1 Resumen de variables y unidades

Símbolo Descripción Unidad
\(P_d\) Precipitación diaria mm/día
\(M\) Promedio de los máximos anuales de precipitación diaria mm
\(N\) Promedio anual del número de días con lluvia (\(P_d > 0\)) días/año
\(P_T\) Promedio de la precipitación total anual mm/año
\(T_r\) Periodo de retorno años
\(t\) Duración de la lluvia min
\(i\) Intensidad de la lluvia mm/h
\(C\) Coeficiente de escorrentía adimensional
\(A\) Área de la cuenca m² (en el método SCS se convierte a km²)
\(T_c\) Tiempo de concentración min
\(Q\) Caudal m³/s
\(CN\) Número de curva adimensional
\(S\) Retención potencial máxima mm
\(L\) Longitud del cauce principal m (en la fórmula del \(t_{lag}\) se usa en pies)
\(S_0\) Pendiente media de la cuenca m/m (en la fórmula del \(t_{lag}\) se usa en %)
\(t_{lag}\), \(t_p\) Tiempo de retardo y tiempo al pico h
\(q_p\) Caudal pico del hidrograma unitario m³/s por mm de lluvia efectiva

2 Librerías

rm(list = ls())
library(xts)
library(openxlsx)
library(terra)
library(trend)
library(ggplot2)
library(ggpubr)

3 Funciones auxiliares

agregar() aplica una función de agregación anual (máximo, conteo, suma) y devuelve NA si el año tiene más de 20 % de datos faltantes.

n_dias() cuenta el número de días con precipitación mayor que cero (resultado en días).

agregar <- function(x, fun){
  if(sum(is.na(x)) > 0.2 * length(x)){
    return(NA)
  } else {
    return(fun(x, na.rm = T))
  }
}

n_dias <- function(x, na.rm){
  sum(x > 0, na.rm = na.rm)   # [días]
}

4 Lectura de series diarias

Cada hoja del archivo Datos.xlsx contiene una estación. Los valores corresponden a precipitación diaria en mm/día. Las fechas de Excel se convierten con origen 1899-12-30.

series_diarias <- (\(x){
  sheets <- getSheetNames("Datos.xlsx")
  
  cods <- NULL
  
  dta_day <- NULL
  for(sh in sheets){
    dta_sh <- read.xlsx("Datos.xlsx", sh)
    
    cods <- c(cods, dta_sh$CodigoEstacion[1])
      
    dta_sh <- as.xts(dta_sh$Valor, order.by = as.Date(dta_sh$Fecha, origin = "1899-12-30"))
    
    dta_day <- cbind(dta_day, dta_sh)
  }
  
  colnames(dta_day) <- cods
  return(dta_day)
})()

fecha_inicial <- min(index(series_diarias))
fecha_final   <- max(index(series_diarias))
fechas        <- seq(fecha_inicial, fecha_final, by = "day")

series_diarias <- cbind(
  series_diarias,
  xts(order.by = fechas)   # serie vacía solo con el calendario completo
)

series_diarias <- series_diarias["2000/2025"]

4.1 Datos faltantes

Porcentaje de datos faltantes por estación (%). Se conservan únicamente las estaciones con menos de 20 % de datos faltantes.

cat("\nDatos Faltantes (%)\n")
## 
## Datos Faltantes (%)
apply(series_diarias, 2, function(x) sum(is.na(x) / length(x) * 100)) |> print()
## X52020020 X52020190 X52020180 
## 20.290618  2.506055  5.528061
series_ok <- apply(series_diarias, 2, function(x) sum(is.na(x)) < 0.2*length(x))

series_diarias <- series_diarias[,series_ok]

5 Estaciones y parámetros de la fórmula IDF

Se cargan las estaciones del IDEAM y se proyectan a EPSG:9377 (MAGNA-SIRGAS / Origen-Nacional, coordenadas en m).

