Beruflich Dokumente
Kultur Dokumente
Civiles
1
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
2. Metodología
2.1. Área de estudio
El área de estudio corresponde a la sub-cuenca del Río Cauquenes, la que puede ser definida a partir del punto
de captación ubicado en la estación Río Cauquenes en Desembocadura, de latitud 35.900°S y longitud 72.050°O,
donde la delimitación de la sub-cuenca se realizó en SAGA GIS v2.3.2 con el modelo de elevación digital SRTM
con resolución de 30 metros (Watkins, 2014).
La principal actividad económica de la Región se basa principalmente en la agricultura, proveedora de materias
primas para las industrias vitivinícola, de esta manera el vino representa el 82% del total de sus exportaciones,
en menor proporción le sigue la producción de madera aserrada o desbastada longitudinalmente que
representa solo el 11% (Datawheel, 2018). El área de estudio, siendo cercana a la costa chilena, está
caracterizada con un clima mediterráneo de lluvia invernal (Csb) según la clasificación de Köppen
(Infraestructura de Datos Espaciales Chile, 2016), y particularmente la zona presenta un balance adecuado de
temperaturas y precipitaciones que explican desarrollo vitivinícola explotado en Cauquenes.
La situación hídrica de Cauquenes se puede poner en contexto con la Región del Maule, donde se encuentran
muchos sectores con constantes decretos de escasez. Actualmente Cauquenes tiene un decreto vigente que la
declara como zona de escasez hídrica junto a otras comunas de la zona (Ministerio de Obras Públicas, 2018).
En la Figura 1 aparece delimitada la zona de estudio, destacando la red de drenaje y las estaciones de interés del
presente estudio.
2
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
3
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
4
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Como se señaló en la sección 2.5, la aplicación numérica de este método a una de las series de datos de
caudales para estimar los parámetros de la distribución Log-Pearson Tipo III, evidenció problemas que no
permitieron llegar a alguna estimación. Esta situación resultó ser una adversidad sobre la cual se ha desarrollado
cierta literatura que reconoce que hay dificultades computacionales relacionadas con la resolución de las
ecuaciones de verosimilitud sobre la distribución en cuestión (Matalas & Wallis, 1973), que incluso puede
conducir a múltiples estimadores de posición (Arora & Singh, 1988). Por estas razones se optó por descartar este
método solo en el caso de esta distribución.
Método de Igualación de Cuantiles (QME)
Esta metodología está basada en el método de los mínimos cuadrados, dado que para propósitos de cálculos
numéricos, la comparación que se realiza es de cuantiles y se lleva a cabo minimizando la suma de las diferencias
al cuadrado entre cuantiles observados y teóricos (Delignette-Muller & Christopher, 2015). La cantidad de
cuantiles a ajustar se corresponde con la cantidad parámetros de la función, así por ejemplo para la distribución
Gumbel (dos parámetros) se trabajó con los cuantiles 0.333 y 0.666 y para la Log-Pearson Tipo III (tres
parámetros) se trabajó en los cuantiles 0.25, 0.5 y 0.75.
Método Maximización del Criterio de Bondad del Ajuste (MGE)
Este método es también conocido como el método de estimación de distancia mínima, y se basa estimar los
parámetros de acuerdo a que tan bien estos ajustan cierta distribución a un conjunto de datos y a juicio de algún
test de bondad. Dado que el presente análisis tiene su foco en los eventos más extremos dentro de la serie
temporal, los que se evidencian en la cola derecha de un histograma de precipitaciones o de caudales extremos,
fue oportuno entonces usar un test con exigencias en esta zona y justamente se tiene a la prueba de Anderson-
Darling de Right-Tail (cola derecha). En este test, el estadístico ADR (Delignette-Muller & Christopher, 2015) en
su forma continua queda representado por:
5
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
( )
∫
[ ]
∑
Este valor debe ser comparado con un valor crítico en función grado de libertad , donde
corresponde a la cantidad de parámetros de la distribución, y de un nivel de significancia .
Como preámbulo al posterior análisis, cabe destacar que el valor describe las diferencias a lo largo de todo el
histograma, o sea tanto en los valores medios como en los extremos, razón por la que esta fórmula no
necesariamente es exigente en la zona extrema derecha de particular interés en el presente estudio.
