Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal

Sistema de Informacin Cientfica

Luis A. Camacho, Miguel M. Cantor

CALIBRACIN Y ANLISIS DE LA CAPACIDAD PREDICTIVA DE MODELOS DE TRANSPORTE DE
SOLUTOS EN UN RIO DE MONTAA COLOMBIANO
Avances en Recursos Hidrulicos, nm. 14, octubre, 2006, pp. 39-51,
Universidad Nacional de Colombia
Colombia
Disponible en: http://www.redalyc.org/articulo.oa?id=145020399003

Avances en Recursos Hidrulicos,

ISSN (Versin impresa): 0121-5701
mprada@unalmed.edu.co
Universidad Nacional de Colombia
Colombia

Cmo citar?

Fascculo completo

Ms informacin del artculo

Pgina de la revista

www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006MedellnISSN01215701

CALIBRACINYANLISISDELACAPACIDADPREDICTIVADEMODELOS
DETRANSPORTEDESOLUTOSENUNRIODEMONTAACOLOMBIANO
LuisA.Camacho1 &MiguelM.Cantor2
1.DepartamentodeIngenieraCivilyAgrcola,
UniversidadNacionaldeColombiaSedeBogot
2.MaestraenIngenieradeRecursosHdricos,
UniversidadNacionaldeColombiaSedeBogot
lacamachob@unal.edu.co,mmcantorm@unal.edu.co
Recibidoparaevaluacin:07deSeptiembrede2005/Aceptacin:30deSeptiembrede2006/Versinfinal:19deOctubrede2006

RESUMEN
Representaradecuadamentelosmecanismosdetransporteenunroeselprimerpasoeneldesarrollodemodelosde
tiempodeviajeymodelosdecalidaddelagua.Enesteartculosecomparalahabilidaddedosmodelosdetransportede
solutosdealmacenamientotemporal(TS)ydezonamuertaagregada(ADZ)pararepresentarcorrectamentefenmenos
deadveccinydispersinlongitudinalenrosdemontaayseanalizasucapacidadpredictiva.Losmodelossecalibran
condatosdecincoexperimentoscontrazadoresrealizadosparadiferentecaudalenelroTeusac,Colombia,utilizando
lametodologageneralizadadeincertidumbre(GLUE)basadaensimulacionesdeMonteCarlo.Seanalizanproblemas
desensibilidadeinteraccindelosparmetros delosmodelos, ysuniveldeparsimonia.ElmodeloTSconcuatro
parmetrospresentaexcelentesajustesencalibracinperopresentaproblemasdeinteraccinparamtrica.Seconcluye
que el modeloADZ con slo dos parmetros es el modelo parsimonioso que mejor representa los mecanismos de
transportedeadveccinydispersinlongitudinalenelrodemontaaestudiado.Seproponeunametodologaparala
estimacindelosparmetrosdelmodeloADZenfuncindelcaudal.Seconcluyequelacapacidadpredictivadelos
procesosdetransporteutilizandoestametodologaessuficientementeprecisaylosresultadospuedenserutilizadosen
lacaracterizacinhidrulicaderosdemontaa.
PALABRASCLAVES:

TransportedeSolutos,Adveccin,Dispersin,Calibracin,Trazadores,Rosde
Montaa.

ABSTRACT
The firststep in developing traveltime andwater quality models in streams is to correctly modelsolute transport
mechanisms.Inthispaper acomparisonbetweentwosolutetransport models isperformed.Theparameters ofthe
transientstoragemodel(TS)andtheaggregateddeadzonemodel(ADZ)areestimatedusingdataoffivetracerexperiments
carriedoutunderdifferentdischargesinamountainriveroftheColombianAndes.Calibrationisperformedusingthe
generalizeduncertaintyestimationmethod(GLUE)basedonMonteCarlosimulations.Aspectsofmodelparameters
identifiabilityandmodelparsimonyareanalyzedanddiscussed.TheTSmodelwithfourparametersshowsexcellent
resultsduringcalibrationbutthemodelparameterspresenthighinteractionandpooridentifiability.Asaconclusion,it
isstatedthattheADZmodelwithonlytwoparametersisaparsimoniousmodelthatbestrepresentssolutetransport
mechanismsofadvectionandlongitudinaldispersioninthestudiedmountainstream.SincetheADZmodelparameters
haveaclearphysicalmeaningaparameterestimationmethodologyasafunctionofdischargeisproposedinthispaper.
Themodelpredictiveabilityoftransportprocessesusingthismethodologyissufficientlypreciseandtheresultscould
beusedforthehydrauliccharacterizationofmountainstreams.
KEY WORDS:

SoluteTransport,Advection,Dispersion,Calibration,Tracers,MountainStreams.

