EVALUACIÓN DEL GENERADOR CLIMÁTICO DEL SWAT EN EL

DIMENSIONAMIENTO DE EMBALSES DE REGULACIÓN

Edgar Montenegro T. & Fabiola Torrejón O.

Laboratorio de Hidráulica – Universidad Mayor de San Simon
Email: edgarmontene@[Link], P.O. Box 5185 Cochabamba-Bolivia

RESUMEN

El generador climático WXGEN, del modelo Soil and Water Assesment Tool (SWAT) es utilizado
en la construcción de una serie sintética de precipitación mensual, variable que es transformada en
caudal mediante el componente hidrológico del SWAT, el escurrimiento obtenido es usado como
dato de ingreso para el dimensionamiento hidrológico de un embalse. La misma aplicación es
realizada a partir del uso de datos de precipitación observada, verificando que la serie observada y
simulada conducen a alturas hidrológicas del embalse de 30 m y 25 m respectivamente, situación
que permite indicar que en este caso el WXGEN no presenta un desempeño adecuado, conclusión
muy particular si se considera que se uso tan solo una estación de medición de lluvia en una región
montañosa de la cordillera del Tunari en Cochabamba – Bolivia.
 MATERIALES Y METODOS

Los primeros 20 años de un serie de 59 años de registros diarios de precipitación son utilizados para
determinar los parámetros del modelo de generación del clima WXGEN desarrollado por Sharpley
y Williams (1990), con el que se simula los 39 años restantes de precipitación diaria, que permiten
evaluar el desempeño del modelo comparando la similitud de valores de precipitación simulados y
observados a nivel mensual, la valoración es también realizada en términos del impacto en la
determinación de la altura hidrológica de un embalse, habiendo transformado previamente en
caudal las series observada y simulada de precipitación.

Modelo de generación climática WXGEN :

El WXGEN forma parte del modelo hidrológico SWAT (Soil and Water Assesment Tool)
desarrollado por Arnold J.G. et. al. (1998), ampliamente complementado y mejorado hasta la
versión actual denominado ArcSWAT descrito por Winchell [Link] (2009).

El generador de clima WXGEN, usa una cadena de Markov de primer orden para definir si un día
es lluvioso o seco. En el presente trabajo, cuando un día lluvioso es generado, una distribución
asimétrica es usada para generar la cantidad de precipitación caída.

Con el modelo de cadena de Markov, la probabilidad de tener lluvia en cierto día es condicionada a
la situación de que el día anterior sea húmedo o seco, el usuario del programa debe introducir los
valores para cada mes del año de los parámetros indicados en el Cuadro 1.
Cuadro 1: Descripción de los parámetros de generación de precipitación

PARAMETRO DESCRIPICION PARAMETRO

prcp Precipitación promedio mensual (mm)
sdrf Desviación estándar de la precipitación diaria en el mes (mm)
skrf Coeficiente de asimetría de la precipitación diaria en el mes (mm)
P[w|d] Probabilidad de un día húmedo dado que el día anterior fue seco
P[w|w] Probabilidad de un día húmedo dado que el día anterior fue húmedo
dayp Numero promedio de días con lluvia

Para definir si un día es húmedo o seco, WXGEN genera un numero aleatorio entre 0 a 1, que es
comparado con la probabilidad P[w/d] o P[w/w], si el numero aleatorio es menor o igual que estas
probabilidades el día es definido como húmedo.

La cantidad de precipitación para un día húmedo es obtenida en base a la distribución asimétrica

propuesta por Nicks (1974), la ecuación es:
 ⎛ ⎡⎛ 3
⎞
⎜ ⎜ SND − skrf ⎞⎟ ⎛⎜ skrf ⎞⎟ + 1⎤ − 1 ⎟
⎜ ⎢⎣⎝ dia
6 ⎠ ⎝ 6 ⎠ ⎥⎦ ⎟
= μ
Rdia mes + 2 sdrf ⎜ ⎟
⎜ skrf ⎟
⎜ ⎟
⎝ ⎠
Donde:
Rdia = La cantidad de lluvia [mm] en un día determinado
µmes = (prcp/dayd) , promedio diario de lluvia [mm] para el mes
sdrf y skrf , se encuentran definidos en el Cuadro 1

La desviación estándar de la precipitación diaria es calculada como:

SND DIA = cos (6.283 rnd 2 ) − 2 ln (rnd 1)
Donde rnd1 y rnd2 son números aleatorios entre 0 y1.

