Universidad de La Salle Universidad de La Salle
Ciencia Unisalle Ciencia Unisalle
Ingeniería Civil Facultad de Ingeniería
2016
Evaluación de métodos convencionales para estimación de datos Evaluación de métodos convencionales para estimación de datos
faltantes de precipitación de las estaciones hidro-meteorológicas faltantes de precipitación de las estaciones hidro-meteorológicas
de influencia en la microcuenca El Cune en Villeta Cundinamarca de influencia en la microcuenca El Cune en Villeta Cundinamarca
Jesús Antonio Forero López Universidad de La Salle, Bogotá
Michael Stiven Rodríguez García Universidad de La Salle, Bogotá
Follow this and additional works at: https://ciencia.lasalle.edu.co/ing_civil
Part of the Civil Engineering Commons
Citación recomendada Citación recomendada Forero López, J. A., & Rodríguez García, M. S. (2016). Evaluación de métodos convencionales para estimación de datos faltantes de precipitación de las estaciones hidro-meteorológicas de influencia en la microcuenca El Cune en Villeta Cundinamarca. Retrieved from https://ciencia.lasalle.edu.co/ing_civil/111
This Trabajo de grado - Pregrado is brought to you for free and open access by the Facultad de Ingeniería at Ciencia Unisalle. It has been accepted for inclusion in Ingeniería Civil by an authorized administrator of Ciencia Unisalle. For more information, please contact [email protected].
1
EVALUACIÓN DE MÉTODOS CONVENCIONALES PARAESTIMACIÓN DE DATOS FALTANTES DEPRECIPITACIÓN DELAS ESTACIONES HIDRO-
METEREOLÓGICAS DE INFLUENCIA EN LA MICROCUENCA ELCUNE EN VILLETA CUNDINAMARCA
JESÚS ANTONIO FORERO LÓPEZ MICHAEL STIVEN RODRÍGUEZ GARCÍA
UNIVERSIDAD DE LA SALLE FACULTAD DE INGENIERÍA
PROGRAMA DE INGENIERÍA CIVIL BOGOTA D.C.
2016
2
Evaluación de métodos convencionales paraestimación de datos faltantes deprecipitación delas estaciones hidro-meteorológicas de influencia en la
microcuenca ElCune en Villeta Cundinamarca
Jesús Antonio Forero López Michael Stiven Rodríguez García
Trabajo de Grado Presentado como Requisito para Optar al Título de Ingeniero Civil
Directora MSc. María Alejandra Caicedo Londoño
Universidad de La Salle Facultad de Ingeniería
Programa de Ingeniería Civil Bogotá D.C.
2016
3
Agradecimientos
Los autores expresan su agradecimiento:
Agradecemos en especial a las personas que participaron continuamente en la
organización el proyecto con aportes significativos para su desarrollo y el ánimo que
otorgaron en nosotros acompañándonos en momentos de crisis y en los momentos de
felicidad para la culminación satisfactoria del presente.
A la Magister María Alejandra Caicedo Londoño, por ser un apoyo incondicional en la
elaboración del proyecto de grado y permitir que se pudiera llevar a cabo. Así mismo, por
la paciencia, asesoría y colaboración que tuvo al momento de tener propuestas e
inquietudes de realización de la presente investigación.
A todos los educadores e ingenieros del programa de Ingeniería Civil que nos aportaron
sus conocimientos y además siempre tuvieron disposición de colaboración durante nuestra
formación profesional.
4
Dedicatoria
Le dedico este triunfo:
A Dios por las oportunidades y momentos para el logro de este título, por poner en mi
camino las personas que han hecho que se cumpla.
A mi madre Greys López Ordoñez, quien con su ejemplo de esfuerzo y constancia en
cualquier trabajo realizado ha sido y seguirá siendo para toda una bendición en el hogar.
A mi padre Antonio Forero Fajardo, quien ha sido un ejemplo de vida, lucha y
constancia. Quien me enseñó a sobrellevar el sabor del triunfo y de la derrota, siendo un
pilar y apoyo en mi vida de manera incondicional para todo lo que he realizado y para los
éxitos que hemos logrado como familia.
A mis hermanos y mi familia quienes han sido un apoyo fundamental en varios logros y
con sus palabras y gestos de apoyo para sortear mis diferentes momentos de la vida se han
convertido en parte esencial para mis proyectos.
Jesús Antonio Forero López
5
Dedicatoria
Le dedico este triunfo:
A Dios por tener la oportunidad privilegiada de estudiar y así poder obtener un logro que
sin sus bendiciones no sería posible.
A mi madre Ángela García Naranjo, por su apoyo cada mañana, por sus valores y
constante lucha para sacar no solo este triunfo adelante sino toda una familia.
A mi padre Edgar Rodríguez Ibáñez, quien me ha enseñado a ver la realidad de la vida,
la lucha diaria y la perseverancia que hay que tener para afrontar triunfos y dificultades,
por su esfuerzo para que sea mejor que él.
A mi familia, por cada momento vivido durante estos años, los cuales me llenan de
felicidad y fortaleza para saber lo privilegiado que soy y saber todo lo que tengo que
trabajar para salir adelante.
Michael Stiven Rodríguez García
6
Tabla de contenido
Introducción ................................................................................................................... 12
1. Descripción del Problema .................................................................................... 14
2. Objetivos ............................................................................................................... 16
2.1. Objetivo General ..................................................................................................... 16
2.2. Objetivos Específicos .............................................................................................. 16
3. Marco de Referencia ............................................................................................ 17
3.1. Antecedentes ............................................................................................................ 17
3.2. Marco Teórico-Conceptual .................................................................................... 19
3.2.1. Recurso Hídrico .................................................................................................... 19
3.2.2. Cuenca Hidrográfica ............................................................................................ 19
3.2.3. Microcuenca ...................................................................................................... 20
3.2.4. Precipitación ..................................................................................................... 20
3.2.4.1. Clasificación de la Precipitación .................................................................. 22
3.2.4.1.1. Llovizna ....................................................................................................... 22
3.2.4.1.2. Lluvia........................................................................................................... 22
3.2.4.1.3. Escarcha ...................................................................................................... 22
3.2.4.1.4. Nieve ............................................................................................................ 23
3.2.5. Estaciones Pluviométricas ................................................................................ 23
3.2.6. Modelos Estadísticos para completar Registros de precipitación ................ 23
3.2.6.1. Métodos Convencionales .............................................................................. 24
3.2.6.1.1. Regresión Lineal ........................................................................................ 24
3.2.6.1.2. Coeficiente de Correlación ....................................................................... 25
3.2.6.1.3. Combinación Lineal Ponderada (CLP) ................................................... 25
3.2.6.1.4. Distancia Inversa Ponderada (IDW) ....................................................... 26
7
3.2.6.1.6. Método de Thiessen ................................................................................... 27
3.2.7. Hietograma ........................................................................................................ 28
3.2.8. Software ............................................................................................................. 29
3.2.8.1. ArcGis ............................................................................................................. 29
3.2.8.1.1. Formato Shapefile ...................................................................................... 29
3.3. Marco Legal .......................................................................................................... 30
3.4. Marco Contextual ................................................................................................. 31
3.2.9. Población área de Influencia ............................................................................... 33
3.2.10. Altitud ................................................................................................................. 34
3.2.11. Área de la Micro-Cuenca de la quebrada el CUNE ........................................ 34
3.2.12. Clima ................................................................................................................... 34
3.2.12.1. Temperatura ...................................................................................................... 35
3.2.12.2. Precipitación ..................................................................................................... 35
3.2.13. Hidrología ........................................................................................................... 36
4. Metodología .......................................................................................................... 37
Etapa 1: Recopilación de Datos .................................................................................... 37
Etapa 2: Construcción del Modelo de la Cuenca en ArcGis ...................................... 37
Etapa 3: Análisis de consistencia de datos ................................................................... 38
Etapa 4: Reconstrucción de Series de Precipitación ................................................... 39
Etapa 5: Análisis de resultados y conclusiones ............................................................ 39
Etapa 6: Construcción del Hietograma ........................................................................ 39
5. Resultado y Análisis ............................................................................................. 40
5.1. Microcuenca Quebrada Cune ................................................................................ 40
5.2. Estaciones IDEAM ............................................................................................... 40
5.2.1. Datos Registrados de Precipitación .................................................................... 41
8
5.3. Análisis de Consistencia de Datos por el Método de Curva de Doble Masa ... 43
5.4. Reconstrucción de Series de Precipitación ........................................................ 46
5.4.1. Métodos Convencionales ..................................................................................... 46
5.4.1.1. Ponderación del Inverso de la Distancia (IDW) ............................................. 47
5.4.1.2. Método de Regresión Lineal ............................................................................. 52
5.4.1.3. Combinación Lineal Ponderada (CLP) ........................................................... 56
5.4.1.4. Precipitación media ........................................................................................... 61
6. Conclusiones y recomendaciones ........................................................................ 70
Bibliografía ..................................................................................................................... 72
Anexos ............................................................................................................................. 76
9
Lista de Tablas
Tabla 3.1 Normatividad Colombiana, sobre los recursos
hídricos………............................30
Tabla 5.1 Estaciones de
trabajo………………………………………………….…………41
Tabla 5.2 Estaciones de trabajo……………………………………..……………………..43 Tabla 5.3Matriz de distancias Microcuenca Quebrada Cune………………………..……48
Tabla 5.4Comparación método inverso de la distancia……………………………………51
Tabla 5.5Comparación método regresión
lineal……………………..…………………….56
Tabla 5.6Matriz de Correlación estaciones cuenca El
Cune……………………………….57
Tabla 5.7Comparación método combinación lineal……………………………………….58
Tabla 5.8Comparación métodos de reconstrucción de datos………...................................58
Tabla 5.9Precipitación Promedio mensual registrada en los períodos 1988 – 2014………63 Tabla 5.10Precipitación Media de Enero por Polígonos de Thiessen……………………..63
Tabla 5.11Precipitación Media de Febrero por Polígonos de Thiessen…………………..64
Tabla 5.12Precipitación Media de Marzo por Polígonos de
Thiessen……………………..64
Tabla 5.13Precipitación Media de Abril por Polígonos de Thiessen……………………..64
Tabla 5.14Precipitación Media de Mayo por Polígonos de Thiessen……………………..64
Tabla 5.15Precipitación Media de Junio por Polígonos de Thiessen……………………..65
Tabla 5.16Precipitación Media de Julio por Polígonos de Thiessen………………………65
Tabla 5.17Precipitación Media de Agosto por Polígonos de Thiessen…………………...65
Tabla 5.18Precipitación Media de Septiembre por Polígonos de
Thiessen………………..65
Tabla 5.19Precipitación Media de Octubre por Polígonos de Thiessen…………………..66
Tabla 5.20Precipitación Media de Noviembre por Polígonos de Thiessen…………….…66
Tabla 5.21Precipitación Media de Diciembre por Polígonos de Thiessen………………..66
10
Lista de Figuras
Figura 3.1 Humedad Atmosférica…………………………………………………………21
Figura 3.2 Método Thiessen para el cálculo de la precipitación media…………………...28
Figura 3.3 Microcuenca Quebrada
Cune…………………………………………………..32
Figura 4.1 Representación Gráfica Curva de Doble Masa………………………………...38
Figura 5.2 Datos faltantes y registrados estaciones pluviométricas, 1988 – 2014…...…....42
Figura 5.3 Curva de doble masa entre estaciones…………………………………………44 Figura 5.4 Curva de doble masa entre estaciones…………………………………………45
Figura 5.5 Curva de doble masa entre estaciones…………………………………………45
Figura 5.6 Curva de doble masa entre estaciones…………………………………………46 Figura 5.7 Mapa de distancias estación
23065120……………………...............................48
Figura 5.8 Mapa de distancias estación 2306140………………………………………....49
Figura 5.9 Mapa de distancias estación 23060260………………………………………..49
Figura 5.10Mapa de distancias estación 2306290………………………………………..50
Figura 5.11 Mapa de distancias estación
23065200……………………………………….50
Figura 5.12Comportamiento mensual promedio…………………………………………51
Figura 5.13Regresión lineal estación 21230120 vs
2306140……………………………..53
Figura 5.14Regresión lineal estación 21230120 vs 2306260…………………………….53
Figura 5.15Regresión lineal estación 21230120 vs 2306290…………………………….54
Figura 5.16Regresión lineal estación 21230140 vs 2306260…………………………….54
11
Figura 5.17Regresión lineal estación 21230140 vs
2306290……………………………..55
Figura 5.18Regresión lineal estación 21230120 vs
2306290……………………………..55
Figura 5.19Comparación de métodos…………………………………………………….59
Figura 5.20Comparación de métodos…………………………………………………….60
Figura 5.21Comparación de métodos…………………………………………………….60
Figura 5.22Área de influencia estaciones de estudio……………………………………..61
Figura 5.23Área de influencia estaciones de estudio…………………………………….62
Figura 5.24Hietograma mensual de precipitación……………………………………….67
Figura 5.25 Precipitación media mensual Micro Cuenca Cune…………………………..68
Lista de Anexos
Anexo A. Tablas curvas de masa.
Anexo B. Datos de precipitación suministrados por el IDEAM; ubicados de forma
digital en el Cd adjunto.
Anexo C. Planos ArcGis polígonos de Thiessen.
Anexo D. Delimitación de la cuenca.
Anexo E. Area de influencia estaciones de estudio.
12
Introducción
Durante toda la vida el agua ha sido el elemento responsable principal de la vida de
todos los seres vivos. Dicha ha estado presente directamente al medio ambiente, historia,
energía, tecnología y la economía del planeta. A lo largo de la historia, se puede decir que
el agua ha condicionado la vida de todo el planeta y ha sido un factor clave en el
abastecimiento de los núcleos de la población
Colombia presenta una de las mayores fuentes hídricas del planeta gracias a su ubicación
geográfica, a la variedad topográfica y al régimen climático. Sin embargo, el agua no está
dispuesta de manera homogénea en las diferentes regiones del país; sumado a esto la
variabilidad y el cambio climático provocado por los malos usos que se han dado a los
recursos naturales y la explotación masiva de los mismos, generan de esta manera que en
algunas regiones la disponibilidad de agua superficial, tanto en cantidad como en calidad,
se vea gravemente afectada, con más o menos precipitaciones según las diferentes regiones
y una mayor frecuencia de fenómenos atmosféricos extremos.
