TALLER DE HIDROLOGIA N3 PRECIPITACION

NIXON ENRIQUE PÉREZ PATARROYO

ALEJANDRA PARRA
MARCELA RIVERA
CARLOS VARELA

UNIVERSIDAD PEDAGÓGICA TECNOLÓGICA DE COLOMBIA

FACULTAD DE INGENIERÍA
ESCUELA DE AMBIENTAL
TUNJA
2018
 TALLER DE HIDROLOGIA N3 PRECIPITACION

NIXON ENRIQUE PÉREZ PATARROYO

ALEJANDRA PARRA
MARCELA RIVERA
CARLOS VARELA

Presentado a:
ING. EDISSON RAMIRO CEPEDA ARIAS

Asignatura: hidrología

UNIVERSIDAD PEDAGÓGICA TECNOLÓGICA DE COLOMBIA

FACULTAD DE INGENIERÍA
ESCUELA DE AMBIENTAL
TUNJA
2018
 TALLER 3 PRECIPITACIÓN.
1. A partir de los datos de precipitación diaria registrados por la red
hidrometeorológica de la ciudad de Bogotá (en 11 estaciones), para un
evento de tormenta ocurrido el 23/10/2005, los cuales se incluyen en
las coberturas anexadas en formato SIG (estaciones meteorológicas y
zona de influencia del evento), estimar la precipitación media del
evento hidrometeorológico extremo, por medio de los siguientes
métodos: promedio aritmético, Polígonos de Thiessen, Kriging
Ordinario, Inverso de la Distancia (IDW) e Interpolación Global
Polinomial.

Para el desarrollo de este taller se utilizo la información correspondiente de 11

estaciones sobre las precipitaciones diarias registradas en la red
hidrometeorológica de la ciudad de Bogotá.
Las zonas con mayor precipitación registrada corresponden a las dos estaciones
ubicadas en el jardín botánico por las entidades IDEAM Y EAAB
N Nombre Entidad Pdiaria x Y
1 TANQUE JALISCO TUNAL EAAB 11,4 91500 96900
2 SANTA LUCIA EAAB 6,5 95080 97520
3 VITELMA EAAB 2 100600 97540
4 BOSA BARRENO NO. 2 EAAB 20 88000 101000
5 SAN DIEGO EAAB 1,5 101400 101500
6 La Lumbre CAR 17 87700 103700
7 Observatorio Met. Nacional IDEAM 18 97880 103800
8 TECHO EAAB 25 91300 105100
9 Jardín Botánico IDEAM 30,6 97970 107500
10 JARDIN BOTANICO EAAB 29,8 96800 108800
11 Aeropuerto el Dorado IDEAM 2,3 91590 111800
Tabla 1 Información general estaciones Bogotá. Fuente: Red de hidrometeorologia de Bogotá.

Para la ejecución de los diferentes métodos, se realizó mediante la utilización del

Software ArcGIS 10.3 con la herramienta Geostatistical Analyst la cual permite
explorar la variabilidad de datos examinando tendencias globales y permitiendo
verificar las relaciones existentes entre los datos y con ello, realizar predicciones y
calcular errores en los mismos. A continuación, se presentan las estimaciones
para la precipitación media del evento hidrometeorológico extremo por medio de
distintos métodos.
Método de la media aritmética
Este es el método mas sencillo para determinar la precipitación media sobre el
área.
𝑛
𝛴𝑖=1 𝑃𝑖
𝑃̅ =
𝑛
𝟏𝟓𝟐. 𝟕
̅=
𝑷
𝟏𝟏
 𝑷𝒓𝒆𝒄𝒊𝒑𝒊𝒕𝒂𝒄𝒊𝒐𝒏 𝒎𝒆𝒅𝒊𝒂 =14.91818 mm

Método de los polígonos de Thiessen

Este método para determinar la lluvia media en una zona, se aplica cuando se
sabe que las medidas de precipitación en los diferentes pluviómetros sufren
variaciones, teniendo además el condicionante que la cuenca es de topografía
suave o en lo posible plana.
Las estaciones contiguas se conectan mediante líneas rectas en tal forma que no
haya líneas interceptadas, es decir formando triángulos. En cada una de las líneas
dibujadas se trazarán mediatrices perpendiculares, las cuales se prolongarán
hasta que se corten con las mediatrices que se encuentren cerca. Los puntos de
corte o intersección entre las mediatrices representan los puntos del polígono cuya
superficie constituye el área de influencia de la estación que queda dentro del
polígono.