Datos de precipitación:
Los datos de precipitación usados en la presente investigación, corresponden al pluviómetro de
AASANA en Cochabamba-Bolivia, situado a 17° 25 ´ de latitud Sur, 66 ° 26‘ de longitud Oeste y a
2548 msnm, la precipitación promedio anual en este punto de observación es de 462 mm, con una
concentración temporal del 87% de la lluvia anual en solo 5 meses del año comprendidos entre
noviembre a marzo, y un periodo de estiaje de 7 meses de abril a octubre, una ilustración de la
precipitación promedio mensual en este punto de observación se presenta en la Figura 1.

120

100

80
P ( mm )

60

40

20

0
AGO SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN JUL

Figura 1: Precipitación promedio mensual, estación AASANA-Cochabamba

Transformación de lluvia en caudal y determinación de la altura hidrológica del embalse:
Como ya se indico, las series de precipitación observada y simulada son transformadas en caudal
mediante el modelo hidrológico de tipo continuo ArcSWAT, estos caudales son usados para
dimensionar la altura hidrológica de un embalse, para el efecto se usa la siguiente ecuación de
balance:

Z t +1 = Z t + Qt − Dt + ΔEt (1)

Para 0 ≤ Z t +1 ≤ C
Donde:
Zt+1 = Almacenamiento al final del mes
Zt = Almacenamiento al inicio del mes
Qt = Ingreso durante el mes
Dt = Demanda durante el mes
∆Et = Perdidas por evaporación del embalse durante el mes
C = Capacidad neta de almacenamiento de agua del embalse

La ecuación (1) es aplicada secuencialmente a toda la serie mensual de caudales, registrando una
falla de atención a la demanda toda vez que Zt+1< 0, la probabilidad de falla es evaluada como:

P[ f ] = n f n (2)

Donde:
nf = numero de fallas
n = numero de meses del periodo de simulación

El vinculo entre la capacidad del embalse en volumen y la altura de agua almacenada es realizado a
partir de un levantamiento topográfico detallado en el sitio en el que se prevé implantar la presa, los
valores encontrados son presentados en el Cuadro 2.
Cuadro2: Relación altura volumen, embalse del estudio

Cota h Volumen Cota h Volumen

msnm (m) m3 msnm (m) m3
4065 1 0 4081 17 630370
4066 2 913 4082 18 704714
4067 3 14403 4083 19 784588
4068 4 27893 4084 20 864461
4069 5 51616 4085 21 949431
4070 6 75339 4086 22 1034400
4071 7 107621 4087 23 1124520
4072 8 139903 4088 24 1214640
4073 9 173518 4089 25 1310380
4074 10 207132 4090 26 1406120
4075 11 254698 4091 27 1502550
4076 12 302264 4092 28 1598980
4077 13 361338 4093 29 1704560
4078 14 420412 4094 30 1810140
4079 15 488219 4095 31 1920390
4080 16 556026 4096 32 2030640
 RESULTADOS

Los parámetros del modelo de generación del clima WXGEN, son obtenidos mediante el programa
computacional WXPM3020, elaborado por el grupo que desarrolla el SWAT y que puede ser
obtenido mediante el siguiente enlace [Link] los
datos de ingreso en el presente estudio son las precipitaciones diarias de AASANA en
Cochabamba-Bolivia, registradas durante 20 años, desde el año 1950 al 1969, los valores obtenidos
para los parámetros se muestran en el Cuadro 3, en el Cuadro 1 se proporciono la descripción de
los parámetros.
Cuadro3: Parámetros del modelo de generación de precipitación, para meses indicados

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC PARAMETRO
110.4 101.5 59.9 17.0 4.2 0.9 2.5 5.9 6.1 18.5 42.8 96.0 prcp
10.3 8.5 7.4 7.1 6.2 2.0 3.6 7.6 4.1 5.3 7.3 7.8 sdrf
2.9 1.5 1.8 3.4 2.1 0.5 1.1 1.5 1.5 1.3 1.6 1.8 skrf
0.32 0.33 0.19 0.08 0.03 0.01 0.01 0.02 0.04 0.08 0.16 0.33 pw|d
0.52 0.47 0.39 0.20 0.06 0.00 0.27 0.29 0.15 0.27 0.37 0.48 pw|w
12.5 10.9 7.4 2.7 0.8 0.2 0.6 0.7 1.4 3.2 6.2 12.2 dayp

Los parámetros del Cuadro 3, son introducidos al modelo de generación del clima WXGEN, con el
que se obtienen precipitaciones simuladas a nivel diario, que para fines de comparación son
agregadas a nivel anual y se encuentran presentadas en la Figura 2 junto con las precipitaciones
observadas.