cne <- vect("~/04. Información General/CARTOGRAFÍA/CNE_IDEAM_20260904.gpkg") |> 
  (\(x) x[paste0("X", x$CODIGO) %in% colnames(series_diarias), ])() |> 
  project("EPSG:9377")

Para cada estación se calculan, año a año y luego promediando todos los años:

  • M: máximo anual de la precipitación diaria [mm]
  • N: número de días con lluvia al año [días/año]
  • PT: precipitación total anual [mm/año]
param <- c(max, n_dias, sum) |> 
  sapply(function(x){
    aggregate(series_diarias, by = lubridate::year(index(series_diarias)), agregar, x) |> 
      as.data.frame() |> 
      colMeans(na.rm = T)
  })

colnames(param) <- c("M", "N", "PT")   # M [mm], N [días/año], PT [mm/año]

cne <- cbind(cne, param[paste0("X", cne$CODIGO),])

6 Método Racional

La cuenca cia se lee del archivo CUENCAS.gpkg. El coeficiente de escorrentía \(C\) es adimensional.

basin <- vect("CUENCAS.gpkg", "cia")

coef_esc <- 0.47   # C [adimensional]

dem <- rast("DEM.tif") |> 
  crop( basin, mask = T)

Los parámetros \(M\), \(N\) y \(P_T\) se interpolan con IDW (potencia 1, radio de búsqueda de \(10^6\) m = 1000 km) y se promedian sobre la cuenca.

param_basin <- sapply(colnames(param), function(x){
  interpIDW(dem, cne, x, 1e6) |> 
    crop(basin, mask = T) |> 
    values() |> 
    mean(na.rm = T)
})

cat("\nParámetros IDF  (M [mm], N [días/año], PT [mm/año])\n")
## 
## Parámetros IDF  (M [mm], N [días/año], PT [mm/año])
print(param_basin)
##          M          N         PT 
##   48.40998  195.99223 1275.81815

6.1 Curvas IDF

La intensidad se estima con la fórmula regional:

\[ i = a \cdot \frac{T_r^{\,b}}{\left(\dfrac{t}{60}\right)^{c}} \cdot M^{d} \cdot N^{e} \cdot P_T^{f} \]

donde:

  • \(i\): intensidad [mm/h]
  • \(T_r\): periodo de retorno [años]
  • \(t\): duración [min] (se divide entre 60 para expresarla en h)
  • \(M\): máximo anual de precipitación diaria [mm]
  • \(N\): días con lluvia al año [días/año]
  • \(P_T\): precipitación total anual [mm/año]
  • \(a, b, c, d, e, f\): coeficientes empíricos de ajuste (adimensionales; el resultado queda en mm/h con las unidades de entrada indicadas).
coef <- c(1.61, 0.19, 0.65, 0.75, -0.15, 0.08)   # a, b, c, d, e, f [adimensionales]
names(coef) <- letters[1:length(coef)]

tr <- c(2, 5, 10, 25, 50, 100)   # [años]
t <- seq(15, 360, 15)            # [min]

idf <- sapply(tr, function(x){
  r <- coef["a"] * x^coef["b"] / (t / 60)^coef["c"] * param_basin["M"]^coef["d"] * param_basin["N"]^coef["e"] * param_basin["PT"]^coef["f"]
}) |> 
  cbind(t, ... = _) |> 
  as.data.frame()

colnames(idf)[-1] <- paste0("Tr=", tr)

idf_plot <- reshape2::melt(idf, id.vars = 1)

p_idf <- ggplot(idf_plot, aes(t, value, group = variable, colour = variable)) +
  theme_minimal() +
  geom_line() +
  scale_color_discrete(name = "Periodo de\nRetorno") +
  labs(x = "Duración (min)", y = "Intensidad (mm/hr)", title = "IDF")

print(p_idf)

ggsave("idf.png", height = 10, width = 14, units = "cm")

