100215 - tesina master gash a4
TRANSCRIPT
UNIVERSIDAD DE CANTABRIA
____________________________
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE CAMINOS, CANALES Y PUERTOS
DEPARTAMENTO DE CIENCIAS Y TÉCNICAS DEL AGUA Y DEL MEDIO AMBIENTE
Curso 2008-2010
____________________________
TESINA DE MÁSTER OFICIAL EN GESTIÓN AMBIENTAL DE SISTEMAS HÍDRICOS
“Desarrollo de un modelo hidrológico como herramienta de apoyo para la gestión del agua. Aplicación a la cuenca del
Río Laja, Chile”
PRESENTADA POR: Enrique Muñoz Ortiz
DIRIGIDA POR:
César Álvarez Díaz Max Billib
Santander, Febrero de 2010
UNIVERSIDAD DE CANTABRIA ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE CAMINOS CANALES Y PUERTOS
Profesores Patrocinantes
D. César Álvarez Dr. Max Billib Dr. José Luis Arumí Dr. Diego Rivera
“DESARROLLO DE UN MODELO HIDROLÓGICO COMO HERRAMIENTA DE APOYO PARA LA GESTIÓN DEL AGUA. APLICACIÓN A LA CUENCA DEL RÍO LAJA, CHILE”
ENRIQUE ALEJANDRO MUÑOZ ORTÍZ
Santander, Febrero de 2010
ÍNDICE
CAPÍTULO 1: INTRODUCCIÓN 1
1.1 Introducción 1
1.2 Objetivo General 2
1.3 Objetivos Específicos 2
CAPÍTULO 2: FUNDAMENTOS Y SELECCIÓN DE UN MODELO HIDROLÓGICO 4
2.1 Fundamentos de los Modelos Hidrológicos 4
2.2 Procesos predominantes a diferentes escalas espaciales 7
2.3 Selección de un Modelo Hidrológico Mensual 8
CAPÍTULO 3: DESCRIPCIÓN Y ADAPTACIÓN DEL MODELO HIDROLÓGICO
MENSUAL (MHM) 12
3.1 Descripción del MHM propuesto por Ferrer et al. (1973) 12
3.2 Incorporación de la Componente Nival al MHM 16
3.3 Incorporación Módulo de Extracciones y Aportes 19
CAPÍTULO 4: APLICACIÓN A LA CUENCA DEL RÍO LAJA 21
4.1 Modelo Físico 21
4.2 Modelo Meteorológico 24
4.3 Registro de Caudales 30
4.4 Calibración y Validación 31
4.4.1 Módulo Pluvial 31
4.4.2 Módulo Nival 34
4.4.3 Parámetros de Calibración y Validación 36
4.5 Simulación (1990-2008) 37
CAPÍTULO 5: DISCUSIÓN Y ANÁLISIS DE RESULTADOS 44
5.1 Ajuste del Modelo 44
5.2 Representatividad de los Caudales Simulados y Utilidad del Modelo para Fines
Predictivos y de Gestión de Recursos 46
CAPÍTULO 6: CONCLUSIONES Y FUTURAS LÍNEAS DE INVESTIGACIÓN 48
6.1 Conclusiones 48
6.2 Futuras Líneas de Investigación 48
BIBLIOGRAFÍA 50
ANEXO A: Script Modelo Hidrológico Mensual.
ANEXO B: Base de Datos de Precipitación, Temperatura y Evapotranspiración Potencial
(Calculada) y Series Ponderadas para cada Subcuenca.
ANEXO C: Extracto Guía Explotación Lago Laja (DOH).
ANEXO D: Base de Datos de Caudales Generación Bruta y Nivel del Lago Laja y de Registro
de Caudales de la Cuenca del Laja.
ANEXO E: Gradiente Térmico y Curvas Hipsométricas de Subcuencas de régimen nivo-pluvial.
ANEXO F: Caudales simulados serie 1990 – 2008.
Capítulo 1: Introducción 1
CAPÍTULO 1: INTRODUCCIÓN
1.1 Introducción El agua dulce es un recurso natural limitado pero renovable, en el planeta corresponde sólo al 3%
del total de agua (Figura 1.1), siendo este un elemento imprescindible para la sobrevivencia y el
desarrollo de seres humanos y ecosistemas. Del total de agua dulce, sólo un 1% se encuentra en
superficie y es de fácil acceso, el resto se encuentra congelada (79%) en glaciares y casquetes de
hielo polar, y subterránea (20%) (Hinrichsen et al., 1998).
Figura 1.1 Distribución de Agua en el Planeta (Sther et al., 2008)
Considerando que el agua es un recurso limitado, que la demanda por este aumenta con el
desarrollo y crecimiento poblacional, que la disponibilidad cambia año a año, a causa de
fenómenos locales, globales, naturales y antropogénicos, que es de importancia fundamental el
impacto sobre el abastecimiento causado por el cambio climático (Arnell et al., 1995, Kaczmarek
et al., 1995) y que gran parte de la población mundial ya experimenta un estrés por la demanda
de agua (Vörösmarty et al., 2000), se hace necesario desarrollar herramientas que permitan una
gestión eficiente del recurso y que sirvan de apoyo para predecir condiciones futuras bajo
diferentes escenarios causados por efectos locales (orográficos), regionales ( “El Niño” o “La
Niña”) o globales (cambio climático y/o tendencias graduales de largo plazo), con el fin de evitar
o reducir el estrés por la demanda de agua sobre diferentes cuencas en el planeta.
Capítulo 1: Introducción 2
La cuenca del Río Laja, Chile (Figura 1.2) es un ejemplo de dicho estrés. Históricamente se ha
visto afectada por alteraciones antropogénicas que buscan el uso de sus caudales con fines
socioeconómicos hasta niveles de sobreoferta, un ejemplo de esto es una de las últimas obras
ejecutadas sobre la cuenca, el canal “Laja-Diguillín”, canal que está operativo desde Abril de
2003, que tiene derechos de agua asignados por 65 [m3 s-1] y que a la fecha (Febrero de 2010) no
ha podido explotar más de 20 [m3s-1]
Figura 1.2: Ubicación cuenca del Río Laja
En el presente trabajo se busca desarrollar un modelo hidrológico adaptable a diferentes
escenarios, tanto físicos como meteorológicos e hidrológicos y que sirva como herramienta para
apoyar desde un punto de vista técnico la administración y gestión de agua de una cuenca,
considerando condiciones pasadas y posibilidades de cambio ante diferentes escenarios futuros.
Lo anterior se resume en los siguientes objetivos
1.2 Objetivo General Desarrollar una herramienta de apoyo para la gestión y administración del agua de una
cuenca hidrográfica con alteraciones hidromorfológicas.
1.3 Objetivos Específicos Desarrollar un modelo hidrológico a escala mensual capaz de simular regímenes de tipo
pluvial, nival y nivo-pluvial, y de incluir alteraciones antropogénicas sobre la cuenca, o
directamente sobre el río (por ejemplo la operación de centrales hidroeléctricas, canales
de trasvase o regadío, deforestación de cuencas, modificación del tipo de vegetación,
entre otros).
Capítulo 1: Introducción 3
Aplicar, calibrar y validar el modelo al caso de la cuenca del Río Laja (Chile) y
representar caudales históricos producidos por la cuenca.
Definir el nivel de confiabilidad del modelo y de los caudales simulados para
aplicaciones predictivas y de gestión.
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 4
CAPÍTULO 2: FUNDAMENTOS Y SELECCIÓN DE UN MODELO HIDROLÓGICO
2.1 Fundamentos de los Modelos Hidrológicos Un modelo intenta reproducir bajo diferentes formas y procesos un fenómeno físico que ocurre
sobre un objeto o territorio. Por lo tanto, en hidrología, un modelo busca representar un territorio
delimitado por una divisoria de aguas (cuenca), y los fenómenos de transferencia de lluvia a
caudal y de agua en el interior de esta. El objeto de reproducir dichos procesos es el poder
simular y predecir condiciones futuras con el fin de actuar desde un punto de vista
socioeconómico y de gestión, administración y optimización de los usos del agua.
Una de las principales ventajas de la simulación mediante modelos es la visión que se gana
recogiendo y organizando los datos requeridos como entrada a los algoritmos matemáticos que
comprenden el sistema completo. Lo anterior puede conducir a la readecuación o ampliación de
las redes de monitoreo existentes de tal manera de mejorar los datos de entrada necesarios para la
modelación y con esto lograr una mejor representación del sistema natural (Sther et al., 2008). El
crecimiento en el uso de los modelos se debe a la necesidad de solucionar problemas complejos,
la mejora en las técnicas de medición de los parámetros de entrada y a la actual disponibilidad de
tecnología. Sin embargo no se puede perder de vista que los modelos solo son buenos en la
medida que los datos de entrada lo son (Rasmussen et al., 1998).
Los modelos pueden ser diferenciados por su arquitectura y estructura, la escala a la que son
típicamente aplicados, la integración o falta de integración de los procesos de superficie y
subsuperficie, el grado de complejidad de los datos de entrada y el numero de parámetros a ser
determinado (Mishra & Singh 2004). En la actualidad existen diferentes tipos de modelos, los
que se pueden clasificar en dos grandes grupos, determinísticos y estocásticos. Los modelos
determinísticos son aquellos que las variables existentes en el algoritmo matemático están
determinadas por leyes físicas, ya sea empíricas, conceptuales o teóricas y por lo tanto su
variabilidad está físicamente justificada. En cambio los modelos probabilísticos rigen una parte o
la totalidad de sus variables por leyes del azar (Estrela, 1992). Estos modelos se pueden
diferenciar a su vez según la representación espacial del modelo (agregados, semidistribuidos o
distribuidos), según la forma de representar los procesos hidrológicos (métricos, conceptuales o
físicamente basados) y según la extensión temporal en la que se puede aplicar el modelo
(modelos de episodios o continuos) (Ponce, 1989, Beck, 1991, Wheater et al., 1993, Sempere,
1996, Francés, 1996, Kokkonen y Jakeman, 2001).
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 5
Los diferentes tipos de modelos se describen a continuación.
Según su distribución espacial.
Modelos agregados: Modelos con distribución espacial uniforme en la cuenca, utiliza
como variable la precipitación media y asume que los parámetros de los diferentes
submodelos de los procesos hidrológicos son uniformes para toda la cuenca y
permanecen constantes a lo largo de un paso de tiempo o de una simulación.
Modelos semidistribuidos: Son aquellos que permiten una cierta variabilidad espacial
de la lluvia y de los parámetros de los submodelos que lo componen mediante la división
de la cuenca en multitud de pequeñas subcuencas con lluvia y parámetros constantes en
cada uno de ellos.
Modelos distribuidos: Son aquellos que permiten la variabilidad espacial de la lluvia y
de los parámetros, mediante la división de la cuenca en celdas o pixeles, en las que se
simulan los diferentes procesos hidrológicos.
Según su forma de representar los procesos hidrológicos.
Modelos métricos: Son aquellos con gran dependencia respecto de los datos observados.
Caracterizan la respuesta del sistema mediante un método de extracción de la
información a partir de datos existentes. Estos modelos presentan una consideración baja
o nula de los procesos físicos que ocurren en el sistema hidrológico.
Los modelos métricos utilizan la representación más simple del comportamiento de una
cuenca hidrológica, ya que la relación entre lluvia y caudal es simulada mediante una
variable de pérdida volumétrica, que engloba los procesos de pérdida por evaporación,
almacenamiento de humedad en el suelo y recarga de aguas subterráneas, y una función
distribución temporal, que simula los diferentes modos dinámicos de respuesta de la
cuenca.
El ejemplo más común son los modelos basados en el concepto de hidrograma unitario,
que simula la respuesta de caudal a un episodio de lluvia mediante una función de
pérdidas no lineal y una función de transferencia lineal (Sherman, 1932).
Una ventaja es que requieren una cantidad mínima de datos, pero como desventaja se
tiene que el rango de aplicación es limitado por la variabilidad de los datos observados,
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 6
los cuales no son capaces de tener en cuenta los cambios producidos en la cuenca (por
ejemplo deforestación, forestación, construcción de represas o embalses, etc.).
Modelos conceptuales: Son modelos que reproducen los procesos hidrológicos más
predominantes mediante una base de conocimiento inicial en forma de representación
conceptual de los mismos (estos modelos comienzan a ser utilizados con el desarrollo y
aumento de la capacidad computacional). La representación hidrológica se realiza
mediante relaciones simplificadas con parámetros que no se pueden medir físicamente en
la realidad. Su aplicación está condicionada a la calibración con datos observados en la
cuenca.
Modelos físicamente basados: Estos modelos incluyen el comportamiento físico de los
procesos hidrológicos, realizando la simulación de una cuenca mediante el uso de las
ecuaciones de continuidad clásicas, resolviendo ecuaciones diferenciales de forma
numérica mediante la aplicación de métodos de diferencias finitas o elementos finitos.
Estos modelos son necesariamente de tipo distribuido, y por lo tanto, permiten la
descripción de los fenómenos en cada una de las celdas del sistema, tanto desde el punto
de vista de los parámetros como de la resolución de los sistemas de ecuaciones
diferenciales, por tanto el sistema físico se representa mediante un sistema de ecuaciones
diferenciales que expresan la masa, el momento y el balance de energías (Mediero,
2007).
La principal ventaja de un modelo físicamente basado es que utiliza parámetros que
pueden ser medidos en terreno y que tienen un significado físico directo, por tanto, si los
valores de estos parámetros se pueden determinar a priori, estos modelos pueden ser
aplicados a cuencas sin datos observados, e incluso se pueden tener en cuenta los cambios
en la misma cuenca. Por otra parte, los modelos físicamente basados permiten una
representación matemáticamente ideal de un fenómeno real, pero la desventaja es que
requieren una cantidad muy grande de datos que son muy difíciles de medir en la realidad
y que tienen un alto costo asociado. Además requieren de una capacidad y tiempo
computacional elevado.
Según la extensión temporal en la cual se puede aplicar el modelo.
Modelos de episodio: Son modelos desarrollados para simulaciones de cortos intervalos
de tiempo, normalmente para un único episodio de lluvia. Estos modelos se centran en la
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 7
simulación de los procesos de infiltración y escorrentía superficial, ya que su principal
objetivo es la evaluación de la escorrentía directa para cálculo de avenidas. Su aplicación
se enfoca principalmente en casos donde la escorrentía directa es la principal fuente de
generación de la escorrentía total. Una desventaja es su limitación para la simulación de
caudales de estiaje y diarios.
