SciELO - Scientific Electronic Library Online

 
vol.10 número1Modelos basados en termodinámica clásica para predecir las propiedades de biodiésel índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Ingeniería agrícola y biosistemas

versión On-line ISSN 2007-4026versión impresa ISSN 2007-3925

Ing. agric. biosist. vol.10 no.1 Chapingo ene./jun. 2018  Epub 24-Ago-2020

https://doi.org/10.5154/r.inagbi.2017.07.012 

Artículo científico

Modelo hidrológico de onda cinemática de la cuenca del río Turbio, Guanajuato, México

Gregorio Vargas Castañeda1 

Laura Alicia Ibáñez Castillo1  * 

Ramón Arteaga Ramírez1 

Gustavo Arévalo Galarza2 

1Universidad Autónoma Chapingo, Posgrado en Ingeniería Agrícola y Uso Integral del Agua,. Carretera México-Texcoco km 38.5, Chapingo, Edo. México, C. P. 56230, MÉXICO.

1Universidad Autónoma Chapingo, Departamento de Suelos. Carretera México-Texcoco km 38.5, Chapingo, Edo. México, C. P. 56230, MÉXICO.


Resumen

Objetivo:

Aplicar la metodología del HEC-HMS, basada en la teoría de onda cinemática, en la cuenca del río Turbio para incrementar la precisión del modelo en la predicción de escurrimientos debidos a tormentas.

Metodología:

Se realizaron los cálculos de 1) lámina precipitada a lámina escurrida, a través del método de número de curva de escurrimiento del Servicio de Conservación de Suelos (SCS), 2) lámina escurrida a hidrograma, con los métodos de hidrograma unitario del SCS y de onda cinemática (OC), 3) tránsito de avenidas a cauces, mediante los métodos de Muskingum y OC, y 4) tránsito de avenidas a presas mediante el balance de masas. Todos los pasos de cálculos se ejecutaron con el programa HEC-HMS. Se realizaron combinaciones y comparaciones de los métodos 2 y 3, mientras que el 1 y 4 se mantuvieron constantes.

Resultados:

El modelo hidrológico que presentó el índice de eficiencia de Nash-Sutcliffe (NSE) más alto fue la combinación OC-Muskingum, en donde la lámina escurrida se convierte en hidrograma a través de la OC y el tránsito de avenidas en cauces se efectúa con Muskingum, y el valor más bajo lo mostró la combinación OC-OC.

Limitaciones del estudio:

Los modelos se calibraron solamente para un evento; esto debido a la disponibilidad simultánea de lluvia y caudales sub-horarios. Esta limitación implica que esfuerzos posteriores deberán concentrarse en validar el modelo de onda cinemática.

Originalidad:

El modelo hidrológico aquí presentado es por eventos, y pudiera ser implementado en un sistema de alerta temprana de inundaciones.

Conclusiones:

De acuerdo con el NSE, los tres métodos resultaron satisfactorios; sin embargo, el mejor fue el de OC-Muskingum.

Palabras clave lluvia-escurrimiento; tránsito de avenidas; hidrograma unitario; modelo para alerta de inundaciones

Abstract

Objective:

To apply the HEC-HMS methodology based on kinematic wave theory in the Turbio river basin to increase the accuracy of the model in predicting storm runoff.

Methodology:

Calculations were made for: 1) rainfall depth to runoff depth, through the Soil Conservation Service (SCS) runoff curve number method, 2) runoff depth to hydrograph, for which the SCS unit hydrograph method and kinematic wave (KW) method were used, 3) flood routing in channels, by the Muskingum and KW methods, and 4) flood routing in dams, with the mass balance method. All steps were executed with the HEC-HMS program. Combinations and comparisons of methods 2 and 3 were made, while 1 and 4 remained constant.

Results:

The hydrologic model that presented the highest Nash-Sutcliffe efficiency index (NSE) was the KW-Muskingum combination, where the runoff depth becomes a hydrograph through the KW and the flood routing in channels is carried out with the Muskingum method, and the lowest value was shown by the KW-KW combination.

Study limitations:

The models were calibrated for only one event, due to the simultaneous availability of sub-hourly rainfall and flows. This limitation implies that subsequent efforts should focus on validating the kinematic wave model.

Originality:

The hydrologic model presented here is by events and could be implemented in a flood early warning system.

Conclusions:

According to the NSE, the three methods were satisfactory; however, the best was the KW-Muskingum combination.

Keywords rainfall-runoff; flood routing; unit hydrograph; flood warning model

Introducción

Un modelo es una representación de un sistema real, natural o construido por el hombre (Dingman, 2002), el cual es más simple que un sistema real, por lo que representa solo algunas características de éste (Doodge, 1986). En la hidrología, en general, se suele dividir a los modelos en: a) físicos, es decir a escala de laboratorio, y b) matemáticos, los cuales describen el sistema y los fenómenos que ocurren en él a través de ecuaciones. En este sentido, diversos autores reconocen que estos modelos permiten comprender mejor cómo funciona un sistema determinado y predecir su comportamiento, con lo cual se puede mejorar su control y operación (Dingman, 2002; Doodge, 1986; Ponce, 1994).