Para calcular la precipitación media de la cuenca se tendrá en cuenta la siguiente

expresión.
𝑛
𝛴𝑖=1 𝑃𝑖. 𝐴𝑖
𝑃̅ =
𝛴𝐴𝑖

POLIGONO THIESSEN
Precipitacion precipitación
Estación Area (km2) A Pd*A
diaria (mm) pd media (mm)
VITELMA 2 0,017439791 0,03487958
SAN DIEGO 1,5 1,47700335 2,21550503
SANTA LUCIA 6,5 1,493918008 9,71046705
Observatorio Met. Nacional 18 16,27 292,86 19,25724606
TECHO 25 11,56 289
La Lumbre 17 0,152437047 2,5914298
30,9707982 596,412281

Tabla N2 Calculo de la lluvia promedio por el método de polígonos de Thiessen. Fuente: Los autores.

596.412281
𝑃𝑟𝑒𝑐𝑖𝑝𝑖𝑡𝑎𝑐𝑖𝑜𝑛 𝑚𝑒𝑑𝑖𝑎 = = 19.25724606 𝑚𝑚
30.9707982
 Figura N1. Polígonos de Thiessen de la cuenca. Fuente: Los autores.

Método de Kriging Ordinario

El tercer método utilizado para la interpolación corresponde al método
geoestadístico de Kriging Ordinario, que correlaciona tanto espacial como
temporalmente los valores de un atributo, para este caso la precipitación diaria
registrada por las estaciones.
Cabe resaltar que el principal objetivo de este método es minimizar la varianza del
error esperado (diferencia entre el valor real y el valor estimado).
Para este caso, se le asignó una transformación Logarítmica dado que garantiza
una menor varianza y/o error entre la mediana y la media, además permite una
mayor exactitud en la interpolación realiza.

Tabla N3 Resultados Kriging ordinario. Fuente: Los autores.

 Figura N2. Histograma de frecuencia. Fuente: Los autores.

Teniendo como resultado la precipitación media con un valor de 20.145 mm

teniendo en cuenta que los puntos de predicción del modelo son de las 11
estaciones que hay en la red hidrogeológica de Bogotá.

El mapa resultante será:

Figura N3 Mapa resultante interpolación Kriging ordinario. Fuente: Los autores.

Y el mapa de error en la variación de la predicción resultante será:

 Figura N4. Mapa de error de la validación de la predicción, método Kriging ordinario. Fuente: Los autores.

Método del inverso de la distancia EDW

El cuarto método empleado para la interpolación hace referencia al de la distancia
inversa ponderada IDW, el cual interpola los datos de una muestra dándole mayor
importancia a los valores que se ubican más cerca de la zona de interés.

Tabla N 4. Resultados EDW. Fuente: Los autores.

 Figura N5. . Histograma del inverso de la distancia. Fuente: Los autores.

Es importante mencionar que la precipitación media corresponde a 17.354 mm.

Figura N6 . Mapa resultante inverso de la distancia IDW. Fuente: Los autores.

Interpolación global polinomial.

Los estimadores globales utilizan todos los datos muestrales para proporcionar
predicciones en toda el área de interés. Se asume la dependencia de la variable a
interpolar de las demás variables de apoyo, también para examinar y evaluar los
efectos en las variaciones globales de las tendencias o clasificar grupos de terrenos
distintos que pueden tener diferencias en las medias. Cabe resaltar que el proceso se
realizó con la herramienta de Geostatistical Analyst – Geostatistical Wizard – Global
Polynomial Interpolation.
El resultado de la interpolación polinomial global es una superficie lisa que representa
tendencias graduales en la superficie sobre el área de interés.
La interpolación polinómica global crea una superficie que varía lentamente usando
polinomios de orden inferior que posiblemente describen algún proceso físico; sin
embargo, cabe señalar que cuanto más complejo es el polinomio, más difícil es
atribuirle sentido físico. Además, las superficies calculadas son altamente susceptibles
a valores extremos (valores extremadamente altos y bajos), especialmente en los
bordes.
FID Measured Predicted Error Source_ID Included
0 11,4 10,193985 -1,206015 0 Yes
1 6,5 10,650789 4,150789 1 Yes
2 2 10,687059 8,687059 2 Yes
3 20 13,565551 -6,434449 3 Yes
4 1,5 14,691311 13,191311 4 Yes
5 17 18,52315 1,52315 5 Yes
6 18 13,465695 -4,534305 6 Yes
7 25 16,65291 -8,34709 7 Yes
8 30,6 13,322637 -17,277363 8 Yes
9 29,799999 15,225068 -14,574931 9 Yes
10 2,3 39,063892 36,763892 10 Yes
Tabla N5. Histograma de interpolación global polinomial. Fuente: Los autores.

