Primera Entrega Proyecto Hidrología

Facultad de ingeniería
Departamento de Ingeniería Civil y Ambiental

Proyecto hidrología: primera entrega
Presentado por:
Laura Vanessa Enríquez 201629673
Valentina Joya Barrero 201326772
Nicolás Alfonso Recalde Gaona
Sebastián Uribe González 201532408
Presentado a:
Juan Pablo Rodríguez Sánchez M.Sc, Ph.D
Universidad de los Andes
Bogotá D.C
17 de abril de 2019
1
Tabla de contenido
Cronograma................................................................................................................................................. 3
Resumen ...................................................................................................................................................... 4
Introducción ................................................................................................................................................ 4
Ubicación de la estación asignada y delimitación de la cuenca tributaria .................................................. 5
Explicación del modelo HBV ..................................................................................................................... 7
Metodología .............................................................................................................................................. 11
Resultados e interpretación de resultados ................................................................................................. 12
a) Determinación del promedio mensual multianual de la evaporación y la temperatura ................. 12
b) Determinación de la evapotranspiración potencial anual promedio .............................................. 13
c) Determinación de la evapotranspiración mensual ......................................................................... 15
d) Rangos de variación de los parámetros para modelo HBV ............Error! Bookmark not defined.
e) Proceso de calibración y análisis ................................................................................................... 19
i. Calibración con la evapotranspiración mensual del método de PenmanError! Bookmark not
defined.
ii. Calibración con la evapotranspiración mensual del método de Morton ................................ 23
f) Verificación del modelo calibrado y análisis ................................................................................. 24
i. Verificación con la evapotranspiración mensual del método de Penman .................................. 25
ii. Verificación con la evapotranspiración mensual del método de MortonError! Bookmark
not defined.
Conclusiones ..............................................................................................Error! Bookmark not defined.
Referencias ................................................................................................................................................ 29
2
Cronograma
3
Resumen
Este proyecto tiene como objetivo presentar el procedimiento de la calibración del modelo HBV de
transformación lluvia-escorrentía para realizar posteriormente un análisis a partir de este. Para ello, fue
necesario utilizar datos de precipitación media diaria historia de una estación ubicada dentro de la cuenca,
y con herramientas como Arcgis, HidroSIG y Excel se extrajeron todos los datos necesarios para la
correcta calibración del modelo. Finalmente se realizó la verificación de la calibración utilizando datos
utilizando datos de los años restantes a los usados en la calibración, con el fin de comprobar si el modelo
se ajusta correctamente a otros periodos de tiempo, luego se compararon los resultados y se concluyó.
Introducción
Dentro de la importancia de la realización de un análisis hidrológico completo de una determinada cuenca,

se contempla la estimación de la evapotranspiración de esta. Para ello es necesario calcular su régimen de
precipitación y de escorrentía, utilizando modelos como el HBV. Este modelo nos permitirá analizar las
características hidrológicas de la zona y también la frecuencia de eventos extremos de la cuenca estudiada.
Para este informe en particular se realizará este análisis para la cuenca delimitada por la estación
hidrológica Julumito [26017020], cuenca contenida en la gran cuenca del Cauca ubicada en el
departamento de Cauca.
4
Ubicación de la estación asignada y delimitación de la cuenca tributaria
Con el fin de determinar la cuenca tributaria correspondiente a la estación hidrológica asignada es

necesario seguir los siguientes pasos:
1. Identificar la estación asignada, para ello, utilizando la herramienta “Select by atributes” del
programa Argis, ingresamos el parámetro código=’26017020’ con el fin de seleccionar la estación
por su código. Una vez seleccionada la estación, oprimimos click derecho sobre la capa de
estaciones y utilizamos la herramienta “Crear capa a partir de selección”.
2. Para delimitar la cuenca, Con el modelo digital del terreno (DEM) se genera una capa ráster con
la dirección de flujo del mapa. Esta capa se obtiene a partir de la función “Flow direction” que se
encarga de calcular la máxima pendiente de la celda o pixel y le asigna una posible dirección.
3. Debido a que la capa anterior (Flow direction) no nos otorga información a simple vista, es
necesario utilizar la herramienta “Flow Accumulation” para poder detectar de manera más fácil la
red de drenaje.
4. Con el fin de observar de manera clara la red de drenaje utilizamos la herramienta “Raster
Calculator”. Ingresamos el patrón Con(AcumFlow>25,1) y se generara la nueva capa con la red
de drenaje.
5. Debido a que la herramienta para generar la cuenca presenta algunos problemas, es necesario
reubicar la estación de tal forma que quede bien centrada sobre la red de drenaje, para ello editamos
la capa de la estación y arrastramos la estación sobre la red de drenaje creada en el paso anterior.
6. Finalmente, con la herramienta “watershed” creamos la delimitación de la cuenta, ingresando

como parámetros el punto de salida (estación JULUMITO editada) y la capa de dirección de flujo
creada en el paso 2.
5
Como resultado de esta delimitación, se obtiene la cuenca tributaria y la ubicación la estación asignada:
Figura 1. Cuenca delimitada en ARCGIS con punto de salida.
Para determinar el área de la cuenca tributaria es necesario seguir los siguientes 2 pasos:
1. Debido a que el formato de capa de la cuenca es tipo RASTER es necesario convertir esta capa a
un polígono, para ello, utilizamos la herramienta “Extract by Mask”. Ingresamos como parámetro
la capa de la cuenta y obtendremos la capa en el formato deseado para poder calcular su área.
2. Una vez obtenida la capa de la cuenta en el nuevo formato, basta con ingresar a la tabla de atributos
de esta para observar el área de esta. En este caso el área corresponde a:
𝐴𝑟𝑒𝑎 = 788094148 𝑚2 = 788,094 𝑘𝑚2
6
Explicación del modelo HBV
INFO GENERAL HBV