De acuerdo con Ponce (1994), muchos modelos hidrológicos, sobre todo aquellos relacionados con aguas superficiales, se desarrollan en el marco de referencia de una cuenca. El modelo de una cuenca se ha convertido en un conjunto de abstracciones matemáticas que describen fases relevantes del ciclo hidrológico con el objetivo de simular la conversión de precipitación en escurrimiento. Por su parte, Dingman (2002) establece que la mayoría de las investigaciones actuales en hidrología están enfocadas en mejorar la predicción de los niveles de agua en acuíferos, la variabilidad de los escurrimientos, la calidad del agua (desde que baja de las laderas y cruza la cuenca hasta desembocar al mar), y los efectos del cambio en el uso de la tierra y climático en el balance hidrológico.

En México, el uso de un programa especializado para la modelación hidrológica es reciente. Se han reportado estudios con Soil and Water Assessment Tool (SWAT), Hydrologic Engineering Center-Hydrologic Modeling System (HEC-HMS) y Hydrologic Engineering Center-River Analysis System (HEC-RAS) (Vargas-Castañeda, Ibáñez-Castillo, & Arteaga-Ramírez, 2015), los cuales son de acceso libre; aunque las metodologías de instituciones federales mexicanas incentivan usar programas de la familia HEC para el caso de definir zonas urbanas propensas a inundaciones. El Centro Nacional de Prevención de desastres (CENAPRED, 2011) recomienda usar HEC-RAS, y metodologías hidrológicas que correspondan al número de curvas de escurrimiento (NC) y al hidrograma unitario (HU) del Soil Conservation Service (SCS), ambas incluidas en el HEC-HMS. Tanto HEC-HMS como HEC-RAS (modelos lluvia-escurrimiento) son más recomendados para prevención, y alerta de inundaciones mediante simulaciones por eventos de crecientes y con incrementos en el tiempo. Por el contrario, el SWAT es más recomendado para manejo de cuencas con simulaciones de largos periodos (meses, años, etc.) y con incrementos de 1 día; es decir, la especialidad del SWAT no es la prevención y alerta de inundaciones (Vargas-Castañeda et al., 2015).

Con base en la experiencia generada en diversos trabajos, la serie de pasos a ejecutar en un modelo típico lluvia-escurrimiento, en el programa (HEC-HMS), puede ser: 1) convertir la lámina de lluvia en lámina de escurrimiento con el NC, 2) convertir en hidrograma la lámina de escurrimiento mediante el HU y 3) transitar el hidrograma de la avenida a través de un cauce con el método de Muskingum y a través de una presa con la ecuación de continuidad, es decir, mediante un balance de volúmenes (Juárez-Méndez, Ibáñez-Castillo, Pérez-Nieto, & Arellano-Monterrosas, 2009; Miranda-Aragón, Ibáñez-Castillo, Valdez-Lazalde, & Hernández-de la Rosa, 2009; United States of America Corps of Engineers [USACE], 2000).

Una alternativa teórica de mayor base física a la ya descrita, también contenida en el programa HEC-HMS, es de onda cinemática (OC). Desde su desarrollo, por Lighthill y Witham (1955a, 1955b), ha sido ampliamente utilizada en ciencias ambientales y del agua. Ejemplos de su aplicación incluyen el flujo superficial y en corriente, flujo base, flujo no saturado, flujo en macroporos, flujo en surcos y bordos, hidráulica de ríos, movimiento de glaciares, erosión, y transporte microbiano, de sedimentos, de solutos y cromatográfico, entre otros. Dichas aplicaciones se emplean en diversas ramas de la hidrología, entre las cuales se encuentran la hidrología superficial, hidrología de zona vadosa, hidrología fluvial y costera, irrigación, hidrología subsuperficial y de calidad del agua (Singh, 2001). En las dos últimas décadas, las ecuaciones de OC se han usado en varios casos y modelos (Ajami, Gupta, Wagener, & Sorooshian, 2004; Cheah, Ball, & Cox, 2008; Chua, Wong, & Sriramula, 2008; Chua & Wong, 2010; Huang & Lee, 2013; Jinkang, Shunping, Youpeng, Xu, & Singh, 2007; Kazezyilmaz-Alhan & Medina, 2007; Mejia & Reed, 2011; Rai, Upadhyay, & Singh, 2010).

El objetivo del presente trabajo fue aplicar la metodología del HEC-HMS basada en la teoría de OC en la cuenca del río Turbio, la cual tiene historial de afectaciones por la ocurrencia de lluvias extremas. Se plantea como hipótesis que esta metodología puede incrementar la precisión del modelo en la predicción de escurrimientos debidos a tormentas, dada la importancia que este parámetro tiene en el aprovechamiento hidráulico y en la protección a la población ante desastres por inundaciones.

Materiales y métodos

La cuenca del río Turbio (Figura 1) se localiza en el extremo occidental del estado de Guanajuato, en los límites con Jalisco, México. Su límite al Norte, que a su vez es la parte más alta, es la sierra de Comanja y al Sur el río Lerma, que a su vez es el punto de menor elevación. La Dirección de Protección Civil de Guanajuato reporta que 67 % de la extensión de la cuenca se localiza en este estado y solo 33 % en Jalisco.