39

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

1. INTRODUCCIN
Lacalibracindeunmodelodetransporteeselprimer
pasoparalarepresentacincorrectadeltiempodeprimer
arriboyeltiempodeviajeenaplicacionesdemodelosde
alertaoalarmayplanesdecontingenciaanteeventosde
contaminacin.Adicionalmente,eltiempoderesidencia
o de retencin hidrulica obtenido de un modelo de
transporteesunparmetro importanteen aplicaciones
demodelosdecalidaddelagua.Debidoalalimitacin
derecursos disponibles parainversinensaneamiento
derosycorrientesy/otratamientodeaguasresiduales,
enColombiaesnecesariopriorizardichas inversiones.
Parapriorizarlasinversionesdesaneamientoserequieren
evaluaryestimarcorrectamentelosimpactosambientales
quelosvertimientosgeneranenlasfuentesreceptoras.
Hacefaltainvestigacinbsicaconelfindeproponer
metodologasparacaracterizarhidrulicamente,modelar
el transporte de solutos, y evaluar correctamente la
capacidad de autopurificacin de los ros y corrientes
tpicosdemontaa.
Apesardequeelfenmenodedispersinlongitudinal,
que combina la adveccin del soluto a diferentes
velocidadesenlacorrienteyladifusinturbulenta,es
un problema aparentemente simple, comparado por
ejemplo con el problema de transporte de agua
subterrnea, no existe una aproximacin unificada y
ampliamenteadoptadademodelacinenrosdemontaa.
Por una parte, se ha desarrollado como extensin al
modeloclsicodistribuido deAdveccinDispersinel
modelodeAlmacenamientoTemporal(TransientStorage,
TS,BencalayWalters,1983).Laextensinincorporael
efectodeatrapamientodesolutosenzonasmuertaso
zonas de almacenamiento temporal que se piensa
afectansignificativamenteladispersinlongitudinalen
ros de montaa. De otra parte se ha desarrollado un
modelo agregado menos conocido, el modelo de Zona
MuertaAgregada(AggregatedDeadZone,ADZ,Young
yWallis,1993),apartirdeunaaproximacinbasadaen
datosobservados.Enestaaproximacinseidentificala
estructuradelmodeloylosparmetrosseestimanapartir
de series de tiempo de datos mediante tcnicas de
identificacindesistemas.
Se han adelantado investigaciones del modelo TS en
variasdirecciones,incluyendolasolucindelsistemade
ecuaciones diferenciales parciales (Runkel y Chapra,
1993), la caracterizacin de la respuesta del modelo

40

(Runkel,2002),laincorporacinderepresentacionesde
procesosqumicosybiolgicosespecficosenlaszonas
muertas (Runkel, 1998 Runkel y Kimball, 2002), y
mtodos de estimacin de parmetros y anlisis de
confiabilidad (Wagner y Harvey, 1997). Similarmente
sehanadelantadoinvestigacionesdelmodeloADZenla
incorporacindeprocesosfsicos,qumicosybiolgicos
enlaszonasmuertas(YoungyWallis,1993Leesetal.,
1998),mtodosdeestimacindeincertidumbre(Green
et al.,1994)ytransportebajocondicionesdeflujono
permanente(CamachoyLees,2000).Losdosmodelos
hansidocomparadosutilizandovariasseriesdedatosde
rosdeplanicieporLeesetal.,(2000).
Aplicacionesespecficaspararepresentareltransporte
desolutosenrosdemontaadelosAndescolombianosde
ambosmodelosTSyADZhansidorealizadasporvarios
autores(Torres,2001Lpez,2001,2003Caon,2004a,
b),yunabuenarevisindelosproblemasencontradosenla
modelacinhidrulicaderosdemontaaydeaplicacin
del modeloTS ha sido presentada por Meier y Reichert
(2005)enunestudioderosdelosAlpesSuizos.
En este trabajo se realiza una comparacin de ambos
modelosTSyADZdesdeelpuntodevistadesuhabilidad
para representar correctamenteprocesos de transporte
de ros de montaa utilizando series de datos de 5
experimentoscontrazadoresrealizadosenelroTeusac.
Secomparanlosresultadosdelmododecalibracinde
ambos modelos utilizandola mismametodologa, yse
discuten resultados en aspectos de incertidumbre e
interaccin paramtrica, y parsimonia. Posteriormente
se evala la capacidad predictiva del modelo ms
parsimonioso estimando sus parmetros a partir de
relacionesenfuncindelcaudal.

2.MODELOSDETRANSPORTEDESOLUTOS
Acontinuacinsepresentanlasbasesconceptualesylas
ecuaciones gobernantes de los modelos de dispersin
longitudinalADE, TS yADZ. Dado que los modelos
han sido publicados y se conocen ampliamente no se
realizaenesteartculounadescripcindetalladadelos
mismos.
2.1.ModelodeAdveccinDisper sin
Una presentacin extensa del modeloADE ha sido
realizada porRutherford (1994). La discusinen este

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

artculo se limita a la variante del modelo general

aplicable a solutos conservativos, flujo permanente y
coeficientededispersinconstanteenuntramocortodel
rodemontaa,dadopor,

c
c
2c
= -u + D 2
t
x
x

(1)

Donde, c: concentracin conservativa del soluto en el

canalprincipalu:velocidadpromedioeneltramodel
ro calculada a particular del caudal en el tramo y el
reatransversalpromediot: tiempox: distancia y
D: coeficiente de dispersin longitudinal en el mismo
tramo.
Laslimitacionesdelaaplicacindelmodeloenrosde
montaamodelohansidodiscutidasampliamenteenla
literatura(YoungyWallis,1993)ytienenqueverconla
necesidaddecalibracindelcoeficientededispersinpara
cadaroytramodeestudioparticular,ylapocahabilidad
de representar el fenmeno de dispersin longitudinal
debido a piscinas de agua, zonas muertas o zonas de
almacenamientoyflujosubsuperficialatravsdellecho
poroso.A pesar de ser un modelo distribuido, en la
prctica se calibra, para un caudal conocido, el rea
transversalpromedioefectivaeneltramodeestudioy
uncoeficientededispersinconstantepromedio.
2.2.ModelodeAlmacenamientoTempor al
Presentaciones completas y claras del modelo de
almacenamientotemporalTSseencuentraenBencalay
Walters (1983). Para solutos conservativos, flujo
permanentesinaporteslateralesdecaudal,ycoeficiente
dedispersinconstanteeneltramodeestudiodeunro
de montaa, el sistema acoplado de ecuaciones
gobernantes para el canal principal y la zona de
almacenamientoestdadopor,
2

c
c
c
= -u + D 2 + a(cs - c)
t
x
x

dcs
A
= a (c- cs )
dt
As

(2a)

