Modelación Hidrológica e Hidráulica Acoplada de La Cuenca Media y Baja Del Río Magdalena PDF

MODELACIÓN HIDROLÓGICA E
HIDRÁULICA ACOPLADA DE LA
CUENCA MEDIA Y BAJA DEL RÍO
MAGDALENA
Jorge Luis Sánchez Lozano
Universidad Nacional de Colombia

Facultad de Ingeniería,
Departamento de Ingeniería Civil y Agrícola
Bogotá D-C-, Colombia
2017
MODELACIÓN HIDROLÓGICA E
HIDRÁULICA ACOPLADA DE LA
CUENCA MEDIA Y BAJA DEL RÍO
MAGDALENA
Jorge Luis Sánchez Lozano
Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título
de:
Magister en Ingeniería - Recursos Hidráulicos
Director (a):
Ph.D Jorge Alberto Escobar-Vargas
Línea de Investigación:
Modelación Hidrológica e Hidráulica
Universidad Nacional de Colombia

Facultad de Ingeniería,
Departamento de Ingeniería Civil y Agrícola
Bogotá D-C-, Colombia
2017
Para mi madre, mi abuela y mi esposa tres
mujeres que incansablemente me han guiado
y enseñado a ser apasionado, a luchar por lo
que quiero y no rendirme fácilmente.
A ellas les dedico esta tesis, muchas gracias

por su amor, apoyo y lucha incondicional en
todo este proceso.
Agradecimientos
Gracias a Dios, Padre, Hijo y Espíritu Santo; a la Santísima Virgen y a todos los Santos
que siempre me favorecieron para lograr esta meta en mi vida.
A mi director de tesis, el profesor Jorge Alberto Escobar-Vargas porque con su apoyo y

guía pude vislumbrar el camino de esta investigación.
Al Instituto de Hidrología, Meteorología y Estudios Ambientales -IDEAM-, especialmente

a la subdirección de Hidrología quienes cooperaron con la información necesaria y
participaron de manera activa con la investigación.
A la Corporación Autónoma Regional del Río Grande de la Magdalena -

CORMAGDALENA-, especialmente al ingeniero Paulino Galindo Yustres asesor técnico
de la corporación, a la oficina asesora de planeación, porque en el desarrollo de
herramientas y estrategias para la visión y gestión integrada de los recursos tales como:
el programa de modelación hidráulica del río Magdalena -PMR- (instrumento analítico),
el plan Maestro de Aprovechamiento -PMA- (instrumento de intervención y desarrollo) y
el PMC (instrumento de planificación y gestión) planteó las bases y la necesidad para
que este trabajo se desarrollara.
A mis compañeros y director de la Corporación Centro de Investigación Científica del Río

Magdalena -CIRMAG-, Carlos Albeiro Figueroa Ortiz, Diego Estiben Beltrán Calderón,
Felipe Ardila Camelo, José Javier Oliveros Acosta, Liliana Carolina Castillo Villamor,
Edna Margarita Rodríguez Gutiérrez, Nathaly Triviño León, Darlly Judith Rojas Lesmes,
Wendy Dayana Ramírez Morales, Kelly Andrea Contreras Zuluaga, Ricardo José García
Medina (QEPD), Brandon Ayala Molina, Cesar Antonio Cardona Almeida y Cesar Ignacio
VIII Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del río
Magdalena
Garay Bohórquez quienes siempre me aportaron al desarrollo de la investigación con

ideas y críticas constructivas.
Al equipo de modelación de Deltares, Eelco Verschelling, Migena Zagonjolli, Anke

Becker, Laurene Bouaziz, Mohamed Yossef y Erik Mosselman quienes ayudaron al
equipo de CIRMAG a desarrollar sus competencias en la modelación hidráulica con
SOBEK y modelación hidrológica en wflow.
Al Instituto Geográfico Agustín Codazzi -IGAC por brindar la información geográfica

necesaria para ejecución de esta investigación.
Resumen y Abstract IX
Resumen
Esta tesis presenta el modelo hidrológico e hidráulico acoplado para el complejo sistema
del Río Magdalena como un paso importante hacia la gestión del río basada en el
conocimiento. El río Magdalena es el más largo de Colombia, drena una cuenca de
257,000km2 en la que habitan 38 millones de personas. La toma de decisiones con
respecto a la gestión del recurso hídrico en Colombia, no siempre se basó en un
conocimiento sólido del sistema fluvial en su conjunto, sino en observaciones en un
número limitado de ubicaciones. Para facilitar la transición hacia un proceso de toma de
decisiones basado en el conocimiento, el Centro de Investigaciones del Río Magdalena
ha llevado a cabo el programa de modelación permanente del río Magdalena para
mejorar la comprensión de este sistema fluvial. Dentro del programa de modelación
permanente del río Magdalena se construyó un modelo hidráulico en SOBEK de la
cuenca media y baja del río Magdalena (900 kilómetros) con un componente
unidimensional que representa el sistema de canal principal y un componente
bidimensional para las llanuras de inundación y otras áreas inundables, el cual fue
acoplado externamente a un modelo hidrológico conceptual distribuido como wflow que
representa el flujo de los tributarios. Esta modelación acoplada fue utilizada para
reproducir el comportamiento observado en la cuenca media y baja del río Magdalena
durante el período de tiempo comprendido entre el 1/1/2010 y el 31/03/2011.
Adicionalmente, se identificaron los parámetros más influyentes en los resultados a partir
de análisis de sensibilidad e incertidumbre. Este esfuerzo de modelación ha revelado
falencias en la información disponible. El acople de modelación desarrollado puede ser
utilizado en diferentes escenarios de modelación en el río Magdalena y/o puede ser
replicado en otros ríos y/o considerar en la inclusión de otros temas de interés, tales
como calidad de agua, transporte de sedimentos, modelamiento de hábitat acuático,
entre otros.
Palabras clave: Modelación hidrológica; Modelo Lluvia-Escorrentía Wflow; Modelación

Hidráulica 1D-2D; SOBEK; Modelación hidrológica e hidráulica acoplada; Río
Magdalena.
X Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del río
Magdalena
Abstract
This thesis presents the coupled hydrological and hydraulic model of the complex
Magdalena River system, as an important step towards knowledge-based river
management. Magdalena River is the largest river of Colombia. It drains a catchment of
257,000 km2 and is home to 38 million people. The decision making with respect to water
management in Colombia has not always been based on solid knowledge of the river
system as a whole, but rather on observations at a limited number of locations. To
facilitate a transition towards a more knowledge-based decision-making process,
Magdalena River Research Center has conducted the Magdalena River permanent
modelling program in order to improve their understanding of this river system. Whitin the
Magdalena River permanent modelling program a hydraulic model in SOBEK for the
midlle and low basin of Magdalena river (900 kilometers) with a one-dimensional
component that represents the main channel system and a two-dimensional component
for the floodplains and other inundation areas externally coupled to a conceptual
distributed hydrological model as wflow that represent the discharges in tributaries was
constructed. This coupled modelling was used to reproduce the behavior of middle and
low Magdalena River in the time period between 1/1/2010 and 3/31/2011. Furthermore,
the most influential parameters were identified with sensitivity and uncertainty analysis.
This modeling effort has revealed gaps in available data. The coupled modelling
developed can be used in different modeling scenarios in the Magdalena River and/or
can be replicated in other rivers and/or be considered to the inclusion of other topics of
interest, such as water quality, sediment transport, aquatic habitat modelling, among
others.
Keywords: Hydrological Modeling; Wflow Rainfall-Runoff Model; 1D-2D Hydraulic

Modeling; SOBEK; coupled hydrological and hydraulic modelling; Magdalena River.
Contenido XI
Contenido
Objetivo General............................................................................................................. 9
Objetivos Específicos ..................................................................................................... 9
1. Revisión de literatura .............................................................................................. 11

1.1 Estado del arte ................................................................................................... 11
1.1.1 Modelación Hidrológica e Hidráulica en la Cuenca Magdalena-Cauca .......... 14
1.1.2 Acople wflow – SOBEK ................................................................................... 16
1.2 Marco teórico ..................................................................................................... 21
1.2.1 Modelación Hidrológica con Wflow ................................................................. 21
1.2.2 Modelación Hidráulica con SOBEK ................................................................. 31
1.2.3 Análisis de Incertidumbre y Análisis de Sensibilidad ...................................... 37
2. Materiales y métodos .............................................................................................. 49

2.1 Zona de estudio ................................................................................................. 49
2.1.1 Modelo Hidráulico ........................................................................................... 55
2.1.2 Modelo Hidrológico ......................................................................................... 57
2.2 Descripción de los datos .................................................................................... 59
2.2.1 Datos Temporales ........................................................................................... 59
2.2.2 Datos Espaciales ............................................................................................ 66
2.3 Construcción del modelo ................................................................................... 67
2.3.1 Modelo Hidrológico ......................................................................................... 67
2.3.2 Modelo Hidráulico ........................................................................................... 79
2.3.3 Acople ............................................................................................................. 93
2.3.4 Análisis de Incertidumbre y Sensibilidad ....................................................... 100
2.3.5 Escala en la Modelación ............................................................................... 106
3. Resultados.............................................................................................................. 113
3.1 Modelo Hidrológico WFLOW ........................................................................... 113
3.1.1 Cuencas Instrumentadas .............................................................................. 114
3.1.2 Cuencas no Instrumentadas ......................................................................... 144
3.2 Modelo hidráulico SOBEK ............................................................................... 147
3.2.1 Sub-Modelo 1 ................................................................................................ 149
3.2.2 Sub-Modelo 2 ................................................................................................ 164
3.2.3 Sub-Modelo 3 ................................................................................................ 197
4. Discusión ................................................................................................................ 207
5. Conclusiones y recomendaciones ....................................................................... 215

5.1 Conclusiones ................................................................................................... 215
5.2 Recomendaciones ........................................................................................... 219
Contenido XII
Lista de figuras
Figura 1-1: Extensión del modelo hidráulico en SOBEK del río Magdalena .................... 15
Figura 1-2: Extensión del modelo hidráulico de los ríos Swat y Kabul ............................ 20
Figura 1-3: Esquema de componentes relevantes del modelo HBV ............................... 23
Figura 1-4: Esquema de operación del modelo Wflow .................................................... 24
Figura 1-5: Esquema de la rutina para precipitación por nieve ........................................ 25
Figura 1-6: División del nivel superior del suelo ............................................................... 29
Figura 1-7: Configuración de la conexión 1D/2D en SOBEK con el nivel más alto o el
nivel más bajo de la banca de la sección transversal ....................................................... 36
Figura 1-8: Conexiones entre 1D y 2D ............................................................................ 37
Figura 1-9: Diagrama de flujo........................................................................................... 41
Figura 1-10: Análisis de Sensibilidad para dos parámetros ............................................. 43
Figura 1-11: Distribuciones de probabilidad acumulada del parámetro 𝑭𝜽𝒙, del parámetro
para las “simulaciones bien ajustadas” 𝑭𝜽𝒙|𝑩 y del parámetro para las “simulaciones mal
ajustadas” 𝑭𝜽𝒙|𝑩 del parámetro sensible 𝜽𝒊 y del parámetro no sensible 𝜽𝒋 .................. 45
Figura 1-12: Diagrama de dispersión con la función objetivo abias de los parámetros rt
(no identificable) y gain (identificable) ............................................................................... 46
Figura 1-13: Análisis de sensibilidad regional con la función objetivo see de los
parámetros rt (no sensible) y gain (sensible) .................................................................... 47
Figura 1-14: Conjunto de 20 simulaciones de caudales para un evento de precipitación 48
Figura 1-15: Incertidumbre en la simulación de caudales para un evento de precipitación,
la línea sólida muestra los caudales observados ............................................................. 48
Figura 2-1: Mapa de localización de la cuenca Magdalena-Cauca ................................. 50
Figura 2-2: Extensión del Modelo Hidráulico ................................................................... 57
Figura 2-3: Extensión del Modelo Hidrológico. ................................................................ 58
Figura 2-4: Localización de las estaciones climatológicas dentro de la cuenca
Magdalena-Cauca............................................................................................................. 60
Contenido XIII
Figura 2-5: Estaciones Hidrológicas en el Modelo Hidráulico. ......................................... 64

Figura 2-6: Estaciones Hidrológicas en el Modelo Hidrológico. ....................................... 65
Figura 2-7: Mapas de Precipitación, evaporación y temperatura para el 19 de Febrero de
2008 .................................................................................................................................. 71
Figura 2-8: Mapa de relieve-Modelo de Elevación Digital del Terreno ............................ 72
Figura 2-9: Mapa de tipo de suelo ................................................................................... 73
Figura 2-10: Mapa de tipo cobertura de suelo ................................................................. 74
Figura 2-11 Red de ríos cuenca Magdalena-Cauca digitalizada ..................................... 75
Figura 2-12: Mapas de Red de drenaje y delimitación de subcuencas con resolución de
2km ................................................................................................................................... 77
Figura 2-13: Muestra de puntos de información batimétrica XYZ en el Río Magdalena. . 81
Figura 2-14: Subdominios computacionales del Modelo Hidráulico de SOBEK para el Río
Magdalena. (a) Puerto Salgar - Regidor (b) Regidor – Calamar (c) Calamar –
Barranquilla/Cartagena. .................................................................................................... 85
Figura 2-15: Esquema para completar los datos faltantes ............................................... 86
Figura 2-16: Serie de caudales interpolada para la estación REGIDOR [25027410] ...... 87
Figura 2-17: Extensión total de la red 2D activa .............................................................. 88
Figura 2-18: Inclusión de diques y carreteras en el modelo de elevación 2D. ................. 90
Figura 2-19: Caudal lateral puntual, 𝑞𝑙𝑎𝑡 = 𝑄𝑝𝑜𝑖𝑛𝑡∆𝑥 ..................................................... 93
Figura 2-20: Procedimiento para la estimación de los Caudales de salida en wflow....... 94
Figura 2-21: Escala espacio-temporal de los procesos hidrológicos. ............................ 107
Figura 2-22: Variabilidad de cuencas y procesos hidrológicos en (a) escalas espaciales y
(b) escalas temporales .................................................................................................... 108
Figura 2-23: Serie de tiempo de niveles instantáneos en el río Magdalena, estación
Puerto Salgar a diferentes resoluciones temporales. ..................................................... 110
Barrancabermeja a diferentes resoluciones temporales. ................................................ 110
Figura 2-25: Serie de tiempo de niveles instantáneos en el río Magdalena, estación Plato
a diferentes resoluciones temporales. ............................................................................ 111
Figura 3-1: Volumen acumulado de caudales observados (línea negra gruesa) y
simulados de los tributarios del bajo y medio Magdalena en wflow (líneas de colores). 116
Figura 3-2: Diagramas de dispersión de los parámetros de wflow para la cuenca del Río
Negro. ............................................................................................................................. 119
XIV Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del río
Magdalena
Figura 3-3: Análisis de sensibilidad regional de los parámetros de wflow para la cuenca
del Río Negro. ................................................................................................................. 120
Figura 3-4: Conjunto de 400 simulaciones de caudales para la cuenca del Río Negro
utilizando wflow. .............................................................................................................. 121
Figura 3-5: Incertidumbre en la simulación de caudales para la cuenca del Río Negro
La Miel. ........................................................................................................................... 123
del río La Miel. ................................................................................................................ 124
Figura 3-8: Conjunto de 400 simulaciones de caudales para la cuenca del Río La Miel
Figura 3-9: Incertidumbre en la simulación de caudales para la cuenca del Río La Miel
Nare. ............................................................................................................................... 128
del Río Nare. ................................................................................................................... 129
Figura 3-12: Conjunto de 400 simulaciones de caudales para la cuenca del Río Nare
Figura 3-13: Incertidumbre en la simulación de caudales para la cuenca del Río Nare
utilizando Wflow. ............................................................................................................. 130
Figura 3-14: Diagrama de dispersión de los parámetros de wflow para la cuenca del Río
San Bartolomé. ............................................................................................................... 132
del Río San Bartolomé. ................................................................................................... 133
Figura 3-16: Conjunto de 400 simulaciones de caudales para la cuenca del Río San
Bartolomé utilizando wflow. ............................................................................................ 134
Figura 3-17: Incertidumbre en la simulación de caudales para la cuenca del Río San
Bartolomé utilizando wflow. ............................................................................................ 134
Figura 3-18: Diagrama de dispersión de los parámetros de Wflow para la cuenca del Río
Caribona. ........................................................................................................................ 137
Contenido XV
del Río Caribona. ............................................................................................................ 138
Figura 3-20: Conjunto de 400 simulaciones de caudales para la cuenca del Río Caribona
Figura 3-21: Incertidumbre en la simulación de caudales para la cuenca del Río Caribona
Sogamoso. ...................................................................................................................... 142
del Río Sogamoso........................................................................................................... 143
Figura 3-24: Conjunto de 400 simulaciones de caudales para la cuenca del Río
Sogamoso utilizando Wflow. ........................................................................................... 144
Figura 3-25: Incertidumbre en la simulación de caudales para la cuenca del Río
Sogamoso utilizando Wflow. ........................................................................................... 144
Figura 3-26: Conjunto de 400 simulaciones de caudales para las cuencas no
instrumentadas del Medio y Bajo Magdalena utilizando wflow. ...................................... 147
Figura 3-27 Condiciones de frontera, estaciones hidrológicas disponibles y subcuencas
consideradas en el sub-Modelo 1. .................................................................................. 151
Figura 3-28: Diagrama de dispersión del coeficiente de rugosidad de Manning para los
valores de caudal de las estaciones en el sub-Modelo 1. ............................................... 154
.Figura 3-29: Diagrama de dispersión del coeficiente de rugosidad de Manning para los
valores de nivel de las estaciones en el sub-Modelo 1 ................................................... 155
Figura 3-30: Análisis de Sensibilidad Regional del coeficiente de rugosidad de Manning
para los valores de caudal de las estaciones en el sub-Modelo 1. ................................. 156
Figura 3-31: Análisis de Sensibilidad Regional del coeficiente de rugosidad de Manning
para los valores de nivel de las estaciones en el sub-Modelo 1. .................................... 157
Figura 3-32: Diagrama de dispersión del caudal promedio de un tributario en los valores
de caudal de una estación en el sub-Modelo 1. .............................................................. 158
de nivel de una estación en el sub-Modelo 1. ................................................................. 159
Figura 3-34: Análisis de sensibilidad regional del caudal promedio de un tributario en los
valores de caudal de una estación en el sub-Modelo 1. ................................................. 159
XVI Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del río
Magdalena
valores de nivel de una estación en el sub-Modelo 1. .................................................... 160
Figura 3-36: Análisis de incertidumbre de los valores de caudal en el sub-Modelo 1. .. 162
Figura 3-37: Análisis de incertidumbre de los valores de nivel en el sub-Modelo 1. ..... 164
Figura 3-38: Condiciones de frontera, estaciones hidrológicas disponibles y subcuencas
Figura 3-39: Diagrama de dispersión del coeficiente de rugosidad de manning para los
valores de caudal de las estaciones en el sub-Modelo 2. .............................................. 172
valores de nivel de las estaciones en el sub-Modelo 2. .................................................. 174
Figura 3-41: Análisis de Sensibilidad Regional del coeficiente de rugosidad de manning
para los valores de caudal de las estaciones en el sub-Modelo 2. ................................. 176
Figura 3-42: Análisis de Sensibilidad Regional del coeficiente de rugosidad de manning
para los valores de nivel de las estaciones en el sub-Modelo 2. .................................... 178
Figura 3-43: Diagrama de dispersión del caudal promedio de un tributario en una
estación en el sub-Modelo 2. .......................................................................................... 181
de nivel de una estación en el sub-Modelo 2. ................................................................. 183
valores de caudal en una estación en el sub-Modelo 2 .................................................. 185
Figura 3-46: Análisis de sensibilidad regional del nivel promedio de un tributario en los
valores de nivel de una estación en el sub-Modelo 2. .................................................... 188
valores de caudal en el sub-Modelo 3. ........................................................................... 201
valores de nivel en el sub-Modelo 3. .............................................................................. 201
Figura 3-52: Análisis de sensibilidad regional del coeficiente de rugosidad de manning
para los valores de caudal en el sub-Modelo 3. ............................................................. 202
Contenido XVII
Figura 3-53: Análisis de sensibilidad regional del coeficiente de rugosidad de manning

para los valores de nivel en el sub-Modelo 3. ................................................................. 202
Figura 3-56: Conjunto de 200 simulaciones de caudales para la estación Dársena
[29047080] utilizando SOBEK. ........................................................................................ 206
Figura 3-57: Incertidumbre en la simulación de caudales para la estación Dársena
[29047080] utilizando SOBEK ......................................................................................... 206
Lista de tablas
Pág.
Tabla 1-1: Parámetros del modelo Wflow ........................................................................ 31

Tabla 1-2: Módulos de SOBEK ........................................................................................ 32
Tabla 1-3: Valores de referencia del Criterio de Nash-Sutcliffe ....................................... 42
Tabla 2-1: Clasificación de las cuencas hidrográficas de la cuenca Magdalena-Cauca,
Alto Magdalena ................................................................................................................. 52
Magdalena Medio .............................................................................................................. 53
Bajo Magdalena ................................................................................................................ 54
Tabla 2-4: Ciénagas importantes en la cuenca del río Magdalena .................................. 55
Tabla 2-5: Parámetros medidos por cada tipo de estación .............................................. 60
Tabla 2-6: Estaciones hidrológicas en la zona de estudio de los modelos hidrológico e
hidráulico. .......................................................................................................................... 62
Tabla 2-7: Nomenclatura tipo de suelos IGAC. ................................................................ 73
Tabla 2-8: Nomenclatura tipo de suelo sintetizada para el modelo Wflow ....................... 73
Tabla 2-9: Nomenclatura de tipos de cobertura vegetal sintetizada para el modelo Wflow
.......................................................................................................................................... 74
Tabla 2-10: Posibles configuraciones del eje central del río y la zona 2D del modelo
SOBEK .............................................................................................................................. 84
Tabla 2-11: Parámetros del modelo Wflow ...................................................................... 97
Tabla 2-12: Listado de estaciones utilizadas en la evaluación del desempeño de la
modelación acoplada wflow-SOBEK. .............................................................................. 100
Tabla 2-13: Definición de número de parámetros del modelo wflow en las cuencas
instrumentadas................................................................................................................ 102
2 Introducción
Tabla 2-14: Definición de número de parámetros del modelo wflow en las cuencas no
instrumentadas del Modelo 1. ......................................................................................... 104
instrumentadas del Modelo 2. ......................................................................................... 105
Tabla 2-16: Escalas utilizadas con mayor frecuencia en hidrología. ............................. 108
Tabla 3-1: Coeficiente de eficiencia de Nash-Sutcliffe para las mejores simulaciones de
wflow. .............................................................................................................................. 114
Tabla 3-2: Mejores diferencias de volumen de las simulaciones de wflow. ................... 116
Tabla 3-3: Porcentajes de área de las combinaciones de tipo y cobertura de suelo
presentes en la cuenca del río Negro ............................................................................. 117
presentes en la cuenca del río La Miel. .......................................................................... 122
presentes en la cuenca del río Nare ............................................................................... 126
presentes en la cuenca del río San Bartolomé ............................................................... 130
presentes en la cuenca del río Caribona ........................................................................ 135
presentes en la cuenca del río Sogamoso ...................................................................... 140
Tabla 3-9 Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal para las
mejores simulaciones de SOBEK Modelo 1. .................................................................. 150
Tabla 3-10 Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel para las
Tabla 3-11: Mejores coeficientes de rugosidad de Manning para los valores de Nivel y
Caudal de las estaciones en el sub-Modelo 1 ................................................................ 153
Tabla 3-12: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal para las
Tabla 3-13: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel para las
Tabla 3-14: Mejores coeficientes de rugosidad de Manning para los valores de Nivel y
Caudal de las estaciones en el sub-Modelo 2. ............................................................... 169
Introducción 3
Tabla 3-15: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal para las
Tabla 3-16: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel para las
Tabla 3-17: Coeficiente de rugosidad de Manning con mayor valor del Coeficiente de
Eficiencia de Nash-Sutcliffe para los valores de nivel y caudal de las estaciones en el
sub-Modelo 3. ................................................................................................................. 200
4 Introducción
Introducción
“El crecimiento económico, los esfuerzos para reducir la pobreza y los cambios
demográficos y sociales generan la demanda de infraestructura hídrica para sostener la
producción de alimentos, generar energía y brindar bienes y servicios. La construcción de
sistemas de riego, presas hidroeléctricas, vías navegables y suministros de agua para el
hogar, el turismo y la industria ha generado enormes beneficios para millones de
personas, sin embargo esto ha causado grandes cambios en los regímenes hidrológicos,
ecosistemas y en la fisonomía de los ríos, lagos y acuíferos del mundo” (Global & Water
Partnership, 2009). Por ello la Gestión Integral del Recurso Hídrico se ha dado como un
movimiento a escala mundial en el que muchos países han desarrollado o están
desarrollando Planes de Gestión Integral de Recurso Hídrico (Global & Water
Partnership, 2009; Moriarty, Butterworth, & Batchelor, 2006).
Colombia no ha sido la excepción y cuenta con una Política Nacional para la Gestión
Integral del Recurso Hídrico cuyo objetivo es “Garantizar la sostenibilidad del recurso
hídrico, mediante la gestión y el uso eficiente y eficaz, articulados al ordenamiento y uso
del territorio y a la conservación de los ecosistemas que regulan la oferta hídrica,
considerando el agua como factor de desarrollo económico y de bienestar social, e
implementando procesos de participación equitativa e incluyente” (Ministerio de
Ambiente, Vivienda y Desarrollo Territorial, 2010).
El Río Magdalena es el río más importante de Colombia. Fluye de sur a norte con una
longitud de alrededor de 1.536 km y un caudal medio de 7.100 m³/s. El área de la cuenca
es de alrededor de 257,000 km2, lo que corresponde al 28% de la superficie total de
Colombia y en la que habitan el 80% de la población total del país. La precipitación anual
Introducción 5
se estima en un 2,000 mm con una variación en el interior de la cuenca de 800 mm a

5000 mm en algunas zonas. En la llanura inundable del Río Magdalena ocurren
alrededor del 90% de daños y el 70% de las pérdidas humanas del país
(CORMAGDALENA, 2007; Hoyos Goez, 2005).
La Corporación Autónoma Regional del Río Grande de la Magdalena –

CORMAGDALENA– tiene por objeto: “la recuperación de la navegación, la generación y
distribución de energía, así como el aprovechamiento sostenible y la preservación del
medio ambiente, los recursos ictiológicos y demás recursos naturales renovables” en el
Río Magdalena (Colombia, Congreso de la República, 1994). El transporte fluvial y la
generación hidroeléctrica son parte del sistema de aprovechamiento de los recursos
hídricos del río Magdalena a fin de facilitar e impulsar el desarrollo sostenible de la
economía y de la sociedad en la cuenca (HydroChina Corporation, 2013).
El hidrosistema del Río Magdalena es complejo, con intereses humanos y ecosistémicos.