The HBV model is a conceptual rainfall-runoff model originally developed at the Swedish Meteorological
and Hydrological Institute, SMHI (Bergstrom 1976 and 1995). Different automatic calibration methods
have been tested with the model. Bergstrom tested the hill-climbing Rosenbrock scheme, but without
satisfactory results. Harlin (1 99 1) developed a process-oriented calibration scheme which tried to mimic
the way in which an experienced hydrologist would calibrate the model manually, whereas Vehvilainen
(1 992) used the Rosenbrock method. However, even the objective methods are subjective in the sense
that one has to choose an eror function which is to be minimised. The efficiency criterion R~ (Nash and
Sutcliffe 1970) is often used, but Harlin used different criteria for different parameters and different
subperiods. A disadvantage of the method is that it is somewhat complicated to understand and apply.
The search algorithm is not particularly efficient when the parameters are interdependent, something
which is often the case.
During the development of a new HBV model version (Lindstrom et al. 1996) with a higher spatial
resolution, the length of optimisation runs using Harlin's scheme became annoyingly long, sometimes
up to a week. Instead of using many different criteria and subperiods it would be easier to rely on one
single criterion evaluated for the whole calibration period. It would thereafter be a question of finding
the parameter set which produces the best fit, i.e., the optimum. Different methods could be used for
finding the optimum, e.g. Monte Carlo simulations, computations over a grid, or direct search methods.
The two first methods would be very time-consuming since a large number of parameter combinations
would have to be tested. Therefore, an efficient method for a direct search of the global optimum
appeared to be the most promising alternative.
A Simple Automatic Calibration Routine for the HBV Model
The accuracy of a model output is dependent on the quality of the input data, the model structure and
the calibration. In the HBV model, as in all hydrological models, a number of parameters are not directly
measurable and have hence to be calibrated. Calibration can be formulated as: to obtain a unique and
conceptually realistic parameter set so that the model becomes specific to the system it simulates and
performs well. Manual calibration is often a tedious trial and error procedure, whereby the parameters
are adjusted by matching the inputloutput behaviour of the watershed to that of the model. To calibrate
the HBV model requires a thorough understanding of the model structure and experience of how the
parameters should be changed to achieve an optimal performance. The quality of a manual calibration
is often a function of the users knowledge and the time spent calibrating the model.
Development of a Process Oriented Calibration Scheme for the HBV Hydrological Model
7
Tabla 1. Parametros de calibracion del modelo HBV.
Tabla 2. Valor de cada parametro para la calibracion.
Estrada Barbosa, F., & López Torres, J.

S. (2015). Modelación hidrológica del río Palo utilizando el modelo hidrológico HBV para simular escenarios de
variabilidad climática asociados al fenómeno ENOS en su fase fria La Niña [recurso electrónico](Doctoral dissertation).
8
9
Häggström, M., Lindström, G., Sandoval, L. A., & Vega, M. E. (1989). Aplicacion del modelo HBV a la cuenca superior
del Río Cauca.
10
Tabla 3. Parametros del modelo HBV y sus rangos.
Metodología
En primer lugar, se delimitó la cuenca con punto de salida Julumito [26017020] mediante el software
ArcGIS y también se calculó su área. Por otro lado, para calibrar el modelo HBV se utilizó la información
de precipitación, caudal, temperatura y evaporación proporcionada en el archivo de Excel. Teniendo en
cuenta que la agregación de la información era diaria, se tenían los datos completos para poder calibrar el
modelo y sólo era necesario organizarlos en una sola columna mediante métodos iterativos en Visual
Basic. En este caso, la temperatura, precipitación y caudal del periodo 2001-2006 fueron los datos que se
dispusieron de esta forma. Por su parte, la temperatura y evaporación del periodo 1989-2017 tuvieron que
agregarse de forma mensual para calcular el promedio mensual multianual, lo cual también se realizó
mediante algoritmos iterativos. Adicionalmente, se usó el software HidroSIG para calcular la
evapotranspiración potencial anual promedio en la cuenca mediante dos métodos: Penman y Morton. Así,
se determinó la evapotranspiración potencial mensual asumiendo que tenía la misma distribución de la
evaporación. Además, se investigó acerca de los rangos de variación de los parámetros de calibración para
poder restringir el modelo de optimización y lograr una modelación realista. Por último, se utilizó la
herramienta Solver de Excel para calibrar el modelo mediante el método GRG no lineal.
11
Resultados e interpretación de resultados
a) Determinación del promedio mensual multianual de la evaporación y la temperatura
En primer lugar, es necesario estimar el promedio mensual multianual de la evaporación con el fin de
realizar una estimación de la distribución de la evapotranspiración mensual asumiendo que estas variables
se comportan de forma análoga. Para ello se usó la información de evaporación proporcionada, que tenía
un nivel de agregación diaria en el periodo 1989 a 2017. En este sentido, se obtuvieron los datos de
evaporación mensual mediante la sumatoria de la evaporación diaria en el mes correspondiente.
Posteriormente, se realizó el promedio mensual multianual de la evaporación calculando el promedio
de los valores de este parámetro en un mes determinado a lo largo del periodo 1989-2017. Así, se
obtuvieron los promedios mensuales multianuales mostrados en la Tabla 4.
Tabla 4. Promedios mensuales multianuales de la evaporación
Evaporación (mm/mes)
Año Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1989 0,0 0,0 0,0 104,5 87,2 68,5 107,5 97,5 81,0 62,1 65,5 67,4
1990 83,7 5,0 88,6 74,6 86,1 73,8 13,8 63,8 91,1 66,2 51,4 0,0
1991 0,0 51,2 0,0 0,0 64,1 54,5 69,0 0,0 69,6 0,0 0,0 0,0
1992 55,4 62,6 95,4 88,5 75,2 106,0 0,0 96,8 64,1 76,0 0,0 0,0
1993 108,1 0,0 89,2 68,8 63,4 88,7 73,1 116,4 75,8 73,9 86,4 73,0
1994 0,0 74,8 66,5 59,6 72,9 85,2 88,7 138,9 122,6 77,8 68,6 82,3
1995 93,1 113,6 92,0 65,3 78,2 63,9 76,6 62,8 109,9 99,8 85,3 82,3
1996 59,4 62,0 69,7 65,9 74,7 76,7 104,4 93,4 112,5 72,5 100,1 90,5
1997 56,2 96,4 70,5 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 101,9
1998 137,4 99,5 67,6 63,7 62,9 89,1 75,5 107,3 90,8 92,7 81,7 99,0
1999 81,1 45,5 73,0 78,3 80,2 77,2 98,3 126,4 60,9 102,4 85,7 78,1
2000 77,5 89,9 88,0 75,5 62,4 82,0 93,1 116,5 74,3 99,5 83,7 75,2
2001 94,7 97,9 73,0 82,8 80,1 90,8 102,2 135,0 76,6 100,7 71,3 89,4
2002 102,2 76,1 79,4 60,2 85,9 91,5 100,2 133,1 98,0 95,0 85,5 90,7
2003 110,1 96,8 97,0 90,0 84,9 67,6 110,3 131,1 111,3 95,0 71,1 82,0
2004 95,3 80,6 93,4 94,2 68,9 115,0 78,2 140,7 78,5 84,4 82,2 79,3
2005 0,0 72,8 57,0 78,1 106,6 94,4 93,1 145,0 115,3 78,3 72,8 68,1
2006 85,2 77,9 97,0 69,4 81,2 88,8 111,6 109,8 87,7 88,1 62,7 65,2
2007 92,3 96,5 45,9 46,7 48,1 60,7 102,2 75,1 89,1 80,7 59,6 66,2
2008 68,8 67,2 70,2 55,8 83,0 58,1 71,9 72,6 86,0 65,8 84,5 67,8
2009 58,6 66,5 74,6 69,3 79,1 72,0 101,5 95,6 115,9 90,7 104,3 74,5
2010 103,0 89,1 86,8 67,4 82,8 75,5 59,0 68,4 81,2 74,4 63,1 55,7
2011 87,7 72,9 81,8 66,7 0,0 0,0 86,7 0,0 80,6 81,9 86,0 80,2
2012 88,4 69,2 69,5 55,5 80,6 100,2 124,7 118,4 118,5 89,7 82,6 71,0
2013 83,6 62,6 71,2 69,3 64,0 83,4 91,9 89,2 98,2 78,6 80,8 86,6
2014 80,7 50,2 61,8 80,9 51,9 93,7 135,0 91,1 102,5 118,7 87,3 84,8
2015 97,0 103,7 91,7 75,6 88,8 95,0 112,9 128,4 157,0 89,7 69,8 99,3
2016 114,7 88,8 90,4 81,7 69,9 82,3 73,4 110,8 79,0 0,0 82,7 61,9
2017 0,0 0,0 66,6 94,5 62,5 74,1 95,6 91,9 98,2 80,6 0,0 0,0
Promedio 72,90 67,91 72,68 68,37 69,85 76,16 84,50 95,03 90,56 76,39 67,40 68,01
Adicionalmente, se determinó el promedio mensual multianual de la temperatura con el fin de incluirlo