Figura 1 Cuenca del río Turbio hasta la estación hidrométrica “Las Adjuntas”. 

El Cuadro 1 muestra las características más importantes de la cuenca bajo estudio. Las precipitaciones y sus avenidas ocurridas a partir de la década de los setenta han provocado inundaciones en los municipios del suroeste de Guanajuato y causando daños en aspectos como la salud, afectaciones en sus bienes, interrupción de sus actividades económicas y pérdidas agrícolas. Las inundaciones ocurridas, de considerable importancia, en este milenio corresponden a los años 2003 y 2007; por lo que en este trabajo se simuló el comportamiento lluvia-escurrimiento del evento de lluvia ocurrido del 24 al 31 de julio de 2007, ya que para calibrar el modelo se requieren datos detallados de las tormentas registradas por las estaciones meteorológicas automáticas (EMAs) (Cuadro 2). Las inundaciones de 2003, aunque fueron más severas que las de 2007, no se modelaron porque aún no se contaba con esta tecnología en la cuenca.

Cuadro 1 Características de la cuenca del río Turbio, Guanajuato, México. 

Característica Descripción
Área 3,290 km2 hasta la estación hidrométrica “Las Adjuntas”
Pendiente media de la cuenca 9.20 %
Pendiente del cauce principal 0.57 %
Longitud del cauce principal 118 km
Tiempo de concentración 19 horas
Clase textural del suelo dominante Fina 56 % y media 33 %, de la superficie total
Lluvia promedio anual en toda la cuenca 659 mm (89 % de precipitación concentrada entre junio y octubre)
Años lluviosos-total de lluvia (Estación de referencia “El Palote”) Año 2003 - 1,058 mm Año 2007 - 825 mm
Caudales máximos históricos en la estación “Las Adjuntas” (Comisión Nacional del Agua [CONAGUA], 2012) 149 m3·s-1, 21 de septiembre de 1971 130 m3·s-1, 17 de septiembre de 2003 51.7 m3·s-1, 28 de julio de 2007

Cuadro 2 Láminas precipitadas en la cuenca del río Turbio del 24 al 31 de julio de 2007. 

Estación Lámina precipitada (mm) Lluvia cinco días antes (mm)
11020 143.9 9.0
11023 103.1 15.0
11025 89.6 24.5
11036 72.3 15.8
11040 149.6 15.0
11045 99.8 30.0
11055 141.7 17.1
11095 99.3 35.4
11159 104.1 6.2
14084 115.1 16.5
14123 151.6 11.7
14320 92.1 28.8
14369 119.8 4.0
EMA1 “Agroeduca” 70.4 20.2
EMA “La Estancia” 43.8 11.8
EMA “El Tigre” 37.2 7.4
Promedio 114 17.4

1EMA: estación meteorológica automática.

Las diversas opciones del modelo lluvia-escurrimiento desarrolladas en este trabajo se realizaron en los programas HEC-GeoHMS (USACE, 2013) y HEC-HMS (USACE, 2000, 2010a, 2010b). El modelo de cuenca y sus parámetros físicos se obtuvieron con la extensión geoespacial HEC-GeoHMS diseñada para ArcGIS 10.1 (Environmental Systems Research Institute [ESRI], 2012), y se ejecutaron con la información de lluvia representada a través de 13 hietogramas distribuidos espacialmente en la cuenca del río Turbio con el método de los polígonos de Thiessen. Dichos hietogramas alimentaron al modelo con intervalos de 1 h. En promedio, el evento de lluvia del periodo evaluado fue de 114 mm, el valor mínimo fue de 72 mm y el máximo de 152 mm (Cuadro 2).

Para el evento estudiado, se ejecutaron tres alternativas de modelo lluvia-escurrimiento. En las tres, la conversión de lámina precipitada a lámina de escurrimiento directo se efectuó con la metodología del NC. Los métodos que variaron entre los modelos fueron: a) la transformación de lámina escurrida a hidrograma de escurrimiento directo (hidrograma unitario u onda cinemática) y b) el tránsito de avenidas en cauces (Muskingum u onda cinemática). Con la finalidad de comparar la capacidad predictiva de los modelos, se efectuaron tres combinaciones diferentes: 1) hidrograma unitario-Muskingum (HU-Musk), 2) onda cinemática-Muskingum (OC-Musk) y 3) onda cinemática-onda cinemática (OC-OC). Las tres alternativas de modelos ejecutaron el tránsito de avenidas en las presas localizadas en la cuenca del río Turbio. Dichas variantes se desarrollaron en HEC-HMS y generaron un hidrograma a la salida de la estación “Las Adjuntas”.

