ocho cuencas de tamaños, climas, topografía, suelos diferentes, con series de tiempos continuas
de varios meses y años, con registros de lluvias espaciados en tiempos muy cortos de 10, 15, 30
y 60 minutos y 24 horas.
Para la calibración se aplican técnicas de optimización multi-objetivo, de forma que se
consideran dos funciones objetivo contrapuestas del tipo funciones de ajustes y se considera
funciones de restricciones a las soluciones no factibles. Las funciones de ajustes determinan
indicadores para calificar diferencias entre los hidrogramas observados y estimados. Se utilizaron
la Eficiencia de Nash-Sutcliffe (NSE) y el porcentaje que mide la tendencia media de la
simulación (PBIAS) como funciones objetivo. En las restricciones para la aceptación de
soluciones se utilizó el Error Relativo (RE) del Balance de Masa (MB) entre otros. Forman parte
del test cuencas de los ríos Asua, España (50,8km2, t=24h); Artibai, España (94,5km2,
t=10min); Cuenca alta del Rio San Antonio, estación Loop 410, Texas, USA (323,7 km2,
t=15min); San Antonio estación Goliad, Texas, USA (10.000km2, t=24h); Rio Riveira Do
Iguape, Juquiá-4F, Brasil (4.360km2, t=1,0h y t=15,0min.); Río Salado Santafesino, aforo RP
N°70, Argentina (41.531km2, t=24h); Cuenca del Alta del Rio Bermejo, Est. Balapuca,
Argentina-Bolivia (4.398,8km2, t=24h); Cuenca Baja del Rio Negro, Chaco, Argentina
(338,2km2, t=1,0h). Los resultados han sido alentadores al comparar los indicadores hallados
con los rangos de los indicadores de ajustes propuestos por distintos autores. Los procesos físicos
que se consideraron representados por ecuaciones empíricas simples del tipo exponenciales dan
resultados satisfactorios.
Se concluyó que el modelo numérico debería ser considerado como modelo alternativo a los
existentes debido a que arrojó resultados muy buenos y es numéricamente estable con la
sensibilidad adecuada.
Se presenta el trabajo en secciones, en la de Objetivos se listan las actividades que se persiguen.
En la sección Materiales y Métodos se da a conocer la lógica y la relación matemática utilizada
para intentar reproducir los procesos hidrológicos observados y a predecir. Experimentos y
Pruebas es una sección que incluye como test de análisis de varias cuencas hidrográficas,
extrayendo indicadores que pueden dar un punto de vista del funcionamiento y de la utilización
del modelo propuesto. En la sección Evaluación de Resultados se asienta la crítica a las
soluciones obtenidas. La siguiente sección es la de Conclusiones, donde se manifiestan los
alcances y consideraciones y finalmente Trabajos Futuros, sección en la que se manifiestan las
líneas de investigaciones que se pretenderá seguir.
OBJETIVOS
La finalidad de este trabajo es la de contribuir a la toma de decisiones en proyectos que requieran
predicciones de caudales de diseño, cuyos resultados sean considerados para adoptar acciones y
mitigar los problemas hídricos e hidráulicos. En este sentido, Qom determina las pérdidas y los
excesos para eventos continuos o múltiples. Para estimar los hidrogramas se requiere asociarlo a
algún modelo de atenuación y traslación como por ejemplo Clark C.O. (1945). Por consiguiente,
en las pruebas que acompañan a este artículo se basan en el amalgamiento Qom-Clark, quedando
un modelo final precipitación-escorrentía.
El objetivo principal de Qom es la utilización de un juego de reducido de parámetros que
caractericen el ciclo hidrológico de una cuenca considerada como concentrada para un ciclo
continuo de lluvias. Por lo cual se desprende de este objetivo principal otro objetivo secundario
3
que tienen que ver con la aplicabilidad genérica. El modelo Qom cubriría un amplio espectro de
condiciones, por ejemplo: distintas morfometrías de cuencas y topografía, un amplio rango de
climas, ajustable a las cuatro estaciones del año tanto en períodos secos como húmedos, tipos y
variedad de cobertura de suelos, variabilidad en la permeabilidad de suelos.
La calibración y validación son proceso obligados e importante para determinar el rendimiento
del modelo. En este sentido, se escogió técnicas de optimización multi-objetivo, técnica que nos
permite de manera automática, hallar los parámetros (variables de decisión) dentro de valores
límites superiores e inferiores. Los valores límites utilizados tienen bases en propuestas
realizadas por varios autores. Parametrizar a la cuenca hidrográfica como concentrada requiere
en general, tres parámetros correspondientes a Qom y tres parámetros correspondientes a Clark.
Un objetivo propuesto y concreto fue la construcción de softwares con las aplicaciones necesarias
para cumplimentar con los procesos y pasos de cálculo, herramienta con la cual se procesaron
los problemas que forman parte de este artículo. Con este y sin la necesidad de ocupar software
de terceros, se hicieron las pruebas, se generaron los archivos de resultados, se representaron los
datos y las estimaciones a través de gráficos,
MATERIALES Y MÉTODOS
Modelo Qom
El modelo Qom considera humedad antecedente, la evapotranspiración, el agua almacenada en
superficie y los procesos de infiltración y percolación, acciones que provocan el almacenamiento
de agua en el suelo. Es aplicable a suelos permeables e impermeables, y en tres capas determina
los escurrimientos siendo éstos dos superficiales (suelos permeables e impermeables) y otro de
napa (flujo subterráneo). Se puede plantear una configuración alternativa al flujo de salida
subterránea, en reemplaza de este, sería considerar un almacenamiento adicional en el suelo
permeable profundo sin salida. Así se tendría dos capas de escurrimientos. Considera eventos de
lluvias simples y continuos para series de tiempo prolongados de varios años, incluyendo
períodos secos y húmedos con registros temporales muy cortos de varios minutos hasta un día.
Para cumplimentar con la solución, el modelo necesita además de los datos de lluvias y las
características morfométricas de la cuenca, el adicional de tres parámetros calibrables. Por un
lado, el volumen de agua de almacenamiento máximo en superficie Rmáx (mm). En segundo
lugar, el volumen máximo de almacenamiento en el suelo Smáx (mm), con el cual se determina
el agua potencialmente que podrá infiltrarse Sp (mm) (Ecuación 1). De esto depende la cantidad
de agua almacenada en superficie..
Sp = 1 – (e - R[i] / (Rmax-R[i])) Smáx (1).
Por último, el tercer parámetro es el coeficiente de conductibilidad volumétrico VC (mm/h), que
representa el volumen de agua que tridimensionalmente se desplazaría en el suelo hacia la salida
por unidad de superficie en un determinado tiempo, expresado en volumen de lámina de agua
por unidad de tiempo. Es un valor representativo para la variedad de suelos que contenga la
cuenca, y permite computar un volumen potencial de agua Dp (Ecuación 2) que se desplazaría
en el seno del suelo como napa o escurrimiento profundo hacia la salida, conteniendo
implícitamente el concepto de percolación y conductibilidad hidráulica en medios porosos.
Dp = 1 – (e - S[i] / (Smax-S[i])) VC * Δt (2)

El desplazamiento de agua entre los poros del suelo se producirá siempre y cuando el suelo esté
lo suficientemente húmedo S[i] y/o saturado. Otra manera de considerar a Dp es que no produzca
escorrentía, quedando un volumen de agua retenido como almacenamiento adicional sin salida.
4
Para la selección orientativa de los valores de los tres parámetros se puede recurrir a estudios
realizados por autores que definen valores con rangos mínimos y máximos según características
de los tipos de suelos, cobertura y tipología de la cuenca, de modo tal de considerar valores del
contenido de agua en el suelo.
Para valores a adoptar de Rmáx se puede recurrir a la Tablas 1 y 2.
Tabla 1.- Valores límites sugeridos para el almacenamiento superficial del suelo.
Fuente: archivo help del HEC-HMS
Capacidad de almacenamiento
Tipos de Suelos (mm)
Áreas asfaltadas, impermeables 3,2 - 6,35
Pendientes empinada a suaves 0,04 - 1,0
Planos, suelo con surcos 2,0 – 50,8
Tabla 2.- Valores de almacenamiento en las depresiones del suelo permeable e impermeable.
Fuente: Bertrand-Krajewski (1999/2000) de Torres Abello (2004)
Permeable Impermeable
Citas (mm) (mm)
Desbordes (1974) 3,0 – 15,0 0,2 – 3,0
Göttle (1978) 0,6 – 2.5 0,2 – 0,7
Chocat et al (1982) 6,5 1,6
ATV (1986) 1,0 – 8,0
Kaufmann et al (1988) 1,0
Como valores orientativos para adoptar Smax se puede recurrir a la Tablas 3, considerando un
espesor de suelo representativo de la cuenca al igual que una ponderación de los tipos de suelos
que contenga. Se entiende por Capacidad de Campo Israelson y West (1922) en hidrología, el
contenido de humedad que alcanza el suelo cuando no puede absorber más agua de forma natural
de la lluvia.
Tabla 3-. Valores de capacidad de campo para distintos suelos Hidalgo (1993).
Tipos de Suelos Capacidad de Campo
(mm/cm de profundidad)
Arenoso 0,33 - 0,85
Ligeros 0,85 - 1.25
Medios 1,25 - 1,90
Arcillosos 1,90 - 2,00
Respecto a VC, que es una propuesta para simplificar el cálculo del desplazamiento vertical y
horizontal del agua en el suelo y poder determinar volúmenes de escurrimiento en medios
porosos, no se ha encontrado valores orientativos en la literatura. Como primera aproximación,
se sugiere, aunque tenga conceptos distintos, utilizar inicialmente valores de coeficientes de
conductibilidad hidráulico de Darcy H. (1856) (los valores representan distancia recorrida por
unidad de tiempo para tipos de suelos), considerando algún espesor de suelo para intentar definir
5
valores del volumen de lámina de agua circulante por unidad de tiempo. Al necesitar un único
parámetro se deberá considerar un tipo de suelo predominante o representativo de la cuenca o de
un valor ponderado. En la Figura 1 se aprecia la variación del desplazamiento del agua en el
medio poroso por tipo de suelo y porcentaje de saturación. También se muestran referencia de
valores en la Tabla 3 y 4.
Figura 1.- Conductibilidad hidráulica por textura del suelo según porcentaje de saturación.
SCS (1975) Clases de texturas del suelo por USDA
Tabla 3.- Conductibilidad hidráulica en suelos saturados. Fuente: Rawls et al (1982) .