Su interacción con los sistemas cenagosos y tributarios lo hacen el hábitat natural de vida
salvaje única, por otro lado, tenemos mayores asentamientos humanos en las llanuras
inundables atraídos por servicios como tierra fértil, pesca, navegación, tierra plana para
la construcción; razón por la cual las llanuras de inundación presentan conflicto entre los
asentamientos humanos y sus valores naturales (Sanchez Lozano et al., 2015). La toma
de decisiones con respecto a la gestión y aprovechamiento del Río Magdalena no
siempre se ha basado en un conocimiento sólido del sistema fluvial en su conjunto, sino
más bien en observaciones en un número limitado de sectores del mismo (Cardona
Almeida et al., 2014).
Para facilitar una transición hacia un mejor proceso de toma de decisiones, basada en el
conocimiento, no solo para la gestión de inundaciones sino también para cuestiones
relacionadas con la navegabilidad, CORMAGDALENA con apoyo de la Corporación
Centro de Investigación Científica del Río Magdalena Alfonso Palacio Rudas –CIRMAG–
implementó el programa de modelación permanente del Río Magdalena como una actitud
corporativa permanente, pues siempre hay interrogantes que solucionar y siempre hay
información que añadir y conocimiento que apropiar (CORMAGDALENA, 2012). Los
objetivos de este programa de modelación permanente son:
6 Introducción
En lo referente a la navegación
 Conocer el comportamiento del río en su cauce mayor.
 Modelar socavación, agradación y degradación.
 Determinar sitios críticos de dragado.
 Modelar variación temporal y espacial de niveles.
En lo referente a ordenamiento hidrológico

 Valoración de servicios ambientales del Río Magdalena.
 Análisis para priorización de intervenciones para la conectividad hidráulica de
sistemas cenagosos.
 Modelación del Manejo Integrado de cuenca para la valoración de impactos de las
acciones implementadas por el Plan de manejo de Cuenca PMC.
En lo referente a calidad de aguas

 Características de la contaminación y respuesta del río.
 Comportamiento de los sedimentos en el fondo y en suspensión.
 Movimiento de contaminantes
En lo referente al riesgo
 Comportamiento Inundaciones.
 Eventos extremos de caudal, derrubios, y sedimentos (afluentes y cauce principal)
 Amenaza de inundación y deslizamiento en el cauce mayor
 Vulnerabilidad de inundación y deslizamiento en el cauce mayor
En lo referente a proyectos de aprovechamiento

 Comportamiento del caudal según embalses, captaciones, obras de
encauzamiento y otras intervenciones.
 Modelo de optimización de alternativas de aprovechamiento de los Recursos del
Río.
En lo referente a preservación de recursos naturales

 Conexiones del río con caños, ciénagas, lagunas, humedales, etc.
Introducción 7
 Criterios para definir la ronda del río.

 Criterios para definir acciones ambientales.
En este contexto y para dar respuesta a algunos de los objetivos propuestos en el

programa permanente de modelación, se plantean las siguientes preguntas de
investigación:
¿Se puede replicar el comportamiento observado en el río Magdalena en su cuenca

media y baja con la construcción y posterior acople de un modelo hidrológico y de un
modelo hidráulico?
¿Puede un modelo continuo a nivel diario, de tipo distribuido que representa el proceso
hidrológico lluvia-escorrentía de manera conceptual como wflow representar los caudales
observados en los tributarios de la cuenca media y baja del río Magdalena?
¿Puede un modelo que resuelve las ecuaciones de Saint Venant en 1D y 2D mediante un

esquema de diferencias finitas implícito como SOBEK, con una configuración en la que la
parte puramente 1D es el eje del canal principal y la parte 2D corresponde a las llanuras
inundables acoplado externamente con un modelo hidrológico continuo a nivel diario, de
tipo distribuido que representa el proceso hidrológico lluvia-escorrentía de manera
conceptual como wflow representar los caudales y niveles observados en el río
Magdalena en su cuenca media y baja?
¿Mediante análisis de sensibilidad e incertidumbre es posible determinar los parámetros

del modelo wflow más influyentes en la descripción de la hidrología de los tributarios del
río Magdalena en su cuenca media y baja?
¿Mediante análisis de sensibilidad e incertidumbre es posible determinar la influencia del

coeficiente de rugosidad de Manning y del caudal medio simulado de los tributarios del
río Magdalena en su cuenca media y baja?
Dar respuesta a estas preguntas será el primer paso para que en el futuro se pueda:
8 Introducción
 Determinar variación temporal y espacial del caudal en los tributarios de los Ríos
Magdalena y Cauca.
 Analizar eventos de caudales máximos y mínimos en el cauce principal del Río
Magdalena y sus tributarios.
 Modelar variación temporal y espacial de niveles, caudales y velocidades de flujo
del Río Magdalena.
 Obtener información de caudales y niveles en lugares originalmente sin
información hidrológica.
El presente documento está conformado por las siguientes secciones: (i) Introducción,
que justifica y explica brevemente el enfoque de la presente investigación; los objetivos y
preguntas de investigación que definen el alcance del trabajo (ii) definición y explicación
de conceptos y teorías del fundamento de la investigación, así como la revisión del
estado del arte de la presente tesis, (iii) materiales y métodos, una descripción de la zona
de estudio, recopilación de datos y métodos de análisis utilizados, (iv) los resultados
obtenidos, (v) una discusión de estos y (vi) las conclusiones y perspectivas sobre los
resultados.
Introducción 9
Objetivos
Objetivo General
Reproducir el comportamiento observado del río Magdalena en su cuenca media y baja

mediante la construcción y acople de un modelo hidrológico y un modelo hidráulico.
Objetivos Específicos
 Estimar los caudales de los tributarios del río Magdalena en su cuenca media y baja
con un modelo continuo a nivel diario, distribuido y conceptual como wflow.
 Determinar valores de nivel de agua y de caudal del río Magdalena en su cuenca
media y baja con un modelo físicamente basado y una configuración 1D-2D como
SOBEK acoplado externamente con un modelo continuo a nivel diario, distribuido y
conceptual como wflow.
 Identificar mediante análisis de sensibilidad e incertidumbre los parámetros del
modelo wflow más influyentes en la descripción de la hidrología de los tributarios del
río Magdalena en su cuenca media y baja.
 Mostrar la influencia del coeficiente de rugosidad de Manning y del caudal medio
simulado (en wflow) de los tributarios del río Magdalena en su cuenca media y baja
con análisis de sensibilidad e incertidumbre.
1. Revisión de literatura
En los párrafos siguientes se describe la revisión de la literatura. La primera sección

consiste en el estado del arte, respecto al problema científico dirigido. El estado del arte
incluye investigaciones hacia temas relacionados, bajo un contexto nacional e
internacional. Una segunda sección, se propone un marco teórico con una definición de
los conceptos y herramientas implementadas en esta investigación.
1.1 Estado del arte

Un modelo hidrológico, busca representar los diferentes procesos involucrados en la
distribución de la lluvia y la generación de caudales en una determinada cuenca
(Jorquera, Weber, & Reyna, 2012) y la modelación hidráulica consiste en intentar
conocer los valores de nivel, velocidad, caudal, régimen de flujo a partir de la resolución
de métodos numéricos de las ecuaciones de Saint Venant (aguas someras), de Reynolds
o de Navier-Stokes (Guarniz Muñoz, 2014). La modelación hidrológica e hidráulica
acoplada ha sido una alternativa bastante explorada en la ingeniería de ríos (ver: Anexo:
Ejercicios de Acople de Modelación Hidrológica e Hidráulica), en donde se han utilizado
modelos hidrológicos conceptuales o físicamente basados para determinar las
condiciones de frontera y/o el flujo de los tributarios de un modelo hidrodinámico 1D, 2D
o 1D-2D; para la resolución de problemas de control de inundaciones (Laganier, et al.,
2014; Montanari et al., 2009; Monte et al., 2016; Muñoz, et al., 2006; SLAMET, et al.,
2015) y la comprensión de los procesos físicos de los sistemas fluviales (Bonnifait et al.,
2009; Bravo, et al., 2012; de Paiva et al., 2013; Kim, et al., 2012; Thompson, et al., 2004).
La predicción del área de inundación constituye una parte esencial de los sistemas de
pronóstico de inundaciones, cuando un río recibe aportes importantes de sus tributarios,
la modelación de inundaciones requiere la unión de un modelo hidrológico que calcule los
12 Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del río
Magdalena
flujos laterales y un modelo hidráulico que determine los niveles de agua a lo largo del
tramo del río (Lerat et al., 2012).
Lian et al., (2007), Lerat et al., (2012), Mejia y Reed (2011), Laganier, et al., (2014)
mencionaron las más grandes categorías para el acople de modelos hidrológicos y
modelos hidráulicos:
 Acople bidireccional (interno) permite la interacción entre el modelo hidrológico y
el modelo hidráulico, permitiendo una modelación más realística en las
confluencias, en cada paso de tiempo, ambos modelos se hacen consistentes a
través de un procedimiento complejo. El acoplamiento debe ser capaz de estimar
caudales, niveles de agua y áreas inundables en cada punto de la corriente.
Involucra la reformulación de las ecuaciones de gobierno de los modelos
acoplados y las resuelve como un todo.
 Acople unidireccional (externo) la información se intercambia solo en una
dirección, del modelo hidrológico al modelo hidráulico, es la estrategia más simple
de acoplamiento y también es la más utilizada, dado que las ecuaciones de
gobierno de cada uno de los modelos se pueden resolver por separado, los
resultados modelados de uno o más modelos se utilizan como entrada a otro
modelo.
Domínguez (2010) mostró como los modelos hidrológicos se pueden clasificar de

acuerdo con distintos criterios. El primer criterio de clasificación está definido por la
capacidad del modelo de tomar o no tomar en cuenta la incertidumbre, clasificando a los
modelos en deterministas o estocásticos. El segundo criterio de clasificación consiste en
determinar la evolución del proceso en el tiempo, clasificando los modelos en dinámicos
(no estacionarios), estáticos (estacionarios). El tercer criterio de clasificación analiza el
número de dimensiones en las que varía(n) la(s) variable(s) de estado, si el modelo
considera los cambios en una dimensión, por ejemplo, el tiempo, se tiene un modelo
aglutinado, pero si por el contrario los cambios son en dos o más dimensiones, como el
tiempo y una, dos o tres coordenadas espaciales, el modelo será un modelo distribuido.
Otro criterio para considerar es si el modelo ha sido deducido totalmente de las leyes
físicas, siendo el caso de los modelos de caja blanca o modelos físicamente basados y si
Revisión de Literatura 13
por el contrario los modelos son basados en relaciones empíricas se conocen como
modelos de caja negra o modelos conceptuales.
Los modelos hidráulicos también presentan varias posibles configuraciones, por lo

general se basan en las ecuaciones de Saint-Venant o en aproximaciones simplificadas
de estas ecuaciones. Métodos de tránsito como Muskingum no son ampliamente
utilizados dada su imposibilidad para estimar áreas inundables y efectos de remanso, sin
embargo, las versiones discretizadas como Muskingum-Cunge son buenas alternativas a
priori para conocer los valores de caudal en cada tramo del canal. La primera elección
para hacer en la elección del modelo hidráulico es el número de dimensiones y el grado
de simplificación de las ecuaciones del modelo hidráulico, ya que estos pueden ser en
una dos y tres dimensiones y pueden usar las ecuaciones completas de Saint Venant
(Onda Dinámica) o simplificaciones de las mismas como la Onda Cinemática y la Onda
Difusiva. Los modelos 3D tienen aplicaciones muy restrictivas, a tramos muy cortos. Los
modelos 1D y 2D se pueden emplear a escalas mayores siendo los modelos 1D los más
utilizados, normalmente complementados con áreas de almacenamiento para representar
las inundaciones. Los modelos 2D son más realistas, pero tienen restricciones para
representar el flujo axial y dificultades en la implementación dada la gran cantidad de
datos requeridos (topografía detallada y rugosidad distribuida) y los grandes tiempos de
cálculo computacional que toman, lo que limitan su uso operacional (Laganier et al.,
2014).
Entonces para escoger el mejor conjunto de modelos a utilizar, lo primero que se debe
definir es el objetivo de la modelación, con esto se establece que tipo de modelo es el
más apropiado, con cual precisión se requiere trabajar. Posteriormente se deberá definir
la información existente y la complejidad de los procesos a modelar, cuales se modelan,
cuales se consideran en su totalidad o pueden simplificarse en gran medida. Finalmente
queda definir si se va a utilizar un modelo ya programado previamente o si por el
contrario es necesario desarrollar un código propio (Domínguez Calle, 2010).
A continuación, se muestran algunos ejercicios de modelación hidrológica e hidráulica en

la cuenca Magdalena-Cauca y de un ejercicio de acople del modelo hidrológico wflow y
SOBEK.
Magdalena
1.1.1 Modelación Hidrológica e Hidráulica en la Cuenca

Magdalena-Cauca
A lo largo de los años han sido incontables los ejercicios de modelación en las
subcuencas y microcuencas de la cuenca Magdalena-Cauca. De los cuales cabe resaltar
los ejercicios realizados por Loaiza (2011), Ramírez Morales (2014), Sánchez Lozano et
al., (2015).
Loaiza (2011) acopló la modelación hidrológica e hidráulica usando los modelos HEC-
HMS y MIKE-11 respectivamente, para lograr un pronóstico a corto plazo de los niveles y
caudales en el río Magdalena sector Puerto Salgar – El Banco. Basado en la delimitación
de las cuencas y subcuencas del país elaborada por el Instituto Geográfico Agustín
Codazzi, seleccionó las áreas de drenaje que desembocan al río Magdalena en el tramo
comprendido entre Puerto Salgar y El Banco, posteriormente dividió las cuencas de cada
tributario en tres subcuencas, parte alta, media y baja, para su posterior implementación
en HEC-HMS, donde modeló además la cuenca del río Magdalena, aguas arriba de
Puerto Salgar. Con MIKE 11, modeló el tránsito hidráulico del río Magdalena desde
Puerto Salgar hasta El Banco. Para la calibración y validación del acople desarrollado, se
seleccionó el período correspondiente al fenómeno de la Niña 2010-2011. Tras la
calibración (usando datos del periodo Julio-Diciembre 2010) y la validación (usando datos
del periodo Enero-Mayo 2011), el modelo representó muy bien el comportamiento de los
niveles en el río Magdalena, sin embargo, falló en la estimación en los valores máximos.
A pesar de las limitaciones en la información, el modelo se consideró aceptable.
En 2013, desde la Corporación Autónoma Regional del Río Grande de La Magdalena –

CORMAGDALENA con apoyo de la Corporación Centro de Investigación Científica del
Río Magdalena Alfonso Palacio Rudas –CIRMAG, se inició con la construcción de un
modelo hidrológico de la macrocuenca Magdalena-Cauca en wflow y un modelo
hidráulico 1D-2D en SOBEK, desde Puerto Salgar hasta Barranquilla por el Canal
Principal del Río, incluyendo además el Brazo de Mompox, el Brazo de Loba, los últimos
200km del río Cauca y El Canal del Dique (Cardona et al., 2014; Ramírez Morales et al.,
2015; Ramírez Morales et al., 2014; Sanchez Lozano et al., 2015; Sanchez Lozano et al.,
2014) (ver: Figura 1-1).
Figura 1-1: Extensión del modelo hidráulico en SOBEK del río Magdalena
El modelo hidrológico wflow simuló las condiciones de la cuenca del 2008-2012 y aunque
representa muy bien los caudales en el canal principal del Río Magdalena, muestra
algunos problemas con la modelación de los caudales en algunos de los tributarios; entre
otras se hace necesario no utilizar parámetros regionales en la modelación local de las
subcuencas, dado que no se logra tomar las particularidades geográficas y climáticas de
estas (Ramírez Morales et al., 2015, 2014).
El modelo wflow es continuo a nivel diario, de tipo distribuido y representa el proceso

hidrológico lluvia-escorrentía de manera conceptual, valiéndose de una configuración de
tanques (Schellekens, 2015); por ser un modelo distribuido considera la variación
espacial de los procesos meteorológicos en la cuenca, al ser continuo permite analizar la
estacionalidad de los procesos hidrológicos de la cuenca y al ser conceptual permite que
con la información disponible: mapa de cobertura vegetal, mapa de tipo de suelo y
modelo de elevación digital de terreno, sea suficiente para establecer un rango de
valores de los parámetros que deberán ser ajustados durante la calibración, contrario si
se utilizará un modelo hidrológico físicamente basado (como MIKE SHE), el cual sería de
Magdalena
muy difícil implementación por la cantidad de datos y el gran número de parámetros que
este tipo de modelos requiere y que en la realidad de observaciones meteorológicas e
hidrológicas del país no se tienen (Calderón Estrada, 2012; GLOBAL ECO RIESGO
SOLUCIONES SAS, 2016; Ramirez Morales, 2014).
El modelo hidráulico SOBEK simuló las condiciones hidráulicas del río en el período
2009-2012, este modelo no fue calibrado, sino que fue construido en dos partes para
reducir al máximo la incertidumbre del mismo y los caudales de los tributarios fueron
calculados mediante balance de masa, por lo que se hace necesario el acople con el
modelo hidrológico (Sanchez Lozano et al., 2015, 2014).
El modelo hidráulico SOBEK resuelve las ecuaciones de Saint Venant en 1D y 2D

mediante un esquema de diferencias finitas implícito, permitiendo una configuración de
modelo en el que la parte puramente 1D es el eje del canal principal y la parte 2D
corresponde a las llanuras inundables, asegurando con así un buen desempeño del
modelo en flujos altos, medios y bajos a pesar del costo computacional que esto implica
en los flujos altos; tiene la facilidad de construir la geometría con archivos de origen SIG
y la definición de condiciones de frontera y flujos laterales a partir de series de tiempo
observadas o estimadas a partir de modelación hidrológica o balances de masa (Deltares
System, 2013; JI, de VRIEND, & HU, 2003; Sanchez Lozano et al., 2015).
1.1.2 Acople wflow – SOBEK

Bouaziz (2014), Talsma y Schwanenberg (2015) acoplaron el modelo hidrológico wflow y
el modelo hidráulico SOBEK para modelar los ríos Swat y Kabul en Pakistán. El objetivo
de la modelación fue construir un sistema de pronóstico de inundaciones capaz de
simular el proceso lluvia-escorrentía y derretimiento de nieve simultáneamente en una
aproximación distribuida que permitiera fácilmente el acople con un modelo de tránsito
hidráulico en SOBEK que representa el componente hidrodinámico del sistema de
pronóstico de inundaciones. El acople de modelos fue diseñado para ser usado en el
pronóstico de inundaciones como una parte intrínseca del Sistema de Alertas Tempranas
de Inundaciones de Pakistán (Flood Early Warning Forecast of Pakistan – FEWS-

Pakistan).
Wflow es un modelo hidrológico completamente distribuido que determina la escorrentía

en cada celda del dominio computacional en cada paso de tiempo a partir de los datos de
entrada (precipitación, evaporación, temperatura) y un conjunto de parámetros
conceptuales o físicos y presenta las siguientes características (Bouaziz, 2014;
Schellekens, 2015):
 Incluye rutinas para la intercepción, derretimiento de nieve, humedad del suelo y la

respuesta de escorrentía
 Entradas y Salidas completamente distribuidas, permitiendo el uso de productos

espacialmente distribuidos como entrada y permitiendo la estimación de las salidas
en cada celda dentro del dominio computacional
 Permite correr pasos de tiempo diarios u horarios.
 Es código abierto.
El Modelo Hidráulico SOBEK es un software de modelamiento numérico 1D/2D de flujo

en ríos, canales urbanos y/o rurales, tuberías; capaz de resolver las ecuaciones que
describen el flujo no permanente, la intrusión salina, transporte de sedimentos,
morfología y calidad del agua. En SOBEK se pueden simular y resolver problemas en la
gestión de ríos, como protección contra inundaciones, el diseño de canales, sistemas de
riego, calidad del agua, la navegación y el dragado (Deltares System, 2013; JI et al.,
2003).
Wflow y SOBEK fueron desarrollados por Deltares y por lo tanto son compatibles con el
software Delft-FEWS. Delft-FEWS, permite la integración de diversas fuentes de datos y
la ejecución de modelos hidrológicos e hidráulicos en tiempo real para obtener
pronósticos de caudal y niveles de agua en los ríos y con ello poder contar con un
Sistema de Alerta Tempranas de Inundaciones (Martínez et al., 2015; Werner et al.,
2013).
En la construcción del modelo hidrológico utilizó (Bouaziz, 2014):

Magdalena
 El modelo de elevación digital del terreno de la Misión Topográfica Shuttle Radar

(Shuttle Radar Topography Mission – STRM) con resolución espacial de 90m, el
cual fue remuestreado a la resolución del modelo de 500mx500m.
 El modelo global de cobertura vegetal GlobCover 2009 de la Agencia Espacial

Europea (European Space Agency ESA) con resolución espacial de 300m, el cual
fue reclasificado en los grupos de: cultivos, pastizales, bosques, áreas urbanas y
desnudas, cuerpos de agua y nieves perpetuas; para posteriormente ser
remuestreado a la resolución del modelo de 500mx500m.
 El producto de cobertura de nieve basado en satélite del espectro radiómetro de

imágenes de media resolución (Moderate Resolution Imaging Spectroradiometer -
MODIS) que provee la máxima área cubierta de nieve en 8 días con una
resolución espacial de 0.05°(≈5km).
 El estimador de lluvia diaria de la NOAA (Rainfall Estimation – RFE) con mapas

de precipitación con resolución espacial de 0.10°(≈10km), estos datos fueron
desagregados utilizando el método de interpolación de la distancia más cercana a
la resolución espacial del modelo de 500mx500m.
 Los datos de precipitación de la Misión de Medición de Lluvias Tropicales

(Tropical Rainfall Measuring Mission – TRMM) los cuales son estimaciones de la
precipitación cada 3 horas en tiempo real y poseen una resolución espacial de
0.25°(≈25km), estos datos fueron desagregados utilizando el método de
interpolación de la distancia más cercana a la resolución espacial del modelo de
500mx500m.
 Información de precipitación en tiempo real diaria y cada 3 horas de estaciones en

tierra del Departamento Meteorológico de Pakistán. Los valores puntuales de
precipitación fueron interpolados a través de los polígonos de Thiessen.
 Valores en tiempo real (diario y cada 3 horas) de temperatura, media, mínima y

máxima de las estaciones del Departamento Meteorológico de Pakistán. Las
temperaturas (media, mínima y máxima) se convirtieron a temperaturas sobre el
nivel del mar utilizando un gradiente de temperatura de -0.68ºC/100m;
posteriormente estos valores se interpolaron con el inverso de la distancia.
Finalmente, para obtener los campos de temperatura media, mínima y máxima,

se utilizaron el modelo de elevación digital del terreno y los campos de
temperaturas sobre el nivel del mar.
 El modelo de evapotranspiración potencial de Hargreaves (1994), el cual utiliza

las temperaturas máxima y mínima.
 Información de caudales en estaciones hidrológicas del Departamento

Meteorológico de Pakistán.
El modelo hidrológico fue utilizado para simular los procesos de lluvia-escorrentía y de

derretimiento de nieve para el pronóstico de inundaciones en las cuencas de los ríos
Kabul y Swat y con ello determinar los caudales laterales de entrada al modelo hidráulico
SOBEK. Como muchos de los tributarios presentaban información limitada en las series
de tiempo de caudales, no se calibraron la totalidad de las cuencas y los parámetros de
las cuencas no instrumentados fueron extrapolados desde las cuencas vecinas (Bouaziz,
2014).
El modelo hidráulico incluye (ver: Figura 1-2 ):
 El río Swat, desde el puente de Kalam hasta su confluencia con el río Kabul.
 El río Panjkora (tributario más importante del río Swat) desde el puente de Zulam
hasta su confluencia con el río Swat.
 El río Kabul desde la represa de Warsak hasta su confluencia con el río Indo
(incluyendo su confluencia con el río Swat)
Magdalena
Figura 1-2: Extensión del modelo hidráulico de los ríos Swat y Kabul
Fuente: NESPAK & Deltares, 2013
En la construcción del modelo hidráulico se utilizó (NESPAK & Deltares, 2013):
 La información correspondiente a la geometría del río, como secciones

transversales y la llanura de inundación; esta última se obtuvo de la combinación
de mediciones en campo e información satelital (ALOS PRISM y Geo-eye Stereo).
 Los diques, obras de encauzamiento y obras de protección, los cuales fueron

levantadas con trabajo de campo.
 La condición de frontera aguas arriba del río Swat se estableció con registros
históricos de caudales en los puentes Kalam y Zulam.
 La condición de frontera aguas arriba del río Kabul se estableció con registros
históricos de caudales en la descarga de la presa de Warsak.
 La información para la calibración se obtuvo a partir de series de tiempo de

caudales y niveles de agua de las estaciones para los años 2010 y 1995 donde
ocurrieron las mayores inundaciones registradas y la validación se realizó con
datos disponibles de tres eventos de inundación con períodos de retorno

asociados.
 Los caudales de los tributarios se introdujeron a partir del modelo hidrológico.
 Se incluyeron los rompederos, dada su importancia en la propagación de la

inundación.
 Se incluyó la presa de Munda, sobre el río SWAT.
 La rugosidad se estimó con trabajo de campo para varios tramos de río.
La conexión de los dos modelos se realizó con la herramienta Delft-FEWS, para ello fue
necesario configurar los módulos de Wflow y SOBEK dentro del Delft-FEWS. El módulo
de wflow contiene los mapas estáticos (modelo de elevación digital del terreno, cobertura
de suelo y tipo de suelo), los mapas dinámicos (evaporación potencial, precipitación,
temperatura), y las variables iniciales del modelo, las tablas de parámetros del modelo,
las variables de salida del modelo en mapas y series de tiempo, estas últimas son leídas
por FEWS y se almacenan en la base de datos local para posteriormente ser usadas por
SOBEK. El módulo de SOBEK contiene la información de entrada de series de tiempo
que vienen de la base de datos de FEWS, la carpeta con los modelos SOBEK con los
archivos utilizados, las series de tiempo de salida resultados de la simulación las cuales
se almacenan en la base de datos de FEWS (Talsma & Schwanenberg, 2015).
1.2 Marco teórico

A continuación, se muestran las definiciones de los conceptos y herramientas
implementadas en esta investigación.
1.2.1 Modelación Hidrológica con Wflow
El modelo hidrológico Wflow fue construido por Deltares en el marco del proyecto Open
Stream para modelar y simular fenómenos hidrológicos (Schellekens, 2015), está
programado en el lenguaje dinámico PCRaster (Karssenberg, et al. 2001; Van Deursen,
1995; Wesselung, et al. 1996) que es una extensión de Python (Karssenberg, D. et al.,
2007); es de código abierto (Open Source) lo que permite modificar su código fuente de
Magdalena
acuerdo con las necesidades del modelador. No posee interfaz gráfica y su ejecución es
mediante líneas de comando.
Wflow es un modelo hidrológico distribuido que incluye dentro de sí 7 modelos para

desarrollar los principales procesos hidrológicos (Schellekens, 2015):
 wflow_hbv, una versión distribuida del modelo HBV-96 (Hydrologiska Byråns