Figura N7. Histograma de interpolación global polinomial. Fuente: Los autores.

En donde la precipitación media por este método es de 16.004 mm.

 Figura N8. Mapa resultante de la interpolación global polinomial. Fuente: Los autores

2. Evaluar la bondad de ajuste de los métodos geoestadísticos de

interpolación del campo de precipitación mediante la metodología de
validación cruzada.
A continuación, se podrá encontrar la comparación de los métodos geo
estadísticos, a través del uso de la herramienta de validación cruzada en
ArcMap de ArcGIS. Se mostrarán las gráficas correspondientes a la
distribución de precipitación diaria en la ciudad de Bogotá para las 11
estaciones analizadas. Esta validación cruzada se realizará para los métodos
de Kriging, Inverso de la distancia IDW y de interpolación Global polinomial.
Método de Kriging ordinario
 Figura N9. Función de la regresión kriging ordinario. Fuente: Los autores.

Método inverso de la distancia.

 Figura N10. Función del inverso de la distancia. Fuente: Los autores.

Método de interpolación Global polinomial.

Figura N11. Función interpolación global polinomial. Fuente: Los autores.

METODO MEDIA CUADRATICA

KRIGING ORDINARIO 17,8668
IDW 8,6279
INTERPOLACION GLOBAL POLINOMIAL 14,348
Tabla N 6. Resultados de las medias cuadráticas de los métodos geoestadísticos. Fuente: Los autores.

3. Analizar los resultados obtenidos y argumentar cual sería la mejor opción

de magnitud de precipitación media del evento hidrometeorológico
estudiado.

METODO MEDIA CUADRATICA

KRIGING ORDINARIO 17,8668
IDW 8,6279
INTERPOLACION GLOBAL POLINOMIAL 14,348
Tabla N 6. Resultados de las medias cuadráticas de los métodos geoestadísticos. Fuente: Los autores.
La herramienta de validación cruzada permitió comprobar la validez del modelo e
indicar cuál es el mejor. La validación cruzada utiliza todos los datos para estimar
el modelo de autocorrelación. Los resultados en los métodos Kriging son
satisfactorios solo si la media estandarizada de los errores es cero y error
cuadrático es cercano a cero.
Al comparar los valores de Root Mean Square, se observa que los menores
valores se presentan en el método IDW, y los mayores con el método Kriging
Ordinario. Es posible decir que el método que mejor se ajusta a este conjunto de
datos de precipitación es el método IDW.
En algunas estaciones, en especial en los métodos Kriging Ordinario, no se
arrojan resultados de ningún valor, algunas estaciones no cuentan con valores de
predicción ya que el método no encontró vecinos cercanos. El IDW cuenta con un
máximo de 15 vecinos y un mínimo de 10, mientras que los demás métodos
geoestadísticos utilizan un máximo de 5 vecinos y un mínimo de 2, lo cual lo hace
preferente a la hora de elegir un método para hallar la precipitación media en esta
situación y debido a las condiciones que presenta, en caso tal de que estas varíen
el método IDW quizá no sería el más indicado.

4. CONCLUSIONES:

 La elección del conjunto de estaciones debe estar condicionada a

factores como su ubicación (diferenciadas para cada una de las zonas
geográficas), y a estaciones que presenten registros confiables con
mayor número de años o mensualmente más completos (de al menos
10 años).
 El número de estaciones resulta ser un factor condicionante para el uso
de la herramienta Geoestatistical Analyst, impidiendo la trasformación
de los datos.
 La presencia de tendencia en los datos, genera condicionantes para el
uso de métodos geoestadísticos como el Kriging.
 La mayoría de los métodos geoestadísticos sólo son óptimos si la
variable de estudio (precipitación para este caso) sigue una distribución
norma

5. REFERENCIAS:

Witte, H. J. (1995). Distribución estacional y altitudinal de la precipitación.

La temperatura y la humedad en el transecto parque los nevados.
ANALISIS GEOGRAFICOS, 13-33.