Conductibilidad
Clase de textura Hidráulica, saturado
(cm/h)
Sand 21,00
Loamy sand 6,11
Sandy loam 2,59
Loam 1,32
Silt loam 0,68
Sandy clay loam 0,43
Clay loam 0,23
Silty clay loam 0,15
Sandy clay 0,12
Silty clay 0,09
Clay 0,06
6
Tabla 4. Conductibilidad hidráulica en suelos saturados, Hidalgo (1993).
Tipos de Suelos Permeabilidad (mm/h)
Arenoso 19,0 – 25,5
Ligeros 12,0 – 19,0
Medios 10,0 – 12,5
Arcillosos 7,5 – 9,0
En el esquema de la Figura 2 se representa la manera en que Qom requiere los datos, como los
procesa, calibra y valida dentro de la herramienta software jMetal de Durillo y AJ Nebro (2011).
jMetal (entorno de trabajo)
Algoritmos de optimización multi-objetivos
Qom-Clark: modelo hidrológico precipitación-escorrentía

(colocado como problema)
Hietograma Registros del problema

0 *.basin *. pevt
15 Vol. *.rain *.var
30 (mm) *. Qo
*. Ho
Tiempo (h)
Precipitación
(entrada)
EVT Hidrograma
(pérdida)
Caudal
210 observado
Río 105 3
20 (m /s)
Almacenamiento
Tiempo (h)
Cuenca
Escorrentía
(salida)
Humedad del suelo y

Variables de decisión: Caudal estimado
Rmax, Smax, VC, Volumen
(mm) 0
Ki, Kp, Kg 15
Sahpe, CT, Eq, 30
210 Caudal
Final 105 3
20 (m /s)
f
2
Pérdidas Pérdidas (mm)
FUN Excesos Excesos(mm)
Caudales Caudal de salida
VAR 3
estimado (m /s)
Frente de Soluciones
Pareto posibles
f
1
Figura 2. – Diagrama en bloque del modelo Qom
7
Para una cuenca hidrográfica en particular se requiere saber datos de la misma, los cuales se
almacenan en el archivo *.basin. Entre ellos están el área A (km2), el porcentaje de suelo
permeable %P, la fecha inicial FI (aaaa/mm/dd), la fecha final FF (aaaa/mm/dd), la fracción de
tiempo entre datos Δt (h) con la cual se discretiza las variables que están en función del tiempo,
el almacenamiento inicial en superficie del suelo Ro (mm), el almacenamiento inicial en el suelo
So (mm), Rmax, Smax, VC (explicados previamente) y; la cantidad de registros a procesar N.
También se requieren los registros de lluvias *.rain identificados con la variable función del
tiempo P (mm) y; los registros de la evapotranspiración potencial *.pevt identificada con la
variable en función del tiempo PEVT (mm).
En los flujogramas de las Figuras 3, 6 y 7 se representan con detalle los procesos de cálculo y
las consideraciones lógicas con que Qom modela las pérdidas. Luego de los datos iniciales el
contenido de humedad en el suelo se divide en dos columnas Sin Escorrentía y Con
Escorrentía. Antes del punto de inicial de cálculo (1) comienza con un estado de humedad inicial
o antecedente previo en la cuenca donde R[0]=Ro y S[0]=So. La variable que contiene los
registros de precipitación P será utilizada además como contenido de humedad remanente o de
escorrentía. En (2) se pregunta si la precipitación es mayor a la capacidad que queda en superficie
para retener toda el agua caída. En caso negativo almacena todo en superficie y no hay
escorrentía, mientras que en caso positivo una parte de la lluvia agota la capacidad de
almacenamiento superficial del suelo y hay escorrentía. En (3) participa la PEVT y se pregunta
si es menor al contenido de agua en superficie, si es falso la PEVT evapora toda el agua y;
aparece la evapotranspiración a tener valor como pérdida desaparece el agua en superficie, y si
es verdadero el agua en superficie tiene resto y la cantidad suficiente para que se cubra la
demanda de PEVT transfiriendo los valores a EVT. Siguiendo con el análisis, en (4) si quedara
demanda en PEVT y fuese mayor a P, se produce EVT absorbiendo el volumen total quedando
sin escorrentía. En caso verdadero se cubre la dote de PEVT, hay EVT y se reduce el volumen
de P quedando agua para escorrentía. En (5) se analiza la capacidad potencial de almacenar agua
en el suelo Sp, utilizando la Ecuación (1) que relaciona el Smáx con la relación de
almacenamiento R y Rmáx para el instante t = i Δt, siendo i el número de índice correspondiente
al registro. Si existiere capacidad para seguir almacenando agua ΔS será distinto de cero, que es
la diferencia entre la humedad contenida en el suelo actual S y Sp. Esta transferencia de humedad
de superficie al suelo no se efectiviza hasta en (6), donde se comprueba que haya suficiente agua
en superficie para que pueda infiltrarse. Si así fuese, se incrementaría el volumen de agua en el
suelo incorporándose el volumen ΔS a S. En (7) se considera que se decida si toda o parte del
volumen de agua que todavía produce escorrentía sea reducida por infiltración directa. En este
punto se supone una pérdida adicional en la cual tal vez, no se produciría escorrentía directa,
considerando aún el suelo con poca humedad, que tal vez posea una buena cobertura vegetal
frenando el deslizamiento de agua, quedando más tiempo en superficie y propiciando la
infiltración. Es una manera distinta a las anteriores consideraciones para reducir la escorrentía
directa en suelos permeables.
En (8), antes de entrar en el proceso de percolación y movimiento del agua vertical y horizontal
en el suelo que adopta Qom, comentaremos los experimentos de Darcy como se ve en la
Figura 4.
Darcy encontró que el caudal Q que atraviesa una sección es linealmente proporcional a la
sección y al gradiente hidráulico Ecuación (3).
Q = K Sección h / l (3)
8
Datos y humedad inicial
i=0->N, Δt, A , %P, P, PEVT, So, Ro, Qo, Smax, Rmax, VC

SIN ESCORRENTÍA CON ESCORRENTÍA
1 Acumulación de agua en
Acumulación de agua
superficial sin escorrentía Verdadero superficie con escorrentía
Falso
R[i] += P[i] P[i] >= P[i] = P[i]-(Rmax - R[i])
2 P[i] = 0.0 (Rmax - R[i]) R[i] = Rmax
Evapotranspiración del total Evapotranspiración potencial

del agua superficial cubierta con excedente en
Falso Verdadero superficie
PEVT[i] -= R[i] R[i] -= PEVT[i]
3 EVT[i] = R[i] PEVT[i]<= R[i] EVT[i] = PEVT[i]
R[i] = 0.0 PEVT[i] = 0.0
Evaporación total de la precipitación con Cupo de evaporación cubierta

resto de evapotranspiración potencial con la precipitación y excedente
Falso Verdadero en superficie
PEVT[i] -= P[i] P[i] -= PEVT[i]
4 EVT[i] += P[i] PEVT[i] < P[i] EVT[i] += PEVT[i]
P[i] = 0.0 PEVT[i] = 0.0
Capacidad potencial de
5 aux = - R[i]/(Rmax-R[i])
almacenamiento de
aux
z = 1-2.0 humedad en el suelo y
Sp = z * Smax volumen de agua
Saux = max(S[i], Sp) almacenaría
ΔS = Saux - S[i]
Infiltración total del agua Infiltración parcial del agua
almacenada en superficie almacenada en superficie
Falso Verdadero
S[i] += R[i] R[i] -= ΔS
6 ΔS = ΔS - R[i] R[i] - ΔS > 0.0 S[i] = S[i] + ΔS
R[i] = 0.0 ΔS = 0
Infiltración directa del Infiltración directa del

resto de agua de lluvia resto de agua de lluvia
Falso Verdadero
sin escorrentía con escorrentía
S[i] += P[i] P[i] -= ΔS
P[i] - ΔS > 0.0
7 P[i] = 0.0 S[i] += ΔS
Volumen de agua que

8 se desplazaría en los
Percolación poros del suelo
Figura 3. – Flujograma del modelo numérico Qom
9
Figura 4.- Esquema de funcionamiento del permeámetro.

Donde:
h es la diferencia de Potencial entre A y B
l es la distancia entre A y B
h/l es el Gradiente hidráulico
K es la conductibilidad hidráulica, velocidad con que el fluido atraviesa el suelo.
Si aplicáramos este método para calcular los caudales que escurrirían aguas abajo en una cuenca,
deberíamos determinar los caudales verticales y horizontales que se desplazarían en el suelo, se
debería conocer los distintos estratos de suelo con sus espesores b. Se utilizaría un K para cada
tipo de suelo tal se muestra en las Figuras 5, con las dificultades de la variabilidad espacial que
pudieran tener de los espesores.
Terreno natural Terreno natural
l
b1 b1
b2 B b2 B
h h
K1 b3 K1 Q b3
q
K2 K2
K3 K3
Figura 5.- Flujo vertical y horizontal para estratos con suelos distintos.
Además, para un mismo estrato de suelo, los K suelen ser diferentes para los sentidos de
escurrimientos horizontal y vertical, duplicándose las variables. De modo tal que, el caudal total
que se desplazaría en la capa de suelo en estudio se calcularía por separado, el vertical y el
horizontal para cada tipo de suelo para luego determinar un único caudal de salida.
Qom propone utilizar para este modelo concentrado, un solo parámetro para determinar el caudal
que se desplaza en el suelo en capa sub-superficial y capa profunda hasta la salida, llamado
Coeficiente Volumétrico (VC). El VC es un parámetro que define el volumen potencial de lámina
de agua que se desplazaría en el suelo por unidad de tiempo, valor representativo para toda la
cuenca que contiene implícitamente las características de permeabilidad y conductibilidad
hidráulica de los suelos sin tener en cuenta los espesores de los estratos que conforman el perfil
del suelo, sin necesidad de definir un límite inferior o la profundidad del manto. En la Figura 6
10
se muestra la continuación del flujograma de la Figura 3, es decir, el proceso de cálculo que

define D como el volumen escurrimiento de napa en tercera capa o considerado un volumen que
se perdería como almacenamiento complementario a S en la segunda capa.
de Figura 2
8
aux = -S[i] / (Smax - S[i])
Percolación aux
potencial z = 1-e
Dp = z * VC * Δt Percolación efectiva. Incremento
de humedad en el suelo o
Verdadero remanente de humedad en el suelo
S[i] > Dp D[i] = Dp