Teoría de la onda cinemática en un modelo lluvia-escurrimiento

El modelo de OC emplea parámetros físicos para caracterizar una cuenca y toma la lluvia neta o lámina escurrida como entrada para predecir el caudal. Miller (1984) presenta las derivaciones completas de las ecuaciones de Saint Venant (continuidad [Ecuación 1] y movimiento [Ecuación 2]) aplicadas a la modelación de escurrimientos con OC, de las cuales los resultados finales son:

Qx+At=0 (1)

gyx+vvx+vt=gS0-Sf (2)

donde Q = descarga, A = área de sección transversal, t = tiempo, x = distancia horizontal, y = tirante, v = velocidad del flujo, g = aceleración gravitacional, S 0 = pendiente del fondo y S f = pendiente de fricción. La Ecuación 2 es la forma unidimensional de la ecuación de movimiento que describe el flujo no permanente en canales abiertos sin afluencia lateral.

Para aplicar la teoría de OC, se asume que la onda superficial es larga y plana, por lo que la pendiente de fricción es aproximadamente igual a la pendiente del fondo. Entonces, los términos restantes de la ecuación de movimiento, también llamados términos secundarios, se consideran despreciables; esto implica que hay un balance entre las fuerzas gravitacionales y las de fricción:

0=gS0-Sf (3)

S0=Sf (4)

El modelo de OC está basado en la ecuación de continuidad y solo se aproxima a la ecuación dinámica con una ecuación de flujo uniforme. Al definir la pendiente de fricción con la fórmula de flujo uniforme, la ecuación puede aplicarse a una corriente específica o a un plano de flujo superficial de la siguiente manera:

Q=αAm (5)

en donde α y m son coeficientes definidos para cada sección transversal. Usualmente en la aplicación de la teoría de OC, las Ecuaciones 5 y 1 se conocen como de OC y son resueltas simultáneamente.

De acuerdo con Guo (1998) y Singh (1996), el método numérico para obtener el flujo superficial de OC requiere la conversión de una cuenca irregular a un plano rectangular con pendiente equivalente. Entre los parámetros necesarios de la cuenca, el ancho del plano es un pre-requisito para la modelación numérica del escurrimiento (Guo, 1998).

MacArthur y DeVries (1993) estipulan que un parámetro crítico en la descripción del flujo superficial es la máxima longitud de la ruta tomada por una gota de agua para alcanzar una corriente (Lw). La elección apropiada de Lw es vital, ya que determina las características de la respuesta del flujo superficial. Por su parte, el manual del Storm Water Management Model (SWMM; Rossman, 2010) sugiere que la estimación inicial de Lw está dada por el área de la cuenca entre el promedio de la longitud máxima de escurrimiento superficial; posteriormente, el modelo necesita ser calibrado para confirmar la selección del ancho del plano de OC y otros parámetros.

El HEC-HMS incluye todos los modelos empleados en este trabajo. En el modelo de OC existe la opción de simular un solo plano, ya sea de áreas naturales o urbanizadas, o dos planos, cuando la subcuenca contenga los dos tipos de áreas. La distancia (Length) de la interfaz HEC-HMS es la Lw del plano de OC.

Información empleada en los tres modelos

Para generar el modelo de cuenca, se tomó como base el continuo de elevaciones mexicano 3.0 (Instituto Nacional de Estadística y Geografía [INEGI], 2013), el cual tiene una resolución de 15 m, y se empleó la herramienta de geoprocesamiento incluida en la Extensión Espacial para Modelación Hidrológica (USACE, 2013) de dominio público para ArcGis. Mediante la trasposición del modelo de cuenca, con el conjunto de datos vectoriales de uso del suelo y vegetación, serie IV escala 1:250,000 (INEGI, 2010), y el conjunto de datos vectorial edafológico, escala 1:250,000 serie II (INEGI, 2007), se obtuvieron los NC por subcuenca, los cuales se corrigieron con la pendiente y con la lluvia de los cinco días anteriores (McCuen, 2016; Neitsch, Arnold, Kiniry, & Williams, 2009). Adicionalmente, para efectuar la simulación con OC se requiere conocer el área de sección transversal de las corrientes, la cual se consiguió en campo. El parámetro Lw se obtuvo al calcular la distancia típica de recorrido del escurrimiento al interior de cada subcuenca. Para tal efecto, se determinó el promedio de 10 mediciones, desde el límite de la subcuenca hasta la corriente, procurando incluir la diversidad de distancias por subcuenca. En el caso de subcuencas que incluyen tanto áreas naturales como urbanizadas, se calcula un valor de Lw para cada una, ya que se generan dos planos de escurrimiento.

El número de Manning para el flujo en canales (n) y el parámetro de resistencia efectiva para flujo superficial (N) se obtuvieron de Chow, Maidment, y Mays (1988) y MacArthur y DeVries (1993), respectivamente. La información de los hietogramas de lámina precipitada se estableció a partir de la información de las EMAs. Se utilizaron los datos de lluvia de 24 h reportados en las estaciones meteorológicas convencionales para tener mayor cobertura de hietogramas. Los datos se distribuyeron en el tiempo de acuerdo con el patrón presentado en las EMAs, y espacialmente con base en su área de influencia, definida por los polígonos de Thiessen.

Calibración del modelo

La medida cuantitativa de la bondad de ajuste entre los resultados de la simulación y el caudal observado se denomina función objetivo, y es igual a cero si estos son idénticos. La función objetivo de mínimos errores se alcanza cuando se encuentran los valores de los parámetros que mejor reproducen el hidrograma medido (USACE, 2010b).

