UNIVERSIDAD NACIONAL JORGE BASADRE GROHMANN
FACULTAD DE INGENIERÍA CIVIL, ARQUITECTURA Y GEOTECNIA
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL
PLAN DE TESIS PARA OPTAR POR EL TÍTULO
PROFESIONAL DE INGENIERO CIVIL
“Titulo”
PRESENTADO POR:
ASESOR:
TACNA-PERÚ
2022
Índice
I. Planteamiento del problema.....................................................................................................4
1. Formulación del problema....................................................................................................4
II. Hipótesis...................................................................................................................................5
2. Formulación de Hipótesis.....................................................................................................5
III. Fundamento y justificación del tema a investigar o desarrollar...........................................5
3. Justificación del problema....................................................................................................5
3.1. En el aspecto social.......................................................................................................5
3.2. En el aspecto ambiental.................................................................................................6
3.3. En el aspecto económico...............................................................................................6
IV. Objetivos...............................................................................................................................6
4. Objetivos...............................................................................................................................6
4.1. Objetivo general............................................................................................................6
4.2. Objetivos específicos.....................................................................................................6
V. Marco Teórico de la investigación...........................................................................................7
5. Fundamentos Teóricos..........................................................................................................7
5.1. Modelamientos hidrológicos.........................................................................................7
5.2. Modelamientos hidrológicos determinísticos y estocásticos.........................................8
5.3. Modelos hidrológicos Teóricos, Conceptuales y Empíricos.......................................10
2
5.4. Modelo GR2m.............................................................................................................10
5.5. Indicadores estadísticos de eficiencia..........................................................................12
5.6. Calibración y validación de modelos hidrológicos.....................................................13
6. Antecedentes.......................................................................................................................14
6.1. Características hidrológicas de la cuenca Sama..........................................................14
6.2. Ubicación del Proyecto...............................................................................................16
VI. Metodología........................................................................................................................17
7. Materiales y Métodos.........................................................................................................17
7.1. Métodos de aplicación.................................................................................................17
7.1.1. Metodología para análisis y tratamiento de información.....................................17
7.1.2. Metodología del modelo hidrológico GR2M.......................................................19
7.1.3. Cálculo de Evapotranspiración (Método de FAO Penmann-Monteith)...............19
7.2. Materiales (Información de Estaciones Meteorológicas de la Región).......................20
VII. Cronograma........................................................................................................................21
8. Cronograma de actividades.................................................................................................21
9. Recursos..............................................................................................................................22
VIII. Esquema de trabajo.............................................................................................................22
10. Flujo de trabajo...............................................................................................................22
IX. Bibliografía.........................................................................................................................24
3
I. Planteamiento del problema
1. Formulación del problema
La modelación hidrológica es una herramienta muy usada para el estudio de avenidas que se
ha extendido por el mundo. En la actualidad, con el empleo de estos modelos se realiza el
análisis y la prevención de las inundaciones; además, con el modelo hidrológico se pueden
manejar hipótesis realistas o previsibles que ofrezcan un grado de confianza que nos permita
tomar decisiones, ya sea para organizar el territorio donde se encuentre este recurso o para
establecer criterios de diseño en obras (Estrada et al., 2012). El uso de la tecnología ha estado
siempre presente en el modelamiento hidrológico de una cuenca, ya que ha permitido a los
hidrólogos realizar cálculos complejos y repetitivos con grandes cantidades de datos (Beven,
1989).
Según el ALA Locumba-Sama (2010) “El río Sama es el que más agua lleva en la cuenca
Sama. El régimen de este río es torrentoso debido a ser el más irregular en la zona sur del país
por su gran variabilidad y marcada diferencia entre sus descargas extremas. La máxima descarga
registrada fue de 115.4 m3/s y la descarga mínima fue de 0.01 m3/s; la media anual fue de 2.27
m3/s”. Sin embargo, en muchas regiones, es usual tener muy poca información acerca de los
registros de caudales, por lo tanto, evaluar los caudales de los ríos a partir de la precipitación ha
sido un importante tema de investigación (Xu & Singh 1998). Las relaciones lluvia -
escurrimiento se utilizan principalmente para el diseño, pronósticos y evaluación de obras
hidráulicas y gestión del agua; si los datos de escurrimiento no están disponibles o son
insuficientes, las relaciones lluvia – escurrimiento pueden ser muy útiles para obtener el
escurrimiento a partir de la precipitación (IRH-ATDRR, 2008).