Las cuencas hidrográficas son consideradas sistemas abiertos, que reciben energía y
materia de la atmósfera y procesos endogénicos y la pierde a través del caudal y la descarga
de sedimentos (Gregory y Walling, 1973).
En la actualidad el análisis hidro-climatológico de los cuerpos de agua es de vital
importancia para todos los estudios con componentes climáticos, estableciendo una
relación directa con la caracterización de una cuenca considerada como “área de agua
superficiales que vierten a una red natural o varias corrientes superficiales” (Reyes,
Ulises y Carvajal, 2010, Guía Básica para la caracterización morfo métrica de Cuencas
Hidrográficas) , con los fenómenos climáticos que confluyen el área de estudio.
Estas consideraciones fundamentaron la propuesta del proyecto; que radicó en
realizar una comparación al simular métodos convencionales aplicados en la estimación
de registros faltantes de precipitación en las estaciones hidro-meteorológicas que en cierta
13
parte tienen una influencia directa con la micro cuenca El Cune; de esta manera se buscó
contribuir en la obtención de datos veraces y significativos de parámetros como
precipitación y aspectos meteorológicos de gran importancia para un análisis hidro-
climatológico de la cuenca.
Para establecer dicho análisis fue necesario el suministro de datos de las estaciones
hidrométricas, en este caso la de la Estación El Silencio, Villeta y Pacho que se presentan
como una herramienta fundamental para el suministro de datos de los fenómenos
climatológicos, haciendo posible la cuantificación y cualificación del estado de la cuenca
hidrográfica.
De esta manera, para este proyecto se utilizaron métodos convencionales considerados
como base fundamental para el desarrollo y la obtención de datos relevantes, entre ellos se
aplicaron la regresión lineal como una variante significativa para calibrar las medidas y
tener una representación gráfica, así mismo, la técnica de mínimos cuadrados para ajustar y
reconstruir las curvas y el coeficiente de correlación para distinguir la cercanía y dirección
de la misma como es el caso de la Estación El Silencio, la Vocacional de Pacho y Villeta.
El proyecto por otro lado benefició directamente a las entidades públicas de apoyo
técnico y científico tal como es el Sistema Nacional Ambiental (SINA), el cual genera
conocimiento, reproduce información confiable, consistente y oportuna sobre el estado y
las dinámicas de los recursos naturales y del medio ambiente; además favoreció a la
comunidad estudiantil de la Universidad de La Salle con estudios similares a los del
presente proyecto.
Por último, los datos de precipitación fueron útiles en la medida que se contó con
registros suficientes que fueron consistentes y completos, lo que se buscó fue mejorar la
calidad de información ya existente, logrando encontrar los faltantes iniciales y encontrados
por medio de los diferentes métodos convencionales anteriormente nombrados.
14
1. Descripción del Problema
La línea a la cual pertenece esta investigación es el análisis de variables climatológicas
(precipitación) en la Cuenca El Cune, el cual tuvo como objetivo generar información
precedente para el presente proyecto, lo cual permitió su investigación, desarrollo y
conclusiones.
El mayor inconveniente encontrado fue que en la actualidad la Red Nacional de
Estaciones Meteorológicas cuenta con un gran déficit de registros de precipitación, dentro
de los que pueden ser debido a daños operacionales de las estaciones, errores en las
lecturas, entre otros. Este hecho impide establecer relaciones empíricas entre las variables
meteorológicas medibles, resultando difícil una simulación de procesos veraces de dichas
variables.
Todo lo anterior se traduce en análisis hidro-climatológicos poco acertados de la cuenca
en estudio, reproduciendo erróneamente su capacidad de explotación en cuanto al recurso
hídrico, sin generar externalidades ambientales, económicas y sociales.
Planteada así la situación, en el desarrollo del proyecto, se generó el siguiente
interrogante:
A partir de la evaluación de las variables climáticas en la Cuenca El Cune y del hecho
que existe un déficit en las series de precipitación de las estaciones meteorológicas en la
cuenca de estudio ¿Qué modelo estadístico utilizado convencionalmente en problemas de
este tipo, se ajusta de la mejor manera para la estimación de los datos faltantes?
De esta manera es significativa la importancia que tiene la investigación y por lo cual se
justifica su realización como una alternativa al problema hídrico en la cuenca El Cune.
Desde esta perspectiva, se realizó un estudio de variables climatológicas que permitiera
15
estimar el recurso hídrico con el que cuenta la cuenca hidrografía de la Cuenca El Cune y
así poder determinar el objeto del estudio.
Dicho tuvo fundamento en dos puntos importantes: el primero fue la recopilación de
datos de precipitación de la zona en la cuenca El Cune, estos datos fueron suministrados
por el IDEAM, y se completaron las series de la precipitación con modelos convencionales;
el segundo punto se enfocó en los modelos de clima global, el cual se encauzó en el modelo
climático regional que arrojó resultados de precipitación por medio de modelos
establecidos.
Al reconstruir las series con los métodos convencionales, se obtuvo un resultado de
precipitación media, el cual se utilizó para realizar el Hietograma y analizar la respuesta de
la Cuenca El Cune, siendo este análisis un punto de referencia para futuros estudios en los
cuales pueden determinar sí la oferta hídrica (precipitación) es suficiente para suplir sus
diferentes usos, o por lo contrario se deben buscar otras soluciones en tiempos de sequía.
Por lo anterior, el proyecto se delimitó en las siguientes tareas:
Se llevó a cabo una evaluación de variables climáticas (precipitación) que favorecían la
producción de precipitación en la cuenca El Cune.
Se emplearon modelos convencionales de reconstrucción a las series de precipitación
para efectuar la presente investigación, dichas fueron inicialmente suministradas por el
IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia) para
que fueran fuentes y datos confiables que representaran fiabilidad y se permitiera trabajar
con los datos de las estaciones en la zona de estudio para trabajar con ellos en los cálculos
posteriores como es el caso de la precipitación media de la cuenca.
La entidad por medio de la cual se recopiló la informaciónfue estrictamente el IDEAM,
ya que se consultaron otras entidades como la CAR, en las cuales las
estacionesmeteorológicas disponibles con una toma de datossignificativos no se
encontraban dentro del rango de la zona de estudio.
16
Así mismo, en la zona directa de estudio que fue el departamento de Cundinamarca en la
Cuenca El Cune.
2. Objetivos
2.1.Objetivo General
Evaluar el mejor ajuste de los modelos “Regresión Lineal, Inverso de la Distancia al
cuadrado y Coeficiente de Correlación” utilizados convencionalmente para la estimación de
datos faltantes de precipitaciones anuales en las estaciones de influencia de la micro cuenca
El Cune.
2.2.Objetivos Específicos
Establecer los parámetros estadísticos requeridas por los modelos convencionales para
la estimación de datos faltantes de precipitación, en las estaciones hidro-climatológicas
de influencia en la micro cuenca El Cune.
Determinar el error mínimo al reproducir registros de precipitación utilizando los
modelos convencionales: Regresión Lineal, Inverso de la Distancia y Coeficiente de
Correlación, en las estaciones hidro-climatológicas de influencia en la micro cuenca El
Cune.
Calcular la precipitación media de la micro-cuenca “El Cune” según el método de
Polígonos de Thiessen, como una medida de validación de los datos.
17
3. Marco de Referencia
3.1.Antecedentes
En el mundo el abastecimiento o el consumo del recurso hídrico ha sido un tema de gran
preocupación y del cual se han realizado diversos tipos de investigación, para evaluar la
oferta que se tiene de este recurso en diferentes lugares; una forma para hacerlo son los
modelos lluvia escorrentía, que son la herramienta para estimar dicha oferta.
En su estudio (de Las Salas & García, 1999) en la cuenca del río San Cristóbal, Bogotá
realizaron un estudio de oferta de recurso hídrico por medio de precipitación para esta
cuenca, registrando datos de precipitación en períodos semanales durante un año, junto con
mediciones de la variación del caudal en tres microcuencas adyacentes, evaluando
parámetros de evo transpiración, precipitación interna, interceptación, infiltración y
almacenamiento de agua. De este estudio concluyeron que se necesitan períodos de tiempo
más largos para establecer comparaciones estadísticas mejor sustentadas, recomendando de
esta manera utilizar datos de estaciones pluviométricas con tiempos de precipitación
mayores a un año.
Por otro lado (Córdoba, Zea & Murillo, 2006) a través de diversas modelos para
cuantificar los volúmenes de lluvia en la zona del río Quito, en el departamento del Choco,
lo que los llevó a realizar un cálculo […] concluyendo que la precisión con la que se mide
la pluviometría de la cuenca del río tiene un error del 6% lo cual la hace confiable para el
desarrollo del modelo, que arrojó como conclusión que el río cuenta con un gran potencial
hídrico.
En su estudio (Alvarado, 2004) presentó una metodología para modelar la propagación
de flujo en una cuenca hidrográfica utilizando sistemas de información geográfica y Visual
18
Basic como lenguaje de programación, teniendo como variables la precipitación y tipo de
suelo. Como resultado obtuvo que la implementación de dichos modelos es una fuente
adecuada para obtener caudales de salida con la implementación de estas dos herramientas
y la utilización de elementos finitos.
Igualmente (Burbano, Vásquez & Bustamante, 2008) en su investigación en el
Departamento de Antioquia: Colombia, en su Sistema de paramos y Bosques alto-andinos
estimaron la oferta ambiental del recurso hídrico que genera este sistema por medio de sus
lluvias, empleando el procedimiento de contabilidad de aguas para efectuar un modelo
lluvia escorrentía, por medio de este modelo establecieron o encontraron […] que la oferta
hídrica del sistema estudiado (39,032 litros/segundo * km2 ), es menor que la oferta hídrica
promedia de Colombia (58 litros/segundo * km2 ) y mayor que la oferta hídrica promedia
suramericana (21 litros/segundo * km2 ).
De igual manera (Amaya, Tamayo, Vélez & Alvares, 2009) realizaron un modelo para
predecir el comportamiento hidrológico de las cuencas de los ríos Turbo, Guadalito y
Currulao, localizadas en la región del Urabá. Utilizando información hidro-climatológica
escasa (precipitación y caudal), calibraron el modelo lluvia escorrentía agregado a escala
diaria, determinando que la cuenca del Currulao cuenta con una capacidad máxima de
almacenamiento capilar de 15 mm/día, un tiempo de resistencia flujo superficial de 2 días y
una conductividad hidráulica de la capa superior de 2 mm/día, presentando pues los
mejores registros de las tres cuencas.
Por otro lado, (Salomón & Fernández) desarrollaron un modelo lluvia-escorrentía
utilizando tormentas de proyecto para el piedemonte del Gran Mendoza, el cual está
diseñado para simular la escorrentía superficial que resulta de una precipitación. El objetivo
principal fue analizar el comportamiento hidrológico de la cuenca y conocer los caudales de
descarga y su incidencia en la zona, obteniendo como resultado que el comportamiento
hidrológico de la cuenca varía en función de sus componentes y procesos que alteran las
relaciones lluvia.
19
De esta manera, también existen investigaciones de evaluación de variables climáticas
para cuantificar el recurso hídrico en las cuencas en donde:
Según Moreno y Montero (2016), “Evaluación de variables climáticas para cuantificar el
recurso hídrico disponible en la cuenca media del rio Ranchería”, Universidad de la Salle,
Bogotá, hicieron un estudio debido a que se presentan problemas de abastecimiento en
tiempo de sequía a la población de la Guajira, para tal caso buscaron establecer una
correlación entre el comportamiento de las variables climáticas y el recurso hídrico
disponible en la cuenca media del rio Ranchería, mediante el cálculo de la precipitación
media anual y mensual de la zona de estudio por medio de los Polígonos de Thiessen
gracias a los datos suministrados por el IDEAM.
3.2. Marco Teórico-Conceptual
El siguiente marco teórico - conceptual, presenta las teorías y las definiciones de los
conceptos relacionados con: los modelos estadísticos, modelos de circulación global,
precipitación, métodos para el cálculo de precipitación media y los elementos para la
construcción del Hietograma; todo lo cual facilita la compresión de la presente
investigación.
3.2.1. Recurso Hídrico
Son todas aquellas aguas que existen en el planeta y que están disponibles para que los
seres humanos las usen en algún sentido, tales como océanos, ríos, lagos, lagunas, arroyos.
3.2.2. Cuenca Hidrográfica
Es una superficie terrestre asociada a uno o varios elementos. La cuenca hidrográfica de
un río o de una estación es la porción de territorio para la cual cada gota de agua cayendo
en ella es susceptible de llegar al río o a la estación. Su límite se llama también parte aguas.
20
En zonas afectadas por tuberías y canales artificiales, la cuenca real puede ser diferente
de la cuenca natural.
3.2.3. Microcuenca
Una microcuenca es toda área en la que su drenaje va al cauce principal de una subcuenca y
está dividida en varias subcuencas.
3.2.4. Precipitación
Se debe tener en cuenta que una de las fases del ciclo del agua es la precipitación, de
esta manera se entiende que la lluvia y el granizo es producida directamente desde las
nubes llegando al suelo y dependiendo de su tamaño se presentan en diferentes formas, lo
que hace que las gotas aumenten de tamaño sobre la superficie como consecuencia de la
gravedad.
La precipitación es importante porque permite que el agua que se evapora vuelva a la
tierra, permitiendo la vida en el planeta. La precipitación es cualquier forma de
hidrometeoro, conformado de partículas acuosas de forma sólida o líquida que caen de las
nubes y llegan al suelo. Existen varios tipos de precipitación dependiendo de la cantidad o
forma en que caen las partículas, el diámetro se halla generalmente comprendido entre 0,5 y
7 mm, (1 mm de precipitación es la lámina que alcanzaría un litro de agua sobre una
superficie de un metro cuadrado, sin que se evapore o percole), y caen a una velocidad del
orden de los 3 m/s. (Observatorio Ambiental de Bogotá).
Se conoce como precipitación a la cantidad de agua que cae a la superficie terrestre y
proviene de la humedad atmosférica, ya sea en estado líquido (llovizna y lluvia) o en estado
sólido (escarcha, nieve, granizo). La precipitación es uno de los procesos meteorológicos
más importantes para la hidrología, y junto a la evaporación constituyen la forma mediante
21
la cual la atmósfera interactúa con el agua superficial en el ciclo hidrológico del agua.
Universidad de Piura. (UDEP).