800
Periodo de ajuste del modelo Periodo de simulación

700

600
P (m m)

500

400

300

200
1950 1955 1960 1965 1970 1975 1980 1985 1990 1995 2000 2005
Precipitación observada Precipitación simulada

Figura 2: Precipitación observada y simulada, estación AASANA

Con la finalidad de medir la eficiencia del modelo, se usa la ecuación Willmott (1981), que tiene la
siguiente expresión:
2

∑ (o − m )
n

(3)
i i
W =1 − i =1
2
n ⎛ _ _
⎞
∑ ⎜ − + −
⎜ mi o oi o
⎟
⎟
i =1 ⎝ ⎠
Donde:
O = precipitación observada
m = precipitación modelada

Usando los valores observados y simulados del periodo de simulación de la Figura 2, se obtiene un
W=0.59, que muestra que el modelo WXGEN no tiene un buen desempeño en la representación de
la serie anual de precipitación ocurrida en AASANA-Cochabamba.

Una representación del grado de ajuste de los valores de precipitación observada y simulada a nivel
anual es también presentada en términos de la línea de igualdad presentada en la Figura 3,
observando que los puntos por debajo de la línea de igualdad indican que la precipitación simulada
es inferior a la observada, mientras que los puntos por encima la recta de igualdad indican que la
precipitación simulada es superior a la observada, verificando que se tienen mas puntos para la
ultima situación por lo que se observa que el modelo tiene la tendencia de sobreestimar los valores
de precipitación anual en AASANA-Cochabamba

800

700
P. simulada (mm)

600

500
400

300
200

100
0
0 100 200 300 400 500 600 700 800

P. Obs. (m m )

Figura 3: Precipitación anual observada y simulada con relación a la línea de igualdad, estación AASANA-
Cochabamba

Una ilustración del desempeño del modelo a nivel mensual es presentado en la Figura 4,
observando que se tiene una importante cantidad de puntos por encima y por debajo de la línea de
igualdad, el mayor alejamiento de los puntos sobre esta línea indica un elevado nivel de
sobreestimación de la precipitación mensual realizada por el modelo, de manera análoga los puntos
por debajo de la línea de igualdad indican que el modelo subestima los valores observados.

El índice de ajuste a nivel mensual, calculado mediante la ecuación 3, usando todos los meses entre
el año 1970 a 2008 es: W=0.13, mostrando que el modelo WXGEN no representa adecuadamente
la precipitación mensual de AASANA – Cochabamba.
 250

200

P. Simulada (mm)
150

100

50

0
0 50 100 150 200 250

P. Obs. (mm)

Figura 4: Precipitación mensual observada y simulada con relación a la línea de igualdad, estación AASANA-
Cochabamba, periodo de observación años 1970 - 2008

Si se considera solo los meses de noviembre a marzo, que definen la temporada lluviosa, el
indicador del nivel de ajuste es W=0.5 y si se toman en cuenta solo los meses secos desde abril a
octubre, se obtiene un W=0.39, mostrando que el modelo tiene un mejor desempeño en los meses
lluviosos que en los meses de la temporada seca, sin embargo el nivel de desempeño es muy bajo,
una ilustración de la comparación respectiva es presentada en las Figuras 5 y 6.