Vattenbalansavdelning model) que comprende como variables principales la
precipitación, evaporación e infiltración.
 wflow_sbm, derivado del modelo topog_sbm, un modelo de tanques para estimar

el contenido de agua del suelo (Vertessy & Elsenbeer, 1999) tiene como
parámetros principales el proceso de escorrentía rápida, las perdidas por
evaporación y por infiltración.
 wflow_gr4, una versión distribuida del modelo gr4h/d, un modelo de cuatro

parámetros y resolución diaria que basa su desarrollo en función de la calibración
de sus parámetros, involucra como entradas la precipitación y la
evapotranspiración potencial (Esse, 2012).
 wflow_W3RA, un modelo hidrológico global, desarrollado como una modificación

del modelo Australian Water Resources Assessment (AWRA-L) versión 0.5.
 wflow_routing un módulo de tránsito de wflow que usa la teoría de onda

cinemática y un modelo de elevación digital del terreno (DEM) para incorporar
llanuras inundables.
 wflow_wave, un módulo que puede implementarse en conjunto con wflow_routing

para incorporar la ecuación completa de onda dinámica.
 wflow_floodmap, un modelo para generar mapas de inundación utilizando las

salidas de wflow_routing y/o wflow_wave.
El modelo implementado en la cuenca del río Magdalena fue el wflow_hbv, este es un

modelo lluvia-escorrentía que utiliza funciones de tránsito hidráulico, es distribuido,
continuo y a escala diaria. El modelo HBV-96 (Hydrologiska Byrans
Vattenblansavdelning) es empleado especialmente para simular escorrentía y pronóstico

hidrológico, utiliza la teoría de onda cinemática para el tránsito del flujo hacia aguas
abajo. El modelo opera tal como lo plantea la Figura 1-3 (Schellekens, 2015).
Figura 1-3: Esquema de componentes relevantes del modelo HBV

Fuente: Schellekens, 2015.
Wflow resuelve el modelo HBV utilizando como procesos hidrológicos principales la

precipitación, la infiltración y la escorrentía, haciendo uso de una configuración de
tanques (ver: Figura 1-4).
Magdalena
Figura 1-4: Esquema de operación del modelo Wflow

El primer proceso a considerar es la intercepción de la precipitación por la cobertura del

suelo, asumiéndose que este funciona como un reservorio que tiene un límite de
almacenamiento y que desde este ocurre evaporación de la lluvia. En esta etapa se
relaciona como entrada de precipitación la proveniente de las lluvias y del ciclo de la
nieve, para el ingreso de la precipitación se parte del principio de que si la temperatura
del aire (Ta) es mayor a la temperatura definida por el usuario (TT=0°C) la precipitación
se simula en forma de lluvia, si la precipitación se tiene en forma de nevada, es necesario
el análisis de los componentes de la nieve, para definir la fracción que representa el
contenido de agua líquida de la capa de nieve para gestionar su ingreso al depósito de
agua libre como parte del flujo normal del río o por defecto agregar el componente de
nieve seca (Schellekens, 2015). La Figura 1-5 muestra el esquema de la rutina de
precipitación por nieve.
Figura 1-5: Esquema de la rutina para precipitación por nieve

Las interacciones entre los componentes de la nieve vienen definidas por la fusión de la
nieve, es decir por las velocidades de derretimiento y re-congelación
𝑄𝑚 = 𝑐𝑓𝑚𝑎𝑥(𝑇𝑎 − 𝑇𝑇); 𝑇𝑎 > 𝑇𝑇
Ecuación 1 Ecuación de la velocidad de deshielo (Schellekens, 2015).
𝑄𝑟 = 𝑐𝑓𝑚𝑎𝑥 ∗ 𝑐𝑓𝑟(𝑇𝑇 − 𝑇𝑎 ); 𝑇𝑎 < 𝑇𝑇

Ecuación 2 Ecuación de la velocidad de re-congelación (Schellekens, 2015).
Donde Qm es la velocidad de deshielo de la nieve, Qr es la velocidad de recongelación,

cfmax y cfr son parámetros del modelo (factor de fusión y factor de congelamiento), T a es
la temperatura del aire la cual se tiene de las temperaturas medias diarias que se
ingresan al modelo (Schellekens, 2015).
La fracción que representa el contenido de agua líquida en la nieve disponible viene dada
por la Ecuación 3, en donde la concentración de agua líquida que exceda a la fracción
de agua contenida en la nieve seca, será la disponible para entrar al suelo. Qin es el
volumen de agua añadido al módulo de suelo, SW el contenido de agua libre de la nieve,
Magdalena
SD es el contenido de nieve seca y WHC es un parámetro definido por el usuario en el

que se establece el contenido de agua de la nieve seca. (Schellekens, 2015).
𝑄𝑖𝑛 = max{(𝑆𝑊 − 𝑊𝐻𝐶 ∗ 𝑆𝐷); 0.0}

Ecuación 3 Volumen de agua disponible para infiltración (Schellekens, 2015).
El software calcula el agua drenada (Qdr) y el agua infiltrada (Inet) en función de la

capacidad del suelo para retener el agua (Fc), si Fc es superada el agua no puede
infiltrarse pasando a ser escorrentía directamente. Parte del agua infiltrada se escurrirá a
través del suelo (SP), este fenómeno estará relacionado con el volumen de agua
infiltrado (Inet), la capacidad del suelo (Fc) y el contenido de agua del suelo (SM)
(Schellekens, 2015).
𝑄𝑑𝑟 = max{(𝑆𝑀 + 𝑄𝑖𝑛 − 𝐹𝑐 ); 00}

Ecuación 4 Volumen de agua drenado (Schellekens, 2015).
𝐼𝑛𝑒𝑡 = 𝑄𝑖𝑛 − 𝑄𝑑𝑟

Ecuación 5 Volumen de agua infiltrado (Schellekens, 2015).
𝑆𝑀 𝛽
𝑆𝑃 = ( ) 𝐼𝑛𝑒𝑡
𝐹𝑐
Ecuación 6 Volumen de agua que fluye a través del suelo (Schellekens, 2015).
En la Ecuación 6, β es un parámetro empírico, afecta la cantidad de suministro que es

transferido de forma rápida al contenido de agua del suelo, los valores de β suelen variar
entre 1 y 3, a mayor valor se reduce el flujo transversal e indica mayor capacidad de
absorción del suelo, porque la recarga de la zona inferior insaturada se efectúa cuando el
suelo llega a capacidad de campo (Fc) (Schellekens, 2015).
Cuando la precipitación efectiva entra al suelo ocurre la evaporación de agua desde el

suelo y la transpiración de las plantas, el modelo relaciona estos fenómenos con la
evaporación potencial (Ep) y la cantidad de agua disponible en el suelo (SM), que a su

vez depende del parámetro LP (LP<1) (Schellekens, 2015).
𝑆𝑀
𝐸𝑎 = 𝐸 ; 𝑆𝑀 < 𝑇𝑚
𝑇𝑚 𝑝
Ecuación 7 Porcentaje de agua evaporada a partir del suelo cuando el contenido de
agua del suelo es menor al límite definido (Schellekens, 2015).
𝐸𝑎 = 𝐸𝑝 ; 𝑆𝑀 ≥ 𝑇𝑚
Ecuación 8 Porcentaje de agua evaporada a partir del suelo cuando el contenido de
agua del suelo es mayor o igual al límite definido (Schellekens, 2015).
Ea es la evaporación actual, Ep es la evaporación potencial y Tm (<Fc) es el límite definido

intrínsecamente por el usuario, siendo calculado como 𝐿𝑃 × 𝐹𝑐 (Schellekens, 2015).
Wflow modela el volumen de agua que no es absorbido por el suelo como escorrentía por
medio de reservorios lineales que simulan los retardos en los cuales esta sería efectiva,
uno se define para modelar escorrentía rápida en la zona superior (ver: Ecuación 10) y el
otro para modelar escorrentía lenta en la zona inferior (ver: Ecuación 9).
𝛥𝑉𝐿𝑍 = 𝑚𝑖𝑛{𝑃𝐸𝑅𝐶; (𝑆𝑑𝑟 + 𝑆𝑃)

Ecuación 9 Incremento del volumen de la zona inferior (Schellekens, 2015).
𝛥𝑉𝑈𝑍 = 𝑚𝑎𝑥 {0.0; (𝑆𝑑𝑟 + 𝑆𝑃 − 𝑃𝐸𝑅𝐶)}

Ecuación 10 Incremento del volumen de la zona superior (Schellekens, 2015).
𝑉𝐿𝑍 es el volumen de agua contenido en la zona inferior, 𝑉𝑈𝑍 es el volumen contenido en

la zona superior, el Δ representa el incremento de estos volúmenes, 𝑃𝐸𝑅𝐶 el umbral de
percolación y 𝑆𝑑𝑟 es el volumen de agua proveniente de la escorrentía directa
El caudal total el modelo lo asume como la suma de la escorrentía superficial, la

escorrentía subsuperficial y la escorrentía subterránea (ver: Ecuación 11), entendiéndose
Magdalena
la escorrentía subsuperficial como aquella que se tiene desde la capa no saturada del
suelo hacia el río. El modelo calcula los integrantes del caudal total de forma individual
𝑄 = 𝑄𝐿𝑍 + 𝑄𝑖 + 𝑄𝑞
Ecuación 11 Caudal Total (Schellekens, 2015).
El flujo capilar (𝑄𝑐𝑓 ) es modelado con la Ecuación 12 , entendiéndolo como el flujo de

agua por el suelo hasta llegar al nivel freático o deposito con mayor contenido de agua,
asumiendo la consideración de tener el máximo flujo capilar (𝑐𝑓𝑙𝑢𝑥 (mm/día)) posible
𝐹𝑐 − 𝑆𝑀
𝑄𝑐𝑓 = 𝑐𝑓𝑙𝑢𝑥 ∗
𝐹𝑐
Ecuación 12 Flujo Capilar (Schellekens, 2015).
La escorrentía generada por el nivel superior del suelo se estima con la Ecuación 13. En
donde α determina la linealidad del modelo; el coeficiente de recesión (K) depende de: α,
el coeficiente de recesión para el flujo rápido superficial (KHQ) y la salida de un flujo en la
zona superior para el cual el coeficiente de recesión es KHQ (HQ). Estableciendo UZ
como el volumen del flujo en la zona superior con el flujo de salida HQ (ver: Ecuación
14) es posible redefinir K (ver: Ecuación 15).
𝑄𝑞 = 𝐾 ∗ 𝑈𝑍1+𝛼
Ecuación 13 Escorrentía rápida (Schellekens, 2015).
(1+𝛼)
𝐻𝑄 = 𝐾 ∗ 𝑈𝑍𝐻𝑄 = 𝐾𝐻𝑄 ∗ 𝑈𝑍𝐻𝑄
Ecuación 14 Escorrentía rápida (Schellekens, 2015).
𝐾 = 𝐾𝑄𝐻1−𝛼 𝐻𝑄 −𝛼
Ecuación 15 Coeficiente de recesión (Schellekens, 2015).
La escorrentía debida al nivel inferior del suelo (subterránea) esta modelada como un
deposito lineal dado que la tasa de escorrentía es lenta (Ver: Ecuación 16). (Schellekens,
2015)
𝑄𝐿𝑍 = 𝐾𝐿𝑍 ∗ 𝑉𝐿𝑍
Ecuación 16 Escorrentía subterránea para un paso de tiempo (Schellekens, 2015)
Wflow tiene preestablecido que para el nivel superior del suelo el comportamiento del
depósito será también lineal, para esto hace divide el flujo del nivel superior en dos, un
flujo subsuperficial que se produce en la zona inferior y un flujo rápido que se genera en
la zona superior (Ver: Figura 1-6), de esta forma se puede expresar la escorrentía de los
reservorios del nivel superior con las ecuaciones Ecuación 17 y Ecuación 18
Figura 1-6: División del nivel superior del suelo

𝑄𝑖 = 𝐾𝑖 ∗ min{𝑈𝑍1; 𝑉𝑢𝑧 }
Ecuación 17 Escorrentía rápida para un paso de tiempo (Schellekens, 2015).
𝑄𝑞 = 𝐾𝑞 ∗ max{(𝑉𝑈𝑍 − 𝑈𝑍1); 0.0}

Ecuación 18 Escorrentía subsuperficial para un paso de tiempo (Schellekens, 2015).
Como el modelamiento de la escorrentía es controlado por la percolación y por el umbral

de la zona inferior del nivel superior del suelo (UZ1), para representar las diferencias en
los tiempos de retardo de los componentes de la escorrentía es necesario que los
Magdalena
coeficientes de recesión guarden la relación de la Ecuación 19 (Lindström et al. 1997,

Schellekens, 2015).
𝐾𝐿𝑍 < 𝐾𝑖 < 𝐾𝑞

Ecuación 19 Relación entre los valores de los coeficientes de recesión (Schellekens,
2015).
Los procesos hidrológicos de flujo en ladera y el transito hidrológico en los cauces se

realizan con onda cinemática (Schellekens, 2015). usando la ecuación simplificada de
Saint-Venant descrita por Chow et al., (1988):
𝜕𝑄 𝜕𝐴
+ =𝑞
𝜕𝑥 𝜕𝑡
Ecuación 20 Ecuación de Continuidad en la Onda Cinemática.
𝑆𝑂 = 𝑆𝑓
Ecuación 21 Ecuación de Momentum en la Onda Cinemática.
La ecuación de momentum también puede expresarse en la forma:

𝐴 = 𝛼𝑄𝛽
Ecuación 22 Ecuación de Momentum en la Onda Cinemática.
La solución de la onda cinemática nos da el caudal para cada celda en cada paso de
tiempo, a través de un método iterativo, para lo que se requiere: los valores del
coeficiente de rugosidad de Manning para las celdas de los ríos (N_River) y de las celdas
restantes (N), la red de dirección de drenaje local (Local Drain Direction Network -LDD)
construida a partir del Modelo de Elevación Digital del Terreno (DEM) y el volumen de
agua generado por cada celda en cada paso de tiempo determinado por la Ecuación 11
(de Jong, 2015; Schellekens, 2015).
En la Tabla 1-1 se enlistan los 12 parámetros por celda involucrados en cada uno de los
procesos, su rango de valores probable y una breve descripción del mismo.
Tabla 1-1: Parámetros del modelo Wflow

Rango
Proceso Parámetros Unidad de Descripción
Valores
0.5 - 5.9 Máximo almacenamiento de
Intercepción ICF mm
intercepción
FC mm 30 -149 Capacidad de campo
0.71 -
Humedad del Betaseepage - Variación del grado de saturación
1.95
suelo
0.17 - Factor de evaporación
LP -
1.18 dependiente del suelo
0.001 - Coeficiente de recesión para el
K4 1/día
0.051 flujo base
K0 1/día
0.149 interflujo o flujo hipodérmico
Capa de suelo KQuikFlow 1/día
0.060 flujo rápido superficial
superior e
0.5 - Umbral a partir del cual ocurre el
inferior SUZ mm
86.4 flujo rápido superficial
0.005 - Velocidad de percolación desde
PERC mm/día
3.404 la capa superior hacia la inferior
0.001 -
Cflux mm/día Flujo Capilar máximo
1.639
0.02 – Coeficiente de Manning para las
N_river -
Enrutamiento en 0.06 celdas de ríos
el río 0.03 – Coeficiente de Manning para las
N -
0.09 otras celdas
Fuente: Ramírez Morales, 2014.
1.2.2 Modelación Hidráulica con SOBEK
SOBEK es un paquete de software desarrollado por DELTARES en asociación con el

Instituto Nacional Holandes para la gestión de aguas interiores y el tratamiento de aguas
residuales (National Dutch Institute of Inland Water Management and Wastewater
Treatment -RIZA), capaz de ejecutar la modelación de ríos, canales y tuberías, y
gestionar la vinculación de elementos de diferentes índoles para tener una visión general
más integral del funcionamiento del sistema modelado. Cuenta con 3 módulos (Rural,
Urbano y Ríos) para simular aspectos particulares de cada tipo de sistema, aunque estos
módulos pueden ejecutarse en secuencia o simultáneamente (ver: Tabla 1-2) (Deltares
System, 2015).
Magdalena
Tabla 1-2: Módulos de SOBEK
Fuente: Deltares System, 2015.
SOBEK describe el flujo de agua solucionando las ecuaciones completas de Saint

Venant; para resolver el flujo en una dimensión soluciona la ecuación de continuidad en
1D (Ver: Ecuación 23) y la ecuación de momentum en 1D (Ver: Ecuación 24) y para
resolver el flujo en dos dimensiones soluciona la ecuación de continuidad en 2D (Ver:
Ecuación 25), la ecuación de momentum 2D para la dirección x (Ver: Ecuación 26) y la
ecuación de momentum 2D para la dirección y (Ver: Ecuación 27). En las ecuaciones 2D
no se incorporan las ecuaciones descriptivas para la tensión turbulenta debido a que
aportan poca información en el cálculo del flujo de inundación. Como condiciones
iniciales y de frontera se requieren niveles de agua y/o velocidades (caudales) (Deltares
System, 2015).
𝐴𝑓 𝑄
+ = 𝑞𝑙𝑎𝑡
𝑡 𝑥
Ecuación 23 Ecuación de continuidad 1D (Deltares System, 2015).
𝑄 𝑄2 𝑧 𝑔𝑄|𝑄| 𝜏𝑤𝑖𝑛𝑑 (𝜉𝑔𝑄|𝑄|)

+ ( ) + 𝑔𝐴𝑓 ( ) + 2 − 𝑤𝑓 ( ) + 𝑔𝐴𝑓 =0
𝑡 𝑥 𝐴𝑓 𝑥 𝐶 𝑅𝐴𝑓 𝜌𝑤 𝐿𝑥
Ecuación 24 Ecuación de Momentum 1D (Deltares System, 2015).
𝑧 ℎ𝑢 ℎ𝑣
+ + =0
𝑡 𝑥 𝑑𝑦
𝑢 𝑢 𝑢 𝑧 𝑢|𝑢|
+ 𝑢 ( ) + 𝑣 ( ) + 𝑔 ( ) + 𝑔 ( 2 ) + 𝑎𝑢|𝑢| = 0
𝑡 𝑥 𝑦 𝑥 𝐶 ℎ
Ecuación 26 Ecuación de Momentum 2D para la dirección x (Deltares System, 2015).
𝑣 𝑣 𝑣 𝑧 𝑣|𝑣|
+ 𝑢 ( ) + 𝑣 ( ) + 𝑔 ( ) + 𝑔 ( 2 ) + 𝑎𝑣|𝑣| = 0
𝑡 𝑥 𝑑𝑦 𝑥 𝐶 ℎ
Ecuación 27 Ecuación de Momentum 2D para la dirección y (Deltares System, 2015).
La ecuación de continuidad para flujo en una dimensión (Ver: Ecuación 23), tiene como
propósito garantizar la conservación de masa, y depende de: la sección transversal
mojada (Af) [m2] la cual está en función del nivel de agua, el caudal (Q) [m3/s] que es el
volumen de agua que pasa un segmento de trabajo en una unidad de tiempo, el caudal
lateral (𝑞𝑙𝑎𝑡) que es el volumen de agua que entra o deja el modelo (Deltares System,
2015).
La ecuación de Momentum para flujo en una dimensión (Ver: Ecuación 24) se compone
de términos que describen la inercia quien define como se comporta la velocidad en cada
uno de los puntos de flujo, la convección que el término que garantiza la conservación del
momentum, el gradiente del nivel de agua, la fricción del lecho que es calculada
utilizando el método de Chezy clásico o por el método de Bos-Bijkerk, la fricción por el
viento y la influencia de una resistencia extra. Donde C es la constante de Chézy [m 1/2/s],
g es la gravedad [m/s2], R es el radio hidráulico [m], t es el tiempo [s], x es la distancia
hacia lo largo del canal [m], Lx es la longitud de segmento en el nodo de extra
resistencia [m], τwind es la resistencia del viento [N/m2], ξ es el coeficiente de extra
resistencia [s2/m5] y wf es el ancho de la superficie (Deltares System, 2015).
𝑄
𝑡
Ecuación 28 Término que describe la inercia en la ecuación de momentum 1D.
Magdalena
𝑄2
( )
𝑥 𝐴𝑓
Ecuación 29 Término que describe la convección en la ecuación de momentum 1D.
𝑧
𝑔𝐴𝑓 ( )
𝑥
Ecuación 30 Término que describe el gradiente del nivel de agua en la ecuación de
momentum 1D.
𝑔𝑄|𝑄|
𝐶 2 𝑅𝐴𝑓
Ecuación 31 Término que describe la fricción del lecho en la ecuación de momentum 1D.
𝜏𝑤𝑖𝑛𝑑
𝑤𝑓 ( )
𝜌𝑤
Ecuación 32 Término que describe la fricción por el viento en la ecuación de momentum
1D.
(𝜉𝑔𝑄|𝑄|)
𝑔𝐴𝑓
𝐿𝑥
Ecuación 33 Término que describe la influencia de una resistencia extra.
El método de Bos-Bijkerk para la evaluación del coeficiente de Chézy, relaciona el

coeficiente de rugosidad de Manning como función del nivel del agua (d) [m] y una
constante (γ) [1/s] que normalmente se encuentra entre 20 y 40 (Deltares System, 2015).
𝐶 = 𝛾𝑑1/3 𝑅1/6
Ecuación 34 Coeficiente de Chézy por el método Bos-Bijkerk
El coeficiente de Chézy, también puede ser calculado utilizando el método de Chézy

clásico utilizando la formulación para el coeficiente de Manning (Ver: Ecuación 35),
donde ηm es el coeficiente de Manning (Deltares System, 2015).
𝑅1/6
𝐶=
ηm
Ecuación 35 Coeficiente de Chézy por el método Chézy clásico utilizando la formulación
del coeficiente de Manning
La ecuación de continuidad para flujo en dos dimensiones (Ver: Ecuación 25) garantiza la
conservación de masa, considerando: el nivel de agua total (ℎ) [m], el nivel de agua al
plano de referencia (𝑧) [m], la velocidad en la dirección x (𝑢) [m/s] y la velocidad en la
dirección y (𝑣) [m/s] (Deltares System, 2015).
Las ecuaciones que describen de momentum para flujo en dos dimensiones (Ver:
Ecuación 26 y Ecuación 27) no son lineales a diferencia de las ecuación de momentum
para flujo en una dimensión (Ver: Ecuación 24), ni incorporan la fricción del viento u otro
elemento externo. Contienen términos para la descripción de la aceleración, el gradiente
de presión horizontal, la convección, la fricción del lecho y la fricción en las paredes
(Deltares System, 2015).
En la Ecuación 26 y Ecuación 27 |𝑢| y |𝑣| son la magnitud de la velocidad [m/s] , 𝑢 es la

velocidad en la dirección x [m/s], 𝑣 es la velocidad en la dirección y [m/s], 𝑧 es el nivel de
agua al plano de referencia [m], (ℎ) el nivel de agua total [m], 𝐶 es el coeficiente de
Chézy [m1/2/s] (Deltares System, 2015).
La solución de las ecuaciones para los modelos 1D y 2D por parte de SOBEK se

desarrolla elaborando una malla escalonada en la cual se definen los niveles de agua en
los nodos de conexión y los caudales en puntos intermedios de cada segmento. Y
utilizando un esquema Delft (Delft-scheme) solucionado por diferencias finitas implícitas y
un esquema de discretización temporal usando el número de Courant (CFL) (Dhondia &
Stelling, 2002). SOBEK emplea un algoritmo de grado mínimo con una simulación
iterativa eficiente en el caso de grandes redes y series de tiempo (Deltares System,
2015).
El número de Courant (CFL) para el modelo en 1D está definido de la forma (Deltares

System, 2015):
𝛥𝑡𝑖 ∗ 𝑄𝑖𝑡
𝐶𝐹𝐿 =
𝑉𝑜𝑙𝑖,𝑡𝑜𝑙
Ecuación 36 Número de Courant para el modelo 1D (Deltares System, 2015).
Magdalena
Donde 𝛥𝑡𝑖 es el paso de tiempo de la simulación, 𝑄𝑖𝑡 es el caudal, 𝑉𝑜𝑙𝑖,𝑡𝑜𝑙 es el volumen

total de agua contenida aguas arriba.
Mientras que el número de Courant para el modelo en 2D se define de la forma (Deltares

System, 2015):
𝛥𝑡 ∗ 𝑈𝑚,𝑡 𝑘 𝛥𝑡 ∗ 𝑉𝑛,𝑡 𝑘
𝐶𝐹𝐿 = 𝐶𝐹𝐿 =
𝛥𝑥𝑚 𝛥𝑦𝑛
Ecuación 37 Número de Courant para el modelo 2D (Deltares System, 2015)
Donde 𝛥𝑥𝑚 es el espaciamiento en la dirección x, 𝛥𝑦𝑛 es el espaciamiento en la dirección

y, 𝑈𝑚,𝑡 𝑘 y 𝑉𝑛,𝑡 𝑘 son las velocidades de flujo en las direcciones x y y en el tiempo t, y 𝛥𝑡
es el paso de tiempo.
La conexión entre la parte 1D y 2D en SOBEK es muy importante y puede influenciar los

resultados de modelación. El agua del canal principal 1D pasará a la malla 2D solo
cuando el nivel de agua alcanza el nivel más alto o el nivel más bajo de las bancas de las
secciones transversales. Independientemente de los diferentes niveles de superficie de
los bancos derecho e izquierdo, esta regla se aplica para todas las secciones
transversales (Hodžić, 2016). La Figura 1-7 muestra como se reaiza esta conexión entre
el canal principal 1D y la malla 2D.
Figura 1-7: Configuración de la conexión 1D/2D en SOBEK con el nivel más alto o el
nivel más bajo de la banca de la sección transversal
Fuente: Hodžić, 2016.
SOBEK para la conexión sigue reglas como, solo permitir la conexión de una celda por
cuadricula, asume que las redes 1D y 2D son dos capas independientes que luego se
superponen y crean los puntos de conexión basados en las coordenadas del centro de
las celdas de la malla 2D y de los nodos de cálculo de la malla 1D (ver: Figura 1-8)
(Deltares System, 2015).
Figura 1-8: Conexiones entre 1D y 2D

1.2.3 Análisis de Incertidumbre y Análisis de Sensibilidad
La incertidumbre no solo es la ausencia de conocimiento, es como una situación de

información insuficiente o inadecuada, la cual puede ser de tres tipos: inexactitud, falta de
confiabilidad y frontera con la ignorancia Sin embargo la incertidumbre puede prevalecer
en situaciones donde hay mucha información disponible; de hecho, la información nueva
puede disminuir o aumentar la incertidumbre, el conocimiento nuevo sobre los procesos
complejos pueden revelar incertidumbre que antes era desconocida o subvalorada; de
esta manera, más conocimiento muestra que el entendimiento sobre los procesos es más
limitado o que los procesos son más complejos que el pensamiento de antes (Walker et
al., 2003).
Las fuentes de incertidumbre en la modelación se pueden caracterizar como (Refsgaard

et al., 2007; Walker et al., 2003):
 Incertidumbre de contexto, es decir, en las fronteras del sistema a ser modelado. El
contexto de modelación se establece en la etapa inicial del estudio donde se
identifica el problema y se selecciona el objetivo del estudio de modelación como una
parte confinada del problema completo. Esto incluye las circunstancias económicas,
ambientales, políticas, sociales y tecnológicas que conforman el contexto del
problema.
Magdalena
 Incertidumbre en la estructura del modelo, es la incertidumbre conceptual debido al

entendimiento incompleto y las simplificaciones de los procesos modelados en
comparación con la realidad.
 Incertidumbre en las entradas, en términos de los elementos que impulsan y fuerzan
el modelo, tales como mapas de uso de la tierra y datos climáticos.
 Incertidumbre de los parámetros, es la incertidumbre asociada a los valores de los
parámetros.
 Incertidumbre técnica en la modelación, es la incertidumbre debida a la
implementación computacional del modelo, es decir, debida a las aproximaciones
numéricas, resolución espacial y temporal y fallos en el software.
 La incertidumbre total de las simulaciones del modelo, incertidumbre en las salidas
del modelo, puede ser evaluada por la propagación de incertidumbre de todas las
fuentes mencionadas anteriormente.
De igual manera se caracteriza la naturaleza de la incertidumbre como (Refsgaard, et al.,