4
Los modelos GR son un grupo de modelos precipitación-escorrentía desarrollados en Francia
por la unidad de investigación en hidrología. Estos modelos se caracterizan por utilizar como
datos de ingreso la precipitación y la temperatura. GR2M es un modelo agregado que simula
caudales en intervalos mensuales (Perrin et al., 2009). Para la información disponible, la
aplicación del modelo GR2M nos permitirá simular los caudales medios que se presentarán en
los posteriores años; validando esta información con los datos recogidos de las estaciones de la
cuenca Sama. Esta información podrá ser utilizada para la administración y organización de las
comunidades de la zona, para poder ser aprovechadas según la disposición que se le brinde según
su jurisdicción
II. Hipótesis
2. Formulación de Hipótesis
Se conocen las variables hidrológicas que tiene la cuenca sama en toda su área; también la
información meteorológica e hidrológica que se tiene a disposición. Toda esta información es
necesaria para poder calibrar y validar el modelo hidrológico GR2m, que tendrá como resultado
un modelo apto para poder realizar una planificación, a nivel hídrico en beneficio de la población
y el desarrollo local.
III. Fundamento y justificación del tema a investigar o desarrollar
3. Justificación del problema
3.1. En el aspecto social
El modelamiento hidrológico mediante el modelo GR2m es una opción a validarse para
poder generar descargas medias del rio Sama, que servirá para poder administrar los recursos
5
hídricos en las comunidades existentes y comunidades futuras, a beneficio de los pobladores y
agricultores de la zona
3.2. En el aspecto ambiental
La administración de las aguas de la cuenca Sama nos ayudará a poder distribuir el recurso
hídrico sin afectar los sistemas de vida animal, vegetal ni el medio ambiente; conservándose
también las actividades agrícolas de la zona y sus posteriores ampliaciones según la planificación
de la localidad.
3.3. En el aspecto económico
Abrir el conocimiento del recurso hídrico disponible para la extensión de la frontera hídrica
de la zona. También con la planificación del recurso hídrico, se pueda abrir una ventana
socioeconómica al crecimiento poblacional e industrial, que pueda ofrecer nuevos destinos a los
peruanos y empresas para que las comunidades ubicadas en la cuenca del rio Sama tengan
mayores opciones económicas.
IV. Objetivos
4. Objetivos
4.1. Objetivo general
- Calibrar y validar las descargas medias de una estación hidrométrica de la cuenca Sama,
en base a la precipitación y la evapotranspiración potencial mediante el modelo
hidrológico GR2m en la cuenca del rio Sama.
4.2. Objetivos específicos
- Tratar y procesar data de precipitación histórica a nivel mensual de la red de estaciones
6
influyentes en la zona de estudio.
- Determinar de la precipitación media areal de data procesada.
- Determinar de la evapotranspiración mediante el método de FAO Penman-Monteith
- Determinar de los caudales medios mediante el modelo GR2m.
- Evaluar el desempeño del modelo mediante las medidas de bondad de ajuste.
V. Marco Teórico de la investigación
5. Fundamentos Teóricos
5.1. Modelamientos hidrológicos
Un modelo matemático no es un remplazo de las observaciones de campo, su valor reside en
la elección y ajuste correcto de expresiones matemáticas para estimar la información hidrológica.
Por lo tanto, un modelo matemático debe entenderse como una simplificación de un sistema
complejo gobernado por un conjunto de ecuaciones (Clarke, 1973). Las ecuaciones presentan
variables como características de un sistema al cual se pretende modelar (Dooge, 1973); y de
parámetros: definidos como cantidades que caracterizan a un sistema.
Un modelo hidrológico es una idealización de los fenómenos físicos que relaciona las
variables hidrometeorológicas como son la escorrentía, precipitación, temperatura,
evapotranspiración entre otras (Chow et al., 1988).
Una clasificación más detallada de modelos en la hidrología se observa en la Figura 1
7
Figura 1
Clasificación de modelos matemáticos en la hidrología II
Fuente: Hidrologyc Models, Xu (2002)
5.2. Modelamientos hidrológicos determinísticos y estocásticos
La diferencia fundamental entre los modelos determinísticos y estocásticos es la
consideración de la oportunidad de ocurrencia de las variables y la introducción del concepto de
probabilidad en la formulación del modelo (Kisiel, 1969). Como consecuencia, los modelos
determinísticos puedan pronosticar la realidad sujetos a una sola respuesta, mientras que los
modelos estocásticos pueden predecir la realidad generando respuestas múltiples en función de la
aleatoriedad de las variables definidas para el modelo. Sin embargo, los modelos determinísticos
han dado buenos resultados, en tanto la variabilidad de la salida de un modelo sea pequeña.