(2b)

Donde,u,D,t,x,ychansidodefinidosanteriormente
A: readelaseccintransversalpromedioeneltramo
deestudiocs:concentracindelsolutoconservativoen

lazonadealmacenamiento As:reatransversalpromedio

de la zona de almacenamiento y a: el coeficiente de

intercambioentrelazonadealmacenamientoyelcanal
principal.Elefectodelas zonasdeaguarelativamente
estancadaenlasorillasoenlaszonasdegravagruesa
enellecho ozonasporosasenlas bancases producir
dispersin longitudinal. El efecto se modela como un
proceso idealizado de intercambio de masa de primer
ordenentre elcanal principalactivo yla zonamuerta
adyacente.Aguaysolutoseconsideranbienmezclados
enlazonadealmacenamiento,enlaqueseasumequeno
ocurretransportehaciaaguasabajo,niacumulacinneta
demasa.
2.3.ModelodeZonaMuer taAgregada
Presentaciones completas yclarasdelmodeloADZse
encuentran en Young y Wallis, (1993) y Lees et al.,
(2000).Elmodelodedispersinlongitudinalagregado
enun tramocorto deunro demontaa, parasolutos
conservativos,yflujopermanentesinaportesdecaudal
lateral,estdadopor,

dc(t) 1
=
(c (t- t )- c(t))
dt
t - t u

(3)

Donde,c: concentracinconservativadelsolutoaguas
abajoalasalidadeltramoagregadodeestudiodelro
cu:concentracinconservativadelsolutoaguaarribaa
la entrada del tramo de estudio t : tiempo de viaje
promedioeneltramoy t :eltiempodeprimerarribo,o
retrasoadvectivoentrelaentradaylasalidadeltramo.
Elmodeloagregadopermiterepresentardesdedispersin
pura(t = 0 )hastaadveccinpura(c(t)=cu (t- t )

t =t ). Conceptualmente, la adveccin se representa

mediantelatraslacinenuncanallinealconparmetro
t y la dispersin en un embalse lineal de tiempo de
residencia t -t .
3. METODOLOGA DE CALIBRACIN A
PART I R DE E XP E R I M E NTO S C O N
TRAZADORES
Losparmetrosdelosmodelosdetransportedesolutos
sedebencalibrarparacadaroytramoparticulardebido
alascondicionespropiasdeturbulenciaqueafectanla
mezcla,lasirregularidadesparticularesdelfondoylas
orillas, el tipo y cantidad de meandros, etc. Ha sido
universalmente aceptado que el mejor mtodo de
estimacin de los parmetros de cada modelo de
transporteesmediantecalibracindirectautilizandodatos

41

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

tomadosenestudioscontrazadoresconservativosenel
tramo de ro de inters. Se prefieren metodologas de
inyeccin continua a metodologas de inyeccin
instantnea para efectos de estimacin paramtrica
porquelasprimerasproporcionanmejorinformacinpara
lainferenciaestadstica(WagneryHarvey,1997).Sin
embargo, el mtodo de inyeccin instantnea es ms
simple, requiere menor esfuerzo logstico y es ms
econmico. Para una revisin de experimentos con
trazadores conservativos se sugiere la lectura de
Kilpatrick(1993).
LacalibracindelosparmetrosdelosmodelosADE,
TSyADZseharealizadotradicionalmenteutilizando
metodologasdiferentes.Laaproximacintradicionalde
estimacin paramtrica del modeloADZ involucra la
reformulacin de la ecuacin diferencial (3) por una
ecuacin de transferencia en tiempo discreto exacta
(YoungyWallis,1993).Estareformulacinpermitela
aplicacindemtodosdeanlisisdeseriesdetiempoal
problemadeidentificacin,resultandoenestimativosde
parmetros ptimos en trminos estadsticos. Varias
aplicacionesprevias(YoungyWallis,2003Leesetal.,
2000)hanmostradoquelosparmetrosdelafuncinde
transferenciadeprimerordendelmodeloADZpueden
estimarseinequvocamenteutilizandoelmtodosimplificado
yrefinadodelavariableinstrumental(Simplifiedrefined
instrumentalvariable,SRIV,Young,1984).
Porotrapartelaestimacindeparmetrosdelmodelo
TS se realiza tradicionalmente utilizando una versin
extendidadelmodelodelaU.S.GeologicalSurveyOne
DimensionalTransportwithInflowandStorage(OTIS,
Runkel,1998).Laversinextendida,OTISP,acoplala
solucindeunaversinmsgeneraldelmodelo(2)con
el paquete de regresin nolineal StandardTime Series
and Regression Package (STARPAC). OT ISP
proporcionaunaherramientadeestimacinobjetivaen
laquesedeterminaunconjuntodeparmetrosptimos
estimados utilizando la tcnica de mnimos cuadrados
nolinealesNLS(Runkel,1998).
En este trabajo se ha preferido utilizar la misma
metodologa de calibracin para facilitar y hacer ms
justalacomparacindelosmodelosTSyADZ.Seutiliza
la metodologa de estimacin de incertidumbre
generalizada (Generalised Likelihood Uncertainty
Estimationmethodology,GLUE,BevenyBinley,1992),
desarrolladacomounaextensiondelmtododeanlisis

