Beruflich Dokumente
Kultur Dokumente
1. Resumen
El presente artículo representa una revisión y un complemento de la literatura existente, así como una
motivación para el estudio de las zonas áridas en un contexto ingenieril y de solución de problemas
comunes en hidrología e hidráulica. Se plantean las recomendaciones y criterios para el análisis
hidrológico en este tipo de regiones, que no han sido suficientemente estudiadas, sabiendo que la
mayor parte de la normativa internacional y local se basan en teorías y experimentaciones en regiones
húmedas. Se proponen métodos actuales para el tratamiento de información hidrometeorológica
escasa y la predicción de caudales en cuencas sin medición, a través de casos aplicados a la vertiente
del Pacífico peruano.
2. Introducción
La infraestructura localizada en las regiones áridas de todo el mundo experimenta escenarios de sobre
población y agotamiento de recursos. En el Perú, más del 50% de la población habita en regiones
áridas, trayendo como consecuencia problemas de escasez de agua, así como la falta de planificación
frente al gran impacto de la variabilidad climática como el Fenómeno El Niño (FEN), reflejado en el
colapso de esta infraestructura frente a eventos extremos como inundaciones o sequías. La costa, así
como gran parte de los Andes en sus dos vertientes hacia el Pacífico, el Amazonas y la hoya del
Titicaca, se encuentran en un contexto de aridez global creciente, donde la desertificación estaría
incrementándose (Ref. 1). Con registros hidrométricos antiguos de inundaciones como en el río
Moche y Viru desde 1914 (Ref. 2), es muy frecuente el daño en la infraestructura civil, así como una
inexistente planificación territorial en ríos y quebradas generalmente secos por largos periodos de
tiempo (Figura 1).
Figura 1. Colapso de puentes en la costa norte hiper-árida. Cruce del rio Moche en 1925 (Foto
superior: Ref. 3) y del rio Viru el 2017 (Foto inferior: RPP) con la carretera Panamericana.
Figura 2. Zonas climáticas y cursos de agua dentro de una cuenca hidrográfica típica de la Vertiente
del Pacifico peruano (Fuente: Elaboración propia).
3. El concepto de aridez
La aridez es un fenómeno climático, relacionada a la escasez de precipitación, o a la proporción entre
la precipitación (P) siempre inferior a la evapotranspiración potencial (ETP) en una región o cuenca
y en un paso de tiempo determinado. Obviamente todo dependerá del método usado para el cálculo
de P y ETP. Esto puede ser efectuado a través de métodos operacionales prácticos, en donde una
región es considerada árida, si P/ETP < 1 (Ref. 4). Por otro lado, con el avance científico y
tecnológico, se puede emplear métodos con mayor base física y apoyado por la percepción remota y
reanálisis climático para afrontar el problema de falta de información. De esta forma se puede
emplear, por ejemplo, la ecuación de FAO Penman-Monteith para el cálculo de la ETP (Ref. 5).
2
Aportes en ingeniería hidrológica de zonas áridas P. Rau
Uno de estos productos grillados que cubren el periodo de 1970 al 2000, se detalla en la Ref. 6, el
cual fue procesado para el Perú y es visualizado en la Figura 3. La aridez a paso de tiempo anual, se
categoriza en 4 niveles o índices: Hiper-árido (P/ETP < 0.03), Árido (0.03 < P/ETP < 0.2), Semi-
árido (0.2 < P/ETP < 0.5) y Sub-húmedo seco (0.5 < ETP < 0.65). Dependiendo de la metodología
empleada para el cálculo de P y ETP, estos valores podrían cambiar ligeramente. En el presente
artículo nos referimos a “zona árida” como el término que engloba a todas las categorías mencionadas
anteriormente.
Figura 3. Mapa de aridez y principales desiertos del Perú (Fuente: Elaboración propia con datos
proveídos por la Ref. 6).