Entre las funciones objetivo que ofrece el HEC-HMS se encuentran aquellas que minimizan la raíz cuadrada media del error (RMSE, por sus siglas en inglés). Sin embargo, cuando se trata de minimizar el error de predicción en caudales máximos se recomienda usar la función objetivo de RMSE ponderada por caudales máximos, la cual es una modificación de la función clásica de RMSE, que da un mayor peso a caudales arriba del promedio y da menor peso a aquellos abajo del promedio (Cunderlik & Simonovic, 2004; USACE, 2010b). Por lo tanto, en este trabajo, al calibrar se minimiza la siguiente función de error:

PWRMSE=t=1NQobst-Qsimt2Qobst+Q-obs2Q-obsN (6)

donde PWRMSE es la función objetiva a minimizar RMSE ponderada por caudales pico, Q t sim y Q t obs son los caudales simulados y observados en el tiempo t, N es el número de observaciones en el periodo considerado y Q-obs es la media aritmética de los caudales observados. La calibración emplea datos de caudales medidos; sin embargo, el programa propone intervalos del rango de valores que es posible tengan los parámetros USACE (2000), aunque el modelador puede acotar más esos valores.

Una vez realizadas las simulaciones reportadas, se calibraron los parámetros necesarios para obtener un mejor ajuste, teniendo como referencia el hidrograma medido en “Las Adjuntas”. Para calibrar se utilizó tanto el NC como algunos parámetros de tránsito de avenidas (Muskingum o la OC). Después de diferentes pruebas, fue de mayor utilidad calibrar los modelos ajustando el NC para cada subcuenca en un rango de ± 10 %, práctica común entre modeladores (Arnold et al., 2012). El modelo HMS del río Turbio presentado en este trabajo tiene 43 subcuencas.

Finalmente, al momento de que el HEC-HMS minimizó los errores, entre los valores simulados y observados, se variaron únicamente los números de curva de 17 subcuencas en HU-Muskingum y OC-Muskingum. En el modelo HU-Musk, el ajuste más grande de NC fue de -10 %, pero en promedio variaron -6 %, y en el OC-Musk, el ajuste más grande fue de -13 %. En el modelo OC-OC, el mejor ajuste que se logró de NC fue de -3 % en ocho subcuencas, ya que al hacer el ajuste en las mismas subcuencas que en los anteriores los resultados empeoraron.

Una guía importante para calibrar los modelos fue el análisis de sensibilidad proporcionado por el modelo. Por ejemplo, al calibrar el modelo HU-Muskingum, se observó qué cuando un parámetro no aporta mejora en la función objetivo éste reporta un valor de 0.0. En el Cuadro 3, se observa que al variar el NC de las subcuencas W840 y W860 no se reporta una mejora en la función objetivo, mientras que en las subcuencas W580 y W490 el NC mejora la función objetivo.

Cuadro 3 Análisis de sensibilidad del parámetro curva de escurrimiento en varias subcuencas del modelo en la simulación hidrograma unitario-Muskingum. 

Subcuenca NC1 original NC calibrado Ajuste en el NC (%) Sensibilidad de la función objetivo
W560 80 75.3 -5.9 0.47
W580 76 69.7 -8.2 1.48
W490 78 70.5 -9.6 0.81
W510 76 68.4 -10.0 0.17
W710 71 66.8 -5.9 0.33
W730 73 70.1 -4.0 0.42
W680 62 59.5 -4.0 0.18
W620 68 65.3 -4.0 0.08
W750 63 60.5 -4.0 0.25
W760 61 58.6 -4.0 0.18
W630 66 60.9 -7.8 0.40
W600 56 53.8 -4.0 0.05
W610 57 54.7 -4.0 0.13
W640 68 61.2 -10.0 0.16
W650 56 51.4 -8.2 0.96
W670 61 58.6 -4.0 0.25
W690 58 54.6 -5.9 0.25
W840 54 51.8 -4.1 0.00
W860 47 47.0 0.0 0.00

1NC: número de curva de escurrimiento.

De acuerdo con Moriasi et al. (2007), la calidad de un modelo hidrológico se puede evaluar con base en el valor que tome el índice de eficiencia de Nash-Sutcliffe (NSE, por sus siglas en inglés) (Cuadro 4).

Cuadro 4 Evaluación de modelos hidrológicos de acuerdo con Moriasi et al. (2007)

NSE1 < 0.5 Modelo insatisfactorio
0.5 < NSE < 0.65 Modelo satisfactorio
0.65 < NSE < 0.75 Modelo bueno
0.75 < NSE < 1.0 Modelo muy bueno

1NSE: índice de eficiencia de Nash-Sutcliffe.