El agua tiene un ciclo natural que ha sido desequilibrado por la actividad del
hombre. Para contrarrestar este impacto, es necesario estudiarlo y aplicar
métodos con el objetivo de recuperar el equilibrio. Si no se toman acciones, según
datos de diferentes organizaciones internacionales, en las próximas décadas el
problema será irremediable. (UNAD). Ver figura 3.1.
Figura 3.1 Humedad Atmosférica Fuente: http://tinchot.ferozo.com/hidricos/componentes-del-ciclo-hidrologico-distribucion-global/
Según monografía “Métodos para determinar la precipitación promedio en una cuenca
hidrográfica- Análisis de consistencia de los Datos de Precipitación, 2012” La medida de
precipitación sobre una cuenca se realiza por medio de los pluviómetros. Se basan en la
recogida de la precipitación (lluvia o nieve) en un elemento denominado colector. La
precipitación se mide por volumen o pesada y su registro se realiza por lectura directa o por
registro gráfico o electrónico. Tales mediciones comenzaron a realizarse en 1940-1945,
pero no empezaron a ser realmente hasta hace 15 años.
22
3.2.4.1.Clasificación de la Precipitación
Según Universidad de Piura(UDEP) la precipitación puede adquirir diversas formas como
producto de la condensación del vapor de agua atmosférico, formado en el aire libre o en la
superficie de la tierra, y de las condiciones locales, siendo las más comunes las que se
detallan a continuación:
3.2.4.1.1. Llovizna
En algunas regiones es más conocida como garúa, consiste en pequeñas gotas de agua
líquida cuyo diámetro fluctúa entre 0.1 y 0.5 mm; debido a su pequeño tamaño tienen un
asentamiento lento y en ocasiones parecen que flotaran en el aire. La llovizna usualmente
cae de estratos bajos y rara vez excede de 1 mm/h.
3.2.4.1.2. Lluvia
Es la forma de precipitación más conocida. Consiste de gotas de agua líquida comúnmente
mayores a los 5 mm de diámetro. En algunos países suelen clasificarla según su intensidad
según su intensidad como ligera, moderada o fuerte.
3.2.4.1.3. Escarcha
Es un depósito blanco opaco de gránulos de hielo más o menos separados por el aire
atrapado y formada por una rápida congelación efectuada sobre gotas de agua en objetos
23
expuestos, por lo que generalmente muestran la dirección predominante del viento. Su
gravedad específica puede ser tan baja como 0.2 ó 0.3.
3.2.4.1.4. Nieve
Está compuesta de cristales de hielo, de forma hexagonal ramifica y a menudo aglomerada
en copos de nieve, los cuales pueden alcanzar varios centímetros de diámetro. Aparece
cuando las masas de aire cargadas de vapor de agua se encuentran con otras cuya
temperatura es inferior a 0°C. La densidad relativa de la nieve recién caída varía
sustancialmente, pero en promedio se asume como 0.1.
3.2.5. Estaciones Pluviométricas
Es importante desarrollar la elaboración de la climatología para determinar la estación
pluviométrica y poder medir la lluvia. De esta manera se utiliza un medidor conocido como
pluviómetro con el cual los meteorólogos e hidrólogos pueden recoger y medir la cantidad
de precipitación líquida durante un tiempo determinado.
La Función de las estaciones meteorológicas es registrar datos del clima, como
temperatura, precipitaciones, humedad, etc. Las estaciones pluviométricas se encargan de
llevar registros únicamente de precipitación; cuando las estaciones son manuales, una
persona tiene que tomar los datos diarios que se estén registrando en la zona, en cambio si
la estación es automática, ésta registra en un sistema los datos.
3.2.6. Modelos Estadísticos para completar Registros de precipitación
Estos modelos estadísticos se utilizaron para completar los datos de precipitación
suministrados por el IDEAM, y estos son representaciones formales en un sistema real, con
24
el que se pretendió aumentar su comprensión, hacer predicciones y ayudar a su control. Los
modelos pueden ser físicos (descritos por variables medibles), análogos (diagrama de flujo)
y simbólicos (matemáticos, lingüísticos, esquemáticos). Los modelos matemáticos o
cuantitativos son descritos por un conjunto de símbolos y relaciones lógico-matemáticos.
(OSSO).
3.2.6.1.Métodos Convencionales
Los métodos convencionales utilizados en el desarrollo del presente trabajo se describen a
continuación:
3.2.6.1.1. Regresión Lineal
Según Galton, Natural Inheritance, 1889, el termino regresión se refiere a la “ley de la
regresión universal, hoy en día el sentido de regresión es el de predicción de una medida
basándonos en el conocimiento de otra”.
La regresión lineal es una técnica estadística utilizada para estudiar la relación entre
variables. Se adapta a una amplia variedad de situaciones. En la investigación social, el
análisis de regresión se utiliza para predecir un amplio rango de fenómenos y es utilizado
para caracterizar la relación entre variables o para calibrar medidas.
Tanto en el caso de dos variables (regresión simple) como en el de más de dos variables
(regresión múltiple), el análisis de regresión lineal puede utilizarse para explorar y
cuantificar la relación entre una variable llamada dependiente o criterio (y) y una o más
variables llamadas independientes o productoras (x1, x2, x), así como para desarrollar una
ecuación lineal con fines predictivos. Además, el análisis de regresión lleva asociados una
serie de procedimientos de diagnóstico (análisis de los residuos, puntos de influencia) que
informan sobre la estabilidad e idoneidad del análisis y que proporcionan pistas sobre cómo
perfeccionarlo. (González & Santamaría, 2010).
Por medio de la siguiente ecuación:
25
Y = A + B*X1 + C*X2 + … + n*Xi
Donde:
Y: valor de precipitación estimada
Xi: valor de precipitación en estaciones con información completa
A,B,C: constantes de regresión
3.2.6.1.2. Coeficiente de Correlación
El coeficiente de correlación es un estadístico que proporciona información sobre la
relación lineal existente entre dos variables cualesquiera. Básicamente, esta información se
refiere a dos características de la relación lineal: la dirección o sentido y la cercanía o
fuerza. Es importante notar que el uso del coeficiente de correlación sólo tiene sentido si la
relación a analizar es del tipo lineal. Si ésta no fuera no lineal, el coeficiente de correlación
sólo indicaría la ausencia de una relación lineal más no la ausencia de relación alguna.
Debido a esto, muchas veces el coeficiente de correlación se define - de manera más
general - como un instrumento estadístico que mide el grado de asociación lineal entre dos
variables. (Lahure, 2003).
3.2.6.1.3. Combinación Lineal Ponderada (CLP)
Este método consiste en sustituir la falta de datos a partir de los datos de series
estadísticamente próximas, que son conocidas como vecinas. De tal manera que cada dato
incompleto se obtiene mediante la combinación lineal ponderada de los datos de las series
que se van a utilizar para el completado. Dichos datos tienen un peso en el CLP
proporcional al coeficiente de correlación de Pearson con la serie incompleta, siempre que
éste sea superior a un valor crítico aceptable.
El valor que se suele coger depende del tipo de variable que se quiera completar,
afinidad climática y alcance de la correlación espacial según el tipo de variable. Para la
precipitación, que es una variable que presenta, sobre todo en ambientes mediterráneos, una
26
baja correlación entre estaciones vecinas el valor que se suele escoger es entre: 0,7 < r <
0,8. (Barrera, 2004).
Los datos de precipitación vecina se pueden expresar como:
���� =���. ������ + ���. ������ + ���. ����� + ⋯
�� + �� + �� +⋯
Donde:
��: Corresponde a la correlación de Pearson entre la estación índice (estación a la cual se
le completaran datos)
��. : La estación vecina que tiene sus datos completos para ese instante de tiempo ��.
3.2.6.1.4. Distancia Inversa Ponderada (IDW)
En el método de interpolación IDW, los puntos de muestreo se ponderan durante la
interpolación de tal manera que la influencia de un punto en relación con otros disminuye
con la distancia desde el punto desconocido que se desea crear.
El peso es asignado a las estaciones de muestreo mediante la utilización de un
coeficiente de ponderación que controla cómo la influencia de la ponderación decae
mientras la distancia hacia la estación nueva se incrementa. Mientras más grande sea el
coeficiente menor será el efecto que las estaciones tendrán si están lejos de la estación
desconocido durante el proceso de interpolación. Conforme el coeficiente se incrementa, el
valor de las estaciones desconocidos se aproxima al valor de la estación de observación más
cercano. (QGIS 2.6., 2015).
En términos generales el método se aplica de la siguiente manera:
27
���� = ���. ������ + ���. ������ + ���. ������ + ⋯
Donde �� es el inverso de la distancia y se determina de la siguiente manera:
�� =�
�∝
3.2.6.1.5. Precipitación Media.
Es la altura de la lámina de agua que se formaría sobre el área de la cuenca en estudio a
consecuencia de las lluvias en ella registradas, en realidad se trata de un caso ideal,
entonces los valores son empíricos.
La precipitación mediapuedenser:anual, diaria, mensual, plurianual
precipitación media de una cuenca método de las isoyetas método de los polígonos de
Thiessen
3.2.6.1.6. Método de Thiessen
Este método es utilizado para determinar la lluvia media en una zona, se aplica cuando
se sabe que las medidas de precipitación en los diferentes pluviómetros sufren variaciones,
teniendo además el condicionante que la cuenca es de topografía suave o en lo posible
plana según Rúales Zambrano, Hidrología, 2013.Para poder aplicar este método es
necesario conocer la localización de las estaciones dentro de la zona de estudio ya que para
que para su aplicación se requiere determinar la zona de influencia en cada una de ellas.
En síntesis, el método se basa en asignar cada punto de la cuenca a la estación más
próxima; se deben unir las estaciones de dos en dos y dibujar las mediatrices de esos
segmentos, asignando a cada estación el área limitada por las poligonales que forman las
mediatrices
Se emplea cuando la distribución de los pluviómetros no es uniforme dentro del área en
consideración. Para su cálculo se define la zona de influencia de cada estación mediante el
trazo de líneas entre estaciones cercanas, éstas líneas se bisecan con perpendiculares y se
28
asume que toda el área encerrada dentro de los límites formados por la intersección de estas
perpendiculares en torno a la estación ha tenido una precipitación de la misma cantidad que
la de la estación. A veces es necesario hacer una pequeña variación a esta técnica para
corregir posibles efectos orográficos, y en lugar de trazar perpendiculares al punto medio de
la distancia entre las estaciones se dibujan líneas que unen las estaciones desde los puntos
de altitud media. (UDEP).
Figura 3.2 Método Thiessen para el cálculo de la precipitación media.(Fetter, 2001)
Calculando el área encerrada por cada estación y relacionándola con el área total, se
sacan pesos relativos para cada pluviómetro y posteriormente el valor de la precipitación
promedio se obtiene a partir de un promedio ponderado.
3.2.7. Hietograma
Un hietograma (de griego hietos, lluvias, es un gráfico que expresa precipitación en
función del tiempo. En ordenadas puede figurar la precipitación caída (mm), o bien la
intensidad de precipitación (mm/hora).
Generalmente se representa como un histograma (grafico, barras, figura adjunta), aunque
a veces también se expresa como un gráfico de línea. (Moreno, Edid, 2013).
29
El Hietograma es un gráfico el cual expresa la precipitación en función del tiempo,
donde la unidad de medida de la precipitación es en mm, esto se representa en un
histograma donde en el eje (x) lleva el tiempo en meses o años y en el eje (y) la
precipitación, ver figura 3.4. (Sánchez).
Con los datos de un pluviograma, que es como se llama a la hoja de papel donde quedó
representado el comportamiento en particular, se pueden construir dos gráficos. El primero
de ellos es el hietograma, que no es otra cosa que un diagrama de barras donde se presenta
el comportamiento de la intensidad de la lluvia con respecto al tiempo. El segundo gráfico
es la curva de masas, que se construye acumulando consecutivamente la lámina caída por
intervalos de tiempo. (Rúales Zambrano, 2013).
Para calcular el hidrograma del proyecto se pretende contar con gráficas temporales
probables, así como relaciones de intensidades, duración y recurrencia.
3.2.8. Software
El siguiente software son los que se utilizaron para el desarrollo del proyecto, ya que
minimizan el tiempo de ejecución y sirven para tener resultados favorables y exactos.
3.2.8.1.ArcGis
Es un programa de sistemas que permite recopilar, organizar, administrar, analizar,
compartir y distribuir información geográfica; este se utilizó para organizar y referenciar la
cuenca El Cune ubicada en Cundinamarca, sus afluentes, sus municipios cercanos y la
ubicación de las estaciones suministradas por el IDEAM, para ejercer un ejercicio eficaz
cuando se realizó el proyecto.
3.2.8.1.1. Formato Shapefile
30
Un shapefile se considera con un formato sencillo y no topológico que es usado para
almacenar la ubicación geométrica e información geográfica. Se representan por lo general
por medio de puntos, líneas o polígonos.
Los formatos shapefile son conjunto de capas temáticas en formato vectorial las cuales se
pueden abrir y trabajar en el programa ArcGIS; Este formato de representación vectorial
desarrollado por ESRI (Enviromental Systems Research Institute). Consta de un número
variable de archivos, en los que se almacena digitalmente la localización de los elementos
geográficos (archivo shape *.shp) junto con sus atributos o características. (Universidad de
Alcalá).
3.2.8.2. VBA para EXCEL (Visual Basis for Aplication)
Microsoft Excel 2010 es una herramienta convencionalmente utilizada para manipular,
analizar y presentar datos. A veces, no obstante, a pesar del amplio conjunto de
características que ofrece la interfaz de usuario (UI) estándar de Excel, es posible que se
desee encontrar una manera más fácil de realizar una tarea repetitiva y común, o de realizar
alguna tarea no incluida en la interfaz de usuario. Para ello, dentro de las aplicaciones de
Office, como Excel, tienen Visual Basic para Aplicaciones (VBA), un lenguaje de
programación que brinda la posibilidad de ampliar dichas aplicaciones.
En general, VBA funciona mediante la ejecución de macros, procedimientos paso a paso
escritos en Visual Basic
3.3. Marco Legal
Las leyes, normas y decretos de la normatividad del país que se deben tener presentes
para el desarrollo y planteamiento del proyecto son las que se detallan en la tabla 3.1.
Tabla 3.1 Normatividad Colombiana, sobre los recursos hídricos. TITULO DESCRIPCIÓN
31
Decreto 393 de 2010 Trata sobre el uso del Agua y conceptos. El artículo 5 establece los criterios de priorización para el ordenamiento del recurso hídrico.