Modelos continuos: Permiten la simulación de caudales diarios, mensuales y
estacionales, es decir, permiten la simulación entre episodios de lluvia. Estos modelos
consideran todos los procesos que influyen en la generación de escorrentía, tanto la
escorrentía directa mediante el flujo de superficie y subterráneo. Los modelos continuos
se centran en la simulación de la evapotranspiración y de los procesos que influyen a
largo plazo en la recuperación de la humedad durante los periodos en los que no hay
ocurrencia de precipitación. Por tanto, el objetivo principal de los modelos continuos es
la simulación del balance de humedad total de la cuenca durante períodos largos de
tiempo. Los modelos continuos se aplican fundamentalmente para el pronóstico de
volúmenes de escorrentía a largo plazo y estimación de las reservas de agua.
Para la optimización, protección y gestión de los recursos de agua en una cuenca requieren de
una modelación satisfactoria y por lo tanto de la selección del modelo adecuado en función del
objetivo de la simulación.
2.2 Procesos predominantes a diferentes escalas espaciales La respuesta hidrológica cambia según las distintas escalas espaciales (Bloschl y Sivapalan 1995,
Bloschl 1996).En términos generales se tiene que a nivel de micro cuenca (1 – 10 km2), la
respuesta a las precipitaciones es dominada por procesos de generación de escorrentía en laderas
y áreas cercanas al río (Anderson y Burt, 1990; Montgomery et al., 1997), por lo tanto las
propiedades del suelo y uso de suelo predominan en la respuesta hidrológica, y la distribución de
precipitaciones puede ser representada en términos medios y uniformes. A escala de meso-
cuencas (10 – 103 km2), la variación espacial y temporal toma mayor importancia y esta
dependerá del tipo de precipitación que normalmente se produce sobre la cuenca (frontal,
convectiva o por orografía). Los procesos hidrológicos predominantes son la escorrentía directa
y subterránea. A escala de macro cuencas (103 - 104 km2), la distribución espacial y temporal de
las precipitaciones y el rastreo del caudal domina considerablemente el comportamiento de la
respuesta (Uhlenbrook et al., 2004) y en los procesos hidrológicos influyen variables como la
evapotranspiración y las características del suelo y nivel freático en cuanto a capacidad de campo
y permeabilidad y profundidad o características de los estratos de suelo.
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 8
2.3 Selección de un Modelo Hidrológico Mensual La selección del modelo a utilizar depende directamente del objetivo del estudio. En este caso se
requiere de una herramienta que sirva como apoyo técnico para la gestión y distribución de
caudales medios de una cuenca y para predecir caudales a corto y mediano plazo. Por lo tanto es
necesario un modelo continuo a escala mensual (capaz de simular condiciones pasadas y
futuras). Por otra parte, considerando la poca disponibilidad de información distribuida en cuanto
a tipos de suelo, vegetación, estratos, evaporación y temperatura, se hace más conveniente y
práctico el uso de un modelo agregado, el cual en su aplicación puede ser discretizado en
subcuencas emulando un modelo semidistribuido. Finalmente, según las condicionantes
anteriores, se tiene que el modelo debe ser de tipo conceptual, ya que un modelo físicamente
basado requiere de información distribuida y un modelo métrico no permite considerar cambios
en la cuenca y por lo tanto es muy limitado en cuanto a los escenarios de simulación posibles.
Entre los modelos de tipo conceptual, agregado y continuo disponibles se encuentran los
siguientes:
“T-M Model”: Este modelo fue desarrollado inicialmente por Thornthwaite y Mather
(1955) como un modelo de dos parámetros, la capacidad de almacenamiento en términos
de humedad en el suelo y la fracción de agua excedente o infiltrada en el suelo.
“Palmer Model”: Con la elaboración de un índice de sequía, Palmer (1965) modificó el
“T-M Model” al separar el suelo en dos capas con diferentes capacidades de humedad y
por lo tanto de evaporación e infiltración condicionando la respuesta de la capa inferior a
la evolución de la capa superior. Con esto pasa a ser modelo de tres parámetros.
“abcd Water Balance Model”: Thomas (1981), en base al “T-M Model” y “Palmer
Model”, propuso un modelo con cuatro parámetros donde el suelo se divide en tres zonas,
una primera zona relacionada con el almacenamiento superficial, cuyo caudal es
despreciable respecto de la escorrentía directa y subterránea, una zona media de suelo no
saturado que asimila la recarga que experimenta el acuífero y una tercera zona de suelo
saturado (nivel freático). Los parámetros del modelo representan el nivel de saturación
del suelo (expresado en forma de fracción respecto de la humedad máxima), la humedad
máxima del suelo (y por lo tanto la máxima evaporación real), la fracción del
almacenamiento subterráneo que se transforma en escorrentía y el recíproco del tiempo
de residencia del agua subterránea.
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 9
“Monthly Water Balance Model”: McCabe y Markstrom (2007) realizaron una
adaptación del “T-M Model” donde se incluye la componente nival y se modifican
determinados parámetros, pero sin alterar la estructura ni la base conceptual del modelo
original. Así este modelo pasa a tener siete parámetros (coeficiente de escorrentía,
coeficiente de escorrentía directa, la capacidad de almacenamiento en términos de
humedad en el suelo, la ubicación geográfica de la cuenca, una temperatura nival que
diferencia la precipitación nival de la pluvial, una temperatura pluvial que permite
determinar una proporción entre la precipitación nival y pluvial, y la máxima tasa de
derretimiento de nieve).
“VUB Model” (Vrije Universiteit Brussel Model): Vandewiele et al. (1992) propuso
una serie de modelos a escala de cuenca. ElVUB model es un modelo de tres parámetros:
un coeficiente de escorrentía directa, un coeficiente de escorrentía amortiguada
(escorrentía dependiente del almacenamiento del mes anterior) y un parámetro
relacionado con la evapotranspiración real, la cual se calcula con base en el agua
disponible y la evapotranspiración potencial.
“Xinanjiang Model”: Este modelo fue originalmente desarrollado a escala horaria
(Zhao, 1992), y posteriormente una simplificación a escala mensual fue propuesta por
Hao y Su (2000). El modelo considera tres capas de suelo (superior medio e inferior),
donde se almacena y evapora el agua. Consta de siete parámetros, tres límites de
humedad de cada capa de suelo, un coeficiente de escorrentía directa, un coeficiente de
escorrentía subterránea, y dos coeficientes relacionados con la evapotranspiración, una
tasa de evapotranspiración y un coeficiente que define una humedad crítica que separa y
diferencia la evapotranspiración de la capa de almacenamiento superior de la media.
“Guo Model”: Guo (1992) desarrolló un modelo de cuatro parámetros, que divide la
escorrentía en superficial, intermedia y subterránea, donde la precipitación primero
satisface la evaporación, luego la humedad del suelo y el agua sobrante pasa a ser
escorrentía directa e intermedia. Los parámetros de este modelo son la humedad máxima
del suelo, el coeficiente de escorrentía superficial, un coeficiente de retardo de la cuenca
(relacionado con la escorrentía intermedia) y un coeficiente de escorrentía subterránea.
Una desventaja importante es que el modelo satisface la evapotranspiración antes que la
escorrentía, la recarga de agua superficial y subterránea, por lo limita su aplicación según
el tipo de cuenca y ubicación.
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 10
“WatBal Model”: Este modelo fue originalmente desarrollado para cuencas subalpinas
de Colorado (Leaf y Brink, 1973) y posteriormente fue modificado para evaluar impactos
causados por el cambio climático. Una característica importante es que utiliza funciones
continuas del almacenamiento (humedad en el suelo) para simular el caudal superficial,
subsuperficial y la evapotranspiración. El modelo requiere de la calibración de cuatro
parámetros, la humedad máxima (capacidad máxima de almacenamiento de agua en el
suelo), un coeficiente de escorrentía directa, un parámetro relacionado con la escorrentía
superficial y uno relacionado con la escorrentía subsuperficial.
“Shaake Model”: Schaake y Liu (1989) desarrollaron un modelo simple de balance de
agua para estimar el impacto causado por el cambio climático en la disponibilidad de
recursos. Schaake (1990) mejoró el algoritmo del flujo subterráneo, pasando de un flujo
lineal a no lineal (dependiente del almacenamiento subterráneo). Este nuevo modelo tiene
la capacidad de simular la escorrentía bajo diferentes condiciones climáticas. Además el
modelo considera el déficit de humedad en el suelo como una función de la escorrentía y
evapotranspiración y la escorrentía la divide en directa y subterránea. Es un modelo de
cinco parámetros, el límite máximo de déficit de humedad en el suelo, un parámetro
relacionado con la infiltración, la proporción de la evapotranspiración real que debe ser
satisfecha antes que la precipitación se transforme en escorrentía e infiltración, un
coeficiente de escorrentía subterránea y el almacenamiento subterráneo máximo.
“Modelo de Brown y Ferrer”: Ferrer et al. (1973) desarrolló un modelo que considera
la cuenca como un sistema de doble almacenamiento, uno subsuperficial (no saturado) y
uno subterráneo (saturado). El primero se abastece de la infiltración de la precipitación
caída y el segundo del agua que percola desde la capa subsuperficial o directamente
desde la superficie. Al vaciarse estos sistemas de almacenamiento se produce un flujo
subterráneo, el cual se suma al flujo superficial formado por escorrentía directa. Es un
modelo pluvial de seis parámetros, el coeficiente máximo de escorrentía directa, la
humedad máxima que puede retener el suelo subsuperficial, una precipitación límite que
separa la recarga directa e indirecta del acuífero, un coeficiente que indica que porcentaje
de precipitación (sobre una precipitación límite) se dirige directamente al acuífero, un
parámetro que define una humedad crítica (límite sobre el cual no existe dificultad para la
evaporación) y un coeficiente de escorrentía subterránea.
Capítulo 2: Fundamentos y Selección de un Modelo Hidrológico Mensual 11
Conceptualmente todos los modelos presentan una estructura similar, donde una parte de la
precipitación se transforma en escorrentía directa, otra en humedad (distribuida en una, dos o tres
capas de suelo), otra parte en evapotranspiración y otra en recarga del acuífero. Luego el caudal
generado también, en todos los modelos es similar, dependiendo de la escorrentía directa y
subterránea, y en algunos casos se incluye un flujo subsuperficial. Las diferencias más
importantes se encuentran en la forma de calcular la evaporación real (en algunos casos
satisfaciendo la evaporación potencial, o en función de la humedad en el suelo o de una tasa de
evaporación) y en la forma de emular la humedad en el suelo (un estrato con humedad uniforme
o dos o tres estratos con diferentes humedades, o una humedad variable según la profundidad del
estrato).
Considerando que no existen diferencias determinantes entre los modelo descritos, se decide
utilizar el modelo de Ferrer et al. (1973) para posteriores análisis, ya que al ser un modelo de seis
parámetros es más flexible que los restantes, sin ser compleja su calibración. Además es un
modelo conceptual y matemáticamente simple cuya operación se puede reducir a tres, cuatro o
cinco parámetros al eliminar el límite que condiciona la evaporación real o al eliminar la opción
de recarga directa del acuífero. Luego, considerando que es necesario adaptarlo a una cuenca
nivo-pluvial y con extracciones y aportes de caudal, este permite adaptarlo por módulos, sin
necesidad de modificar su estructura, sino que modificando los inputs y outputs de una
simulación (modificando la precipitación de entrada, separándola entre pluvial y nival y
agregando caudales de extracción o aporte a los caudales de salida).
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 12
CAPÍTULO 3: DESCRIPCIÓN Y ADAPTACIÓN DEL MODELO HIDROLÓGICO MENSUAL (MHM)
3.1 Descripción del MHM propuesto por Ferrer et al. (1973) El modelo propuesto por Ferrer et al. (1973) es un MHM de carácter pluvial que considera la
cuenca como un sistema de doble almacenamiento, uno subsuperficial y uno subterráneo, donde
la única entrada de agua es la precipitación y las salidas son el flujo subterráneo, el flujo
producido por la escorrentía directa y la evapotranspiración. Para esta última el modelo requiere
como entrada el valor de la evapotranspiración máxima de la cuenca o potencial. El modelo
conceptual se presenta en la Figura 3.1.
Precpitación (PM)
Evaporación Potencial (EM)
Percolación Profunda Directa (PPD)
Infiltración (I)
Hmax
H
Humedad Suelo (H)
Humedad Máxima del Suelo (Hmax)Percolación
Profunda (PP)
Evapotranspiración Real (ER)
Escorrentía Inmediata (EI)
Escorrentía Subterránea (ES)
Escorrentía Total (ETOT) = EI + ES
Capa Superficial(No de almacenamiento)
Capa Subsuperficial(De almacenamiento)
Capa Subterránea(De almacenamiento)
Figura 3.1: Modelo conceptual del MHM (adaptado de Ferrer et al. 1973).
La Figura 3.1 muestra los procesos o caminos que toma el agua hasta su salida. Primero, es
necesario conocer la precipitación (PM) y la evaporación potencial (EM) en valores medios
mensuales. Luego del agua caída, una parte se transforma en escorrentía inmediata (EI), una
parte recarga directamente el acuífero (PPD) y una parte recarga la capa subsuperficial a través
de la infiltración (I). El agua infiltrada se almacena en el embalse o capa subsuperficial, en forma
de humedad (H). Luego, desde la capa subsuperficial y en función de H y EM, se calcula la
evaporación real (ER). Luego, de la humedad restante, una queda en la capa subsuperficial como
humedad y otra recarga el acuífero a través de la percolación profunda (PP). Finalmente una
porción del almacenamiento subterráneo se transforma en escorrentía subterránea (ES), la cual
junto a la escorrentía inmediata componen la escorrentía total de la cuenca (ETOT).
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 13
El proceso matemático se describe según la siguiente secuencia.
Las variables de entrada PM y EM se multiplican por dos parámetros A y B
respectivamente. Estos parámetros permiten modificar las variables de entrada, y su uso
se justifica en casos donde se sabe que la PM y EM no son representativos de la cuenca,
de lo contrario su valor debería ser la unidad.
)()( tPMAtPpluvial ⋅= [3.1]
)()( tEMBtETP ⋅= [3.2]
Donde Ppluvial y ETP son la precipitación pluvial y evapotranspiración potencial
dependientes del mes (t) respectivamente.
Conocida la precipitación, el modelo calcula la EI, la cual se determina multiplicando
Ppluvial por un coeficiente de escorrentía (C), el cual es una proporción del coeficiente de
escorrentía máximo (Cmax, parámetro del modelo) que se tiene cuando la capa
subsuperficial se encuentra saturada. Dicha proporción se determina como la razón entre
la humedad media del suelo entre el mes t y el mes t-1, y la máxima capacidad de
retención de agua del suelo (Hmax).