6.2 Caudal de diseño

\[ Q = \frac{C \cdot i \cdot A}{3.6 \times 10^{6}} \]

donde:

  • \(Q\): caudal de diseño [m³/s]
  • \(C\): coeficiente de escorrentía [adimensional]
  • \(i\): intensidad evaluada con \(t = T_c\) [mm/h]
  • \(A\): área de la cuenca [m²]
  • \(3.6 \times 10^{6}\): factor de conversión de unidades, ya que \(1\ \text{mm/h} \cdot 1\ \text{m}^2 = \dfrac{10^{-3}\ \text{m}^3}{3600\ \text{s}} = \dfrac{1}{3.6\times10^{6}}\ \text{m}^3/\text{s}\).

El tiempo de concentración \(T_c\) (atributo Tc de la cuenca, en min) se divide entre 60 para usarlo en h dentro de la fórmula IDF.

q_diseño <- sapply(tr, function(x){
  r <- coef["a"] * x^coef["b"] / (basin$Tc / 60)^coef["c"] * param_basin["M"]^coef["d"] * param_basin["N"]^coef["e"] * param_basin["PT"]^coef["f"]
}) |> 
  data.frame(tr, i = _) |> 
  (\(x) cbind(x, q = coef_esc * x$i * basin$area /3.6e6))()

# tr [años], i [mm/h], q [m³/s]
q_diseño

7 Método SCS

basin <- vect("CUENCAS.gpkg", "scs")

coef_esc <- 0.47   # [adimensional]

dem <- rast("DEM.tif") |> 
  crop( basin, mask = T)

param_basin <- sapply(colnames(param), function(x){
  interpIDW(dem, cne, x, 1e6) |> 
    crop(basin, mask = T) |> 
    values() |> 
    mean(na.rm = T)
})

cat("\nParámetros IDF  (M [mm], N [días/año], PT [mm/año])\n")
## 
## Parámetros IDF  (M [mm], N [días/año], PT [mm/año])
print(param_basin)
##          M          N         PT 
##   46.75167  197.06213 1206.14752

7.1 Curvas IDF de la cuenca

Se usa la misma fórmula IDF: \(i\) en mm/h, \(T_r\) en años, \(t\) en min.

coef <- c(1.61, 0.19, 0.65, 0.75, -0.15, 0.08)   # a, b, c, d, e, f [adimensionales]
names(coef) <- letters[1:length(coef)]

tr <- c(2, 5, 10, 25, 50, 100)   # [años]
t <- seq(15, 360, 15)            # [min]

idf <- sapply(tr, function(x){
  r <- coef["a"] * x^coef["b"] / (t / 60)^coef["c"] * param_basin["M"]^coef["d"] * param_basin["N"]^coef["e"] * param_basin["PT"]^coef["f"]
}) |> 
  cbind(t, ... = _) |> 
  as.data.frame()

colnames(idf)[-1] <- paste0("Tr=", tr)

idf_plot <- reshape2::melt(idf, id.vars = 1)

p_idf <- ggplot(idf_plot, aes(t, value, group = variable, colour = variable)) +
  theme_minimal() +
  geom_line() +
  scale_color_discrete(name = "Periodo de\nRetorno") +
  labs(x = "Duración (min)", y = "Intensidad (mm/hr)", title = "IDF")

print(p_idf)

7.2 Precipitación acumulada y por intervalo

Se trabaja con duraciones de hasta 180 min. La lámina de precipitación acumulada para cada duración es:

\[ P = i \cdot \frac{t}{60} \]

con \(P\) en mm, \(i\) en mm/h y \(t\) en min (dividido entre 60 para pasarlo a h).

La precipitación de cada intervalo de 15 min es la diferencia entre acumulados consecutivos: \(\Delta P_k = P_k - P_{k-1}\) [mm].