Test de Kolmogorov-Smirnov
Este test, a diferencia del test , compara las diferencias entre la función de frecuencia acumulada de la
distribución teórica con la curva de frecuencia acumulada empírica según los datos (Stowhas,
2017). Si la hipótesis nula, como siempre, propone que la distribución teórica es la correcta, habrá que
contrastar entonces algún valor con un umbral crítico. El valor a comparar será entonces:
6
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Que vendría siendo la máxima diferencia encontrada en las curvas de frecuencia acumulada teórica y empírica.
El valor crítico tabulado, se encuentra a partir de un nivel de confianza y un grado libertad , donde
corresponde a la cantidad de datos empíricos.
Test de Anderson-Darling
El test de Anderson-Darling especialmente formulado para evaluar exigentemente las colas de las distribuciones
de probabilidad (Mohd Razali & Bee Wah, 2011) tiene la siguiente formulación:
∫[ ] ( ) [ ( )]
Como puede notarse, la función siempre tendrá un factor cercano a cero cuando se encuentra en la cola
izquierda o en la cola derecha de la distribución, por lo que el estadístico tenderá a ser mayor en esas zonas,
y posiblemente muy cercano a los valores críticos tabulados según cada distribución. A pesar de ser una
herramienta muy poderosa para el presente análisis solo se ha desarrollado literatura para valores críticos con
la distribución Gamma, la Normal, la Exponencial y la de Gumbel (Stephens, 1972).
3. Resultados
3.1. Curva de Duración de Caudales
En la Figura 2 se muestran las curvas de duración de caudales en base a los datos empíricos de caudales
promedio mensuales de los 30 años abarcados, la probabilidad de excedencia asociada a cada uno de los 360
datos se calculó en base a la fórmula de California (Stowhas, 2017). Es importante destacar que la cuenca
aportante hasta el punto de la estación Río Cauquenes en el Arrayán está contenida dentro de la cuenca
aportante a la estación Río Cauquenes en Desembocadura, lo que añade consistencia a lo que se evidencia en
las curvas donde para una misma probabilidad de excedencia el caudal para la primera estación señalada es
bastante mayor.
7
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
8
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
lo que, en evidencia de los resultados de la Tabla 4, con este test solo pudo concluir que ninguna variante de la
distribución de Gumbel se ajusta a las colas y que la distribución Gamma sí lo hace para todas las variantes de
estimaciones de parámetros.
3.3.2. Comparación de los cuantiles empíricos y teóricos
Tabla 5: Comparación de los cuantiles empíricos y teóricos para la estación Río Cauquenes en Desembocadura.
Q=0.025 Q=0.055 Q=0.25 Q=0.50 Q=0.75 Q=0.95 Q=0.975
EMPÍRICO 27.730 34.675 88.225 237.500 623.500 863.914 957.820
Log-Normal (MGE) 26.395 37.492 110.478 234.159 496.299 1462.457 2077.274
Gumbel (MME) -105.594 -55.025 132.192 300.601 514.260 933.201 1104.745
Log-Pearson III (MGE) 30.063 40.866 110.205 229.095 493.394 1584.940 2353.319
Gamma (MGE) 8.056 16.882 102.086 253.856 518.140 1139.432 1408.439
En la Tabla 5 se muestran tanto los cuantiles empíricos como los cuantiles teóricos asociados a distintas
probabilidades de no excedencia. Como para cada función de probabilidad se estimaron los parámetros con
distintos métodos, para cada distribución solo se consideró aquel que más se alejó del umbral de rechazo de
cada test, es decir el “más aceptable” dentro de los no rechazados, que en tres de los cuatro casos resultó ser el
MGE. En la Tabla 5 se puede apreciar como en el caso de la distribución Log-Normal y Log-Pearson III
sobreestiman notablemente los cuantiles a probabilidades altas de no excedencia.
3.3.3. Elección de la distribución a representar caudales máximos anuales
Dado que ninguna distribución fue aceptada íntegramente por todos los tests de bondad a un 95% de nivel de
confianza, se puede realizar una proposición en base a lo siguiente. En vista de que la distribución Gamma solo
fue rechazada por el test (en todas sus variantes de estimación de parámetros), se puede apreciar que el
valor de esta prueba sobrepasa solo levemente al valor crítico con el método MGE, y con solo elevar un poco el
nivel de confianza (a 97.5%) la hipótesis nula ya dejaría de ser rechazada, pues el valor crítico sube a un 9.3484.