8
Tabla 1
Ventajas y desventajas de modelos hidrológicos estocásticos y determinísticos
Modelamientos determinísticos Modelamientos estocásticos
Describe el comportamiento del ciclo Utiliza propiedades estadísticas de los
hidrológico, en términos de expresiones registros existentes (muestra de datos) y
matemáticas, las cuales diseñan las relaciones leyes de probabilidad, junto con un
e interacciones de los varios componentes del generador de números aleatorios para
sistema hidrológico espacial y temporal. generar series sintéticas, considerados
como eventos posibles.
Son ejecutados fácilmente una vez establecido Usados para generar datos de entrada de
las variables de entrada. un modelo conceptual o para generar
salidas directas.
Requieren de una gran cantidad de Se debe considerar que las
información, series largas y continuas de datos variables climáticas siguen una función de
que en muchas ocasiones no se tiene o no distribución de probabilidad Normal
necesariamente presentan la calidad deseada.
En ocasiones no se toma en cuenta la En un modelo estocástico muchas series
incertidumbre en la respuesta entre los similares pueden ser simuladas
subsistemas del sistema hidrológico total.
Estos modelos son complejos y requieren
capacitación y experiencia para operar
exitosamente,
Fuente: Astorayme, 2017
9
5.3. Modelos hidrológicos Teóricos, Conceptuales y Empíricos
Los modelos Teóricos denominados modelos de caja blanca o modelos físicamente basados,
White-Box models Xu (2002), presentan una estructura similar al mundo real pues toman en
cuenta todos los procesos internos del sistema a considerar. Ejemplo de estos son aquellos
modelos basados en la ecuación de Saint Venant o las ecuaciones basadas en transporte en agua
subterránea (Freeze, 1971).
La diferencia entre modelos teóricos y empíricos puede entenderse como la manera de
interpretar la realidad. Así, los modelos empíricos, denominados modelos de caja negra o black-
Box models, (Clarke, 1973), no se fundamentan en procesos físicos sino más bien en parámetros
que pueden tener pequeñas interpretaciones físicas.
Por otro lado, los modelos conceptuales representan procesos simplificados de la realidad
haciéndolos más eficaces a la hora de evaluar la variabilidad del clima, el cambio climático, los
cambios y uso de la tierra, y otras actividades (OMM, 2011). En consecuencia, los modelos
conceptuales se categorizan como modelos intermedios entre los modelos teóricos y empíricos.
Ellos son denominados modelos de caja gris o grey-Box models, (Xu, 2002).
Ejemplo de modelos empíricos son los conocidos GR (Perrin et al., 2003); estos son de corte
determinístico. Otra distinción entre modelos empíricos y conceptuales es descrita por Edijatno
et al. (1999) y tomada más tarde como referencia por Perrin et al. (2003)
5.4. Modelo GR2m
Según Michel (1983) “El modelo GR2m es un modelo global, usado para reconstruir los
caudales a partir de la precipitación y la evapotranspiración. Posteriormente el modelo ha
continuado evolucionando presentando diferentes versiones como el GR1A, GR2m, GR3J,
GR4J. El número indica el número de parámetros a modelar y la última letra el paso de tiempo: J
10
(diario), M (mensual), A (anual). El modelo GR2m, funciona a paso de tiempo mensual, que está
basado en la transformación de la lluvia en escorrentía”
GR2M es un modelo de balance hídrico conceptual a paso de tiempo mensual con un
reducido número de parámetros (Lavado Casimiro et al., 2011). X1 y X2 definen la máxima
capacidad de almacenamiento del reservorio y la relación de intercambio de agua entre la
superficie y las aguas subterráneas, respectivamente, además de los dos parámetros considera dos
estados iniciales, denominados; cuantificación del almacenamiento de humedad del suelo (S) y
reservorio cuadrático (R) (Rwasoka et al., 2014). El modelo será condicionado para simular
caudales mensuales a partir de evapotranspiración potencial y precipitación mensual (Mouelhi et
al., 2006)
a evapotranspiración potencial utilizada como dato de entrada para el modelo mensual
GR2M se calculará utilizando el método de FAO Penman-Monteith a partir de registros de
temperatura media mensual
Figura 2
Esquema del modelo GR2m
Fuente: Mouelli, 2003 11
5.5. Indicadores estadísticos de eficiencia
Para evaluar el desempeño de un modelo hidrológico, se describe en la literatura el uso de
diferentes indicadores estadísticos de eficiencia. Siendo los más citados el coeficiente de Nash-
Sutcliffe, coeficiente de correlación de Pearson (r), la raíz relativa del error cuadrático medio
(RRMSE), entre otros.