S[i] -= Dp
Falso
Figura 6.- Flujo vertical y horizontal hacia la salida en el seno del suelo utilizando un solo parámetro, el VC.
Siguiendo con los análisis de pérdidas, en (9) se considera que una parte de humedad del suelo
EVT siempre y cuando S tenga humedad y exista PEVT mayor que cero. Si existiera un cupo
por cubrir de la PEVT, por verdadero o falso de manera distinta se restará humedad al suelo
según (10). Finalmente, los valores mayores a cero de P son los que generarán escorrentía directa
tal la línea (11) donde, Vi es el volumen de escorrentía para la porción de suelo impermeable,
Vp el volumen de escorrentía para la porción de suelo permeable. Vg según se adopte para el
problema será, el volumen de agua de napa de escorrentía subterránea hacia la salida o la pérdida
de humedad en el suelo en capa profunda.
Al encontrar humedad en el suelo y
de Figura 5
evapotranspiración potencial
9
Falso Verdadero
aux= PEVT[i] / (S[i] - PEVT[i]) PEVT[i] > S[i] aux= S[i] / (PEVT[i] - S[i])
Se considera una fracción adicional en la evapotranspiración
-aux Reducción de la humedad

z = 1-e del suelo y aumento en las
10 PEVT[i] = PEVT[i] - z pérdidas por EVT
EVT[i] = EVT[i] + z
S[i] = S[i] - z
Vi_[i] = P[i] * (1.0 - %Permeable) Volúmenes de escurrimiento:

11 Vi en suelo impermeable (1er capa)
Vp_[i] = P[i] * %Permeable
Vg_[i] = D[i]; Vp en suelo permeable (2da. capa).
Si hay más registros se Vg de napa (3era capa) o según
repite el proceso Falso consideración almacenamiento de
humedad en suelo (2da. capa)
1 i=i+1 i<N
Verdadero
Método de Clark (escorrentía Vi, Vp, Vg)

12 Traslación del Flujo (Histograma Sintético)
Atenuación del Flujo (Reservorio Lineal Simple)
Figura 7.- Determinaciones de los volúmenes de escorrentía.
11
En caso de tener más registros para procesar se sigue en (1), de lo contrario termina el proceso
Qom y se pasan los volúmenes Vi, Vp y Vg para modelar los hidrogramas con Clark (12).
Modelo Clark
Basado en el Hidrograma Unitario Instantáneo (HUI), se usa para modelar la escorrentía directa
de la lluvia como la respuesta de una cuenca. Consta de dos partes, el Diagrama Sintético
Tiempo-Área (DSTA) para la traslación del volumen de agua y el Reservorio Lineal Simple
(RLS) para la atenuación del volumen de agua saliente por unidad de tiempo. No obstante, se
ha utilizado el método del Histograma de Área Sintético (HAS) como alternativa al DSTA.
Aplicando RLS se obtienen Qi (m3/s), caudal superficial en la porción se suelo impermeable; Qp
(m3/s), el caudal superficial en la porción se suelo permeable; y Qg (m3/s), el caudal de napa o
flujo en suelo profundo. Para esto se agregan tres parámetros calibrables: Ki (h), el tiempo medio
de vaciamiento del reservorio en suelo impermeable; Kp (h), el tiempo medio de vaciamiento
del reservorio en suelo permeable; y Kg (h), el tiempo medio de vaciamiento del flujo base o de
napa en suelo permeable. Qg depende de los parámetros VC y Kg, es el caudal de escurrimiento
en medios porosos que sale de la cuenca.
Calibración y Validación
Para el proceso de modelado, como guía, se siguió con el esquema propuesto por Donigian y Rao
(1990) (ver Tabla 5), en donde se definen los procesos de calibración y validación. Calibración
es un test del modelo en donde se conocen las informaciones de entrada y salida para ajustar o
estimar factores que no se conocen que no vienen con los datos y debe estimarse un resultado.
Validación es un proceso de comparación de los resultados del modelo con datos numéricos
independientes derivados de experimentos u observaciones del medio ambiente. Para procesar
tanta información y emisión de resultados se confeccionaron algoritmos y software para ejecutar
las pruebas en cada fase. Para el test del modelo, se utilizaron procedimientos de optimización
multi-objetivo (calibración por MOO), posteriormente se llevaron a cabo las validaciones con las
decenas de posibles soluciones que arroja el algoritmo de MOO basadas en indicadores que
califican los ajustes del balance de masa y entre los hidrogramas observados y estimados.
Tabla 5.- Lineamiento por fases propuesto para validar Qom
Registros de datos
Fase I Preparación de la entrada del modelo
Evaluación de los parámetros
Calibración
Fase II Validación Testeo del modelo
Post-audición
Fase III Análisis de alternativas
Ecuaciones de los Indicadores de Ajustes

Para calificar las bondades de los ajustes en las calibraciones y validaciones de los resultados
numéricos de los volúmenes de las pérdidas y de los excesos se utilizó el Balance de Masa (BM).
Con la Ecuación 4 se considera la pérdida de agua en capa profunda del suelo D, volumen sin
salida y con la Ecuación 5 se considera la escorrentía de napa con volumen de salida Qg.
(𝑅0 +𝑆0 +𝑃−𝐸−𝑅−𝑆−𝐷)

+ 𝑄𝑜 − (𝑄𝑖 + 𝑄𝑝 ) ± 𝐴𝐸 = 0 (4)
∆𝑡
(𝑅0 +𝑆0 +𝑃−𝐸−𝑅−𝑆)

+ 𝑄𝑜 − (𝑄𝑖 + 𝑄𝑝 + 𝑄𝑔 ) ± 𝐴𝐸 = 0 (5)
∆𝑡
12
Siendo AE el error absoluto del BM, valor resultante necesario para hacer cero a la ecuación
numérica.
Para esta situación también se determinó como indicador de ajuste el Error Relativo (RE), siendo
el AE sobre el valor del volumen observado O expresado en porcentaje, Ecuación (6).
𝐴𝐸
𝑅𝐸 = 100 (6)
𝑂
Para los ajustes entre los hidrogramas observados y estimados se recurrieron a las ecuaciones de:
1. Coeficiente de correlación de Pearson (R) Ecuación (7), es un indicador que puede
utilizarse para medir el grado de relación lineal de dos funciones. Igual a 0,0 no existe
correlación lineal e igual a 1,0 existe correlación lineal perfecta.
(7)
2. Coeficiente de determinación (R2) describe el grado de colinealidad entre los datos

simulados entre rango de 0,0 a 1,0. Valores altos significan menor varianza, aceptable
0,5.
3. Eficiencia Nash-Sutcliffe (NSE) Ecuación (8), es una estadística normalizada que

determina la magnitud relativa de la varianza residual ("ruido") en comparación con la
varianza de los datos de medición ("información"). Hacia el número 1,0 mejor ajuste y
mal ajuste hacia -∞.
(8)
4. PBIAS es un porcentaje que mide la tendencia media de la simulación de datos a ser más
grande o más pequeña que sus contrapartes observadas Ecuación (9) Gupta et al (1999).
Hacia 0,0 mejor ajuste, peor hacia 100,0. Podría decirse que es el error relativo entre los
caudales observados y estimados.
(9)
5. ERQQ Ecuación (10), es el error relativo ponderado entre la suma del error absoluto de
los caudales máximo y mínimo. Los coeficientes de importancia utilizados fueron de 0,95
para el caudal máximo y 0,05 para el caudal mínimo. Cercano a 0,0 mejor ajuste, hacia
1,0 peor.
(𝐴𝑏𝑠(𝑄𝑜𝑚𝑖𝑛 − 𝑄𝑒𝑚𝑖𝑛 ) + 𝐴𝑏𝑠(𝑄𝑜𝑚𝑎𝑥 − 𝑄𝑒𝑚𝑎𝑥 ))

𝐸𝑅𝑄𝑄 = (10)
(𝑄𝑜𝑚𝑎𝑥 + 𝑄𝑒𝑚𝑎𝑥 )
6. RSR es un índice de error que incluye un factor de escala / normalización al Root Mean
Square Error (RMSE). RSR Ecuación (11), varía desde el valor óptimo de 0,0 a un valor
positivo grande como valor residual. La RSR al ser menor mejor será el rendimiento del
modelo de simulación
13
(11)
Algunos autores han propuesto rangos de valores aceptables e inadmisibles para estos
indicadores de ajustes dando crítica a la performance de modelos en estudio. En la Tabla 6 se
califica a los indicadores R y R2 para caudales diarios y mensuales. Los indicadores de los
registros diarios los tienen un poco más de flexibilidad con un rango más amplio que los registros
mensuales. En la bibliografía no se ha encontrado indicadores para tiempos de registros de 1 hora
o inferiores, que por analogía a lo comentado deberían ser indicadores más flexibles a los diarios.
Tabla 6.- Calificación de los indicadores de ajustes. Fuente: Duda P.B. et al (2012).
La Tabla 7 muestra calificativos para indicadores de registros mensuales, publicados en Legates

y McCabe (1999) para RSR y Gupta H.V et al (1999) para PBIAS.
Tabla 7.- Calificación de los indicadores de ajustes. Fuente: Moriasi D.N. et al (2007)
Optimización Multi-objetivo a través de Metaheurística