RESOLUCIÓN 2160 de 2007
La política hídrica nacional está bajo la responsabilidad del grupo de recursos hídricos del Vice ministerio de ambiente y desarrollo.
RESOLUCION 240 de 2004
Por la cual se definen las bases para el cálculo de la depreciación y se establece la tarifa mínima de la tasa por utilización de aguas
RESOLUCION 865 DE 2004
Por la cual se adopta la metodología para el cálculo del índice de escasez para aguas superficiales a que se refiere el Decreto 155 de 2004 y se adoptan otras disposiciones.
RESOLUCIÓN 104 de 2003
En el artículo 11 de esta resolución expresa que el IDEAM tiene la responsabilidad de priorizar las cuencas hidrográficas para su ordenación.
DECRETO 1729 DE 2002
Por el cual se reglamenta la Parte XIII, Título 2, Capítulo III del Decreto-ley 2811 de 1974 sobre cuencas hidrográficas, parcialmente el numeral 12 del artículo 5o. de la Ley 99 de 1993 y se dictan otras disposiciones.
LEY 373 DE 1997 Ahorro y uso eficiente del agua en Colombia
LEY 99 DE 1993
Por la cual se crea el Ministerio del Medio Ambiente, se reordena el Sector Público encargado de la gestión y conservación del medio ambiente y los recursos naturales renovables, se organiza el Sistema Nacional Ambiental, SINA, y se dictan otras disposiciones.
LEY 2811 DE 1974 El recurso hídrico está contemplado y protegido en la constitución nacional en los artículos 79 y 80 principalmente, los cuales desarrollan y mantienen la idea del Código de recursos naturales.
Fuente: Fuente Gobernación de Cundinamarca, tomada en septiembre del 2016
3.4. Marco Contextual
En el desarrollo del proyecto es fundamental describir la importancia del lugar en donde
se efectuó la investigación. La información proporciona aspectos urbanísticos,
demográficos, recursos de los habitantes de la cuenca. La quebrada El Cune que se
encuentra localizada en el departamento de Cundinamarca, Colombia y sus características
hidrográficas serán descritas más adelanta en el presente trabajo.
El departamento de Cundinamarca está situado en pleno corazón de Colombia, limita
por el norte con el Departamento de Boyacá, por el oriente con el Departamento del Meta,
por el sur y por el suroeste con el Departamento del Huila y por el occidente con el
Departamento del Tolima.
El Municipio de Villeta, municipio con relevante importancia den
quebrada El Cune, se encuentra ubicado sobre la zona noroccidental del Departamento de
Cundinamarca. Pertenece a la Provincia del Gualivá. Situado al Noroeste de Bogotá, en un
valle pintoresco y fértil formado por las cuencas del Río
antes de llegar al casco urbano forman el Río Villeta. Su territorio quebrado y montañoso
se extiende al lado y lado del Río hasta las cuchillas de la cordillera que encierran el Valle.
Su localización geográfica está a los 5
Occidental. Su Temperatura media es de 25º C. Tiene una superficie de 140 Km2 (14.000
Has). Su altitud está comprendida entre los 850 msnm en el punto denominado Tobia
Grande, sobre el límite del municipio, y 1.
sobre el nivel del mar en el casco urbano está entre 779 y 842 msnm.
Figura 3.3 Microcuenca Quebrada CuneFuente: Elaboración propia. ArcGIS 10.2
El Municipio de Villeta, municipio con relevante importancia den
quebrada El Cune, se encuentra ubicado sobre la zona noroccidental del Departamento de
Cundinamarca. Pertenece a la Provincia del Gualivá. Situado al Noroeste de Bogotá, en un
valle pintoresco y fértil formado por las cuencas del Río Dulce y el Bituima, que unidos
antes de llegar al casco urbano forman el Río Villeta. Su territorio quebrado y montañoso
se extiende al lado y lado del Río hasta las cuchillas de la cordillera que encierran el Valle.
Su localización geográfica está a los 5º 01´ de Latitud Norte y 74º 28´ de Longitud
Occidental. Su Temperatura media es de 25º C. Tiene una superficie de 140 Km2 (14.000
Has). Su altitud está comprendida entre los 850 msnm en el punto denominado Tobia
Grande, sobre el límite del municipio, y 1.950 msnm en la Vereda la Esmeralda. La altura
sobre el nivel del mar en el casco urbano está entre 779 y 842 msnm.
Microcuenca Quebrada Cune Elaboración propia. ArcGIS 10.2
32
El Municipio de Villeta, municipio con relevante importancia dentro de la microcuenca
quebrada El Cune, se encuentra ubicado sobre la zona noroccidental del Departamento de
Cundinamarca. Pertenece a la Provincia del Gualivá. Situado al Noroeste de Bogotá, en un
Dulce y el Bituima, que unidos
antes de llegar al casco urbano forman el Río Villeta. Su territorio quebrado y montañoso
se extiende al lado y lado del Río hasta las cuchillas de la cordillera que encierran el Valle.
º 01´ de Latitud Norte y 74º 28´ de Longitud
Occidental. Su Temperatura media es de 25º C. Tiene una superficie de 140 Km2 (14.000
Has). Su altitud está comprendida entre los 850 msnm en el punto denominado Tobia
950 msnm en la Vereda la Esmeralda. La altura
Ver figura 3.3.
33
De esta manera, en el marco del desarrollo de la siguiente investigación teniendo en
cuenta que el estudio radica en la cuenca hidrográfica El Cune se puede decir que dicha
limita al norte con el Departamento de Boyacá, al sur con la cuenca del Río Bogotá, por el
oriente con la cuenca del Río Minero y parte media del Río Bogotá finalmente por el
occidente con la cuenca del Río Magdalena.
Comprende los municipios de Albán, Bituima, El Peñón, Caparrapí, Guaduas, Guayabal
de Síquima, la Palma, La Peña, La Vega, Nimaima, Nocaima, Pacho, Puerto Salgar,
Quebrada Negra, San Francisco, Sasaima, Supata, Topaipí, Utica, Vergara, Vianí Villeta y
Yacopí.
Por otro lado, el primer acueducto (tanque subterráneo) fue construido en 1828 el cual
dio solución a los problemas sanitarios de la época, pero más tarde en 1898 tuvo que ser
remplazado por el sistema de Ordenanza que hasta nuestros días abastece de agua al
municipio.
3.2.9. Población área de Influencia
El departamento contaba con una población de 24.340 habitantes según datos del censo
2005 (DANE, Departamento Administrativo Nacional de Estadística).
Si comparamos los datos de Villeta con los del departamento de Cundinamarcaconcluimos
que ocupa el puesto 16 de los 116 municipios que hay en el departamento y representa un
1,1 % de la población total de éste.
A nivel nacional, Villeta ocupa el puesto 275 de los 1.119 municipios que hay en Colombia
y representa un 0,0568 % de la población total del país.
Según Moreno y Puentes, 2005, La Quebrada Cune, es un abastecedor del acueducto
municipal de Villeta, es otra fuente hídrica importante para el municipio, conformada por
las quebradas de la Tetilla, Los Cristales y Limoncito, siendo este un abastecedor del
acueducto municipal de Villeta. Al margen de la quebrada es normal encontrar
asentamientos humanos.
34
3.2.10. Altitud
La altitud de la cuenca varía entre los 800 hasta los 3600 msnm, con temperaturas entre
los 8ºC y los 26ºC, con un régimen de lluvias tipo bimodal, con totales anuales de 1923
mm, lo que hace que el área de estudio sea de carácter que varía desde el súper húmedo en
las cuencas del río Guaguaquí y bajo río Negro; húmedo hasta semiseco, en el río alto
Negro; semiárido en las cuencas del río Villeta y árido en esta misma y la de los ríos
Pinzaima y Supatá.
3.2.11. Área de la Micro-Cuenca de la quebrada el CUNE
Definida como la superficie de la cuenca delimitada por la divisoria topográfica, se
considera como el área que contribuye con la escorrentía superficial, la cual afecta las crecidas,
flujo mínimo y la corriente media en diferentes modos.
La microcuenca de la Quebrada Cune se encuentra localizada en el municipio de Villeta
en el departamento de Cundinamarca, está compuesta por las veredas de Cune, La
esmeralda, Sin Isidro, Quebrada Honda, La Masata, Salitre Blanco Alto, Salitre Blanco
Bajo los cuales ocupan un área aproximada de 30 Km2(Londoño, 2013).
3.2.12. Clima
En general casi una tercera parte del municipio presenta un clima cálido seco que está
ubicado en la zona norte, mientras que en la zona central se encuentran climas cálidos
semiáridos y templados súper-húmedos. La zona sur está compuesta por climas templados
húmedos y templados subhúmedos. Se caracteriza por presentar dos periodos, uno seco y
otro húmedo.
35
La humedad relativa anual oscila entre el 80 y el 85%, la evaporación presenta valores entre
1000 y 1600 mm/año, el brillo solar oscila entre 1400 y 1700 horas sol durante el año, la
temperatura media del municipio es de 24 grados alcanzando algunas veces valores
superiores a los 30 grados y la precipitación anual va desde los 1500 mm en el occidente a
los 2500 mm en el oriente.
3.2.12.1. Temperatura
La climatología de la Cuenca El Cune y la región cambia cíclicamente cuando se
presentan los fenómenos del niño y de la niña. En general casi una tercera parte del
municipio presenta un clima cálido seco.
El brillo solar oscila entre 1.400 y 1.700 horas sol durante el año. Este hecho se
considera benéfico para el aprovechamiento de la energía solar y excelente para la
generación de masa vegetal y en general para el crecimiento de las Plantas.
La distribución espacial de este elemento en el Municipio permite determinar que la
zona norte es la más cálida con temperaturas que oscilan entre los 22.5 y 25 °C, mientras
que en la zona Sur la temperatura esta entre 17, 5 y 25 °C. La temperatura media máxima
anual en el Municipio oscila entre 25 y 30 °C, presentándose los valores máximos en la
zona norte.
El clima en la Cuenca El Cune influencia todos los aspectos de la vida vegetal, animal y
humana, determina el tipo de vegetación y por consiguiente el uso del suelo y de la tierra en
los diferentes paisajes.
3.2.12.2. Precipitación
La distribución espacial de la precipitación media anual presenta los máximos en la parte
Oriental, donde se alcanzan niveles pluviométricos por encima de los 2.000 mm/año
36
(IDEAM, 2016). Al occidente del Municipio se observa una disminución gradual de las
lluvias con precipitaciones del orden de los 1.500 mm/año. Esta zona se caracteriza como la
de menor pluviosidad anual. La precipitación media anual del Municipio oscila entre los
1.500 y los 2.000 mm/año, para una precipitación media resultante de 1.600 mm.
Temporalmente se presentan dos periodos de altas precipitaciones, el primero de ellos lo
conforman los meses de marzo, abril y mayo con precipitaciones que oscilan entre 160 y
232 mm/mes, mientras que el segundo periodo lo conforman los meses de septiembre,
octubre y noviembre, con lluvias entre 160 y 260 mm/mes. Este se considera el periodo
más lluvioso mensual. Los demás meses del año oscilan entre 80 y 120 mm. El mes más
seco es julio con 55 mm, 229 mm mientras que la caída media en noviembre es el mes en el
que tiene las mayores precipitaciones del año(POT, Vol. 1, Municipio de Villeta, 1999).
3.2.13. Hidrología
El agua es uno de los determinantes de la asignación de usos para asentamientos
humanos y para actividades agropecuarias e industriales. Villeta es uno de los municipios
del Departamento más ricos en agua, pero su distribución es inequitativa en la zona rural.El
agua es el elemento vital del ser humano, forma parte de todos los procesos productivos y
extractivos y es un recurso vital para todos los ecosistemas, por esta razón al estudiar las
propiedades, distribución y circulación del agua en Villeta y su disponibilidad en la
superficie y en el subsuelo, se pudieron apreciar sus usos actuales y potenciales.
La microcuenca Cune registra aforos y presenta caudales medios que oscilan entre 1 y
13 m3/s. Los máximos caudales están entre 3 y 28 m3 /s mientras que los mínimos se
encuentran entre 1 y 7 m3 /s. En cuanto a la hidrografía del sector rural de Villeta se
identifican las microcuencas hidrográficas del Río Dulce que desemboca en el Río Namay,
el cual al unirse con el Bituima forman el Río Villeta a la altura de Bagazal. Estos ríos
recogen toda la escorrentía del sector rural del Municipio de sur a norte. Los caudales
calculados para el Río Dulce que servirá para construir la tercera bocatoma del acueducto
37
de Villeta se muestran en la siguiente tabla tomada del estudio hidrológico del Río Dulce
(efectuado por Páez y Otros 1.997).
4. Metodología
Investigación Descriptiva
El tipo de investigación propuesta para el desarrollo del proyecto es descriptivo dado
que se pretendió, de modo sistemático y con ayuda de búsqueda de datos complementados
(reconstrucción de series de precipitación); y con la ayuda de programas computacionales
tales como ArcGIS y Visual Basic for Aplication (VBA); caracterizar la precipitación en la
Micro-cuenca de la quebrada El Cune.
Etapa 1: Recopilación de Datos
Se recopilaron los datos de precipitación suministrados por las estaciones pluviométricas
del IDEAM. Con estos datos se construyó una base de datos que permitió filtrar la
información que no tuviese una influencia relevante en la zona de estudio;como se
mencionó anteriormentela CAR no se toma en cuenta como fuente para la investigación ya
que no posee estaciones pluviométricas en dicha áreade influencia.
Etapa 2: Construcción del Modelo de la Cuenca en ArcGis
Utilizando ArcGIS y los Shapefile (Base de Datos, IDEAM), se construyó a partir de la
información representada por capas, un modelo del departamento, con sus municipios,
cuerpos de agua, y estaciones meteorológicas; obteniendo como producto final el modelo
de la Micro-cuenca El Cune.
38
Etapa 3: Análisis de consistencia de datos
En esta fase se procedió a realizar un análisis de datos suministrados por parte del
IDEAM para hallar las series de datos faltantes y la calidad de la información suministrada
de las estaciones tomadas en cuenta para la presente investigación. Posteriormente, se
procede a trabajar según los datos suministrados por dicha Entidad y hacer uso de la
metodología de la curva de doble masa.