Se presentarán para el siguiente proyecto de investigación 05 indicadores estadísticos de
eficiencia para evaluar el comportamiento de las series simuladas por los modelos propuestos, a
saber: Coeficiente de Nash-Sutcliffe, citado en numerosos artículos científicos (Astorayme et al.,
2015; Garcıa, 2011; Viviroli et al., 2009) el coeficiente de Nash logarítmico (Nash-ln), la cual es
una variante de la primera (Krause et al., 2005). Otros indicadores son el coeficiente de Pearson
(r), (Aghakouchak & Habib, 2010) y la raíz del error medio cuadrático relativo (de siglas en
inglés, RRMSE).
a) Coeficiente de Nash-Sutcliffe
Es el más empleado y de uso extendido (Nash & Sutcliffe, 1970) para evaluar la predicción
de las series simuladas en modelos hidrológicos.
Tabla 2
Valores referenciales de coeficiente de Nash
Fuente: Molnar, 2011
En la Tabla 2 se tiene un rango propuesto por Molnar (2011) el cual califica a un modelo
según el coeficiente de Nash- Sutcliffe obtenido. Así, se tiene que para un coeficiente de Nash
12
mayor a 0.6 se considera que la eficiencia de un modelo es muy buena y para valores mayores a
0.8 es excelente.
El coeficiente de Nash toma valores en un rango de −∞ a 1 siendo el valor ´optimo la unidad,
dando énfasis a la evaluación de los caudales en periodos de avenida
b) Coeficiente de determinación:
Uno de los más utilizados es el coeficiente de determinación (R2 ), que es el cuadrado del
coeficiente de correlación, varía entre 0 y 1, es mejor mientras esta más cercano a 1, Se usa como
una medida de dispersión del modelo (Sarria, 2008)
Este coeficiente puede interpretarse como la proporción de varianza representada por los
valores calculados con el modelo respecto a los valores observados. Cov (Qo,Qs) es la
covarianza entre los valores observados y los calculados, Sd(Qo) es la desviación típica de
valores observados y Sd(Qs) es la desviación típica de los valores calculados. El problema de
este coeficiente es que es insensible a desviaciones constantes o proporcionales, es decir que si
cumple que Qs = a + bQo, r2 será igual a 1 dando una falsa idea de que el modelo responde
adecuadamente a la realidad. Otro problema es que es muy sensible a los valores extremos que
hacen crecer el coeficiente dando una falsa apariencia de buen ajuste (Sarria, 2008). Este
coeficiente no debe ser único, solo representa un valor inicial que debe ser completado con otros
índices para realmente medir el grado de ajuste.
5.6. Calibración y validación de modelos hidrológicos
La calibración es el proceso por el cual se identifican los valores de los parámetros del
modelo para los cuales la serie de datos simulado se ajusta de manera óptima a la serie de datos
observados. Para evaluar la bondad de ajuste del modelo se utiliza una “función objetivo”. La
función objetivo es usualmente una medida de bondad de ajuste (error de balance de masas,
13
coeficiente de correlación, eficiencia de Nash-Sutcliffe, etc), pero también puede ser una
combinación de estas (dependiendo de la importancia que el investigador asigne a las diferentes
medidas de bondad de ajuste) recibiendo entonces el nombre de función “multiobjetivo”
(Cabrera, 2012a).
La validación de un modelo como “el proceso de demostración que el modelo es capaz de
hacer predicciones en un lugar específico determinado para períodos fuera del período de
calibración”. De esta manera, se dice que un modelo ha sido validado si su precisión y capacidad
predictiva en el período de validación muestran errores o límites aceptables (Cabrera, 2012b).