Matemáticamente optimizar una función f (x) es encontrar para la primera derivada f’(x) el
gradiente igual a cero, admitiendo la función una segunda derivada f’’(x) en la cual se halla un
valor mayor o menor que cero, identificando respectivamente de esta manera un óptimo máximo
o un óptimo mínimo relativo. Dicha función puede ser cualquier modelo numérico y se llamará
función objetivo. Por tanto, el término optimización se refiere a la búsqueda de una solución tal
que contenga valores aceptables para la función objetivo. Si existe más de una función objetivo
en el problema se dice que es optimización multi-objetivo. La mayoría de los problemas de
optimización del mundo real son de naturaleza multi-objetivo, lo que supone que hay que
minimizar o maximizar a la vez varias funciones que están normalmente en conflicto o
encontradas entre sí, con la complejidad de encontrarse con varias variables que deben explorarse
al mismo tiempo y tal vez varias soluciones locales y solo una global.
Por la complejidad física y numérica en hidrología difícilmente puedan resolverse problemas a
través de derivadas parciales para encontrar óptimos. Por lo tanto, pueden ser utilizadas técnicas
14
como las Metaheurísticas, que se pueden definir como estrategias de alto nivel no determinista
que usa diferentes métodos para explorar el espacio de búsqueda y encontrar alguna solución
global aproximada. Son algoritmos que no garantizan encontrar el óptimo, pero a cambio suelen
dar soluciones quasi-óptimas en un tiempo razonable. La palabra se compone de Meta: “alto
nivel” y Heurística: “buscar”, método genérico para resolver problemas. Las metaheurísticas
constituyen una familia de técnicas, entre las que se encuentran los algoritmos evolutivos como
los genéticos, la optimización mediante enjambres de partículas, la optimización mediante
colonias de hormigas y muchas otras. Actualmente son técnicas de optimización que se aplican
en innumerables campos: ingeniería, economía, biología, logística. En el campo de la hidrología
podemos recurrir a Yapo P.O. et al (1998), Gupta H.V et al (1999), Efstratiadis A. y
Koutsoyiannis D. (2010), Reed P. et al (2013). Este último en su artículo hace un estado del arte
sobre problemas de hidrología y métodos aplicados en optimización multi-objetivo.
Hallar soluciones aplicando Optimización Multi-objetivo a través de Metaheurísticas requiere
utilizan funciones objetivo contrapuestas con las cuales se intenta encontrar valores óptimos, por
ejemplo, cercano a cero si se intenta minimizan los resultados de las funciones. También se
utilizan funciones de restricciones para descartar las soluciones no factibles. En la fase de
validación se elige un juego de variables de decisión prometedora entre las cantidades de
soluciones posibles encontradas que arroja el método de optimización multi-objetivo (etapa de
calibración). En este sentido, la selección final del juego de variables la debe hacer el experto, y
se transforma en parámetros que caracterizan a la cuenca.
Se detalla a continuación la aplicación al modelo Qom. Se utiliza dos funciones objetivo a
minimizar f1 y f2, considerando las series de datos de los caudales observados y estimados. La
primera función objetivo está relacionada con la NSE pero con el valor opuesto a uno, es decir
tomamos f1 = 1 - NSE siendo el valor óptimo 0,0. De este modo será contrapuesta con la segunda
función objetivo f2 = Abs(PBIAS) que también tenderá a cero. En algunos problemas se utilizó
f2 = ERQQ y f2 = RSR.
Para Qom las variables a calibrar son Rmáx, Smáx, y VC.
Para Clark las variables a calibrar son Ki, Kp y Kg.
Las restricciones a las soluciones, es decir soluciones que se tienen en cuenta si cumplen las
condiciones se expresan de la siguiente manera:
1. 0,30 - Abs(RE) >= 0,0. Es decir se admite un valor para el Error relativo del Balance de
Masa menor o igual al 30%
2. 0,30 - Abs(I-O) >= 0,0. Significa que el error relativo entre los volúmenes deducidos de
las integrales de los hidrogramas de entrada y salida deben ser menor o igual al 30%.
3. NSE – 0,70 >= 0,0. Es decir se admite un valor menor o igual a 0,30
4. PBIAS – 0, 30 >= 0,0. Significa que se acepta un error no mayor al 30%.
5. Kg - Ki >= 0,0. Significan se solo se admiten para el tiempo medio de vaciamiento del
reservorio en medio poroso igual o mayor al tiempo medio de vaciamiento del reservorio
para áreas impermeables.
6. Kg - Kp >= 0,0. Significan se solo se admiten para el tiempo medio de vaciamiento del
reservorio en medio poroso igual o mayor al tiempo medio de vaciamiento del reservorio
para áreas permeables.
Pueden agregarse otras restricciones a las citadas o simplemente descartar algunas de éstas,
logrando tal vez soluciones un poco más flexibles en deterioro de exactitudes.
EXPERIMENTOS Y PRUEBAS
Forman parte del test cuencas de los ríos Asua, España (50,8km2, t=24h); Artibai, España
(94,5km2, t=10min); Cuenca alta del Rio San Antonio, estación Loop 410, Texas, USA (323,7
15
km2, t=15min); San Antonio estación Goliad, Texas, USA (10.000km2, t=24h); Rio Riveira
Do Iguape, Juquiá-4F, Brasil (4.360km2, t=24h y t=15 minutos); Río Salado Santafesino,
aforo RP N°70, Argentina (41.531km2, t=24h); Cuenca del Alta del Rio Bermejo, Est.
Balapuca, Argentina-Bolivia (4.398,8km2, t=24h); Cuenca Baja del Rio Negro, Argentina
(338,2km2, t=1h).
Respecto a las cuencas españolas de Bizkaia, el Asua y el Artibai; los datos han sido
suministrados por Bizkaiko Foru Aldundia, Diputación Foral de Bizkaia, Spain (BFA-DFB). Las
características se obtuvieron de Docampo L. et.al (1986). Los datos de precipitación han sido
suministrados por BFA-DFB y extraídos del sitio de internet WebBFA-DFB
http://web.bizkaia.eus/es. Bizkaia está situada al norte de la península Ibérica, posee un clima
templado, oceánico, precipitaciones frecuentes y abundantes, especialmente en otoño e invierno,
con una media anual de 1.200 mm.
Figura 8.- Ubicación de las Cuencas de los Ríos Asua y Artibai, España.
1. Cuenca del Río Asua, Bizkaia, España (73,44km2, t=24h). Cuenca rural comprendiendo
un área de drenaje igual a 50,8km2 correspondiente a las estaciones Derio (meteorológica)
y San Groniz (aforo), con pendientes que no supera el 1%. Constituye uno de los valles
más abiertos de Bizkaia. Está bordeada por montes de escasa altitud sin superar los 360m
de altura. Los terrenos por los que discurren los cauces de esta cuenca están constituidos
principalmente por margas y calizas, atravesando el río principal terrenos aluviales desde
el tramo medio hasta la desembocadura. El periodo analizado que va desde el 2005/06/06
al 2009/09/30, requirió el fraccionamiento del estudio en cuatro partes porque hay
discontinuidad de datos, las cuales una se utilizó para la calibración y las otras tres se
usaron para las validaciones sumando un total de 2.462 registros. Los test son problemas
continuos con Δt = 24 horas.
En la Figura 9, se representan el hietograma y los hidrogramas de Calibración, siendo el
hietograma formado por las barras de color negro como las pérdidas (HL) y las barras
rojas los excesos (HE). Sumadas dan el volumen precipitado.
16
Figura 9.- Hietograma e Hidrograma de la Cuenca del Río Asua.

Calibración desde el 2007/02/05 al 2007/08/10.
Los hidrogramas se representan superpuestos, con la línea de trazo segmentado color negro los
caudales observados (QO), las líneas azules continuas representan los caudales estimados (QE)
y el trazo punteado marrón representa el caudal de napas (QG).
En las Figuras 10, 11, 12 y 13 se representan los hietogramas e hidrogramas de validación.
Figura 10.- Hietograma e Hidrograma de la Cuenca del Río Asua

Validación desde el 2005/06/06 al 2007/01/08
Figura 11.- Ampliación de la Figura 10 desde 2005/11/08 al 2005/12/16
17
Figura 12.- Hietograma e Hidrograma de la Cuenca del Río Asua

Validación desde el 2007/10/17 al 2009/04/11
En la Figura 13 se observa que, luego de un largo período de precipitaciones muy bajas que casi
no generaron escorrentía directa se registran lluvias normales dos días antes a la de gran
intensidad de 149mm/día, respondiendo Qom muy bien a los volúmenes estimados.
Figura 13.- Hietograma e Hidrograma de la Cuenca del Río Asua.

Validación desde el 2009/06/08 al 2009/09/29.
Los resultados expuestos visiblemente en las representaciones previas tendrán su correlato

numérico más adelante en la sección Evaluación de Resultados. Sin embargo, la escala
representativa permite apreciar que se han logrado buenos ajustes entre los caudales observados
y estimados en todas las series de datos. Los ajustes se consiguieron aplicando las metodologías
y técnicas de la sección Optimización Multi-objetico a través de Metaheurísticas y de la sección
Calibración y Validación. A continuación, se fundamentará sus utilizaciones recurriendo a la
Figura 14. En esta figura se representa la elección de un juego de parámetros (Smáx, Rmáx, VC,
Ki, Kp, Kg) como solución del conjunto de las cuatro series de datos exclusivas de este problema.
La flecha indica la ampliación de un sector de la figura y corresponde al Frente de Referencia
(FR) de soluciones generado por la corrida de cinco algoritmos: NSGAII [Deb et al (2002)],
MOCell [Nebro et al (2009)], SMPSO [Nebro et al (2009)B], SPEA2 [Zitzler et al (2001)] y
SMS-EMOA [Beume et al. (2007)]. Durante el proceso de calibración, éstos algoritmos
consiguieron encontrar 52 posibles soluciones no dominadas. En los ejes cartesianos están
representados los valores de las funciones objetivos, f1=ENSO y f2=PBIASE que dan cuenta la
calidad de las calibraciones. Esto lleva a preguntarse ¿Cuál es la solución adecuada de todas las
posibles para lograr la validación necesaria?. Intentando responder a esta pregunta y
remitiéndonos nuevamente a la Figura 14, en el sector derecho, se encuentran representados los
resultados de las tres series reservadas para hacer las validaciones aplicando el 100% de las
posibles soluciones. El estudio completo se visualiza enmarcados entre los rangos mínimos y
18
máximos que suponen los mejores y los peores valores explorados (puede haber otros). Al elegir
un juego de parámetros de calibración se unen los resultados de las validaciones a través de un
trazado de líneas, facilitando la elección de los mismo con un claro comportamiento de la
selección de los resultados. Debe resaltarse que a veces los parámetros que dan los mejores
resultados en la calibración no suelen ser los mejores resultados para las validaciones. Es así que
a través de esta propuesta se pueden escoger opciones, comprobarlas y elegir la adecuada.
Figura 14.- Frente de Referencia de posibles soluciones con resultados de los indicadores
de ajustes de las cuatro series de datos.
Otra forma de interpretar los resultados es utilizar la estadística descriptiva a través del Diagrama
de Cajas (BoxPlot) de la Figura 15, en la cual se representan por separado las dos funciones
objetivo. En ambas funciones para las series de validaciones se aprecia algo de simetría con
indicadores entre el 25% y 75%, encontrándose de manera compacta con pocos valores atípicos.
Con esto podría interpretarse que Qom no es muy sensible ante la variabilidad de cada uno de
los parámetros para determinados rangos.
Figura 15.- BoxPlot, estadística descriptiva de los indicadores de ajustes para

calibración y validaciones de la cuenca Asua.
19
2. Artibai, Bizkaia, España (94,5km2, t=10min). El Río Artibai, de unos 20 km de largo, se

extiende en dirección S-NE, con origen en dos agrupaciones de arroyos procedentes de
montes entre 1.029 m 793 m de altitud, respectivamente. El sustrato geológico de la
cuenca presenta predominio de calizas en cabecera y de areniscas y arcilla más adelante.
El lecho fluvial es pedregoso con predominio de bloques o cantos rodados tanto en los
arroyos como en el cauce principal. El periodo analizado va desde el 2002/06/17 al
2004/01/08, se requirió el fraccionamiento del estudio en cuatro partes porque hay
discontinuidad de datos, las cuales una se utilizó para la calibración y las otras tres se
usaron para las validaciones sumando un total de 2.462 registros. Es un problema
continuo con Δt = 10 minutos. En la Figura 16, se representan el hietograma, y el
hidrograma de calibración y en las Figuras 17, 18 y 20 los de validación. La Figura 21 es
una ampliación de un período de la Figura 20.
Figura 16. Hietograma e Hidrograma de la Cuenca del Río Artibai.