El método de doble masa considera que en una zona meteorológica homogénea, los valores
de precipitación que ocurren en diferentes puntos de esa zona en períodos anuales o
estacionales, guardan una relación de proporcionalidad que puede representarse
gráficamente. Esa representación consiste en identificar la estación que queremos controlar,
tomando los valores anuales de precipitación. Luego deben contarse con por lo menos tres
(3) estaciones vecinas cuyos registros anuales sean confiables y que llamaremos estaciones
base, cuya serie de datos anuales debe coincidir con el de la estación a controlar.
Figura 4.1 Representación Gráfica Curva de Doble Masa Fuente:Universidad Nacional del Nordeste- Facultad de Ingeniería, Departamento de Hidráulica, pág. 6.
39
Etapa 4: Reconstrucción de Series de Precipitación
Se reconstruyeron las series de precipitación suministradas por el IDEAM, utilizando
modelos convencionales tales como: Combinación Lineal Ponderada y Distancia Inversa
Ponderada.
Etapa 5: Análisis de resultados y conclusiones
Según los datos obtenidos se llevó a cabo los resultados de la construcción de las series
de precipitación y la comparación de los diferentes métodos evaluados en la presente
investigación. Una vez reconstruidas las series, se procedió a calcular la precipitación
media de la microcuenca, utilizando el método de los Polígonos de Thiessen, con el
objetivo de validar los resultados.
Etapa 6: Construcción del Hietograma
Luego de obtener los cálculos de precipitación media por medio del método de los
polígonos de Thiessen, se construyó el Hietograma de la precipitación en mm, y así se
realizó la comparaciónentre los datos existentes en el POMCAS y los datos obtenidos
experimentalmente.
40
5. Resultado y Análisis
5.1. Microcuenca Quebrada Cune
La microcuenca de la Quebrada Cune se encuentra localizada en el municipio de Villeta
en el departamento de Cundinamarca, está compuesta por las veredas de Cune, La
esmeralda, Sin Isidro, Quebrada Honda, La Masata, Salitre Blanco Alto, Salitre Blanco
Bajo los cuales ocupan un área aproximada de 30 Km2(Londoño, 2013) como se puede
observar en la Figura 5.1.
El modelo de la Microcuenca de la Quebrada Cune fue realizada en ArcGis 10.2 con
información de Shapefiles suministrados en la página del IDEAM y en visitas realizadas a
esta entidad, de igual manera, se recopilo información de la página electrónica de ArcGis
donde suministran Shapefiles de Departamentos, Veredas y Ríos. Para la
georreferenciación de los diferentes componentes del modelo en ArcGis se trabajaron
coordenadas MAGNA SIRGAS las cuales son las utilizadas por el Instituto Agustín
Codazzi, para sistemas de información geográfica en la elaboración de sistemas SIG en el
país. (VER ANEXO C)
5.2. Estaciones IDEAM
Las estaciones que se utilizaron en el presente trabajo del IDEAM son de tipo
pluviométricas, las cuales tienen como función registrar datos de precipitación en las
diferentes zonas de Colombia, en este caso en el departamento de Cundinamarca.
Los registros de precipitación con los que se contó para este estudio fueron
suministrados por el IDEAM. Para la Microcuenca de la Quebrada Cune y alrededores se
41
encontraron un total de ocho estaciones pluviométricas entre activas, suspendidas,
manuales y automáticas. Una estación localizada en el municipio de Villeta se suspendió en
el año 1974 por lo cual no se tomó en cuenta para el presente estudio, la estación 23067070
se encuentra localizada en la cabecera municipal del Municipio de Villeta, siendo de tipo
automática por lo cual no se encontró información de esta en el IDEAM; la estación
23065200 se encuentra localizada la vereda de la Masata la cual se encuentra dentro del
área de estudio de la presente investigación, dicha estación fue instalada en el año 2009 y
cuenta con información hasta parte del año 2015.
Las estaciones 23060140, 2300260, 21230120, 2306290 se encuentran fuera del área de
estudio de la presente investigación pero se localizan a menos de 30 km de distancia, rango
que se determina teniendo en cuenta que los datos obtenidos se pueden apreciar con este
margen, por tal manera estas estaciones fueron seleccionadas para la utilización de los
diferentes métodos de completar datos ya que cuentan con la suficiente información y en la
zona de estudio no se cuentan con más estaciones para la implementación de los datos, la
información de localización, tipo coordenadas y fechas de instalación se encuentran
resumidas en la Tabla 5.1
Tabla 5.1 Estaciones de trabajo.
CODIGO DE LA
ESTACION DEPARTAMENTO MUNICIPIO NOMBRE DE LA
ESTACION CLASE CATEGORIA
COORDENADAS
ELEVACION (m.s.n.m.)
Años de uso
GMS
LATITUD LONGITUD inicio
23065200 CUNDINAMARCA VILLETA REMEDIOS MET PM 5° 1' 41.5'' N 74° 30' 14.1'' W 1068 13/05/2009
23065180 CUNDINAMARCA VILLETA CUESTECITA MET CP 5° 0' 0.7'' N 74° 28' 15.5'' W 878 10/12/2004
23067070 CUNDINAMARCA VILLETA LAGUNITAS HID LM 5° 0' 40.7'' N 74° 28' 13.8'' W 790 15/08/1974
21230120 CUNDINAMARCA CHAGUANÍ BELLEZA MET PM 4° 59' 7.4'' N 74° 34' 52'' W 1200 15/12/1986
23060140 CUNDINAMARCA GUADUAS TUSCOLO MET PM 5° 4' 41.6'' N 74° 36' 42.5'' W 975 15/02/1971
23060290 CUNDINAMARCA SASAIMA CANAVERALES MET PM 4° 58' 23.4'' N 74° 24' 43.4'' W 1425 15/03/1986
23060260 CUNDINAMARCA NOCAIMA POZO HONDO MET PM 5° 3' 52.7'' N 74° 22' 55.3'' W 1500 15/12/1987
Fuente: Elaboración propia con datos suministrados por el IDEAM.
5.2.1. Datos Registrados de Precipitación
El periodo de análisis seleccionada comprende un total de 27 años los cuales van desde
el año 1988 y 2014, este periodo de estudio se definió por la estación 23060260 ya que su
fecha de instalación fue diciembre de 1987, las demás esta
hasta el año 2014, por tal motivo el periodo de estudio se definió de este intervalo.
Las estaciones seleccionadas para el presente estudio cuentan con un total de 41.585
datos los cuales 2137 son de la estación 230652 que co
año 2009 hasta el 2014
resto de estaciones cuentan cada una con un total de 9862 datos, en total hay 39.880 datos
registrados, 1705 datos perdidos y 24.525 d
Figura 5.2 Datos faltantes y registrados estaciones pluviométricas, período 1988 Fuente: Elaboración propia con datos suministrados por el IDEAM
Por otro lado, se puede observar que el porcentaje de datos en cero, o e
datos sin registro de lluvia en algunos días del periodo de estudio 2009
El periodo de análisis seleccionada comprende un total de 27 años los cuales van desde
el año 1988 y 2014, este periodo de estudio se definió por la estación 23060260 ya que su
fecha de instalación fue diciembre de 1987, las demás estaciones cuentan con registros
hasta el año 2014, por tal motivo el periodo de estudio se definió de este intervalo.
Las estaciones seleccionadas para el presente estudio cuentan con un total de 41.585
datos los cuales 2137 son de la estación 230652 que comprende un periodo de estudio del
año 2009 hasta el 2014, tal como lo muestra la figura 5.2 Análisis Datos Estaciones
resto de estaciones cuentan cada una con un total de 9862 datos, en total hay 39.880 datos
registrados, 1705 datos perdidos y 24.525 datos registrados en cero.
Datos faltantes y registrados estaciones pluviométricas, período 1988 –Elaboración propia con datos suministrados por el IDEAM.
Por otro lado, se puede observar que el porcentaje de datos en cero, o e
datos sin registro de lluvia en algunos días del periodo de estudio 2009
42
El periodo de análisis seleccionada comprende un total de 27 años los cuales van desde
el año 1988 y 2014, este periodo de estudio se definió por la estación 23060260 ya que su
ciones cuentan con registros
hasta el año 2014, por tal motivo el periodo de estudio se definió de este intervalo.
Las estaciones seleccionadas para el presente estudio cuentan con un total de 41.585
mprende un periodo de estudio del
Análisis Datos Estaciones, el
resto de estaciones cuentan cada una con un total de 9862 datos, en total hay 39.880 datos
– 2014.
Por otro lado, se puede observar que el porcentaje de datos en cero, o en otras palabras
datos sin registro de lluvia en algunos días del periodo de estudio 2009-2014 superan el
43
40% del total de los datos, la estación 21230120 es la estación que cuenta con mayor
número de datos sin registro de lluvia (67.99%), caso contrario la estación 23060290 tiene
un porcentaje de datos en cero del 47.00%. La distribución de los datos faltantes, datos en
cero y registrados para cada estación se puede evidenciar en la tabla 5.2.
Tabla 5.2 Estaciones de trabajo
ESTACIONES
23065200 21230120 2306140 23060260 23060290 Total datos 2137 9862 9862 9862 9862 Datos registrados 1703 9649 9398 9728 9402 Datos faltantes 434 213 464 134 460 Datos en cero 997 6705 6275 5913 4635 % Datos Registrados 79.69% 97.84% 95.30% 98.64% 95.34% % Datos Faltantes 20.31% 2.16% 4.70% 1.36% 4.66% % Datos en cero 46.65% 67.99% 63.63% 59.96% 47.00% Fuente: Elaboración propia con datos suministrados por el IDEAM.
Como se puede observar en la figura 5.2 la estación 23065200 cuenta con un porcentaje
de datos faltantes de 20.31% equivalente a 434 días sin tener datos registrados siendo así un
poco más de un año en su periodo de 2009-2014, por otra parte, las estaciones 21230120,
2306140, 23060260 y 23060290 cuentan con un porcentaje de datos perdidos menor al 5%
teniendo como máximo 470 datos sin registro en cada estación, con esto se puede observar
que el porcentaje de error entre los diferentes métodos que se van a utilizar en esta
investigación no variaran considerablemente y su error no será superior al 5%.
Debemos tener encuenta que cuando se registran datos como cero (0) no significa datos
faltantes no registrados, en este estudio se toman los datos no registrados como menos uno
(-1) para la programaciónde los diferentes métodos trabajados.
5.3. Análisis de Consistencia de Datos por el Método de Curva de Doble Masa
Una serie de tiempo de datos hidrológicos es relativamente constante si los datos son
periódicamente proporcionales a una serie de tiempo registrada simultáneamente ((Chang
& Lee, 1974). La consistencia significativa de los datos hidrológicos en una observación
significativa de la estación, son generados por el mismo mecanismo que correlaciona datos
similares de otras estaciones comúnmente denominadas como estaciones
En este estudio, se aplicó el análisis de doble masa para verificar
de precipitaciones anuales de estaciones cercanas. A continuación, se presenta a manera de
ejemplo, el análisis de consistencia realizado entre la esta
índices 2306140, 23060260 y la 23060290
entre la estaciones mencionadas, pues son las estaciones m
estudio, y por tanto, si se encuentra una con
resultados más convenientes entre las estaciones m
Figura 5.3 Curva de doble masa entre Fuente: Elaboración propia con datos suministrados por el IDEAM.
significativa de la estación, son generados por el mismo mecanismo que correlaciona datos
similares de otras estaciones comúnmente denominadas como estaciones
En este estudio, se aplicó el análisis de doble masa para verificar la coherencia entre datos
de precipitaciones anuales de estaciones cercanas. A continuación, se presenta a manera de
ejemplo, el análisis de consistencia realizado entre la estación 21230120 y las estaciones
índices 2306140, 23060260 y la 23060290, considerando relevante presentar este an
entre la estaciones mencionadas, pues son las estaciones más alejadas de la mi
, y por tanto, si se encuentra una consistencia aceptable entre ellas, es de esperarse
ás convenientes entre las estaciones más próximas.
Curva de doble masa entre las estaciones 2306140, 23060260 y 23060290.propia con datos suministrados por el IDEAM.
44
significativa de la estación, son generados por el mismo mecanismo que correlaciona datos
similares de otras estaciones comúnmente denominadas como estaciones índice.
la coherencia entre datos
de precipitaciones anuales de estaciones cercanas. A continuación, se presenta a manera de
ción 21230120 y las estaciones
relevante presentar este análisis
ás alejadas de la microcuenca de
sistencia aceptable entre ellas, es de esperarse
2306140, 23060260 y 23060290.
Figura 5.4Curva de doble masa entreFuente: Elaboración propia con datos suministrados por el IDEAM.
Figura 5.5Curva de doble masa entre Fuente: Elaboración propia con datos suministrados por el IDEAM
Curva de doble masa entre las estaciones 21230120, 23060260 y 23060290.ación propia con datos suministrados por el IDEAM.
Curva de doble masa entre las estaciones 21230120, 2306140 y 23060260Elaboración propia con datos suministrados por el IDEAM.
45
21230120, 23060260 y 23060290.
21230120, 2306140 y 23060260.
Figura 5.6Curva de doble masa entre Fuente: Elaboración propia con datos suministrados por el IDEAM.
Como se puede apreciar en la figura 5.3 la curva de doble masa que presentó el coeficiente
de correlación lineal más bajo fue con la estación 23060260 y el d
correlación fue con la estación 23060290. Sin embargo, todas las correlaciones lineales son
bastante aceptables.
5.4. Reconstrucción de Series de Precipitación
5.4.1. Métodos Convencionales
Las series de datos utilizados en la microcuen
un período de tiempo de 27 años, que corresponden desde 1988 hasta 2014. Estos datos no
son homogéneos debido a que en las estaciones pluviométricas no se encuentran registros
de algunos días, debido a esto se recons
convencionales,
El primer método utilizado es el de
el que se utiliza la relación de las distancias, de tal manera que al aplicar el método, se le
otorga un mayor peso a
Curva de doble masa entre las estaciones 21230120, 2306140 y 23060260.Elaboración propia con datos suministrados por el IDEAM.
Como se puede apreciar en la figura 5.3 la curva de doble masa que presentó el coeficiente
de correlación lineal más bajo fue con la estación 23060260 y el de mayor coeficiente de
correlación fue con la estación 23060290. Sin embargo, todas las correlaciones lineales son
Reconstrucción de Series de Precipitación
Métodos Convencionales
Las series de datos utilizados en la microcuenca de la quebrada Cune se encuentran en
un período de tiempo de 27 años, que corresponden desde 1988 hasta 2014. Estos datos no
son homogéneos debido a que en las estaciones pluviométricas no se encuentran registros
de algunos días, debido a esto se reconstruyeron implementando tres métodos
El primer método utilizado es el de ponderación del inverso de la distancia
el que se utiliza la relación de las distancias, de tal manera que al aplicar el método, se le
las estaciones que cuenten con menor distancia, el segundo método
46
21230120, 2306140 y 23060260.