NSE=1-t=1NQtobs-Qtsim2t=1NQtobs-Q-obs2 (7)

Adicionalmente, se calculó el sesgo porcentual (PBIAS), el cual mide la tendencia promedio de los datos simulados a ser mayores o menores que los valores observados (Moriasi et al., 2007):

PBIAS=t=1NQtobs-Qtsimt=1obsQtobs×100 (8)

Un PBIAS de 0.0 indica un modelo muy preciso, si el valor es positivo indica que el modelo subestima y si es negativo el modelo sobrestima. De acuerdo con Moriasi et al. (2007), es deseable un PBIAS menor de 15 % al momento de calibrar caudales. Sin embargo, Cunderlik y Simonovic (2004) mencionan que al momento de calibrar un hidrograma del tipo horario, los caudales más bajos llegan a afectar al PBIAS, y es más deseable que no haya tal sesgo en los valores más grandes de caudal cuando se trata de una alerta por inundaciones.

Resultados y discusión

La Figura 2 muestra los hidrogramas resultantes de las tres alternativas de modelos simulados; el que presenta los valores obtenidos de la estación “La Adjuntas” muestra un gasto pico de 51.7 m3·s-1 el 28 de julio a las 4:00 pm. Este hidrograma es el referente de comparación con los tres modelos simulados. En este sentido, el método OC- Muskingum da mejores resultados; sin embargo, el modelo OC-OC es el mejor en predecir la hora a la cual ocurre el caudal máximo, aunque presenta el mayor error en volúmenes.

Figura 2 Hidrograma de caudales simulados y observados del 24 al 30 de julio de 2017 en la estación “Las Adjuntas” del río Turbio, Guanajuato, México. 

En el Cuadro 5 se presentan los caudales máximos observados y simulados para cada una de las metodologías empleadas. En este trabajo no se presenta la combinación HU-OC debido a que el NSE reportaba valores de -0.20, el cual no es aceptable.

Cuadro 5 Caudales máximos de las simulaciones. 

Método Gasto pico (m3·s-1) Tiempo base del hidrograma (h) Tiempo al pico (h)
Hidrograma observado 51.7 155 28 de julio de 2007, 4:00 pm
Hidrograma unitario-Muskingum 62.0 155 29 de julio de 2007, 8:00 am
Onda cinemática-Muskingum 56.4 155 29 de julio de 2007, 3:00 am
Onda cinemática-onda cinemática 70.8 155 28 de julio de 2007, 4:00 pm

El Cuadro 6 muestra los ajustes del modelo hidrológico superficial para las tres combinaciones metodológicas, además de los estadísticos para elegir el mejor modelo. De acuerdo con el NSE, los tres modelos son satisfactorios (Moriasi et al., 2007). La mejor combinación para el modelo lluvia-escurrimiento del río Turbio es la de OC-Musk, y la peor la del HU-Musk. En la mejor combinación metodológica, la conversión de lámina escurrida a hidrograma (caudal) se realizó con la OC y el tránsito de avenidas en cauces con el método Muskingum, aunque se aprecia que la metodología más usada en México (HU-Muskingum) también muestra un buen ajuste, aunque de menor calidad. En realidad, en México se prefiere la combinación HU-Muskingum porque es más fácil tener datos disponibles para alimentar el modelo hidrológico.

Cuadro 6 Índices de eficiencia obtenidos en los tres modelos. 

Método* NSE1 r2 PBIAS (%) RMSE (m3·s-1) Error residual en volumen (mm)
Hidrograma unitario-Muskingum 0.514 0.92 17.9 9.1 -0.66
Onda cinemática-Muskingum 0.709 0.84 15.3 7.1 -0.57
Onda cinemática-onda cinemática 0.582 0.83 23.0 8.5 -0.87

1NSE: índice de eficiencia de Nash-Sutcliffe; r2: coeficiente de determinación; PBIAS: sesgo porcentual; RMSE: raíz del cuadrado medio del error.

*En los tres métodos, la lámina precipitada horaria se convierte en lámina escurrida con el número de curva de escurrimiento.

En la Figura 3 se observa el comportamiento de la dispersión de las predicciones de los caudales simulados. En las metodologías OC- Muskingum y OC-OC, los valores simulados presentan más error cuando se trata de predecir caudales pequeños; por lo que su r2 es más baja que la del método HU-Muskingum, pues el error se da en caudales pequeños.

Figura 3 Dispersión de los caudales simulados contra observados en la cuenca del río Turbio, Guanajuato, México. 

Conclusiones

La mejor simulación del proceso lluvia-escurrimiento en la cuenca del río Turbio es la combinación onda cinemática-Muskingum; es decir, la lámina escurrida se convierte en hidrograma con el modelo de onda cinemática y el tránsito en cauces con el método Muskingum. El índice de eficiencia de Nash-Sutcliffe obtenido con este modelo fue de 0.709, el cual se considera bueno. La segunda mejor simulación fue el modelo onda cinemática-onda cinemática, y la tercera el tradicional hidrograma unitario-Muskingum.

De acuerdo con el coeficiente de Nash-Sutcliffe, los tres métodos dan resultados satisfactorios, pero el de onda cinemática-Muskingum da mejores resultados en términos de errores al estimar el total de caudales, el caudal máximo y el volumen escurrido.

Agradecimientos

A la Comisión Estatal de Aguas del Estado de Guanajuato (CEAG) por proporcionar los datos de lluvia de sus estaciones meteorológicas automáticas.