42

de sensibilidad generalizado (Generalised Sensitivity

Analysis,GSA).Dichametodologaseaplicamediante
la ayuda de una herramienta avanzada de anlisis
desarrollada en MATLAB que permite el anlisis de
simulaciones de MonteCarlo (MonteCarloAnalysis
Toolbox,MCAT,LeesyWagener,2000).
LametodologaGLUEesinteresantepuespresentavarias
ventajas sobre mtodos estadsticos tradicionales de
estimacinparamtricatalescomomtodosdemnimos
cuadradosnolineales(NLS),comoporejemplo:

Noesnecesariohacersuposicionesdedistribuciones
aldeterminarlmitesdeconfianzaodeprediccin
Lanolinealidadylasinteraccionesentreparmetros
en las respuestas del modelo se manejan
implcitamenteenlametodologaGLUE,lacualse
centraengruposdeparmetrosynoenparmetros
individuales
Loserroresendatosdeentradaobservadossemanejan
tambinenformaimplcita(BevenandBinley,1992).
Enmtodostradicionalesdeoptimizacinusualmente
seasumequeloserroressonvariablesaleatoriascon
mediaceroyvarianzacomn s2 ,yqueloserrores
no estn correlacionados, (i.e. covarianza

(ei,ej )=0 , i j). Adicionalmenteseasumeque

los errores son independientes y siguen una
distribucinnormal.EnlametodologaGLUEnoes
necesariohacerningunadestassuposiciones.
Mediante la herramienta MCAT los resultados de
simulaciones de MonteCarlo se pueden utilizar para
estimarlaincertidumbrebasadaenlametodologaGLUE
yproducirgrficasdelarespuestadelmodeloconlmites
de confianza asociados, e.g. percentiles 5% y 95%.
Adicionalmente,enlaherramientaMCATlaestimacin
de los parmetros del modelo se puede examinar
parcialmenteusandodiagramasdedispersin,delingls
scatter odottyplots,enlascualeslosparmetros
individuales de cada realizacin de Monte Carlo se
graficancontralosvaloresdelafuncinobjetivo(ola
medidadeconfiabilidad)evaluadaparaelajustelogrado
porelmodeloenesasimulacinalosdatosobservados.
Adicionalmentelasensibilidaddecadaparmetropuede
analizarseparcialmenteusandolosconceptosdelanlisis
generalizadodesensibilidad.
Dadalacomplejidadobservadayeltiempotomadoenla
calibracin objetiva del modelo TS caracterizado por

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

cuatroparmetrosseconsideratilunametodologacomo
GLUE para la calibracin del modelo, par a la
determinacindelosparmetrosdominantesysensibles
yparalacuantificacindelaincertidumbreestructural
yparamtrica.
Con el fin de aplicar la metodologa de calibracin
propuesta, eneste trabajose analizaninicialmente los
resultadosdeunexperimentodetrazadoresdeinyeccin
instantneamidiendoentressitiosaguasabajodondese
haalcanzadolalongituddemezcla.Posteriormentese
seleccionaunrangodevaloresamplioen elcual debe
encontrarse cada uno de los parmetros ptimos del
modelo y se realizan simulaciones de MonteCarlo
seleccionando en cada iteracin los parmetros del
modelo de una distribucin uniforme en el rango
especificadoyutilizandolosdatosdeconcentracindel
trazador en el sitio aguas arriba de medicin como
condicindefrontera.Finalmenteseevalalafuncin
objetivodelajustedelasimulacinalosdatosobservados
del trazador en el sitio aguas abajo y se analizan los
resultadosdetodaslassimulacionesdeMonteCarlocon
laherramientaMCAT.

4.ENSAYOS CONTRAZADORESYSITIOS
DEMEDICIN
En este trabajo se utilizan los datos de 5 ensayos de
trazadoresenuntramode200metrosdelongituddelro
Teusacdemontaa(Cantor,2006).Encadaensayocon
trazadores se inyecta en forma instantnea una masa
conocida de cloruro de sodio diluida previamente en
formacompletaenaguadelroysemidelaconductividad
endosytressitiosdemedicinaguasabajodelpuntode
inyeccinaunadistanciaparalacualsehaalcanzado
mezcla completa en la seccin transversal. Las
mediciones se realizan a intervalos de tiempo de 10

segundos hasta alcanzar nuevamente la conductividad

basedelacorriente.Losresultadosdelexperimentode
trazadoresseconviertenaconcentracinconlacurvade
calibracindelconductivmetroverificadapreviamente
paracadaensayo,seremuevelaconcentracinbaseyse
calculaelestadodegananciaestable(SSG)conlosdatos
delossitios,1,2y3demedicin,

SSG = c2dt c1dt

(4)

Sielestadodegananciaestable,querepresentalarelacin
delamasadetrazadormedidaenelsitioaguasabajoy
la masa medida en el sitio aguas arriba, para caudal
permanentesinaportesnisalidas lateraleseneltramo
se encuentra en el rango de 0.95 a 1.05, se valida el
experimentoysecontinaconelanlisis.Delocontrario
sedescarta stey serepiteaumentandolalongitudde
mezcla al sitio aguas arriba o cambiando de sitio.A
continuacin se describen en forma resumida las
condicioneshidrulicasdeltramodeestudioylosensayos
contrazadoresrealizados.
4.1.RoTeusac
ElroTeusaces unafluentedel EmbalseSanRafael
quehacepartedelsistemadesuministrodeaguapotable
paralaciudaddeBogot.Eltramodeestudioescogido
delroTeusacseencuentraaguasabajodelembalsey
del centro urbano del municipio La Calera, en el
Departamento de Cundinamarca. El tramo estudiado
presentaunamalacalidaddelaguacomoresultadodela
contaminacin urbana del municipio de la Calera y
conexioneserradasqueviertendirectamenteelaguaala
corrienteynoalalcantarilladomunicipalqueconduce
las aguas a la planta de aguas residuales. Las
caractersticas hidrulicas bsicas y los ensayos con
trazadoresrealizadoseneltramodeestudiosepresentan
enlaTabla1ylaFigura1.Losdatoshansidodescritos
detalladamenteporCantor(2006).