La validación de modelos hidrológicos, es un proceso complejo de análisis y toma de
decisiones. Uno de los modelos en análisis es la aplicación del modelo GR2M, lluvia
escorrentía a paso mensual. El objetivo principal, es determinar la eficiencia del modelo bajo
la evaluación de procesos de calibración, validación y sensibilidad en la cuenca del río
Jequetepeque. La finalidad es aplicar a aquellos espacios que no tienen data de caudales,
donde sí se cuenta con información de precipitación y temperatura. (Alcántara, 2014)
6. Antecedentes
6.1. Características hidrológicas de la cuenca Sama
Según investigaciones descritos en el estudio Evaluación de Recursos Hídricos en las
cuencas de los ríos Sama y Locumba elaborado por la Autoridad Local del agua Locumba Sama
(2010):
“Este río nace en las alturas de la laguna Cotanvilque con el nombre de río Jaruma
Grande; posteriormente, se conoce con los nombres de río Jaruma, Huallatire,
Ticalaco, Pistala y Tala hasta la confluencia con el río Salado, donde forma el río
Sama, nombre con el cual desemboca en el Océano Pacifico.
14
El régimen del río es torrentoso, y es el más irregular de la zona Sur por su gran
variabilidad y marcada diferencia entre sus descargas extremas. La cuenca es
alimentada en el verano Austral por precipitaciones pluviales; en este período se
concentra el 75% de las descargas, y el resto del año es alimentado por deshielos de
glaciales y/o la descarga de los acuíferos de agua subterránea. La máxima descarga
registrada fue de 115,4 m3/s y la descarga mínima fue de 0,01 m3/s. La media anual
fue 2,27 m3/s. Entre los meses de Enero a Marzo se concentran mayores descargas,
que disminuyen a partir de Setiembre a Diciembre.
En forma general, la cuenca tiene forma alargada, de ancho constante, a excepción de
la zona de su desembocadura, en donde se estrecha fuertemente. Las dimensiones
promedio son de 120 km de largo y 40 km de ancho.
La cuenca del río Sama, excluyendo el área de sus nacientes cuyos recursos son
derivados al río Caplina, tiene una extensión total de 4 448 km2, de la cual el 13,7%
del área total, es decir 635 km2, corresponden a la cuenca húmeda.
Algunas características propias de la cuenca se pueden describir en líneas generales:
a) Temperatura
La temperatura media mensual varía desde 15,3 °C (Julio) a 22,5 °C (Febrero).
La temperatura máxima varía de 25 °C en la costa a 15 °C en la zona alta.
La temperatura mínima varía de 14 °C en la costa a -4 °C en la zona alta.
b) Precipitación
La precipitación total mensual promedio varía desde 0,4 mm (Abril) a 8,4 mm
(Setiembre) en la Estación Sama (altitud 552 m.s.n.m.); y desde 0,25 mm (Mayo) a
15
61,69 mm (Enero) en la Estación Talabaya (altitud 3 400 m.s.n.m.). La precipitación
total anual promedio varía desde 10 mm en la zona costera, a 340 mm en la zona alta.
c) Humedad Relativa
La humedad relativa mensual varía desde 71,4% (Octubre) a 76,8% (Junio) en
(Febrero) en la Estación Tarata (altitud de 3 068 m.s.n.m.).”
6.2. Ubicación del Proyecto
Se encuentra entre las coordenadas geográficas 17°12´ y 18°10´ de Latitud Sur y 69°50´ y
70°51´ de Longitud Oeste. Políticamente, está ubicada en el departamento de Tacna, ocupando
parte de las provincias de Tacna y Tarata.
Los límites de la cuenca Sama son: Por el norte la cuenca del río Maure, por el sur el Océano
Pacífico, por el este las cuencas de los ríos Kallapuma, Uchusuma y Caplina; y por el oeste la
cuenca del río Locumba.
Figura 3
Mapa del Perú
Fuente: Elaboración propia
Figura 4
Delimitación de Cuenca
16
Fuente: Elaboración propia
17
VI. Metodología
7. Materiales y Métodos
7.1. Métodos de aplicación
7.1.1. Metodología para análisis y tratamiento de información
Para el análisis de la data obtenida desde la base de datos de SENAMHI se tendrá:
a) Análisis de Consistencia
El análisis de la consistencia de la información hidrometeorológica es una técnica que
permite detectar, identificar, cuantificar, corregir y eliminar los errores sistemáticos de la no
homogeneidad e inconsistencia de una serie hidrometeorológica. Antes de proceder a efectuar el
Modelamiento Matemático de cualquier serie hidrometeorológica es necesario efectuar el
análisis de consistencia respectivo a fin de obtener una serie homogénea, consistente y confiable;
porque la inconsistencia de datos puede producir un sobre y sub diseño de estructuras
hidráulicas. El análisis de consistencia se realizará con tres métodos, tales como son:
o Análisis grafico
o Análisis de doble masa.