3
Aportes en ingeniería hidrológica de zonas áridas P. Rau
Se sabe que algunos eventos puntuales de precipitación pueden ser tan elevados que sobrepasen el
promedio anual de precipitación de toda una región, como el ocurrido en la zona árida de la cuenca
del rio Piura que registro 258 mm/día el 22 marzo del 2017, superando en más de 4 veces lo que
puede llover durante todo un año normal (60 mm/año). Sin necesidad de la ocurrencia de eventos
climatológicos como el FEN, hay regiones en la costa sur como en la zona semi-árida de la cuenca
del rio Chili en Arequipa donde el 8 febrero del 2013 registro 123 mm/día superando cerca de 2 veces
lo que llueve durante todo un año.
El tratamiento de datos debe efectuarse bajo el contexto climático de aridez. La Ref. 7, analiza las
precipitaciones a escala mensual desde 1964 hasta el 2011 obtenidos del Servicio Nacional de
Meteorología e Hidrología del Perú (SENAMHI). Las más de 120 estaciones pluviométricas se
encuentran esparcidas a lo largo de la vertiente del Pacifico, muy lejos de la densidad recomendada
(Ref. 8) por la Organización Meteorológica Mundial (OMM) donde se recomienda mínimo 1 estación
cada 250 km² en zonas montañosas y cada 900 km² en zonas costeras. Estas limitaciones hacen
posible en uso de una metodología capaz de asimilar la alta variabilidad espacial y temporal. Se
plantean las siguientes recomendaciones, así como las etapas indicadas en el Diagrama de Flujo de la
Figura 4, para la completación de datos faltantes mediante la homogenización y finalmente la
validación de datos (Ref. 7, Ref. 9):
Se plantea el uso de métodos geoestadísticos de regionalización como el método del Vector Regional
(MVR) para la definición de regiones climáticamente homogéneas y la construcción del patrón
pluviométrico estacional y anual, sugerido en la Figura 4. La Ecuación 1 muestra la función objetivo
J la cual tendrá que ser minimizada considerando un número de años N y un número de estaciones
M, con precipitaciones anuales Pij para el año i y estación j, a través de la generación de un índice,
4
Aportes en ingeniería hidrológica de zonas áridas P. Rau
vector o patrón pluviométrico Zi. Esta minimización requiere de iteraciones hasta alcanzar
estadísticos de calidad como la desviación típica de las desviaciones con un valor recomendable
inferior a 0.4 y un coeficiente de correlación entre estación y vector mayor a 0.7 (Ref. 10). El MVR
se encuentra automatizado en el software HYDRACCESS (Ref. 11).
𝑃
𝐽= −𝑍 (Ecuación 1)
𝑃
Una vez completado los registros mediante el proceso de homogenización descrito, se procede a
realizar el análisis de consistencia, lo cual actualmente representa un elemento clave para la
identificación de tendencias y puntos de quiebre o saltos en las series de tiempo. Esta consistencia se
relaciona con diversos impactos del clima y las actividades humanas en las mediciones. Actualmente,
no es muy recomendable la corrección por consistencia, una práctica muy común en décadas pasadas
con metodologías basadas en consideraciones estacionarias (al menos que la metodología de diseño
lo requiera). Los eventos caóticos del clima a diversos pasos de tiempo, cambian el escenario en la
aplicación de las metodologías. Las tendencias y quiebres encontrados enriquecen la interpretación
estadística de las series de tiempo y cualquier corrección conllevaría a una mala interpretación de la
historicidad pluviométrica en un proyecto.
Al completar satisfactoriamente todas las etapas anteriores, una base de datos se encontraría
homogenizada y validada.
Figura 4. Diagrama de flujo para la completación de datos faltantes en zonas áridas (Fuente:
Elaboración propia).
5
Aportes en ingeniería hidrológica de zonas áridas P. Rau
horas
En zona húmeda
Figura 5. Comparación de hidrogramas típicos en zona árida y húmeda (Fuente: Elaboración propia).
