Introducción
Análisis de frecuencia de crecientes
La planeación, diseño, construcción y revisión hidrológica de las obras hidráulicas, como embalses, diques de protección, canalizaciones, puentes y el drenaje pluvial urbano se realizó con base en las llamadas crecientes de diseño (CD), que son gastos máximos del río relacionados con bajas probabilidades de excedencia. La estimación más confiable de las CD se llevó a cabo con el análisis de frecuencia de crecientes (AFC).
Hacia mediados de la primera década del siglo XX se realizaron las primeras aplicaciones de los conceptos probabilísticos al problema de la estimación de las CD. Su objetivo fundamental fue remplazar las técnicas basadas en curvas envolventes y en fórmulas empíricas por un método más objetivo y exacto. Para mediados del siglo pasado, la existencia de amplios registros de gastos máximos anuales y los avances teóricos que desarrollaron nuevos modelos probabilísticos permitieron llegar a un enfoque estándar para el AFC (Merz & Blöschl, 2008).
El AFC consiste básicamente en ajustar una función de distribución de probabilidades (FDP) a la secuencia ordenada de gastos máximos anuales, para extrapolar su cola derecha, y realizar predicciones o estimaciones con bajas probabilidades de excedencia. Este proceso consta de cuatro pasos: (1) verificación de la aleatoriedad del registro de crecientes por procesar; (2) ajuste de varias FDP, por medio de los métodos de momentos, máxima verosimilitud y momentos L; (3) selección del mejor ajuste, a través de medidas cuantitativas, como los errores estándar de ajuste y absoluto medio, y (4) obtención de las predicciones buscadas (Kite, 1977; Stedinger, Vogel, & Foufoula-Georgiou, 1993; Rao & Hamed, 2000; Meylan, Favre, & Musy, 2012; Stedinger, 2017).
El AFC implica varias debilidades o incertidumbres hidrológicas, que se pueden concretar en tres aspectos. El primero refiere la representatividad del registro disponible de crecientes en el futuro, donde puede ser alterado por cambios físicos en la cuenca o bien por el cambio climático regional o global. Lo anterior también implica que todos los registros pueden contener errores de medición o de muestreo. El segundo generador de incertidumbre está asociado con la extrapolación que se debe hacer para estimar periodos de retorno de 100, 500 y 1 000 años, ya que por lo general, los registros disponibles de crecientes no exceden los 80 años. Finalmente, la tercera fuente de incertidumbre radica en el propio método, al tener que seleccionar una FDP para llevar a cabo las predicciones (Merz & Blöschl, 2008).
Procedimiento UNCODE
Botto, Ganora, Laio y Claps (2014) expusieron el procedimiento llamado Uncertainty Compliant Design Flood Estimation (UNCODE), un enfoque novedoso que parte del intervalo o rango de valores posibles para cada CD y que converge en un diseño único. Por medio del UNCODE se pueden estimar las CD conforme a la incertidumbre hidrológica, pues permite seleccionar estimaciones de crecientes significativas procedentes de su FDP, que se tiene en cada valor del periodo de retorno (Tr), al plantear restricciones adicionales basadas en el criterio de costo-beneficio, las cuales se resuelven de forma numérica, por medio de un esquema de simulación.
El criterio de costo-beneficio mínimo se puede consultar en Campos-Aranda (2015). Botto, Ganora, Claps y Laio (2017) presentan un resumen del proceso operativo del UNCODE, y en Kjeldsen, Lamb y Blazkova (2014) es posible consultar los aspectos generales relativos a la incertidumbre en los AFC; para aspectos más específicos, revisar Burn (2003), y Cheng, Chang y Hsu (2007).