2007; Walker et al., 2003):
 Incertidumbre epistémica, es la incertidumbre debida a la imperfección del
conocimiento, tales como: conocimiento incompleto, entendimiento limitado, modelos
imperfectos, juicios subjetivos, ambigüedades, etc., que puede ser reducida con más
investigación y esfuerzos experimentales.
 Incertidumbre variable, o incertidumbre estocástica, es la incertidumbre inherente a la
variabilidad, por ejemplo: variabilidad climática. Está asociada a la aleatoriedad
inducida por datos de entrada externos, funciones de entrada, parámetros y las
estructuras de los modelos.
Una definición para el análisis de sensibilidad sería: “El estudio de cómo la incertidumbre
en la salida de un modelo (numérico o de otro tipo) puede repartirse en diferentes fuentes
de incertidumbre en las entradas del modelo” (Saltelli, 2008). En otras palabras, el
análisis de sensibilidad muestra cuál de los parámetros de entrada tiene mayor influencia
en la incertidumbre de la salida del modelo (Hodžić, 2016).
a) Análisis de Incertidumbre
El análisis de incertidumbre tiene como objetivo la cuantificación de la incertidumbre en la

salida del modelo (Saltelli, 2008). Este análisis nos da una evaluación cuantitativa y
cualitativa de qué tan bien el modelo replica el comportamiento de los datos históricos
(Hodžić, 2016).
La Metodología para la Estimación de la Incertidumbre de Verosimilitud Generalizada

(Generalized Likelihood Uncertainty Estimation methodology - GLUE) propone que no
existe un set de parámetros óptimo que sea identificado, por el contrario un conjunto de
modelos son identificados, donde cada modelo tiene una probabilidad de representar
correctamente el sistema; se basa en un número grande de corridas del modelo dado
con diferentes sets de parámetros, escogidos aleatoriamente de distribuciones de
parámetros especificadas; en cada simulación se compara los valores observados y los
valores modelados asignándose un valor de verosimilitud que índica la capacidad de ese
conjunto de parámetros de representar al sistema (Beven & Binley, 1992).
Para el análisis de incertidumbre, se requiere (Beven & Binley, 1992; Saltelli, 2008):
 Una definición apropiada del rango de valores y/o distribuciones de probabilidad de
los parámetros considerados en la estructura del modelo.
 De acuerdo con la distribución asignada, una muestra de los valores de los
parámetros definido.
 El modelo debería correr para cada uno de los valores de la muestra, generando N
valores de salida del modelo, donde N es el tamaño de la muestra de valores de
parámetros y el número de veces que se corre el modelo.
 Una definición formal para la medida de la verosimilitud con la que se evaluará el
desempeño de las salidas del modelo. Puede utilizarse una métrica de desempeño
como el coeficiente de eficiencia de Nash-Sutcliffe.
Muchas metodologías se han desarrollado para el soporte de la evaluación de la

incertidumbre, el Análisis de Montecarlo es una de las metodologías ampliamente
utilizadas por su fácil implementación (Hodžić, 2016; Refsgaard et al., 2007).
Magdalena
i. Análisis de Monte Carlo
Las simulaciones de Monte Carlo son una técnica estadística para el cálculo de modelos
estocásticos y el análisis de propagación de errores en cálculos, su propósito es trazar la
estructura de las distribuciones de la salida del modelo. En su forma más simple, esta
distribución se mapea con el cálculo de resultados determinísticos (realizaciones) para un
gran número de sets de parámetros aleatorios con las distribuciones de probabilidad de
los datos y/o parámetros de entrada al modelo (Refsgaard et al., 2007).
El análisis de Monte Carlo requiere conocimiento de las distribuciones de probabilidad

específicas para cada uno de los parámetros y entradas del modelo y las correlaciones
entre los mismos; ambas, las distribuciones de probabilidad y las correlaciones son poco
conocidas (Refsgaard et al., 2007) y uno de los métodos más comunes para abordar esto
es el muestro mediante distribuciones uniformes de probabilidad para todos los
parámetros y/o entradas del modelo sin considerar interacciones entre parámetros
(Thorsten Wagener & Kollat, 2007).
Las simulaciones de Montecarlo son un sistema que puede ser representado como
(Hodžić, 2016):
𝑦^(𝑡) = 𝑀(𝑋(𝑡), 𝑝)
Ecuación 38 Representación del Sistema de Simulaciones de Monte Carlo
Donde 𝑀 es el modelo que cálcula las variables de salida 𝑦^(𝑡) (por ejemplo, niveles de
agua, caudales), 𝑋(𝑡) representa los valores de entrada del modelo para el tiempo t =
1,2,3,…,T (por ejemplo, la precipitación) y 𝑝 es el vector de parámetros (por ejemplo, la
rugosidad).
Para implementar la aproximación de las simulaciones de Monte Carlo, se deben seguir

los siguientes pasos (Ver: Figura 1-9):
1. Muestrear 𝑁 vectores de parámetros 𝑝
2. Correr el modelo para cada vector de parámetros 𝑦^(𝑡) = 𝑀(𝑋(𝑡), 𝑝)
3. Generar 𝑁 salidas de los 𝑁 vectores de parámetros 𝑝
4. Evaluar la distribución de la salida y/o sus parámetros (por ejemplo, media, varianza,
intervalo de confianza, cuartiles)
Figura 1-9: Diagrama de flujo

Fuente: Shrestha, 2009.
ii. Coeficiente de eficiencia de Nash–Sutcliffe

El coeficiente de eficiencia de Nash–Sutcliffe es utilizado para evaluar la capacidad
predictiva de los modelos hidrológicos y se define como (Nash & Sutcliffe, 1970):
2
∑𝑇𝑡=1(𝑄𝑜𝑏𝑠𝑖 − 𝑄𝑠𝑖𝑚𝑖 )
CE = 1 − 2
∑𝑇𝑡=1(𝑄𝑜𝑏𝑠𝑖 − 𝑄̅)
Ecuación 39 Coeficiente de Eficiencia de Nahs-Sutcliffe
Donde:
𝑄𝑜𝑏𝑠𝑖 , es el caudal observado en el tiempo i.
𝑄𝑠𝑖𝑚𝑖 , es el caudal simulado en el tiempo i.
𝑄̅ , es el caudal promedio observado en el período de tiempo T.
𝑇, es el número de pronósticos evaluados.
Magdalena
Este coeficiente de eficiencia de Nash tiene valores que van desde -∞ hasta 1. Cuando
R2 = 1, se tiene la simulación perfecta; cuando R2 = 0 significa que el promedio de las
observaciones es tan buen pronóstico como el que muestra el modelo y cuando R2 < 0
es que el promedio de observaciones es mejor pronóstico que el arrojado por el modelo
(Dawson, et al., 2007). Algunos valores sugeridos para la toma de decisiones son
resumidos en la siguiente tabla:
Tabla 1-3: Valores de referencia del Criterio de Nash-Sutcliffe

𝐑𝟐 Ajuste
< 0.2 Insuficiente
0.2 – 0.4 Satisfactorio
0.4 – 0.6 Bueno
0.6 – 0.8 Muy bueno
> 0.8 Excelente
Fuente: Molnar, 2011.
b) Análisis de Sensibilidad
El análisis de sensibilidad es concebido normalmente como una medida local del efecto
de una entrada determinada en una salida determinada; habitualmente se calcula con
sistemas computacionales de manera directa o indirecta, derivado de sistemas tales
𝜕𝑌
como 𝑆𝑓 = , donde 𝑌 es la salida de interés y 𝑋𝑖 es un factor de entrada (Saltelli, et al.,
𝜕𝑋𝑖
2004).
El análisis de sensibilidad es una aproximación para evaluar cómo los cambios en los
parámetros del modelo afectan las variables de salida, es utilizado para identificar
parámetros que no son importantes en el sistema de respuesta de los modelos y pueden
ser fijados o removidos, reduciendo la dimensionalidad del problema de calibración;
aunque también es utilizado visualizar la conexión entre la sensibilidad paramétrica y la
forma del sistema de respuesta (Wagener et al., 2001; Wagener, et al., 2002).
El análisis de sensibilidad local (Local Sensitivity Analysis – LSA) evalúa la sensibilidad

de la salida del modelo por cambios realizados sobre un parámetro mientras los otros
permanecen constantes, el método más común utilizado para cuantificar el análisis de
sensibilidad local es el método de las derivadas parciales de primer orden de factores en
puntos fijos, el cual se define como (Hodžić, 2016; Saltelli, et al., 2000):
∆𝑦𝑖
𝑆𝑖 =
∆𝑥𝑖
Ecuación 40 i-ésimo factor de sensibilidad del modelo
Donde 𝑺𝒊 es el i-ésimo factor del modelo, 𝒚 es la salida del modelo y 𝒙 es el factor que se
cambia en el modelo (ver: Figura 1-10).
Figura 1-10: Análisis de Sensibilidad para dos parámetros

Fuente:(Wang, 2016).
Esta es una estimación muy local de la sensibilidad en el espacio paramétrico. Una

estimación más global debería poder dar una indicación útil de la importancia de un
parámetro dentro de la estructura del modelo (Beven, 2004).
i. Análisis regional de sensibilidad
El análisis de sensibilidad regional (Regional Sensitivity Analysis –RSA), también

conocido como análisis de sensibilidad general o el método de Homberger-Spear-Young
(HSY) es una manera simple y cualitativa de estimar la sensibilidad del modelo basada
en simulaciones de Monte Carlo (Sieber & Uhlenbrook, 2005).
Magdalena
El método de análisis de sensibilidad basado en simulaciones de Monte Carlo, donde con

diferentes corridas de un modelo cada una usa un set aleatorio de parámetros; los
valores de los parámetros se escogen a partir de distribuciones uniformes abarcando
rangos de valores especificados para cada parámetro; los rangos deberán reflejar los
valores factibles de los parámetros para una aplicación en particular. La idea es obtener
una muestra de simulaciones del modelo a través de los valores factibles de los
parámetros (Beven, 2004; Saltelli et al., 2004; Sieber & Uhlenbrook, 2005; Wagener &
Kollat, 2007; Wagener et al., 2002).
Las simulaciones se clasifican de alguna manera en “simulaciones bien ajustadas” (𝐵) y

“simulaciones mal ajustadas” (𝐵̅); las “simulaciones bien ajustadas” (𝐵) deben ser
aquellas con un valor alto de desempeño y las “simulaciones mal ajustadas” (𝐵̅) aquellas
con valores bajos de desempeño. Se determina la función de probabilidad acumulada del
parámetro y de cada uno de los grupos del parámetro (𝐵 𝑦 𝐵̅) y se grafican contra el valor
del parámetro, para cada uno de los parámetros del modelo (ver: Figura 1-11) (Beven,
2004; Sieber & Uhlenbrook, 2005; Wagener et al., 2002).
Una separación entre las curvas de probabilidad acumulada de las “simulaciones bien
ajustadas” 𝐹(𝜃𝑥 |𝐵) y de las “simulaciones mal ajustadas” 𝐹(𝜃𝑥 |𝐵̅) indica que la
distribución inicial 𝐹(𝜃𝑥 ) se divide por la clasificación de los dos grupos (𝐵 𝑦 𝐵̅), lo que
indica que el parámetro 𝜃𝑥 es sensible. La no separación entre las curvas de probabilidad
acumulada de las “simulaciones bien ajustadas” 𝐹(𝜃𝑥 |𝐵) y de las “simulaciones mal
ajustadas” 𝐹(𝜃𝑥 |𝐵̅) se relacionan con la no sensibilidad del parámetro, sin embargo, esto
sólo es condición necesaria, pero no suficiente para la no sensibilidad del parámetro 𝜃𝑥 ;
es posible que esto ocurra por una fuerte correlación del parámetro 𝜃𝑥 con otros
parámetros (ver: Figura 1-11) (Beven, 2004; Wagener et al., 2002).
Figura 1-11: Distribuciones de probabilidad acumulada del parámetro 𝑭(𝜽𝒙 ), del

parámetro para las “simulaciones bien ajustadas” 𝑭(𝜽𝒙 |𝑩) y del parámetro para las
“simulaciones mal ajustadas” 𝑭(𝜽𝒙 |𝑩̅ ) del parámetro sensible 𝜽𝒊 y del parámetro no
sensible 𝜽𝒋
Fuente: Wagener et al., 2002.
c) Identificación del Modelo
La identificación del modelo se refiere a la identificación de todos los modelos del vector
de sets de parámetros que se pueden considerar una representación factible (por su
comportamiento) del sistema natural bajo estudio, tiene tres componentes, la estimación
de parámetros, el análisis de sensibilidad y el análisis de incertidumbre (Wagener &
Kollat, 2007).
i. Diagrama de dispersión (Dotty plots)
El diagrama de dispersión mapea los valores del parámetro y su correspondiente valor de

función objetivo y provee evaluación para la identificabilidad de los parámetros del
modelo; se gráfica el valor del parámetro contra la función objetivo, si la superficie del
diagrama de dispersión tiene claramente definido un valor máximo o mínimo
(dependiendo de la función objetivo) el parámetro se puede considerar identificable, en
caso contrario se puede considerar como no identificable (ver: Figura 1-12) (Wagener &
Kollat, 2007; Wagener, Lees, & Wheater, 2001).
Magdalena
Figura 1-12: Diagrama de dispersión con la función objetivo abias de los parámetros rt
(no identificable) y gain (identificable)
ii. Análisis regional de sensibilidad
Wagener et al., (2002, 2001) presentaron una aproximación diferente para el análisis de
sensibilidad regional, en donde las salidas del modelo se dividen en diez grupos en lugar
de dos grupos, para evitar la selección entre “simulaciones bien ajustadas” y
“simulaciones mal ajustadas”. Cada grupo de simulaciones se ordena desde el de
“mejores resultados de modelación” hasta el peor, es decir, el primer grupo tendrá el 10%
de mejores simulaciones, el segundo grupo tendrá entre el 10% y 20% de las mejores
simulaciones, el tercer grupo tendrá entre el 20% y 30% de las mejores simulaciones y
así sucesivamente (ver: Figura 1-13).
Si existen diferencias entre las distribuciones acumuladas de probabilidad del parámetro

𝜃𝑥 para cada uno de los grupos de simulaciones establecidos previamente, entonces el
parámetro es sensible; en cambio si las distribuciones acumuladas de probabilidad del
parámetro 𝜃𝑥 para cada uno de los grupos de simulaciones establecidos previamente
forman prácticamente la misma gráfica, se puede concluir que el parámetro es no
sensible (ver: Figura 1-13) (Wagener et al., 2001).
Figura 1-13: Análisis de sensibilidad regional con la función objetivo see de los
parámetros rt (no sensible) y gain (sensible)
iii. Análisis de incertidumbre
El análisis de incertidumbre se realiza utilizando la metodología de la Estimación de la

Incertidumbre de Verosimilitud Generalizada (Generalized Likelihood Uncertainty
Estimation methodology - GLUE) en la cual, para cada paso de tiempo, la salida
calculada para un parámetro un set de parámetros específico es ponderada por la
verosimilitud del set de parámetros. Para cada punto en el tiempo, una distribución de
frecuencias se genera utilizando la función objetivo que fue convertida a verosimilitud
mediante normalización y los intervalos de confianza se calculan utilizando una
interpolación lineal (Wagener & Kollat, 2007).
El valor de verosimilitud asociado para un set de parámetros se debe considerar como

una medida difusa que refleje el grado de credibilidad de los resultados del modelo con
ese set de parámetros (Beven & Binley, 1992). Unas posibilidades para la medida de
verosimilitud pueden ser la suma de errores absolutos o el Coeficiente de eficiencia de
Nash–Sutcliffe que depende de la suma del cuadrado de errores (Pappenberger, et al.,
2005).
La Figura 1-14 muestra un conjunto de 20 simulaciones de caudales para un evento de

precipitación, mientras que la Figura 1-15 muestra la incertidumbre obtenida con la
metodología GLUE de estas 20 simulaciones.
Magdalena
Figura 1-14: Conjunto de 20 simulaciones de caudales para un evento de precipitación

Fuente: Beven & Binley, 1992.
Figura 1-15: Incertidumbre en la simulación de caudales para un evento de precipitación,

la línea sólida muestra los caudales observados
Fuente: Beven & Binley, 1992.
Magdalena
2. Materiales y métodos
En este capìtulo se describen los materiales y métodos utilizados en el desarrollo de la
investigación. Se detalla la zona de estudio, los datos utilizados y la metodología seguida
en el trabajo.
2.1 Zona de estudio
La Gran Cuenca del Magdalena - Cauca se localiza entre las latitudes 1° 33' 55.96'' N y
11° 6' 45.93'' N y las longitudes 72° 17' 0.7'' W y 76° 57' 17.80'' W, posee una superficie
total de 273459 km2, equivalente a 24% del territorio colombiano, sobre la cual se
estableció el 77% de la población colombiana (ver: Figura 2-1) (CORMAGDALENA &
ONF Andina, 2007).
La longitud del río Magdalena es de 1.528 km desde su nacimiento en el macizo

colombiano a una altura de 3.685 msnm hasta su desembocadura natural en el Mar
Caribe en Bocas de Ceniza, cerca de la ciudad de Barranquilla; por otro lado, existe una
desembocadura artificial, el Canal del Dique, que con un recorrido de 115 km une al Río
Magdalena desde la localidad de Calamar hasta la bahía de Cartagena. En sus
desembocaduras el río Magdalena vierte en el Caribe un promedio de 7100 m 3/s
(CORMAGDALENA, 2007).
El principal afluente del Río Magdalena es el Río Cauca el cual tiene una longitud de
1.180 km desde su nacimiento en el páramo de Sotará en el macizo central a 4.000
msnm hasta su desembocadura en el río Magdalena en la población de Pinillos donde
aporta un caudal promedio de 2275 m3/s (CORMAGDALENA, 2007).
Magdalena
Figura 2-1: Mapa de localización de la cuenca Magdalena-Cauca

Fuente: CORMAGDALENA & ONF Andina, 2007
El río Magdalena al contar con una extensión tan grande, se ha dividido en tres sectores
geográficos (CORMAGDALENA, 2007).
 El primer sector es conocido como el Alto Magdalena, que corresponde desde el

nacimiento del río a 3.685 msnm, en el páramo de Las Papas hasta Honda que está
ubicada a 229 msnm. En este tramo el río tiene una longitud de 565 km y un área de
drenaje de 55.441 km2, con un caudal medio de 1.385m3/s.
Materiales y métodos 51
 El segundo sector es llamado Medio Magdalena, inicia en Honda y se extiende hasta

El Banco, en la desembocadura del río Cesar, ubicado a una altura de 33 msnm. Este
trayecto es de 542 km y un área de drenaje de 105.850 km2 y un caudal promedio de
4.224 m3/s.
 El tercer trayecto es conocido como Bajo Magdalena, se extiende desde El Banco

hasta la desembocadura del río en Bocas de Ceniza y la bahía de Cartagena. El río
desciende 33 m en una distancia de 400 km, con un área de drenaje de 105.250 km 2
y un caudal promedio de 7.100 m3/s a la altura de Calamar – Bolívar.
La corriente principal de la cuenca es el río Magdalena, el cual a lo largo de su curso

recibe 42 afluentes directos de orden 2, en éstos vierten sus aguas 74 afluentes de orden
3, que a su vez la reciben de 30 de orden 4 y 5 de orden 5 con área de drenaje mayor de
500 km2 (IDEAM & CORMAGDALENA, 2001). En la cuenca alta el río Magdalena recibe,
entre otras, las aguas de los ríos Paéz, Torare, Coello, Gualí, Neiva, Sumapaz y Bogotá
(ver: Tabla 2-1); en la cuenca media se reciben, entre otros, los aportes los ríos Guarinó,
Nare, La Miel, Negro, Opón y Sogamoso (ver: Tabla 2-2). Finalmente, en la cuenca baja
se constituye un delta en donde confluyen, entre otros, los ríos Cesar, Cauca y San Jorge
(ver: Tabla 2-3) (Ramírez Morales, 2014).
Otro factor importante en la Cuenca del río Magdalena, son los cuerpos de agua
diferentes a los ríos que se encuentran a través de ella. En el medio y bajo Magdalena se
encuentra una extensa red de ciénagas, caños y lagunas que contribuyen a regular el
caudal y a amortiguar las crecidas de los ríos que las alimentan (IDEAM &
CORMAGDALENA, 2001). Por lo general, las ciénagas están situadas en los sectores
medio y bajo del Magdalena, su papel regulador consiste en almacenar las aguas que
traen los ríos cuando aumenta su nivel por las lluvias durante el invierno, y dejarlas salir
durante las sequías, cuando dicho nivel desciende. Entre ellas se destaca la ciénaga de
Zapatosa, el cuerpo de agua lacustre más grande del país, formada por el río Cesar
cerca de su desembocadura. En la depresión Momposina se encuentran las ciénagas de
Chilloa, Los Cerritos, Sudán, Grande, La Virgen y San Antonio, en el sector del bajo San
Jorge están las ciénagas de Ayapel y San Marcos (ver: Tabla 2-4) (CORMAGDALENA,
2007).
Magdalena
Tabla 2-1: Clasificación de las cuencas hidrográficas de la cuenca Magdalena-

Cauca, Alto Magdalena
Corriente / área km2 por orden

1 2 3 4 5
Alto Magdalena
Guarapas (561)
Suaza (1585)
Ullucos 607)
San Rafael
Páez (1565) La Plata (1493)
(628)
Negro (639) Aguacatel (628)
Yaguará (1510) Íquira 572)
Neiva (1199)
Bache (1501)
Villavieja (573)
Aipe (958)
Pata (592)
Cabrera (2500)
Prado (1519) Negro (528)
Río Magdalena
Blanco (574)
Ata (1257)
Amoya (1409)
Saldaña (9240)
Tetuán (800)
Ortega (685)
Cucuana (1840) Chili (696)
Luisa (752)
Sumapaz
(3142)
Balsillas (584)
Bogotá (5987)
Apulo (538)
Coello (1767)
Seco (546)
Q. La China (907)
Totaré (1524)
Q. Alvarado (865)
Recio (656)
Lagunilla (868)
Gualí (815)
Fuente: CORMAGDALENA, 2007.

Magdalena Medio
2
Corriente / área km por orden
1 2 3 4 5
Medio Magdalena
Guarinó (783)
La Miel (2200) Samaná Sur (1279)
Tobia (948)
Negro (4610)
Chirche (772)
Cocorná (845)
Ermitaño (501)
Samaná Norte Santo Domingo (1421)
Nare (5756) (2565) Guatapé (647)
Nus (842)
Volcán (870)
San Bartolomé (2645)
La Honda (964)
EL Guazo (650)
Horta (1128)
Cararé (7263)
Guayabito (922)
San Juan (740)
Río Magdalena
Opón (3470) Oponcito (1441)

Moniquirá (1150)
Ubasa (604)
Suárez (9823) Lenguaruco (641)
Bartolomé (Obita) (826)
Fonce (2160) Taquizá (706)
Sogamoso (23450) Chiquito (514)
Minas (583)
Chicamocha Nevado (1143)
(10323) Servitá (1160) Tunebo (506)
Onzaga (576)
Guaca (512)
Cimitarra (4093)
Taracué (706)
Simití (Santo
Boque (875) Inanea (555)
Domingo) (3043)
Platanal 524)
Cáchira del Sur (7109)
Lebrija (8790) Río de Oro (566)
Cáchira (2606) San Alberto (718)
Morales
La Honda (550)
Brazo
de
Arenal (Norosí) (878)

Simana El Carmen (900)
Magdalena

Bajo Magdalena
Corriente / área km2 por orden
1 2 3 4 5
Bajo Magdalena
Guatapurí (510)
Badillo (623)
Magiraimo (573)
Cesarito (1708) Diluvio (504)
Garupal (1008)
Río Magdalena
Pernambuco (1198)
Cesar (21590)
Cascara (1258)
Calenturitas (1370) Tocuy (506)
Chimila (714)
Ariguani (5050)
Mallorquín (1039)
Animegrande (785)
Animito (5109)
Caño Culebra (510)
Caño Chimicua (3687)
Sevilla (600)
Santa Marta
Grande de
Ciénaga
aferente
Cuenca
Fundación (800)
(6858)
Áracataca (850)
Tucurinca (700)
Frío (500)
Palacé (658)
Ovejas (834)
Palo (1585) Paila (501)
Fraile (1165)
Amaime (799)
Tuluá (1118)
Bugalagrande (666)
La Vieja (2165) Barragán (665)
Risaralda (1265)
Río Magdalena Brazo de Loba
Campoalegre (532)
Chinchiná (1014)
Cauca (59840)
Otún (601)
Chamberly (514)
Arma (1776) Buey (835)
San Juan (1820)
Ituango (500)
San Andrés (5479)
Tarazá (5149)
Man (717)
Grande (1179)
Porce (Medellín) (5132)
Nechí (13886) Mata (925)
Tigui (2574) Bagre (860)
San Pedro (1193)
Caño Ure (669)
Caño Carate (3073)
San Jorge (16700)
Caño Dorada (561)
Caño Corozal (726)
Caño Mojana (1102)
Tabla 2-4: Ciénagas importantes en la cuenca del río Magdalena

CIÉNAGA DEPARTAMENTO ÁREA
(km2)
Tesca o La Virgen Bolívar 10.79
Canaletal Bolívar 10.09
Capote Bolívar 49.61
Cerro de San Antonio Magdalena 35.43
Ayapel Córdoba 79.20
La Auyamia Magdalena 32.65
La Piedra Magdalena 22.08
Machado Sucre 50.22
Malibú Magdalena 49.72
María la Baja Bolívar 23.64
Mendegua Magdalena 17.05
Pajaral Magdalena 155.59
Paredes Santander 12.62
Pijino Magdalena 19.06
Plato Magdalena 79.27
Simití Bolívar 22.25
Zapatosa Cesar-Magdalena 287.85
El Medio Bolívar 37.80
El Morro Magdalena 18.24
El Pinalito Bolívar 14.79
El Rubio Cesar 23.25
Florida Sucre 29.46
Grande Atlántico-Bolívar-Sucre 54.88
Grande de Santa Marta Magdalena 436.03
Mantequera Bolívar 89.45
Sapayán Magdalena 48.3
Ciénagas de Tumarado Atlántico 15.14
Complejo Astilleros Sucre 126.36
Complejo Castillo Bolívar-Sucre 21.83
Complejo Las Islas Bolívar-Sucre 108.31
Fuente: IDEAM & CORMAGDALENA, 2001.
2.1.1 Modelo Hidráulico
El Modelo Hidráulico del Río Magdalena abarca el tramo desde la estación hidrológica de
Puerto Salgar (en el puente que comunica a Puerto Salgar - Cundínamarca con La
Dorada – Caldas) hasta la desembocadura hasta la desembocadura del río en Bocas de
Ceniza (en la ciudad de Barranquilla), incluyendo además los siguientes tramos (ver:
Figura 2-2):
Magdalena
 El Río Cauca desde la estación La Coquera (en el municipio de Caucasia) hasta su

confluencia con el Río Magdalena (en el municipio de Pinillos).
 El Canal del Dique desde la bifurcación con el Río Magdalena (en Calamar) hasta la
bahía de Cartagena.
 Ambos tramos paralelos del Rio Magdalena, Brazo de Loba y Brazo de Mompóx.
 Brazo Santodomingo (Boque) que deja el Río Magdalena en las inmediaciones de la

población de Puerto Wilches y se une al Brazo de Simití.
 Brazo de Simití que deja el Río Magdalena en las proximidades de la población de

Badillo y se une al Brazo Morales aproximadamente en la población de Morales.
 Brazo Morales que deja el Río Magdalena 12 km aguas abajo de la población de

Badillo y se une nuevamente al Río Magdalena aproximadamente en la población de
Regidor.
 Caño Mojana que deja el Río Cauca en las inmediaciones de la población de

Guaranda y llega al Río San Jorge en las cercanías de la población de Boca de San
Antonio.
 Tramo final del Río San Jorge, desde la población de Boca de San Antonio hasta su
desembocadura en el Brazo de Loba.
 Brazo La Victoria que sale del Brazo de Loba en las cercanías de la población de
Barranco de Loba y posteriormente se divide en el Caño Violo y el Brazo de
Guayabal en las proximidades de la población de La Victoria.
 Brazo de Guayabal que parte del Brazo La Victoria en la población de La Victoria y va

hasta el Brazo de Loba en la población de Santa Rosa.
 Caño Violo que parte del Brazo La Victoria en la población de La Victoria y va hasta
el Caño Chicagua en la población de Palenquito.
 Caño Chicagua que sale del Brazo de Loba en la población de Pinillos y regresa a
este en la población de Cicuco.
Figura 2-2: Extensión del Modelo Hidráulico
2.1.2 Modelo Hidrológico
El modelo hidrológico tiene como principal función, determinar los caudales aportantes de
los principales tributarios del sistema fluvial modelado hidráulicamente. A partir de la
Tabla 2-2 y de la Tabla 2-3 y del dominio de estudio del modelo hidráulico se definieron
las cuencas a ser modeladas hidrológicamente, las cuales se enlistan a continuación:
Magdalena
Cuenca del Río Negro, Cuenca del Río La Miel, Cuenca del Río Cocorná, Cuenca del Río
Nare, Cuenca del Río Ermitaño, Cuenca del Río San Bartolomé, Cuenca del Río Carare,
Cuenca del Río Opón, Cuenca del Río Sogamoso, Cuenca del Río Cimitarra, Cuenca del
Río Santodomingo, Cuenca del Río Lebrija, Cuenca de la Quebrada La Honda, Cuenca
de la Quebrada Arenal, Cuenca del Río Simaná, Cuenca del Río Cesar, Cuenca del Río
Nechi, Cuenca del Río Caribona, Cuenca del Río San Jorge, Cuenca del Caño Culebra y
la Cuenca del Caño Chimicua (ver: Figura 2-3).
Figura 2-3: Extensión del Modelo Hidrológico.