)()()( tPtCtEI pluvial⋅= [3.3]
maxmax 2
)1()()(
HtHtH
CtC aux
⋅−+
⋅= [3.4]
Al inicio de los cálculos el modelo no conoce la humedad del suelo en el mes t=1, por lo
tanto asume un valor auxiliar o de arranque Haux(t) equivalente a Hmax. Luego el valor
real de H(t), se calcula tras un proceso iterativo luego de determinar la ER.
El agua sobrante puede recargar el embalse subsuperficial y el embalse subterráneo por
medio de la I y PPD. Lo primero que se satisface en el modelo es la PPD, la cual se
calcula como un porcentaje (D, parámetro del modelo), de la precipitación sobre una
precipitación límite (Plim, parámetro del modelo) sobre la cual existe aporte directo al
embalse subterráneo.
( )lim)()( PtPDtPPD pluvial −⋅= [3.5]
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 14
Una simplificación del modelo con el fin de reducir los parámetros del mismo se puede
conseguir al asumir que no existe PPD. Para dicho caso, basta con considerar un valor de
D igual a cero. Con esto se elimina la PPD y se eliminan dos parámetros de calibración
(D y Plim).
Satisfecha la EI y la PPD, se calcula la infiltración como el agua sobrante.
)()()()( tPPDtEItPtI pluvial −−= [3.6]
Luego se determina el agua disponible para evaporar, que es el equivalente a la humedad
en el suelo al inicio del mes t ( ( )tH 1 ). Esta humedad se calcula como la humedad al final
del mes anterior ( )1( −tH ) más el agua infiltrada ( )(tI ).
)()1()(1 tItHtH +−= [3.7]
Lo primero a satisfacer con esta humedad es la evaporación real. Para esto se define un
nivel crítico de humedad (Hcrit), el cual se determina como un porcentaje de Hmax (PORC,
parámetro del modelo).
100maxH
PORCH crit ⋅= [3.8]
Con Hcrit conocido, se calcula la ER según la siguiente función (ec.3.9). Esta función
condiciona la ER según el nivel de humedad disponible respecto del nivel crítico, y
asume que cuando la humedad está por sobre dicho nivel, no existe dificultad de
evaporación, de lo contrario la evapotranspiración real será proporcional a la ETP y al
nivel de humedad respecto de Hcrit.
⎪⎪⎪
⎩
⎪⎪⎪
⎨
⎧
<≤⇔
≥≤⇔⋅
<>⇔
≥>⇔
=
)()()()(
)()()()()(
)()()()(
)()()()(
)(
11
11
111
11
tETPtHyHtHtH
tETPtHyHtHH
tHtETP
tETPtHyHtHtH
tETPtHyHtHtETP
tER
critcrit
critcritcrit
crit
crit
[3.9]
Luego, la humedad en el mes t ( )(tH ) es la humedad al inicio menos la ER.
)()()( 1 tERtHtH −= [3.10]
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 15
En el paso anterior se calcula el valor de H(t) (variable que se asume igual a Hmax al
inicio de los cálculos), por lo tanto se repiten todos los pasos de cálculo anteriores, pero
con el valor de H(t) calculado. Este proceso se repite de manera iterativa, hasta que la
diferencia entre el valor de H(t) calculado y Haux(t) sea menor que una tolerancia
permitida (tol).
⎩⎨⎧
=⇒⇒
≤−3.),()(
)()(ecavuelvetHtHNo
okSitoltHtH
auxaux [3.11]
Con la humedad de la capa subsuperficial conocida, se pude determinar la percolación
profunda, la cual se define como el exceso de agua disponible por sobre Hmax.
⎩⎨⎧
≥⇔−<⇔
=maxmax
max
)()()(0
)(HtHHtHHtH
tPP [3.12]
Luego, la percolación profunda total (PPT) será la suma de la PPD y PP.
)()()( tPPtPPDtPPT += [3.13]
La PPT constituye el único aporte de agua al embalse subterráneo. Luego, la ES se define
como una proporción del volumen embalsado (V). Esta proporción se define a través de
un coeficiente de escorrentía subterránea (Ck [t-1], parámetro del modelo).
)()( tVCtES k ⋅= [3.14]
El volumen del embalse subterráneo depende de la recarga y de la escorrentía producida,
por lo tanto, una manera de calcularlo es a partir de la forma discreta de la ecuación de
balance de masa.
ttVtVtEStEStPPTtPPT
Δ−−
=−+
−−+ )1()(
2)1()(
2)1()( [3.15]
Luego, al evaluar la ec.3.14 en t y en t-1 y reemplazarla en la ec.3.15, se tiene lo
siguiente.
( )()1(2
)1(22
)( tPPTtPPTC
CtES
CC
tESk
k
k
k +−⋅⎟⎟⎠
⎞⎜⎜⎝
⎛+
+−⋅⎟⎟⎠
⎞⎜⎜⎝
⎛+−
= ) [3.16]
La ec.3.16 permite calcular la ES, en función de variables y parámetros conocidos.
Además, la ecuación muestra que para valores bajos de Ck, la ES del mes t será muy
similar a la del mes anterior, por lo que la ES presentará una variabilidad muy baja y su
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 16
valor medio estará condicionado al valor de partida de la ES, el cual es definido al inicio
de la simulación. Por otra parte, un valor de Ck entre 0.4 y 1.0, entrega la máxima
variabilidad a la ES.
Finalmente el caudal de salida de la cuenca originado por la precipitación pluvial
(Qproducido) se determina multiplicando la escorrentía total (ETOT) por el área de la cuenca
(AR).
)()()( tEStEItETOT += [3.17]
)()( tETOTARtQproducido ⋅= [3.18]
Si bien, el modelo presentado es física y conceptualmente consistente, este presenta una
inestabilidad matemática bajo determinadas condiciones de Hmax y Cmax, ya que para un
coeficiente de escorrentía alto (mayor a 0.5) y una humedad máxima del suelo baja (menor a 100
[mm]), el modelo tiende a divergir, debido a que ambos parámetros se encuentran
interrelacionados y son condicionantes de la relación de convergencia
toleranciatHtH aux ≤− )()( . Esto ocurre, porque un valor bajo de Hmax entrega una alta
variabilidad del coeficiente de escorrentía y por lo tanto alta variabilidad del agua infiltrada,
luego puede ocurrir que la suma de el agua infiltrada mas la humedad del mes anterior menos la
evaporación real sea mayor que Hmax ( )max)()1()( HtERtHtI >−−+ , en dicho caso el
coeficiente de escorrentía calculado por el modelo será mayor que uno y luego la humedad del
suelo tomaría un valor negativo, lo que produce la divergencia del modelo.
Este modelo considera sólo la precipitación de tipo pluvial y los procesos de escorrentía,
evapotranspiración y almacenamiento asociados a la lluvia, estando restringida su aplicación a
cuencas con régimen nival o con alteraciones hidromorfológicas. Como solución a esto se
modifica la estructura del programa incluyendo una componente nival y una componente de
extracciones y aportes, con lo que se generaliza su aplicación casi a cualquier tipo de cuenca.
3.2 Incorporación de la Componente Nival al MHM
La componente nival se incorpora como un modulo externo, donde la salida es una escorrentía
producida por el derretimiento de nieve, la cual se distribuye entre la EI y la I.
Este módulo consiste en un sistema simple de almacenamiento, el cual supone una cuenca
imaginaria igual a la cuenca pluvial y ubicada aguas arriba de esta. La entrada de agua es la
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 17
precipitación nival (Pnival), la cual se acumula sobre la capa de almacenamiento y posteriormente
se derrite en forma de escorrentía. La Figura 3.2 muestra el modelo conceptual del módulo.
Precpitación Nival (Pnival)
SNOW
Almacenamiento Nival (SNOW)
Escorrentía Nival (PS)
Capa de Almacenamiento Nival
Temperatura Media Cuenca (Tm)
Escorrentía Nival Potencial (PSP)
Precipitación Mensual (PM)
Figura 3.2: Modelo Conceptual Módulo Nival
La figura anterior muestra que a partir de las entradas de precipitación (PM) y temperatura
mensual (Tm), se determina la precipitación nival (Pnival). Luego, Pnival recarga la capa de
almacenamiento y desde dicha capa se produce una escorrentía nival (PS), la cual está
condicionada al valor de la escorrentía nival potencial (PSP) y al almacenamiento nival
(SNOW).
A continuación se describe el proceso matemático del módulo.
Se conoce la temperatura media de la cuenca, la cual se asume representativa en el centro
de gravedad de la misma, luego, a partir de la base física se puede determinar la altura del
centro de gravedad (hcg). Estos dos datos juntos con el gradiente térmico de la zona (gT),
a través de la ec.3.19 permiten determinar la altura de la isoterma del punto de
congelamiento (ht0). Esta isoterma se asume como el límite entre la Ppluvial y Pnival.
)()()(0
tgTFgTtTmhcgtht
⋅−= [3.19]
Dónde FgT es un factor que permite modificar el gradiente térmico (parámetro del
modelo) y se utiliza para permitir el uso de valores sintéticos de temperatura (valores que
presentan una variabilidad menor que la real al ser datos ponderados a escala mundial) y
por lo tanto subestiman el valor del gradiente térmico. En caso que el gradiente térmico
se obtenga en base a mediciones en terreno de temperatura, este factor debería ser igual a
uno.
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 18
Con hT0 conocida y con la curva hipsométrica (obtenida a partir de la base física de la
cuenca), se determina el área por sobre y bajo la isoterma cero (Anival y Apluvial
respectivamente) y posteriormente la Ppluvial y Pnival.
( PMA )AR
AP pluvial
pluvial ⋅⋅= [3.20]
( PMA )AR
AP nival
nival ⋅⋅= [3.21]
Donde PMA ⋅ es la precipitación de entrada del modelo explicada en el primer punto del
capítulo y las razones ARApluvial y ARAnival cumplen la función de distribuir
uniformemente la precipitación sobre la cuenca pluvial y nival. Cabe recordar que ambas
cuencas son idénticas morfológicamente y de régimen único pluvial y nival
respectivamente.
La Ppluvial obtenida de la ec.3.20 pasa a ser la entrada del módulo pluvial y la Pnival
obtenida de la ec.3.21 se utiliza como la entrada del módulo nival.
Con la Pnival conocida se puede determinar el almacenamiento nival disponible para
derretimiento (SNOW1)
)()1()(1 tPtSNOWtSNOW nival+−= [3.22]
Luego, se determina el derretimiento potencial (PSP) según la ec.3.23.
( )⎩⎨⎧
≤⇔−⋅>⇔−⋅
=TbTmtSNOWDM
TbTmTbtTmMtPSP
)1()(
)( [3.23]
Donde M (parámetro del modelo) es un factor que define la escorrentía nival a partir de
la diferencia de la Tm con respecto a una temperatura base (Tb) de inicio del
derretimiento, la cual normalmente es 0 [°C]. DM (parámetro del modelo) es un
coeficiente de derretimiento mínimo que asegura que haya una escorrentía nival cuando
la temperatura media de la cuenca es inferior a Tb.
Una simplificación del módulo nival es asumir que sólo existe derretimiento cuando la
Tm se encuentra por sobre la Tb, en dicho caso se asume un valor de DM igual a cero y
se elimina un parámetro de calibración. A su vez el uso de dicho parámetro entrega
mayor libertad en la calibración y permite simular cuencas con un flujo base constante a
lo largo del año.
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 19
El derretimiento real (PS) se define como el derretimiento potencial, pero condicionado
por la disponibilidad de agua almacenada.
⎪⎩
⎪⎨⎧
≤⇔−
>⇔=
)()()1()()()(
)(1
1
tPSPtSNOWtSNOWtPSPtSNOWtPSP
tPS [3.24]
Finalmente el almacenamiento nival, es el sobrante del almacenamiento del mes anterior
mas la Pnival, menos el almacenamiento transformado en escorrentía.
)()()1()( tPStPtSNOWtSNOW nival −+−= [3.25]
La salida de este módulo (PS) ingresa al módulo pluvial en forma de escorrentía. Esta
escorrentía luego se suma una parte a la escorrentía inmediata y una parte pasa a la capa
subsuperficial. Por lo tanto, la ec.3.3 del módulo pluvial se modifica según lo siguiente.
)()()()( tPSFtPtCtEI pluvial ⋅+⋅= [3.26]
Donde F es un factor de transferencia (parámetro del modelo) que varía entre 0 y 1.
Luego, la escorrentía nival que no se transforma en EI se transforma en infiltración. Por
lo tanto la ec.3.6 se modifica según lo siguiente.
( ) )(1)()()()( tPSFtPPDtEItPtI pluvial ⋅−+−−= [3.27]
Una forma de simplificar el modelo y eliminar el parámetro F de la calibración, es asumir
que toda el agua proveniente del derretimiento se transforma en EI, en dicho caso el valor
de F es uno.
3.3 Incorporación Módulo de Extracciones y Aportes Este módulo tiene como finalidad incluir alteraciones sobre la cuenca y el río, que puedan
modificar el régimen natural de caudales y la forma de respuesta de la cuenca. Además permite
discretizarla en subcuencas, donde el caudal de salida de una subcuenca es una entrada de la
subcuenca situada inmediatamente aguas abajo. Con esto se logra simular una cuenca en forma
de varias subcuencas con diferentes características hidrológicas y geomorfológicas además de
considerar las alteraciones sobre la cuenca o el río.
Las extracciones y aportes se incluyen en el caudal de salida según lo siguiente.
)()()()( tQtQtQtQ esextraccionaportesproducidosalida −+= [28]
Capítulo 3: Descripción y Adaptación del Modelo Hidrológico Mensual (MHM) 20
Donde Qsalida es el caudal de salida de la cuenca, Qproducido es el caudal producido en conjunto por
la cuenca pluvial y nival, Qaportes es el caudal proveniente de cuencas ubicadas aguas arriba o de
canales de trasvase y Qextracciones, son extracciones desde la cuenca para un uso agrícola (riego) o
consumo humano o industrial.
Con las modificaciones indicadas en los puntos 3.2 y 3.3 se convierte el modelo original de
carácter agregado y aplicable sólo a régimen pluvial, en un modelo semidistribuido aplicable a
un régimen nivo-pluvial (el script del modelo se adjunta en el Anexo A).
