Identificación de los parámetros del modelo del número de curva y su incertidumbre mensual en la cuenca alta del río Bogotá

  • Jorge Luis Corredor Rivera Universidad Militar Nueva Granada
  • Víctor Manuel Peñaranda Vélez Universidad Pontificia Bolivariana
Palabras clave: Glue, incertidumbre, número de curva

Resumen

Los estudios hidroclimatológicos implican manejar grandes volúmenes de información que pueden presentar interrupciones en la longitud de sus periodos de registro, datos anómalos, datos inconsistentes o errores en la transcripción de los datos en bases informáticas. Así mismo, la red hidroclimatológica no necesariamente presenta la mejor distribución en una región determinada. Además, existen zonas en donde no hay estaciones que permitan una interpretación local de la variación temporal y espacial de las variables climatológicas. Por lo anterior, es necesario acudir a técnicas de exploración de la información para encontrar las series que representen de la mejor manera, el comportamiento de una variable determinada para su aplicación en los procesos de modelación que sean necesarios. En este documento se presenta el alcance de una investigación en el campo de la modelación hidrológica, cuyo eje es la búsqueda para identificar los parámetros del modelo del número de curva y desarrollar un análisis de incertidumbre bajo el marco metodológico Generalized Likelihood Uncertainty Estimation (Glue), con el propósito final de establecer los niveles de incertidumbre en los protocolos de modelación lluvia-escorrentía mensual sobre sistemas de cuenca con información escasa. Para desarrollar esta investigación, se seleccionó la cuenca alta del río Bogotá como sistema hidrológico de exploración, dado que cuenta con información hidrológica y climatológica suficiente y adecuada para implementar el modelo y el seguimiento de la metodología Glue. Los resultados preliminares mostraron algunas dificultades del modelo para identificar algunos de sus parámetros. Sin embargo, la inclusión de un nuevo término en la base formal del modelo permitió visualizar la posibilidad de describir la dinámica de los sistemas de flujo de agua subterránea con la descripción del tipo, uso y cobertura del suelo con base en la selección rigurosa y adecuada del número de curva.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Jorge Luis Corredor Rivera, Universidad Militar Nueva Granada

Ing. Civil, Esp., Profesor Asistente, Facultad de Ingeniería,
Universidad Militar Nueva Granada, Bogotá, Colombia.

Víctor Manuel Peñaranda Vélez, Universidad Pontificia Bolivariana

Ing. Civil, M.Sc., Profesor Asistente, Facultad de Ingeniería,
Universidad Pontificia Bolivariana, Bucaramanga, Santander, Colombia.

Referencias

Corredor J., (2005). Reflexiones sobre grandes crecientes en Colombia (inédito). Universidad Militar Nueva Granada, Bogotá.

Udall S.L.U., y Dominy F.E.U., (1979). Dise-o de presas peque-as. Méjico: Ediltorial Continental, México, pp. 459-460.

Camacho L., (2006). Calibración y comparación de modelos de transporte de solutos en ríos de monta-a. XXII Congreso Latinoamericano de Hidráulica, Guayana, Venezuela.

Céspedes D, y Camacho L., (2002). Calibración, aplicación y comparación de modelos de flujo no permanente en la cuenca media del río Bogotá. (Tesis de grado), Facultad de Ingeniería, Universidad de lo Andes, Bogotá.

Corredor J., (2006). El residuo líquido de las curtiembres. Estudio de Caso: Cuenca Alta del río Bogotá. En: Ciencia e Ingeniería Neogranadina, Vol. 16 (2), pp. 14-28.

Universidad de Pamplona, (2010). Actualización de la oferta hídrica superficial para las cuancas hasta de quinto orden para la jurisdicción de la CAR. Corporación Autonóma Regional de Cundinamarca (CAR), Bogotá.

Mockus V., (1978). Hydrology National Engineering. Natural Resources Conservation Service (USDA), Washington, 762 p.

Mockus V., (1978). Hydrology National Engineering. Natural Resources Conservation Service (USDA), Washington, 762 p.