o Análisis estadísticos.
b) Análisis de saltos y tendencias
En análisis de saltos y tendencias se realiza a partir de la relación funcional entre 2 periodos
de base de datos hidrológicos. Estos 2 periodos serán obtenidos como resultado de una prueba no
paramétrica de saltos con los métodos de Cusum y Rank SUM. Seguidamente, se realizará un
análisis de tendencia en la media y la desviación estándar para cada periodo, con el objetivo de
18
evaluar si estas pruebas no sobrepasan una significancia =0.05. Las pruebas no paramétricas
para la evaluación por tendencia serán Man Kendall y Spearman Rho’s
Como análisis y complemento, se realizará la evaluación por tendencia y saltos mediante
pruebas paramétricas de Regresión Lineal (tendencia), Cumulative Desviation y Student’s T
(saltos); demostrando que estas pruebas tendrán validez si se ajustan a una distribución normal
c) Completación y extensión de datos
Para completar la información inexistente se procederá de la siguiente manera:
Se buscará la información que guarda buena relación con la estación base que se quiere
completar
Se verificará que los escurrimientos superficiales registrados en la estación sean afecto de
la misma causa (caudal, precipitación), además que ambas estaciones tengan el mismo
comportamiento hidrológico.
Seleccionar el modelo de correlación, en este caso la ecuación de regresión lineal simple,
cuyo modelo estadístico es:
Dónde:
Y = Variable aleatoria independiente
X = Variable aleatoria dependiente
1, 0 = Parámetros de la ecuación de regresión
E = Es el error
19
7.1.2. Metodología del modelo hidrológico GR2M
El modelo GR2M, funciona a paso de tiempo mensual, el cual está basado en la
transformación de la lluvia en escorrentía, a través de la utilización de un conjunto de ecuaciones
Todas las cantidades (entradas, salidas y variables internas) están expresadas en mm. En
las ecuaciones presentadas a continuación P y E representan la precipitación y la evaporación
potencial promediadas sobre la cuenca de estudio.
En el proceso de la utilización del modelo GR2M, se procede a la calibración, validación;
en el primer caso es obtener valores óptimos de los parámetros incluidos en el modelo, es decir
el mejor ajuste entre los datos observados y los datos simulados por el modelo; en el segundo
caso, la validación, es el proceso de verificación de la calidad de los ajustes de la etapa de
calibración.
7.1.3. Cálculo de Evapotranspiración (Método de FAO Penmann-Monteith)
El método de Penmann-Monteith, según Pereira et al. (1997) y Allen et al. (1998), utiliza
únicamente datos como: Temperatura máxima y temperatura mínima del aire, entre otros datos
adicionales necesarios para poder resolver la siguiente ecuación:
Para la resolución de la ecuación es necesario evaluar algunas condiciones meteorológicas y
morfológicas del área de estudio como son:
a) La velocidad de viento
b) Pendiente de la curva de presión de vapor de saturación
20
c) Constante psicrométrica
d) Presión de vapor real
e) Radiación solar
f) Radiación de onda corta en cielo despejado
7.2. Materiales (Información de Estaciones Meteorológicas de la Región)
Las estaciones son de propiedad del SENAMHI, en donde se trabaja con la data de
precipitaciones validada por la presente institución. Las estaciones siguientes son las estaciones
con las que se trabajará en la presente investigación:
Tabla 3
Datos de estaciones meteorológicas e hidrométricas en el área de influencia
ID Estación Zona Cuenca Latitud Longitud
117030 CAIRANI Perú Locumba -17.2812 -70.3627
117034 SITAJARA Perú Sama -17.3725 -70.1356
117033 SUSAPAYA Perú Sama -17.3510 -70.1333
117039 TALABAYA Perú Sama -17.5592 -69.9997
117020 TARATA Perú Sama -17.4742 -70.0339
117040 TOQUELA Perú Sama -17.6608 -69.9489
117019 CANDARAVE Perú Locumba -17.2711 -70.2539
117014 VILACOTA Perú Maure -17.1183 -70.0508
117043 PAUCARANI Perú Maure -17.5250 -69.7795
117013 CHUAPALCA Perú Maure -17.3050 -69.6436
116052 PAMPA UMALSO Perú Tambo -16.8750 -70.4236
117048 CHALLAPALCA Perú Maure -17.2372 -69.8130
- SAMA GRANDE Perú Sama -17.78758 -70.4896
- LA TRANCA Perú Sama -17.73011 -70.47917
- CORUCA Perú Sama -17.63312 -70.454558
- PUENTE TALAPALCA Perú Sama -17.47487 -70.172647
21
Fuente: Servicio Nacional de Meteorología e Hidrología del Perú, SENAMHI (2020)
VII. Cronograma
8. Cronograma de actividades
En la presente investigación se sintetiza el cuadro del cronograma de todas las
actividades para la realización, hasta su culminación.