6
Aportes en ingeniería hidrológica de zonas áridas P. Rau
Analizando las mediciones existentes, por ejemplo, para el rio Moche en la estación Quirihuac, se
sabe que durante el FEN Costero de 2017 se registró una crecida de 406 m3/s, y en 1933 y 1948 se
registraron crecidas de 550 y 557 m3/s respectivamente, solo superados por el evento de 1998 con
850 m3/s. Así también el rio Virú (vecino sur del rio Moche) en la estación Huacapongo, registró
durante el FEN Costero de 2017 una crecida de 93 m3/s, en 1967 y 1972 hubieron crecidas de 200
m3/s, solo superados por el evento de 1998 con 380 m3/s. Los desastres nefastos causados aguas abajo
de estas estaciones son conocidas (Figura 1) y es probable el efecto de un desarrollo más rápido y
duradero de las crecidas repentinas y por consiguiente un mayor volumen de escorrentía generado.
Lamentablemente todas las cifras indicadas anteriormente ostentan una elevada incertidumbre
operacional, debido a que todas las estaciones hidrométricas presentan curvas de descargas de
caudales con un límite máximo de operación. Por encima de estas cotas o límites, cualquier
extrapolación resulta inexacta, sobre todo en los eventos de crecidas repentinas. Por lo cual queda
mucho trabajo de investigación en hidrometría, así también en el análisis de eventos a paso de tiempo
corto (minutos, horas, días) en el marco de la hidrología estadística. Recordar que el diseño
hidrológico va más allá de la sola aplicación de metodologías y normas para resolver un
dimensionamiento, “sino también incorpora la comprensión del proyecto en su totalidad, con sus
funciones y objetivos” (Ref. 16).
La medición directa de una crecida repentina siempre ha sido considerada imposible por el elevado
riesgo de daño, sin embargo, actualmente la tecnología ofrece nuevas alternativas para mediciones
indirectas o “no intrusivas” como el empleo de cámaras LSPIV - Velocimetría por imágenes de
partículas a gran escala (Ref. 17), de esta forma se estiman los campos de velocidades durante un
evento extremo, previamente calibrado en una curva de descarga, dando como resultado la estimación
del caudal. Si se logra medir el caudal máximo de una crecida repentina, definitivamente se
replantearían las suposiciones y planteamientos para la definición y estimación de una avenida
extraordinaria y una avenida máxima.
6. Análisis continuo
Ante el escenario de variabilidad, cambio climático y desertificación, los balances hídricos en zonas
áridas presentan un desafío al momento de determinar variables tan complejas como la
evapotranspiración. Siendo la característica fundamental de estas regiones, el de presentar una mayor
evapotranspiración que la precipitación a diferentes escalas de tiempo y espacio, resulta complejo la
selección de los métodos y la obtención de una serie consistente continua diaria, mensual o anual. Así
también, las series de caudales presentan diversas características dependiendo de las ubicaciones de
las estaciones hidrométricas, dependiendo de la escala de tiempo, la consideración del flujo base
recobra importancia principalmente en zonas semi-áridas.
250 150
Q (m3/s/mes)
200 200
250
150 300
100 350
400
50
450
0 500
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
Figura 6. Series de tiempo de Precipitación, Evapotranspiración y Caudales para la cuenca del rio
Rímac hasta la estación Chosica (Fuente: Elaboración propia con datos proveídos por la Ref. 4).
8
Aportes en ingeniería hidrológica de zonas áridas P. Rau
A paso de tiempo mensual, es posible asemejar un reservorio de suelo para las condiciones semi-
áridas como una representación conceptual de toda una cuenca de diferentes grados de aridez, pero
con un mayor aporte proveniente de regiones semi-áridas. En el caso de la vertiente del Pacifico, la
mayoría de cuencas presentan sus estaciones hidrométricas al finalizar la cuenca media o al inicio de
la cuenca baja, hasta estos puntos no se llegan a presentar condiciones de hiper aridez.