Capítulo 4: Aplicación a la Cuenca del Río Laja 21
CAPÍTULO 4: APLICACIÓN A LA CUENCA DEL RÍO LAJA
El Río Laja es un río de régimen nivo-pluvial de uso múltiple donde se produce una compleja
interacción entre los componentes naturales, sistemas económicos y sociales que controlan el uso
y manejo de los recursos (Mardones y Vargas, 2005). Sobre este tipo de cuencas, de carácter
montañoso y de abundante disponibilidad de recursos hídricos y forestales existe un especial
interés ecológico y económico, siendo fundamental en la ordenación territorial y en los planes
energéticos nacionales (García-Ruiz, 1990, Sala y Batalla, 1999).
Con el fin de validar el MHM descrito y de comprobar su capacidad de adaptación a una cuenca
con alteraciones hidrológicas, este se aplica sobre la cuenca del Río Laja, la cual históricamente
ha sido alterada en su régimen por hidroeléctricas, trasvases y extracciones por medio de canales
de regadío.
4.1 Modelo Físico La cuenca del Río Laja se ubica entre los 36° 52’ S, 72° 38’ O y 37° 39’ S, 71° 12’O. Tiene un
área total de 4668 [km2] y se emplaza entre la cordillera de los andes por el Este, entre los
complejos volcánicos de Chillán y Antuco-Sierra Velluda por el Norte y Sur respectivamente y
por la depresión intermedia por el Oeste en su desembocadura en el Río Bíobio. Su altitud va
desde los 50 y 3534 [msnm]. El sector andino del río (600 a 2000 [msnm]) está estructurado por
rocas sedimentarias y plutónicas sobre las cuales se encuentran rocas volcánicas y depósitos
volcano-clásticos, procedentes del complejo volcánico Antuco-Sierra Velluda (Moreno y Varela,
1987, Niemeyer y Muñoz, 1983). En la depresión central de la cuenca se encuentra un gran
depósito aluvial llamado “Cono de Arenas Negras del Laja” (entre 100 a 300 [msnm]), el cual se
encuentra sobre una formación lahárica. Estos depósitos se terminan al entrar en contacto con
cordillera de la costa, la cual se estructura en granito (este límite representa todo el borde
noroccidental de la cuenca del Río Claro).
La combinación de arenas y el depósito lahar consiste en un suelo permeable de base
impermeable que favorece la creación y mantenimiento de reservas aguas subterráneas en la
depresión central.
La Figura 4.1 muestra el modelo físico a utilizar en las simulaciones, y se describen las
interconexiones entre los diferentes elementos y subcuencas.
Capítulo 4: Aplicación a la Cuenca del Río Laja 22
Polcura a/des Central El Toro (CS)Laja en
Tucapel (CS)Laja en P. Perales (CS)
Claro en Yumbel (CS)
Laja en San Rosendo (CS) Lago Laja
Río
Pol
cura
Río Laja
Río Laja
Río
Cla
ro
Cor
dille
ra d
e Lo
s A
ndes
Complejo Antuco-Sierra Velluda
Complejo Chillán
Depresión Intermedia
Sector Andino
Cor
dille
ra d
e la
Cos
ta
Desembocadura en Río Bíobio
SC-1(A=236.5 km2)
SC-2(A=977.3 km2)
SC-3(A=635.4 km2)
SC-4(A=947.4 km2)
SC-5(A=807.7 km2)
SC-6(A=847.8 km2)
SC-7(A=215.6 km2)
N
Polcura en Cuatro Juntas (CS)
Can
al A
lto P
olcu
ra
Desc. C. El Toro
Filtraciones del Laja
Extr
acci
ones
Extr
acci
ones
Figura 4.1: Esquema modelo físico cuenca del Laja
En la figura anterior se presenta esquema en donde se indican las siete subcuencas del modelo
(SC-1 a SC-7), y el área de cada una. En azul se presentan los principales ríos y en rojo los
canales de trasvase o extracción. En cuanto al Lago Laja, cabe mencionar que es un lago de
carácter natural, regulado artificialmente por el uso hidroeléctrico, cuyo caudal medio es del
orden de 34 [m3s-1] y llega al río a través de la descarga de la “Central El Toro”. Por otra parte,
desde el lago se producen filtraciones, las cuales se concentran en “Los Ojos del Laja”, desde
donde nace el río con un caudal medio en torno a los 27 [m3s-1]. A continuación se describen las
características y alteraciones sobre cada subcuenca.
SC-1, “Polcura Alto”: Es una cuenca nivo-pluvial donde el caudal producido por la
subcuenca es dividido en dos salidas, una que va a la SC-3 y que es controlada por la
estación “Polcura en Cuatro Juntas” y otra que va al Lago Laja (SC-2) transportado por el
“Canal Alto Polcura”. La cuenca se ubica entre las cotas 1350 y 2910 [msnm] y se
encuentra sobre la cadena montañosa de la cordillera de los andes, donde predomina un
suelo volcánico de baja permeabilidad.
SC-2, “Lago Laja”: El Lago Laja se ubican en una ladera de la cordillera de los andes,
sobre una depresión de suelo volcánico de baja permeabilidad, este genera dos caudales
de salida que descargan sobre la SC-4. Una salida es producida por las filtraciones del
Laja, cuyo caudal de salida depende del nivel del lago. La otra salida es producida por la
hidroeléctrica “El Toro”, la cual descarga aguas abajo de la estación “Polcura Antes
Descarga Central El Toro”. En este caso los caudales producidos varían según la
Capítulo 4: Aplicación a la Cuenca del Río Laja 23
disponibilidad de agua en el lago y la demanda de electricidad, por otra parte, el cálculo
del caudal se realiza en base a la estadística de energía producida.
SC-3, “Polcura”: Esta cuenca recibe una entrada proveniente de la SC-1, descarga sobre
la SC-4 y es controlada por la estación “Polcura Antes Descarga Central El Toro”. Se
ubica sobre la zona montañosa del complejo volcánico Chillán, entre las cotas 800 y 3089
[msnm], cuyo suelo es poco permeable y de pendientes fuertes ( %6.1≥ ).
SC-4, “Laja Alto”: Esta subcuenca es la más compleja dentro del sistema Laja, debido a
que recibe tres entradas (descarga central El Toro, infiltraciones del Laja y la descarga de
la SC-3), y por otra parte, tiene ocho extracciones (canales Zañartu, Collao, Mirrihue, El
Litre, Bulnes, Ortiz, Laja-Diguillín y Laja Sur). Cinco de estos canales presentan
registros de caudal, y el caudal extraído por los tres restantes se puede estimar como el
22% de las extracciones realizadas por los canales Zañartu, Collao y Mirrihue (DOH,
2007). En cuanto al régimen, es una cuenca nivo-pluvial, ubicada en el sector andino del
río, entre las cotas 289 y 3535 [msnm], presenta laderas de pendientes medias y roca
volcánica, y con una planicie o depresión central de suelo granular con una subcapa
impermeable.
Esta subcuenca se encuentra controlada por la estación “Laja en Tucapel”, la cual además
separa la zona alta y baja del Río Laja y significa un punto de concentración de los
caudales superficiales y subsuperficiales producidos por la cuenca.
SC-5, “Laja Medio”: Esta subcuenca puede ser modelada como una cuenca de régimen
pluvial que recibe los caudales provenientes de la SC-4 y descarga sobre la SC-7. En su
salida se encuentra la estación “Laja en Puente Perales” que cumple la función de control
y permite la calibración del modelo con una serie continua y confiable para el período de
estudio (1990-2008). Además representa el 77% del área total de la cuenca del Laja,
siendo fundamental en la calibración y validación del estudio. La cuenca se ubica en un
depresión que recibe los depósitos aluviales provenientes de aguas arriba llamado “Cono
de Arenas Negras del Laja”, depósitos de una alta permeabilidad, limitados por debajo
por una capa lahárica impermeable que favorece la presencia de un embalse y flujo
subterráneo.
SC-6, “Río Claro”: Esta es una subcuenca independiente, sin entradas de caudal desde
aguas arriba y de régimen pluvial. El caudal producido descarga sobre la SC-7. En cuanto
Capítulo 4: Aplicación a la Cuenca del Río Laja 24
a la geología y geomorfología, es una cuenca muy particular, ya que el área ubicada al
oeste del Río Claro es una zona montañosa, forestada, de suelo de granito de baja
permeabilidad y de pendientes fuertes ( %1≥ ), en cambio la zona ubicada al este del río
es una zona de bajas pendientes ( %8.03.0 − ), con baja densidad de bosques, cuyo suelo
es mayoritariamente usado para agricultura y de mayor permeabilidad que el suelo del
lado oeste.
La calibración de la SC-6 se lleva a cabo con la estación “Río Claro Camino a Yumbel”,
la cual controla el 81% del área de la cuenca del Río Claro. Luego, para calcular el caudal
total producido por la SC-6, se realiza una simulación con la cuenca completa y con los
parámetros obtenidos de la calibración.
SC-7, “Río Laja en Desembocadura”: Esta subcuenca recibe dos entradas, una
proveniente de la descarga del Río Claro y una proveniente de la subcuenca Laja Medio.
Es una cuenca sin control fluviométrico, por lo tanto, se utilizan los mismos parámetros
de calibración de la SC-5, ya que las características geológicas, geomorfológicas e
hidrológicas son prácticamente equivalentes. La descarga de esta subcuenca corresponde
al caudal de salida de toda la cuenca del Río Laja en la desembocadura en el Río Bíobio.
4.2 Modelo Meteorológico Para el desarrollo de la simulación es necesario determinar la precipitación (PM), evaporación
potencial (EM) y la temperatura media mensual (Tm, necesaria para una cuenca con régimen
nival) representativa de cada subcuenca del modelo físico. En la cuenca del Laja y sus cercanías
existen 12 estaciones pluviométricas controladas por la Dirección General de Aguas de Chile
(DGA), con las cuales se puede determinar una precipitación representativa de cada subcuenca,
pero no existe información continua y confiable de EM y Tm. Por otra parte, el Departamento de
Geografía de la Universidad de Delaware ha publicado una base de datos de PM y Tm para el
período 1900 – 20081, la cual se ha obtenido en base a una interpolación espacial de 0.5 x 0.5
grados [latitud/longitud]. Esta interpolación llamada “Climatologically aided interpolation
(CAI)” (Willmott y Robeson, 1995) fue utilizada para determinar los valores mensuales de PM y
Tm del mundo, en base a la siguiente red de estaciones.
1 http://climate.geog.udel.edu/~climate/html_pages/archive.html Universidad de Delaware, Departamento de Geografía. Base de datos meteorológica consultada en Enero de 2010.
Capítulo 4: Aplicación a la Cuenca del Río Laja 25
Global Historical Climatology Network (GHCN22)
Atmospheric Environment Service/Environment, Canada
Hydrometeorological Institute in St. Petersburg, Russia
GC-Net data (Steffen et al., 1996)
Greenland station records from the Automatic Weather Station Project (University of
Wisconsin-Madison)
National Center for Atmospheric Research (NCAR) daily India data
Sharon Nicholson’s archive of African precipitation data (2001)
Webber and Willmott’s (1998) South American monthly precipitation station records
Global Surface Summary of Day (GSOD)
Station climatologies from Legates and Willmott’s (1990)
En total la red construida contiene 22000 estaciones meteorológicas alrededor del mundo, luego,
considerando que el cálculo de la precipitación sintética se hizo en base a registros de períodos
comunes entre las estaciones, se obtuvo que la interpolación se realizó utilizando un rango de
entre 4100 al total de estaciones, y donde en promedio, cada píxel tenía la influencia de 20
estaciones.
La Figura 4.2 muestra un esquema de la cuenca del Laja con la ubicación de las estaciones
meteorológicas de la DGA, y los cuadrantes de la base de datos sintética (UD). Luego, en la
Tabla 4.1 se presenta la ubicación de cada estación y cuadrante, y en la Tabla 4.2 se presenta un
resumen de las series de datos disponibles.
2 http://www.ncdc.noaa.gov/oa/climate/ghcn-monthly/index.php NOAA National Satelite Information System. Sitio web consultado en Enero de 2010.
Capítulo 4: Aplicación a la Cuenca del Río Laja 26
Figura 4.2: Esquema ubicación estaciones pluviométricas DGA y cuadrantes datos sintéticos
UD
En la figura se muestran los cuadrantes desde C-1 a C-12 asociados a la precipitación y
temperatura sintética y las estaciones pluviométricas de la DGA ubicadas en la cuenca del Laja y
sus alrededores. Se observa una baja densidad de estaciones en la parte Este de la cuenca (en la
parte alta de la cordillera de Los Andes), lo que se debe a que en dicha zona se requieren
estaciones especializadas, que midan precipitación nival y pluvial, las cuales normalmente no
existen o no se encuentran operativas.
Capítulo 4: Aplicación a la Cuenca del Río Laja 27
Tabla 4.1: Ubicación estaciones pluviométricas (DGA) y cuadrantes (UD)
Estación Ubicación Latitud Longitud [°] Cuadrante Ubicación Latitud
Longitud [°]Laja 37° 16'S 72° 43'O C-1 36° 45'S 72° 45'OLas Achiras Fundo 37° 21'S 72° 23'O C-2 36° 45'S 72° 15'OChillancito 36° 46'S 72° 27'O C-3 36° 45'S 71° 45'OPemuco 36° 58'S 72° 06'O C-4 36° 45'S 71° 15'OCholguán 37° 09'S 72° 04'O C-5 37° 15'S 72° 45'OTucapel 37° 17'S 71° 57'O C-6 37° 15'S 72° 15'OTrupán 37° 16'S 71° 49'O C-7 37° 15'S 71° 45'OLas Cruces 37° 10'S 71° 46'O C-8 37° 15'S 71° 15'ODiguillin 37° 52'S 71° 38'O C-9 37° 45'S 72° 45'OLas Trancas 36° 55'S 71° 30'O C-10 37° 45'S 72° 15'OSan Lorenzo Fundo 36° 58'S 72° 43'O C-11 37° 45'S 71° 45'OSan Lorenzo Bíobio 37° 16'S 71° 31'O C-12 37° 45'S 71° 15'O
Tabla 4.2: Resumen de las series de información meteorológica según estaciones y cuadrantes.