2.2 Descripción de los datos

´
A continuación, se describirá la información temporal y espacial utilizada en el desarrollo
del presente trabajo.
2.2.1 Datos Temporales
Se cuenta series de tiempo puntuales de variables climatológicas a escala diaria de la

macrocuenca Magdalena-Cauca desde Enero de 1980 a Diciembre de 2014.
Adicionalmente se cuenta tiene información hidrológica (caudales y niveles) a resolución
diaria de los ríos Cauca, Magdalena y algunos tributarios desde Enero de 1980 a
Diciembre de 2013.
a) Series de Tiempo Climatológicas
El modelo hidrológico Wflow se alimenta de información climatológica con mapas raster.

Las variables requeridas por el modelo son: Precipitación, Evaporación y Temperatura.
Se tomaron las series de tiempo diarias de los siguientes parámetros: Precipitación Total
(mm), Temperatura promedio (°C) y Evaporación Total (mm); medidos puntualmente en
estaciones Pluviometricas, Pluviográficas, Climatológicas Ordinarias, Climatológicas
Principales, Sinópticas Principales, Sinópticas Suplementarias, Meteorológicas
Especiales y Agrometeorológicas del Instituto de Hidrología, Meteorología y Estudios
Ambientales de Colombia – IDEAM –. Cada uno de los tipos de estaciones tiene
mediciones de diferentes parámetros, la Tabla 2-5 muestra los parámetros medidos por
cada tipo de estación.
Magdalena
Tabla 2-5: Parámetros medidos por cada tipo de estación

Tipo de Estación / Parámetro Precipitación Temperatura Evaporación
Total (mm) promedio (°C) Total (mm)
Pluviométrica (PM) X
Pluviográfica (PG) X
Climatológica Ordinaria (CO) X X X
Climatológica Principal (CP) X X X
Sinóptica Principal (SP) X X X
Sinóptica Suplementaria (SS) X X X
Meteorológica Especial (ME) X X X
Agrometeorológica (AM) X X X
Fuente: IDEAM, 2008
En total se contó con 1969 estaciones con registros de precipitación, 292 estaciones con
registro de evaporación y 392 estaciones con registros de temperatura (ver: Figura 2-4).
Figura 2-4: Localización de las estaciones climatológicas dentro de la cuenca

Magdalena-Cauca
b) Series de Tiempo Hidrológicos
En la construcción del modelo hidrológico e hidráulico para el medio y bajo Magdalena se

consideraron las series de tiempo de caudales y niveles a resolución diaria de los
siguientes tramos de río y tributarios (ver: Tabla 2-6, Figura 2-5 y Figura 2-6):
 El Río Magdalena desde Puerto Salgar hasta Barranquilla incluyendo el Brazo de
Mompox, el Brazo de Loba, el Brazo La Victoria, el Caño Violo, el Caño Chicagua, el
Brazo de Quitasol y el Canal del Dique.
 El Río Cauca desde la estación La Coquera (en el municipio de Caucasia) hasta su

confluencia con el Río Magdalena
 El Caño Mojana.
 El Río Negro
 El Río La Miel
 El Río Nare
 El Río San Bartolomé
 El Río Sogamoso
 El Río Caribona
Adicionalmente, en las estaciones de los ríos Magdalena y Cauca se consideró el valor

de cota cero de las estaciones para convertir los valores locales de nivel de agua de cm a
MSNM. Por último, se consideró la localización XY en coordenadas Magna Sirgas Bogotá
(EPSG 3116) y WGS84 (EPSG 4326) de las estaciones.
A continuación, se muestra las estaciones hidrológicas disponibles en la zona de estudio

del modelo hidrológico e hidráulico y los parámetros medidos en cada una de ellas;
además de su valor de cota cero.
Magdalena

hidráulico.
INFORMACIÓN DISPONIBLE COTA
CÓDIGO NOMBRE CORRIENTE CAUDAL NIVEL NIVEL CERO
(m3/s) (cm) (msnm) (msnm)
23067040 Puerto Libre Río Negro X
23057140 San Miguel Río La_Miel X
23087210 Canteras Río Nare X
Río San X
23107020 La Bodega
Bartolomé
Puente
24067020 Río Sogamoso X
Sogamoso
25027910 La Raya Río Caribona X
23037010 Puerto Salgar Río Magdalena X X X 165.92
23097040 Puerto Inmarco Río Magdalena X X 124.571
23097030 Puerto Berrío Río Magdalena X X X 104.58
23117030 Barrancabermeja Río Magdalena X X 70.49
23167010 Peñas Blancas Río Magdalena X X
23187010 Puerto Wilches Río Magdalena X X 59.14
23207040 San Pablo Río Magdalena X X 54.61
23187280 Sitio Nuevo R11 Río Magdalena X X X 46.58
23187120 Badillo Río Magdalena X X 43.04
23217030 El Contento Río Magdalena X X X 34.74
23217020 Gamarra Río Magdalena X X 32.46
23217060 La Gloria Río Magdalena X X 28.98
25027410 Regidor Río Magdalena X X X 23.432
25027330 Peñoncito Río Magdalena X X X 19.75
25027020 El Banco Río Magdalena X X X 19.61
Brazo de X X X 15.716
25027320 San Roque
Mompox
Brazo de X X X 9.716
25027370 Santa Ana
Mompox
25027420 La Victoria Caño Violo X X
25027570 Palenquito Caño Chicagua X X X 10.638

hidráulico.
INFORMACIÓN DISPONIBLE COTA
CÓDIGO NOMBRE CORRIENTE CAUDAL NIVEL NIVEL CERO
(m3/s) (cm) (msnm) (msnm)
25027580 Guaymaral Caño Chicagua X X X 10.608
26247020 La Coquera Río Cauca X X X 46.39
25027050 Margento Río Cauca X X X 34.25
25027270 Las Flores Río Cauca X X X 27.7
25027200 Las Varas Río Cauca X X X 22.61
25027640 Tres Cruces Río Cauca X X X 14.66
25027500 Majagual Caño Mojana X X 18.04
25027110 Sucre Caño Mojana X X 14.16
25027490 Las Aguadas Brazo de Loba X X X 17.38
25027390 Las Palomas Brazo Quitasol X X X 16.111
25027630 Rio Nuevo Brazo Quitasol X X X 16.076
25027360 Armenia Brazo de Loba X X X 12.29
25027930 Coyongal Brazo de Loba X X X 10.79
25027290 Sitio Nuevo Brazo de Loba X X X 10.432
25027530 Barbosa Brazo de Loba X X X 10.63
25027680 Magangué Brazo de Loba X X X 8.54
25027450 Plato Río Magdalena X X 0.045
29017010 Tenerife Río Magdalena X X 0.06
29037020 Calamar Río Magdalena X X X -0.353
29037020 Dársena Río Magdalena X X -0.657
29037360 Incora K7 Canal del Dique X X X -0.36
Compuertas
29037800 Canal del Dique X X
Canal del Dique
29037080 Gambote Canal del Dique X X X -3.97
29037370 Santa Helena 1 Canal del Dique X X X -5.08
29037450 Santa Helena 2 Canal del Dique X X X -4.3
Fuente: CORMAGDALENA & LEH-UN, 2007; IDEAM, 2012, 2013a, 2013c, 2013b, 2014
Magdalena
Figura 2-5: Estaciones Hidrológicas en el Modelo Hidráulico.

Figura 2-6: Estaciones Hidrológicas en el Modelo Hidrológico.

Magdalena
2.2.2 Datos Espaciales
El modelo hidrológico Wflow se utiliza información geográfica que represente el relieve, el

tipo de suelo y el tipo de cobertura del suelo dentro de la cuenca. La información utilizada
se describe a continuación:
 Modelo de Elevación Digital de Terreno SRTM de la Misión de la NASA del año 2000,
con resolución de 30x30 m, el cual fue corregido en alturas para Colombia por el
Instituto Geográfico Agustín Codazzi – IGAC.
 Mapa de Tipo de Suelo del Instituto Geográfico Agustín Codazzi – IGAC a escala
1:500.000
 Mapa de Cobertura de Suelo de la Cuenca Magdalena-Cauca Corine Land Cover a
escala 1:100.000 del Instituto de Hidrología, Meteorología y Estudios Ambientales –
IDEAM, la Corporación Autónoma Regional para el río Grande de la Magdalena –
CORMAGDALENA y el Instituto Geográfico Agustín Codazzi – IGAC.
 Red de drenaje del Instituto Geográfico Agustín Codazzi – IGAC.
 Localización XY de las estaciones meteorológicas.
El conjunto de datos espaciales utilizados en la construcción del modelo hidráulico se

muestra a continuación:
 Secciones transversales en formato XYZ del canal navegable, realizadas por la
Corporación Autonóma Regional del Río Grande de la Magdalena –
CORMAGDALENA con las siguientes características:
o Sector Puerto Salgar - Puerto Berrío Año 2009.
o Sector Puerto Berrío - Barrancabermeja Año 2011.
o Sector Barrancabermeja - Barranquilla Año 2013.
o Brazo de Mompox Año 2008, al inicio y final del brazo; sin secciones en la
zona intermedia.
o Canal del Dique Año 2000.
o Tramo del Río Cauca Año 2000.
 Modelo de Elevación Digital de Terreno SRTM de la Misión de la NASA del año 2000,
con resolución de 30x30 m, el cual fue corregido en alturas para Colombia por el
Instituto Geográfico Agustín Codazzi – IGAC.
 El Área afectada por Inundaciones 2010-2011 del Instituto Geográfico Agustín
Codazzi – IGAC, el Instituto de Hidrología, Meteorología y Estudios Ambientales –
IDEAM y el Departamento Administrativo Nacional de Estadística – DANE.
 Localización XY de las estaciones hidrológicas y su cota cero.
2.3 Construcción del modelo
A continuación, se describirá el procedimiento de construcción del modelo hidrológico

Wflow y del modelo hidráulico SOBEK de la cuenca media y baja del río Magdalena.
2.3.1 Modelo Hidrológico
Los elementos de la construcción del modelo hidrológico son descritos en su mayoría por
Ramírez Morales (2014). Wflow tiene como variables de entrada mapas estáticos
(modelo de elevación del terreno, mapa de cobertura de suelo y mapa de tipo de suelo) y
mapas dinámicos (precipitación, evaporación y temperatura) en formato ráster.
a) Mapas dinámicos
A partir de la información climatológica disponible se construyeron los mapas dinámicos

de precipitación, evaporación y temperatura. Ramírez Morales (2014) modeló con wflow
la macrocuenca Magdalena-Cauca, para ello interpoló los datos climatológicos de
precipitación, evaporación y temperatura con el Inverso del Cuadrado de la Distancia con
resoluciones espaciales de 1kmX1km y 2kmX2km encontrando que no hay una mejora
significativa del desempeño del modelo al utilizar la mayor resolución espacial. Angarita
(2015) modeló con WEAP la macrocuenca Magdalena-Cauca, para lo que interpoló a
resolución espacial de 2kmX2km las series meteorológicas de temperatura, precipitación,
humedad relativa, velocidad de viento y cobertura de nubes, concluyendo que uno de los
Magdalena
mejores métodos de interpolación de los utilizados es el Inverso del Cuadrado de la

Distancia.
Los mapas dinámicos en formato ráster se crearon utilizando el método de interpolación

espacial del Inverso del Cuadrado de la Distancia, un método de interpolación
ampliamente utilizado en campos, tales como la hidrología, climatología y ciencias de la
tierra (Angarita, 2015; Ashraf, et al., 1997; Santos, 2010; Ware, et al., 1991). La
resolución espacial adoptada para proporcionar los valores de precipitación, evaporación
y temperatura para la cuenca Magdalena-Cauca fue de 2km. La ecuación que describe
este método de interpolación se muestra a continuación:
−2
∑𝑁
𝑖=1 𝑘𝑖 𝑑𝑥𝑦𝑖
𝑘𝑥𝑦 = −2
∑𝑁
𝑖=1 𝑑𝑥𝑦𝑖
Ecuación 41 Ecuación particular del método del Inverso del cuadrado de la distancia
(Bartier & Keller, 1996)
Donde, ki es el valor de control para el punto de muestreo i, dxyi es la distancia entre kxy y
ki, kxy es el punto a estimar y N es el número de puntos de muestreo.
Para la construcción de los mapas climatológicos se desarrollaron un conjunto de rutinas

computacionales en MatLab y Python, las cuales se describen brevemente a
continuación:
 interpolacionCuencaMag.m: este script lee los datos de precipitación PREC.xlsl,

evaporación EV,xlsl y temperatura TEMP.xlsl (ver: Anexo: Datos Climatológicos
Cuenca Magdalena-Cauca), los cuales tienen un formato de tres hojas de cálculo
llamadas ‘INVENTARIO’ Y ‘VALOR’. En la hoja ‘INVENTARIO’ se encuentra la tabla
con los datos de identificación (CODIGO, NOMBRE) y localización (LATITUD,
LONGITUD) de las estaciones y en la hoja ‘VALOR’ se encuentra la serie de tiempo
del parámetro climatológico de cada una de las estaciones. Adicionalmente lee un
shapefile (.shp) que establece los límites de la cuenca y del campo interpolado (ver:
Anexo: Script de interpolación de datos climatológicos). Finalmente llama a las
funciones:
o surfergriddata.m: que realiza una conexión con el software surfer para

realizar la interpolación espacial utilizando el inverso del cuadrado de la
distancia (ver: Anexo: Script de conexión con Surfer para interpolar datos
espaciales utilizando el Inverso del Cuadrado de la Distancia), y
o createTRMM.m: que guarda el campo interpolado en formato Network

Common Data Format - NetCDF (ver: Anexo: Script de conexión con Surfer
para interpolar datos espaciales utilizando el Inverso del Cuadrado de la
Distancia) llamando a cada mapa con un nombre compuesto por las
características de fecha y nombre de la variable de la siguiente forma:
1 enero 2000 2 enero 2000 31 diciembre 2012

Precipitación PREC_2000-01-01.nc PREC_2000-01-02.nc  PREC_2000-12-31.nc
Evaporación EV_2000-01-01.nc EV_2000-01-02.nc  EV_2000-12-31.nc
Temperatura TEMP_2000-01-01.nc TEMP_2000-01-02.nc  TEMP_2000-12-31.nc
 rasterización.py: este script lee los mapas en NetCDF utilizando las funciones
MakeNetCDFRasterLayer_md y CopyRaster_management del paquete arcpy de
ArcGIS que corre en Python.
o MakeNetCDFRasterLayer_md crea una capa ráster a partir de un archivo

NetCDF, tiene como parámetros de entrada: In_netCDF_file: archivo de
entrada NetCDF, Variable: Variable del archivo NetCDF utilizada para asignar
valores de celda al ráster de salida. Es la variable que se mostrará,
X_dimension: dimensión netCDF utilizada para definir las coordenadas de
longitud o x de la capa de salida, Y_dimension: dimensión netCDF utilizada
para definir las coordenadas Y o la latitud de la capa de salida.
Band_dimension: Dimensión de NetCDF utilizada para crear bandas en el
ráster de salida. Dimensión_values: Valor de la dimensión que se va a utilizar
al mostrar la variable en la capa de salida y Value_selection_method:
Especifica el método de selección del valor de dimensión. Y como variable de
salida: Out_raster_layer: Nombre de la capa ráster de salida.
o CopyRaster_management guarda una copia de un dataset ráster o convierte

un dataset de mosaico en un único dataset ráster, tiene como parámetros de
Magdalena
entrada: In_raster: Dataset ráster o dataset de mosaico que desea copiar.

Config_keyword: Parámetros de almacenamiento para geodatabase de
archivos. Background_value: Especificación para los valores no deseados.
Nodata_value: Valores a establecer como NoData en el dataset del ráster de
salida. Onebit_to_eightbit: Especificación de conversión de 1 bit a 8 bit.
Colormap_to_RGB: Especificación de conversión del dataset de entrada a
dataset de 3 bandas. Pixel_type: Profundidad de bit, o resolución radiométrica
del dataset ráster. Scale_pixel_value: ajuste de pixeles al nuevo rango.
RGB_to_Colormap: Factor de conversión para un ráster de 8 bits y 3 bandas
a un raster en banda única con un mapa de color. Format: Formato de salida
del ráster. Transform: Transformación asociada de salida asociada al ráster. Y
como variable de salida: Out_raster_ rasterdataset: Nombre de la capa ráster
de salida.
Cada mapa ráster se llamó con un nombre compuesto por las características de fecha y
nombre de la variable de la siguiente forma:
Precipitación PREC_2000-01-01.tif PREC_2000-01-02.tif  PREC_2000-12-31.tif
Evaporación EV_2000-01-01.tif EV_2000-01-02.tif  EV_2000-12-31.tif
Temperatura TEMP_2000-01-01.tif TEMP_2000-01-02.tif  TEMP_2000-12-31.tif
 convert_to_MAP_gdal_EV.txt, convert_to_MAP_gdal_PREC.txt,
convert_to_MAP_gdal_TEMP.txt: son archivos de texto plano que contienen
instrucciones para ser ejecutadas en el símbolo del sistema (Command prompt -
cmd.exe) para convertir los mapas climatológicos de formato GeoTIFF al formato
.MAP utilizado por PCRaster (ver: Anexo: Instrucciones para la rasterización de
mapas climatológicos). Para esto se utilizó la herramienta GDAL (Geospatial Data
Abstraction Library), más específicamente la función gdal_translate, la cual se utiliza
para convertir archivos ráster de diferentes formatos. Cada mapa tiene un nombre
compuesto por las características de fecha y nombre de la variable de la siguiente
forma:

Precipitación PREC_2000-01-01.map PREC_2000-01-02.map  PREC_2000-12-31.map
Evaporación EV_2000-01-01.map EV_2000-01-02.map  EV_2000-12-31.map
Temperatura TEMP_2000-01-01.map TEMP_2000-01-02.map  TEMP_2000-12-31.map
 cambio_nombre.m: cambia los nombres de los archivos .MAP, ya que por

requerimiento de wflow estos deben seguir una secuencia numérica de la siguiente
forma (ver: Anexo: Script que cambia los nombres de los mapas para ser usados en
wflow.):

Precipitación P0000000.001 P0000000.002  P0000005.114
Evaporación PET00000.001 PET00000.002  PET00005.114
Temperatura t_as00000.001 t_as00000.002  t_as00005.114
A manera de ejemplo, en la Figura 2-7 se muestran los mapas de precipitación,

evaporación y temperatura del 19 de febrero de 2008. El período de simulación del
Modelo Hidrológico wflow va desde el 01/01/1999 al 31/12/2012.
Figura 2-7: Mapas de Precipitación, evaporación y temperatura para el 19 de Febrero de

2008
Fuente: Ramírez Morales, 2014
Magdalena
b) Mapas estáticos
El mapa de relieve corresponde al Modelo de Elevación Digital SRTM de la NASA del

año 2000, con resolución de 30m, el cual fue corregido en alturas para Colombia por el
IGAC. Este mapa es un ráster en formato GeoTIFF, por lo que fue transformado al
formato ráster de PCRaster (extensión. map) con el software Quantum GIS. La Figura
2-8 muestra el modelo digital de terreno de la cuenca Magdalena-Cauca.
Figura 2-8: Mapa de relieve-Modelo de Elevación Digital del Terreno

El mapa de tipo de suelo es un shapefile con escala 1:500000 de todo el territorio

colombiano. Inicialmente se realizó la extracción del mapa para la cuenca Magdalena–
Cauca, luego se realizó una reclasificación de las nomenclaturas para los tipos de suelo.
La nomenclatura original corresponde a la asignada por el IGAC, en esta nomenclatura
cada clasificación tiene una correspondencia según porcentaje de componentes de
textura: arena, limo, arcillo y materia orgánica (ver: Tabla 2-7), con ello y a partir de la
clasificación del Servicio de Conservación de Suelos de los Estados Unidos (USSCS) se
realizó la reclasificación por agrupación de texturas (ver: Tabla 2-8). Posteriormente el
mapa de tipo de suelo se transformó de shapefile a ráster con 2km de resolución
utilizando el método de la mayor área, en el cual el valor de la celda toma el valor del
polígono con mayor área dentro de la respectiva celda; finalmente el ráster se transformó
al formato ráster de PCRaster (ver: Figura 2-9).
Tabla 2-7: Nomenclatura tipo de suelos IGAC.