# Precipitación total para cada duración
idf <- idf[idf$t <= 180, ]

precip <- lapply(colnames(idf)[-1], function(x){
  as.numeric(idf[,x] * idf[,1] / 60)   # [mm]
}) |> 
  do.call(cbind, args = _)
  
colnames(precip) <- colnames(idf)[-1]

hiet <- apply(precip, 2, diff) |> 
  rbind(precip[1, ], ... = _)          # [mm] por intervalo de 15 min

colnames(hiet) <- colnames(idf)[-1]

df_plot <- rbind(data.frame(t = seq(15, 180, 15), v = precip[,"Tr=25"], type = "Acumulada"), 
                 data.frame(t = seq(15, 180, 15), v = hiet[,"Tr=25"], type = "Intervalo"))

p_prec_acc <- ggplot(df_plot, aes(t, v, fill = type)) + theme_bw() +
  geom_col(position = "dodge") +
  scale_fill_manual(name = NULL, values = c("#00008B", "#8EE5EE")) +
  labs(title = "Precipitación Acumulada y Producida en cada intervalo", 
       x = "Tiempo (min)", y = "mm") +
  theme(plot.title = element_text(hjust = 0.5))

print(p_prec_acc)

7.3 Hietograma de diseño (bloque alterno)

Los bloques de precipitación (en mm) se reorganizan colocando el mayor en el centro y alternando los demás a ambos lados.

# Reorganización mediante bloque alterno - Hietograma
hiet <- hiet[c(seq(11, 1, -2), seq(2, 12, 2)), ]

df_plot <- cbind(t = seq(15, 180, 15), hiet) |>
  as.data.frame() |> 
  reshape2::melt(id.vars = 1)

p_hiet <- ggplot(df_plot, aes(t, value, fill = variable)) + theme_bw() +
  geom_col(position = "dodge") +
  labs(title = "Hietograma de Precipitación Total", 
       x = "Tiempo (min)", y = "mm") +
  theme(plot.title = element_text(hjust = 0.5))

print(p_hiet)

7.4 Precipitación efectiva (Número de Curva)

Retención potencial máxima de la cuenca:

\[ S = \frac{25400}{CN} - 254 \qquad [\text{mm}] \]

Precipitación efectiva acumulada (con abstracción inicial \(I_a = 0.2\,S\)):

\[ P_e = \frac{(P - 0.2\,S)^2}{P + 0.8\,S} \qquad [\text{mm}], \quad \text{para } P > 0.2\,S \]

y \(P_e = 0\) si \(P \le 0.2\,S\). Aquí \(P\) es la precipitación acumulada [mm] y \(CN\) es adimensional. La precipitación efectiva de cada intervalo es la diferencia entre acumulados consecutivos [mm].

cn <- 75   # [adimensional]

# Retención máxima en la cuenca [mm]
s <- 25400 / cn - 254

# Precipitación acumulada
hiet_ef <- apply(hiet, 2, function(x){
  p_acc <- cumsum(x)                                       # [mm]
  p_ef_acc <- (p_acc - 0.2 * s) ^ 2 / (p_acc + 0.8 * s)    # [mm]
  p_ef_acc[p_acc < 0.2 * s] <- 0
  
  hiet_ef <- c(p_ef_acc[1], diff(p_ef_acc))                # [mm] por intervalo
}) |> 
  as.data.frame()

df_plot <- cbind(t = seq(15, 180, 15), hiet_ef) |>
  as.data.frame() |> 
  reshape2::melt(id.vars = 1)


p_hiet_ef <- ggplot(df_plot, aes(t, value, fill = variable)) + theme_bw() +
  geom_col(position = "dodge") +
  labs(title = "Hietograma de Precipitación Efectiva", 
       x = "Tiempo (min)", y = "mm") +
  theme(plot.title = element_text(hjust = 0.5))

print(p_hiet_ef)

7.5 Hidrograma unitario sintético del SCS

Tiempo de retardo (fórmula del SCS en unidades inglesas):

\[ t_{lag} = \frac{L^{0.8}\,\left(\dfrac{1000}{CN} - 9\right)^{0.7}}{1900\,\sqrt{Y}} \qquad [\text{h}] \]

donde \(L\) es la longitud del cauce principal en pies (m × 3.28084), \(CN\) es adimensional y \(Y\) es la pendiente media de la cuenca en % (\(S_0 \times 100\), con \(S_0\) en m/m).