Estación
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
LajaLas Achiras FundoChillancitoPemucoCholguánTucapelTrupánLas CrucesDiguillinLas TrancasSan Lorenzo FundoSan Lorenzo BíobioC.1 - C.12 (UD)
Estación
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
LajaLas Achiras FundoChillancitoPemucoCholguánTucapelTrupánLas CrucesDiguillinLas TrancasSan Lorenzo FundoSan Lorenzo BíobioC.1 - C.12 (UD)
Sin InformaciónRegistros de precipitación media mensualRegistros de precipitación y temperatura media mensual
Límites ponderación PM DGA
Considerando la continuidad de la serie de datos publicada por la Universidad de Delaware y que
esta puede ser utilizada en zonas sin registros de precipitaciones, se decide realizar la simulación
con ambas bases de datos de manera independiente con el fin de evaluar la confiabilidad y
representatividad de los datos sintéticos. Además, debido a que no existe información de Tm y
EM para la zona y el período de estudio, se decide utilizar la Tm publicada por UD y utilizarla
Capítulo 4: Aplicación a la Cuenca del Río Laja 28
para calcular el valor de la EM según la fórmula de Thornthwaite (1948), la cual relaciona la EM
con Tm y la cantidad de horas de sol al día (función de la ubicación geográfica de la cuenca). La
metodología de cálculo de la EM se desarrolla según lo siguiente.
Primero se calcula un índice de calor mensual (i) a partir de Tm y luego un índice de
calor anual (I) equivalente a la suma de los índices mensuales.
515.1
5⎟⎠⎞
⎜⎝⎛=
Tmi [4.1]
∑= iI [4.2]
Luego, se calcula una EM no corregida (EMnc), la cual representa la EM de un mes de
30 días con 12 horas de luz al día.
a
nc ITmEM ⎟
⎠⎞
⎜⎝⎛ ⋅⋅=
1016 [4.3]
49239.01017921077110675 52739 +⋅⋅+⋅⋅−⋅⋅= −−− IIIa [4.4]
Finalmente se hace una corrección del valor calculado, por el número de días de cada
mes (N) y horas de sol que hay en promedio por día en el mes (d).
3012dNEMEM nc ⋅⋅= [4.5]
Donde el número máximo de horas de sol al día es una función de la latitud y la
época del año, la cual se extrae de la Tabla 4.2 (Doreenbos y Pruitt, 1977).
Tabla 4.3: Cantidad de horas de sol al día según latitud Lat. Norte Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov DicLat. Sur Jul Ago Sep Oct Nov Dic Ene Feb Mar Abr May Jun
50 8.5 10.1 11.8 13.8 15.4 16.3 15.9 14.5 12.7 10.8 9.1 8.148 8.8 10.2 11.8 13.6 15.2 16.0 15.6 14.3 12.6 10.9 9.3 8.346 9.1 10.4 11.9 13.5 14.9 15.7 15.4 14.2 12.6 10.9 9.5 8.744 9.3 10.5 11.9 13.4 14.7 15.4 15.2 14.0 12.6 11.0 9.7 8.942 9.4 10.6 11.9 13.4 14.6 15.2 14.9 13.9 12.9 11.1 9.8 9.140 9.6 10.7 11.9 13.3 14.4 15.0 14.7 13.7 12.5 11.2 10.0 9.335 10.1 11.0 11.9 13.1 14.0 14.5 14.3 13.5 12.4 11.3 10.3 9.830 10.4 11.1 12.0 12.9 13.6 14.0 13.9 13.2 12.4 11.5 10.6 10.225 10.7 11.3 12.0 12.7 13.3 13.7 13.5 13.0 12.3 11.6 10.9 10.620 11.0 11.5 12.0 12.6 13.1 13.3 13.2 12.8 12.3 11.7 11.2 10.915 11.3 11.6 12.0 12.5 12.8 13.0 12.9 12.6 12.2 11.8 11.4 11.210 11.6 11.8 12.0 12.3 12.6 12.7 12.6 12.4 12.1 11.8 11.6 11.55 11.8 11.9 12.0 12.2 12.3 12.4 12.3 12.3 12.1 12.0 11.9 11.8
0° Ecuador 12.1 12.1 12.1 12.1 12.1 12.1 12.1 12.1 12.1 12.1 12.1 12.1
Los datos de PM (DGA), de PM y Tm (UD) y de EM (calculados según las ecuaciones 4.1 a 4.5)
se presentan en el Anexo B (Tablas B.1 a B.48).
Capítulo 4: Aplicación a la Cuenca del Río Laja 29
Para determinar los valores de PM, EM y Tm representativos de cada subcuenca del modelo
físico, se ponderaron los valores de las diferentes estaciones pluviométricas (DGA) y cuadrantes
(UD) según el área asociada a cada uno. En ambos casos, para definir el área asociada a cada
estación se utilizaron polígonos de Thiessen siendo estos coincidentes con los límites de los
cuadrantes en el caso de la base de datos UD. La Tabla 4.4 muestra los coeficientes de
ponderación relativos a cada subcuenca. Los resultados de la ponderación se presentan en el
Anexo B (Tablas B.49 a B.76)3. Finalmente, estos valores de precipitación (DGA y UD),
temperatura (UD) y evapotranspiración potencial (calculada en función de Tm, UD) son
utilizados como entrada para la simulación de caudales de la cuenca del Laja.
Tabla 4.4: Coeficientes de ponderación según polígonos de Thiessen Sub
Cuenca Laja Achiras Fdo. Chillancito Pemuco Cholguan Tucapel Trupán Las
Cruces Diguillib Las Trancas
Sn. Lzo. Fundo
Sn. Lzo. Biobio
ATOTAL
SC-1 - - - - - - - - - 16.5 220.0 - 236.5SC-2 - - - - - - 539.6 - - - 437.7 - 977.3SC-3 - - - - - - 25.1 - - 76.3 534.0 - 635.4SC-4 - - - - - - 936.7 - - - 10.7 - 947.4SC-5 4.6 372.3 - - 423.9 - 7.0 - - - - - 807.7SC-6 268.7 79.6 412.4 - 87.0 - - - - - - - 847.8SC-7 183.7 31.9 - - - - - - - - - - 215.6SC-1 - - - - - - - - - 16.5 220.0 - 236.5SC-2 - - - - - - 539.6 - - - 437.7 - 977.3SC-3 - - - - - - 25.1 - - 76.3 534.0 - 635.4SC-4 - - - - - 52.2 884.5 - - - 10.7 - 947.4SC-5 4.6 371.4 - - 330.3 101.5 - - - - - - 807.7SC-6 268.7 75.0 388.9 70.1 45.1 - - - - - - - 847.8SC-7 183.7 31.9 - - - - - - - - - - 215.6SC-1 - - - - - - - - - 16.5 220.0 - 236.5SC-2 - - - - - - - - - - 246.0 731.3 977.3SC-3 - - - - - - - 57.5 - 76.3 494.1 7.5 635.4SC-4 - - - - - 51.2 378.0 128.4 - - - 389.8 947.4SC-5 4.6 371.4 - - 330.3 101.5 - - - - - - 807.7SC-6 268.7 75.0 388.9 70.1 45.1 - - - - - - - 847.8SC-7 183.7 31.9 - - - - - - - - - - 215.6SC-1 - - - - - - - - - 16.5 220.0 - 236.5SC-2 - - - - - - - - - - 246.0 731.3 977.3SC-3 - - - - - - - 57.5 - 76.3 494.1 7.5 635.4SC-4 - - - - - 51.2 378.0 128.4 - - - 389.8 947.4SC-5 4.6 371.4 - - 330.3 101.5 - - - - - - 807.7SC-6 544.3 87.0 - - 216.5 - - - - - - - 847.8SC-7 183.7 31.9 - - - - - - - - - - 215.6Sub
Cuenca C-1 C-2 C-3 C-4 C-5 C-6 C-7 C-8 C-9 C-10 C-11 C-12 ATOTAL
SC-1 - - - 15.1 - - - 221.4 - - - - 236.5SC-2 - - - - - - - 742.5 - - - 234.8 977.3SC-3 - - - 124.4 - - 20.8 490.2 - - - - 635.4SC-4 - - - - - 1.8 717.5 228.1 - - - - 947.4SC-5 - - - - 21.6 768.8 17.3 - - - - - 807.7SC-6 179.0 142.0 - - 267.2 259.6 - - - - - - 847.8SC-7 - - - - 183.2 32.4 - - - - - - 215.6
Bas
e D
GA
Bas
e D
GA
Bas
e D
GA
1964
-197
519
76-1
992
1993
-200
320
04-2
008
1960
-200
8B
ase
DG
AB
ase
UD
La tabla anterior opera de la siguiente manera. Por ejemplo, para calcular la PM (DGA) de la
SC-7 de Enero de 2005, se debe multiplicar la PM(Ene, 2005) de las estaciones pluviométricas
Laja y Achiras Fundo por el área representativa de cada estación, en este caso 183.7 y 31.9 [km2]
respectivamente, luego, la suma de ambas se debe dividir por el área total de la cuenca (215.6
[km2]), con lo que se obtiene el valor de la PM (DGA) ponderado para la SC-7.
3 Nota: Si bien, el período de simulación seleccionado en el punto 4.5 es 1990-2008, en el Anexo B se adjunta la base de datos del período 1960-2008 ya que dicha información se espera se utilizada en futuras investigaciones según se indica en el Capítulo 5.
Capítulo 4: Aplicación a la Cuenca del Río Laja 30
4.3 Registro de Caudales En los puntos anteriores se han definido las entradas necesarias para realizar una simulación,
pero, considerando la existencia de conexiones entre cuencas, las extracciones realizadas por
canales de regadío y trasvase y los aportes desde el Lago Laja, es necesario definir aquellos
caudales medidos y necesarios para una simulación que incluya las alteraciones mencionadas.
Por otra parte, para la calibración y validación, y para determinar el nivel de ajuste de los
caudales simulados respecto de los medidos, se presentan los registros de las estaciones
fluviométricas de control.
Tabla 4.5: Resumen de las series de registros de caudales
Estación
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
Canal Alto PolcuraPolcura en Cuatro JuntasPolcura a/d Central El ToroLaja en Tucapel *Laja en Puente Perales * *Claro camino a YumbelLaja en San Rosendo * * * *Caudal Central El Toro(1)
Infiltraciones Lago Laja(2)
Canal ZañartuCanal CollaoCanal MirrihueCanal El Litre, Bulnes y Ortiz(3)
Canal Laja DiguillinCanal Laja Sur
Estación
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
Canal Alto Polcura *Polcura en Cuatro Juntas * *Polcura a/d Central El Toro * * * *Laja en Tucapel * * *Laja en Puente PeralesClaro camino a Yumbel * * *Laja en San RosendoCaudal Central El Toro(1)
Infiltraciones Lago Laja(2)
Canal ZañartuCanal Collao * *Canal Mirrihue * *Canal El Litre, Bulnes y Ortiz(3) * *Canal Laja Diguillin * *Canal Laja Sur * *
Sin InformaciónRegistros de caudal medio mensualRegistros de caudal medio mensual (Estación de Control)
* Año incompleto(1) Caudal calculado a partir de registros de potencia (ver en Anexo C y D)(2) Caudal calculado a partir de registros del nivel del Lago Laja (ver en Anexo C y D)(3) Caudal estimado según manual de operación del Lago Laja (ver en Anexo C y D)
En el Anexo C se presenta un extracto del documento “Guía de Explotación del Sistema Lago
Laja” (DOH, 2007), donde se indica la metodología de cálculo de los caudales descargados por
la central “El Toro”, la metodología de cálculo de las “Infiltraciones del Laja” y la metodología
de estimación del caudal pasante por los canales El Lite, Bulnes y Ortiz. Posteriormente, en el
Capítulo 4: Aplicación a la Cuenca del Río Laja 31
Anexo D se presentan los registros de energía producida por la central “El Toro” (Tabla D.1), los
niveles del Lago Laja (Tabla D.2) y los caudales descritos en la Tabla 4.5 (Tabla D.3 a D.18).
En la tabla anterior se observa que el período común de registros en la mayoría de las estaciones
es entre 2003 y 2007. En este período se tiene información completa entre Agosto de 2003 y
Junio de 2006, por lo que se decide realizar la calibración y validación en dicho período.
La estación “Claro camino a Yumbel” no posee registros en el período mencionado, pero
considerando que esta estación controla la SC-6, la cual es completamente independiente del
resto del sistema Laja y que desemboca directamente en la SC-7, esta se puede calibrar y validar
para el período con información disponible (Enero 1986 – Diciembre 1989 calibración y Enero
1991 – Diciembre 1995 validación).
4.4 Calibración y Validación La calibración se lleva a cabo a través de un proceso iterativo, en donde se definen unos
parámetros de partida considerando características del suelo, vegetación, morfología, geología,
ubicación y tipo de régimen de la cuenca, y luego estos se van modificando según el nivel de
ajuste de los caudales simulados respecto de los medidos.
La metodología y caracterización de los parámetros del proceso de calibración se describe a
continuación.
4.4.1 Módulo Pluvial El módulo pluvial está compuesto por dos series que constituyen las variables de entrada y el
área de la cuenca (PM, EM y AR), tres valores de partida (humedad inicial del suelo, escorrentía
subterránea inicial y percolación profunda inicial), seis parámetros de calibración (Cmax, Hmax, D,
Plim, PORC y Ck) y dos parámetros de modificación de los inputs (A y B). A continuación se
describen y caracterizan los componentes presentes en este módulo.
Variables de Entrada: La precipitación y evaporación potencial se deben determinar
en base a mediciones y deben ser representativas de la cuenca. Definen la longitud
temporal de la simulación y de los resultados. Estos valores se determinan en el
modelo meteorológico (series representativas adjuntas en el Anexo B). Por otra parte,
el modelo requiere como entrada el área de la cuenca, la cual se obtiene a partir de
una base física y permite al término de la simulación transformar las escorrentías
estimadas [mm mes-1] en caudales de salida [m3 s-1].
Capítulo 4: Aplicación a la Cuenca del Río Laja 32
Valores de Partida: Debido a que el modelo realiza los cálculos un paso de tiempo
hacia delante, requiere de valores de partida para la simulación. Estos valores se
pueden estimar inicialmente o definir como nulos, y luego de una simulación se
pueden modificar en función de lo observado en el mismo mes del año siguiente y
subsiguiente. Se debe tener en consideración la variabilidad interanual de la humedad
en el suelo, de la escorrentía subterránea y de percolación profunda, para esto es
recomendable observar los gráficos de variación de dichas variables en el tiempo.
Además es importante considerar la variabilidad del flujo base, el tipo de suelo en
relación a su permeabilidad, el espesor estimado del estrato y condiciones geológicas
que favorezcan la retención de humedad o la mantención de un flujo subterráneo.