Calibración desde el 2002/06/17 al 2002/06/21.
Figura 17.- Hietograma e Hidrograma de la Cuenca del Río Artibai.

Validación desde el 2002/06/17 al 2003/01/05.
Figura 18.- Hietograma e Hidrograma de la Cuenca del Río Artibai.

Validación desde 2003/02/01 al 2003/03/04.
20
Para las estimaciones en la Serie de validación 2.2CV representada en la Figura 18, se ha

considerado humedad antecedente porque existieron precipitaciones anteriores de las cuales no
se tiene registros. Además, para el instante inicial de la serie hay un caudal de escorrentía directa
asociado a esas precipitaciones. En el tiempo cero de esta serie para determinar la estimación se
asignaron valores iniciales a Ro, So y a Qo. En la Figura 19 se representa la humedad en el suelo
y su variación en función de la precipitación y el tiempo. Los resultados finales se muestran en
la Tabla 8.
Tabla 8.- Valores del agua en superficie y de la humedad en el suelo de 2.2CV Spain
Mass Balance of Qom mm Hm3 Total Balance Relative
(AE) Error (RE)
Rain 146,80 13,876
Initial Superficial Stora (Ro) 2,00 0,189
Initial Soil Storage (So) 27,00 2,552 175,8
Evapotraspiration 35,77 3,381 0,0 0,0
Superficial Storage 2,23 0,211
Soil Storage 23,59 2,229
Groundwater Runoff 17,35 1,640
Superficial Runoff 96,86 9,155 175.8
Figura 19.- Humedad antecedente y variación del almacenamiento en superficie y de la humedad del suelo.
Figura 20.- Hietograma e Hidrograma de la Cuenca del Río Artibai. Validación desde 2003/04/01 al 2004/01/08
Figura 21.- Ampliación de la Figura 20 desde 2003/05/04 al 2004/01/08.
21
3. Sub-cuenca del Rio San Antonio, estación Loop 410, Texas, USA (323,7 km2, t=15min).
La morfometría de la sub-cuenca del Río San Antonio, con la cuenca de aporte hasta la estación
Loop 410, Texas, USA, ha sido extraída del United State Geological Survey (USGS) al igual que
una parte de los datos, también se obtuvo información hidrometeorológica de la WebUSGS.
Posee un área de drenaje igual a 323,75km2, pendiente promedio de 0.2%, posee un clima que se
alterna entre seco y húmedo, los veranos son calurosos y los inviernos varían de suaves a fríos,
la media de precipitación anual es de 738 mm. El esquema de la cuenca puede verse en la Figura
22 y corresponde a una cuenca sub-urbana y urbana. Para la calibración se utilizó previos
períodos secos y a posterior dos eventos continuos que generaron dos picos de crecientes,
correspondiendo 500 registros del total de 94.538 registros que incluyeron dos series de datos
para validación. Aunque el río está regulado en la parte media de la cuenca por dos obras antes
de pasar por la ciudad, una represa (Olmos Dam) y un túnel fluvial por debajo de la ciudad, para
el test se lo consideró como no regulado. Las fechas utilizadas para el rango de calibración
comprendieron desde 2010/11/15 al 2010/11/18 (Figura 23) siendo Δt = 15minutos. Las series
de validaciones comprendieron los períodos desde el 2009/11/17 al 2012/07/26 (Figuras 24 y 25)
y desde 2013/06/04 al 2016/03/24 (Figura 26), ambos con Δt = 15minutos.
Figura 22.- Sub-cuenca Alta del Río San Antonio, Cuenca sub-urbana y urbana.
Figura 23.- Hietograma e Hidrograma de la Sub-cuenca Alta del Río San Antonio.
Calibración desde 2010/11/16 al 2010/11/18.
22
Figura 24.- Hietograma e Hidrograma de la Sub-cuenca Alta del Río San Antonio
Validación desde 2009/11/17 al 2012/07/26
Figura 25.- Ampliación de la Figura 23 desde 2010/10/07 al 2010/11/15.
Figura 26.- Hietograma e Hidrograma de la Sub-cuenca Alta del Río San Antonio
4. San Antonio, Cuenca Alta, estación Goliad, Texas, USA (10.000km2, t=24h);
La morfometría de la cuenca del Río San Antonio, que incluye el aporte hasta la estación
Goliad se muestra en la Figura 27. A la cuenca la hemos considerado regional como unidad
única de área de drenaje, siendo permeable la mayoría de su superficie, posee pendientes
entre 0.2% a 3%, tiene una forma alargada de noroeste a sureste, el clima es variado, alterna
entre húmedo y predominantemente seco. Los datos hidrometeorológicos con con Δt = 24,0
horas fueron obtenidos de USGS y WebUSGS. Cada test corresponde a un solo evento,
comprendiendo las tormentas más severas que se desarrollaron en la región hasta la fecha
considerada en estudio. Al ser un área de drenaje extensa del tipo regional, el área de
23
incidencia de las tormentas se la ha distribuidas espacialmente. Los hietogramas e

hidrogramas se aprecian en las Figuras 28, 29 y 30.
Figura27.- Cuenca Alta del Río San Antonio, influencia de aportes en estación Goliad.
Figura 28.- Hietograma e Hidrograma de la Cuenca Alta del Río San Antonio
Calibración desde 2007/03/09 al 2007/03/27
24
Trabajar con estos eventos simples requirió que se hagan varios intentos para elegir cuál de
ellos se debería utilizar para la calibración y cuales para la validación. Finalmente, armado
de esta manera se consiguieron los parámetros aceptables para las estimaciones.
5. Sub-cuenca del Río Juquiá en Estación 4F-018R, Ribeira Do Iguapé, São Pablo, Brasil
(4.360km2, t=1,0 hora y t=15 minutos).
Los test pertenecientes a la sub-cuenca del Río Juquiá en la estación hidrometeorológica 4F-
018R, comprende un área de drenaje igual a 4.360,0km2, código 81679000, cuenca del Río
Ribeira Do Iguapé, São Pablo, Región Hidrográfica del Atlántico Sudeste, Brasil catalogada por
la Agência Nacional de Aguas (ANA), Brasil. La Figura 31 da cuenta de su ubicación y forma.
La topografía es montañosa con características de río algo caudaloso y turbulento. La región
presenta un clima tropical caliente, con altas temperaturas en verano. La temporada de alta
intensidad de lluvias se produce en invierno con temperaturas suaves. Existen dos represas
hidroeléctricas pequeñas en el curso alto del río, sin embargo, se ha considerado a los test como
río no regulado. Se extrajeron los datos de la WebANA http://www.mapas-hidro.ana.gov.br,
debido a la discontinuidad temporal de los datos y a la diferencia de tiempo entre series de
registros, fraccionamos el test de la sub-cuenca Juquiá en cuatro partes, dos para los períodos con
Δt = 1,0 hora y dos para los periodos Δt = 15 minutos. Es importante remarcar que se calibró con
una escala de tiempo de 1 hora para un período muy extenso de 2.400 horas continuas, incluyendo
varios eventos y se validaron con escalas de tiempos diferentes, de 1 hora y 15 minutos
manteniendo un único juego de parámetros. Para este test no se consideró un caudal de salida de
napas. Resultados en las Figuras 32, 33, 34 y 35.
Figura 31.- Sub-cuenca del Río Juquiá en Estación 4F-018R, Ribeira Do Iguapé, Sao Pablo, Brasil.
25
Figura 32- Hietograma e Hidrograma de Sub-cuenca del Río Juquiá en Estación 4F-018R
Calibración desde 2005/07/09 al 2005/10/14 - Δt = 1,0 hora
Figura 33.- Hietograma e Hidrograma de Sub-cuenca del Río Juquiá en Estación 4F-018R
Validación desde 2005/10/17 al 2005/12/24 - Δt = 1,0 hora.
La tercera serie representada en la Figura 34 se cuenta con una de las intensidades de lluvias
más bajas al igual que los valores de los caudales.
Validación desde 2013/05/01 al 2013/06/12 - Δt = 15 minutos.
En la Figura 35 se observa claramente que se parte con humedad antecedente y con un caudal
inicial. Además, recordando que la calibración se hizo con una serie teniendo t=1 hora y
en esta serie se utilizaron los mismos parámetros para t=15 minutos. Se recuerda que
existen aguas arriba a la salida dos represas hidroeléctricas, en la Figura 33 existe falta de
ajuste cuando hay precipitaciones que puede deberse a la retención de un volumen en el
embalse.
26
Validación desde 2013/08/11 al 2014/02/10 - Δt = 15 minutos
6. Río Salado Santafesino, República Argentina, aforo RP N°70 (41.531km2, t=24h).

La cuenca inferior del Río Salado adopta las características generales de un río de llanura del tipo
aluvial. El valle de inundación del río se caracteriza por presentar muy baja energía de relieve
con pendientes entre el 0,01% al 0,04%. La cuenca presenta grandes depresiones, paleocauces, y
lagunas permanentes. En verano persisten masas de aire tropical cálido y húmedo con vientos del
norte con altas temperaturas, mientras que en invierno una masa de aire polar enfría la región.
Para este test se intentó reproducir los eventos incluidos en el estudio realizado por Bacchiega,
J.C.Bertoni y J.A.Maza (2003). La Figura 36 muestra la composición en sub-cuencas pero a fines
del presente se la ha considerado como una macro cuenca.
Figura 36.- Cuenca Baja del Río Salado Santafesino, Santa Fe, República Argentina.
Fuente: Bacchiega, J.C.Bertoni y J.A.Maza (2003)
En las Figuras 37, 38 y 39 se reprodujeron los hidrogramas para eventos simples considerando
el aporte de un caudal de napas o de capa profunda QG, notándose en este un crecimiento
progresivo, un pico y recesión. Entre los picos del hidrograma de superficie observado QO y el
pico del QG oscilan en 700 horas promedio.
27
Figura 37.- Hietograma e Hidrograma de la Cuenca del Rio Salado Santafesino