A continuación, se listan unas recomendaciones para la modelación conceptual:
a. Validar las bases de datos de ingreso o input en el modelo, minimizando el efecto “agua
ficticia”.
b. Evitar realizar simulaciones con toda la serie histórica, sino definir periodos de calibración y
validación.
c. Definir un “periodo de calentamiento” que podría cubrir entre 1 a 3 años dependiendo de la
estabilización de las simulaciones para efectos de reservorios de humedad en el suelo. Es
decir, se deberá proceder a la calibración del modelo fuera del periodo de calentamiento.
d. Se deberá dar atención al método de optimización para la obtención de los parámetros. En
función del número de parámetros de un modelo, se puede emplear métodos estándares como
el Shuffled Complex Evolution (SCE-UA) (Ref. 23). De esta forma, se logra conocer la
incertidumbre asociada a los parámetros del modelo, evitando el enfoque de “mejor ajuste”.
e. Evitar seleccionar el “mejor grupo” de parámetros calibrados como solución final de la
modelación. La obtención de buenos estadísticos de eficiencia estará en función de la
prioridad de índices como Nash-Sutcliffe para máximos o NSE, Nash-Sutcliffe para mínimos
o NSE-ln, Bias, coeficiente de correlación, u otros más (ver Ref. 24 como referencia guía en
este tópico de validación). Esto debido al problema de equifinalidad muy común en los
modelos conceptuales, donde muchos juegos de parámetros podrían alcanzar la misma
eficiencia. Se deberá interpretar todos los grupos de parámetros, aun así, se hayan obtenido
eficiencias fuera del rango de algún criterio estadístico. Todos los resultados deberán
agruparse como escenarios de incertidumbre. Esto abre una perspectiva de la robustez y
capacidad del modelo para interpretar las condiciones reales.
f. Un método común es particionar la serie histórica en dos periodos de características diferentes
tanto climáticas como de uso y cobertura de suelo en la cuenca (ver Figura 8).
Calibración en 1 y validación en 2
Periodo 1 Periodo 2
Calibración en 2 y validación en 1
Calibración en 1 y validación en 2, 3, … n
h. Un método recomendado para zonas de alta estacionalidad como las zonas áridas y en estudios
de cambio climático, es la aplicación del DSST (prueba de periodos divididos diferenciados,
Ref. 25) para periodos climáticos marcados, no solo en precipitación (ver Figura 10) sino
también para la temperatura (en zonas no templadas), obteniéndose hasta 4 niveles de
calibración y validación. También se puede aplicar al punto “c”, definiendo un amplio
espectro de escenarios para validar la robustez de un modelo.
Figura 10. Partición DSST para la calibración y validación de modelos hidrológicos (Fuente:
Elaboración propia).
Las cuencas sin medición no solo es una problemática de países en desarrollo, ante la falta de
estaciones de aforo. La predicción en cuencas sin medición es un problema global donde cualquier
rio o quebrada no siempre cuenta con una curva de descarga calibrada, representando un tema de
investigación apasionante y que se desarrolla alrededor del mundo con diversos grupos de trabajo
11
Aportes en ingeniería hidrológica de zonas áridas P. Rau
(Ref. 32). Gracias a las cuencas experimentales alrededor del mundo, también ha sido posible el
desarrollo de varios modelos conceptuales de diferente grado de complejidad.
Se propone el empleo del Índice de Escorrentía (Ref. 22) para la estimación de índices de caudales
semi-naturales, a través del modelo hidrológico conceptual GR2M (ver esquema en Figura 7). La
capacidad y el comportamiento de su reservorio de suelo, está en función de las características
fisiográficas de la cuenca hidrográfica tales como el área, perímetro y longitud del cauce principal.