DXF_TEXT PORC_COMP_
100cd2 40, 35, 20
53fg 60, 30, 10
46cd 30, 30, 30, 10
Fuente: Ramírez Morales, 2014
Tabla 2-8: Nomenclatura tipo de suelo sintetizada para el modelo Wflow

Numeración Descripción
1 Cuerpos de Agua
2 Zonas Urbanas
3 Arcilla
4 Franco Arcilloso
5 Franco
6 Arena Arcillosa
7 Franco Arcillo Arenosa
8 Franco Arenoso
9 Franco Limoso
Figura 2-9: Mapa de tipo de suelo

Magdalena
El mapa de cobertura de suelo es un shapefile con resolución 1:100000 con la

metodología Corine Land Cover para la cuenca Magdalena–Cauca. Inicialmente se
realizó una reclasificación de las nomenclaturas para los tipos de cobertura de suelo,
como se muestra en la Tabla 2-9. Posteriormente el mapa de cobertura de suelo se
transformó de shapefile a ráster con 2km de resolución utilizando el método de la mayor
área, en el cual el valor de la celda toma el valor del polígono con mayor área dentro de
la respectiva celda; finalmente el ráster se transformó al formato ráster de PCRaster (ver:
Figura 2-10).
Tabla 2-9: Nomenclatura de tipos de cobertura vegetal sintetizada para el modelo Wflow
Numeración Descripción
1 Agricultura
2 Áreas descubiertas
3 Bosques
4 Pastizales
5 Cuerpos de Agua
6 Zonas pavimentadas
7 Matorrales
Figura 2-10: Mapa de tipo cobertura de suelo

Otro mapa utilizado es el de la red de drenaje, la cual fue obtenida del modelo de
elevación digital del terreno con resolución de 30m utilizando el el conjunto de
herramientas de Hidrología (Hydrology) de ArcGIS combinada con la red de ríos
digitalizada por el IGAC en la cartografía a escala 1:100.000 del país. Este mapa es
opcional en la preparación de los mapas de entrada de wflow, pero se utilizó para
garantizar que la red de drenaje del modelo corresponda lo mejor posible con la red real
de ríos (ver: Figura 2-11).
Figura 2-11 Red de ríos cuenca Magdalena-Cauca digitalizada

Fuente:Ramírez Morales, 2014.
c) Preparación
La preparación de los mapas de entrada para un modelo hidrológico distribuido no es

siempre tan sencilla. Wflow utiliza dos scripts que ayudan en el proceso, estos scripts con
la suposición que el DEM tiene mayor resolución que el DEM que va a ser utilizado en el
modelo (Schellekens, 2015). Los scripts ajustan la resolución de los mapas ingresados,
siendo la misma para todos y deriva otros 25 mapas a partir del Modelo de Elevación
Digital del Terreno, entre estos se pueden destacar los mapas de dirección y
Magdalena
acumulación de flujo, con los cuales se crea la red de drenaje y se realiza la delimitación
de las subcuencas.
Los scripts de preparación en donde se asignan los cuatro mapas de entrada y se

establecen los puntos de cierre de los 21 tributarios (ver: Anexo: Configuración para la
preparación de mapas de Wflow), esto se hace con las coordenadas geográficas del
punto de cierre. El sistema coordenado de georreferenciación corresponde al WGS-84
para todos los mapas incluyendo los climatológicos.
Los scripts de preparación se ejecutan desde la ventana de comandos de Windows de la

siguiente forma:
C:\Users\User\AppData\Local\Enthought\Canopy\User\Scripts\python.exe
"C:\Users\User\AppData\Local\Enthought\Canopy\User\Scripts\wflow_prepare_step1.py"
[-f][-h] -I wflow_prepare.ini
"C:\Users\User\AppData\Local\Enthought\Canopy\User\Scripts\wflow_prepare_step2.py"
[-f][-h] -I wflow_prepare.ini
pause
Con esto se obtienen un total de 27 mapas que representan las condiciones geográficas
de la cuenca y son necesarios para la implementación del modelo hidrológico Wflow. A
continuación, en la Figura 2-12 se muestra el resultado de la preparación con resolución
de 2km, se muestra la red de drenaje obtenida y las 21 subcuencas delimitadas con los
scripts de preparación.
Figura 2-12: Mapas de Red de drenaje y delimitación de subcuencas con resolución de 2km
d) Implementación
El período de simulación de wflow va desde el 01/01/1999 hasta el 31/12/2012, de este

período se va a evaluar el desempeño del modelo para el período comprendido entre el
01/01/2000 hasta el 31/12/2012. El tiempo comprendido entre el 01/01/1999 y el
31/12/1999 corresponde al período de calentamiento, en donde se busca establecer las
condiciones iniciales del modelo, en otras palabras, dar el nivel inicial a los tanques que
representan el proceso hidrológico.
Para la ejecución del modelo en el periodo de calentamiento es necesario tener un

directorio en donde se encuentren tres carpetas:
Magdalena
 inmaps: en donde reposan los mapas climatológicos.

 staticmaps: en donde reposan los mapas derivados de los scripts de preparación del
modelo.
 intable: en donde se encuentran las tablas con los valores iniciales de los
parámetros.
El modelo asigna valores de parámetros por cada celda según la cobertura de suelo, la
subcuenca y el tipo de suelo. Por esta razón, se encontraron todas las combinaciones
posibles de cobertura de suelo, subcuenca y tipo de suelo para construir los archivos .tbl
con los valores de los parámetros (ver Anexo: Combinación de los valores de cobertura
de suelo, subcuenca y tipo de suelo para el establecimiento de los parámetros de wflow.),
encontrándose en general un total de 324 combinaciones para los posibles valores de los
diferentes parámetros. Los valores iniciales para los parámetros fueron tomados del
trabajo de Ramírez Morales (2014).
El modelo se ejecuta desde la ventana de comandos de Windows de la siguiente

manera:
"C:\Users\User\AppData\Local\Enthought\Canopy\User\Scripts\wflow_hbv.py" -I -C
CORMA_data -R run0001 -T 5113 –f
pause
Donde:
-C denomina la carpeta donde se encuentra la información de entrada,
-R define la carpeta en donde se guardarán las salidas,
-I establece las condiciones iniciales por defecto del modelo,
-T corresponde al periodo de ejecución y
–f obliga a sobre escribir los resultados si es que ya existen.
Adicionalmente es necesario indicar, los nombres de los mapas de entrada (estáticos y

dinámicos) y las variables de salida de interés del modelo (ver: Anexo: Configuración
para la corrida de Wflow.). Los valores de caudal de las subcuencas para cada paso de
tiempo de la simulación se guardan en un archivo llamado run.csv dentro de la carpeta

run0001.
2.3.2 Modelo Hidráulico

Para el modelo hidrodinámico del Río Magdalena en el tramo entre Puerto Salgar hasta
su desembocadura incluyendo el Canal del Dique y el Brazo de Mompóx, el primer paso
que se realizó fue el de recopilar y analizar los datos disponibles para el alcance del
modelo. Posteriormente, los datos se convirtieron en formatos adecuados para su uso
directo en SOBEK y se hizo una diferenciación entre la parte puramente 1D (canal
principal), zonas inundables y de almacenamiento en 2D y se incluyeron los caudales de
los tributarios como series de tiempo obtenidas a partir del modelo hidrológico.
a) Secciones Transversales
Las secciones transversales se encuentran en un formato diferente al utilizado por

SOBEK, por lo que se deben depurar, ordenar y corregir en ocasiones. Esto hace que el
tratamiento de las secciones transversales sea el proceso más demandante y complejo
durante la etapa de construcción del modelo. Esta actividad requirió considerables
recursos en tiempo y esfuerzo.
El proceso se convirtió en una actividad iterativa con varios niveles de verificación,

basado en información secundaria y con diferentes criterios incluido uno automatizado
que se describirá más adelante.
El paso inicial para la preparación de las secciones transversales consistió en una

revisión manual de datos crudos de secciones transversales: La idea era evitar
redundancia, puntos libres, puntos atípicos e incluso mediciones sobre la ribera, entre
otros que puedan causar inconsistencias en el procesamiento de los datos. Esta
actividad se realiza principalmente en ArcGIS.
El río fue organizado en diez tramos o secciones:

Magdalena
 01_Barrancabermeja_SanPablo,
 02_SanPablo_Gamarra,
 03_Gamarra_ElBanco,
 04_ElBanco_Magangue,
 05_Magangue_Barranquilla,
 06_PuertoSalgar_PuertoBerrio,
 07_PuertoBerrio_Barrancabermeja,
 08_Canal_del_Dique,
 09_Rio_Cauca y
 10_Brazo_de_Mompox.
Cada sección transversal estaba constituida por una nube de puntos escritos en archivos
de texto, en los que se establecían las coordenadas XYZ de cada uno de los puntos.
Debido a que el procesamiento de dichos archivos era una labor enorme se estableció
una rutina computacional para desarrollar dicha tarea.
Durante el paso inicial de revisión manual muchas inconsistencias se encontraron como

puntos redundantes, puntos de ruido, en muchos casos se presentó la situación en la que
no se puede saber con facilidad si dos aparentes secciones contiguas corresponden a
dos brazos del río o a datos faltantes. En ArcGis se realizó una depuración de dichas
situaciones, en los casos en que se presentaron inconsistencias mayores, se comprobó
comparando con las secciones vecinas y con fotos satelitales, así mismo con el perfil
transversal de cada segmento de la sección.
Posteriormente se desarrollaron un conjunto de rutinas computacionales en el lenguaje

Python, con el fin de alistar los datos crudos de las secciones transversales y
organizarlos en el formato de entrada de secciones transversales de SOBEK (.def y .dat).
La rutina computacional y sus procedimientos se consideran necesarios debido a las
siguientes razones:
 El número de puntos XYZ de cada archivo es extremadamente grande, por lo que se

hace inviable.
 El número puntos XYZ dentro de cada sección transversal es muy grande, por lo que
una rutina necesita un filtrado complejo.
 La complejidad de los archivos XYZ: un archivo por cada día de las mediciones, con
puntos XYZ continuos sin ninguna división en secciones separadas sin estructura
aparente en el orden direccional de los puntos (de izquierda a derecha o de derecha
a izquierda).
 El hecho de que muchos de los muestreos no se llevaron a cabo perpendicular a la
dirección de flujo, haciendo una rutina compleja para corregir esto (ver: Figura 2-13).
Figura 2-13: Muestra de puntos de información batimétrica XYZ en el Río Magdalena.
A continuación, se describe brevemente el funcionamiento de la secuencia de rutinas

computacionales creadas para el manejo de la información batimétrica:
 XYZ_main.py: Este script llama a todas las demás funciones en sucesión. Esto
significa que es la única secuencia de comandos que el usuario realmente tiene que
usar (ver: Anexo: Script principal para el procesamiento de las secciones
transversales desde archivos .XYZ a archivos .DEF y .DAT para su uso en SOBEK.).
 XYZCloudToXYZCloudPerCRS1.py: Este script lee y procesa todos los archivos
*.XYZ de una carpeta especificada. Convierte la nube de puntos batimétricos no
Magdalena
ordenados XYZ (formato: separada por comas de archivos ascii) en forma de nubes
de puntos XYZ por sección transversal, basado en algoritmos recursivos de vecinos
más cercanos (ver: Anexo: Script para convertir el conjunto de puntos .XYZ en
archivos separados por coma .csv.).
 XYZCloudPerCRStoCRScutlines2.py: Este script utiliza las nubes de puntos por
sección transversal (la salida de secuencia XYZCloudToXYZCloudPerCRS1.py)
como entrada. Ajusta cada nube de puntos a una línea recta utilizando el método de
mínimos cuadrados. Genera archivos vectoriales (shapefiles .shp) de líneas de corte
como de salida (ver: Anexo: Script que ajusta una línea recta a cada sección
transversal.).
 IntersectCRScutlinesWithHartline3.py: Este script utiliza la salida del segundo
script (líneas de corte) y el archivo de línea central del río como entrada. Genera un
archivo tipo shape con puntos de intersección de las líneas de corte y la línea central
del río, así como un archivo vectorial (shapefile .shp) con líneas perpendiculares a la
línea central del río (ver: Anexo: Script que toma las rectas ajustadas a cada sección
transversal y las convierte perpendiculares al eje central del río.).
 ProjectXYZpointsOnLinePerpToHartline4.py: Este script utiliza la salida de las
secuencias XYZCloudToXYZCloudPerCRS1.py e
IntersectCRScutlinesWithHartline3.py como entrada. Genera un archivo csv con
nubes de puntos XYZ proyectadas en las rectas perpendiculares, así como un
archivo .csv con nubes de puntos ordenados RZ (ver: Anexo: Script que toma el
conjunto de puntos ordenados en formato .csv y las rectas perpendiculares al eje
central del río y estima las secciones transversales en formato RZ.).
 FilterRZtables5.py: Este script utiliza la salida de la escritura
ProjectXYZpointsOnLinePerpToHartline4.py como entrada. Utiliza el algoritmo de
Douglas-Peucker para filtrar las nubes de puntos RZ a una cantidad manejable. El
resultado se escribe como nubes de puntos filtradas RZ (ver: Anexo: Script que
reduce el número de puntos de las secciones transversales en formato RZ
perpendiculares al eje central del río con el algoritmo de tolerancia de Douglas-
Peucker.).
 WriteRZtablesToSobek6.py: La sexta y última secuencia de comandos utiliza la
salida del script ProjectXYZpointsOnLinePerpToHartline4.py como entrada y la
convierte en los archivos con formato Sobek, archivos PROFILE.DEF y

PROFILE.DAT (ver: Anexo: Script que utiliza las secciones transversales en formato
RZ perpendiculares al eje central con puntos filtrados y las convierte en los archivos
PROFILE.DEF y PROFILE.DAT para su uso en SOBEK..
Con los archivos PROFILE.DAT y PROFILE.DEF, junto con el archivo

CRS_intersection_points.shp, se pueden importar las secciones transversales en
SOBEK.
b) Eje Central del río
La base del modelo 1D es un archivo vectorial georreferenciado (shapefile .shp) que

muestra la alineación exacta de los tramos de los ríos que serán modelados. Este archivo
.shp se importa directamente en sobek, como una red.
Dependiendo de la utilización del modelo, la red puede seguir: la línea más profunda del
rio, la línea central del canal principal, o el eje de las llanuras de inundación. La primera
opción se utiliza normalmente para las condiciones de flujo muy bajas; la segunda opción
es adecuada para situaciones donde el flujo es medio, mientras que la tercera opción se
utiliza por lo general si las condiciones de flujo son altas.
Las simulaciones de inundación son de principal uso para el modelo. Sin embargo, existe
interés en utilizar el modelo para la navegación, quedando que el modelo debe ser
adaptado a situaciones donde el flujo es bajo, medio o alto. En consecuencia, la red del
río en el modelo seguirá la línea central del canal principal y las zonas de inundación
ahora se incluirán en la cobertura 2D.
La Tabla 2-10 muestra una evaluación de los pros y los contras de cada enfoque. El
enfoque seleccionado (1D → eje central canal principal y 2D → llanuras de inundación)
tiene un mejor comportamiento esperado para modelar las condiciones de flujos altos y
flujos bajos con el inconveniente de bajo rendimiento (tiempo de cómputo de alto).
Magdalena
Tabla 2-10: Posibles configuraciones del eje central del río y la zona 2D del modelo
SOBEK
Configuraciones del Modelo
Criterio Condición 1D → eje central canal 1D → eje central + 1D → eje central canal
principal llanuras de inundación principal + extendido a las
2D → llanuras de 2D → llanuras de llanuras de inundación
inundación inundación 2D → no usado
Niveles + -- +
Bajos
Precisión
Niveles + + --
Altos
Niveles + ++ +
Bajos
Rendimiento
Niveles -- -- +
Altos
Niveles + - +
Esfuerzo de Bajos
Modelación Niveles + + -
Altos
Niveles + - +
Funcionalida Bajos
d Niveles + + -
Altos
Fuente: Sanchez Lozano et al., 2015; Sanchez Lozano, et al., 2014
Así las cosas, se construyó el shapefile de la línea central sobre la base de las nubes de
puntos XYZ batimetrías estudiadas, considerando un vector ajustado a los puntos
centrales de cada sección transversal. Para esto, se revisó manualmente la clasificación
de las secciones realizada por la rutina de Python, luego se creó una línea central que
uniera todos los puntos medios de las líneas filtradas (es decir la información de salida
del script IntersectCRScutlinesWithHartline3.py). Por último, se suavizó la línea
central con la función smooth de ArcGIS, con el objeto de evitar los vértices en los puntos
de corte entre la línea central y las secciones transversales.
c) Condiciones de frontera
El modelo tuvo que ser dividido en tres partes para hacer frente al tiempo de cálculo, la
Figura 2-14 muestra cada uno de los subdominios en los que fue dividido el modelo. Las
condiciones de frontera de aguas arriba se definieron utilizando series de tiempo de
caudales "medidos" (los cuales se obtuvieron a partir de los niveles de agua medidos y
curvas de calibración) en las estaciones de aforo. Las condiciones de frontera aguas

abajo son series de tiempo de niveles de agua medidos en las estaciones hidrológicas.
Las condiciones de frontera aguas arriba para cada uno de los submodelos estuvieron
dadas por las siguientes estaciones:
 Modelo 1: Puerto Salgar [23037010]
 Modelo 2: Regidor [25027410] y La Coquera [26247020]
 Modelo 3: Calamar [29037020]
Las condiciones de frontera aguas abajo para cada uno de los submodelos estuvieron
dadas por las siguientes estaciones:
 Modelo 1: Regidor [25027410]
 Modelo 2: Calamar [29037020]
 Modelo 3: Darsena Barranquilla [29047080] y Santa Helena 2 [29037450]
(a) Model 1 (b) Model 2 (c) Model 3

Figura 2-14: Subdominios computacionales del Modelo Hidráulico de SOBEK para el Río
Magdalena. (a) Puerto Salgar - Regidor (b) Regidor – Calamar (c) Calamar –
Barranquilla/Cartagena.
Magdalena
i. Datos faltantes
Uno de los problemas recurrentes en la modelación hidrológica e hidráulica es la

intermitencia de la información muestreada por la red hidrometeorológica. Esto puede
afectar severamente la fiabilidad de las condiciones de frontera. Por lo cual se hace
necesario utilizar metodologías para la interpolación de los datos faltantes (Ardila
Camelo, et al., 2014).
Al estimar las funciones de correlación cruzada lineal y no lineal entre las estaciones
cercanas sobre el Río Magdalena, se observa que son significativas. Por lo que se cree
que poseen suficiente información para asumir que existe una función 𝑓 para estimar
valores de caudal faltantes. El valor del caudal es calculado utilizando la información del
𝑘+1
día anterior en una estación aguas abajo 𝑄𝑡−1 y del día siguiente en una estación aguas
𝑘−1
arriba 𝑄𝑡+1 (ver: Ecuación 42 y Figura 2-15).
𝑄̂𝑡𝑘 = 𝑓(𝑄𝑡+1
𝑘−1 𝑘+1
, 𝑄𝑡−1 )
Ecuación 42 Ecuación para completar datos faltantes (Ardila Camelo, et al., 2014).
Figura 2-15: Esquema para completar los datos faltantes

Fuente: Ardila Camelo, et al., 2014.
Debido a la forma de los periodos de datos faltantes, es posible que aguas arriba o aguas
abajo existan también datos faltantes, en donde no es posible realizar una estimación,
aquí se aplica otra función 𝑔 de interpolación. Esta función puede ser un operador
cúbico. Esta configuración de rezagos en el tiempo se implementa debido a la resolución
temporal de los datos y a que generalmente los picos de correlación cruzada se dan a un
día cuando las estaciones son cercanas.
La Figura 2-16 muestra la serie de caudales interpolada para la estación 250270410

Regidor sobre el río Magdalena, la cual se utiliza como condición de frontera aguas arriba
del Modelo 2.
Figura 2-16: Serie de caudales interpolada para la estación REGIDOR [25027410]

Fuente: Ardila Camelo, et al., 2014.
d) Malla 2D
El modelo 1D cubre sólo la parte más profunda del canal dentro del río. El resto del río
(incluyendo las llanuras de inundación) y áreas de inundación está cubierto por el modelo
2D. La malla 2D se construye a partir del Modelo de Elevación Digital del Terreno SRTM
de la NASA con resolución de 30m y el shape con el Área afectada por Inundaciones
2010-2011 del IGAC, IDEAM y DANE.
Magdalena
El DEM fue recortado al área afectada por inundaciones en el período 2010-2011 y fue
degradado con la metodología del vecino más cercano en cada sub-modelo de manera
diferente. Puesto que para el tamaño de la cuadrícula entre más pequeño significa un
mayor número de celdas y tiempos de cálculo mayores. Por tanto, es importante
encontrar un equilibrio adecuado entre el rendimiento y la precisión del modelo.
Con más de 1000 kilómetros de río incluidos en 1D y más de 30.000 km2 de área de
inundación incluidos en la parte 2D, el modelo 1D/2D cubre el área del proyecto (ver:
Figura 2-17). Por ello, se decidió utilizar celdas más bien grandes para la cuadrícula 2D,
con un tamaño de celda que varía entre 960 m (modelo 1), 1960 m (modelo 2) y 960 m
(modelo 3).
Figura 2-17: Extensión total de la red 2D activa
e) Construcción del Modelo SOBEK
La construcción del Modelo 1D-2D se basa mayormente en la importación de los archivos

de origen de GIS a Sobek, el shape del eje del río se importa como la red de drenaje, las
secciones transversales se importan a partir del shape de puntos de intersección con el

eje del río y los archivos .def y .dat de sobek generados desde algoritmos en Python que
reconocen los archivos XYZ originales. La grilla 2D, se importa a partir de nodos 2D y
archivos raster en formato asc.
Las estaciones hidrométricas se suben con el shp de puntos como “fixed calculation
points” en el caso de las intermedias y como nodos de “boundaries” en las condiciones
de frontera.
Los caudales de entrada laterales de los principales tributarios, se introducen al modelo

como nodos de conexión con flujo lateral en la localización donde el afluente entrega su
caudal al Río Magdalena, introduciendo las series de tiempo de caudales de los a a partir
de las simulaciones de wflow.
i. Coeficiente de rugosidad de Manning 1D/2D
En el canal principal (1D), se utilizaron valores del coeficiente de rugosidad de Manning

entre 0.030 y a 0.060. En la llanura de inundación (2D) se usó un valor constante de
coeficiente de rugosidad de Manning de n=0.045.
ii. Diques y Carreteras
Es crucial para determinar el patrón correcto de inundación incluir dentro del modelo los
elementos lineales elevados como la banca del río, diques y/o carreteras, que bloquean
el flujo hasta que este alcanza cierto nivel de agua. La identificación de estos elementos
se fundamentó en el conocimiento experto de la región y esta puede no incluir todos los
elementos lineales elevados.
El valor de altura de estos elementos no se conoce, por lo que se asumieron valores de

3m sobre el valor de elevación del DEM, con la excepción de algunos pocos elementos
en los que utilizó un valor de 1m sobre el valor de elevación del DEM (ver: Figura 2-18).
Magdalena
Figura 2-18: Inclusión de diques y carreteras en el modelo de elevación 2D.
iii. Brazos extras y secciones transversales
Se han agregado algunos brazos al sistema planteado inicialmente, además dado que en
muchos casos las secciones transversales no cubren el ancho completo del canal
causando que el sistema 1D no represente la capacidad hidráulica del río.
Es por esto que se reemplazaron algunas secciones por una sección trapezoidal que
representa la capacidad hidráulica y en otros casos se completaron las secciones
transversales añadiendo el nivel de banca, el cual fue seleccionado a partir de los datos
del SRTM, escogiendo la mayor elevación dentro de una zona en la línea de la sección
transversal.
Para el modelo 1 se agregaron los brazos extras de:

 Brazo Santodomingo (Boque) que deja el Río Magdalena en las inmediaciones de la
población de Puerto Wilches y se une al Brazo de Simití.
 Brazo de Simití que deja el Río Magdalena en las proximidades de la población de
Badillo y se une al Brazo Morales aproximadamente en la población de Morales.
 Brazo Morales que deja el Río Magdalena 12 km aguas abajo de la población de
Badillo y se une nuevamente al Río Magdalena aproximadamente en la población de
Regidor.
Para el modelo 2 se agregaron los brazos de:

 Caño Mojana que deja el Río Cauca en las inmediaciones de la población de
Guaranda y llega al Río San Jorge en las cercanías de la población de Boca de San
Antonio.
 Tramo final del Río San Jorge, desde la población de Boca de San Antonio hasta su
desembocadura en el Brazo de Loba.
 Brazo La Victoria que sale del Brazo de Loba en las cercanías de la población de
Barranco de Loba y posteriormente se divide en el Caño Violo y el Brazo de
Guayabal en las proximidades de la población de La Victoria.
 Brazo de Guayabal que parte del Brazo La Victoria en la población de La Victoria y va
hasta el Brazo de Loba en la población de Santa Rosa.
 Caño Violo que parte del Brazo La Victoria en la población de La Victoria y va hasta
el Caño Chicagua en la población de Palenquito.
 Caño Chicagua que sale del Brazo de Loba en la población de Pinillos y regresa a
este en la población de Cicuco.
iv. Humedales (ciénagas) y nodos de almacenamiento
Hay dos opciones para modelar el efecto de los grandes humedales sobre el
comportamiento del agua en el río Magdalena: ya sea mediante el uso de nodos de
almacenamiento con las relaciones de nivel de volumen (0D), o por la aplicación de los
humedales como parte del modelo de flujo 2D. Ambas opciones tienen sus propias
ventajas y desventajas específicas.
Magdalena
La opción 2D es mucho más lenta que la opción 0D debido al aumento del número de
celdas de la cuadrícula 2D. Por otra parte, esta opción puede dar resultados más fiables
dentro de los humedales. La opción 2D requiere que los diques y terraplenes a lo largo
del río y que rodean los humedales (sobre todo a lo largo del Cauca) se modelen en la
cuadrícula 2D. Esto, sin embargo, es difícil porque los terraplenes no pueden ser
representados adecuadamente en el conjunto de datos SRTM.
La opción 0D tiene otra dificultad: la conexión entre el nodo de humedales y el río

necesita ser modelado utilizando explícitamente 'canales de conexión humedal-canal' en
1D. Esto significa que se debe conocer el lugar exacto donde el agua fluye desde el
sistema fluvial al humedal y viceversa.
Para este proyecto se decidió modelar los humedales utilizando la opción 2D utilizando la
información el conjunto de datos SRTM como fuente de información. La principal razón
de esta decisión fue la falta de información de curvas nivel-volumen de los cuerpos de
agua cenagosos en el río Magdalena.
f) Implementación
El período de simulación del modelo SOBEK va desde el 15/09/2009 hasta el

31/03/2011, de este período se va a evaluar el desempeño del modelo para el período de
simulación entre el 01/01/2010 hasta el 31/03/2011. El tiempo comprendido entre el
15/09/2009 y el 31/12/2009 corresponde al período de calentamiento, en donde se busca
establecer las condiciones iniciales para la simulación, en otras palabras, dar el nivel
inicial a lo largo de todo el tramo de río.
El paso de tiempo escogido para la simulación es de 5 minutos, SOBEK lo actualiza de

manera automática en caso de ser necesario y evitar con ello problemas de inestabilidad
numérica. Los valores de salida de niveles de agua y caudales del modelo se
consideraron a resolución temporal diaria como un valor promedio de los valores
calculados para el día, para que así puedan ser comparables con las series de tiempo de
niveles de agua y caudales observadas en las estaciones hidrológicas.
2.3.3 Acople
El acople de los modelos hidrológico e hidráulico de la cuenca media y baja del Río
Magdalena, fue un acople unidireccional (también llamado acople externo) ya que se
intercambia información solo en una dirección, del modelo hidrológico al modelo
hidráulico.
Este acople solo tiene implicaciones en la ecuación de conservación de masa 1D del

modelo SOBEK, dado que el flujo lateral puntual, se modela como una entrada o salida
de caudal en un punto específico del eje central del río. Los caudales de los tributarios
simulados en wflow se introducen a SOBEK en el término 𝑞𝑙𝑎𝑡 de la ecuación de
conservación de masa 1D (ver: Ecuación 23).
𝐴𝑓 𝑄
+ = 𝑞𝑙𝑎𝑡
𝑡 𝑥
Donde, Af es la sección transversal mojada [m2] la cual está en función del nivel de agua,
Q es el caudal [m3/s] y 𝑞𝑙𝑎𝑡 es el volumen de agua que entra o deja el modelo [m2/s].
Para ello se utilizaron nodos “Flow - Connection Node with Storage and Lateral Flow”
ubicados en las confluencias de los ríos modelados en wflow. La Figura 2-19 muestra el
esquema en que entra el caudal lateral puntual en SOBEK.
𝑄𝑝𝑜𝑖𝑛𝑡
Figura 2-19: Caudal lateral puntual, 𝑞𝑙𝑎𝑡 =
∆𝑥
Magdalena
El espaciamiento entre nodos de cálculo en SOBEK (∆𝑥) estánrelacionados directamente

con la resolución de la malla de modelamiento 2D (ver: sección 2.3.2 (d)), es decir ∆𝑥 =
960𝑚 para los Sub-Modelos 1 y 3 y ∆𝑥 = 1920𝑚 en el Sub-Modelo 2.
Wflow determina para cada píxel en cada paso de tiempo el caudal total (ver: Ecuación
11) como la suma de la escorrentía superficial (𝑄𝑖 ), subsuperficial (𝑄𝑞 ) y subterránea
(𝑄𝐿𝑍 ). Con esto se tiene una matriz de caudales que en combinación con la red de
dirección de drenaje local (Local Drain Direction Network -LDD) construida a partir del
Modelo de Elevación Digital del Terreno (DEM) y la aplicación del tránsito hidráulico de
onda cinemática, combinando la Ecuación 20 y la Ecuación 22 determina el caudal de
salida de la cuenca en cada paso de tiempo (ver: Figura 2-20).
𝑄1,1 (𝑡) 𝑄1,2 (𝑡) 𝑄1,3 (𝑡) 𝑄1,4 (𝑡) 𝑄1,5 (𝑡)
𝑄2,1 (𝑡) 𝑄2,2 (𝑡) 𝑄2,3 (𝑡) 𝑄2,4 (𝑡) 𝑄2,5 (𝑡)
𝜕𝑄𝑝𝑜𝑖𝑛𝑡 𝜕𝑄𝑝𝑜𝑖𝑛𝑡
𝑄3,1 (𝑡) 𝑄3,2 (𝑡) 𝑄3,3 (𝑡) 𝑄3,4 (𝑡) 𝑄3,5 (𝑡) + + 𝜕𝑥
+ 𝛼𝑄𝑝𝑜𝑖𝑛𝑡 𝛽−1
𝜕𝑡
= 𝑞𝑙𝑎𝑑𝑒𝑟𝑎
𝑄4,1 (𝑡) 𝑄4,2 (𝑡) 𝑄4,3 (𝑡) 𝑄4,4 (𝑡) 𝑄4,5 (𝑡)
𝑄5,1 (𝑡) 𝑄5,2 (𝑡) 𝑄5,3 (𝑡) 𝑄5,4 (𝑡) 𝑄5,5 (𝑡)
𝑄𝑥,𝑦 (𝑡) = 𝑄𝐿𝑍𝑥,𝑦 (𝑡) + 𝑄𝑖𝑥,𝑦 (𝑡) + 𝑄𝑞𝑥,𝑦 (𝑡) Ldd.map Onda Cinemática en wflow
𝑄𝑝𝑜𝑖𝑛𝑡 (𝑡)
Figura 2-20: Procedimiento para la estimación de los Caudales de salida en wflow.