REFERENCIAS

Ajami, N. K., Gupta, H., Wagener, T., & Sorooshian, S. (2004) Calibration of a semi-distributed hydrologic model for streamflow estimation along a river system. Journal of Hydrology, 298(1-4), 112-135. doi: 10.1016/j.jhydrol.2004.03.033 [ Links ]

Arnold, J. G., Moriasi, D. N., Gassman, P. W., Abbaspour, K. C., White, M. J., Srinivasan, R., Santhi, C., Harmel, R. D., van Griensven, A., Van Liew, M. W., Kannan, N., & Jha, M. K. (2012). SWAT: model use, calibration, and validation. Transactions of the ASABE, 55(4), 1491-1508. Retrieved from https://swat.tamu.edu/media/99051/azdezasp.pdfLinks ]

Centro Nacional de Prevención de desastres (CENAPRED). (2011). Metodología para la elaboración de mapas por riesgo de inundaciones en zonas urbanas. México: Secretaría de Gobernación. Retrieved from http://www.cenapred.gob.mx/es/Publicaciones/archivos/203.pdfLinks ]

Cheah, C. H, Ball, J. E., & Cox, R. J. (2008). Kinematic wave modeling of surface runoff quality for small urban catchments. 11 th International Conference on Urban Drainage. Edinburgh, Scotland, UK. Retrieved from https://www.researchgate.net/profile/R_Cox/publication/266332704_Kinematic_Wave_Modelling_of_Surface_Runoff_Quality_for_Small_Urban_Catchments/links/5514f3390cf2eda0df34c084.pdf?origin=publication_detailLinks ]

Chow, V. T, Maidment, D. R., & Mays, L. W. (1988). Applied Hydrology. New York: McGraw-Hill Book Company. [ Links ]

Chua, L. H. C., Wong, T. S. W., & Sriramula, L. K. (2008). Comparison between kinematic wave and artificial neural network models in event-based runoff simulation for an overland plane. Journal of Hydrology, 357(3-4), 337-348. doi: 10.1016/j.jhydrol.2008.05.015 [ Links ]

Chua, L. H. C., & Wong, T. S. W. (2010). Improving event-based rainfall-runoff modeling using a combined artificial neural network-kinematic wave approach. Journal of Hydrology , 390(1-2), 92-107. doi: 10.1016/j.jhydrol.2010.06.037 [ Links ]

Comisión Nacional del Agua (CONAGUA). (2012). Banco Nacional de Datos de Aguas Superficiales. Retrieved July 6, 2015 from Retrieved July 6, 2015 from ftp://ftp.conagua.gob.mx/Bandas/Bases_Datos_Bandas/Links ]

Cunderlik, J. M., & Simonovic, S. P. (2004).Calibration, verification and sensitivity analysis of the HEC-HMS hydrologic model. Ontario: Department of Civil and Environmental Engineering. [ Links ]

Dingman, S. L. (2002). Hydrologic modeling. In: Physical Hydrology (pp. 25-31). USA: Waveland Press Inc. Long grove. [ Links ]

Doodge, J. C. I. (1986). Looking for hydrologic laws. Water Resources Research, 22(9), 46-58. doi: 10.1029/WR022i09Sp0046S [ Links ]

Environmental Systems Research Institute (ESRI). (2012). ArcMap 10.1 software. Retrieved from https://www.esri.com/en-us/homeLinks ]

Guo, J. C. Y. (1998). Overland flow on a pervious surface. Water International, 23(2), 91-98. doi: 10.1080/02508069808686747 [ Links ]

Huang, P., & Lee, K. T. (2013). An efficient method for DEM-based overland flow routing. Journal of Hydrology , 489, 238-245. doi: 10.1016/j.jhydrol.2013.03.014 [ Links ]

Instituto Nacional de Estadística y Geografía (INEGI). (2013). Continuo de elevaciones mexicano 3.0 (CEM 3.0). Retrieved November 15, 2013 from Retrieved November 15, 2013 from http://www.inegi.org.mx/Links ]

Instituto Nacional de Estadística y Geografía (INEGI). (2010). Conjunto de datos vectoriales de uso del suelo y vegetación, serie IV escala 1:250000. Retrieved January 18, 2014 from Retrieved January 18, 2014 from http://www.inegi.org.mx/Links ]

Instituto Nacional de Estadística y Geografía (INEGI). (2007). Conjunto de datos vectorial edafológico, escala 1:250,000 serie II (Continuo Nacional). Retrieved January 18, 2014 from Retrieved January 18, 2014 from http://www.inegi.org.mx/Links ]

Jinkang, D., Shunping, X., Youpeng, X., Xu, C., & Singh, V. P. (2007). Development and testing of a simple physically-based distributed rainfall-runoff model for storm runoff simulation in humid forested basins. Journal of Hydrology , 336(3-4), 334-346. doi: 10.1016/j.jhydrol.2007.01.015 [ Links ]

Juárez-Méndez, J., Ibáñez-Castillo, L. A., Pérez-Nieto, S., & Arellano-Monterrosas, J. L. L. (2009). Uso del suelo y su efecto sobre los escurrimientos en la cuenca del río Huehuetán. Ingeniería Agrícola y Biosistemas, 1(2), 69-76. doi: 10.5154/r.inagbi.2009.07.016 [ Links ]