Objetivo
Botto et al. (2017)
lograron concretar los resultados del UNCODE en un procedimiento muy simple, que
corrige la CD estimada a través del AFC, mediante un factor correctivo, función
del tamaño del registro (n) y del periodo de retorno
(Tr). El resultado es una estimación de la CD considerando
incertidumbre hidrológica (
Métodos y materiales
Estimación del factor correctivo
Botto et al. (2014) han
demostrado que la CD obtenida aplicando el UNCODE (
Según Botto et al. (2017),
el valor de y aumenta con el Tr debido al
incremento de la incertidumbre de la estimación de Q
Tr
y para un Tr fijo también crece con la variabilidad en
la distribución de probabilidades que permite estimar Q
Tr
, la cual es la función del tamaño (n) del registro
disponible de gastos máximos anuales utilizado en el AFC. A partir de la Ecuación (1) se puede obtener la
estimación buscada de
El mejor estimador
Los coeficientes a 0, a 1 y a 2 se citan en la Tabla 1 y dependen de la distribución de probabilidades utilizada en el AFC; se evaluaron aplicando de manera extensiva el UNCODE. Botto et al. (2017) usaron cinco distribuciones fuente u origen (parent distributions), ocho tamaños n de 30 a 100 en intervalos de 10 y 100 secuencias sintéticas para cada combinación de modelo fuente y tamaño n. Las distribuciones fuente fueron Log-Pearson tipo III (LP3), general de valores extremos (GVE), logística generalizada (LOG), Log-Normal (LN3) y Pearson tipo III (PT3).
Tabla 1 Coeficientes de la Ecuación (3) y sus propiedades estadísticas adimensionales: coeficiente de determinación (R2), error absoluto medio (EAM) y error estándar medio (EEM).
Distribución fuente | a0 | a0 | a0 | R2 | EAM | EEM |
---|---|---|---|---|---|---|
LP3 | 0.78 | -0.26 | 0.687 | 0.89 | 0.0235 | 0.0363 |
GVE | -2.27 | -0.30 | 1.110 | 0.85 | 0.0190 | 0.0321 |
LOG | -2.36 | -0.25 | 0.994 | 0.85 | 0.0096 | 0.0145 |
LN3 | -0.82 | -0.25 | 0.809 | 0.94 | 0.0107 | 0.0160 |
PT3 | 0.59 | -0.24 | 0.567 | 0.96 | 0.0080 | 0.0115 |
Las distribuciones fuente de la Tabla 1 citaron el orden cronológico en que fueron aceptadas como FDP de aplicación bajo precepto. Por lo anterior, primero se expuso la distribución LP3, sugerida hacia finales de la década de 1970 en EUA; después la GVE propuesta en Inglaterra en 1975, y por último la LOG, que sustituyó a la GVE a partir de 1999. Después se citó a la LN3 de aplicación generalizada en los AFC desde el decenio de 1970 y por último a la PT3 de uso escaso en los AFC.
Botto et al. (2017)
indican que en 90% de los registros sintéticos sus propiedades estadísticas
oscilaron en los intervalos siguientes, para los cocientes de momentos L: de
variación 0.28 ≤
En términos generales, las regresiones obtenidas y propuestas por Botto et al. (2017) son
confiables, al variar de 0.85 a 0.96 su coeficiente de determinación. Además, su
análisis de residuos mediante el EAM y el EEM en la Tabla 1 definen un valor medio global de 0.0181, es decir,
del orden de 2% de variación de
Momentos y cocientes L
Los momentos L (λi) son combinaciones lineales de los momentos de probabilidad pesada (βi) desarrollados por Greenwood, Landwehr, Matalas y Wallis (1979), y se trata de parámetros estadísticos asociados con los datos ordenados. Los momentos L son un sistema eficiente y robusto para el ajuste de las FDP que están actualmente en uso o establecidas bajo precepto. Sus ecuaciones de cálculo son (Stedinger et al., 1993; Hosking & Wallis, 1997; Rao & Hamed, 2000; Stedinger, 2017):
Además se definen los cocientes (
En una muestra de tamaño n, con sus elementos
xi arreglados en orden
ascendente (
Diagrama de cocientes L
Tiene en el eje de las abscisas a
Logística generalizada (LOG):
Pareto generalizada (PAG):
Log-Normal (LN3):
Pearson tipo III (PT3):
y general de valores extremos (GVE):
siendo
Utilizando los logaritmos de los datos en la Ecuación (4), Ecuación (5), Ecuación (6), Ecuación (7), Ecuación (8), Ecuación (9), Ecuación (10) y Ecuación (11) se obtienen los cocientes L logarítmicos, y entonces se puede utilizar la Ecuación (15) para evaluar la FDP Log-Pearson tipo III (LP3). La Figura 1 indica el diagrama de cocientes de momentos L, procedente de Hosking y Wallis (1997).