De esta forma se logra obtener indirectamente una serie de índices de caudales, mediante la lectura
de datos de precipitación y evapotranspiración mensual en cualquier cuenca de características
geomorfológicas determinadas, especialmente en las cuencas con un mayor aporte proveniente de
zonas semi áridas.
La Ref. 22, representa el primer estudio científico para la predicción de caudales en cuencas sin
medición, con base conceptual en la vertiente del Pacifico peruano. La metodología se aplica en casos
donde se requiera saber los años de superávit o déficit de escorrentía y/o caudal para una cuenca
hidrográfica.
DATOS DE ENTRADA
a. Serie temporal de precipitación mensual (mm/mes) de la cuenca hasta el punto de interés.
b. Serie temporal de evapotranspiración potencial mensual (mm/mes) de la cuenca hasta el
punto de interés. Los pasos a y b pueden obtenerse por interpolación o con los métodos
descritos en el ítem 6. Ante la ausencia de datos, una alternativa es el uso de datos grillados
operacionales como el producto PISCO de SENAMHI (Ref. 33).
c. Parámetros morfométricos de la cuenca: Área (Km²), Longitud del curso principal de agua
de la cuenca (Km), Perímetro de la cuenca hidrográfica (Km).
PROCESAMIENTO
a. Estimar el valor de X1 según la ecuación 1
b. Asignar un valor referencial a X2 (teóricamente puede variar de 0.2 a 1.3, siendo mayor a 1
cuando hay ingreso de agua desde fuentes externas a la cuenca, ver Figura 7).
c. Obtener la serie de escorrentía mensual a través del modelo GR2M (ingresar los valores de
X1 y X2). Uso de hoja Excel o de script en lenguaje R y librería airGR. Mayor detalle en:
https://webgr.irstea.fr/modeles/mensuel-gr2m
d. Transformación de la serie obtenida en Índices estandarizados de escorrentía (IE) según la
ecuación 2. Un IE positivo significa superávit de agua, mientras que un IE negativo significa
déficit.
A. L . p .
X1 = (Ecuación 2)
64.5
Q; −u
IE , = (Ecuación 3)
σ
12
Aportes en ingeniería hidrológica de zonas áridas P. Rau
A través de la metodologia del Indice de Escorrentia (IE), se lograron obtener los indices de caudales
semi-naturales en las cuencas sin medicion en la región. Estos se basaron en un analisis de la robustez
del GR2M durante la calibracion y validacion en 7 cuencas medidas (Ref. 22) para el periodo 1970
al 2010. Los indices representan un gran alcance para la inferencia de caudales en la region de estudio,
asi como en la completacion y extension de datos en regiones con escasez de datos. La Figura 11,
muestra el promedio anual de los IE simulados, es decir en condiciones semi-naturales y su
comparacion con los IE observados en la estación Chosica, es decir en condiciones actuales de
antropogenización. Las lineas punteadas muestran las condiciones de la cuenca del rio Rimac en
condiciones semi-naturales, es decir sin cambio significativo en la cuenca ni en el clima, solo a
merced de la variabilidad climatica. Sin embargo, la linea continua muestra lo que realmente se
presentó en el periodo mostrado de 1970 al 2010. Siendo conocida la fuerte regulacion en esta cuenca,
es posible apreciar que la demanda del agua es intensa. Aun teniendo IE semi naturales > 0, se
alcanzaron valores de IE antropogenizados < 0 en algunos años. No obstante, posterior a 1999 (puesta
en marcha del proyecto Marca III) es donde se obtiene una estabilizacion logrando un superavit
consecutivo en lo observado (IE > 0) o pudiendo contrarestar el efecto de deficit natural respecto a la
normal.
2
Indice de Escorrentia (IE)
-1
-2
1970 1975 1980 1985 1990 1995 2000 2005 2010
12 per. med. móv. (Antropogenizado) 12 per. med. móv. (Semi-natural)
Figura 11. Índices de Escorrentía y la fuerte modificación hidrológica del rio Rímac hasta la estación
Chosica (Fuente: Elaboración propia).