Tabla 4
Cronograma de actividades
Meses
Actividades
1 2 3 4 5 6 7 8
Recolección de información de
Precipitaciones y descargas.
Procesamiento y tratamiento de
Precipitaciones
Cálculo de la
Evapotranspiración
Análisis de consistencia de
datos de precipitación y
temperatura
Generación de caudales medios
mediante GR2m.
Ajuste y Calibración del
modelo GR2m
Revisión de la investigación.
Presentación de investigación.
Fuente1: Elaboración propia
22
9. Recursos
En los recursos para la realización de la investigación se considerará los siguientes rubros:
Detalle de presupuesto para la realización de la investigación propuesta.
Tabla 5
Presupuesto de proyecto
Descripción Costo Costo
Cantidad Unidad Unitario S/ . Total S/.
1. Recursos Técnicos
Asesoría en uso de software 02 Global 200 400.00
Asesoría en manejo de información 01 Global 500 500.00
2. Recursos administrativos y generales
Adquisición de libros físicos 01 Libros 80 80.00
Impresión de borrador de proyecto 02 Global 120 240.00
Impresión final de proyecto 01 Global 150 150.00
Imprevistos 01 Global 200 200.00
Subtotal S/. 1570
Gastos Generales (Movilización, comunicaciones y gestión de proyecto, 7%) 109.90
Costo Total S/. 1679.90
Fuente: Elaboración propia
VIII. Esquema de trabajo
10. Flujo de trabajo
Para el trabajo de investigación se realizará el flujo de trabajo de la figura
23
Figura 5
Diagrama de flujo metodológico
Fuente: Elaboración Propia
24
IX. Bibliografía
Aghakouchak, A. & Habib, E. (2010). Application of a Conceptual Hydrologic Model in
Teaching Hydrologic Processes. Hydrology and Earth System Sciences.
Alcántara, A.; Montalvo, N.; Mejía, A.; Ingol, E., (2014) Validación de modelos hidrológicos
Lluvia-escorrentía para su aplicación a la cabecera de cuenca del río Jequetepeque
Allen, R.; Pereira, L.; Raes, D.; Smith, M. (1998). Evapotranspiración de cultivos: directrices
para calcular los requisitos de agua de los cultivos. Documento de riego y drenaje de la
FAO
Astorayme, M. A. (2017) Análisis y evaluación comparativa de modelos hidrológicos agrupados
y semidistribuidos aplicados al pronóstico de caudales diarios del río Chillón (Tesis de
grado)
Astorayme, M. A., Garcia, J., Suarez, W., Felipe, O., Huggel, C., and Molina, W. (2015).
Modelización hidrológica con un enfoque semidistribuido en la cuenca del rio Chillón,
Perú. Revista Peruana Geo-Atmosférica –RPGA.
Beven, K (1989) Changing ideasnin hydrology – The case of physically-based models. Journal
of hydrology, 105(1), 157-172
Cabrera, J. (2012a). Calibración de modelos hidrológicos. Modelación hidrológica (Cap. 2).
Instituto para la mitigación de los efectos del fenómeno el niño, Lima.
[Link]
Cabrera, J. (2012b). Validación de modelos hidrológicos. Modelación hidrológica (Cap. 3).
Instituto para la mitigación de los efectos del fenómeno el niño, Lima.
[Link]
25
Perrin C., Michel C., Andréassian V. (2007). GR: Modèles Hydrologiques du Génie Rural. UR
Hydrosystèmes et Bioprocédés. [Link]
Chow, V. T., Maidment, D. R., and Mays, L. W. (1988). Applied Hydrology. MC Graw Hill,
London, United States, internation edition.
Clarke, R. T. (1973). Mathematical models in hydrology. Rome : Food & Agriculture.
Organization of the United Nations, Wallingford.
Dooge, J. C. I. (1973). Linear Theory of Hydrologic Systems. Technical Bulletins 160041,
United States Department of Agriculture, Economic Research Service.