en la calibración del modelo. Para ello se usó la información de temperatura proporcionada, que tenía un
nivel de agregación diaria en el periodo 1989 a 2017. De esta forma, se calculó el promedio mensual de
la temperatura en cada mes teniendo en cuenta los registros diarios. Posteriormente, se determinó el
promedio mensual multianual de la temperatura con los valores promedio mensuales de cada mes en el
periodo 1989-2017. Así, se obtuvieron los resultados presentados en la Tabla 5.
12
Tabla 5. Promedios mensuales multianuales de la temperatura
Temperatura (°C)
Año Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
1989 18,51 18,30 17,99 19,38 19,71 18,48 18,29 18,71 18,84
1990 18,94 17,86 18,96 19,19 18,35 20,00 19,41 20,07 19,55 17,95 18,83 18,55
1991 19,29 19,44 18,50 19,35 18,29 19,02 18,91 19,31 19,49 18,02 17,51 17,38
1992 17,52 18,00 19,01 19,03 18,00 19,08 18,87 18,07 18,22 17,30 17,95
1993 17,92 17,95 17,82 18,00 17,83 19,07 19,77 19,39 18,07 18,06 17,73 17,97
1994 18,16 18,08 17,99 18,41 19,22 19,97 17,99 17,75 18,32
1995 18,58 19,11 18,83 18,36 18,27 18,45 18,44 18,54 18,80 17,74 17,84 17,90
1996 17,53 17,49 17,75 18,15 18,39 18,12 18,30 18,30 19,09 18,08 18,73 18,37
1997 17,93 18,70 18,65 19,83
1998 21,01 20,42 20,06 19,75 20,37 20,13 20,25 20,12 19,15 19,57 18,69 18,71
1999 18,30 18,33 19,33 18,96 18,74 18,37 19,06 19,62 18,41 18,82 18,92 18,39
2000 18,51 18,23 18,51 18,79 18,16 18,63 18,88 19,80 18,30 19,62 18,66 18,84
2001 19,02 19,58 18,82 19,89 18,97 19,23 19,28 20,58 18,86 19,34 18,78 18,54
2002 19,65 19,15 19,21 18,99 19,55 19,05 19,44 19,86 19,97 19,55 19,31 19,74
2003 20,12 19,45 19,50 19,00 19,70 18,92 19,66 20,26 19,73 19,38 18,80 19,15
2004 19,49 19,59 20,19 19,34 19,15 20,36 19,47 20,94 19,37 18,80 19,22 19,04
2005 19,12 19,63 19,28 19,43 19,44 19,62 20,52 20,25 20,04 18,93 18,90 18,56
2006 18,82 19,13 19,12 19,14 19,34 19,49 20,77 20,35 19,92 19,89 18,89 19,27
2007 20,25 20,62 19,39 19,28 19,17 19,69 20,14 19,43 20,45 18,90 18,87 18,63
2008 19,39 18,56 19,00 19,36 18,76 19,11 19,00 18,84 19,64 18,99 18,83 18,71
2009 18,94 19,16 19,27 19,83 20,09 19,51 20,53 20,57 21,43 20,21 19,79 19,91
2010 20,89 20,39 20,77 19,80 20,33 19,50 18,98 19,61 18,89 19,23 18,19 18,65
2011 19,63 19,13 18,86 18,90 19,70 19,68 19,64 19,97 20,04 18,78 19,18 19,17
2012 19,03 19,06 19,90 19,14 19,73 20,80 20,57 20,51 21,20 19,50 19,43 19,33
2013 20,36 19,08 20,12 20,07 18,83 20,18 20,27 20,16 19,97 19,65 19,21 19,53
2014 19,66 19,60 19,36 20,06 19,54 20,20 21,34 20,79 20,57 20,08 20,05 20,37
2015 20,32 20,31 19,86 20,36 20,42 21,05 21,00 21,84 22,11 20,08 19,86 21,69
2016 21,09 21,12 20,52 20,26 20,72 20,49 19,90 21,25 20,17 19,56 19,11
2017 18,90 19,94 19,55 19,75 21,04 20,33 20,56 19,65
Promedio 19,24 19,15 19,20 19,29 19,15 19,46 19,77 19,95 19,65 19,01 18,80 18,94
b) Determinación de la evapotranspiración potencial anual promedio
Después, se procedió a estimar la evapotranspiración potencial anual promedio mediante el software