Selección de la mejor FDP
Uno de los enfoques recientes para la selección de la mejor FDP a utilizar en el
AFC consiste en llevar al diagrama de cocientes L, los valores
de la muestra (
donde
![](/img/revistas/tca/v11n6//2007-2422-tca-11-06-400-gf1.jpg)
Figura 1 Diagrama de cocientes de momentos L, mostrando FDP de 2 y 3 parámetros de ajuste (Hosking & Wallis, 1997).
Ajuste de las FDP fuente
La distribución LP3 se aplicó exclusivamente con el método de momentos en el dominio logarítmico (WRC, 1977; Campos-Aranda, 2015); en cambio, Botto et al. (2017) la ajustaron como una PT3 con base en los cocientes L logarítmicos. El resto de distribuciones de la Tabla 1 se ajustaron con el método de los momentos L, según procedimientos descritos por Hosking y Wallis (1997). En todos los casos se evaluó el error estándar de ajuste (EEA).
Error estándar de ajuste
Es el indicador más común para el contraste de las FDP a datos reales (Chai & Draxler, 2014). Se estableció a mediados de los años 1970 (Kite, 1977) y se ha aplicado en México haciendo uso de la fórmula empírica de Weibull (Benson, 1962). Hoy en día se recomienda su aplicación utilizando la fórmula de Cunnane (Ecuación (18)), que de acuerdo con Stedinger (2017) conduce a probabilidades de no excedencia (p) aproximadamente insesgadas para muchas FDP, ésta es:
La expresión del error estándar de ajuste (EEA) es:
Donde Qi son los gastos máximos
anuales ordenados de menor a mayor, cuyo número es n, y
Registros de crecientes por analizar
Para el desarrollo de las aplicaciones numéricas se escogió procesar los siete registros más amplios (43 ≤ n ≤ 56) de la información hidrométrica que procesó (Campos-Aranda, 2014) de la región hidrológica No. 10, Sinaloa, México, que corresponden a las estaciones Huites, Santa Cruz, Jaina, Naranjo, Acatitán, Zopilote y El Bledal. En la Tabla 2 se citan dos características generales y los valores de los cocientes de momentos L de las siete estaciones seleccionadas.
Tabla 2 Tamaños de cuenca, amplitud de registro y cocientes de momentos L en las siete estaciones hidrométricas seleccionadas de la región hidrológica No. 10, Sinaloa, México.
Número y estación | A (km2) | n |
|
|
|
|
---|---|---|---|---|---|---|
1. Huites | 26 057 | 51 | 0.49086 | 0.29757 | 0.14918 | 0.14510 |
2. Santa Cruz | 8 919 | 52 | 0.42451 | 0.35919 | -0.08131 | 0.17382 |
3. Jaina | 8 179 | 56 | 0.47970 | 0.34935 | 0.04559 | 0.18304 |
4. Naranjo | 2 064 | 45 | 0.40967 | 0.20800 | -0.03623 | 0.11706 |
5. Acatitán | 1 884 | 43 | 0.35069 | 0.22836 | -0.27398 | 0.20318 |
6. Zopilote | 666 | 56 | 0.20325 | 0.06008 | -0.20501 | 0.09740 |
7. El Bledal | 371 | 56 | 0.38055 | 0.27257 | -0.02134 | 0.15315 |
En la Figura 1 se muestra la posición gráfica de cada registro según sus cocientes L de asimetría y curtosis; las siguientes se deducen como FDP convenientes (por su cercanía): Huites PAG, Santa Cruz LOG, Jaina GVE, Naranjo PT3, Acatitán LN3, Zopilote PAG y El Bledal GVE.
Resultados y su análisis
Verificación de la aleatoriedad de los registros
Para que los resultados del AFC sean exactos, el registro de gastos máximos anuales por procesar debe haber sido generado por un proceso aleatorio estacionario, lo cual implica que no haya cambiado en el tiempo. Por lo tanto, el registro de crecientes requiere estar integrado por datos independientes, exentos de componentes determinísticas.
Para probar lo anterior, se aplicó el Test de Wald-Wolfowitz, prueba no paramétrica utilizada por Bobée y Ashkar (1991); Rao y Hamed (2000), y Meylan, Favre y Musy (2012), para verificar independencia y estacionariedad en registros de gastos máximos anuales. Su aplicación en los siete registros seleccionados demostró que están integrados por datos independientes y aleatorios.