Tabla1.DatosRoGuavio
Ensayo

M asa
Caudal
1
inyectada(g)
(Ls )
T1
6000
305.57
T2
5000
379.57
T3
5000
222.56
T4
4000
317.65
T5
3000
364.55
Pendientelongitudinalprom edio:
Cam biodeelevacindesdelainyeccinalsitio2:
Longitudtotaldeltram odeestudio:
Longituddesdelainyeccinalsitio1dem edicin:
Longituddesdeelsitio1alsitio2dem edicin:
Longituddesdeelsitio2alsitio3dem edicin:
Nm erodeexperim entosc ontrazadores:

SSG
Tram o12
0.999
1.000
1.000
1.045
0.978

SSG
Tramo23

1.000
1.000

1.011
0.0093m/m
1.73m
198.5m
85.8m
44.0m
68.7
5

SSG
Tram o13

1.039
1.000

0.989

43

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

Figur a1.RoTeusacdesdeSitio1haciaaguasarriba

4.1.Esquemadesitiosdemedicin
Eltramodeestudiopresentalascaractersticastpicas
deunrodemontaaconcantosyrocasdegrantamao,
macrorugosidadesenelcauce,ysecuenciasalternadas

de piscinas y rpidos. En la Figura 2 se presenta el

esquema de sitios de medicin de acuerdo al
levantamiento topogrfico y altimtrico realizado por
Cantor(2006).

R K 0+0 0m

Rpidos

Piscinas
Siti o deM e dici nN o 1
R K0 +86 m
Siti o d eM ed ic i n N o .2
R K 0 +13 0 m

Rpidos
Piscinas

Piscinas

Rpidos

Si tio de M edi cin N o .3

RK 0 +1 99m

Figur a2.EsquemadesitiosdemedicinRoTeusac

5. ANL SI S DE R E SULTADO S DE
CALIBRACIN
EnlaTabla2sepresentanlosresultadosdelacalibracin
delos dosmodelosTSyADZrespectivamentepara las
seriesdedatosdelRoTeusac.Seincluyenlosparmetros
calibradosyelvalordel coeficientededeterminacindel

44

ajustelogradoutilizadocomofuncinobjetivo.
Losresultadosdecalibracinparalosdosmodelosson
en general excelentes para los dos modelos con
coeficientesdedeterminacinentodosloscasosmayores
a0.99.EnlaFigura3sepresentaunejemplodelajuste
logradoparalosdatosdelensayoT1.

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

El simple anlisis de los resultados comparando los

valores de la funcin objetivo no permite realmente
discrimircualmodeloproduceelmejorajustealosdatos
observados y determinar aquel ms apropiado para
representareltransportedesolutosenrosdemontaa.

La metodologa GLUE utilizada permite una

comparacinmsdetalladadelosmodelosentrminos
de su incertidumbre, sensibilidad, e interaccin
paramtricaydesuniveldeparsimonia.

Tabla2.ResultadosRoTeusacCalibracinModeloTS
Ensayo
T1
T2

T3
T4
T5

ModeloTS
1
a (s )

2 1

Tramo

A(m )

D(m s )

1_2
1_2
2_3
1_3
1_2
2_3
1_3
1_2
1_2
2_3
1_3

2.29
1.51
2.38
1.89
1.87
2.42
1.70
2.39
2.01
1.56
1.54

0.035
0.162
0.136
0.131
0.127
0.020
0.126
0.120
0.103
0.625
0.198

4.47E03
5.30E03
9.27E04
3.00E03
1.05E03
1.73E03
7.63E04
9.00E04
2.30E03
6.00E04
1.80E03

EnlaFigura4sepresentangrficasdedispersindela
calibracin ysensibilidad regional de losdos modelos
paralamismaseriededatosdelensayodetrazadores
T1.Enlatcnica,ladistribucinacumuladade10clases
delespacioparamtricoordenadasdeacuerdoalamedida
deconfiabilidado bondaddeajustesepresentanenla
grficadesensibilidadregional,(RegionalSensitivity
Anlisis, RSA). Parmetros insensibles usualmente
resultanendistribucionesacumuladassimilaresparacada
clase, y por el contrario, los parmetros sensibles se

As(m )

t (s)

0.60
0.48
0.44
0.42
0.41
0.47
0.24
0.61
0.13
0.43
0.30

0.995
0.993
0.998
0.997
0.997
0.998
0.999
0.995
0.996
0.998
0.995

287
136
324
518
254
410
726
234
195
177
468

ModeloADZ
(s)
401
222
477
704
420
542
974
360
255
324
580

0.996
0.995
0.995
0.996
0.995
0.999
0.998
0.993
0.996
0.995
0.996

distinguenpordiferenciasmarcadasenlasdistribuciones
acumuladasdecadaclase(LeesyWagener,2000).Enla
Figura4aseobservaquelosparmetrosdelmodeloADZ
son identificables inequvocamente, i.e. presentan un
ptimo global y muestran alta sensibilidad en torno a
dicho valor ptimo. Por el contrario, se observaen la
Figura4bparaelmodeloTSquelosparmetrosnoson
identificables por su baja sensibilidad regional y su
posiblealtainteraccinparamtrica.

Figur a3.EjemploderesultadosdecalibracindelosmodelosADZyTSenelroTeusacExperimentoT1

45

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

modelo pierden fcilmente su sentido fsico pues

combinacionesmuydiferentesdeparmetrosindividuales
generan el mismo valor de la F.O., limitando su
estimacin.