HidroSIG. En primer lugar, es necesario delimitar la cuenca teniendo en cuenta como punto de salida la
estación Julumito [26017020], cuyas coordenadas corresponden a 730442, 761853. Para ello se usa la
herramienta Trazar cuenca ubicada en el menú HidroSIG/ Hidrología, donde se ingresan las coordenadas
del punto de salida y la capa de direcciones de drenaje proporcionada. Así, se obtiene la cuenca mostrada
en la Figura 2.
13
Figura 2. Cuenca delimitada en HidroSIG
Después, se utiliza la herramienta Estimación de caudales para calcular la evapotranspiración potencial

promedio en la cuenca, la cual está ubicada en el menú HidroSIG/Hidrología. Luego, se ingresa la capa
de evapotranspiración potencial de acuerdo con el método que se desee usar. En este caso, los métodos
utilizados serán Penman y Morton (Explicación de los métodos)
De esta manera, en la Figura 3 se presenta el valor de evapotranspiración potencial anual promedio de la
cuenca estimada mediante el método de Penman y en la Figura 4 se evidencia el valor calculado con
Morton. En el caso del método de Penman, se obtuvo un valor de 558,145 mm/año; mientras que con
Morton el resultado fue igual a 1201,519 mm/año.
Figura 3. ETP mediante el método de Penman
14
Figura 4. ETP mediante el método de Morton
c) Determinación de la evapotranspiración mensual
De esta manera, se puede determinar la evapotranspiración mensual al asumir que la distribución de esta
última es análoga a la evaporación, por lo cual se asume que el porcentaje de evapotranspiración de un
mes es igual al de evaporación. En este orden de ideas, se obtuvo el porcentaje del promedio de
evaporación mensual multianual de cada mes respecto a la sumatoria de los promedios como se ilustra en
la Tabla 6. Posteriormente, se determinó la evapotranspiración mensual al calcular el porcentaje de la
evapotranspiración potencial anual promedio de los métodos de Penman y Morton como se presenta en la
Tabla 6.
Tabla 6. Cálculo de la evapotranspiración mensual
Promedio mensual ETP mensual ETP mensual