300

250

200
P. Simulada (mm)

150

100

50

0
0 50 100 150 200 250 300
P. Obs. (mm)

Figura 5: Precipitación mensual observada y simulad,a para meses de temporada humeda, con relación a la línea de
igualdad, estación AASANA- Cochabamba
 80

70

60

50

P. Simulada (mm) 40

30

20

10

0
0 20 40 60 80
P. Obs. (m m )

Figura 6: Precipitación mensual observada y simulada de los meses no lluviosos con relación a la línea de igualdad,
estación AASANA- Cochabamba

La precipitación mensual observada y simulada para el periodo comprendido entre los años 1970 a
2008 es convertida en caudal mediante el modelo SWAT, las estadísticas que caracterizan las series
mensuales de caudal obtenidas son mostradas en el Cuadro 4.
Cuadro 4: Características estadísticas de las series mensuales de caudal (l/s) observado y simulado, periodo
comprendido entre los años 1970 a 2008

ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Observado 31.1 21.4 18.1 2.7 0.3 0.1 0.1 0.2 0.4 0.9 4.6 13.2
Promedio
Simulado 30.2 31.1 11.9 2.3 0.4 0.1 0.1 0.4 0.3 1.1 3.8 14.6
Observado 33.8 18.7 20.6 6.2 0.3 0.3 0.2 0.5 0.6 0.8 6.0 18.6
Desv. Est.
Simulado 34.3 27.0 13.5 5.7 0.5 0.2 0.3 0.7 0.3 0.9 3.2 17.7
Observado 1.9 0.6 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.4 0.6
Mínimo
Simulado 1.8 5.2 0.4 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 2.0
Observado 147.6 73.6 83.9 38.7 1.3 1.6 0.6 2.1 2.5 3.4 22.6 73.6
Máximo
Simulado 149.7 140.4 75.7 34.0 1.7 0.9 1.8 2.6 1.5 3.3 12.0 74.7

El balance hídrico del embalse usando las ecuaciones (1) y (2), para el mismo nivel de demanda,
permite obtener, con los caudales correspondientes a las precipitaciones observadas, una altura
hidrológicas para el embalse de 30 m, mientras que con los datos de precipitación modelada la
altura del embalse requerida para el mismo nivel de probabilidad de falla es de 25 m, un resumen
de estos resultados se presenta en el Cuadro 5.

Cuadro 5: Altura hidrológica del embalse obtenido con datos de precipitación observada y simulada
Caudal obtenido con: Probabilidad de falla Altura embalse (m)
Precipitación observada 5 30
Precipitación modelada 5 25
La obtención de una altura de presa menor indicaría que el modelo de generación climática tiende a
sobreestimar la disponibilidad de agua en términos de precipitación, aspecto que a nivel anual es
apoyado por la Figura 2 donde se tiene una mayor cantidad de puntos por encima de la línea de
igualdad, si bien también se cuenta con subestimaciones de la cantidad de precipitación, se
concluye que estas no afectan preponderantemente a la aparición de fallas del embalse en su
atención a la demanda.

CONCLUSIONES

El generador climático del SWAT, denominado WXGEN, presenta una tendencia de

sobrestimación de la precipitación anual registrada en AASANA – Cochabamba.

El índice de ajuste entre los valores observados y simulados por el modelo WXGEN a nivel
mensual es W=0.13, mostrando que el modelo no representa adecuadamente la precipitación
mensual de AASANA – Cochabamba.

La altura del embalse usando la precipitación modelada es 5 m menos que la altura definida con
datos observados, mostrando que el modelo WXGEN sobreestima la disponibilidad de agua en el
sitio de estudio.

Se conoce que el WXGEN tiene un buen desempeño en los Estados Unidos, es necesario ampliar el
presente trabajo, inicialmente usando mas estaciones de medición de lluvia, para posteriormente ver
la necesidad de incorporar adaptaciones o modificaciones que permitan contar con un simulador de
precipitación de buen desempeño para la región del estudio.

BIBLIOGRAFIA

Arnold J.G., Srinivasan R., Muttiah R. S., Williams J. R. (1998) “Large Area Hydrologic Modeling and Assessment
Part I: Model Development”, Journal of the American Water Resources Association, AWRA, Vol. 34, No 1, 73-89.
Sharpley, A.N. and J.R. Williams, eds. (1990). “EPIC-Erosion Productivity Impact Calculator, 1. model
documentation”. U.S. Department of Agriculture, Agricultural Research Service, Tech. Bull. 1768.
Willmott, C. J. (1981). “On the validation of models Physical Geography 2”; 184-194
Winchell M., Srinivasan R., Di Luzio M., Arnold J. (2009) “ArcSWAT 2.1.5 Interface for SWAT 2005, User´s Guide”