EnlaFigura5seobservaelcomportamientodelafuncin
objetivo(F.O.)enelespacioparamtrico.Ntesecomo
para el modelo ADZ de dos parmetros el
comportamientoescncavo(verFigura5a)yporlotanto
esfcilmenteidentificableelptimo globaldelaF.O.,
incluso si se utilizaran mtodos tipo gradiente como
Mnimos Cuadrados No Lineales o Simplex. Por el
contrario,enlaFigura5besmuyclaralainterdependencia
paramtricadelmodeloTS.ElcomportamientodelaF.O.
eserrticoconmltiplesptimoslocales.Losparmetros
dereadealmacenamiento, As,coeficientededispersin

longitudinal,D,ycoeficientedeintercambio, a, deeste

Los mismos resultados y conclusiones acerca de la

calibracinobtenidosparaelensayoT1sepresentanpara
los ensayos T2 a T5 y se han obtenido en estudios
similarescondatosdemsde30ensayoscontrazadoresen
losrosdemontaaGuavio,Arzobispo,ylaquebradaLeja
(Torres,2001Lpez,201,2003Can,2004a,b).

Parmetro
Identificable

Alta
Sensibilidad

(a.)

ParmetrosNOidentificables

PocaSensibilidad

(b.)
Figur a4.Grficasdedispersinysensibilidadregional(a.)ModeloADZ,(b.)ModeloTS.

46

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

a.

b.

Figur a5.GrficasdelespacioparamtricoversuslaFuncinObjetivo.
a.ModeloADZparmetrosidentificablessininteraccin.
b.ModeloTSparmetrosDy As muestranaltainteraccinlimitandosuestimacin

ElmodeloADZajustamuybiendatosobservados,con
slo 2parmetros. El modeloTS tambin ajusta muy
bienlosdatosobservadosperoutiliza4parmetros.Los
parmetros del modeloADZ son identificables, i.e. se
determinaunptimoglobal.Losparmetrosdelmodelo
TSsoninterdependientesnoidentificables,i.e.interactan
entresdificultandosuestimacin.Estospuedenperder
susentidofsicopuescombinacionesdiferentesproducen
elmismovalordelafuncinobjetivo.Porestaraznen
estetrabajoseconcluyequeelmodelodetransportede
solutosenrosdemontaaparsimonioso,i.e.mspreciso
conelmenornmerodeparmetros,eselmodeloADZ.
AdicionalmenteelmodeloADZesunmodeloagregado
representado por una ecuacin diferencial total con
solucin discreta exacta. Los modelos ADE y TS en
cambiosonmodelosdistribuidosrepresentadosporuna
ecuacin diferencial parcial que requiere mtodos
numricosdesolucin.

6. ANL I SI S DE L A H ABI L I DAD

PREDICTIVADELMODELOADZ
Lautilidaddelosmodelosmatemticosestdeterminada
en gran medida por su habilidad en reproducir con
precisin series de tiempo observadas, i.e. el nivel de
calibracin logrado, pero mejor, por la capacidad
predictivaaldescribirotrasseriesdetiemponoutilizadas
enlacalibracindelosparmetrosdelmodelo.Eneste
artculosepresentaunestudiodelahabilidadpredictiva
del modelo ADZ que ha resultado ser el modelo
parsimoniosodetransporteenrosdemontaa.

6.1. Met odologa de estimacin d e par met r os

propuesta
Los parmetros del modeloADZ, tiempo promediode
viajeytiempoderetrasoadvectivootiempodeprimer
arribo,tienenclarosentidofsico.Losparmetrospueden
relacionarse fcilmente en ros de planicie con la
velocidadpromedio ylavelocidad mxima delflujoy
porconsiguienteconelcaudal(CamachoyLees,2000).
Enrosdemontaaestasrelacionesdelosparmetros
convelocidadycaudalnosonfcilmentederivablesen
formaanaltica.Enesteestudio,siguiendoeltrabajode
YoungyWallis(1993),seproponeladeduccindeestas
relaciones para ros de montaa en forma emprica,
basada en datos de experimentos con trazadores bajo
diferentescaudales.
Lametodologaconsisteenrealizarexperimentosenel
ro de montaa para diferentes caudales, en un rango
amplio de condiciones hidrolgicas. Se consideran
suficientesalmenostresexperimentos,unoparacaudal
bajo, otro para caudal medio y otro para caudal alto.
Conlosdatosdelexperimentosecalibranlosparmetros
delmodeloADZ,porejemplomediantelametodologa
GLUE expuesta anteriormente. Con los parmetros
calibrados se realizan regresiones potenciales versus
caudal. Mediante estas relaciones se estiman los
paramtros del modelo para el caudal con el cual se
requierapredecireltransporte.Conestosparmetrosse
simula y predice el transporte de solutos en el ro de
montaabajoestudio.

47

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

6.2.Aplicacindelametodologadeestimacinde
par metrospropuesta

paradosparmetros:tiempopromediodeviajeytiempo
de retraso versus caudal. En ambos casos se ajustan
relaciones potenciales que predicenla disminucindel
tiempo de retraso advectivo y el tiempo viaje con el
caudal.Sibienlosresultadosnosontanbuenosenros
demontaacomoenrosdeplanicie(e.g.Wallisetal.,
1993), se presentan relaciones con coeficientes de
correlacinmayoresa0.68.