Edijatno, N. d. O. N., Yang, X., Makhlouf, Z., and Michel, C. (1999). GR3J: a daily watershed
model with three free parameters. Hydrological Sciences Journal,
44(2):263–277.
Estrada Sifontes, V., Moya, P. & Miguel, R. (2012) Modelación hidrológica con HEC-HCM en
cuencas montañosas de la región oriental de Cuba. Ingeniería Hidráulica y Ambiental,
33(1), 71-80.
Freeze, R. A. (1971). Three-Dimensional, Transient, Saturated-Unsaturated Flow in a
Groundwater Basin. Water Resources Research, 7(2):347–366.
Garcia, J. (2011). Flood management in a complex river basin with a real-time decisión support
system based on hydrological forecasts. PhD thesis, Ecole Polytechnique Federale de Lausanne,
EPFL, Switzerland.
IRH-ATDRR (2008). Actualización del Balance Hídrico de la cuenca del río Ramis. Intendencia
de Recursos Hídricos, Administración Técnica del Distrito de Riego Ramis. Ministerio de
Agricultura del Perú, INRENA.
26
Kisiel, C. C. (1969). Time series analysis of hydrologic data. Advances in hydroscience,
Krause, P., Boyle, D. P., and Base, F. (2005). Comparison of different efficiency criteria
l’ evaluation de l’impact du changement climatique dans le bassin Amazonien du Perou.
Lavado Casimiro, W.S., Labat, D., Guyot, J.L., Ardoin-Bardin, S.,(2011). Assessment of climate
change impacts on the hydrology of the Peruvian Amazon-Andes basin.
ALA Locumba-Sama (2010) Evaluación de recursos hídricos cuencas de los ríos locumba y
sama. Dirección de Conservación y Planeamiento de Recursos Hídricos Área de Aguas
Superficiales (Vol.1)
Michel, C. (1983). Que peut-faire en el hidrológico avec des conceptuel modèle à un seul
paramètre. La Houille Blanche, 1: 39-44, ([Link]
Molnar, P. (2011). Calibration. Technical report, Watershed Modelling, SS 011. Institute of
Environmental Engineering, Chair of Hydrology and Water Resources Management,
ETH Zurich, Switzerland.
Mouelhi, S. (2003). Vers une chaîne cohérente de modèles pluie-débit conceptuels globaux aux
pas de temps pluriannuel, annuel, mensuel et journalier. (Tesis de doctorado), NGREF,
Cemagref Antony, France, 323 pp.
Mouelhi, S., Michel, C., Perrin, C., Andréassian, V., (2006). Stepwise development of a two-
parameter monthly water balance model. J. Hydrol. 318, 200–214.
doi:10.1016/[Link].2005.06.014
Nash, J. & Sutcliffe, J. (1970). River flow forecasting through conceptual models’ part I — A
discussion of principles. Journal of Hydrology.
OMM (2011). International Glossary of Hydrology.
Pereira, A.; Villa Nova, N.; Sediyama, G. (1997) . Evapo (transpi) ração, Primera ed.
27
Perrin, C., Michel, C., & Andreassian, V. (2003). Improvement of a parsimonious model for
streamflow simulation. Journal of Hydrology, 279(1-4):275–289.
Rwasoka, D.T., Madamombe, C.E., Gumindoga, W., Kabobah, A.T.,(2014). Calibration,
validation, parameter indentifiability and uncertainty analysis of a 2 – parameter
parsimonious monthly rainfall-runoff model in two catchments in Zimbabwe. support
system based on hydrological forecasts. PhD thesis, Ecole Polytechnique Federale de
Lausanne, EPFL, Switzerland.
Sarria F. y J. Palazón. (2008). “Modelación de Sistemas Ambientales Modelos y Modelización”.
Universidad de Murcia. España: ocw-publicaciones.
SENAMHI (20200) “Descarga de datos meteorologicos – Peru”. Obtenido de:
[Link]
Viviroli, D., Mittelbach, H., Gurtz, J., and Weingartner, R. (2009). Continuous simulation for
flood estimation in ungauged mesoscale catchments of Switzerland – Part II: Parameter
regionalisation and flood estimation results. Journal of Hydrology.
Xu, C. Y. & Singh, P. (1998). A review on monthly water balance models for water resource
investigations. Water Resources Management, 31:31-50
Xu, C.-y. (2002). Hydrologic models. Department of Earth Sciences, Uppsala University.
28