La Ecuación 43 y la Ecuación 44 muestran el tránsito hidráulico por Onda Cinemática

realizado por wflow con el cual se obtiene 𝑄𝑝𝑜𝑖𝑛𝑡 que es el caudal de cada uno de los
tributarios, que posteriormente entra a SOBEK como caudal lateral (𝑞𝑙𝑎𝑡 = ).
∆𝑥
𝜕𝑄𝑝𝑜𝑖𝑛𝑡 𝜕(𝛼𝑄𝑝𝑜𝑖𝑛𝑡 𝛽 )
+ = 𝑞𝑙𝑎𝑑𝑒𝑟𝑎
𝜕𝑥 𝜕𝑡
Ecuación 43 Combinación de la Ecuación de Continuidad y Ecuación de Momentum en
la Onda Cinemática.
𝜕𝑄𝑝𝑜𝑖𝑛𝑡 𝜕𝑄𝑝𝑜𝑖𝑛𝑡
+ 𝛼𝑄𝑝𝑜𝑖𝑛𝑡 𝛽−1 = 𝑞𝑙𝑎𝑑𝑒𝑟𝑎
𝜕𝑥 𝜕𝑡
Ecuación 44 Combinación de la Ecuación de Continuidad y Ecuación de Momentum en
la Onda Cinemática utilizada por wflow.
Donde, 𝑄𝑝𝑜𝑖𝑛𝑡 es el caudal transitado a través de la red de drenaje (ldd), 𝑞𝑙𝑎𝑑𝑒𝑟𝑎 es el

caudal que escurre por la ladera e ingresa al canal, 𝛼 y 𝛽 son parámetros del canal.
El acople unidireccional diseñado, operativamente desarrolla las siguientes acciones:

 Ejecuta el modelo hidrológico para el período de simulación entre el 01-01-1999 al
31-12-2012, teniendo como salidas las series de tiempo de caudales de los tributarios
en la confluencia con los ríos Magdalena ó Cauca en el modelo hidráulico, en otras
palabras los valores de 𝑄𝑝𝑜𝑖𝑛𝑡 (𝑡) en cada uno de los nodos “Flow - Connection Node
with Storage and Lateral Flow” del modelo hidráulico SOBEK.
 Ingresa las series de tiempo de caudales obtenidos en wflow al modelo hidráulico
como flujos laterales.
 Corre el modelo hidráulico con las condiciones de caudales de tributarios dadas para
el período de simulación entre el 15-09-2010 al 31-03-2011.
 Obtiene los valores de caudal y nivel en el eje central del río de los ríos Magdalena y
Cauca.
Magdalena
Para realizar este acople, se desarrollaron tres funciones en Python,

wflow_Magdalena.py, sobek.py y Couple.py. wflow_Magdalena.py ejecuta el modelo
hidrológico wflow; Couple.py toma el archivo run.csv de salida de wflow y lo cambia al
formato de flujos laterales de SOBEK LATERAL.DAT y sobek.py ejecuta el modelo
correspondiente de SOBEK, toma las salidas proporcionadas de niveles de agua
(CALCPNT.HIS), caudales 1D (REACHSEG.HIS) y caudales 2D (FLSHIS.HIS) y los
guarda como archivos separados por coma csv.
A continuación, se describen cada una de estas funciones, detalladamente.
a) wflow_Magdalena.py
La función wflow_Magdalena.py ejecuta el modelo hidrológico. Para esto genera los

valores de los parámetros de wflow aleatoriamente y actualiza los archivos .tbl con los
valores generados dentro de la carpeta intbl (ver: sección 0 (d)), para finalmente correr la
simulación de wflow y guardar los resultados de la salida del modelo (ver: Anexo:
Función que actualiza parámetros y ejecuta wflow.). Para llevar a cabo esto,
wflow_Magdalena.py cuenta con tres métodos, gen_parameters, updateTablesWflow y
simulation, que se describen a continuación.
i. gen_parameters
Este método genera los valores aleatorios de los parámetros de wflow en los rangos
establecidos por Ramírez Morales (2014) (ver: Tabla 2-11). Los valores de los
parámetros se escogen a partir de distribuciones uniformes de probabilidad abarcando
rangos de valores especificados para cada parámetro para todas las combinaciones de
cobertura de suelo, subcuenca y tipo de suelo. A continuación, se muestran los 12
parámetros y los rangos posibles de valores:
Tabla 2-11: Parámetros del modelo Wflow

Parámetros Unidad Rango de Valores
ICF mm 0.5 - 5.9
FC mm 30 -149
Betaseepage - 0.71 - 1.95
LP - 0.17 - 1.18
K4 1/día 0.001 - 0.051
K0 1/día 0.002 - 0.149
KQuikFlow 1/día 0.001 - 0.060
SUZ mm 0.5 - 86.4
PERC mm/día 0.005 - 3.404
Cflux mm/día 0.001 - 1.639
N_river - 0.02 – 0.06
N - 0.03 – 0.09
ii. updateTablesWflow
Este método actualiza los archivos .tbl dentro de la carpeta intbl (ver: sección 0(d)) con
los valores de los parámetros generados por el método gen_parameters en el paso
anterior. updateTablesWflow utiliza funciones de lectura y escritura de archivos de texto
plano disponibles en Python.
iii. simulation
Este método utiliza funciones del cmd de Windows disponibles en Python, para ejecutar
el modelo wflow, que se realiza con las siguientes instrucciones (ver: sección 0(d)):
"C:\Users\User\AppData\Local\Enthought\Canopy\User\Scripts\wflow_hbv.py" -I -C
CORMA_data -R run0001 -T 5113 –f
pause
Una vez finalizada la ejecución del modelo, simulation guarda el archivo de salida de
wflow, run.csv como objeto de Python para que pueda ser utilizado posteriormente.
b) Sobek.py
La función sobek.py ejecuta el modelo hidráulico. Para esto genera genera los valores
del coeficiente de rugosidad de Manning 1D aleatoriamente y actualiza el archivo
FRICTION.DAT el cual contiene estos valores. Posteriormente, corre la simulación de
Magdalena
sobek y guarda las salidas del modelo correspondientes a niveles de agua

(CALCPNT.HIS), a caudales 1D (REACHSEG.HIS) y caudales 2D (FLSHIS.HIS) como
archivos separados por coma csv (ver: Anexo: Función que actualiza parámetros y
ejecuta SOBEK.). Para llevar a cabo esto, sobek.py cuenta con dos métodos,
updateParams y simulation, los cuales son descritos a continuación.
i. updateParams
Este método genera los valores aleatorios del coeficiente de rugosidad de Manning entre
0.03 y 0.06, de acuerdo a lo establecido en Chow (1994) para una corriente natural de
ancho mayor a 100ft, sin cambios bruscos de la sección transversal y sin matorrales. Los
valores del coeficiente de rugosidad de Manning se escogen a partir de distribuciones
uniformes de probabilidad, abarcando el rango de valores especificado. El valor de
coeficiente de rugosidad de cada simulación se guarda en un archivo llamado
n_manning_sobek.txt, para después actualizar este valor dentro del archivo
FRICTION.DAT utilizando funciones de lectura y escritura de archivos de texto plano
disponibles en Python.
ii. Simulation
Este método corre una simulación de sobek para el valor de manning establecido y
actualizado en el archivo FRICTION.DAT por el método updateParams. Posteriormente
se guardan los archivos de salida de niveles de agua (CALCPNT.HIS), caudales 1D
(REACHSEG.HIS) y caudales 2D (FLSHIS.HIS) como archivos separados por coma csv:
CALCPNT.csv, REACHSEG.csv y FLSHIS.csv. Para poder ejecutar sobek desde esta
función de Python, es necesario haber corrido el pre-procesamiento desde el entorno
gráfico de Sobek 2.13.
c) Couple
La función Couple.py llama a las funciones wflow_Magdalena.py y sobek.py,

actualizando los valores de caudales laterales del modelo sobek a partir de los resultados
de la modelación en wflow (ver Anexo: Función que convierte las salidas de wflow en
entradas de flujo lateral en SOBEK y corre varias simulaciones del acople de estos dos
modelos.). Esta función tiene como parámetros de entrada el Modelo sobek a ser
ejecutado: 1,2,3 (ver: sección 2.3.2(c)); el número de simulaciones a realizar y el período
de tiempo simulado en wflow definido de la forma: "1999-01-01 12:00:00, 2012-12-31
12:00:00".
Se ejecuta a través de la consola de Python, de la forma:
from Couple import Couple

c = Couple(M, 200, "1999-01-01 12:00:00, 2012-12-31 12:00:00")
Donde M es el número del Modelo a ser corrido (1,2 ó 3), 200 el número de simulaciones
que se tienen para cada modelo y "1999-01-01 12:00:00, 2012-12-31 12:00:00" el
período de simulación de wflow.
La salida es un número de carpetas correspondiente al número de simulaciones

establecidas por el usuario. En cada carpeta correspondiente a cada simulación realizada
se puede identificar:
 Carpeta intbl con los parámetros de wflow para la simulación
 Archivo n_manning_sobek.txt con el valor de coeficiente de rugosidad de Manning
para la simulación.
 Archivo run.csv con los caudales simulados para los tributarios del sistema
Magdalena-Cauca.
 Archivos CALCPNT.csv, REACHSEG.csv y FLSHIS.csv con los valores de niveles
de agua, caudales 1D y caudales 2D simulados para el sistema del río Magdalena.
La principal limitación para el número de corridas fue el tiempo que tardaba cada
simulación para el acople. El acople entre el wflow y Modelo 1 de sobek tardaba en
promedio 2 horas 50 minutos. El acople entre el wflow y Modelo 2 de sobek tardaba en
promedio 1 hora 40 minutos. El Modelo 3 no tiene ningún tributario importante en su
recorrido, por lo que no hizo falta que corriera acoplado con wflow, en este caso cada
simulación demoró en promedio 50 minutos.
Las características del equipo en el que se ejecutó el modelo son:

Magdalena
 Sistema Operativo: Windows 7 Professional

 Procesador: Intel(R) Xeon(R) X5570 @2.93GHz 2.93 GHZ (2 procesadores)
 Memoria instalada (RAM): 48.0GB
 Tipo de sistema: Sistema Operativo de 64 bits
2.3.4 Análisis de Incertidumbre y Sensibilidad
La evaluación del desempeño de los modelos wflow y SOBEK para la cuenca

Magdalena-Cauca solo se puede llevar a cabo en las estaciones donde se tiene
monitoreo de caudales y/o niveles de agua (convertibles a MSNM a partir de la cota cero
de la estación). A continuación, en la Tabla 2-12 se muestran las estaciones
consideradas para la evaluación del desempeño de los modelos wflow y SOBEK del
medio y bajo Magdalena:

modelación acoplada wflow-SOBEK.
CAUDAL NIVEL
CÓDIGO NOMBRE CORRIENTE Modelo a Evaluar
(m3/s) (msnm)
23067040 Puerto Libre Río Negro X wflow
23057140 San Miguel Río La Miel X wflow
23087210 Canteras Río Nare X wflow
23107020 La Bodega Río San Bartolomé X wflow
24067020 Puente Sogamoso Río Sogamoso X wflow
25027910 La Raya Río Caribona X wflow
23037010 Puerto Salgar Río Magdalena X X sobek Modelo 1
23097040 Puerto Inmarco Río Magdalena X sobek Modelo 1
23097030 Puerto Berrío Río Magdalena X X sobek Modelo 1
23117030 Barrancabermeja Río Magdalena X sobek Modelo 1
23167010 Peñas Blancas Río Magdalena X sobek Modelo 1
23187010 Puerto Wilches Río Magdalena X sobek Modelo 1
23207040 San Pablo Río Magdalena X sobek Modelo 1
23187280 Sitio Nuevo R11 Río Magdalena X X sobek Modelo 1
23187120 Badillo Río Magdalena X sobek Modelo 1
23217030 El Contento Río Magdalena X X sobek Modelo 1
23217020 Gamarra Río Magdalena X sobek Modelo 1
23217060 La Gloria Río Magdalena X sobek Modelo 1
sobek Modelo 1
25027410 Regidor Río Magdalena X X
sobek Modelo 2
25027330 Peñoncito Río Magdalena X X sobek Modelo 2
25027020 El Banco Río Magdalena X X sobek Modelo 2

modelación acoplada wflow-SOBEK.
CAUDAL NIVEL
CÓDIGO NOMBRE CORRIENTE Modelo a Evaluar
(m3/s) (msnm)
25027320 San Roque Brazo de Mompox X X sobek Modelo 2
25027370 Santa Ana Brazo de Mompox X X sobek Modelo 2
25027420 La Victoria Caño Violo X sobek Modelo 2
25027570 Palenquito Caño Chicagua X X sobek Modelo 2
25027580 Guaymaral Caño Chicagua X X sobek Modelo 2
26247020 La Coquera Río Cauca X X sobek Modelo 2
25027050 Margento Río Cauca X X sobek Modelo 2
25027270 Las Flores Río Cauca X X sobek Modelo 2
25027200 Las Varas Río Cauca X X sobek Modelo 2
25027640 Tres Cruces Río Cauca X X sobek Modelo 2
25027500 Majagual Caño Mojana X sobek Modelo 2
25027110 Sucre Caño Mojana X sobek Modelo 2
25027490 Las Aguadas Brazo de Loba X X sobek Modelo 2
25027390 Las Palomas Brazo Quitasol X X sobek Modelo 2
25027630 Rio Nuevo Brazo Quitasol X X sobek Modelo 2
25027360 Armenia Brazo de Loba X X sobek Modelo 2
25027930 Coyongal Brazo de Loba X X sobek Modelo 2
25027290 Sitio Nuevo Brazo de Loba X X sobek Modelo 2
25027530 Barbosa Brazo de Loba X X sobek Modelo 2
25027680 Magangué Brazo de Loba X X sobek Modelo 2
25027450 Plato Río Magdalena X sobek Modelo 2
29017010 Tenerife Río Magdalena X sobek Modelo 2
sobek Modelo 2
29037020 Calamar Río Magdalena X X
sobek Modelo 3
29037020 Dársena Río Magdalena X sobek Modelo 3
29037360 Incora K7 Canal del Dique X X sobek Modelo 3
Compuertas Canal
29037800 Canal del Dique X sobek Modelo 3
del Dique
29037080 Gambote Canal del Dique X X sobek Modelo 3
29037370 Santa Helena 1 Canal del Dique X X sobek Modelo 3
29037450 Santa Helena 2 Canal del Dique X X sobek Modelo 3
a) Calibración
Como se muestra en la Tabla 2-12 se tienen 79 series de tiempo observadas en la zona

de estudio, de las cuales 6 corresponden a caudales en los tributarios, 32 a valores de
caudal en la corriente principal del río Magdalena y 41 a valores de nivel de agua en el
río Magdalena. A cada una de estas series de tiempo se le puede evaluar la bondad de
ajuste utilizando el coeficiente de eficiencia de Nash-Sutcliffe (ver: sección 1.2.3 (a) (ii)).
Magdalena
El coeficiente de eficiencia de Nash tiene valores que van desde -∞ hasta 1. Cuando
𝑅2 = 1, se tiene la simulación perfecta; cuando 𝑅2 ≤ 1 el promedio de observaciones es
tan buen o mejor pronóstico que el arrojado por el modelo; se puede plantear entonces la
métrica de desempeño 1 − 𝑅2 , el cual tendría valores que van desde 0 hasta ∞. Si 1 −
𝑅2 = 0, se tiene la simulación perfecta, 1 − 𝑅2 ≥ 1 cuando el promedio de las
observaciones es tan buen o mejor pronóstico que el arrojado por el modelo.
Para cada una de las series de tiempo observadas, se puede entonces proponer la
función objetivo:
79
𝐹𝑂 = 𝑚𝑖𝑛 ∑(1 − 𝑅2 )
𝑖=1
Ecuación 45 Función Objetivo para las series de tiempo del modelo hidrológico e hidráulico
acoplado del río Magdalena.
Donde 𝑅2 es el coeficiente de eficiencia de Nash-Sutcliffe evaluado en cada una de las

series de tiempo donde se cuenta con observaciones.
Dada la configuración del acople y de la modelación hidrológica e hidráulica realizada, el

modelo puede ser calibrado de manera independiente para las cuencas hidrológicas
monitoreadas. Para cada una de estas cuencas, se tienen las siguientes configuraciones
en cuanto a número de parámetros y a rangos de búsqueda (ver: Tabla 2-13):
Tabla 2-13: Definición de número de parámetros del modelo wflow en las cuencas
instrumentadas.
TIPOS DE TIPOS DE COMBINACIONES DE TIPO NÚMERO DE
CUENCA Y COBERTURA DE SUELO
SUELO COBERTURA PARÁMETROS
Río Negro 3 4 12 144
Río La Miel 4 4 14 168
Río Nare 4 4 14 168
Río San
3 3 7 84
Bartolomé
Río
8 7 33 396
Sogamoso
Río Caribona 4 4 12 144
Para las cuencas no instrumentadas, se puede contemplar una calibración acoplada del
modelo hidrológico e hidráulico, considerando la evaluación de cada simulación acoplada
en los niveles y caudales observados del río Magdalena. En el caso del modelo 1, se
tienen 18 series de tiempo observadas en el río Magdalena (6 de caudales y 13 de
niveles de agua) (ver: Tabla 2-12); por lo que se tendrían 18 funciones objetivos, 1 para
cada serie de tiempo observada, teniendo entonces, un problema de optimización que
involucra multiples funciones objetivo, que puede ser formulado como (Hwang & Masud,
1979; Miettinen, 1999):
𝐹𝑂 = 𝑚𝑖𝑛(𝑓1 (𝑥), 𝑓2 (𝑥), 𝑓3 (𝑥), 𝑓4 (𝑥), 𝑓5 (𝑥), 𝑓6 (𝑥), 𝑓7 (𝑥), 𝑓8 (𝑥), 𝑓9 (𝑥), 𝑓10 (𝑥), ⋯ , 𝑓18 (𝑥))
Ecuación 46 Función MultiObjetivo para el modelo hidrológico e hidráulico acoplado del río
Magdalena – Sector Puerto Salgar-Regidor.
Donde:
𝑓𝑖 (𝑥) = (1 − 𝑅𝑖 2 ), es la función objetivo para cada una de las series de tiempo
observadas.
El escalamiento de una función multi-objetivo es un método que permite convertir un

problema multi-objetivo en un problema de mono-objetivo, uno de los métodos más
utilizados es el de la suma ponderada, de esta manera se plantea la nueva función
objetivo (Miettinen, 1999):
18
𝐹𝑂 = 𝑚𝑖𝑛 ∑ 𝑤𝑖 𝑓𝑖 (𝑥)
𝑖=1
Ecuación 47 Función MonoObjetivo de suma ponderada para el modelo hidrológico e hidráulico
acoplado del río Magdalena – Sector Puerto Salgar-Regidor.
Donde:
observadas.
𝑤𝑖 , son los pesos que se le dan a cada función objetivo y cumplen que: ∑18
𝑖=1 𝑤𝑖 =
1
Magdalena
Si a cada serie de tiempo observada se le asigna el mismo peso para el proceso de

calibración, la función objetivo se puede escribir como:
18
𝐹𝑂 = 𝑚𝑖𝑛 ∑ 𝑓𝑖 (𝑥)
𝑖=1
Ecuación 48 Función MonoObjetivo para el modelo hidrológico e hidráulico acoplado del río
Magdalena. Sector Puerto Salgar-Regidor.
Esta función objetivo depende de un total de 1560 parámetros del modelo hidrológico de
las cuencas no intrumentadas, como se muestra en Tabla 2-14, mas el coeficiente de
rugosidad de manning para el modelo 1, es decir 1561 parámetros en total
instrumentadas del Modelo 1.
Río Cocorná 3 3 6 72
Río Ermitaño 3 3 6 72
Río Carare 5 4 16 192
Río Opón 7 6 19 228
Río Cimitarra 3 4 11 132
Río
3 4 11 132
Santodomingo
Río Lebrija 7 7 25 300
Quebrada La
4 5 14 168
Honda
Quebrada Arenal 3 4 10 120
Río Simaná 4 4 12 144
En el caso del modelo 2, se tienen 50 series de tiempo observadas en el río Magdalena,

sus brazos y el río Cauca (23 de caudales y 27 de niveles de agua) (ver: Tabla 2-12); por
lo que se tendrían 50 funciones objetivos, 1 para cada serie de tiempo observada.
Siguiendo el mismo razonamiento realizado en el caso del modelo 1, se llega a la función
monoobjetivo:
50
𝑖=1
Magdalena. Sector Regidor -Calamar.
Donde:
observadas.
Esta función objetivo depende de un total de 1320 parámetros del modelo hidrológico de
las cuencas no intrumentadas, como se muestra en Tabla 2-15, mas el coeficiente de
rugosidad de manning para el modelo 2, es decir 1321 parámetros en total.
instrumentadas del Modelo 2.
Río Cesar 7 7 32 384
Río San
7 7 32 384
Jorge
Caño Culebra 4 6 16 192
Caño
4 5 12 144
Chimicua
Río Nechí 6 6 18 216
En el caso del modelo 3, se tienen 12 series de tiempo observadas en el río Magdalena y

Canal del Dique (6 de caudales y 6 de niveles de agua) (ver: Tabla 2-12); por lo que se
tendrían 12 funciones objetivos, 1 para cada serie de tiempo observada. Siguiendo el
mismo razonamiento realizado en el caso del modelo 1, se llega a la función
monoobjetivo:
12
𝑖=1
Magdalena. Sector Regidor -Calamar.
Donde:
observadas.
Magdalena
Esta función objetivo dependerá del coeficiente de rugosidad de manning del modelo 3,
es decir 1 parámetro en total.
Las funciones objetivo definidas en la Ecuación 48, la Ecuación 49 y la Ecuación 50

presentan como problema que no necesariamente existe una solución (x) tal que todos
los objetivos sean minimizados simulataneamente. Suponiendo que se encontrara la
solución (x) que minimice todos los objetivos simultáneamente, no se tiene garantía que
sea la mejor configuración del modelo, puesto que en los lugares sin monitoreo, no se
puede tener certeza del desempeño de este acople.
b) Identificación del Modelo
Para la identificación del modelo, se utilizó entonces, la Metodología para la Estimación

de la Incertidumbre de Verosimilitud Generalizada (Generalized Likelihood Uncertainty
Estimation methodology - GLUE) la cual propone que no existe un set de parámetros
óptimo que sea identificable, sino que, por el contrario, cada set de parámetros tiene una
probabilidad de representar correctamente el sistema (ver: sección 1.2.3 (a)). Como se
muestra en las secciones 2.3.3(a)(i) y 2.3.3(b)(i) los valores de los parámetros se
escogen a partir de distribuciones uniformes de probabilidad abarcando los rangos de
valores especificados para cada parámetro.
Mediante simulaciones de Montecarlo, se obtienen las salidas de los modelos para cada
set de parámetros, para posteriormente, utilizando la metodología GLUE con la
herramienta MCAT de MatLab desarrollada por Wagener et al (2001) obtener los
diagramas de dispersión paramétrica, el análisis de sensibilidad regional de los
parámetros y el análisis de incertidumbre para cada serie de tiempo observada en este
ejercicio de modelación (ver: sección 1.2.3 (c)).
2.3.5 Escala en la Modelación
Blöschl y Sivapalan, (1995) mencionan que el término “escala” puede referirse a:

 “escala de proceso”, la cual es entendida como una propiedad que exhiben los
fenómenos hidrológicos de forma natural en escalas espaciales y temporales
correlacionadas, en donde el fenómeno puede ser representativo, es decir, algunos
procesos hidrológicos pueden presentar escalas preferidas que se caracterizan por
presentar una mayor probabilidad de ocurrencia;
 “escala de observación”, la cual está definida por los dispositivos de medición o por
principios de muestreo; y
 “escala de modelación”, la cual es definida por la resolución espacial o temporal a la
cual se pretende realizar la modelación
Los fenómenos hidrológicos ocurren a diferentes escalas espaciales y temporales, la

Figura 2-21 muestra una aproximación de la escala espacio-temporal de los procesos
hidrológicos.
Figura 2-21: Escala espacio-temporal de los procesos hidrológicos.

Fuente: Figueroa Ortiz, 2016
Magdalena
La Tabla 2-16 y la Figura 2-22, muestra los rangos de escalas temporales y espaciles
utilizados en hidrología con mayor frecuencia.
Tabla 2-16: Escalas utilizadas con mayor frecuencia en hidrología.
Escala Temporal Escala Espacial

Escala de evento (1 día) Escala local (1 m2)
Escala estacional (1 año) Escala laderas (100 m2)
Escala de largo plazo (100 años) Escala cuenca (10 km2)
Escala regional (1000 km2)
Fuente: Blöschl & Sivapalan, 1995
Figura 2-22: Variabilidad de cuencas y procesos hidrológicos en (a) escalas espaciales y

(b) escalas temporales
Fuente: Blöschl & Sivapalan, 1995
En la construcción del modelo hidrológico de la cuenca Magdalena-Cauca en wflow, se

trabaja en la escala de cuenca con áreas entre los 500 y 21500 km2 en lo espacial y
entre lo estacional y el largo plazo, 13 años de simulación a escala temporal diaria (ver:
Tabla 2-2, Tabla 2-3 y Sección 2.3.1(d)).
En la construcción del modelo hidráulico de la cuenca media y baja del río Magdalena en
SOBEK, se trabaja en la escala de cuenca con aproximadamente 1500 km de tramo de
río y en lo estacional, con 1 año de simulación a escala temporal diaria (ver: Sección
2.3.2(f))
El objetivo de la modelación es reproducir el comportamiento observado del río

Magdalena en su cuenca media y baja, en Colombia la “escala de observación” en la
hidrología es de 12 horas, y en meteorología diaria, mayoritariamente. La base de dato
oficial del Instituto de Hidrología, Meteorología y Estudios Ambientales suministra
información a escala temporal diaria.
La red Hydras 3, que esta por fuera de la base de datos del IDEAM registra datos
horarios de niveles en tiempo real de diferentes ríos del país. Se tomaron los datos de las
estaciones de Puerto Salgar, Barrancabermeja y Plato sobre el río Magdalena y se
agregaron a diferentes resoluciones temporales (1 hora, 3 horas, 6 horas, 12 horas y 24
horas) en períodos temporales entre 1 mes y 3 meses, encontrando que al trabajar con
datos diarios, se pierde muy poco detalle en comparación con la escala horaria (ver:
Figura 2-23, Figura 2-24 y Figura 2-25). Por lo que la escala temporal diaria resulta ser
de gran utilidad en el cumplimiento del objetivo de modelación, en el que se plantea un
trabajo de análisis estacional.
La escala espacial del modelo hidrológico wflow trabajada es de 2km x 2km, que coincide
con otros trabajos de modelación hidrológica en la cuenca Magdalena-Cauca como el de
Ramírez Morales (2014) y Angarita (2015) (ver: sección 2.3.1(a)). Considerando la
longitud del tramo modelado con SOBEK, el espaciamiento entre municipios y entre
estaciones, la resolución espacial de trabajo 960 m (para los modelos 1 y 3) y 1920 m
(para el modelo 2) también se ajusta a las necesidades de la modelación.
Magdalena

Puerto Salgar a diferentes resoluciones temporales.