De esta manera se eligió a la distribución Gamma con método de estimación MGE, condicionada a un nivel de
confianza del 97.5%.
3.3.4. Caudales máximos asociados a distintos Periodos de Retorno
Elegida la distribución Gamma, se estimaron los siguientes caudales asociados a distintos periodos de retorno:
Tabla 6: Caudales estimados con el uso de la distribución Gamma.
Periodo de Retorno 2 años 5 años 20 años 50 años 100 años
Caudal [m3/s] 253.86 603.84 1139.43 1495.15 1764.75
3.4. Ajuste para la estación Río Cauquenes en el Arrayán
Los datos de caudales máximos anuales, en el caso de esta estación permitieron generar un histograma con un
comportamiento más uniforme que se pudiese adaptar a las distribuciones candidatas (Anexo E), lo que se ve
reflejado en el hecho de que centrándose en una distribución cualquiera los distintos métodos de estimación de
parámetros generaban curvas de FDA muy similares.
3.4.1. Bondad del ajuste a un nivel de confianza del 95%
En este caso, en base a los resultados que se muestran en la Tabla 7, con las pruebas de bondad se pudo
concluir que para la mayoría de las distribuciones no existen argumentos para rechazar sus respectivas hipótesis
nulas a un 95% de nivel de confianza, con excepción de la distribución Log-Pearson III con método MME que es
rechaza por el test , la distribución de Gumbel con método QME y con método MLE que son rechazas por el
test de Anderson-Darling (ambas). Nuevamente la distribución Gamma se acomoda se relativamente mejor a las
pruebas de bondad como para no ser rechazada por ninguna de estas, independiente del método de estimación.
9
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Tabla 7: Comparación de valores de las distintas pruebas de bondad con sus valores críticos, en naranjo se destacan las
pruebas cuyas hipótesis nulas fueron rechazadas.
Log-Normal Gumbel Log-Pearson III Gamma
Prueba Crítico Prueba Crítico Prueba Crítico Prueba Crítico
AD-MME 2.317 - 0.634 0.757 0.888 - 0.380 0.786
KS-MME 0.216 0.254 0.125 0.254 0.123 0.259 0.128 0.254
CHI2-MME 3.416 7.815 2.812 7.815 6.034 5.992 1.118 7.815
AD-QME 0.463 - 0.913 0.757 0.998 - 0.394 0.786
KS-QME 0.107 0.254 0.176 0.254 0.128 0.259 0.106 0.254
CHI2-QME 3.042 7.815 3.022 7.815 4.341 5.992 1.262 7.815
AD-MGE 0.385 - 0.657 0.757 0.498 - 0.244 0.786
KS-MGE 0.114 0.254 0.138 0.254 0.111 0.259 0.090 0.254
CHI2-MGE 2.206 7.815 2.856 7.815 2.915 5.992 0.916 7.815
AD-MLE 0.370 - 0.799 0.757 - - 0.298 0.786
KS-MLE 0.093 0.254 0.145 0.254 - - 0.113 0.254
CHI2-MLE 3.138 7.815 3.203 7.815 - - 1.052 7.815
10
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
11
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
12
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
13
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
4. Conclusión
Respondiendo a los objetivos del presente trabajo, se encontraron importantes diferencias entre las distintas
distribuciones de probabilidad candidatas, los métodos empleados para calcular sus parámetros y las pruebas de
bondad a las que se sometieron. A estas diferencias también se añade el tipo de variable aleatoria a ajustar que
en este caso fueron caudales y precipitaciones.