El indice de escorrentia, a su vez se presenta como una herramienta util para la evaluacion y gestion
de recursos hdiricos. Las series de tiempo de caudales en cuencas con fuerte antropogenizacion han
perdido la señal natural del clima y de la cuenca, siendo dificil la evaluacion de la oferta y demanda
historica. Con esta herramienta es posible inferir la capacidad natural de una cuenca a la produccion
de escorrentia.
13
Aportes en ingeniería hidrológica de zonas áridas P. Rau
8. Conclusiones
Se presentan los criterios para el tratamiento de la información hidrometeorológica escasa y la
predicción de caudales en cuencas sin medición. Estas se sustentan en investigaciones aplicadas a la
vertiente del Pacifico peruano. Estas no son limitantes y podrían ser aplicadas a otras regiones áridas.
Agradecimientos
Al trabajo en colaboración con investigadores de los laboratorios GET, HSM y LEGOS en Francia,
del Instituto de Investigación para el Desarrollo (IRD) y SENAMHI-Perú.
Agradecimiento póstumo a Arturo Rocha por su motivación al estudio aplicado de la hidrología en la
ingeniería.
9. Referencias
1. Asadi MA, Sivakumar B, Malekinezhad H, Sharma A. 2017. Future aridity under conditions
of global climate change. Journal of Hydrology. 554:451–469.
2. de Reparaz G. 2013. Los rios de la zona arida peruana. Barcelona: Universidad de Piura
Eds, Piura. Institut Cartografic de Catalunya Eds.
3. Murphy RC. 1926. Oceanic and climatic phenomena along the west coast of South America
during 1925. Geographical Review. 16 (1), 26-54.
4. Rau P, Bourrel L, Labat D, et al. 2018. Hydroclimatic change disparity of Peruvian Pacific
drainage catchments. Theoretical and Applied Climatology. 134(1-2):139-153.
5. Allen RG, Pereira LS, Raes D, Smith M. 1998. Crop Evapotranspiration. Guidelines for
Computing Crop Water Requirements. FAO, Rome, Italy. 300p.
6. Trabucco A, Zomer R. 2019. Global Aridity Index and Potential Evapotranspiration (ET0)
Climate Database v2. figshare. Fileset. https://doi.org/10.6084/m9.figshare.7504448.v3
7. Rau P, Bourrel L, Labat D, et al. 2017. Regionalization of rainfall over the Peruvian Pacific
slope and coast. International Journal of Climatology 37(1):143-158.
8. OMM. 1994. Guía de Practicas Hidrológicas. OMM-N°68.
9. Bourrel L, Rau P, Dewitte B, et al. 2015. Low-frequency modulation and trend of the
relationship between precipitation and ENSO along the Northern to Center Peruvian Pacific
coast. Hydrological Processes 29(6):1252-1266.
14
Aportes en ingeniería hidrológica de zonas áridas P. Rau
10. Rau P. 2011. Correlation study between different phenomenon ENSO and precipitations
indexes over the Peruvian Pacific coast (in french). Institut National Polytechnique de
Toulouse. Master's thesis report. France 35pp.
11. Vauchel P. 2005. Hydraccess: Logiciel de gestion et traitement de données
hydrométéorologiques.
12. Takahashi K, Martinez AG. 2017: The very strong coastal El Niño in 1925 in the far-eastern
Pacific. Climate Dynamics, doi:10.1007/s00382-017-3702-1.
13. Rau P. 2013. El Fenómeno El Niño y su influencia sobre las precipitaciones en Perú, nuevas
perspectivas. V Congreso internacional de Hidráulica, Hidrología, Saneamiento y Medio
Ambiente. ICG. Lima.
14. Sen Z. 2008. Wadi Hydrology. CRC Press, New York.
15. Simmers I. 2003. Understanding Water in a Dry Environment: IAH International
Contributions to Hydrogeology 23. CRC Press, New York.