Como se puede apreciar en la figura 5.3 la curva de doble masa que presentó el coeficiente
e mayor coeficiente de
correlación fue con la estación 23060290. Sin embargo, todas las correlaciones lineales son
ca de la quebrada Cune se encuentran en
un período de tiempo de 27 años, que corresponden desde 1988 hasta 2014. Estos datos no
son homogéneos debido a que en las estaciones pluviométricas no se encuentran registros
truyeron implementando tres métodos
ponderación del inverso de la distancia (IDW) en
el que se utiliza la relación de las distancias, de tal manera que al aplicar el método, se le
las estaciones que cuenten con menor distancia, el segundo método
47
utilizado fue el método de regresión lineal el cual permite analizar o encontrar la relación
que existe entre una estación como variable dependiente y otra como variable
independiente, por último se utilizó el método de combinación lineal ponderada (CLP) el
cual utiliza los coeficientes de correlación entre las series de las estaciones. Es importante
resaltar que en el anteproyecto se planteó utilizar el método de mínimos cuadrados dado
que no se tenía conocimiento de la calidad de la información suministrada. Sin embargo,
dado que la mayoría de las estaciones pluviométricas no se localizan dentro de la
microcuenca El Cune, se decidió reemplazarlo por el método del inverso de la distancia con
el fin de obtener datos mucho más confiables.
5.4.1.1. Ponderación del Inverso de la Distancia (IDW)
Otro de los métodos utilizados fue la ponderación del inverso de la distancia (IDW), este
método usa información pluviométrica de estaciones cercanas. Como variable principal se
trabajó la distancia existente entre la estación con las cuales se reconstruirían los datos
faltantes, esta variable se calcula por medio de estas distancias, dando distinto peso a cada
una de ellas según la distancia a la que se encuentren del punto estimado.
En términos generales el método se aplica de la siguiente manera:
���� = ���. ������ + ���. ������ + ���. ������ + ⋯
Fuente: Métodos de Interpolación, Tema 1: Conceptos de Construcción MDE, recuperado el 12 de octubre de 2016. http://www6.uniovi.es/~feli/CursoMDT/Tema1/Page16.html
Donde �� es el inverso de la distancia y se determina de la siguiente manera:
�� =�
�∝
Siendo: d la distancia entre a estación índice y la estación con la que se va a completar el
dato, y α el factor de potencia
Fuente: Métodos de Interpolación, Tema 1: Conceptos de Construcción MDE, recuperado el 12 de octubre de http://www6.uniovi.es/~feli/CursoMDT/Tema1/Page16.html
Tabla 5.3 Matriz de distancias Microcuenca Queb
MATRIZ DE DISTANCIAS (Km)
Estaciones 23065200
23065200 1.0
21230120 9.82
23060140 13.22
23060290 11.91
23060260 14.15
Fuente: Elaboración propia.
Según los datos obtenido
combinaciones de distancias y de ello
las figuras 5.7, 5.8, 5.9, 5.
Figura 5.7 Mapa de distancias estación 23065120.
Matriz de distancias Microcuenca Quebrada Cune.
MATRIZ DE DISTANCIAS (Km)
23065200 21230120 23060140 23060290
9.8 13.2 11.9
1.0 10.9 18.8
10.87 1.0 25.1
18.8 25.10 1.0
23.8 25.60 10.7
Elaboración propia.
Según los datos obtenidos en el IDEAM y en ArcGis se hicieron las diferentes
combinaciones de distancias y de ello se encuentra la matriz anterior, la cual
, 5.10 y 5.11 de la Microcuenca Quebrada El Cune.
Mapa de distancias estación 23065120.
48
23060260
14.1
23.8
25.6
10.7
1.0
en el IDEAM y en ArcGis se hicieron las diferentes
matriz anterior, la cual se observa en
uenca Quebrada El Cune.
Fuente: Elaboración propia. ArcGIS 10.2
Figura 5.8 Mapa de distancias estación 2306140.Fuente: Elaboración propia. ArcGIS 10.2
Figura 5.9 Mapa de distancias estaFuente: Elaboración propia. ArcGIS 102
Elaboración propia. ArcGIS 10.2
Mapa de distancias estación 2306140. Elaboración propia. ArcGIS 10.2
Mapa de distancias estación 23060260. Elaboración propia. ArcGIS 102
49
Figura 5.10Mapa de distancias estación 2306290.Fuente: Elaboración propia. ArcGIS 10.2
Figura 5.11 Mapa de distancias estación 23065200.Fuente: Elaboración propia. ArcGIS 10.2
Mapa de distancias estación 2306290. Elaboración propia. ArcGIS 10.2
Mapa de distancias estación 23065200. Elaboración propia. ArcGIS 10.2
50
Tabla 5.4 Comparación método inverso de la distancia.
ESTACIONES SIN COMPLETAR
MES 21230120
ENERO 78,31
FEBRERO 119,01
MARZO 174,05
ABRIL 143,16
MAYO 142,20
JUNIO 50,39
JULIO 45,65
AGOSTO 45,28
SEPTIEMBRE 82,56
OCTUBRE 230,71
NOVIEMBRE 207,06
DICIEMBRE 107,30
PROMEDIO 118,81
∑ 1425,69 Fuente: Elaboración propia.
Figura 5.12Comportamiento mensual promedio.Fuente: Elaboración propia.
paración método inverso de la distancia. ESTACIONES SIN COMPLETAR INVERSO DE LA DISTANCIA
ESTACIONES ESTACIONES
2306140 23060260 23060290 21230120 2306140
64,37 127,29 182,11 79,54 65,51
106,25 178,69 227,53 121,22 107,14
144,78 190,53 230,53 174,05 148,39
164,01 163,64 220,04 189,89 210,97
165,16 165,65 219,65 143,34 169,04
66,38 69,74 101,52 51,38 68,84
44,41 51,77 63,83 45,65 45,21
74,47 64,12 83,16 45,28 74,52
114,56 105,41 118,19 82,56 116,00
225,73 210,65 293,28 233,92 229,47
191,26 233,26 313,75 207,06 193,22
120,42 164,06 227,83 109,16 123,23
123,48 143,73 190,12 123,59 129,29
1481,80 1724,81 2281,42 1483,05 1551,53Elaboración propia.
Comportamiento mensual promedio. Elaboración propia.
51
INVERSO DE LA DISTANCIA
ESTACIONES
2306140 23060260 23060290
65,51 127,68 184,14
107,14 178,72 231,51
148,39 191,00 235,38
210,97 235,59 286,55
169,04 165,65 221,31
68,84 69,74 101,83
45,21 51,77 64,27
74,52 64,12 83,26
116,00 105,68 119,08
229,47 218,79 295,24
193,22 233,26 316,35
123,23 164,28 229,37
129,29 150,52 197,36
1551,53 1806,29 2368,29
52
Como se puede observar en la Tabla 5.4 al momento de completar la serie de datos en el
periodo de análisis 1988-2014 se puede observar que las variaciones en cada una de las
estaciones son menores al 2%, también se puede observar que para las diferentes estaciones
de estudio en el mes de abril se evidenciaron variaciones superiores al 25%,corroborando
así que este fue el mes con mayor registro de datos perdidos . También se puede observar
en la figura 5.12 que los meses donde cuentan con menor porcentaje de lluvia son junio,
julio, agosto y septiembre.
5.4.1.2. Método de Regresión Lineal
La regresión lineal es una técnica estadística utilizada para estudiar la relación entre
variables. Se adapta a una amplia variedad de situaciones. En la investigación social, el
análisis de regresión se utiliza para predecir un amplio rango de fenómenos y es utilizado
para caracterizar la relación entre variables o para calibrar medidas.
Tanto en el caso de dos variables (regresión simple) como en el de más de dos variables
(regresión múltiple), el análisis de regresión lineal puede utilizarse para explorar y
cuantificarla relación entre una variable llamada dependiente o criterio (Y) y una o más
variables llamadas independientes o productoras (X1, X2,..., X), así como para desarrollar
una ecuación lineal con fines predictivos. Además, el análisis de regresión lleva asociados
una serie de procedimientos de diagnóstico (análisis de los residuos, puntos de influencia)
que informan sobre la estabilidad e idoneidad del análisis y que proporcionan pistas sobre
cómo perfeccionarlo. (Gonzales & Santamaría, 2010)
Para la estación 21230120 ubicada en el municipio de Chiguani se aplicó el método de
regresión lineal con las diferentes estaciones de estudio (2306140, 2306260 y 23061290)
para así determinar cuál de estas estaciones cuenta con un mayor coeficiente de
determinación el cual presenta de una u otra manera la relación entre estaciones, como se
puede observar en la figura 5.13 la estación con mayor coeficiente (0.4235) de
determinación es la 23061290, la estación 2306140 cuenta con un coeficiente de
determinación de 0.4188, esta última fue la seleccionada para completar los datos de los
registros faltantes ya que cuenta con mayor cercanía a la estación 21230120 y la que cuenta
con mayor similitud topográfica.
Figura 5.13Regresión lineal estación 21230120 vs 2306140.Fuente: Elaboración propia. ArcGIS 10.2
Figura 5.14Regresión lineal estación 21230120 vs 2306260.Fuente: Elaboración propia. ArcGIS 10.2
registros faltantes ya que cuenta con mayor cercanía a la estación 21230120 y la que cuenta
con mayor similitud topográfica.
resión lineal estación 21230120 vs 2306140. Elaboración propia. ArcGIS 10.2
Regresión lineal estación 21230120 vs 2306260. Elaboración propia. ArcGIS 10.2
53
registros faltantes ya que cuenta con mayor cercanía a la estación 21230120 y la que cuenta
Figura 5.15Regresión lineal estación 21230120 vs 2306290.Fuente: Elaboración propia. ArcGIS 10.2
En la estación 23060140 se realizó la regresión lineal con el resto de estaciones,
encontrando que la estación 21230120 cuenta con uno de los mayores coeficientes de
correlación y es la estación más cercana co
23060260 cuenta con mayor coeficiente de
23060290 se completó con la estación 23060260 por su cercanía entre estas.
es importante resaltar que la magnitud de las correlaciones
entre la naturaleza de las
Figura 5.16Regresión lineal estación 21230140 vs 2306260.Fuente: Elaboración propia. ArcGIS
Regresión lineal estación 21230120 vs 2306290. Elaboración propia. ArcGIS 10.2
En la estación 23060140 se realizó la regresión lineal con el resto de estaciones,
encontrando que la estación 21230120 cuenta con uno de los mayores coeficientes de
y es la estación más cercana como se demuestra en la figura 5.13. La estación
mayor coeficiente de correlacióncon la estación 23060290, al igual la
23060290 se completó con la estación 23060260 por su cercanía entre estas.
portante resaltar que la magnitud de las correlaciones indica una baja
las precipitaciones de cada una de las estaciones.
Regresión lineal estación 21230140 vs 2306260. Elaboración propia. ArcGIS 10.2
54
En la estación 23060140 se realizó la regresión lineal con el resto de estaciones,
encontrando que la estación 21230120 cuenta con uno de los mayores coeficientes de
mo se demuestra en la figura 5.13. La estación
con la estación 23060290, al igual la
23060290 se completó con la estación 23060260 por su cercanía entre estas. Sin embargo,
una baja relación lineal
precipitaciones de cada una de las estaciones.
Figura 5.17Regresión lineal estación 21230140 vs 2306290.Fuente: Elaboración propia. ArcGIS 10.2
Figura 5.18Regresión lineal estación 21230120 vs 2306290.Fuente: Elaboración propia. ArcGIS 1
Regresión lineal estación 21230140 vs 2306290. Elaboración propia. ArcGIS 10.2
Regresión lineal estación 21230120 vs 2306290. Elaboración propia. ArcGIS 10.2
55
56
Tabla 5.5 Comparación método regresión lineal.
ESTACIONES SIN COMPLETAR REGRESIÓN LINEAL
ESTACIONES ESTACIONES
MES 21230120 2306140 23060260 23060290 21230120 2306140 23060260 23060290
ENERO 78,31 64,37 127,29 182,11 93,66 72,24 171,06 256,65
FEBRERO 119,01 106,25 178,69 227,53 145,53 116,33 180,15 289,87
MARZO 174,05 144,78 190,53 230,53 174,05 176,40 191,00 263,90
ABRIL 143,16 164,01 163,64 220,04 237,60 244,16 237,33 309,09
MAYO 142,20 165,16 165,65 219,65 153,28 210,59 165,65 254,26
JUNIO 50,39 66,38 69,74 101,52 65,57 98,38 69,74 111,61
JULIO 45,65 44,41 51,77 63,83 45,65 59,98 51,77 73,32
AGOSTO 45,28 74,47 64,12 83,16 45,28 76,33 64,12 89,56
SEPTIEMBRE 82,56 114,56 105,41 118,19 82,56 134,81 115,19 144,93
OCTUBRE 230,71 225,73 210,65 293,28 249,41 267,80 288,64 331,41
NOVIEMBRE 207,06 191,26 233,26 313,75 207,06 212,47 233,26 357,87
DICIEMBRE 107,30 120,42 164,06 227,83 115,72 144,64 165,88 252,94
PROMEDIO 118,81 123,48 143,73 190,12 134,62 151,18 161,15 227,95
∑ 1425,69 1481,80 1724,81 2281,42 1615,38 1814,14 1933,80 2735,41 Fuente: Elaboración propia.
Al momento de realizar la reconstrucción de datos por el método de regresión lineal se
puede observar que las variaciones con respecto a los datos sin reconstruir son bastante
notables, aumentando de esta manera en un 10% a 49% cada promedio mensual, esto se
debe a que el coeficiente de determinación es tan bajo con este caso, no supero el 0.5, de
igual manera la poca homogeneidad de datos en cada estación genera este tipo de
variaciones en las estaciones de estudio.