Calibración desde 1998/01/31 al 1998/03/26 - Δt = 24,0 horas

Validación desde 2003/04/17 al 2003/06/02 - Δt = 24,0 horas

7. Cuenca Alta del Rio Bermejo, Est. Balapuca, Argentina-Bolivia (4.398,8km2, t=24h).
La cuenca se ubica en el norte argentino, provincia de Salta compartiendo una parte con Bolivia.
La sub-cuenca pertenece a la Cuenca del Río Bermejo. Tiene el ecosistema montañoso de la
Cordillera de los Andes con una pendiente media del 35%. El régimen hidrológico de los ríos es
netamente pluvial con una variedad estacional bien definida, caracterizado por un período de
importantes caudales en la época lluviosa. Fuente: Comisión Nacional del Río Bermejo
(COREBE). Red Hidrometeorológica de Monitoreo. La ubicación y la forma de la cuenca se la
puede observar en la Figura 40.
28
Figura 40.- Cuenca Alta del Rio Bermejo, Estación Balapuca, Argentina-Bolivia.
Fuente: Comisión Nacional del Río Bermejo (COREBE).
Para la calibración se utilizó un período de varios eventos entre 1971/12/02 y el 1972/01/01

comprendiendo 412 días, Figura 41. Para la validación se utilizó una de las series continuas más
prolongada en este estudio, con fechas desde 1972/01/02 al 2015/09/01 incluyendo 15.766
registros. Acumulando un volumen total precipitado de 56.902mm. La Figura 42 representa para
dicho período el Hietograma y los Hidrogramas con ampliaciones en dos sectores Figuras 43 y
44.
Figura 41.- Hietograma e Hidrograma de la Sub-cuenca del Rio Bermejo, estación Balapuca
Calibración desde 1971/12/02 y 1972/01/01 - Δt = 24,0 horas
Fig. 43
Fig. 44
Figura 42.- Hietograma e Hidrograma de la Sub-cuenca del Rio Bermejo, estación Balapuca
29
Figura 43.- Zoom de la Figura 42 entre el 1989/11/12 al 1996/04/24
Figura 44.- Zoom de la Figura 42 entre el 2009/09/20 al 2015/09/01
La Curva de Duración de los caudales Observados y Estimados es otra manera de valorar el

comportamiento del modelo de simulación y de los parámetros, permitiendo apreciar para que
grupos de caudales se obtuvieron mejores ajustes, Figura 45. En esta figura se aprecia buena
concordancia de los caudales comparados.
Figura 45.- Curva de Duración de los caudales observados y estimados para la serie de validación
desde 1972/07/02 al 2015/08/31 Sub-cuenca del Río Bermejo, estación Balapuca.
30
8. Cuenca Baja del Rio Negro, Provincia del Chaco, Argentina (338,2km2, t=1h).
Es difícil determinar el área efectiva de la cuenca por la escasa pendiente del terreno, que en
épocas de lluvias se producen transfluencias entre sub-cuencas. Atraviesa varias zonas
urbanas, entre ellas Resistencia la capital de la provincia. El mayor aporte hídrico proviene
de las lluvias locales, caracterizadas por una alta variabilidad. Los meandros abandonados de
la planicie, constituyen numerosas lagunas que funcionan como reservorios de agua. El Río
Negro se encuentra regulado en el inicio de la cuenca y a la salida, tiene una fuerte incidencia
del Río Paraná, que es donde desemboca. Fuente: Asociación de Apoyo a la Facultad de
Ingeniería (AFIN), Universidad Nacional del Nordeste (UNNE) y Administración
Provincial del Agua, Chaco (APA) Figura 46.
Figura 46.- Cuenca Baja del Río Negro, Chaco, Argentina.

Fuente: Administración Provincial del Agua, Chaco.
En este test a diferencia de los anteriores, se buscó replicar los hidrogramas que dieron origen a
los proyectos finales de las obras hidráulicas construidas en la provincia. Los hidrogramas que
aparecen como observados no son tales, son producto de aplicar modelos numéricos y de
estimaciones corroborados con niveles y aforos discontinuos. En este trabajo se buscó un juego
de parámetros para la cuenca de aporte en Puerto Tirol (Laguna Blanca 157.5km2) y otro juego
de parámetros por incorporar topografía distinta abarcando la cuenca de aporte completa en
338,2km2 (hasta la localidad de Pto. Barranqueras).
En AFIN-SUPCE (1999) se utilizó el modelo ARHYMO para simular la escorrentía directa de la
cuenca de aporte en Puerto Tirol. Se consideraron dos eventos por separado, el primero para
determinar la humedad antecedente del segundo evento. El mismo problema se resolvió
simplificando considerablemente el sistema, con una única cuenca se definió el caudal de
escorrentía superficial y el de napa con los dos eventos continuos, ver Figura 47.
31
Figura 47.- Sub-Cuenca Baja del Río Negro, Laguna Blanca 157.5km2, estación Puerto Tirol, Chaco, Argentina.
Calibración desde 1998/04/05 al 1998/04/26 - Δt = 1,0 hora
En la Figura 48, se muestra el hietograma e hidrograma sobre la cuenca de aporte de 338,2km2

para dos meses de registros con t=15 minutos, en donde se produjeron copiosas lluvias y varios
eventos para un estado previo seco. El hidrograma no tiene caudales observados, es decir, no hay
datos de aforos continuos. Sin embargo, se aforó un caudal medio de 81,5m3/s en la estación de
bombeo ubicada en Pto. Barranqueras el día 01/12/2009 que coincide con el hidrograma estimado
en la etapa de recesión, estimándose un caudal pico de 132m3/s. En la Figura 48 solo se presentan
los caudales que estimó Qom. Fuente: Sistema Automático de Telemedición (SAT), Dirección
de Estudios Básicos, APA.
Con los parámetros hallados se modeló el sistema hidrológico de la cuenca de aporte sin
regulación para comparar con el hidrograma desarrollado por INCONAS (2001) para el proyecto
y diseño de la obra de regulación y control en Pto. Barranqueras. INCONAS utilizó el software
HEC-HMS optando por una cuenca semi-distribuida (dividida en sub-cuencas), método CN para
pérdidas y tormentas de diseño con tiempo de recurrencia de 100 años a eventos continuos. En
este estudio, se simplificó el problema replicando las mismas tormentas de diseño sobre una
única cuenca considerada como concentrada. Se solaparon los resultados en la Figura 49, en
donde puede observarse similares comportamientos, aunque para los tiempos de recesión para
Qom son más prolongados y generan más volúmenes.
Figura 48.- Cuenca Baja del Río Negro, 338,2km2, Pto. Barranqueras, Chaco, Argentina.
Tormentas registradas desde 2009/11/01 al 2009/12/30 - Δt = 15 minutos
32
Figura 49.- Cuenca Baja del Río Negro, 338,2km2, Pto. Barranqueras, Chaco, Argentina.
Validación con hidrograma INCONAS TR 100 años - Δt = 1,0 hora
EVALUACIÓN DE RESULTADOS
En la Tabla 8 se muestran los valores de los parámetros elegidos para cada cuenca luego de los
procesos de calibración y validación. No son únicos, puede haber otros juegos de parámetros con
mejores o peores resultados pero aceptables.
Tabla 8.- Valores elegidos para los parámetros.

Cuenca del Río Rmáx Smáx VC Ki Kp Kg
(mm) (mm) (mm/h) (h) (h) (h)
1. Asua 16,0 131,0 0,09 8.613,0 6,6 20.446
2. Artibai 12,7 54,0 0,07 653,0 7,6 75.596
3. San Antonio, Loop 410 13,7 46,0 0,29 132,0 1,1 3.0e6
4. San Antonio, Goliad 218,0 435,0 0,29 107,0 50,0 16.150
5. Juquiá, 4F-018R 7,0 10,0 0,01 50,0 4.500,0 3.000
6. Salado Sanafesino 100,0 423,5 0,005 31,0 350,0 1.200
7. Bermejo, Balapuca 5,6 352,0 0,27 20,0 300,0 2,0e6
8. Baja del Río Negro -Tirol 4,0 37,0 0,14 7,5 36,0 1,6e4
- Barranqueras 22,0 220,0 0,50 35,0 50,0 1,6e4
Estos parámetros fueron elegidos utilizando el análisis como el de la Figura 14, y el de la Figura
50. En esta última muestra a través del diagrama de cajas la variación que podría haber para
escoger los parámetros del problema 2, cuenca del Río Artibai. Se observa poca dispersión entre
los valores extremos mínimos y máximos, se estampa el valor de la mediana para cada parámetro
y tal vez el entorno alrededor de estos valores podría escogerse los valores de los parámetros.
Si se contara con escasa información acerca de las características de la cuenca o se dificulte la
calibración con seis parámetros, se pode adicionar parámetros calibrables como variables de
decisión optativas, siendo estas el coeficiente de forma de la cuenca (CF), valor numérico
adimensional; el tiempo de concentración (CT en hora) y; el valor del exponente Eq, que es la
base exponencial correspondiente a la ecuación del modelo de Reservorio Lineal Simple. El
incremento de parámetros es optativo y no siempre se mejoran los ajustes. Esta posibilidad de
cambiar el valor de la base exponencial se debe a que “… el modelo de respuesta Clark tiene un
solo parámetro por respuesta con la dificultad de representar cuencas con mayor retardo”
(extraído de Tucci C.E.M. 2005. Modelos Hidrológicos 2da edición. Edit. UFRGS. ABRH Pág.
115). Entonces, aumentando o reduciendo la base exponencial los picos de los hidrogramas
crecen o decrecen sin aumentar o reducir considerablemente los volúmenes escurridos.
La Tabla 9 da cuenta de la calidad de los ajustes Duda et al (2012) y del funcionamiento en las
estimaciones de Qom. Las columnas tienen números que significan: 1) las cuencas estudiadas
identificadas con números; 2) las series de datos con el número de la serie y dos letras que
33
significan, la primera el significado de evento continuo con C y S para evento simple y la segunda
letra C calibración y V de validación. En la fila de abajo, el espaciado de tiempo de los registros;
3) períodos de estudios con formato de año, mes y día (aaaammdd); 4) la cantidad de registros
por series; 5) el volumen de precipitación total en ese periodo; 6) el Error relativo del Balance de
Masa aplicando Qom; 7) el Error Relativo entre los Qp observados y estimados aplicando Qom-
Clark; y desde el 8) al 12), los valores de los indicadores de ajustes que son comparables con los
valores expuestos en la sección Calibración y Validación.
En la Tablas 6, los calificativos de ajustes se clasificaron para períodos de registros mensuales y

diarios siendo para estos últimos más tolerantes para los errores de ajustes. En este estudio se ha
considerado la misma clasificación pese a que se modelaron algunos datos de cuencas con
registros de tiempos más cortos de 10, 15 y 60 minutos cuyos ajustes son más complejos de
conseguir en períodos continuos. Bajo estas condiciones siguiendo con la idea que ajustes con
períodos más cortos debería tener límites más tolerantes, tal vez se podría decir que ajustes
buenos podría ser muy buenos o excelentes y ajustes aceptables o justos podrían ser buenos.
Figura 50.- Diagrama de cajas para el análisis de parámetros del Problema 2.
34
Tabla 9. – Series, períodos e indicadores de ajustes.