Mes multianual de evaporación Porcentaje (%) Penman Morton
(mm/mes) (mm/mes) (mm/mes)
Enero 72,90 8,01 44,73 96,28
Febrero 67,91 7,46 41,66 89,68
Marzo 72,68 7,99 44,59 95,99
Abril 68,37 7,52 41,95 90,30
Mayo 69,85 7,68 42,85 92,25
Junio 76,16 8,37 46,73 100,59
Julio 84,50 9,29 51,84 111,59
Agosto 95,03 10,45 58,30 125,51
Septiembre 90,56 9,95 55,56 119,60
Octubre 76,39 8,40 46,86 100,88
Noviembre 67,40 7,41 41,35 89,02
Diciembre 68,01 7,48 41,73 89,82
Total 909,77 100 558,145 1201,519
15
d) Rangos de variación de los parámetros para modelo HBV
La importancia de los parámetros ingresados para el modelo HBV es evidente cuando se conocen las
ecuaciones que rigen los cálculos realizados por dicho modelo. En estas ecuaciones cada parámetro
ingresado cumple un rol fundamental al representar una relación del modelo a algún fenómeno
meteorológico o hidrológico que ocurra en la cuenca o zona de estudio. Estos fenómenos son variados y
para diferentes aplicaciones del modelo, por ejemplo, a niveles más avanzados de investigación, se utilizan
parámetros más restrictivos o específicos según lo que se quiera analizar o llegar a encontrar. En general,
los parámetros se pueden dividir en dos categorías: (1) los parámetros basados en fenómenos físicos que
describen como su nombre lo dice las propiedades físicas del suelo, por ejemplo, dentro de los que se
encuentran la capacidad de campo, el punto de marchitamiento y el factor de grados del día, (2) los
parámetros empíricos que tienen poco o ningún soporte físico, pero sirven como herramientas para
describir los procesos conceptualmente. Dentro de estos parámetros empíricos se encuentran algunos
como las constantes K0, K1, K2, Kp, L, el coeficiente de área y el C (tabla 8).
Para propósitos de este proyecto se determinó que los parámetros de interés eran el FC, β, K0, L1, K1, K2,
Kperc, PWP, C y las condiciones iniciales de humedad del suelo, S1 y S2. Existe extensa literatura que
establece la mejor manera de calibrar estos parámetros y en general que rango es dentro del cual se
esperaría se encuentren sus valores. En general, es importante que el rango sea adecuado para la zona de
estudio de lo contrario se encontraran errores en el modelo pues la calibración no será la adecuada. A
continuación, se explican los parámetros mencionados con el fin de comprender mejor bajo qué criterios
debe ser determinado su rango.
El FC o capacidad de campo, dada en milímetros, se refiere a la máxima capacidad de almacenamiento de
agua que tiene el suelo. Este parámetro viene determinado por el tipo o tipos de suelo con los que se trate
en la cuenca de estudio. La capacidad de campo depende principalmente de parámetros físicos del suelo
como la densidad aparente, la porosidad, la composición y las condiciones de consistencia, entre otros
factores. Estos determinan en un suelo insaturado el potencial matricial (retención por capilaridad) el
potencial osmótico (retención por los iones en solución) y el potencial gravitacional (ejercido por la fuerza
de la gravedad). Se estableció que el contenido de humedad en el suelo “después del riego (2 o 3 días), el
agua libre deja de circular y queda retenida mayormente en los meso y microporos con tensiones de
adsorción de 0.333 atmósferas de presión (1/3 atm)” (Hernández, 2013) es la capacidad de campo de este.
En general, para este parámetro se tiene un rango que incluya las capacidades de campo más elevadas,
presentes en ecosistemas como páramos o bosques tropicales donde el ciclo hidrológico es muy fuerte y
las condiciones favorecen altas retenciones en el suelo, hasta ecosistemas mucho más secos donde la
capacidad de retención del suelo es casi nula. A los valores de FC se les da un rango en la tabla 10. que es
considerablemente amplio pues el estudio de donde se extrajo la información estaba extendido a todas las
posibles regiones del planeta teniendo en cuenta la variabilidad de ecosistemas y sistemas hidrológicos
que pueden llegar a existir.
Otro parámetro físico es el PWP o punto de marchitamiento permanente es un límite de humedad del suelo
para evapotranspiración. Se define como la humedad que existe en el suelo cuando “al pasar varias
semanas o meses sin aplicar agua (lluvia o riego), el suelo pierde humedad, aumentando la tensión de
adsorción hasta valores mayores o iguales a 15 atmósferas, la mayor parte del agua se encuentra retenida
16
en los microporos y difícilmente es disponible para las plantas, haciendo que se marchiten y si no se aplica
un riego la misma puede morir” (Hernández, 2013). Cuando la humedad del suelo está por encima de
PWP, la evapotranspiración real ocurre a la misma velocidad que la evapotranspiración potencial. Es
decir, que cuando en el suelo la humedad es menor que la PWP, la evapotranspiración real es menor que
la evapotranspiración ajustada. Si el PWP se encuentra cerca de la capacidad de campo, la
evapotranspiración real será mayor y viceversa. Este parámetro se encuentra limitado por los demás
parámetros y es posible estimarlo y a su rango en el proceso de calibración (AGHAKOUCHAK, 2010).
Las condiciones iniciales de humedad del suelo, S1 y S2, son parámetros medibles en el suelo de la cuenca.
Estos dependen de nuevo de los demás parámetros ya mencionados. El primero es de carácter físico y los
otros dos son de carácter empírico. En general el valor de estos se determina con un proceso de calibración
en el modelo, por lo tanto, no se determinaron valores del rango para estos. Ahora bien, el L1 o también
llamado UZL hace referencia al contenido del depósito superior o límite de drenaje de salida inferior. Se
trata de un parámetro físico y para determinar su rango se tomaron los valores de la Tabla X., donde de
nuevo se tenían en cuenta diferentes ubicaciones a lo largo del mundo donde se calcularon valores para
este y por lo tanto se consideró un margen dentro del que se podía llegar a encontrar el UZL a partir de
los datos recopilados.
Ahora bien, el β hace referencia “al coeficiente de forma que determina la contribución relativa a la
escorrentía de la lluvia o del deshielo”(Villamarin, 2015). Este parámetro hace parte del tipo empírico por
lo que no existe un trasfondo físico que lo respalde. El parámetro de modelo C también es netamente
teórico. En ambos casos sus valores usuales han sido determinados principalmente durante la práctica y
los ensayos que han determinado su posible rango. En cuanto a las constantes K0, K1, K2 y Kperc se trata
también de parámetros del modelo HBV que tienen naturaleza empírica más no física por lo que dependen
de nuevo de lo que se ha venido encontrando al implementar el modelo en procesos de calibración. Los
coeficientes de recesión K0, K1, K2 representan las funciones de respuesta de los reservorios superior e
inferior. Para garantizar que el proceso de escorrentía sea el más rápido, el valor inicial de K0 siempre
debe ser mayor que K1. La respuesta de la tercera salida (Q2) debe ser más lenta que la segunda salida
(Q1) y, por lo tanto, K2 debe ser menor que K1. Los tres coeficientes de recesión y las tasas de percolación
son todos los parámetros del modelo y se estiman mediante calibración (Abebe, 2010).
A continuación, se presentan tablas que contienen el rango de algunos de los parámetros mencionados
referenciadas a los trabajos académicos de los cuales se extrajeron. Estas fueron encontradas en estudios
científicos confiables con sustento de los métodos seguidos para determinar dichos rangos. Ninguna de
ellas contaba la totalidad de los parámetros en sí sola, por lo que se decidió usar tres tablas principalmente.
Estas fueron elegidas por su aplicabilidad al estar planteadas para cualquier región del mundo, basadas en
estudios con resultados satisfactorios o contar con la confirmación de pares al ser usadas en otros casos
de investigación. En los anexos del presente trabajo se presentan otras tres tablas que se analizaron
parcialmente para comprobar si existía una congruencia en general; esto principalmente pues dos
presentaban datos para la cuenca alta del Cauca implicando una posibilidad de comparar directamente con
la Tabla 7.
17
Tabla 7. Descripcion de parametros.
Beck, H. E., van Dijk, A. I., De Roo, A., Miralles, D. G., McVicar, T. R., Schellekens, J., & Bruijnzeel, L. A. (2016). Global‐
scale regionalization of hydrologic model parameters. Water Resources Research, 52(5), 3599-3622.
Tabla 8. Rangos de parametros para Rottweil.
Bárdossy, A., & Singh, S. K. (2008). Robust estimation of hydrological model parameters. Hydrology and Earth System
Sciences, 12(6), 1273-1283.
18
Tabla 9. Rango de parametros para Rainfall-Runoff
Toward a more efficient Calibration Schema for HBV rainfall–runoff model