5.4.1.3. Combinación Lineal Ponderada (CLP)
Este método sustituye datos faltantes o datos que no tengan coherencia tomando como
referencia datos de estaciones vecinas, dichos datos tienen un peso en la combinación lineal
ponderada proporcional al coeficiente de correlación de Pearson con la serie
incompleta(Barrera 2004);La relación entre el coeficiente de correlación de Pearson y los
datos de estaciones de estudio se pueden expresar como:
57
���� =���. ������ + ���. ������ + ���. ����� + ⋯
�� + �� + �� +⋯
Fuente: Coeficiente de Correlación Lineal, recuperado el 12 de octubre de 2016 de http://www.aulafacil.com/cursos/l11224/ciencia/estadisticas/estadisticas/coeficiente-de-correlacion-lineal
Donde:
��: Corresponde a la correlación de Pearson entre la estación índice (estación a la cual se
le completaran datos)
��. : La estación vecina que tiene sus datos completos para ese instante de tiempo ��.
En la reconstrucción de datos faltantes por medio del modelo estadístico CLP se tomó el
coeficiente de correlación de Pearson, el cual es una medida del grado de relación que
guardan entre los datos a utilizar, para comprobar si, existe similitud estadística entre las
estaciones. La Tabla 5.6 contiene las correlaciones calculadas para la zona de estudio. Para
el cálculo de esta correlación se utilizó el acumulado mensual del periodo de análisis ya que
las estaciones cuentan con un gran número de datos sin registro de lluvia en otras palabras,
datos en cero. Se puede observar que las estaciones cuentan con factores de correlación
superiores al 0.60 y con coeficientes mayores en las estaciones que cuentan con mayor
cercanía entre sí.
Tabla 5.6 Matriz de Correlación estaciones cuenca El Cune
MATRIZ DE CORRELACIÓN PRECIPITACÍON PROMEDIO MENSUA L
ESTACIONES 21230120 2306140 23060260 23060290
21230120 1
2306140 0.647172937 1
23060260 0.631560244 0.653867776 1
23060290 0.650760517 0.635090002 0.753147868 1 Fuente: Elaboración propia.
Tabla 5.7 Comparación método combinación lineal.
Fuente: Elaboración propia.
Al momento de completar las series de las diferentes estaciones no se obtuvieron
variaciones significativas en el a
en la Tabla 5.7 esto debido a que el porcentaje de datos faltantes era muy bajo con respecto
al porcentaje total de datos registrados, al igual que los diferentes métodos el mes de abril
es el mes que mayor variación de datos tuvo esto debido a que es el mes que cuenta con
mayor cantidad de datos perdidos.
Tabla 5.8 Comparación métodos de reconstrucción de datos.
Fuente: Elaboración propia.
Comparación método combinación lineal.
Al momento de completar las series de las diferentes estaciones no se obtuvieron
variaciones significativas en el acumulado anual de la serie de estudio, como se puede ver
esto debido a que el porcentaje de datos faltantes era muy bajo con respecto
al porcentaje total de datos registrados, al igual que los diferentes métodos el mes de abril
e mayor variación de datos tuvo esto debido a que es el mes que cuenta con
yor cantidad de datos perdidos.
Comparación métodos de reconstrucción de datos.
58
Al momento de completar las series de las diferentes estaciones no se obtuvieron
cumulado anual de la serie de estudio, como se puede ver
esto debido a que el porcentaje de datos faltantes era muy bajo con respecto
al porcentaje total de datos registrados, al igual que los diferentes métodos el mes de abril
e mayor variación de datos tuvo esto debido a que es el mes que cuenta con
59
En la figura 5.19 se puede observar que en promedio el método de regresión lineal
cuenta con un error superior al 4% con respecto a los otros métodos he inferiores al 15%, el
método con el que mayor porcentaje de error tiene es el inverso de la distancia, esto debido
a que en ese método se toma la cercanía de la estación como factor multiplicador y de
influencia sobre las diferentes estaciones. En la figura 5.20 al momento de realizar la
comparación de los métodos se observa que el método que cuenta con menor porcentaje de
error respecto al inverso de la distancia, es el método de combinación lineal ponderada.Esto
se debe a que los dos métodos trabajan con factores multiplicadores que asignan de una u
otra manera porcentajes de precipitación entre una estación y otra, por último en la figura
5.21 se puede observar el mismo comportamiento, evidenciando que el método de
regresión lineal cuenta con los mayores porcentajes de error, esto debido a que los datos
son poco homogéneos y el coeficiente de determinación entre una y otra estación son
menores a 0.5.
Figura 5.19Comparación de métodos inverso de la distancia y combinación lineal. Fuente: Elaboración propia.
60
Figura 5.20Comparación de métodos regresión lineal y combinación lineal. Fuente: Elaboración propia.
Figura 5.21Comparación de métodos regresión lineal e inverso de la distancia. Fuente: Elaboración propia.
61
5.4.1.4. Precipitación media
Para la construcción de los polígonos de Thiessen se utilizó el modelo de la cuenca
generado en ArcGis con las estaciones pluviométricas de estudio (21230120, 2306140,
23060260 y 23060290) de los municipios aledaños a la zona de estudio (Microcuenca
quebrada Cune). En la figura 5.22 Se pueden observar el área de influencia de cada una de
las estaciones pluviométricas en la zona de estudio, se puede observar que la estación
21230120 es la estación con mayor porcentaje de área de influencia (56%) para un total de
área de 25,707.33 Km, en la figura 5.22 de igual manera se puede observar que la estación
que menos influye en la zona de estudio es la estación 2306140 con un porcentaje de 9% y
un área total de 4,045.56 Km.
Figura 5.22Área de influencia estaciones de estudio. Fuente: Elaboración propia.
56%
9%
11%
[VALOR]
% Área de influencia
21230120 2306140 23060260 23060290
25707,33
4045,56
4821,11
[VALOR]
Área influencia (Km)
21230120 2306140 23060260 23060290
62
Anexo E. Area de influencia estaciones de estudio
Figura 5.23Área de influencia estaciones de estudio. Fuente: Elaboración propia.
Con la reconstrucción de las series de precipitación por los métodos convencionales, se
seleccionó el método de combinación lineal ponderada para completar el registro de
precipitaciones, y proceder con elcálculo de la precipitación media, facilitando la
construcción del Hietograma para el periodo de análisis seleccionado (1988-2014). La
decisión de utilizar el método de combinación lineal ponderadapara la obtención de la
precipitación media de la microcuenca, se debe a que los resultados se mantuvieron dentro
del promedio de los otros métodos convencionales analizados. En la tabla 5.9 se puede
observar en la precipitación media de la cuenca mensual la cual es utilizada para calcular la
precipitación media por los polígonos de Thiessen.
63
Tabla 5.9 Precipitación Promedio mensual registrada en los períodos 1988 – 2014.
COMBINACIÓN LINEAL
ESTACIONES
MES 21230120 2306140 23060260 23060290
ENERO 83.58 68.77 130.61 190.87
FEBRERO 126.09 108.40 178.87 240.90
MARZO 174.05 152.90 191.00 239.77
ABRIL 204.32 216.75 235.72 289.68
MAYO 145.23 174.69 165.65 227.20
JUNIO 54.25 72.62 69.74 103.20
JULIO 45.65 46.40 51.77 65.79
AGOSTO 45.28 74.63 64.12 83.67
SEPTIEMBRE 82.56 118.26 106.04 121.97
OCTUBRE 238.85 234.81 231.73 303.11
NOVIEMBRE 207.06 195.59 233.26 326.17
DICIEMBRE 115.24 127.23 165.05 234.81
PROMEDIO 126.85 132.59 151.96 202.26
∑ 1522.17 1591.05 1823.57 2427.15 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
En las tablas 5.10 hasta la 5.21 se puede observar mes a mes la aplicación del método de
polígonos de Thiessen para el cálculo de la precipitación media, utilizando como es sabido
el área de influencia de cada una de las estaciones de estudio y la precipitación promedio
obtenido de cada una de ellas.
Tabla 5.10 Precipitación Media de Enero por Polígonos de Thiessen
Precipitación Media de Enero
Estación Precipitación
(mm) Área (Km) Ponderado de Área
Precipitación Media
21230120 83.58 25707.33 0.56 46.85 2306140 68.77 4045.56 0.09 6.07 23060260 130.61 4821.11 0.11 13.73 23060290 190.87 11290.76 0.25 46.99
Suma 473.84 45864.76 1.00 113.63 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
64
Tabla 5.11 Precipitación Media de Febrero por Polígonos de Thiessen
Precipitación Media de Febrero
Estación Precipitación (mm) Área (Km) Ponderado
de Área Precipitación Media
21230120 126.09 25707.33 0.56 70.67 2306140 108.40 4045.56 0.09 9.56 23060260 178.87 4821.11 0.11 18.80 23060290 240.90 11290.76 0.25 59.30
Suma 654.26 45864.76 1.00 158.34 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.12 Precipitación Media de Marzo por Polígonos de Thiessen
Precipitación Media de Marzo
Estación Precipitación
(mm) Área (Km) Ponderado de Área
Precipitación Media
21230120 174.05 25707.33 0.56 97.56 2306140 152.90 4045.56 0.09 13.49 23060260 191.00 4821.11 0.11 20.08 23060290 239.77 11290.76 0.25 59.03
Suma 757.73 45864.76 1.00 190.15 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.13 Precipitación Media de Abril por Polígonos de Thiessen
Precipitación Media de Abril
Estación Precipitación
(mm) Área (Km)
Ponderado de Área
Precipitación Media
21230120 204.32 25707.33 0.56 114.52 2306140 216.75 4045.56 0.09 19.12 23060260 235.72 4821.11 0.11 24.78 23060290 289.68 11290.76 0.25 71.31
Suma 946.47 45864.76 1.00 229.73 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.14 Precipitación Media de Mayo por Polígonos de Thiessen
Precipitación Media de Mayo
Estación Precipitación (mm)
Área (Km) Ponderado de Área
Precipitación Media
21230120 145.23 25707.33 0.56 81.40 2306140 174.69 4045.56 0.09 15.41 23060260 165.65 4821.11 0.11 17.41 23060290 227.20 11290.76 0.25 55.93
Suma 712.77 45864.76 1.00 170.16 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
65
Tabla 5.15 Precipitación Media de Junio por Polígonos de Thiessen
Precipitación Media de Junio
Estación Precipitación (mm)
Área (Km) Ponderado de Área
Precipitación Media
21230120 54.25 25707.33 0.56 30.41 2306140 72.62 4045.56 0.09 6.41 23060260 69.74 4821.11 0.11 7.33 23060290 103.20 11290.76 0.25 25.40
Suma 299.81 45864.76 1.00 69.55 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.16 Precipitación Media de Julio por Polígonos de Thiessen
Precipitación Media de Julio
Estación Precipitación
(mm) Área (Km) Ponderado de Área
Precipitación Media
21230120 45.65 25707.33 0.56 25.59 2306140 46.40 4045.56 0.09 4.09 23060260 51.77 4821.11 0.11 5.44 23060290 65.79 11290.76 0.25 16.20
Suma 209.62 45864.76 1.00 51.32 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.17 Precipitación Media de Agosto por Polígonos de Thiessen
Precipitación Media de Agosto
Estación Precipitación
(mm) Área (Km)
Ponderado de Área
Precipitación Media
15060010 45.28 25707.33 0.56 25.38 15060020 74.63 4045.56 0.09 6.58 15060040 64.12 4821.11 0.11 6.74 15060050 83.67 11290.76 0.25 20.60
Suma 267.70 45864.76 1.00 59.30 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.18 Precipitación Media de Septiembre por Polígonos de Thiessen
Precipitación Media de Septiembre
Estación Precipitación (mm)
Área (Km) Ponderado de Área
Precipitación Media
15060010 82.56 25707.33 0.56 46.27 15060020 118.26 4045.56 0.09 10.43 15060040 106.04 4821.11 0.11 11.15 15060050 121.97 11290.76 0.25 30.03
Suma 428.83 45864.76 1.00 97.88 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
66
Tabla 5.19 Precipitación Media de Octubre por Polígonos de Thiessen
Precipitación Media de Octubre
Estación Precipitación (mm)
Área (Km) Ponderado de Área
Precipitación Media
15060010 238.85 25707.33 0.56 133.88 15060020 234.81 4045.56 0.09 20.71 15060040 231.73 4821.11 0.11 24.36 15060050 303.11 11290.76 0.25 74.62
Suma 1008.50 45864.76 1.00 253.56 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.20 Precipitación Media de Noviembre por Polígonos de Thiessen
Precipitación Media de Noviembre
Estación Precipitación
(mm) Área (Km) Ponderado de Área
Precipitación Media
15060010 207.06 25707.33 0.56 116.06 15060020 195.59 4045.56 0.09 17.25 15060040 233.26 4821.11 0.11 24.52 15060050 326.17 11290.76 0.25 80.30
Suma 962.09 45864.76 1.00 238.13 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
Tabla 5.21 Precipitación Media de Diciembre por Polígonos de Thiessen
Precipitación Media de Diciembre
Estación Precipitación
(mm) Área (Km)
Ponderado de Área
Precipitación Media
15060010 115.24 25707.33 0.56 64.59 15060020 127.23 4045.56 0.09 11.22 15060040 165.05 4821.11 0.11 17.35 15060050 234.81 11290.76 0.25 57.80
Suma 642.33 45864.76 1.00 150.97 Fuente: Elaboración Propia con datos suministrados por el IDEAM.
En la figura 5.24 se puede observar la recopilación de la precipitación media calculada por
medio del método de los polígonos de Thiessen, en el Hietograma se puede observar que lo
meses de Junio, Julio, Agosto y Septiembre son los meses donde se presentan menores
porcentajes de lluvia, en otras palabras son los meses donde menos llueve en la zona de
estudio con precipitaciones menores a 100mm, también se puede observar que el último
trimestre del año es el mes con mayores precipitaciones superiores a 150 mm. Los meses
con mayores precipitaciones son los meses de abril, octubre y noviembre.
67
Figura 5.24 Hietograma mensual de precipitación
Fuente: Elaboración propia
113,63
158,34
190,15
229,73
170,16
69,55
51,3259,30
97,88
253,56238,13
150,97
Pre
cip
ita
ció
n M
ed
ia (
mm
)
Meses
Hietograma Meses precipitación media (mm)
Enero 113.63
Febrero 158.34
Marzo 190.15
Abril 229.73
Mayo 170.16
Junio 69.55
Julio 51.32
Agosto 59.30
Septiembre 97.88
Octubre 253.56
Noviembre 238.13
Diciembre 150.97
68
Figura 5.25Precipitación media mensual Micro Cuenca Cune. Fuente: POMCAS Micro Cuenca Cune.