Tiempo al pico:

\[ t_p = t_{lag} + \frac{D}{2} \qquad [\text{h}] \]

con \(D = 0.25\) h (15 min) la duración del intervalo de lluvia efectiva.

Caudal pico del hidrograma unitario (unidades SI):

\[ q_p = \frac{0.208\,A}{t_p} \qquad [\text{m}^3/\text{s por mm}] \]

con \(A\) en km² (área en m² dividida entre \(10^6\)) y \(t_p\) en h.

lp <- basin$l * 3.28084 # Longitud del cauce [pies] (basin$l en m)
tlag <- (lp ^ 0.8 * (1000 / cn - 9) ^ 0.7 / 1900 / (basin$S0 * 100) ^ 0.5)   # [h]
tp <- (tlag + 0.25 / 2)                                                       # [h]

up <- 0.208 * basin$area / 1e6 / tp   # [m³/s por mm]

El archivo UH.csv contiene el hidrograma unitario adimensional: la primera columna es \(t/t_p\) y la segunda \(q/q_p\).

uh <- read.csv("UH.csv")

# Conversión de las abscisas a los tiempos de la cuenca.
# t [min] = (t/tp) [adim] * tp [h] * 60 [min/h]
uh[,1] <- uh[,1] * tp * 60 

# Conversión de las ordenadas a los caudales de la cuenca.
# q [m³/s por mm] = (q/qp) [adim] * qp [m³/s por mm]
uh[,2] <- uh[,2] * up

# Serie de tiempo para el hidrograma de la cuenca, 9 horas (540 min) cada 15 minutos. 
t <- seq(15, 540, 15)   # [min]

# Interpolación del hidrograma unitario a la serie de tiempo
uh <- data.frame(t = t, q = approx(uh[,1], uh[,2], t, rule = 2)[["y"]])

7.6 Hidrograma de la cuenca (convolución)

El caudal total es la suma de los hidrogramas unitarios desfasados y escalados por la precipitación efectiva de cada intervalo:

\[ Q(t_n) = \sum_{k=1}^{n} P_{e,k}\; U(t_{n-k+1}) \qquad [\text{m}^3/\text{s}] \]

con \(P_{e,k}\) en mm y \(U\) (ordenadas del hidrograma unitario) en m³/s por mm.

q <- lapply(colnames(hiet_ef), function(x){
  qu <- NULL # Para guardar todos los hidrogramas  
  for (i in 1:length(hiet_ef[,x])){
    qi <- uh[,2] * hiet_ef[i,x] # Hidrograma del paso de tiempo i [m³/s]
    qi <- c(rep(0, (i-1)), qi) # Ajuste del tiempo de inicio del hidrograma
    qu <- cbind(qu, qi[1:length(t)]) # Una columna por cada intervalo del hietograma.
  }
  colnames(qu) <- as.character(seq(15, 180, 15))
  return(rowSums(qu))   # [m³/s]
  
}) |> 
  do.call(cbind, args = _)

colnames(q) <- colnames(hiet_ef)

df_plot <- cbind(t, q) |> 
  as.data.frame() |> 
  reshape2::melt(id.vars = 1)

p_q <- ggplot(df_plot, aes(t, value, color = variable)) + theme_bw() +
  geom_line() +
  labs(title = "Hidrograma de la Cuenca", x = "Tiempo (min)", y = "Q (m³/s)") +
  theme(plot.title = element_text(hjust = 0.5))

print(p_q)

7.7 Caudales pico por periodo de retorno

data.frame(Tr_anios = tr, Qmax_m3s = apply(q, 2, max))