1 2 3 4 5 6 7 8 9 10 11 12
Cu- Series Periodo Re- P RE% RE% R2 ENS PBIAS ERQQ RSR
en- gis- (mm) MB p
Q
ca tros Qom
1CC 20070205 187 578 0,0 0,5 0,84 0,82 8,7 0.35 0,42
Δt=24h 20070810
1 2CV 20050606 582 1.619 0,0 -20.9 0,58 0,56 9,4 0,62 0,66
Δt=24h 20070108
3CV 20070909 581 2.217 0,0 -37,7 0,75 0,75 9,4 0,37 0,49
Δt=24h 20090411
4SV 20090608 115 314 0,0 37,4 0,95 0,82 18,0 0,37 0,42
Δt=24h 20090930
1CV 20020617 29.224 819,4 0,0 18,2 0,80 0,71 1,7 0,44 0,54
Δt=10min 20021231
2 2CV 20030201 4.588 146,8 0,6 -2,6 0,85 0,83 19,9 0,02 0,41
Δt=10mm 20030304
3CV 20030401 40.747 935 0,0 -12,4 0.81 0,63 14,5 0,19 0,60
Δt=10min 20040108
4CC 20020617 637 81,7 7,4 -3,8 0,94 0,84 22,6 0,06 0,39
Δt=10min 20020621
1CC 20101115 300 171,5 0,0 6,1 0,87 0,86 20,1 0,13 0,38
Δt=15min 20101221
3 2CV 20091117 94.315 1.924 0,5 -19.6 0,56 0,54 9,3 0,41 0,67
Δt=15min 20120612
3CV 20130604 98.328 2.209 0,2 -0,7 0,71 0,69 85,3 0,18 0,56
Δt=15min 20160324
1SV 19981015 19 230 0,9 -6,7 0,85 0,85 4,3 0,06 0,38
Δt=24h 19981102
2SV 20020623 70 554 0,0 -1,8 0,93 0,91 4,5 0,09 0,29
4 Δt=24h 20020831
3SV 20070309 18 147 -10,0 3,6 0,85 0,84 6,2 0,17 0,40
Δt=24h 20070309
1CC 20050709 2.351 435 0,0 -4,6 0,83 0,79 5,0 0,06 0,45
Δt=1h 20050709
2CV 20051017 1.634 306 0,2 -4,5 0,43 0,40 3,7 0,09 0,77
5 Δt=1h 20060104
3CV 20130501 3.987 71 0,0 20,2 0,22 -1,0 6,6 0,04 1,4
Δt=15m 20130613
4CV 20130811 17.551 858 0,0 -8,0 0,61 0,60 1,05 0,19 0,57
Δt=15m 20131222
1SV 19980131 56 258 0,0 -3,9 0,73 0,67 3,11 0,0 0,53
Δt=24h 19980327
6 2SV 20030417 48 145 1,08 0,1 0,97 0,96 2,31 0,12 0,20
Δt=24h 20030603
3.SC 20050309 192 1.240 0,0 0,6 0,98 0,96 7,5 0,0 0,25
Δt=24h 20050407
1CV 19711201 214 24.886 0,0 -8.7 0,80 0,67 5,8 0,28 0,66
Δt=24h 19720701
7 2CV 19720702 15.766 80.544 0,0 -9.2 0,49 0,34 4,9 0,34 0,81
Δt=24h 20150831
1CC 19980405 512 290 0,0 0,29 0,97 0,96 2,62 0,00 0,19
Δt=1h 19980521
8 2CV T. diseño 321 733 0,0 -8,5 0,81 0,50 125,0 0,08 0,72
Δt=1h TR=100
3CV 20091101 5.709 727 0,0
Δt=1h 20091230
Referencias
Muy bueno Bueno Satisfactorio Pobre
35
CONCLUSIONES
El Balance de Masa aplicando Qom, arrojó excelentes valores con errores relativos menores al
10% en todas las series de datos, tanto en las de calibraciones como en las de validaciones.
Respecto a la comparativa entre los hidrogramas observados y estimados aplicando Qom-Clark
han sido favorables, los valores de los indicadores en su mayoría se calificaron de satisfactorios
a excelentes. Si se considerara que debería extenderse los límites inferiores de los indicadores
para los registros de una hora, 10 y 15 minutos, tal como sucede para la clasificación de registros
de un mes y un día expuesto en Moriasi et al (2007), se estaría todavía en mejores condiciones.
La clasificación adoptada no aclara ni aporta algún plus por la complejidad que implica una
extendida continuidad de los datos en el tiempo como son las series presentadas en este trabajo.
Se calificaron los ajustes a través de cinco funciones que consideran distintos aspectos como el
balance de masa, los valores de los caudales, máximos, medios y mínimos y los errores relativos
a los volúmenes de escorrentía que generan los caudales. Permiten entender a través de números,
cuanto de efectivos son los parámetros elegidos para modelar la cuenca. Lo ideal sería que todos
los indicadores de ajustes dieran excelentes resultados o que algunos dieran muy buenos y otros
buenos. En este estudio ha sucedido que entre los parámetros elegidos para el problema 3-USA
en la serie de validación 3.3CV-USA, correspondiéndole un período que va desde el 2003/06/04
al 2006/03/24 con t cada 15 minutos para un total de 98.328 registros, arrojó excelente resultado
en MB (aplicando Qom), bueno en la NSE e insuficiente en PBIAS (aplicando Qom-Clark). En
la literatura no se ha encontrado una regla para decidir si al fallar algunos ajustes debe descartarse
el juego de parámetros elegidos o llegar al extremo de descartar el modelo hidrológico porque
no responde como lo esperado o si se tiene alguna aceptación al utilizar una prolongada serie de
datos. Para debatir este dilema, se recurre al diagrama de la Curva de Duración Figura 51, en ella
se observa que los caudales inferiores a 17m3/s permanecen más del 95% del tiempo, es así que
para este sector la falta de ajuste se refleja en PBIAS, sin embargo, afecta poco para el ajuste
según la ENS. La falta de ajuste en PBIAS coincide con períodos largos de poca precipitación
que no sobrepasan caudales con diferencias absolutas de 10m3/s y menos también. En el sentido
opuesto, correspondientemente con el ajuste de la ENS, se manifiestan las lluvias y los caudales
importantes con el menor tiempo de permanencia, se captan los picos de los caudales de
incidencia o importantes. Un ejemplo de esto se plasma en la Figura 52, que es una ampliación
en escala visual de la Figura 26. Entonces, podría decirse que mientras más indicadores se utilicen
para calificar las calibraciones y validaciones acompañados de sus respectivos análisis se logra
entender mejor el comportamiento del modelo y los alcances de sus resultados, y tal vez,
pudiendo dar algún crédito a las soluciones encontradas.
36
Figura 51.- Diagrama de Duración de Caudales de la serie 3.3CV-USA
Figura 52.- Ampliación del Hietograma e Hidrograma de la serie 3.3CV-USA (del 2015/05/11 al 2015/06/01)
Para el proceso de calibración, se puede decir que ha sido altamente aprovechable la utilización
de algoritmos con las técnicas de optimización multi-objetivo, porque se ha ahorrado tiempo en
la toma de decisiones del juego probable de parámetros. La elección final de los parámetros se
hizo considerando la Curva de Duración contrastando los valores observados y estimados. Elegir
la serie adecuada para calibrar una cuenca no es tema menor, debe tomarse una serie de datos
representativa no muy larga para que no haga lento el proceso de cálculo, pero que, a su vez,
contenga implícitamente los procesos hidrológicos necesarios para caracterizar a la cuenca.
Qom no es muy sensible ante la variabilidad de cada uno de los parámetros para determinados
rangos, lo que implicaría una cualidad de robustez. Sin embargo, aumentando o reduciendo los
parámetros que intervienen en la escorrentía directa claramente se reflejan en los hidrogramas.
Finalmente, las evaluaciones exigentes a las cuales han sido sometidas las series de resultados
estimados del grupo de problemas de ejemplo, a través de varios indicadores que representan
distintas propiedades de ajustes y calificativos, dan indicios de que el modelo presentado en este
trabajo pude convertirse en una herramienta apropiada para ser utilizada en cuencas
morfométricamente distintas, de diversos tamaños, ubicadas sin preferencias de climas y con
suelos de permeabilidad variada.
37
TRABAJOS FUTUROS
1. Probar el modelo de pérdidas Qom con otros modelos alternativos de traslación y
atenuación como el de Nash.
2. Incorporar proceso de deshielo.
3. Utilizar Qom dentro de un modelo numérico hidráulico distribuido.
4. Desarrollar y vincular un sistema que permita interpretar los volúmenes de agua y la
distribución espacial desde emagrama (radio sondeo), las imágenes satelitales y de los
radares meteorológico.
5. Considerando los datos de las precipitaciones tomados desde un sistema SCADA
(Supervisory Control And Data Acquisition), predecir los caudales de salida y monitorear
su desarrollo mientras se desarrolla la tormenta.
LISTA DE SÍMBOLOS
Area (km2): área de la cuenca de aporte.
CT: tiempo de concentración de la cuenca.
CF: coeficiente de forma de la cuenca.
Eq: valor base exponencial de la ecuación de traslación.
D[i] (mm): volumen de agua que escurriría hacia la salida o almacenamiento de agua en suelo
como 2da capa para un registro indexado.
Dp (mm): volumen potencial de agua que se desplaza en el uselo.
t (h): paso de tiempo en horas entre registros de la serie de datos observados.
i : número del registro de los datos o índice.
Ki (h): tiempo medio de vaciamiento del reservorio en suelo impermeable.
Kp (h): tiempo medio de vaciamiento del reservorio en suelo permeable.
Kg (h): tiempo medio de vaciamiento del reservorio de napa o capa profunda de suelo.
N: cantidad de registros de datos.
P[i] (mm): volumen precipitado para un registro indexado.
Qo (m3/s): caudal de observado.
Qe (m3/s): caudal de estimado, de aplicar el modelo numérico.
Qp (m3/s): caudal pico
Qp (m3/s): caudal de escurrimiento superficial directo en la porción se suelo permeable.
Qi (m3/s): caudal de escurrimiento superficial directo en la porción se suelo impermeable.
Qg (m3/s): caudal de escurrimiento de napa indirecto en el suelo.
R[i] (mm): volumen de almacenamiento superficial para un registro indexado.
Rmáx (mm): almacenamiento máximo de agua en la superficie del suelo (por depresiones, etc.)
S[i] (mm): volumen de agua almacenado en el suelo para un registro indexado.
Smáx: (mm) almacenamiento máximo de agua en el seno del suelo como 1era capa.
Sp (mm): agua potencialmente infiltrada
Reg Ini: registro de inicio.
Reg End: último registro.
Ro (mm): almacenamiento superficial inicial.
So (mm): almacenamiento inicial en el suelo.
T[i] (h): tiempo transcurrido en el registro i en el cual se tomaron los datos siendo T = t i
Vi (mm): volumen de escurrimiento directo en suelos impermeables.
Vp (mm): volumen de escurrimiento directo en suelos permeables.
Vg (mm): volumen de escurrimiento de napas.
VC(mm/s): coeficiente de conductibilidad volumétrico, representa espacialmente la máxima
cantidad de agua por unidad de tiempo que se desplazaría en el suelo hacia capas inferiores o la
38
salida, expresado en volumen por unidad de superficie por unidad de tiempo.