16. Rocha A. 2013. Introducción a la hidráulica de las obras viales. ICG. Perú.
17. Muste M, Fujita I, Hauet A. 2008. Large-scale particle image velocimetry for measurements
in riverine environments. Water Resources Research. 2008, 44.
18. Valéry A, Andréassian V, Perrin C. 2010. Regionalization of precipitation and air temperature
over high-altitude catchments—learning from outliers. Hydrological Sciences Journal.
55(6):928–940.
19. Rau P, Bourrel L, Labat D, Ruelland D, Lavado W. 2018. El balance hídrico de la vertiente
del Pacifico peruano en el contexto de cambio hidroclimático. XXVIII Congreso
Latinoamericano de Hidráulica LADHI IAHR. 18-21 Septiembre. Buenos Aires, Argentina.
1279-1290.
20. Oudin L, Hervieu F, Michel C, et al. 2005. Which potential evapotranspiration input for a
lumped rainfall‐runoff model? Part 2—Towards a simple and efficient potential
evapotranspiration model for rainfall‐runoff modeling. Journal of Hydrology, 303, 290–306.
21. Mouelhi S, Michel C, Perrin C, Andréassian C. 2006. Stepwise development of a two‐
parameter monthly water balance model. Journal of Hydrology. 318, 200–214.
22. Rau P, Bourrel L, Labat D, et al. 2019. Assessing multi-decadal runoff (1970‒2010) using
regional hydrological modelling under data and water scarcity conditions in Peruvian Pacific
catchments. Hydrological Processes. 33(1):20-35.
23. Duan Q, Sorooshian S, Gupta VK. 1994. Optimal use of the SCE‐UA global optimization
method for calibrating watershed models, Journal of Hydrology. 158(3–4), 265–284.
24. Thirel G, Andréassian V, Perrin C, Audouy JN, Berthet L, et al. 2015. Hydrology under
change: An evaluation protocol to investigate how hydrological models deal with changing
catchments. Hydrological Sciences Journal, 60(7–8), 1184–1199.
25. Klemeš, V. (1986). Operational testing of hydrological simulation models. Hydrological
Sciences Journal. 31(1), 13–24.
26. SENAMHI, UNI. 1983. Estudio de Hidrología del Perú. IILA.
27. Lutz Scholz. 1980.Generación de Caudales Mensuales en la Sierra del Perú. Plan Meris II.
Cuzco–Perú.
28. Trau W, Gutierrez R. 1979. Análisis regional de las avenidas en los ríos del Perú.
29. GTZ. 1990. Sistema de DIPEO para la electrificación rural. Lima: Empresa de Electricidad
del Perú-GTZ.
15
Aportes en ingeniería hidrológica de zonas áridas P. Rau
30. Guillot P, Duband D. 1967. La méthode du Gradex pour le calcul de la probabilité des crues
à partir des pluies. Floods and their computations (Leningrad Symposium,1967), pp.560-
569. IAHS n°84.
31. BCEOM, SOFI CONSULT. 1999. Estudio hidrológico - meteorológico en la vertiente del
Pacífico del Perú con fines de evaluación y pronóstico del Fenómeno El Niño para
prevención y mitigación de desastres. Programa de apoyo a la emergencia Fenómeno del
Niño, Lima, Perú.
32. Blöschl G, Sivapalan M, Wagener T, Viglione A, Savenije H. 2013. Runoff Prediction in
Ungauged Basins: Synthesis across Processes, Places and Scales. Cambridge: Cambridge
University Press.
33. Aybar C, Fernández C, Huerta A, Lavado W, Vega F, Felipe O. 2019. Construction of a high-
resolution gridded rainfall dataset for Peru from 1981 to the present day. Hydrological
Sciences Journal, doi: 10.1080/02626667.2019.1649411
16