Enesteestudiosedisponededatosdecincoexperimentos
contrazadoresbajodiferentecaudal(verTablas1y2).
Para derivar las relaciones de los parmetros versus
caudalseutilizanlosdatosdelosexperimentosT2,T3y
T4queincluyenelcaudalmnimo,mximoyuncaudal
intermedio. EnlaFigura6 sepresentanlos resultados

Tiem p o v s Caud al
450
1.0867

400

y=87.064x
2
R =0.78 67

T2

Tiemp o(s)

350

T3

300
250

T2
T3
T4

200
1.0386

150

y=57 .2 65 x
2

R =0 .687 5
100
0.20

0.22

0.24

T4
0.26

0 .28

0.30

0.32

0.3 4

0.36

0.38

0 .40

Q(m3/s )
Re trasoAdvectivo
Poten cial(Retra soAdve ctivo)

Tiempomedio de viaje
Potencial(Tiempomediodeviaje)

Figur a6.Relacionesdelosparmetrosversuscaudal
a.Tiempoderetrasoadvectivo versuscaudal
b.Tiempodeviaje versuscaudal

Utilizando las ecuaciones de regresin potencial se

estimanlosparmetroscorrespondientesaloscaudales

delosexperimentosT1yT5.Losresultadosseresumenen
laTabla3yelejerciciorealizadoseilustraenlaFigura7.

Tabla3.ParmetrosdelmodeloADZestimadosparacaudalesintermediosapartirderelacionespotencialesversuscaudal
Caudal
3 1
[m s ]

0.306
0.365

Tiempoderetrasoadvectivo
t[s]

Tiempopromediodeviaje
t (s)

t =57.265 Q -1.0386

t = 87.064 Q1.0867

195.9
163.1

315.3
260.3

6.3.AnlisisdelahabilidadpredictivadelmodeloADZ
Conlosparmetrosestimadosmediantelametodologa
propuestase simulaypredice eltransporte desolutos
utilizandolosdatosobservadosdeconcentracinaguas
arribaresultantesdelosexperimentosT1yT5.Seanaliza

48

lacapacidaddelmodelodereproducirlosdatosaguas
abajo.Ntesequeseevaladeestamaneralacapacidad
predictiva del modelo puesto que los datos de estos
experimentos no fueron utilizados en la estimacin de
losparmetrosdelmodelo.

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

T iem po vs Cau d al
450
T2
400
T3

Tiempo(s)

350
300
250

T2
T3

T4

200
150
T4

T1
100
0.20

0.22

0.24

0.26

0.28

0.30

T5

0.32

0.34

0.36

0.38

0.40

Q(m /s )
RetrasoAdvectivo
Potencial(RetrasoAdvectivo)

T iempomediodeviaje
Potencial(T iempomediodeviaje)

Figur a7.EstimacindelosparmetrosdelmodeloADZparaloscaudalesdelosexperimentosT1yT5.

EnlaFigura8sepresentanlosresultadosparalosdatos
del experimento T1. Se observa que la prediccin del
modeloesregular(R2 =0.70).Enparticulareltiempo
de arribo es menor al observado en 70 segundos y la
concentracinpicodeladistribucinobtenidadifiereen
8% (5 mg/l). No obstante lo anterior, el proceso de
dispersinlongitudinalengeneralhasidocorrectamente
representado en tminos de la atenuacin de la
concentracin pico y las pendientes de los limbos
ascendentesydescendentesdeladistribucin.

EnlaFigura9sepresentanlosresultadosdelexperimento
T5.Enestecasolahabilidadpredictivadelmodelode
transporte se considera excelente, obtenindose un
coeficientededeterminacinR2 =0.93.Ntesecomoel
arriboylarecesindeladistribucindeconcentracin
en el sitio 2 ha sido correctamente representada. La
diferenciaenlaconcentracinpico(2mg/l,10%)sepuede
explicarenparteporelbajoestadodegananciaregistrado
paraesteexperimentode0.978queindicaunaprdida
demasaregistradadelsitio1alsitio2.

Figur a8.PrediccindelmodeloADZparaelexperimentoT1

49

AVANCESENRECURSOSHIDRULICOSNmero14,Octubrede2006

Figur a9.PrediccindelmodeloADZparaelexperimentoT5

6.CONCLUSIONESYRECOMENDACIONES
Los modelosADZ y TS ajustan muy bien los datos
observadosdetrazadoresenelrodemontaaestudiado.
LosdosparmetrosdelmodeloADZsonidentificables,
i.e. se determina un ptimo global, y presentan claro
sentidofsico.LoscuatroparmetrosdelmodeloTSson
interdependientesnoidentificables,i.e.interactanentre
s dificultando su estimacin. Por esta razn en este
trabajoseconcluyequeelmodelodetransportedesolutos
enrosdemontaaparsimonioso,i.e.msprecisoconel
menor nmero de parmetros, es el modeloADZ. Se
recomiendautilizarlametodologaGLUEpropuestaen
estetrabajocuandosedeseecompararmodelosdediversa
ndole en trminos de su incertidumbre, sensibilidad e
interaccinparamtricaysuniveldeparsimonia.
Sehapresentadoadicionalmenteunametodologapara
estimarlosparmetrosdelmodeloparsimoniosoADZsi
sedeseautilizarenelmododeprediccinosimulacin
bajo diferentes caudales. La metodologa propuesta
sugiere que con solo datos de tres experimentos con
trazadores en el ro de montaa, es posible derivar
relacionesdelosparmetrosversuscaudalquepermiten
obtener predicciones suficientemente precisas del
transportedesolutosbajootroscaudales.Serecomienda
continuarestetrabajoevaluandolacapacidaddelmodelo
agregadoADZenelmododeprediccinenotrosrosde

50

montaa.Actualmente esta investigacin continacon

elestudioyformulacindemetodologasquepermiten
lacaracterizacinhidrulicaderosdemontaaapartir
deexperimentoscontrazadores.