El resumen de lo encontrado en cuanto a los rangos de los parámetros de calibración se presenta en la
Tabla 10. donde se evidencian claramente los rangos aceptados finalmente y sobre los que se procedió
hacia el fragmento de calibración del modelo HBV en este trabajo.
Tabla 10. Resumen rango de parametros.
e) Proceso de calibración y análisis
Una vez se tenían los datos de temperatura promedio mensual multianual y evapotranspiración potencial
mensual, se incluyeron en el modelo de calibración HBV en las celdas respectivas. Así, el archivo de
Excel calcula automáticamente la evapotranspiración diaria al dividir la evapotranspiración mensual entre
el número de días de cada mes.
Por otro lado, fue necesario organizar la información diaria de temperatura, precipitación y caudal de
modo que todos los datos se ubicaran en una columna. En este caso, la información organizada
19
corresponde al periodo 2001-2006 y para la primera calibración del modelo sólo se usarán los datos del
intervalo 2001-2004; mientras que para la verificación de los parámetros calibrados se utilizará la
información del periodo 2005-2006.
En este orden de ideas, los parámetros a calibrar son los siguientes: FC (Capacidad de campo, mm), β
(Exponente de la función de precipitación efectiva), C (Parámetro del modelo de evapotranspiración, °C -
1
), K0 (Constante de escorrentía superficial, día -1 ), L1 (Profundidad umbral para la generación de
escorrentía superficial, mm), K1 (Constante de escorrentía subsuperficial, día -1 ), K2 (Constante del
almacenamiento de flujo base, día -1 ), Kperc (Constante de percolación, día -1 ), PWP (punto de
marchitamiento permanente, mm) y las condiciones iniciales de humedad del suelo (mm), S1
(almacenamiento subsuperficial, mm) y S2 (almacenamiento de aguas subterráneas, mm).
Para calibrar el modelo se buscó maximizar el coeficiente de Nash Sutcliff, el cual determina la magnitud
relativa del error de estimación respecto a la varianza de los datos observados como se muestra en la
Ecuación 1. El coeficiente de Nash Sutcliff se encuentra en el rango (−∞, 1): si el valor hallado está en
el rango (−∞, 0), significa que el promedio de los datos observados es un mejor predictor que el modelo;
si es igual a cero, quiere decir que las predicciones del modelo son equivalentes al promedio de los datos
observados y si es igual a 1 significa que los valores modelados y observados coinciden perfectamente
(Krause, Boyle, & Bäse, 2005, pág. 90). Por lo tanto, el objetivo de la calibración era lograr que el
coeficiente de Nash Sutcliff fuera lo más cercano posible a 1.
∑𝑛𝑖=1(𝑂𝑖 − 𝑃𝑖 )2
𝐸 = 1− 𝑛 (1)
∑𝑖=1(𝑂𝑖 − 𝑂̅)2
Sin embargo, el coeficiente de Nash Sutcliff es sensible a los valores extremos debido a que calcula la
diferencia entre el valor observado y medido al cuadrado. Por lo tanto, esto implica que el desempeño del
modelo es sobre-estimado durante caudales picos y subestimado en caudales bajos (Krause, Boyle, &
Bäse, 2005, pág. 90).
Así, para calibrar el modelo se usó la herramienta Solver de Excel, donde el objetivo de maximización
correspondía al coeficiente de Nash Sutcliff y las celdas a cambiar eran los parámetros de calibración
anteriormente mencionados. Adicionalmente, se impusieron las siguientes restricciones a los parámetros
de calibración, teniendo en cuenta los rangos mencionados con anterioridad:
50 ≤ 𝐹𝐶 ≤ 700 1≤𝛽≤6 𝐶≤1 0,05 ≤ 𝐾0 ≤ 0,99 𝐾0 ≥ 𝐾1
0,01 ≤ 𝐾1 ≤ 0,8 𝐾1 ≥ 𝐾2 0,001 ≤ 𝐾2 ≤ 0,15 0 ≤ 𝐿1 ≤ 100
0,001 ≤ 𝐾𝑝𝑒𝑟𝑐 ≤ 0,1 10 ≤ 𝑃𝑊𝑃 ≤ 500 𝑃𝑊𝑃 ≤ 𝐹𝐶 𝐻𝑢𝑚𝑒𝑑𝑎𝑑 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ≤ 𝐹𝐶
20
Asimismo, se activó la opción de convertir las variables sin restricciones en no negativas y se empleó el
método GRG no lineal dada la no linealidad de los parámetros y los modelos usados. Las configuraciones
anteriores se muestran en la Figura 5.
Figura 5. Configuración para la calibración
A continuación, se muestran los resultados obtenidos al utilizar la evapotranspiración mensual del método
de Penman y la de Morton.
i. Calibración con la evapotranspiración mensual del método de Penman
Figura 6. Caudal observado vs caudal simulado
21
Tabla 11.. Valores calibrados
Parámetro Valores calibrados

FC (mm) 259.23
β (-) 1.0
-1
C (°C ) 0.0
-1
K0 (día ) 0.09
L1 (mm) 50.43
-1
K1 (día ) 0.01
-1
K2 (día ) 0.00
Kperc (día-1 ) 0.10
PWP (mm) 259.23
Hs inicial (mm) 93.23
S1 inicial (mm) 0.0
S2 inicial (mm) 486.68
Tabla 12. Desempeño del modelo
Desempeño del Modelo

ETa Total (mm/periodo) 1377.47
Prec. Total (mm/periodo) 4280.20
Esc. Total (mm/periodo) 2902.73
Esc. Simulada (mm/periodo) 2620.36
Esc. Observada (mm/periodo) 2690.66
Error (%) 2.613
Suma diferencias cuadradas 173412.33
3
Promedio Qobservado (m /s) 16.82
2
(Q-Qm ) 200009.82
Correlación 0.37
Coeficiente Nash Sutcliff 0.1330
22
ii. Calibración con la evapotranspiración mensual del método de Morton
Tabla 13 Valores calibrados.

FC (mm) 50.00
β (-) 1.0
-1
C (°C ) 0.0
-1
K0 (día ) 0.08
L1 (mm) 55.07
-1
K1 (día ) 0.01
-1
K2 (día ) 0.00
-1
Kperc (día ) 0.10
PWP (mm) 50.00
S1 inicial (mm) 0.0
23
Tabla 14. Desempeño del modelo calibrado
Desempeño del Modelo