Parámetros de Calibración: Estos parámetros emulan condiciones físicas
distribuidas de modo uniforme en la subcuenca. A continuación se describen los
diferentes parámetros del modelo, sus rangos de variación, y los valores asociados a
diferentes características del suelo, subsuelo y de la cuenca, los cuales se estiman en
función de la los parámetros obtenidos en el desarrollo del presente trabajo y de
experiencias previas en el uso de este modelo.
Coeficiente de escorrentía máximo (Cmax): Este coeficiente está relacionado
directamente con el tipo de respuesta de la cuenca ante la precipitación de entrada,
siendo la escorrentía inmediata lo primero que se satisface con el agua caída. El valor
del coeficiente depende de la geomorfología de la cuenca, en particular de la
pendiente de las laderas y del río, y del tipo y espesor de la capa de suelo superficial.
La tabla siguiente presenta algunos rangos recomendados de este parámetro.
Tabla 4.6: Rango valores Cmax según características geomorfológicas Muy baja Baja Media Alta Muy Alta(k < 10-6) (10-5 < k < 10-6) (10-3 < k < 10-5) (10-1 < k < 10-3) (k > 10--1)
Muy baja (0.000 - 0.005 ) 0.50 - 0.60 0.45 - 0.50 0.40 - 0.45 0.35 - 0.40 0.30 - 0.35
Baja (0.005 - 0.015 ) 0.60 - 0.65 0.55 - 0.60 0.45 - 0.55 0.40 - 0.45 0.35 - 0.40
Media (0.015 - 0.050 ) 0.65 - 0.75 0.60 - 0.65 0.55 - 0.65 0.55 - 0.60 0.40 - 0.55
Alta (0.050 - 0.100 ) 0.75 - 0.80 0.70 - 0.75 0.65 - 0.70 0.60 - 0.65 0.55 - 0.60
Muy Alta (> 0.100 ) 0.80 - 0.90 0.75 - 0.80 0.70 - 0.80 0.70 - 0.75 0.60 - 0.70
Nota: Estos valores pueden ser menores incluso hasta en un 50% al incluir el módulo nival.
Permeabilidad del Suelo (k) [cm s-1]
Pend
. Lad
eras
[m m
-1]
Rango Cmax
Humedad máxima que puede retener el suelo (Hmax): Este parámetro está
relacionado con el espesor del estrato superficial y el tipo de suelo (permeabilidad). A
su vez influye en el cálculo de la evaporación y en el aporte de agua a la capa
subterránea a través de la percolación profunda. Una característica importante a
Capítulo 4: Aplicación a la Cuenca del Río Laja 33
considerar para su estimación es la capacidad de amortiguación de la cuenca y el
desfase de los caudales respecto de los eventos de precipitación. En términos
generales, este parámetro debe fluctuar entre 100 y 500 [mm], siendo el valor
máximo en cuencas con alta capacidad de amortiguación y el valor mínimo en
cuencas con baja capacidad de amortiguación. Un valor recomendado para iniciar la
calibración es 200 [mm], y luego se puede modificar en función del nivel de ajuste y
la respuesta de la cuenca.
D (porcentaje de precipitación sobre un límite que se transforma en
percolación profunda directa) y Plim (límite de precipitación sobre el cual existe
un aporte directo al embalse subterráneo): Estos dos parámetros se encuentran
interrelacionados y tienen influencia sobre la recarga del embalse subterráneo. Sirven
para mejorar el ajuste del flujo base y los valores recomendados para D son entre 0%
cuando no existe recarga y 40% cuando la capa superficial tiene una permeabilidad
media a muy alta y existe un flujo libre hasta el embalse subterráneo. Para Plim, se
estima un valor aceptable entre 3 y 8% de la precipitación media anual.
Porcentaje que define Hcrit (PORC): Este parámetro define un nivel de humedad
(a partir de Hmax), por sobre el cual no existe dificultad para la evapotranspiración. Es
importante destacar que no limita la existencia o no de evapotranspiración, sino que
sólo define determinados límites para la existencia de dificultad para dicho proceso.
Este valor tiende a ser bajo o nulo en cuencas de suelo poco permeable con alta
densidad de vegetación y con cuerpos de agua de gran extensión, ya que en dichos
casos la evapotranspiración real tiende a aproximarse a la potencial. En caso
contrario, en suelos permeables, donde el agua que no se transforma en escorrentía
directa pasa a la capa subsuperficial o subterránea, se tiene una mayor dificultad para
la evapotranspiración, y por lo tanto dicho valor tiende a ser mayor. La siguiente tabla
presenta algunas recomendaciones para el valor del PORC.
Tabla 4.7: Rango de valores de PORC según permeabilidad del suelo Muy baja Baja Media Alta Muy Alta(k < 10-6) (10-5 < k < 10-6) (10-3 < k < 10-5) (10-1 < k < 10-3) (k > 10--1)
PORC [%] 0 - 20 20 - 50 30 - 70 50 - 80 80 - 100
Nota: Estos valores pueden ser menores incluso hasta en un 50% al incluir el módulo nival.
Permeabilidad del Suelo (k) [cm s-1]
La Tabla 4.7 presenta valores recomendados del PORC sólo según el tipo de suelo.
Es importante considerar al momento de estimar este parámetro que cualquier otra
variable puede influir en su valor, como cuerpos de agua y densidad y tipo de
vegetación entre otros.
Capítulo 4: Aplicación a la Cuenca del Río Laja 34
Coeficiente de escorrentía subterránea (Ck): Este parámetro se relaciona con la
forma de descarga del embalse subterráneo. Se recomiendan valores bajos (0 a 0.2) en
cuencas donde el flujo base es estable a lo largo del año, valores medios (0.2 a 0.4) en
cuencas donde el flujo base presenta variabilidad interanual y valores altos (0.4 a 0.7)
en cuencas donde el flujo base presenta una alta variabilidad interanual y sigue de
manera notoria la forma del régimen de precipitaciones.
Parámetros de modificación de las variables de entrada (A y B): Estos parámetros
se deben considerar iguales a uno, a menos que se fundamente el modificar las series
de precipitación o evaporación potencial, en cuyo caso se debe justificar y calcular el
valor de cada parámetro en base fenómenos físicos y meteorológicos. Estos
parámetros, si bien pertenecen al modelo no deben ser utilizados como herramientas
de calibración.
4.4.2 Módulo Nival Este módulo requiere de cinco variables de entrada enfocadas a determinar la cota de la isoterma
cero y el área por sobre y bajo dicho nivel (hcg, gT, Tm y la curva hipsométrica, la cual es una
relación del área y la elevación de la cuenca), un valor de partida (el almacenamiento nival
inicial), cuatro parámetros del modelo destinados a estimar la tasa de derretimiento (M, Tb, DM
y F) y un parámetro de modificación de los inputs (FgT).
Cabe mencionar que con el módulo nival activado la precipitación caída se distribuye de manera
uniforme en dos cuencas de igual área, pero diferente régimen (pluvial y nival), luego, al ser
menor la precipitación pluvial, la tasa de escorrentía disminuye porque un mayor porcentaje de la
precipitación se infiltra y además, al ser menor la cantidad de agua caída sobre la cuenca pluvial,
menor es la saturación del suelo y mayor es la capacidad de retención de agua. Todo esto influye
en el coeficiente de escorrentía del módulo pluvial, el cual tiende a ser menor al considerar este
efecto.
Variables de Entrada: Las variables de entrada tienen como función caracterizar
aspectos de la morfología de la cuenca. Para ello se requiere de la temperatura media
mensual representativa de la cuenca (Tm). Esta temperatura se asume que actúa en el
centro de gravedad (hcg). Por otra parte, con el gradiente térmico (gT) se determinar
la elevación de la isoterma cero y con la curva hipsométrica (elevación versus área)
se determina el área bajo y sobre la isoterma cero y con esto se logra diferenciar entre
precipitación pluvial y nival y calcular la evolución del almacenamiento nival en el
Capítulo 4: Aplicación a la Cuenca del Río Laja 35
tiempo. Los datos de Tm se presentan en el Anexo B, los valores de hcg se presentan
en el punto 4.4.3 del presente capítulo, los datos del gradiente térmico y de la curva
hipsométrica de cada subcuenca se presentan en el Anexo E (Tabas E.1 a E.4).
Valores de Partida: Al igual que en el módulo pluvial, este módulo requiere para el
inicio de los cálculos el valor del almacenamiento nival inicial. La estimación de este
valor dependerá de la época de inicio de la simulación, pudiendo ser nulo si la
simulación comienza en verano.
Este valor se puede estimar o definir como nulo inicialmente, y luego de una primera
simulación se puede estimar en base al almacenamiento calculado el mismo mes del
año siguiente o subsiguiente. En la estimación de esta variable es importante
considerar las temperaturas medias anteriores al mes de inicio de la simulación, ya
que influyen en el derretimiento y por lo tanto en el almacenamiento nival de la
cuenca.
Parámetros de Calibración: Estos parámetros tienen como función determinar la
tasa de derretimiento del almacenamiento nival y la forma en que se transfiere a la
cuenca pluvial. A continuación se describen las funciones de cada parámetro.
Temperatura base (Tb): Corresponde a una temperatura de inicio del
derretimiento. Cualquier valor de Tm mayor que Tb produce un derretimiento
proporcional a la diferencia entre ambas. En general esta temperatura se define como
0 [°C], pero puede ser modificada en casos fundamentados.
Parámetro del modelo de derretimiento (M): Este parámetro define el
derretimiento potencial, el cual es una función de la diferencia entre Tm y Tb.
Define el volumen por unidad de área de nieve derretida por cada grado en que
Tm es mayor que Tb. Los valores este parámetro varían según la ubicación y
temperatura media de la cuenca, siendo mayor en cuencas más frías y su valor
normalmente debería fluctuar entre 1 y 12 [mm °C-1].
Coeficiente de derretimiento mínimo (M): Este parámetro define un porcentaje
del almacenamiento que se transforma en escorrentía y que sólo se produce cuando
Tm es menor que Tb. Su valor debe ser cercano a cero. En general, este parámetro
debe variar entre 0 y 0.1 lo que significa que entre el 0 y 10% del almacenamiento
nival se puede derretir cuando Tm es menor que Tb.
Capítulo 4: Aplicación a la Cuenca del Río Laja 36
Una forma de simplificar el módulo nival es asumir que no existe un
derretimiento cuando Tm es menor que Tb, en dicho caso basta con definir el valor de
M igual a cero.
Factor de transferencia del derretimiento a escorrentía inmediata (F): Este
factor define el porcentaje de nieve derretida que se transforma en EI. El
complemento (1-F) se infiltra aportando humedad al suelo. La escorrentía producida
por el derretimiento de nieve tiende a producir pequeños cauces que llegan
directamente al cauce principal o afluentes, por lo que este factor tiene a ser cercano a
uno (100%).
Parámetros de Modificación del Gradiente Térmico (FgT): Este parámetro
permite modificar el valor del gradiente térmico a la entrada del modelo. Por ejemplo,
en esta simulación es necesario, ya que el valor del gradiente térmico se subestima
debido a que su cálculo se realiza en base a las series sintéticas de temperatura, las
cuales presentan baja variabilidad entre cuadrantes.
4.4.3 Parámetros de Calibración y Validación Las variables, valores de partida y parámetros resultantes de la calibración y los coeficientes de
correlación obtenidos en la calibración y validación de cada subcuenca se resumen en las Tablas
4.8 a 4.10.
Tabla 4.8: Variables de partida y parámetros de calibración módulo pluvial Variables de
Entrada SC-1 SC-2* SC-3 SC-4 SC-5 SC-6 SC-7
PM y EM Anexo D Anexo D Anexo D Anexo D Anexo D Anexo D Anexo DAR [km2] 236.5 977.3 635.4 947.4 807.7 685.8** 215.6
Valores de Partida SC-1 SC-2 SC-3 SC-4 SC-5 SC-6 SC-7
H(1) [mm] 80.0 - 100.0 150.0 185.0 10.0 185.0ES(1) [mm] 70.0 - 100.0 100.0 60.0 25.0 60.0PP(1) [mm] 80.0 - 90.0 90.0 12.0 2.0 12.0
Parámetros del modelo SC-1 SC-2 SC-3 SC-4 SC-5 SC-6 SC-7
Cmax 0.35 - 0.35 0.55 0.55 0.60 0.55Hmax 150.0 - 200.0 240.0 185.0 200.0 185.0D [%] 35.0 - 15.0 30.0 30.0 35.0 30.0Plim [mm] 50.0 - 90.0 50.0 50.0 0.0 50.0PORC [%] 0.0 - 0.0 100.0 80.0 35.0 80.0Ck 0.20 - 0.30 0.05 0.05 0.60 0.05Parámetros mod.
inputs SC-1 SC-2 SC-3 SC-4 SC-5 SC-6 SC-7
A (DGA/UD) 1.00/1.45 - 1.00/1.47 1.00/1.22 1.00/1.01 0.80/0.87 1.00/0.86B 1.00 - 1.00 1.00 1.00 1.00 1.00
* Lago Laja: Caudales calculados según reg. de cota lago y energía generada por la central El Toro
MODULO PLUVIAL
** Área de la cuenca para calibración y validación. Para la simulación el área es 847.8 [km2]
Capítulo 4: Aplicación a la Cuenca del Río Laja 37
Tabla 4.9: Variables de partida y parámetros de calibración módulo nival Variables de Entrada SC-1 SC-3 SC-4
Tm [°C] Anexo D Anexo D Anexo DgT [°C 1000m-1] Anexo E Anexo E Anexo Ehcg [m] 1679.0 1602.0 924.0Curva hipsométrica Anexo E Anexo E Anexo E
Valores de Partida SC-1 SC-3 SC-4SNOW(1) [mm] (calibración/validación) 150/0 145/0 55/0
Parámetros del modelo SC-1 SC-3 SC-4
M [mm °C-1] 10.50 8.50 6.50Tb [°C] 0.00 0.00 0.00DM 0.10 0.10 0.10F 0.80 0.85 0.90
Parámetros mod. inputs SC-1 SC-3 SC-4
FgT 1.85 1.85 1.10Nota: Las subcuencas restantes no presentan régimen nival.
MODULO NIVAL
Tabla 4.10: Coeficientes de correlación R2 obtenido entre caudales simulados y medidos (período Ago.2003 – Dic.2004 de calibración y Ene.2005 – Jun.2006 de validación).
PPdga PPUD PPdga PPUDSC-1 0.68 0.65 0.75 0.74SC-2 - - - -SC-3 0.91 0.86 0.95 0.87SC-4 0.87 0.77 0.84 0.75SC-5 0.96 0.95 0.94 0.92SC-6 0.94 0.92 0.95 0.94
SC-7* - - - -* No se disponen de registros de caudal para comparar.