Kazezyilmaz-Alhan, C. M., & Medina, M. A. (2007). Kinematic and diffusion waves: Analytical and numerical solutions to overland and channel flow. Journal of Hydraulic Engineering, 133(2), 217-228. doi: 10.1061/(ASCE)0733-9429(2007)133:2(217) [ Links ]

Lighthill, M. J., & Whitham, G. B. (1955a). On kinematic waves I. Flood movement in long rivers. Proceedings, Royal Society, 229, 281-316. doi: 10.1098/rspa.1955.0088 [ Links ]

Lighthill, M. J., & Whitham, G. B. (1955b). On kinematic waves II. A theory of traffic flow on long crowded roads. Proceedings, Royal Society, 229, 317-345. doi: 10.1098/rspa.1955.0089 [ Links ]

Macarthur, R., & DeVries, J. J. (1993). Introduction and application of kinematic wave routing techniques using HEC-1. Davis: Hydrologic Engineering Center. Retrieved from http://oai.dtic.mil/oai/oai?verb=getRecord&metadataPrefix=html&identifier=ADA289476Links ]

McCuen, R. H. (2016). Hydrologic analysis and design. U.S.A.: Prentice-Hall. [ Links ]

Mejia, A. I., & Reed, S. M. (2011). Evaluating the effects of parameterized cross section shapes and simplified routing with a coupled distributed hydrologic and hydraulic model. Journal of Hydrology , 409(1-2), 512-524. doi: 10.1016/j.jhydrol.2011.08.050 [ Links ]

Miller, J. E. (1984). Basic concepts of kinematic-wave models. Washington: United States Government Printing Office. Retrieved from https://pubs.usgs.gov/pp/1302/report.pdfLinks ]

Miranda-Aragón, L., Ibáñez-Castillo, L. A., Valdez-Lazalde, J. R., & Hernández-de la Rosa, P. (2009). Modelación hidrológica empírica del gasto de 100 años de periodo de retorno del río Grande, Tlalchapa, Guerrero en dos escenarios de uso del suelo. Agrociencia, 43(4), 333-344. Retrieved from http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952009000400001Links ]

Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., & Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, 50(3), 885-900. Retrieved from http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.532.2506&rep=rep1&type=pdfLinks ]

Neitsch, S. L., Arnold, J. G., Kiniry, J. R., & Williams, J. R. (2009). Soil and water assessment tool. SWAT Theoretical Documentation. Texas: Texas Water Resources Institute Technicla Report. [ Links ]

Ponce, V. M. (1994). Catchment Modeling. In: Engineering hydrology: principles and practices (pp. 389-451). New Jersey: Prentice-Hall. [ Links ]

Rai, R. K., Upadhyay, A., & Singh, V. P. (2010). Effect of variable roughness on runoff. Journal of Hydrology , 382(1-4), 115-127. doi: 10.1016/j.jhydrol.2009.12.022 [ Links ]

Rossman, L. A. (2010). Storm water management model, user’s manual version 5.0. Retrieved from http://owp-web1.saclink.csus.edu/LIDTool/Content/PDF/SWMM5Manual.pdfLinks ]

Singh, V. P. (2001). Kinematic wave modeling in water resources: a historical perspective. Hydrological Processes, 15, 671-706. doi: 10.1002/hyp.99 [ Links ]

Singh, V. P. (1996). Kinematic wave modeling in water resources. New York: Wiley. doi: 10.1029/96EO00344 [ Links ]

United States of America Corps of Engineers (USACE). (2013). Geospatial hydrologic modeling extension HEC-Geo-HMS V. 10.1. Retrieved from http://www.hec.usace.army.mil/software/hecgeohms/documentation/HECGeoHMS_Users_Manual_10.1.pdfLinks ]

United States of America Corps of Engineers (USACE). (2010a). Hydrologic modeling system HEC-HMS V. 3.5. Retrieved from http://www.hec.usace.army.mil/software/hechms/documentation/HECHMS_Release_Notes_3.5.pdfLinks ]

United States of America Corps of Engineers, USACE. (2010b). Hydrologic modeling system HEC-HMS V. 3.5. Retrieved from http://www.hec.usace.army.mil/software/hec-hms/documentation/HECHMS_Users_Manual_3.5.pdfLinks ]

United States of America Corps of Engineers (USACE). (2000). Hydrologic modeling system HEC-HMS. Technical Reference Manual. Retrieved from http://www.hec.usace.army.mil/software/hechms/documentation/HECHMS_Technical%20Reference%20Manual_(CPD-74B).pdfLinks ]

Vargas-Castañeda, G., Ibáñez-Castillo, L., & Arteaga-Ramírez, R. (2015). Desarrollo, clasificación y tendencias de la modelación lluvia-escurrimiento. Ingeniería Agrícola y Biosistemas , 7(1). doi: 10.5154/r.inagbi.2015.03.002 [ Links ]

Recibido: 28 de Julio de 2017; Aprobado: 19 de Abril de 2018

Creative Commons License This is an open-access article distributed under the terms of the Creative Commons Attribution License