ETa Total (mm/periodo) 1904.70
Prec. Total (mm/periodo) 4280.20
Esc. Total (mm/periodo) 2375.50
Esc. Simulada (mm/periodo) 2390.26
Esc. Observada (mm/periodo) 2690.66
Error (%) 11.165
Suma diferencias cuadradas 182848.83
3
Promedio Qobservado (m /s) 16.82
(Q-Qm )2 200009.82
Correlación 0.34
Coeficiente Nash Sutcliff 0.0858
f) Verificación del modelo calibrado y análisis
Para realizar la verificación de la calibración realizada previamente se procedió a seguir una metodología
similar a la que se hizo para este primer proceso. Para la verificación de los parámetros calibrados se
utilizó la información del periodo 2005-2006 en cuanto a temperatura, presión y caudal observado, como
se había mencionado que se haría. Estos valores se remplazaron en las debidas casillas. De nuevo, los
datos de temperatura promedio mensual multianual y evapotranspiración potencial mensual, se incluyeron
en el modelo de calibración HBV en las celdas respectivas. Así, el archivo de Excel calcula
automáticamente la evapotranspiración diaria al dividir la evapotranspiración mensual entre el número de
días de cada mes.
En las primeras casillas para los parámetros de humedad del suelo, S1 y S2, se ingresaron los valores que
se dieron como resultado para estos, en el proceso de calibración realizado, para el último día del año
2004. Se mantuvieron los valores encontrados para los parámetros calculados con el proceso de
calibración para ambos métodos realizados y se procedió a observar cómo se comportaban en general los
resultados del modelo. En el caso de ser congruentes se encontraría que la calibración fue correcta y
general los parámetros son aplicables a otros periodos temporales o años.
A continuación, se muestran los resultados obtenidos al utilizar la evapotranspiración mensual del método
de Penman y la de Morton:
24
i. Verificación con la evapotranspiración mensual del método de Penman
En la Figura 7. se observa como el caudal simulado se comporta en general muy similarmente al caudal
observado al presentar los mismos picos y mínimos a lo largo del tiempo. Se evidencian cuatro máximos
principales para ambos casos (observado y modelado), que se podría decir están relacionados a los dos
periodos húmedos o de lluvia que se esperaría a lo largo de dos años en Colombia. Se evidencia
principalmente un mínimo significativo entre dos periodos de máximos, en lo que correspondería al final
del año 2005 y comienzo del 2006, indicando que hubo un momento de sequía durante este periodo. Es
claro decir que en general el comportamiento del caudal no es estable pues presenta claras variaciones en
cortos periodos de tiempo, pero se puede observar que se mantiene un nivel medio que ronda los 20 metros
cuadrados por segundo. Es decir, si se trazara una línea media entre máximos y mínimos se observaría
algo similar a una recta que iría marcada por la tendencia central que se ve en la Figura X. que no sube o
baja drásticamente. Este sería el caudal promedio que tendría la cuenca lo cual sería importante al
momento de diseñar estructuras o darle uso al agua dentro de esta. La grafica también permite observar
los máximos y mínimos que también son importantes para este último aspecto.
Se utilizaron los parámetros que ya se habían encontrado en la calibración con este método para verificar
que fueran adecuados.
25
Tabla 15. Valores calibrados.

FC (mm) 259.23
β (-) 1.0
-1
C (°C ) 0.0
K0 (día-1 ) 0.09
L1 (mm) 50.43
-1
K1 (día ) 0.01
-1
K2 (día ) 0.00
-1
Kperc (día ) 0.10
PWP (mm) 259.23
S1 inicial (mm) 0.0
En cuanto al desempeño del modelo y concluir sobre la verificación de la calibración se podría decir que
los resultados obtenidos fueron satisfactorios. La correlación entre los datos simulados y los observados
aumentó considerablemente y el coeficiente de Nash-Sutcliff también lo hizo indicando que el modelo es
efectivo. En este caso el segundo de estos valores aumentó más del doble, implicando que la calibración
fue adecuada y se puede aplicar a otros periodos de tiempo para la cuenca de estudio. El error también
disminuyó como es de esperarse si estos otros valores ya mencionados aumentaron. La verificación
entonces comprobaría que la calibración fue adecuada y que los parámetros pueden ser usados según se
calcularon. Igualmente, se podría intentar mejorar estos coeficientes, pero habría que realizar otras
técnicas de optimización para complementar lo realizado.
Tabla 16. Desempeño modelo calibrado.
Los valores para evaporación, precipitación y escorrentía son razonables y se mantienen dentro de rangos
esperados para una región como la que es estudiada. Al ser comparados con las tablas y resultados de los
documentos en los anexos, que estudian zonas cercanas, son similares en magnitud y no presentan ninguna
tendencia extraña. Se observa que existe un balance entre los procesos y que la ETa Total no es tan elevada
al considerar todo lo que se precipita en la cuenca.
26
ii. Verificación con la evapotranspiración mensual del método de Morton
En la Figura 8. se observa de nuevo (tal cual en el caso anterior) como el caudal simulado se comporta en
general muy similarmente al caudal observado al presentar los mismos picos y mínimos a lo largo del
tiempo. Su comportamiento es muy similar al de la Figura X. del método Penman pero en algunos casos
parece existir mayor frecuencia e intensidad en los picos máximos o mínimos. Se evidencian también
cuatro máximos principales para ambos casos (observado y modelado), que se podría decir están
relacionados a los dos periodos húmedos o de lluvia que se esperaría a lo largo de dos años en Colombia.
Otra vez, tal como antes se evidencia principalmente un mínimo significativo entre dos periodos de
máximos, en lo que correspondería al final del año 2005 y comienzo del 2006, indicando que hubo un
momento de sequía durante este periodo. Se evidencia otros periodos de mínimos que no se evidenciaban
tan claramente antes, cerca de los 200 días del 2005 y cerca al final del 2006. Es posible decir que en
general el comportamiento del caudal no es estable pues presenta claras variaciones en cortos periodos de
tiempo, pero se puede observar que se mantiene un nivel medio que ronda los 20 metros cuadrados,
tendiendo hacia los 30 en algunos momentos. Es decir, si se trazara una línea media entre máximos y
mínimos se observaría algo similar a una recta que iría marcada por la tendencia central que se ve en la
Figura X. que no sube o baja drásticamente. De nuevo la figura da información muy útil para tratar sobre
la cuenca temas de estructuras, uso o caracterización general.
Se utilizaron los parámetros que ya se habían encontrado en la calibración con este método para verificar
que fueran adecuados.
27
Tabla 17. Valores calibrados.