Calibración ValidaciónR2
4.5 Simulación (1990-2008)
Con los parámetros de calibración presentados en las tablas 4.8 y 4.9 se realizó una simulación
para el período 1990 – 2008, y se compararon los caudales observados con los simulados en las
diferentes subcuencas. Las figuras siguientes muestran los caudales de salida simulados y
registrados por subcuenca y el coeficiente de correlación entre ambos.
Capítulo 4: Aplicación a la Cuenca del Río Laja 38
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
5
10
15
20
25
30
35
40
Com paración caudales s im ulados y reg is trados SC-1
Qdga
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.68Qsim Qreg
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
5
10
15
20
25
30
35
40
Qs int
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.69Qsim Qreg
Figura 4.3: Comparación caudales simulados (Qsim) y registrados (Qreg) de SC-1. Gráfico
superior input PMdga y gráfico inferior input PMsintética.
La figura anterior muestra los caudales simulados de la subcuenca “Alto Polcura” (SC-1) para el
período 1990 – 2008 y los caudales registrados en la estación de control. Se puede observar que
el modelo representa el régimen nivo-pluvial de la cuenca, y que los caudales simulados se
aproximan a los registrados. También se observa que en el año 2004 se tiene una diferencia del
orden del 30 a 60% respecto de los registros de caudal. Esta diferencia probablemente se debe a
errores en las mediciones en la estación “Polcura en Cuatro Juntas” o en “Canal Alto Polcura”,
esto porque el balance de masa del año 2004 considerando sólo precipitación y
evapotranspiración potencial entrega como resultado un caudal medio un 54% mayor que el
registrado.
Capítulo 4: Aplicación a la Cuenca del Río Laja 39
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
20
40
60
80
100
120
Caudales Lago Laja SC-2
tiem po (m es es )
Qm
ens
ual
(m
3/s
)
QLaja TendQLaja QEl-Toro Qfilt
Figura 4.4: Caudales producidos desde el Lago Laja (SC-2).
La Figura 4.4 muestra las descargas producidas desde el Lago Laja (SC-2). La línea verde
muestra las filtraciones del Laja, la línea roja los caudales de la hidroeléctrica El Toro, la línea
azul representa el caudal total descargado desde SC-2 y la línea punteada representa la tendencia
de las descargas desde el lago, las cuales se observa han tendido a aumentar desde 1990 a causa
de optimización en la operación del embalse y de alteraciones que buscan transferir agua hacia
SC-2.
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
Com paración caudales s im ulados y regis trados SC-3
Qdga
tiem po (m es es )
Qm
ens
ual (
m3 /s
)
R2 = 0.89Qsim Qreg
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
Qs int
tiem po (m es es )
Qm
ensu
al (
m3 /s
)
R2 = 0.83Qsim Qreg
Figura 4.5: Comparación caudales simulados (Qsim) y registrados (Qreg) de SC-3. Gráfico
superior input PMdga y gráfico inferior input PMsintética.
Capítulo 4: Aplicación a la Cuenca del Río Laja 40
La figura anterior muestra las descargas de la SC-3, la cual está controlada por la estación
“Polcura antes descarga central El Toro”. Esta estación tiene una estadística muy completa para
el período de simulación y representa el 94% de la cuenca del río Polcura. Se observa que el
modelo simula el régimen nivo-pluvial con una buena correlación (0.89 y 0.83 para inputs de
precipitación de la DGA y UD respectivamente). También se observa que los caudales simulados
con las precipitaciones sintéticas muestran una buena aproximación en términos medios, pero en
valores extremos esa aproximación empeora. Esto no ocurre con las precipitaciones de la DGA
como input, la cual sí se aproxima a los caudales registrados en valores medios y extremos.
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
200
250
300
350
400
Com paración caudales s im ulados y regis trados SC-4
Qdga
tiem po (m es es )
Qm
ens
ual
(m
3 /s)
R 2 = 0.86Qsim Qreg
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
200
250
300
350
400
Qs int
tiem po (m es es )
Qm
ens
ual (
m3 /s
)
R 2 = 0.76Qsim Qreg
Figura 4.6: Comparación caudales simulados (Qsim) y registrados (Qreg) de SC-4. Gráfico
superior input PMdga y gráfico inferior input PMsintética.
En esta figura se observa que los caudales simulados con inputs DGA y UD se encuentran
ligeramente subvalorados con respecto a los caudales registrados. Esto se puede explicar debido
a la ausencia de estaciones de control en los canales que transfieren agua desde la SC-4 y a una
posible sobreestimación de dichos caudales en el período de simulación. Por otra parte, también
se observa que los caudales simulados con precipitación DGA como input presentan una
tendencia similar a los caudales registrados.
Capítulo 4: Aplicación a la Cuenca del Río Laja 41
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
200
250
300
350
400
Com paración caudales s im ulados y reg is trados SC-5
Qdga
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.91Qsim Qreg
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
50
100
150
200
250
300
350
400
Qs int
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.89Qsim Qreg
Figura 4.7: Comparación caudales simulados (Qsim) y registrados (Qreg) de SC-5. Gráfico
superior input PMdga y gráfico inferior input PMsintética.
La SC-5 representa el 77% de la cuenca del Laja y está controlada por la estación “Laja en
Puente Perales”, la cual tiene un registro completo de caudales para el período de simulación. La
figura 4.7 muestra que el caudal simulado con PMdga como input presenta una buena correlación
(R2=0.91), simulando la variabilidad intra e interanual. Por otra parte el caudal simulado con
PMsintética como input también presenta una buena correlación (R2=0.89), estando los valores
extremos levemente subvalorados, lo que se debe a que la precipitación sintética no presenta una
alta variabilidad intra-anual.
Capítulo 4: Aplicación a la Cuenca del Río Laja 42
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
10
20
30
40
50
60
70
Com paración caudales s im ulados y regis trados SC-6
Qdga
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.92Qsim Qreg
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
10
20
30
40
50
60
70Q
s int
tiem po (m es es )
Qm
en
su
al (
m3/s
)
R2 = 0.9Qsim Qreg
Figura 4.8: Comparación caudales simulados (Qsim) y registrados (Qreg) de SC-6 en estación Río
Claro Camino a Yumbel. Gráfico superior input PMdga y gráfico inferior input PMsintética.
La figura 4.8 presenta los caudales del Río Claro hasta la estación de control “Río Claro camino
a Yumbel”, la cual representa el 81% de la SC-6. La correlación entre Qsim y Qreg es del orden
del 90% y considerando que la SC-6 representa el 15% de la cuenca del Laja y que junto a la SC-
5 representan el 92% del área total, se puede asumir que con una correlación del 90% o superior
se pueden simular el 92% de los caudales de la cuenca del Laja.. Por lo tanto el modelo
desarrollado se puede considerar válido y útil para aplicaciones como evaluación de
disponibilidad recursos y para simulaciones o predicciones bajo diferentes escenarios futuros,
como cambio climático o efectos causados por el fenómeno de El Niño o La Niña entre otros.
A continuación en las figuras 4.9 y 4.10 se presentan los gráficos de los caudales simulados a la
salida de la SC-6 y SC-7 respectivamente. Estas series no se comparan con ningún registro de
caudales, debido a que no se tiene información, pero estos se consideran representativos de los
caudales reales debido a la previa validación del modelo.
Los valores de los caudales presentados en las figuras 4.3 a 4.10 se presentan en el Anexo F
(Tablas F.1 a F.14). Los caudales de la figura 4.4 se presentan en el Anexo D (Tablas D.3 y D.4).
Capítulo 4: Aplicación a la Cuenca del Río Laja 43
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
10
20
30
40
50
60
70
80
Gráfico caudales s im ulados SC-6
Qdga
tiem po (m es es )
Qm
en
sua
l (m
3/s
)
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
10
20
30
40
50
60
70
80
tiem po (m es es )
Qm
en
su
al (
m3 /s
)
Qsim
Qsim
Figura 4.9: Caudales simulados de SC-6 en la descarga sobre SC-7. Gráfico superior input
PMdga y gráfico inferior input PMsintética.
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
100
200
300
400
500
Gráfico cauda les s im ulados SC-7
Qdga
tiem po (m es es )
Qm
ensu
al (
m3 /s
)
Qsim
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 20090
100
200
300
400
500
Qs int
tiem po (m es es )
Qm
ens
ual (
m3 /s
)
Qsim
Figura 4.10: Caudales simulados de SC-7 en la confluencia con el Río Bío bio. Gráfico superior
input PMdga y gráfico inferior input PMsintética.
Capítulo 5: Discusión y Análisis de Resultados 44
CAPÍTULO 5: DISCUSIÓN Y ANÁLISIS DE RESULTADOS
En el Capítulo 4 se presentan los resultados de la calibración y ajuste del modelo. Se presentan
los valores de correlación (R2) entre caudales simulados y medidos y los parámetros de
calibración obtenidos. En el presente capítulo se realiza un análisis detallado del ajuste del
modelo en base a seis indicadores como (RRMSE, RMSE, ABSERR, R2, EF y PBIAS
explicados mas adelante) de la representatividad de los caudales simulados y de la utilidad del
modelo para fines predictivos y prácticos desde el punto de vista de la gestión de recursos en la
cuenca del Laja.
5.1 Ajuste del Modelo Para evaluar el comportamiento y ajuste del modelo se realiza una comparación en las dos
subcuencas más representativas de la cuenca del Laja (SC-5 controlada por “Laja en Puente
Perales” y SC-6 en el control “Río Claro Camino a Yumbel”). Se realiza la evaluación en estos
dos puntos ya que representan el 92% del área total de la cuenca del Laja y se consideran
representativos de la cuenca.
Para evaluar el nivel de ajuste se utilizan los siguientes indicadores.
Error Cuadrático Medio Relativo (RRMSE): Este indicador es una función
matemática que obtiene promedio los errores relativos de un valor simulado respecto
de uno observado. Un valor cercano a cero de este indicador se relaciona con un buen
nivel de ajuste, ya que indica que en promedio, el error relativo entre valores
observados y simulados es cercano a cero.
Error Cuadrático Medio (RMSE): Este indicador es similar al anterior, pero en vez
de operar con valores relativos, opera en función de errores o diferencias simples.
Como desventaja se tiene que al no considerar valores relativos o porcentuales, el
valor del error depende del orden de magnitud de los valores comparados, y por lo
tanto sirva más cómo un método comparativo para evaluar modelos, que para evaluar
el nivel de ajuste.
Error Medio Absoluto (ABSERR): Este indicador corresponde a la media del error
absoluto entre valores observados y simulados, siendo un valor cercano a cero un
buen indicador. Al igual que el RMSE no considera valores relativos, por lo que es
más útil para la comparación entre modelos que para evaluar el nivel de ajuste.
Capítulo 5: Discusión y Análisis de Resultados 45
Coeficiente de Correlación (R2): Este coeficiente es un índice estadístico que mide
la relación lineal entre dos variables cuantitativas. A diferencia de la covarianza, esta
correlación es independiente de la escala de medida de las variables. Un coeficiente
de correlación cercano a uno indica una buena correlación entre valores observados y
medidos. Un valor cercano a cero indica la no existencia de correlación.
Indice de Eficiencia de Nash-Sutcliffe (EF): Este índice desarrollado por Nash y
Sutcliffe (1970) es un indicador específicamente desarrollado para cuantificar el
poder predictivo de un modelo hidrológico. Este indicador puede variar desde ∞− a
1, donde un valor de la eficiencia igual a 1 indica un ajuste perfecto de los caudales
simulados respecto de los observados. Un valor de EF igual a 0 indica que las
predicciones del modelo son tan precisos como la media de los datos observados, y
una EF negativa indica que la media de los datos observados predice mejor que los
caudales simulados por el modelo. Van Liew et al. (2005) definió como criterio del
comportamiento del modelo que un valor de EF mayor a 0.75 se considera como un
“buen” nivel de ajuste, un valor entre 0.75 y 0.36 se considera “satisfactorio” y un
indicador menor a 0.36 se considera “no satisfactorio”.
Porcentaje de Desviación Respecto de Caudales Observados (PBIAS): Este
indicador es una medida de la tendencia media de los caudales simulados a ser
mayores o menores que los observados. Un valor óptimo del indicador es 0. Un valor
positivo indica que el modelo tiende a subestimar los caudales y un valor negativo
indica sobreestimación de los caudales simulados (Gutpa et al., 1999). Por otra parte
Van Liew et al. (2005) definió como criterio del comportamiento del modelo que un
valor absoluto del PBIAS menor al 20% se considera como un “buen” nivel de ajuste,
un valor entre 20 y 40% se considera “satisfactorio” y un indicador mayor a 40% se
considera “no satisfactorio”.
A continuación se presentan las ecuaciones utilizadas para el cálculo de cada indicador.
∑=
⎟⎟⎠
⎞⎜⎜⎝
⎛ −⋅=
n
j j
jj
OOS
nRRMSE
1
21 [5.1]
( )∑=
−⋅=n
jjj OS
nRMSE
1
21 [5.2]
Capítulo 5: Discusión y Análisis de Resultados 46
∑=
−⋅=n
jjj OS
nABSERR
1
1 [5.3]
OS
OSRσσ ⋅
=),cov(2 [5.4]
( ) ( )
( )∑
∑∑
=
==
−
−−−= n
jj
n
jjj
n
jj
OO
OSOOEF
1
2
1
2
1
2
[5.5]
( )100
1
1 ⋅−
=
∑
∑
=
=n
jj
n
jjj
O
SOPBIAS [5.6]
De las ecuaciones anteriores se tiene que n es el número total de datos a comparar Sj y Oj son
valores de caudal simulado y observado, S y O corresponde a la media de los valores
simulados y observados, cov(S,O) corresponde a la covarianza entre S y O, y Sσ y Oσ
representan la desviación estándar de la serie de caudales simulados y observados
respectivamente.
Los valores obtenidos de estos índices se resumen en la Tabla 5.1 a continuación.