Mejor FDP según DA mínima
Con base en los cocientes de momentos L de la Tabla 2 se aplicó la Ecuación (17) para encontrar las dos DA mínimas y así definir las dos FDP más adecuadas en la Tabla 3. La segunda opción se utilizará en las estaciones Huites y Zopilote debido a que Botto et al. (2017) no establecieron como distribución fuente la Pareto Generalizada en la Tabla 1.
Tabla 3 Mejores dos FDP según distancia absoluta (DA) mínima de los registros de crecientes anuales de las siete estaciones hidrométricas seleccionadas de la región hidrológica No. 10, Sinaloa, México.
Estación | DA | FDP | DA | FDP |
---|---|---|---|---|
Huites | 0.0113 | PAG | 0.0155 | LP3 |
Santa Cruz | 0.0423 | LOG | 0.0494 | LP3 |
Jaina | 0.0016 | GVE | 0.0091 | LOG |
Naranjo | 0.0057 | LP3 | 0.0106 | PT3 |
Acatitán | 0.0086 | LN3 | 0.0189 | GVE |
Zopilote | 0.0190 | PAG | 0.0393 | LP3 |
El Bledal | 0.0043 | GVE | 0.0148 | LOG |
Predicciones de diseño y sus correcciones
La Tabla 4 expone las predicciones
estimadas con cada FDP más convenientes para los cinco periodos de retorno que
analizaron Botto et al.
(2017). Además, se muestran sus factores correctivos (
Tabla 4 Predicciones (QTr )
en m3/s obtenidas con la FDP indicada y crecientes de
diseño corregidas (
Estación FDP EEA (m3/s) | Cálculo(n) | Periodos de retorno en años | ||||
---|---|---|---|---|---|---|
50 | 100 | 200 | 500 | 1 000 | ||
Huites | QTr | 15 613 | 21 776 | 29 993 | 45 130 | 60 942 |
LP3 |
|
0.050 | 0.081 | 0.130 | 0.244 | 0.392 |
957.1 |
|
16 394 | 23 540 | 33 892 | 56142 | 84 831 |
Santa Cruz | QTr | 4 335 | 5 891 | 7971 | 11843 | 15 948 |
LOG |
|
0.008 | 0.015 | 0.030 | 0.075 | 0.149 |
277.5 |
|
4 370 | 5 979 | 8 210 | 12 731 | 18 324 |
Jaina | QTr | 4 419 | 6 101 | 8 367 | 12 614 | 17148 |
GVE |
|
0.008 | 0.018 | 0.039 | 0.108 | 0.234 |
360.3 |
|
4 454 | 6 210 | 8 693 | 13976 | 21 161 |
Naranjo | QTr | 3 090 | 3 973 | 4 976 | 6 499 | 7 808 |
LP3 |
|
0.056 | 0.090 | 0.145 | 0.273 | 0.439 |
136.2 |
|
3 263 | 4 331 | 5 698 | 8 273 | 11 236 |
Acatitán | QTr | 3 440 | 4 263 | 5 178 | 6 537 | 7 689 |
LN3 |
|
0.020 | 0.035 | 0.062 | 0.130 | 0.229 |
150.5 |
|
3509 | 4412 | 5499 | 7387 | 9450 |
Zopilote | QTr | 1 269 | 1 432 | 1 576 | 1 739 | 1 844 |
LP3 |
|
0.046 | 0.074 | 0.119 | 0.223 | 0.359 |
67.1 |
|
1 327 | 1 538 | 1 764 | 2 127 | 2 506 |
El Bledal | QTr | 1 090 | 1 404 | 1 792 | 2 446 | 3 077 |
GVE |
|
0.008 | 0.018 | 0.039 | 0.108 | 0.234 |
64.0 |
|
1 099 | 1 429 | 1 862 | 2 710 | 3 797 |
Se observó en la Tabla 4 que las
correcciones (
Conclusiones
Debido a la gran simplicidad que tiene el método correctivo de las crecientes de diseño por incertidumbre hidrológica, desarrollado por Botto et al. (2017), y basado en las Ecuación (2) y Ecuación (3), el mérito de esta nota es exclusivamente su divulgación.
En las siete aplicaciones numéricas descritas se utilizaron los registros más amplios de gastos máximos anuales de la región hidrológica No. 10, Sinaloa, México, haciendo uso del diagrama de cocientes L y de la distancia absoluta mínima para seleccionar de manera objetiva la mejor FDP de cada registro disponible.
Los factores correctivos (
En igualdad de valores de n y Tr, en la Tabla 4 se observó que los valores de