FC (mm) 50.00
β (-) 1.0
-1
C (°C ) 0.0
-1
K0 (día ) 0.08
L1 (mm) 55.07
-1
K1 (día ) 0.01
-1
K2 (día ) 0.00
-1
Kperc (día ) 0.10
PWP (mm) 50.00
S1 inicial (mm) 0.0
El desempeño del modelo en este caso también indicó que los resultados obtenidos fueron satisfactorios.
La correlación entre los datos simulados y los observados aumentó considerablemente y el coeficiente de
Nash-Sutcliff también lo hizo en comparación a lo encontrado en la calibración, indicando que el modelo
es efectivo. En este caso el segundo de estos valores aumentó más del doble otra vez, implicando que la
calibración fue adecuada y se puede aplicar a otros periodos de tiempo para la cuenca de estudio. No
obstante, en el modelo con la EVP con el método de Penman el coeficiente de Nash-Sutcliff fue mayor
(acercándose más a 1) lo que implicaría que este es en cierta medida es más adecuado y confiable. De
nuevo, el error también disminuyó, pero menos significativamente que en el caso del método de Penman,
como es de esperarse si estos otros valores ya mencionados aumentaron, pero en menor medida.
Finalmente, se podría decir una vez más que la verificación comprobaría que la calibración fue adecuada
y que los parámetros pueden ser usados según se calcularon. Igualmente, se podría intentar mejorar estos
coeficientes, pero habría que realizar otras técnicas de optimización para complementar lo realizado tal
como se mencionó antes.
Tabla 18. Desempeño modelo calibrado.
28
En este caso se dio un promedio igual para el caudal y se dio un ETa Total mayor que en el caso de
Penman. La escorrentía total y la escorrentía simulada fueron menores en este caso lo cual tiene sentido
de acuerdo a lo que sucedió con los otros valores calculados. Estas diferencias entre los valores calculados
vienen dadas por los dos modelos tomados que diferencian su manera de calcular la ETP, sin embargo, no
son tan sustancialmente diferentes implicando que son aplicables y comparables. Resultaría adecuado en
un estudio usar ambos enfoques.
Conclusiones
El modelo HBV es una herramienta útil para simular el comportamiento del caudal en una cuenca de
interés. Es importante conocer su planteamiento general para entender los resultados que arroja y poder
analizarlos correctamente. Además, se debe contar con información confiable para ingresar al modelo de
lo contrario no se obtendrán buenos resultados finales.
Es importante realizar una calibración adecuada, para esto es importante conocer el rango dentro del que
se encuentran los parámetros a encontrar y las restricciones que estos pueden llegar a presentar. Esto
facilitara la calibración y arrojara parámetros satisfactorios. Una herramienta como Excel o de
optimización es de gran utilidad en esta tarea.
Es importante que la verificación del modelo HBV se realice para garantizar que hubo una buena
calibración y que se pueden aplicar los parámetros encontrados a otros rangos temporales. Si esto es
satisfactorio se puede llegar a modelar hacia futuro, lo que es útil al momento de llegar a diseñar
estructuras hidráulicas, el uso que se le dará al agua y los estudios hidrológicos de una cuenca, por ejemplo.
Referencias
Abebe, N. A., Ogden, F. L., & Pradhan, N. R. (2010). Sensitivity and uncertainty analysis of the conceptual HBV rainfall–
runoff model: Implications for parameter estimation. Journal of Hydrology, 389(3-4), 301-310.
Krause, P., Boyle, D. P., & Bäse, F. (2005). Comparison of different efficiency criteria for hydrological
model assessment. Advances in Geosciences, 5, 89-97.
29
Anexos
Estrada Barbosa, F., & López Torres, J. S. (2015). Modelación hidrológica del río Palo utilizando el modelo hidrológico
HBV para simular escenarios de variabilidad climática asociados al fenómeno ENOS en su fase fria La Niña [recurso
electrónico](Doctoral dissertation).
30
31
Häggström, M., Lindström, G., Sandoval, L. A., & Vega, M. E. (1989). Aplicacion del modelo HBV a la cuenca superior
del Río Cauca.
32
33

Primera Entrega Proyecto Hidrología

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Primera Entrega Proyecto Hidrología

Uploaded by

Copyright:

Available Formats

Facultad de ingeniería

Departamento de Ingeniería Civil y Ambiental

Laura Vanessa Enríquez 201629673

Valentina Joya Barrero 201326772

Nicolás Alfonso Recalde Gaona

Sebastián Uribe González 201532408

Juan Pablo Rodríguez Sánchez M.Sc, Ph.D

Universidad de los Andes

Departamento de Ingeniería Civil y Ambiental

Dentro de la importancia de la realización de un análisis hidrológico completo de una determinada cuenca,

Ubicación de la estación asignada y delimitación de la cuenca tributaria

Con el fin de determinar la cuenca tributaria correspondiente a la estación hidrológica asignada es

6. Finalmente, con la herramienta “watershed” creamos la delimitación de la cuenta, ingresando

Figura 1. Cuenca delimitada en ARCGIS con punto de salida.

𝐴𝑟𝑒𝑎 = 788094148 𝑚2 = 788,094 𝑘𝑚2

Explicación del modelo HBV

INFO GENERAL HBV

Tabla 2. Valor de cada parametro para la calibracion.

Estrada Barbosa, F., & López Torres, J.

a) Determinación del promedio mensual multianual de la evaporación y la temperatura

Tabla 4. Promedios mensuales multianuales de la evaporación

Adicionalmente, se determinó el promedio mensual multianual de la temperatura con el fin de incluirlo

Tabla 5. Promedios mensuales multianuales de la temperatura

b) Determinación de la evapotranspiración potencial anual promedio

Después, se procedió a estimar la evapotranspiración potencial anual promedio mediante el software

Figura 2. Cuenca delimitada en HidroSIG

Después, se utiliza la herramienta Estimación de caudales para calcular la evapotranspiración potencial

Figura 3. ETP mediante el método de Penman

Figura 4. ETP mediante el método de Morton

c) Determinación de la evapotranspiración mensual

Promedio mensual ETP mensual ETP mensual

Tabla 8. Rangos de parametros para Rottweil.

Toward a more efficient Calibration Schema for HBV rainfall–runoff model

e) Proceso de calibración y análisis

50 ≤ 𝐹𝐶 ≤ 700 1≤𝛽≤6 𝐶≤1 0,05 ≤ 𝐾0 ≤ 0,99 𝐾0 ≥ 𝐾1

0,01 ≤ 𝐾1 ≤ 0,8 𝐾1 ≥ 𝐾2 0,001 ≤ 𝐾2 ≤ 0,15 0 ≤ 𝐿1 ≤ 100

0,001 ≤ 𝐾𝑝𝑒𝑟𝑐 ≤ 0,1 10 ≤ 𝑃𝑊𝑃 ≤ 500 𝑃𝑊𝑃 ≤ 𝐹𝐶 𝐻𝑢𝑚𝑒𝑑𝑎𝑑 𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ≤ 𝐹𝐶

Figura 5. Configuración para la calibración

i. Calibración con la evapotranspiración mensual del método de Penman

Figura 6. Caudal observado vs caudal simulado

Parámetro Valores calibrados

Tabla 12. Desempeño del modelo

Desempeño del Modelo

ii. Calibración con la evapotranspiración mensual del método de Morton

Figura 7. Caudal observado vs caudal simulado

Tabla 13 Valores calibrados.

Parámetro Valores calibrados

Desempeño del Modelo

f) Verificación del modelo calibrado y análisis

Figura 7. Caudal observado vs caudal simulado

Parámetro Valores calibrados

Figura 8. Caudal observado vs caudal simulado

Parámetro Valores calibrados

You might also like