% permeable: porcentaje de suelo permeable en valor decimal.
NOMENCLATURAS
AFIN-SUPCE. Plan de Manejo Pluvial para la Cuenca Inferior del Río Negro Dentro del Área
Metropolitana del Gran Resistencia – Etapa II. Asociación de Apoyo a la Facultad de
Ingeniería de la UNNE (AFIN) - Sub Unidad Provincial de Coordinación para la Emergencia
(SUPCE). Junio 1999.
ARHYMO. Maza, J.A.; L.A.T. Fornero; C.J. Litwin; P.C.O. Fernández (1996). Software para
hidrología distribuido por el Instituto Nacional del Agua (INA).
ATV. Association Allemande des Ingénieurs du Génie Sanitaire.
BFA-DFB. Bizkaiko Foru Aldundia, Diputación Foral de Bizkaia, España.
COREBE. Comisión Nacional del Río Bermejo.
HEC-HMS: USACE. Hydrologic modeling system – HEC-HMS, applications guide. US Army

Corps of Engineers, hydrologic engineering center,Washington, DC.
INCONAS. Proyecto Ejecutivo. Sección 10, Memorias Técnicas. Estudios Hidrológicos e

Hidráulicos. Volumen I: Modelación del Sistema Hidrológico de la Cuenca de Aporte al Río
Negro. INCONAS S.A. Consultora (2001).
SCS. Soil Conservation Service. Soil taxonomy. Soil Survey Staff, USDA, Agriculture
Handbook No. 436. (1975)
USGS: United States Geological Survey
WebANA: http://www.mapas-hidro.ana.gov.br
WebBFA-DFB: http://web:bizkaia:net
WebUSGS: National Water Information System (http://nwis.waterdata.usgs.gov/nwis)

ANA: Agencia Nacional de Aguas (ANA), Brasil
REFERENCIAS BIBLIOGRÁFICAS
Bacchiega, J.C.Bertoni y J.A.Maza (2003). Pericia hidráulica correspondiente al Expediente

Nº 1341/2003. Poder Judicial de la Provincia de Santa Fe.
Beume et al. (2007). Beume, N., Naujoks, B. and Emmerich, M. (2007) Sms-emoa:
Multiobjective selection based on dominated hypervolume. Eur. J. Operat. Res., 181, 1653–
1669.
39
Boersma et.al. (1971) Boersma, L. L. and Kirkham, D. and Norum, D and Ziemer, R. and
Guitjens, J. C. and Davidson, J. and Luthin, J. N. Soil moisture, Eos, Transactions American
Geophysical Union. Vol. 52, N° 6, issn 2324-9250, pag. 279-285.
Clark C.O. (1945). Storage and the unit hydrograph. Transactions of the American Society of
Civil Engineers, 671 110:1419-1446.
Darcy H. (1856). Détermination des lois d’écoulement de I’eau á travers le sable, Apéndice D.
Les Fointaines Publique de la Ville de Dijon.
Deb et al (2002). Deb, K., Pratap, A., Agarwal, S. and Meyarivan, T. A fast and elitist
multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evolution. Comput., 6, 182–197.
Docampo L. et.al (1986). Morfometra de las cuencas de la red hidrograca de bizkaia (Pais
Vasco, Spain). Limnetica, Asociacin Espatiola de Limnologa, Madrid, Spain 5 (1986) 51-67.
Donigian y Rao (1990). Selection, Application, and Validation of Environmental Models.
Proceedings of International Symposium on Water Quality Modeling of Agricultural Nonpoint
Sources. Part 2. June 19-23, 1988. Logan, UT. USDAARS Report No. ARS-81. D. G. Decoursey
(ed), pp 577- 604.
Duda P.B. et al (2012). American Society of Agricultural and Biological Engineers ISSN 2151-
0032. Transactions of the ASABE Vol. 55(4): 1523‐1547.
Durillo y Nebro (2011). jMetal: A Java framework for multi-objective optimization,

Advances in Engineering Software 42 (10), 760-77 1970 Gupta H.V et al (1999)., Status of
Automatic Calibration for Hydrologic Models: Comparison with Multilevel Expert Calibration.
Efstratiadis A. & D.Koutsoyiannis D. (2010) One decade of multi-objective calibration

approaches in hydrological modelling: a review. Hydrological Sciences Journal, 55:1, 58-78
Gupta H.V et al (1999), Status of Automatic Calibration for Hydrologic Models: Comparison
with Multilevel Expert Calibration.
Hidalgo (1993). Tratado de viticultura, Ediciones Mundi-prensa, Madrid.
Israelson, O.W. and West, F.L. (1922). "Water holding capacity of irrigated soils". Utah State
Agricultural Experiment Station Bull 183: 1–24
Legates y McCabe (1999). D.R. Legates y G.J. McCabe. WATER RESOURCES RESEARCH,
VOL. 35, NO. 1, PAGES 233-241.
Moriasi D.N. et al (2007) Model Evaluation Guidelines For Systematc Quantification Of

Accuracy In Watershed Simulations.
Nash y Sutcliffe (1970). J. Nash y J. Sutcliffe. River flow forecasting through conceptual
models part I: a discussion of principles. Journal of Hydrology 10 (1970) 282-290.
40
Nebro et al (2009). Nebro, A.J., Durillo, J.J., Luna, F., Dorronsoro, B. and Alba, E. (2009)
Mocell: A cellular genetic algorithm for multiobjective optimization. Int. J. Intell. Syst., 24,
723–725.
Nebro et al (2009B). Nebro, A.J., Durillo, J.J., García-Nieto, J.M., Coello, C.A.C., Luna, F.
and Alba, E. (2009) SMPSO: A new PSO-based metaheuristic for multi-objective optimization.
2009 IEEE Symposium on Computational Intelligence in Multicriteria Decision-Making,
Nashville, TN, March 30–April 2, pp. 66–73. IEEE.
Rawls et al (1982). Estimations of soil water properties, ASAE Paper N°81-2510. USDA-ARS
Hydrology Labaoatory.
Reed P. et al (2013) Evolutionary multiob-jective optimization in water resources: The past,
present, and future. Advances in Water Resources 51, 438-456
Smith et.al. (1999). Calibration of Watershed Models. Water Science and Application. Vol 6.
American Geophysical Union 10/1029/00WS10.
Torres Abello A.E. (2004). Apuntes de clases sobre hidrología urbana. Editorial Pontificia
Universidad Javeriana, Bogotá. ISBC 958-683-713-0
Yapo P.O. et al (1998). Multi-objective global optimization for hydrologic models. Journal of
Hydrology 204. pag 83-97.
Zitzler et al (2001). E. Zitzler, M. Laumanns, and L. Thiele. SPEA2: Improving the strength
Pareto evolutionary algorithm. Technical Report 103, Computer Engineering and Networks
Laboratory (TIK), Swiss Federal Institute of Technology (ETH), Zurich, Switzerland, 2001.
41
View publication stats

GZ AN JournlofHydrology

Cargado por

Copyright:

Formatos disponibles

GZ AN JournlofHydrology

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

GZ AN JournlofHydrology

Cargado por

Copyright:

Formatos disponibles

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

QOM, MODELO HIDROLÓGICO SIMPLE PARA ABSTRAER VOLÚMENES DE

Conference Paper · September 2017

Gustavo Rubén Zavala

Hydrology and Hydraulic View project

The user has requested enhancement of the downloaded ﬁle.

QOM, MODELO HIDROLÓGICO SIMPLE PARA ABSTRAER

Keywords: model, hydrology, abstraction, hydrograph, rainfall, runoff, multi-objective optimization

comportamiento hidrológico en cuencas hidrográficas. Se intenta modelar el fenómeno

Dp = 1 – (e - S[i] / (Smax-S[i])) VC * Δt (2)

Áreas asfaltadas, impermeables 3,2 - 6,35

Pendientes empinada a suaves 0,04 - 1,0

Planos, suelo con surcos 2,0 – 50,8

Desbordes (1974) 3,0 – 15,0 0,2 – 3,0

Göttle (1978) 0,6 – 2.5 0,2 – 0,7

Chocat et al (1982) 6,5 1,6

ATV (1986) 1,0 – 8,0

Kaufmann et al (1988) 1,0

Arenoso 0,33 - 0,85

Ligeros 0,85 - 1.25

Medios 1,25 - 1,90

Arcillosos 1,90 - 2,00

Tabla 3.- Conductibilidad hidráulica en suelos saturados. Fuente: Rawls et al (1982) .

Loamy sand 6,11

Sandy loam 2,59

Silt loam 0,68

Sandy clay loam 0,43

Clay loam 0,23

Silty clay loam 0,15

Sandy clay 0,12

Silty clay 0,09

Tabla 4. Conductibilidad hidráulica en suelos saturados, Hidalgo (1993).

Tipos de Suelos Permeabilidad (mm/h)

Arenoso 19,0 – 25,5

Ligeros 12,0 – 19,0

Medios 10,0 – 12,5

Arcillosos 7,5 – 9,0

jMetal (entorno de trabajo)

Algoritmos de optimización multi-objetivos

Qom-Clark: modelo hidrológico precipitación-escorrentía

Hietograma Registros del problema

Humedad del suelo y

Figura 2. – Diagrama en bloque del modelo Qom

Datos y humedad inicial

i=0->N, Δt, A , %P, P, PEVT, So, Ro, Qo, Smax, Rmax, VC

Evapotranspiración del total Evapotranspiración potencial

Evaporación total de la precipitación con Cupo de evaporación cubierta

Infiltración directa del Infiltración directa del

Volumen de agua que

Figura 3. – Flujograma del modelo numérico Qom

Figura 4.- Esquema de funcionamiento del permeámetro.

se muestra la continuación del flujograma de la Figura 3, es decir, el proceso de cálculo que

S[i] > Dp D[i] = Dp

Se considera una fracción adicional en la evapotranspiración

-aux Reducción de la humedad

Vi_[i] = P[i] * (1.0 - %Permeable) Volúmenes de escurrimiento:

Método de Clark (escorrentía Vi, Vp, Vg)

Figura 7.- Determinaciones de los volúmenes de escorrentía.

Ecuaciones de los Indicadores de Ajustes