Tabla 5.1: Resumen indicadores de ajuste del modelo SC-5 DGA SC-5 SINT SC-6 DGA SC-6 SINT
RRMSE 0.50 0.52 0.77 1.00RMSE 41.1 45.2 5.1 6.2ABSERR 29.5 33.0 3.4 4.4R2 0.91 0.89 0.92 0.90EF 0.80 0.76 0.82 0.74PBIAS 9.6% 12.3% 13.2% -15.4%
5.2 Representatividad de los Caudales Simulados y Utilidad del Modelo para Fines
Predictivos y de Gestión de Recursos
Al comparar los resultados del RRMSE, RMSE y ABSERR, se tiene que en todos los casos el
modelo desarrollado con precipitaciones de la DGA presenta un mejor ajuste que al utilizar
precipitaciones sintéticas. Por otra parte, el valor del RRMSE indica que los caudales simulados
se ajustan mejor en la SC-5 que en la SC-6. Luego, al observar la correlación entre caudales
simulados y observados, se tiene que en todos los casos existe una buena bondad de ajuste
(cercana al 90%). El índice de eficiencia de Nash-Sutcliffe indica que se tiene un “buen” nivel
de ajuste o un ajuste “satisfactorio” (sólo en SC-6 con precipitaciones sintéticas), y por lo tanto
el modelo se puede utilizar para fines predictivos. Finalmente el PBIAS indica que en todos los
Capítulo 5: Discusión y Análisis de Resultados 47
casos se tiene un “buen” nivel de ajuste, y que el modelo tiende a subestimar los caudales a
excepción de la SC-6 con precipitaciones sintéticas que sobreestima los caudales simulados. Los
resultados cuantificados con este indicador (PBIAS) se corresponden con lo presentados en las
figuras 4.7 y 4.8.
Como se ha descrito el modelo desarrollado es válido y puede ser utilizado para reproducir y
predecir caudales. En el primer caso, el reproducir caudales permite evaluar la disponibilidad de
recursos y apoyar la gestión y asignación de los mismos. Por otra parte, el disponer de una
herramienta capaz de predecir caudales medios mensuales sirve como apoyo a la planificación y
gestión. Además permite su evaluación y estimación a largo plazo ante diferentes escenarios y
por lo tanto apoya a la gestión y optimización del uso del agua de una cuenca.
Capítulo 6: Conclusiones y Futuras Líneas de Investigación 48
CAPÍTULO 6: CONCLUSIONES Y FUTURAS LÍNEAS DE INVESTIGACIÓN
6.1 Conclusiones Se ha desarrollado un modelo hidrológico a escala mensual (MHM) capaz de reproducir caudales
en cuencas de régimen pluvial y nivo-pluvial y capaz de incluir alteraciones antropogénicas. Este
modelo se ha aplicado y validado a la cuenca del Río Laja, la cual es de régimen nivo-pluvial y
sufre de alteraciones en su régimen hidrológico causadas por hidroeléctricas, canales de trasvase
y canales de regadío.
Con el modelo validado se realizó una simulación para el período 1990 – 2008 considerando
diferentes precipitaciones de entrada, una de origen sintética (UD) y otra a partir de estaciones
pluviométricas ubicadas en la cuenca y en las cercanías de esta (DGA). Luego, al evaluar y
cuantificar su comportamiento respecto de valores observados, se determinó que este es válido
para reproducir y predecir caudales. Además se demostró que ambas fuentes de información son
válidas para una simulación de este tipo (DGA y UD), pero que las precipitaciones DGA
reproducen mejor las condiciones reales que las precipitaciones sintéticas.
El nivel de ajuste del modelo se evaluó en base a seis indicadores (RRMSE, RMSE, ABSERR,
R2, EF y PBIAS) de los cuales se obtuvo que los caudales simulados presentan un “buen” nivel
de ajuste, que el modelo puede ser utilizado con fines predictivos, y que los valores simulados
tienden a estar subestimados (a excepción de SC-6 con input de precipitación sintética). Por otra
parte al comparar los resultados para diferentes inputs, se obtuvo que las precipitaciones DGA
permiten reproducir con mayor representatividad los caudales que al utilizar precipitaciones
sintéticas, lo que se debe a una menor variabilidad de los datos sintéticos causada por a la
influencia de estaciones más lejanas (que las estaciones DGA), las cuales tienden a amortiguar
los valores de la precipitación.
Finalmente, en base a las características del modelo desarrollado y a su capacidad para
reproducir y predecir caudales medios mensuales en diferentes puntos de una cuenca, se
considera válido como una herramienta útil para la evaluación, apoyo, gestión y planificación de
recursos hídricos de una cuenca.
6.2 Futuras Líneas de Investigación
Evaluar bajo escenarios de cambio climático la disponibilidad de recursos a corto y mediano
plazo, y estimar los impactos caudados por posibles cambios.
Capítulo 6: Conclusiones y Futuras Líneas de Investigación 49
Evaluar el impacto sobre los recursos hídricos causados por los efectos producidos por el
fenómeno de El Niño, La Niña o por la combinación de ambos.
Elaborar un plan de gestión de recursos y de actividades a desarrollar en la cuenca en función de
la disponibilidad de caudales prevista a corto y mediano plazo.
Evaluar posibles trasvases de agua subterránea a cuencas aledañas a la cuenca del Laja.
Bibliografía 50
BIBLIOGRAFÍA
Anderson M. & Burt T. (1990). Process Studies in Hillslope Hydrology, Wiley, Chichester.
Arnell N., Bates B., Lang H., Magnuson J. (1995) Hydrology and Freshwater Ecology in Climate
Change 1995. Impact, Adaptations, and Mitigation of Climate Change. Scientific-Technical
Analysis, R.T Watson, M.C. Zinyowera, R.H. Mons, and D.J Dokken eds. Cambridge University
Press, Cambridge, UK, pp. 325-364.
Beck M. (1991) Forecasting environmental change. Journal of Forecasting, 10 (1-2), pp. 3-19.
Bloschl G. (1996.) Scale and scaling in hydrology. Wiener Mitteilungen, Wasser–Abwasser–
Gewasser, 132, Wien, Osterreich.
Bloschl G. & Sivapalan M. (1995) Scale issues in hydrological modelling: a review.
Hydrological Processes, 9, pp. 251-290.
Dirección de Obras Hidráulicas de Chile& Empresa Nacional de Electricidad S.A. (2007) Guía
para la explotación del Lago Laja (Inédito).
Doreenbos J. & Pruitt W. (1977) Las necesidades de agua de los cultivos. Riego y Drenaje, 24.
FAO. 195 pp.
Estrela T. (1992) Modelos matemáticos para la evaluación de recursos hídricos. Centro de
Estudios Hidrográficos. Madrid. Centro de Estudios y Experimentación de Obras Publicas.
Ferrer P., Brown, E., & Ayala, L. (1973). Simulación de gastos mensuales en una cuenca pluvial.
En: II Coloquio Nacional de la Sociedad Chilena de Ingeniería Hidráulica. Santiago. Agosto.
Departamento de Obras Hidráulicas, Universidad Católica de Chile.
Francés F., (1996) Modelación distribuida frente a modelación agregada. En Métodos para el
cálculo hidrológico de crecidas. Centro de Estudios Hidrográficos del CEDEX, MOPTMA,
Madrid.
García-Ruíz J. (1990) La montaña: una perspectiva geoecológica. Revista de Geoecología de las
áreas de montaña. Logroño: Geoforma. Pp 15-31.
Bibliografía 51
Guo S. (1992) Impact of climatic change on hydrological regimes in the Dongjiang Basin. In:
Proceedings of First National Postdoctoral Conference. National Defense Industry Press, Beijing,
pp. 2034–2037.
Gupta H., Sorooshian S. & Yapo P. (1999) Status of automatic calibration for hydrologic
models: Comparison with multilevel expert calibration, Journal Hydrologic Engineering, 4(2),
pp. 135-143.
Hao Z. & Su F. (2000) Modification of the Xinanjiang Grid-based Monthly Hydrological Model.
Advances in Water Science 11 (supplement), pp. 80–86.
Hinrichsen D., Robey B. & Upadhyay U. (1998) Soluciones para un mundo con escasez de agua.
Population Reports, Serie M, No. 14. Baltimore, Johns Hopkins School of Public Health,
Population Information Program.
Kaczmarek Z., Hydrology and Freshwater Ecology in Climate Change 1995: Impacts,
Adaptations, and Mitigation of Climate Change, R. T. Watson et al., Eds. (Cambridge Univ.
Press, Cambridge, 1996), pp. 469-486.
Kokkonen T. & Jakeman A. (2001) A comparison of metric and conceptual approaches in
rainfall-runoff modeling and its applications. Water Resources Research, 37 (9), pp. 2345-2352.
Leaf C. & Brink G. (1973) Computer simulation of snowmelt within a Colorado subalpine
watershed. USDA Forest Service Res. Paper RM-99. Rocky Mountain Forest and Experiment
Station. Fort Collins.
Legates D. & Willmott C. (1990). Mean Seasonal and Spatial Variability in Gauge-Corrected,
Global Precipitation. International Journal of Climatology, 10, pp. 111-127.
Mardones M., Vargas J. (2005) Efectos Hidrológicos de los Usos Eléctricos y Agrícolas en la
Cuenca del Río Laja (Chile Centro-Sur). Revista de Geografía, Norte Grande, Julio, Número
033, pp. 89-102. Pontificia Universidad Católica, Santiago, Chile,
McCabe G., & Markstrom S. (2007) A Monthly Water-Balance Model Driven By a Graphical
User Interface U.S. Geological Survey, Reston, Virginia.
Mishra S. & Singh V. (2004) Long-term hydrological simulation based on the Soil Conservation
Service curve number. Hydrological Processes 18, pp. 1291-1313.
Bibliografía 52
Mediero L., Garrote L., Molina M. (2007) Pronóstico probabilístico de caudales de avenida
mediante redes bayesianas aplicadas sobre un modelo hidrológico distribuido. Tesis Doctoral,
Departamento de Ingeniería Hidráulica y Energética, Universidad Politécnica de Madrid,
Madrid, España.
Montgomery D., Dietrich W., Torres R., Anderson S., Heffner J & Loague K. (1997) Hydrologic
response of a steep, unchanneled valley to natural and applied rainfall. Water Resource. Res.
33(1), pp. 91-109.
Moreno H. & Varela J. (1987) Estudio Geológico Regional a escala 1:100.000 de la Hoya
Superior y Curso Medio del Río Bío-Bío. Empresa Nacional de Electricidad S.A. (Inédito),
Universidad de Chile, Departamento de Geología y Geofísica, 304 pp.
Nash J. & Sutcliffe J (1970) River flow forecasting through conceptual models part I: A
discussion of principles, Journal of Hydrology, 10 (3), pp. 282–290.
Niemeyer H. & Muñoz J. (1983) Hoja Laguna de La Laja, Región del Biobío. Santiago: Servicio
Nacional de Geología y Minería, Carta Geológica de Chile Nº 57.
Palmer W. (1965) Meteorologic drought. Res. Pap. U.S Weather Bur. Pp. 45-58.
Ponce V. (1989) Engineering hydrology. Principles and practices. Ed. Prentice Hall. Englewood
Cliffs, New Jersey.
Rasmussen P., Goulding K., Brown J., Grace P., Janzen H. & Korschens M. (1998) Long-term
Agroecosystem Experiments: Assessing Agricultural Sustainability and Global Change. Science
282, pp. 893-896.
Sala M. & Batalla R. (1999) Teoría y Métodos en Geografía Física. Isbn: 8477383847.
Sempere D. (1996) Los modelos distribuidos en la modelización hidrológica de crecidas. En:
Métodos para el cálculo hidrológico de crecidas. Centro de Estudios Hidrográficos del CEDEX,
MOPTMA, Madrid.
Schaake J. (1990) From climate to flow. In: Waggoner, P.E. (Ed.), Climate change and US
Water Resources. John Wiley & Sons, New York, pp. 177–206.
Schaake J. & Liu L. (1989) Development and application of simple water balance models to
understand the relationship between climate and water resources. In: Kavvas, M.L. (Ed.), New
Bibliografía 53
Directions for Surface Water Modelling (Proceedings of the Baltimore Symposium, May 1989).
IAHS Publication, No.181, pp. 345–352.
Sherman L. (1932) Streamflow from rainfall by the unit hydrograph method. Engineering News-
Record, 108, pp. 501-505.
Steffen K., Box J. & Abdalati W. (1996) Greenland Climate Network: GC-Net. Colbeck, S. C.
Ed. CRREL 96-27 Special Report on Glaciers, Ice Sheets and Volcanoes, trib. to M. Meier, pp.
98-103.
Sther A., Zaror B. & Lopez A. (2008) Análisis del comportamiento hidrológico y disponibilidad
de agua bajo escenarios de cambio climático para dos sub-cuencas del Río Biobío incorporando
el impacto del aporte nival en la zona cordillerana. Tesis Doctoral, Universidad de Concepción,
Chile.
Thomas H. (1981) Improved methods for national water assessment, report, contract
WR15249270, U.S. Water Resources Council Washington D.C.
Thornthwaite C. (1948) An approach toward a rational classification of climate. Geographical
Review 38, pp. 55–94. doi:10.2307/210739.
Thornthwaite, C. & Mather J. (1955) The Water Balance, Publications in Climatology VIII(1): 1-
104, Drexel Institute of Climatology, Centerton, NJ.
Uhlenbrook S., Roser S. & Tilch N. (2004) Hydrological process representation at the meso-
scale: the potential of a distributed, conceptual catchment model. Journal of Hydrology, 291, pp.
278-296.
Van Liew M., Arnold J. & Bosch D. (2005) Problems and potential of autocalibrating a
hydrologic model. Transaction of the American Society of Agricultural Engineering, 48(3), pp.
1025-1040.
Vörösmarty C., Fekete F., Meybeck M., Lammers R. (2000) Global System of Rivers: It’s Role
in Organizing Continental Land Mass and Defining Land-to-Ocean Linkages, Global
Biogeochemical Cycles, 14(2), pp. 599–621.
Webber S. & Willmott C. (1998) South American Precipitation: 1960-1990 Gridded Monthly
Time Series (Version 1.02). Newark, Delaware: Center for Climatic Research, Department of
Geography, University of Delaware.
Bibliografía 54
Webber S. & Willmott C. (1998) South American Air Temperature: 1960-1990 Gridded
Monthly Time Series (Version 1.01). Newark, Delaware: Center for Climatic Research,
Department of Geography, University of Delaware.
Wheater H., Jakeman A. & Beven K. (1993) Progress and directions in rainfall-runoff modeling.
In Modeling Change in Environmental Systems, pp. 101-132. Editores: A.J. Jakeman, M.B.
Beck y M.J. McAleer. Editorial Wiley.
Willmott C. & Robeson S. (1995) Climatologically arded interpolation (CAI) of terrestrial air
temperature international. Journal of Climatology, 15, pp. 221-229.
Zhao R. (1992) The Xinanjiang model applied in China. Journal of Hydrology, 135, pp. 371–
381.