7.AGRADECIMIENTOS
LosautoresagradecenalaVicerrectoradeInvestigacin
delaUniversidadNacionaldeColombiaporelapoyoal
proyectodeMetodologasdeCaracterizacinHidrolgica,
Hidrulica y deAutopurificacin de Ros de Montaa
ColombianosenlaConvocatoriadelao2006.

8.BIBLIOGRAFA
Bencala,K.E.yWaltersR.A.,1983.Simulationofsolute
transport in a mountain poolandriffle stream: A
transientstoragemodel,WaterResourcesResearch,
19,(3),pp.718724.
Beven,K.J.yBinley,A.,1992.Thefutureofdistributed
models:modelcalibrationanduncertaintyprediction,
HydrologicalProcesses,6,pp.279298.
Camacho, L.A. y Lees M.J., 2000. Modelacin del
transportedesolutosenrosbajocondicionesdeflujo
nopermanente:unmodeloconceptualintegrado.XIX
CongresoLatinoamericanode Hidrulica.Crdoba,
Argentina.

CalibracinyanlisisdelacapacidadpredictivademodelosdetransportedesolutosenunrodemontaacolombianoCamacho&Cantor.

Cantor, M., 2006. Caracterizacin y modelacin

hidrulica de un tramo del Ro Teusac utilizando
experimentoscontrazadores.ProyectodeGradoIng.
CivilUniversidadNacionaldeColombia,Bogot
CaonJ.,2004a.Estudioscontrazadoreseinvestigacin
de modelos de transporte de solutos en un Rio de
montaa Quebrada Leja. Proyecto de Grado
IngenieraAmbiental Universidad de losAndes,
Bogot
CaonJ.,2004b.Caracterizacinhidrulicadeunro
demontaautilizandoexperimentoscontrazadores,
ProyectodeGradoIngenieraCivilUniversidadde
losAndes,Bogot.
Green,H.M.,Beven,K.J.,Buckely,K.yYoung,P.C.,
1994.Pollutionpredictionwithuncertainty.InMixing
andtransportintheenvironment.(Ed.K.J.Beven,P.
Chatwin, J. Millbank). John Wiley and Sons,
Chichester,pp.113137.
Kilpatrick, F.A., 1993 Simulation of soluble waste
transportandbuildupinsurfacewatersusingtracers,
TechniquesofWaterResourcesInvestigationsofthe
USGS,Chap.A20,Book3.
Lees, M. J., Camacho, L.A., yWhitehead, P., 1998.
Extension of the QUASAR river quality model to
incorporatedeadzonemixing.HydrologyandEarth
SystemSciences,2,(23),pp.353365.
Lees,M.J.yWagener,T.,2000.MonteCarloAnalysis
Tool (MCAT) v.2, User Manual, Civil and
Environmental Engineering, Imperial College of
ScienceTechnologyandMedicine,27P.
Lees,M.J.,Camacho,L.A.,yChapra,S.C.,2000.On
the relationship of transientstorage and aggregated
deadzonemodelsoflongitudinalsolutetransportin
streams.WaterResourcesResearch,36,(1),pp.213
224.
Lpez M., Grecia M., 2003. Investigacin de la
aplicacinpredictivadelosmodelosdetransportede
solutos de almacenamiento temporal (TS) y zona
muerta agregada (ADZ), Tesis de Magster en
IngenieraCivilUniversidaddelosAndes,Bogot.
LpezM.,GreciaM.,2001Investigacindelaaplicacin
delmodelodetransportedesolutosdealmacenamiento
temporalenunrodemontaa,RioGuavio,Proyecto
deGradoIngenieraCivilUniversidaddelosAndes,
Bogot.
Meier,W.K.yReichert,P.,2005Mountainstreams
Modeling hydraulics and substance transport. J. of

EnvironmentalEng.,131,(2),pp.252261
Runkel R. L., 1998. Onedimensional transport with
inflowandstorage(OTIS):Asolutetransportmodel
forstreamsandrivers,U.S.GeologicalSurveyWater
Resources Investigations Report, 4018, Denver
Colorado,73P.
Runkel, R. L. 2002A new metric for determining the
importante of transient storage. J. N.Am. Benthol.
Soc.,21,(4),pp.529543
Runkel, R. L., y Chapra S. C., 1993.An efficient
numericalsolutionofthetransientstorageequations
forsolutetransportinsmallstreams.WaterResources
Research,29,(1),pp.211215.
Runkel,R.L.,yKimbal,B.A.,2002Evaluatingremedial
alternatives for an acid mine drainage stream:
applicationofareactivetransportmodel.Am.Chem.
Soc.,36,pp.10931101.
Rutherford,J.C.,1994.Rivermixing,JohnWileyand
Sons,Chichester.
TorresO.,MarioJ.,2001Investigacindelaaplicacin
delmodeloADZdetransportedesolutosenunrode
montaa,RoGuavio,ProyectodeGradoIngeniera
CivilUniversidaddelosAndes,Bogot.
Wagner,B.J.,yHarvey,J.W.,1997.Experimentaldesign
forestimatingparametersofratelimitedmasstransfer:
Analysis of stream tracer studies.Water Resources
Research,33,(7),pp.17311741
Young, P. C., 1984. Recursive Estimation and Time
SeriesAnalysis,SpringerVerlag,Berlin.
Young, P. C., yWallis, S. G., 1993. SoluteTransport
and Dispersion in Channels. En Channel Network
Hydrology(Eds.K.J.BevenandM.J.Kirby).John
WileyandSons,Chichester,pp.129174.

51