Paz-Pellat F., (2009). Mitos y falacias del método hidrológico del Número de Curva del SCS/NRCS. En: Agrociencia, Vol. 43 (5), pp. 521-528.

López Cárdenas de Llano F.E., (1998). Restauración Hidrológico Forestal de Cuencas y Control de Erosión. Ministerio de Medio Ambiente, Tragsa, Tragsatec, Mundi Prensa, Madrid, pp. 112-115.

Chow V., Maidment D., y Mays L., (1994). Hidrología Aplicada, McGraw-Hill. Bogotá.

Wagener T., Lees M., and Wheater H., (2001). Montecarlo analysis toolbox user manual, London: Civil and Environmental Engineering Department, Imperial College of Science Technology and Medicine. 45 p.

Wagener T., Freer J.E., Beven K.J., Gupta H.V., y Bardossy A., (2006). Toward and uncertainty framework for predictions in ungauged basins: The uncertainty working group, de Prediction in ungauged basin: promises and progress, Wallingford, Oxfordshire, Vol. 303, pp. 454-461.

Beven K.J., (2005). A manifesto for the equifinality thesis. En: Journal of Hydrology, Vol. XX, pp. 1-19.

Beven K.J., (2001). Rainfall-runoff modeling: The primer West Sussex John & Wiley, London, 359 p.

Beven K.J., (2002). Towards a coherent philosophy for modelling the environment. En: Proceeding of Royal Society, London, Vol. 458, pp. 1-20. http://dx.doi.org/10.1098/rspa.2002.0986

Willmott C., (1981). On the validation models. En: Journal of physical geography , Vol. 2, pp. 184-194.

Beven K., (2009). Environmental modeling: an uncertain future. Ed. Routledge, Abingdon, 344 p.

Camacho L., y Díaz-Granados M., (2003). Metodología para la obtención de un modelo predictivo de transporte de solutos y de calidad de agua en río - Caso río Bogotá, de la Hidroinformática en la Gestión Integrada de los Recursos Hídricos. Cartagena.

Céspedes D., y Camacho L., (2004). Metodología de calibración de modelos hidrológicos e hidráulicos de flujo no permanente - Aplicación cuenca media del río Bogotá. XXI Congreso Latinoamericano de Hidráulica. San Pablo, Brasil.

Aronica G., Candela A., Viola F., y Cannarozzo M., (2006). Influence of rating curve uncertainty on daily rainfall-runoff model prediction, Prediction in ungauged basin: promises and progress, Wallingford, Oxfordshire. Vol. 303, pp. 116-123.

Mo X., Liu S., Lin X., Sun X., y Zhu Z., (2006). Multi-objetive conditioning of SVAT model for heat and CO2 fluxes predition, Prediction in ungauged basin: promises and progress, Wallingford, Oxforshire, Vol. 303, pp. 164-176.

Romanowics R., Beven K.J., y Young P., (2006). Uncertainty propagation in a sequential model for flood forecasting, Prediction in ungauged basin: promises and progress. Wallingford, Oxfordshire, Vol. 303, pp. 177-184.

Mujumdar P., Ghosh S., y Raje D., (2009). Hydrometeorological prediction from GCM simulations: downsacling techniques and uncertainty modelling, New approaches to hydrological prediction in data-sparse regions, IAHS. Vol. 333, pp. 165-175.

Singh V., (1995). Computer models of watershed hydrology. Water Resources Publications, Colorado, 1130 p.

Wagener T., Camacho L., y Wheater H.S., (2002). Dynamic identifiability analysis of the transient storage model for solute transport in rivers. En: Journal of Hydroinformatics, Vol. 04 (3), pp. 199-211.

Publicado
2012-06-01
Cómo citar
Corredor Rivera, J. L., & Peñaranda Vélez, V. M. (2012). Identificación de los parámetros del modelo del número de curva y su incertidumbre mensual en la cuenca alta del río Bogotá. Ciencia E Ingeniería Neogranadina, 22(1), 75-93. https://doi.org/10.18359/rcin.250
Sección
Artículos