Para las series temporales de caudales máximos anuales, para las dos estaciones fluviométricas seleccionadas, el
mejor desplante se logró a través de la distribución Gamma con método de estimación de Maximización del
Criterio de Bondad del Ajuste. En el caso de la estación Río Cauquenes en Desembocadura se lidió con el hecho
de que los registros generaban un histograma bimodal, lo que hizo complejo ajustar apropiadamente una
distribución, asunto que fue superado al condicionar el nivel de confianza a un 97.5%, donde la distribución
Gamma pudo inmediatamente ser aceptada, además gráficamente ésta se ajustaba mejor en la cola derecha
(Anexo G, Figura 16). Para la estación Río Cauquenes en El Arrayán no se presentaron particularidades que
generasen problemas y nuevamente la Distribución Gamma indicó ser la más adecuada, aun así los métodos de
estimación variaron bastante dentro del contexto de cada distribución, produciendo variadas curvas de densidad
y de función de distribución acumuladas, como se aprecia en el anexo G. De esta manera con las series de
caudales máximos anuales se obtuvo una variedad de resultados que quedó evidenciada en la comparación de
los cuantiles, donde las distribuciones Log-Normal y Log-Pearson Tipo III sobrestimaron bastante los valores a
altas probabilidades de no excedencia, comparando con los datos empíricos, por lo que en estos casos se
consideraron no adecuadas.
Para las series temporales de precipitaciones máximas en 24 horas, para ambas estaciones pluviométricas
seleccionadas se consiguieron resultados muy similares, en cada caso por separado, e independiente del método
de estimación de parámetros, lo que gráficamente puede apreciarse en el anexo H. Para la Estación del Embalse
Tutuvén se eligió a la distribución de Gumbel con método de estimación Maximización del Criterio de Bondad
del Ajuste, y para la estación El Álamo se eligió a la distribución Log-Pearson Tipo III con estimación de
parámetros por Momentos. En ambos casos la elección pasó por un criterio conservador frente a las leves
diferencias que ofrecían las distintas distribuciones de probabilidad. La comparación de los resultados obtenidos
con el presente análisis de frecuencia con los obtenidos con el procedimiento detallado en el capítulo 2 del
“Manual de cálculo de crecidas y caudales mínimos para cuencas sin información fluviométrica” (Dirección
General de Aguas, 1995), evidenciaron que estos últimos resultados son bastante más bajos, posiblemente
debido a que los coeficientes de frecuencias asociados a distintos periodos de retorno son muy generalizados, ya
que en dicho manual se considera como zona homogénea a toda la Región del Maule.
Concentrándose en los métodos de estimación de parámetros, en base a los resultados, en general se apreció
un mejor ajuste mediante el método de Maximización del Criterio de Bondad del Ajuste, lo que se debe en gran
parte a que el criterio impuesto consistió en la prueba de Anderson-Darling cargada hacia la cola derecha (ADR),
lo cual implicó principalmente que la distribución se ajustase a la zona de interés del presente análisis.
Un análisis de frecuencia, ya sea para estimar eventos extremos de crecidas o de precipitación máxima en 24
horas, requiere de una robusta responsabilidad, ya que los resultados que aquí se obtienen son determinantes al
momento de diseñar obras hidráulicas y evitar catástrofes que puedan desencadenar inundaciones, colapso de
estructuras e incluso eventos que pueden comprometer vidas humanos. Por estas razones al enfrentarse a este
estudio es importante poner en conjugación por lo menos un criterio objetivo realizado en base a la las pruebas
de bondad, un criterio gráfico que facilite la interpretación de los resultados y un criterio ingenieril capaz de
juzgar los aspectos claves para tomar la decisión de elegir un modelo probabilístico adecuado para estimar un
evento futuro.
14
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Bibliografía
Dirección General de Aguas. (s.f.). Mapoteca Digital - DGA. Obtenido de
http://www.dga.cl/estudiospublicaciones/mapoteca/Paginas/default.aspx#seis
Arora, K., & Singh, V. P. (1988). On The Method of Maximum Likelihood Estimation for the Log-Pearson Type 3
Distribution. Journal of Stochastic Hydrology and Hydraulics, 2(2), 155-160.
Aucoin, F. (2015). FAdist: Distributions that are Sometimes Used in Hidrology. Obtenido de https://cran.r-
project.org/web/packages/FAdist/FAdist.pdf
Chow, V. T., Maidment, D. R., & Mays, L. W. (1994). Hidrología Aplicada. Mc Graw Hill.
Datawheel. (2018). datachile.io. Obtenido de https://es.datachile.io/geo/maule-7/cauquenes-34
Delignette-Muller, M. L., & Christopher, D. (2015). fitdistrplus: An R Package for Fitting Distributions. Journal of
Statistical Software, 13-18.
