| 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 |
rm(list = ls())
library(xts)
library(openxlsx)
library(terra)
library(trend)
library(ggplot2)
library(ggpubr)
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]
}
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"]
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]
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$CODIGO) %in% colnames(series_diarias), ])() |>
project("EPSG:9377")
Para cada estación se calculan, año a año y luego promediando todos los años:
param <- c(max, n_dias, sum) |>
sapply(function(x){
aggregate(series_diarias, by = lubridate::year(index(series_diarias)), agregar, x) |>
as.data.frame() |>
colMeans(na.rm = T)
})
colnames(param) <- c("M", "N", "PT") # M [mm], N [días/año], PT [mm/año]
cne <- cbind(cne, param[paste0("X", cne$CODIGO),])
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
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:
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")
\[ Q = \frac{C \cdot i \cdot A}{3.6 \times 10^{6}} \]
donde:
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
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
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)
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)
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)
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)
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"]])
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)
data.frame(Tr_anios = tr, Qmax_m3s = apply(q, 2, max))