Según los resultados obtenidos de precipitación media de este proyecto, Figura 5.24 y
comparados con los datos de precipitación media suministrados por la CAR Figura 5.25, se
evidencia que se cumple con la tendencia en precipitación en los mismos meses en los dos
hietogramas. Sin embargo, cabe mencionar que en el mes de marzo la tendencia varia ya
que presenta una precipitación menor a la registrada en el POMCAS. Otra observación data
de que ningún mes supera el umbral de los 250 mm de precipitación en el POMCAS, caso
que sí ocurre en el hietograma construido, más concretamente en el mes de octubre. Estas
variaciones indican que es posible encontrar una mayor exactitud al recrear el hietograma
por medio de algún otro método.
Según los resultados obtenidos de precipitación media de este proyecto, Figura 5.24 y
comparados con los datos de precipitación media suministrados por la CAR Figura 5.25, se
evidencia que se cumple con la tendencia en precipitación en los mismos meses en los dos
hietogramas. Sin embargo, cabe mencionar que en el mes de marzo la tendencia varia ya
que presenta una precipitación menor a la registrada en el POMCAS. Otra observación data
de que ningún mes supera el umbral de los 250 mm de precipitación en el POMCAS, caso
que si ocurre en el hietograma construido, más concretamente en el mes de octubre. Estas
variaciones serán muy susceptibles a análisis pues se desconoce la naturaleza de los datos
69
con los que se construyó el hietograma (Figura 5.25); lo que sí es posible corroborar al
evidenciarse una alta aproximación entre ambos hietogramas, es que el haber trabajado con
estaciones pluviométricas que no se localizaban dentro de la delimitación de la cuenca, no
representaría mayor incertidumbre en los cálculos de la precipitación media.
70
6. Conclusiones y recomendaciones
El objetivo general de este estudio fue establecer la correlación entre el comportamiento
histórico de la precipitación y su disponibilidad dentro de la oferta hídrica superficial en la
microcuenca El Cune delimitada por las veredas: Cune, La esmeralda, Sin Isidro, Quebrada
Honda, La Masata, Salitre Blanco Alto, Salitre Blanco Bajo, ocupando un área aproximada
de 30 Km2, y con una presencia importante en el cambio del nivel topográfico (entre los
790m.s.n.m y los 1500 m.s.n.m) lo que corrobora que los niveles de precipitación sean
variables durante los meses del año.
la construcción en ARCGIS de la microcuenca El Cune fue de gran ayuda para el
desarrollo de este trabajo, ya que gran parte de lo que se planteó y se trabajo fue basado en
la construcción de la misma. Esta herramienta sirvió de representación y análisis de los
diferentes elementos que componen la micro cuenca (microcuenca, veredas, estaciones
pluviométricas, zonas aledañas a la micro cuenca). Todo ello contenido en los shapefile
adquiridos en el IDEAM, siendo uno de los pasos más importantes ya que se tiene una
información actualizada. Para la georreferenciación de los diferentes componentes del
modelo en ArcGis se trabajaron coordenadas MAGNA SIRGAS las cuales son las
utilizadas por el Instituto Agustín Codazzi, para sistemas de información geográfica en la
elaboración de sistemas SIG en el país.
En la zona de estudio de la micro cuenca se encontraron 8 estaciones pluviométricas, sin
embargo, no todas se localizaban dentro de la delimitación realizada lo que hizo de la
investigación un reto mayor. Adicionalmente, no todas registraban datos de precipitación,
por lo cual se debió trabajar con estaciones aledañas a la micro cuenca que se mantuvieran
en estado “activas”. En conclusión, se trabajó con 4 estaciones aledañas y 1 estación
localizada propiamente dentro de la cuenca (la estación 23065200), sin embargo, esta
estación tampoco fue posible utilizarla para completar las series de precipitación dado que
se encuentra activa desde el año 2009 y posee un índice de datos faltantes del 20,31%. Solo
se tuvo en cuenta para el análisis final de obtención de la precipitación media.
71
Las estaciones 23060140, 2300260, 21230120, 2306290 a pesar de que se localizaban
fuera de la delimitación de la zona de estudio de la presente investigación, se sitúan a
menos de 30 km2 de distancia, rango permitido para aplicar el método tradicional para
completar datos de precipitación Inverso de la distancia.
El periodo de análisis seleccionado comprende un total de 26 años los cuales van desde
el año 1988 y 2014, este periodo de estudio fue definido por la estación 23060260, cuya
fecha de instalación fue diciembre de 1988, y se verificó que todas las estaciones contaran
con registros hasta el año 2014. De esta manera se permitió lograr una uniformidad entre el
número de datos entre las estaciones.
Las estaciones 21230120, 2306140, 23060260 y 23060290 cuentan con un porcentaje de
datos perdidos menor al 5% teniendo como máximo 470 datos sin registro en cada estación,
con esto se puede observar que el porcentaje de error entre los diferentes métodos que se
van a utilizar en esta investigación no variaran considerablemente y su error por tanto, no
fue superior al 5%. Sin embargo, las bajas correlaciones obtenidas por el método de
combinación lineal ponderada, hacen que sea el menos indicado a la hora de completar
series de precipitación con naturaleza parecida a las utilizadas en el presente estudio.
El cálculo de la precipitación media se realizó por el método de los polígonos de
Thiessen, teniendo en cuenta que las ubicaciones de las estaciones no son simétricas y la
topografía del terreno no es uniforme. Del modelo ArcGIS se obtuvo como resultado que la
estación con mayor área de influencia es la 21230120 con 25707,33 km2, siendo el 56% del
área total; por otro lado, la de menos área de influencia es la 2306140 con 4045,56km2 y un
9% del área total.
Del análisis de la precipitación mediase puede concluir que los meses de junio, julio,
agosto y septiembre son los meses donde se presentan menores milímetros de precipitación,
siendo el periodo más seco en la zona de estudio con precipitaciones no superan los
100mm, también se puede observar que octubre, noviembre y abril son los meses con
mayores valores de precipitación, superando el umbral de los 200 mm.
72
Bibliografía
Almorox, J - Climatología aplicada al Medio Ambiente y Agricultura.
Alvarado, S. (2004). Modelación del Proceso de Lluvia Escorrentía Usando Sistemas de
Información Geográfica. Piura. Recuperado el 14 de Julio de 2015, de
http://es.slideshare.net/jcjuarezp/tesis-de-hidrología
Amaya, R., Tamayo, G., Vélez, O., & Álvarez, O. (2009). Modelación del Comportamiento
Hidrológico de Tres Cuencas en el Urabá antioqueño - Colombia. Recuperado el 13 de
Julio de 2015, de http://www.bdigital.unal.edu.co/4763/1/No.19-2008-1.pdf.
Barrera A. (Junio de 2004). Técnicas de Completado de Series Mensuales y Aplicación al
Estudio de la Influencia de la NAO en la Distribución de la Precipitación en
España. Barcelona. Recuperado el 4 de Marzo de 2016, de
http://zucaina.net/Publicaciones/barrera-dea.pdf.
Bernis, J – El plan hidrológico y los trasvases.
Burbano, A., Vásquez, G., & Bustamante, J. (2008). Estimación de la Oferta Hídrica con
Información. Medellín. Recuperado el 15 de Julio de 2015, de
http://www.scielo.org.co/pdf/rfnam/v61n1/a13v61n1.pdf.
Campos, A (1998)- Procesos del ciclo hidrológico.
Córdoba, s., Zea, J., & Murillo, W. (2006). Estimación de la Precipitación Media,
Evaluación de la Red Pluviométrica y Cuantificación del Balance Hídrico en la
cuenca del Río Quito en el Departamento del Chocó, Colombia. Meteorología
Colombiana, 101-110.
De Las Salas, & García, C. (1999). Balance Hídrico Bajo Tres Coberturas Vegetales
Contrastantes en la Cuenca Del Rio San Cristóbal, Bogotá. Revista académica
Colombiana, 206-218.
Dirección Nacional de Hidrografía.
Documento Oni Argentina (2004).
Fracisco, J. (2008). Cálculo de la Precipitación Areal Mediante Sistemas de Información
Geográfica. Madrid.
Jensen, M.E.;(2000). Burman - Evapotranspiration and Irrigation Water Requirements.
Ollero, A. - Tipos De Cauce Y Tramos Homogéneos en el Sistema Fluvial.
73
Organización Meteorológica Mundial – Guía de prácticas hidrológicas.
Pérez, L (2009). Gestión de recurso hídrico.
Salomón, M., & Fernández, P. (s.f.). Aplicación de Modelos de lluvia Escorrentía en la
Cuenca Pelota, Petaca, Chacras de Coria, el Perel y Manzano al Oeste del Gran
Mendoza ,Departamento Lujas y las Heras - Mendoza. Recuperado el 16 de Julio
de 2015, de
http://www.asicprimerazona.com.ar/asic/publicaciones/aplicacion_modelo_lluvia_e
scorrentia.pdf.
Sierra, M (1967). –Hidrología para ingenieros.
Smith, M (2006). -Evapotranspiración del Cultivo.
Strahler, Arthur N -Geografía Física de Chile.
Yunus A, Çengel (2009). Termodinámica, 6ta edición. Mc Graw Hill.
Cibergrafía
Características Hidrogeológicas De La Cuenca. Recuperado de:
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/737/A5.pdf?s
equence=5.
Cuenca hidrográfica. Hidrología General. Recuperado de:
http://www.slideshare.net/hotii/7-cuenca-hidrografica
Docampo L., Rallo A. (1999) Morfometria De Las Cuencas De La Red Hidrográfica De
Bizkaia.Recuperado de
http://www.limnetica.com/Limnetica/Limne05/L05u051_Morfometria_cuencas_Vizcaya.p
df
Ibañez S., Moreno H. Morfología De Las Cuencas Hidrográficas.
UniversidadPolitécnica de Valencia. Recuperado de
http://riunet.upv.es/bitstream/handle/10251/10782/Morfolog%C3%ADa%20de%20una%20
cuenca.pdf
Ideam. (2010) Sistemas De Cuencas Hidrográficas De Colombia. Recuperado de:
http://www.udea.edu.co/portal/page/portal/bibliotecaSedesDependencias/unidadesAcademi
74
cas/FacultadNacionalSaludPublica/Diseno/archivos/home/Tab/SISTEMA%20CUENCAS
%20HIDROG%20PRESENT%20UDEA.pdf
Geomorfología de cuencas. Cap. 4. Recuperado de
http://webdelprofesor.ula.ve/ingenieria/oguerre/4_Geomorfologia.pdf
Londoño C. (2001) Cuencas Hidrográficas: Bases Conceptuales, Caracterización,
Planificación, Administración. Universidad De Tolima. Recuperado de:
http://desarrollo.ut.edu.co/tolima/hermesoft/portal/home_1/rec/arc_8459.pdf
Manejo De Cuencas Hidrográficas Y Protección De Fuentes De Agua (2002).
Universidad Nacional Agraria. Nicaragua. Recuperado de:
http://www.bvsde.paho.org/bvsade/fulltext/cuencas.pdf
(Observatorio Ambiental de Bogotá) http://oab.ambientebogota.gov.co/es/pcambio-
climatico/indicadores?id=156&v=l
https://menchuduque.wordpress.com/category/geografia/
Universidad Nacional Abierta y Distancia – Pasto, Escuela de Ciencias Agrícolas,
pecuarias y del Medio Ambiente Lección 28. Método de Polígono de Thiessen y de
Isoyetas, 2013, Recuperado el 26 de septiembre de 2016, de
http://datateca.unad.edu.co/contenidos/30172/MODULO%20HIDROLOGIA/leccin_28_mt
odo_de_poligono_de_thiessen_y_de_isoyetas.html
http://www.pce-iberica.es/medidor-detalles-tecnicos/que-estacion-meteorologica.htm
Universidad Nacional del Santa “Métodos para determinar la precipitación promedio en
una cuenca hidrográfica- Análisis de consistencia de los Datos de Precipitación, 2012”
http://es.slideshare.net/carlosismaelcamposguerra/mtodos-para-determinar-la-precipitacin-
promedio-en-una-cuenca-hidrogrfica-anlisis-de-consistencia-de-los-datos-de-precipitacin
http://www.ibm.com/support/knowledgecenter/es/SSFTDH_8.0.0/com.ibm.wbpm.main.
doc/topics/cbrm_dectbl.html
Facultad de ciencias económicas-UNLP-Contabilidad V-Sistemas de información
económica y Contable, Tablas de Decisión, José M, Alessandro, mayo 2005.
http://es.slideshare.net/FSILSCA/tablas-decision
75
http://www.pucmmsti.edu.do/websise/estudiante/materias/201120122/ST-ADM-445-T-
001/ARBOL%20DE%20DECISIONES%202-29-2012.pdf
Instituto Politécnico Nacional, Escuela Superior de Cómputo, Eduardo Bustos Farías,
s.f. http://users.dcc.uchile.cl/~nbaloian/DSS-DCC/Esp/3_4.pdf
Cambio Climático Global, http://cambioclimaticoglobal.com/modelo-de-clima-global-
mcg
República Bolivariana de Venezuela, Instituto Universitario Politécnico “Santiago
Mariño” –Escuela de Ingeniería Civil, Moreno, Enid, 2013,
http://documents.mx/documents/infiltracion-hietograma.html
Monografías, Estudio Hidrológico de Cuenca-Embalse para Control de Crecientes.
http://www.monografias.com/trabajos15/estudio-hidrologico/estudio-hidrologico2.shtml
Página oficial Villeta-Cundinamarca,
http://www.villetacundinamarca.com/index.php/ubicacion
Boletín Censo General 2005-Perfil Villeta, Cundinamarca
http://www.dane.gov.co/files/censo2005/perfiles/cundinamarca/villeta.pdf
POT, Vol. 1, Municipio de Villeta, 1999
http://cdim.esap.edu.co/BancoMedios/Documentos%20PDF/villeta%20vol%C3%BAmen%
20i.pdf
http://ing.unne.edu.ar/pub/hidrologia/hidro-tp2.pdf Universidad Nacional del Nordeste,
Facultad de Ingeniería, Departamento de Hidráulica.
76
Anexos
Anexo A. Tablas curvas de masa.
Anexo B. Datos de precipitación suministrados por el IDEAM; ubicados de forma
digital en el Cd adjunto.
Anexo C. Planos ArcGis polígonos de Thiessen.
Anexo D. Delimitación de la cuenca.
Anexo E. Area de influencia estaciones de estudio.