Delignette-Muller, M.-L., & Dutang, C. (2017). fitdistrplus: Help to Fit of a Parametric Distribution to Non-
Censored or Censored Data. Obtenido de https://cran.r-
project.org/web/packages/fitdistrplus/fitdistrplus.pdf
Dirección General de Aguas. (1995). Manual de Cálculo de Crecidas y Caudales Mínimos en Cuencas Sin
Información Fluviométrica. Santiago: Ministerio de Obras Públicas.
Gumbel, E. J. (1941). The Return Period of Flood Flows. The Annals of Mathematical Statistics, 163-190.
Infraestructura de Datos Espaciales Chile. (2016). Zonas climáticas de Chile según Köppen-Geiger escala
1:1.500.000. Obtenido de http://www.ide.cl/descarga/capas/item/zonas-climaticas-de-chile-segun-
koeppen-geiger-escala-1-1-500-000.html
Interagency Advisory Commite on Water Data (IACWD). (1982). Guidelines for determing flood flow Frecuency.
Washington: U.S. Department of the Interior Geological Survey.
Matalas, N. C., & Wallis, J. R. (1973). Eureka! It fits a Pearson type: 3 distribution. Water Resources Research,
281-289.
Ministerio de Obras Públicas. (2018). Decreto MOP N° 95/2018.
Ministerio de obras Publicas, D. g. (2004).
Mohd Razali, N., & Bee Wah, Y. (2011). Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and
Anderson Darling tests. Journal of Statistical Modeling and Analytics, 21--33.
Salvo, S. (2014). Estimación de Parámetros. En S. Salvo Garrido, Probabilidad y Estadística, Apuntes de Curso.
Temuco: Universidad de La Frontera.
Stephens, M. A. (1972). EDF Statictics for Goodness-of-Fit: Par. 1. Stanford: Office of Naval Research.
Stowhas, L. (2017). Fundamentos de Hidrología Aplicada. Valparaíso: USM Editorial.
Watkins, D. (2014). 30-Meter SRTM Tile Downloader. Obtenido de http://dwtkns.com/srtm30m/
Xu, Y. (2017). hyfo: Hydrology and Climate Forecasting. R package version 1.3.9. Obtenido de https://CRAN.R-
project.org/package=hyfo
15
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Anexos
Anexo A: Mapa de isoyetas
16
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
̅
Gamma Rate:
̅̅̅̅
Shape:
Gumbel Scale:
√
( ( )) Location: ̅
17
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
18
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Anexo E: Histogramas y curvas de función de distribución acumulada para las estaciones fluviométricas
19
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Anexo F: Histogramas y curvas de función de distribución acumulada para las estaciones pluviométricas
20
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Anexo G: Comparación gráfica según los métodos de estimación de parámetros para las estaciones
fluviométricas
.Figura 10: Comparación gráfico para la distribución Log-Normal en la estación Río Cauquenes en Desembocadura.
Figura 11: Comparación gráfico para la distribución Log-Normal en la estación Río Cauquenes en El Arrayán.
21
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Figura 12: Comparación gráfico para la distribución de Gumbel en la estación Río Cauquenes en Desembocadura.
Figura 13: Comparación gráfico para la distribución de Gumbel en la estación Río Cauquenes en El Arrayán.
22
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
.Figura 14: Comparación gráfico para la distribución Log-Pearson III en la estación Río Cauquenes en Desembocadura.
Figura 15: Comparación gráfico para la distribución Log- Pearson III en la estación Río Cauquenes en El Arrayán.
23
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Figura 16: Comparación gráfico para la distribución Gamma en la estación Río Cauquenes en Desembocadura.
Figura 17: Comparación gráfico para la distribución Gamma en la estación Río Cauquenes en El Arrayán.
24
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Anexo H: Comparación gráfica según los métodos de estimación de parámetros para las estaciones
pluviométricas
Figura 18: Comparación gráfico para la distribución Log-Normal en la estación Embalse Tutuvén.
25
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Figura 20: Comparación gráfico para la distribución de Gumbel en la estación Río Tutuvén.
26
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Figura 22: Comparación gráfico para la distribución de Log- Pearson III en la estación Río Tutuvén.
Figura 23: Comparación gráfico para la distribución de Log- Pearson III en la estación El Álamo.
27
Universidad de La Frontera – Facultad de Ingeniería y Ciencias- Departamento de Obras IIO352
Civiles
Figura 24: Comparación gráfico para la distribución Gamma en la estación Río Tutuvén.
28