Barrancabermeja a diferentes resoluciones temporales.
Figura 2-25: Serie de tiempo de niveles instantáneos en el río Magdalena, estación Plato
a diferentes resoluciones temporales.
Magdalena
3. Resultados
A continuación, se describirán los resultados obtenidos en el modelo hidrológico y en el
acople del modelo hidrológico e hidráulico, a la que por conveniencia se llamará
modelación hidráulica.
3.1 Modelo Hidrológico WFLOW
El modelo hidrológico Wflow implementado en el presente trabajo es una adecuada

herramienta para la modelación de la gran cuenca Magdalena-Cauca, pues, aunque no
simula satisfactoriamente los caudales sobre todos los tributarios (ver: Figura 3-2, Figura
3-1, Figura 3-5, Figura 3-9, Figura 3-13, Figura 3-17, Figura 3-21, Figura 3-25 y Figura
3-26). En general, el modelo tiene un buen desempeño representando la temporalidad de
los caudales en los tributarios del río Magdalena, es decir, en épocas de caudales altos el
modelo representa caudales altos y en épocas de caudales bajos, el modelo representa
caudales bajos; pero tiene dificultades de sobreestimación y subestimación de caudales
en algunas ocasiones.
Los resultados mostraron que en el modelo hidrológico wflow no hay parámetros

identificables y que la mayoría de los parámetros no son sensibles en todas las
subcuencas evaluadas (ver: Figura 3-2, Figura 3-3, Figura 3-6, Figura 3-7, Figura 3-10,
Figura 3-11, Figura 3-14, Figura 3-15, Figura 3-18, Figura 3-19, Figura 3-22 y Figura
3-23).
Magdalena
3.1.1 Cuencas Instrumentadas
Como se ve en la Tabla 3-1 y en la Figura 2-6, solo se cuenta con información de

caudales en el punto de confluencia entre los tributarios y el Río Magdalena en 6 de las
21 subcuencas modeladas con wflow. La Tabla 3-1 muestra los resultados de evaluación
del desempeño de la simulación con mejor ajuste según el Coeficiente de Eficiencia de
Nash-Sutcliffe –R2 (Ver: Ecuación 39).
Tabla 3-1: Coeficiente de eficiencia de Nash-Sutcliffe para las mejores simulaciones de

wflow.
Coeficiente de Eficiencia de
Cuenca Criterio de Nash-Sutcliffe
Nash-Sutcliffe –R2
Río Negro 0.5941 Bueno
Río La Miel 0.0201 Insuficiente
Río Nare -0.5673 Insuficiente
Río San Bartolomé -2.9135 Insuficiente
Río Sogamoso 0.7655 Muy Bueno
Río Caribona -0.4833 Insuficiente
En el modelo wflow se realizaron 400 simulaciones, 200 de estas simulaciones se

corrieron acopladamente con el Sub Modelo 1 y 200 con el Sub Modelo 2 de SOBEK. En
cada una de estas simulaciones los valores de los parámetros se cambiaron
aleatoriamente utilizando una distribución de probabilidad uniforme en los rangos de
valores de los parámetros establecidos en la Tabla 1-1.
Los resultados encontrados muestran valores satisfactorios del Coeficiente de Eficiencia

de Nash-Sutcliffe –R2 para las cuencas de los ríos Negro y Sogamoso. En las cuencas
de los ríos la Miel y el río Naré regulados por los embalses de Hidromiel y Guatapé
respectivamente se tuvieron valores del Coeficiente de Eficiencia de Nash-Sutcliffe –R2
no satisfactorios, mostrando esto la necesidad de incluir los embalses en el modelo
hidrológico en trabajos futuros. Las cuencas de los ríos San Bartolomé y Caribona,
presentaron también valores no satisfactorios del Coeficiente de Eficiencia de Nash-
Sutcliffe –R2, exponiendo esto la necesidad de realizar un número mayor de simulaciones
para tener un mayor cubrimiento del espacio paramétrico y/o ampliar el rango probable
de valores que pueden tomar los diferentes parámetros.
Resultados 115
Para entender mejor estos resultados, se decidió hacer una verificación de la

conservación de masa del modelo wflow, para lo que se utilizó la Diferencia de Volumen
(DV - Percent Deviation of Streamflow Volume), la cual es una medida de la acumulación
de los volúmenes de agua observados y simulados (Troin, Arsenault, & Brissette, 2015).
El volumen es una de las variables con las que se puede caracterizar la escorrentía
superficial y es la cantidad de agua escurrida durante un período de tiempo por la
sección hidráulica de una corriente de agua, se representa en m3 (Domínguez C, 2012).
El volumen se calcula como:

𝑛
𝑉 = ∑ 𝑄𝑖 ∆𝑡
𝑖=1
Ecuación 51 Relación entre las variables descriptoras de la escorrentía superficial Volumen y
Caudal.
Donde, 𝑄𝑖 es el caudal observado o simulado en el tiempo i [m3/s], ∆𝑡 es la resolución

temporal a la cual se tienen los datos observados y simulados [s], 𝑛 es la cantidad de
datos simulados y 𝑉 es el volumen de agua total en m3 de los 𝑛 valores considerados.
Entonces, la diferencia de volumen está dada por:
𝑉𝑜𝑏𝑠 − 𝑉𝑠𝑖𝑚
𝐷𝑉 = × 100%
𝑉𝑜𝑏𝑠
Ecuación 52 Diferencia de Volumen (Van Liew, Arnold, & Garbrecht, 2003; Troin et al., 2015).
Donde, 𝑉𝑜𝑏𝑠 es el volumen total observado de la corriente de agua para el período de

simulación, 𝑉𝑠𝑖𝑚 es el volumen total simulado de la corriente de agua para el período de
simulación y 𝐷𝑉 es la diferencia de volumen expresada en porcentaje.
El valor óptimo es cero, valores con magnitudes bajas indican que la simulación de
caudales es precisa, valores positivos indican subestimación, mientras que valores
negativos implican sobreestimación por parte del modelo (Troin et al., 2015).
Magdalena
La Tabla 3-2 y la Figura 3-1 muestran que las simulaciones del río Negro y río
Sogamoso tienen grandes diferencias de volumen en función de la variación de
parámetros, encontrando en ambos casos simulaciones con volúmenes de agua
simulados muy cercanos a los volúmenes observados. Caso contrario ocurre con las
simulaciones de las cuencas de los ríos La Miel, Nare, San Bartolomé y Caribona; donde
la variación paramétrica no produjo grandes diferencias en los volúmenes simulados,
confirmando esto la necesidad de realizar un número mayor de simulaciones y/o ampliar
el rango probable de valores que pueden tomar los diferentes parámetros.
Tabla 3-2: Mejores diferencias de volumen de las simulaciones de wflow.

Cuenca Diferencia de Volumen –DV
Río Negro -0.9344%
Río La Miel 29.0529%
Río Nare 4.6826%
Río San Bartolomé -74.5695%
Río Sogamoso -0.0011%
Río Caribona 49.5137
(a) Río Negro (b) Río La Miel (c) Río Nare
(d) Río San Bartolomé (e) Río Sogamoso (f) Río Caribona
Figura 3-1: Volumen acumulado de caudales observados (línea negra gruesa) y

simulados de los tributarios del bajo y medio Magdalena en wflow (líneas de colores).
Resultados 117
A partir de los resultados que se tuvieron de diferencias de volumen, se determinó que

los valores de caudal simulados en las cuencas de los ríos La Miel, Nare y Caribona (Ver:
Figura 3-1 (b), (c) y (f)) subestiman los valores de caudal observado, mientras que los
valores de caudales simulados en el río San Bartolomé sobreestiman los valores de
caudal observado (Ver: Figura 3-1 (d)).
A continuación, se presentan, las combinaciones de cobertura presentes con su

porcentaje de área, de identificabilidad paramétrica, análisis de sensibilidad regional y
análisis de incertidumbre de la modelación hidrológica con wflow para cada una de las
subcuencas instrumentadas.
a) Río Negro
La cuenca del río Negro delimitada en la fase de preparación de wflow tiene un área de
3896km2. Las coberturas de suelo presentes en la cuenca son: Agricultura, Bosques,
Pastizales y Matorrales, siendo los Pastizales los que mayor área ocupan con 3112 km2
(80%). Entre los tipos de suelo presentes en la cuenca están: Franco, Franco Arcilloso y
Arcilloso, siendo el más presente en la cuenca el suelo Franco con 2288 km2 (59%). A
continuación, en la Tabla 3-3 se muestra el área que representan para la cuenca del río
Negro cada una de las combinaciones de tipo y cobertura de suelo presentes en ella,
encontrando que casi el 50% del área de la cuenca está cubierta con pastizales en suelo
tipo franco.

presentes en la cuenca del río Negro
Tipo y Cobertura de Suelo Area (km2) % Área
(a) Cobertura de suelo 1 (Agricultura) y Tipo de suelo 3 (Arcilla) 8 0.21%
(b) Cobertura de suelo 1 (Agricultura) y Tipo de suelo 4 (Franco Arcilloso) 32 0.82%
(c) Cobertura de suelo 1 (Agricultura) y Tipo de suelo 5 (Franco) 12 0.31%
(d) Cobertura de suelo 3 (Bosques) y Tipo de suelo 3 (Arcilla) 216 5.54%
(e) Cobertura de suelo 3 (Bosques) y Tipo de suelo 4 (Franco Arcilloso) 8 0.21%
(f) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 280 7.19%
(g) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 3 (Arcilla) 692 17.76%
(h) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 560 14.37%
(i) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 1860 47.74%
(j) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 3 (Arcilla) 60 1.54%
(k) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 4 (Franco Arcilloso) 32 0.82%
(l) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 136 3.49%
Magdalena
Los resultados del análisis de sensibilidad y análisis de incertidumbre para la cuenca del
río Negro muestran que no hay parámetros identificables, aunque algunos de ellos tienen
pequeñas tendencias que se asemejan a la identificabilidad, este es el caso de los
parámetros LP y PERC (Ver:Figura 3-2 y Figura 3-3). Algunos parámetros son sensibles,
especialmente en la combinación de Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5
(Franco) la cual representa el 47.74% del área de la cuenca; los parámetros sensibles
para esta combinación fueron: ICF, LP y PERC.
A continuación, se muestran los diagramas de dispersión (dotty plots) y las gráficas de

análisis de sensibilidad regional para cada uno de los parámetros de wflow en a
combinación de Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) en la
cuenca del río Negro.
i. Diagramas de dispersión (Dotty plots)
(a) BetaSeepage para la Cobertura de suelo 4 (b) Cflux para la Cobertura de suelo 4 (c) FC para la Cobertura de suelo 4
(Pastizales) y Tipo de suelo 5 (Franco) (Pastizales) y Tipo de suelo 5 (Franco) (Pastizales) y Tipo de suelo 5 (Franco)
(d) ICF para la Cobertura de suelo 4 (e) K0 para la Cobertura de suelo 4 (f) K4 para la Cobertura de suelo 4
Resultados 119
(g) KQuickFlow para la Cobertura de suelo 4 (h) LP para la Cobertura de suelo 4 (i) N para la Cobertura de suelo 4 (Pastizales)
(Pastizales) y Tipo de suelo 5 (Franco) (Pastizales) y Tipo de suelo 5 (Franco) y Tipo de suelo 5 (Franco)
(j) N_River para la Cobertura de suelo 4 (k) PERC para la Cobertura de suelo 4 (l) SUZ para la Cobertura de suelo 4
Negro.
ii. Análisis de Sensibilidad Regional
Magdalena
del Río Negro.
iii. Análisis de Incertidumbre
A continuación, se muestran las series de tiempo simuladas y la observada para la

cuenca del río Negro, además de la banda de confianza de las simulaciones en función
de los valores observados. Se muestra como Wflow capta la forma del hidrograma del río
Negro, aunque no es capaz de replicar los valores máximos, los cuales son
sobreestimados en la mayoría de las ocasiones (Ver: Figura 3-4 y Figura 3-5).
Resultados 121
Figura 3-4: Conjunto de 400 simulaciones de caudales para la cuenca del Río Negro
utilizando wflow.
Figura 3-5: Incertidumbre en la simulación de caudales para la cuenca del Río Negro
utilizando wflow.
b) Río La Miel
La cuenca del río La Miel delimitada en la fase de preparación de wflow tiene un área de
2120km2. Las coberturas de suelo presentes en la cuenca son: Agricultura, Bosques,
Magdalena
Pastizales y Matorrales, siendo los Pastizales y los Bosques los que mayor área ocupan
con 1024km2 (48%) y 960km2 (45%) respectivamente. Entre los tipos de suelo presentes
en la cuenca están: Franco, Franco Arenoso, Franco Arcilloso y Arcilloso, siendo el más
presente en la cuenca el suelo Franco con 1296km2 (61%). A continuación, en la Tabla
3-4 se muestra el área que representan para la cuenca del río La Miel cada una de las
combinaciones de tipo y cobertura de suelo presentes en ella, encontrando que alrededor
del 60% de la cuenca está cubierta con pastizales y bosques con suelo tipo franco.

presentes en la cuenca del río La Miel.
(d) Cobertura de suelo 3 (Bosques) y Tipo de suelo 3 (Arcilla) 8 0.38%
(e) Cobertura de suelo 3 (Bosques) y Tipo de suelo 4 (Franco Arcilloso) 232 10.94%
(f) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 648 30.57%
(g) Cobertura de suelo 3 (Bosques) y Tipo de suelo 8 (Franco Arenoso) 72 3.40%
(h) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 3 (Arcilla) 28 1.32%
(i) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 192 9.06%
(j) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 612 28.87%
(k) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) 192 9.06%
(l) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 4 (Franco Arcilloso) 8 0.38%
(m) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 24 1.13%
(n) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 8 (Franco Arenoso) 4 0.19%
río La Miel muestran que no hay parámetros identificables, aunque algunos de ellos si se
muestran sensibles, especialmente en las combinaciones de Cobertura de suelo 3
(Bosques) y Tipo de suelo 5 (Franco) y Cobertura de suelo 4 (Pastizales) y Tipo de suelo
5 (Franco) las cuales representan el 30.57 y 28.87% del área de la cuenca; los
parámetros sensibles para estas combinaciones fueron: ICF y PERC (Ver: Figura 3-6 y
Figura 3-7).

análisis de sensibilidad regional para cada uno de los parámetros de wflow para cada
uno de los parámetros de wflow en combinación de Cobertura de suelo 3 (Bosques) y
Tipo de suelo 5 (Franco) en la en la cuenca del río La Miel.
Resultados 123
(a) BetaSeepage para la Cobertura de suelo 3 (b) Cflux para la Cobertura de suelo 3 (Bosques) (c) FC para la Cobertura de suelo 3 (Bosques) y
(Bosques) y Tipo de suelo 5 (Franco) y Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco)
(d) ICF para la Cobertura de suelo 3 (Bosques) y (e) K0 para la Cobertura de suelo 3 (Bosques) y (f) K4 para la Cobertura de suelo 3 (Bosques) y
Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco)
(g) KQuickFlow para la Cobertura de suelo 3 (h) LP para la Cobertura de suelo 3 (Bosques) y (i) N para la Cobertura de suelo 3 (Bosques) y
(Bosques) y Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco)
(j) N_River para la Cobertura de suelo 3 (k) PERC para la Cobertura de suelo 3 (Bosques) (l) SUZ para la Cobertura de suelo 3 (Bosques)
(Bosques) y Tipo de suelo 5 (Franco) y Tipo de suelo 5 (Franco) y Tipo de suelo 5 (Franco)
Figura 3-6: Diagramas de dispersión de los parámetros de wflow para la cuenca del Río La Miel.
Magdalena
(j) N_River para la Cobertura de suelo 3 (k) PERC para la Cobertura de suelo 3 (l) SUZ para la Cobertura de suelo 3 (Bosques) y
(Bosques) y Tipo de suelo 5 (Franco) (Bosques) y Tipo de suelo 5 (Franco) Tipo de suelo 5 (Franco)
Figura 3-7: Análisis de sensibilidad regional de los parámetros de wflow para la cuenca del río La
Miel.
Resultados 125

Aquí se muestran las series de tiempo simuladas y la observada para la cuenca del río
La Miel, además de la banda de confianza de las simulaciones en función de los valores
observados. Se muestra como Wflow trata de captar la forma del hidrograma, pero no es
capaz de replicar los caudales máximos ni los caudales mínimos. Los valores máximos
son sobreestimados y los caudales bajos son subestimados (Ver: Figura 3-8 y Figura 3-9).
Figura 3-8: Conjunto de 400 simulaciones de caudales para la cuenca del Río La Miel utilizando
wflow.
Figura 3-9: Incertidumbre en la simulación de caudales para la cuenca del Río La Miel utilizando
wflow.
Magdalena
c) Río Nare
La cuenca del río Nare delimitada en la fase de preparación de wflow tiene un área de
4812km2. Las coberturas de suelo presentes en la cuenca son: Bosques, Pastizales,
Matorrales y Cuerpos de Agua, siendo los Pastizales los que mayor área ocupan con
3024km2 (63%). Entre los tipos de suelo presentes en la cuenca están: Franco, Franco
Arenoso, Franco Arcilloso y Cuerpos de Agua, siendo los más presentes en la cuenca el
suelo Franco con 1964km2 (41%) y el suelo Franco Arenoso con 1808km2 (38%). A
continuación, en la Tabla 3-5 se muestra el área que representan para la cuenca del río
Nare cada una de las combinaciones de tipo y cobertura de suelo presentes en ella,
encontrando que alrededor del 60% de la cuenca está cubierta con pastizales con suelo
tipo franco, franco arenoso y franco arcilloso.

presentes en la cuenca del río Nare
(a) Cobertura de suelo 3 (Bosques) y Tipo de suelo 1 (Cuerpos de Agua) 4 0.08%
(b) Cobertura de suelo 3 (Bosques) y Tipo de suelo 4 (Franco Arcilloso) 52 1.08%
(c) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 764 15.88%
(d) Cobertura de suelo 3 (Bosques) y Tipo de suelo 8 (Franco Arenoso) 208 4.32%
(e) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 1 (Cuerpos de Agua) 48 1.00%
(f) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 808 16.79%
(g) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 956 19.87%
(h) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) 1212 25.19%
(i) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 1 (Cuerpos de Agua) 56 1.16%
(j) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 4 (Franco Arcilloso) 4 0.08%
(k) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 1 (Cuerpos de Agua) 44 0.91%
(l) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 4 (Franco Arcilloso) 24 0.50%
(m) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 244 5.07%
(n) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 8 (Franco Arenoso) 388 8.06%
río Nare muestran que no hay parámetros identificables, aunque el parámetro PERC
tiene una pequeña tendencia que se asemeja a la identificabilidad. Algunos parámetros
son sensibles, especialmente en la combinación de Cobertura de suelo 4 (Pastizales) y
Tipo de suelo 8 (Franco Arenoso) la cual representa el 25.19% del área de la cuenca; los
parámetros sensibles para esta combinación fueron: BetaSeepage, FC, ICF y PERC
(Ver: Figura 3-10 y Figura 3-11).

análisis de sensibilidad regional para cada uno de los parámetros de wflow en la
Resultados 127
combinación de Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) en

la cuenca del río Nare.
(a) BetaSeepage para la Cobertura de suelo 4 (b) Cflux para la Cobertura de suelo 4 (c) FC para la Cobertura de suelo 4 (Pastizales) y
(Pastizales) y Tipo de suelo 8 (Franco Arenoso) (Pastizales) y Tipo de suelo 8 (Franco Arenoso) Tipo de suelo 8 (Franco Arenoso)
(d) ICF para la Cobertura de suelo 4 (Pastizales) y (e) K0 para la Cobertura de suelo 4 (Pastizales) y (f) K4 para la Cobertura de suelo 4 (Pastizales) y
Tipo de suelo 8 (Franco Arenoso) Tipo de suelo 8 (Franco Arenoso) Tipo de suelo 8 (Franco Arenoso)
(g) KQuickFlow para la Cobertura de suelo 4 (h) LP para la Cobertura de suelo 4 (Pastizales) y (i) N para la Cobertura de suelo 4 (Pastizales) y
(Pastizales) y Tipo de suelo 8 (Franco Arenoso) Tipo de suelo 8 (Franco Arenoso) Tipo de suelo 8 (Franco Arenoso)
Magdalena
(j) N_River para la Cobertura de suelo 4 (k) PERC para la Cobertura de suelo 4 (l) SUZ para la Cobertura de suelo 4 (Pastizales)
(Pastizales) y Tipo de suelo 8 (Franco Arenoso) (Pastizales) y Tipo de suelo 8 (Franco Arenoso) y Tipo de suelo 8 (Franco Arenoso)
Figura 3-10: Diagramas de dispersión de los parámetros de wflow para la cuenca del Río Nare.
ii. Análisis de Sensibilidad
Resultados 129
Figura 3-11: Análisis de sensibilidad regional de los parámetros de wflow para la cuenca del Río
Nare.
Nare, además de la banda de confianza de las simulaciones en función de los valores
observados. Se muestra como Wflow trata de captar la forma del hidrograma, pero no
es capaz de replicar los caudales máximos ni los caudales mínimos. Los valores
máximos son sobreestimados y los caudales bajos son subestimados (Ver: Figura 3-12 y
Figura 3-13).
Figura 3-12: Conjunto de 400 simulaciones de caudales para la cuenca del Río Nare utilizando
wflow.
Magdalena
Figura 3-13: Incertidumbre en la simulación de caudales para la cuenca del Río Nare utilizando
Wflow.
d) Río San Bartolomé
La cuenca del río San Bartolomé delimitada en la fase de preparación de Wflow tiene un
área de 2252km2. Las coberturas de suelo presentes en la cuenca son: Bosques,
Pastizales y Matorrales, siendo los Pastizales los que mayor área ocupan con 1332km 2
(59%). Entre los tipos de suelo presentes en la cuenca están: Franco, Franco Arenoso y
Franco Arcilloso, siendo el más presente en la cuenca el suelo Franco Arenoso con
1368km2 (61%). A continuación, en la Tabla 3-6 se muestra el área que representan para
la cuenca del río San Bartolomé cada una de las combinaciones de tipo y cobertura de
suelo presentes en ella, observando que alrededor del 60% de la cuenca está cubierta
con pastizales con suelo tipo franco y franco arenoso.
Tabla 3-6: Porcentajes de área de las combinaciones de tipo y cobertura de suelo presentes en la
cuenca del río San Bartolomé
Area
Tipo y Cobertura de Suelo % Área
(km2)
(a) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 368 16.34%
(b) Cobertura de suelo 3 (Bosques) y Tipo de suelo 8 (Franco Arenoso) 192 8.53%
(c) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 44 1.95%
(d) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 364 16.16%
(e) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) 924 41.03%
(f) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 108 4.80%
(g) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 8 (Franco Arenoso) 252 11.19%
Resultados 131
No se cuenta con parámetros identificables en esta cuenca, no hay parámetros

identificables, aunque el parámetro PERC tiene una pequeña tendencia que se asemeja
a la identificabilidad. Algunos parámetros son sensibles, para la combinación de
Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) la cual representa
el 41.03% del área de la cuenca; los parámetros sensibles para esta combinación fueron:
FC, K4 y PERC (Ver: Figura 3-14 y Figura 3-15).

análisis de sensibilidad regional para cada uno de los parámetros de wflow en cada una
de las combinaciones de tipo y coberturas de suelo presentes en la cuenca del río San
Bartolomé.
Magdalena
Figura 3-14: Diagrama de dispersión de los parámetros de wflow para la cuenca del Río San
Bartolomé.
Resultados 133
San Bartolomé.
San Bartolomé, además de la banda de confianza de las simulaciones en función de los
valores observados. Se muestra como Wflow trata de captar la forma del hidrograma,
pero no es capaz de replicar los caudales máximos ni los caudales mínimos. Los valores
Magdalena
máximos son sobreestimados y los caudales bajos son subestimados (Ver: Figura 3-16 y
Figura 3-17).
Figura 3-16: Conjunto de 400 simulaciones de caudales para la cuenca del Río San Bartolomé
utilizando wflow.
Figura 3-17: Incertidumbre en la simulación de caudales para la cuenca del Río San Bartolomé
utilizando wflow.
Resultados 135
e) Río Caribona
La cuenca del río Caribona delimitada en la fase de preparación de Wflow tiene un área
de 1620km2. Las coberturas de suelo presentes en la cuenca son: Bosques, Pastizales,
Cuerpos de Agua y Matorrales, siendo los Bosques los que mayor área ocupan con
1372km2 (85%). Entre los tipos de suelo presentes en la cuenca están: Cuerpos de Agua,
Franco, Franco Arenoso y Franco Arcilloso, siendo el más presente en la cuenca el suelo
Franco con 1448km2 (89%). A continuación, la Tabla 3-7 se muestra el área que
representan para la cuenca del río Caribona cada una de las combinaciones de tipo y
cobertura de suelo presentes en ella, encontrando que alrededor del 80% de la cuenca
está cubierta con bosques con suelo tipo franco.
cuenca del río Caribona
Area
Tipo y Cobertura de Suelo % Área
(km2)
(a) Cobertura de suelo 3 (Bosques) y Tipo de suelo 4 (Franco Arcilloso) 4 0.25%
(b) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 1332 82.22%
(c) Cobertura de suelo 3 (Bosques) y Tipo de suelo 8 (Franco Arenoso) 36 2.22%
(d) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 12 0.74%
(e) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 96 5.93%
(f) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) 52 3.21%
(g) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 1 (Cuerpos de
24 1.48%
Agua
(h) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 4 (Franco Arcilloso) 4 0.25%
(i) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 5 (Franco) 12 0.74%
(j) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 8 (Franco Arenoso) 28 1.73%
(k) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 8 0.49%
(l) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 8 (Franco Arenoso) 12 0.74%
Se cuenta con sólo un parámetro identificable en esta cuenca, ICF para la combinación
de Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) la cual cubre el 82.22% del
área de la cuenca. Adicionalmente algunos parámetros son sensibles para esta misma
combinación de tipo de suelo y cobertura, estos parámetros son: FC, ICF, K4, LP, N y
PERC (Ver: Figura 3-18 y Figura 3-19).

análisis de sensibilidad regional para cada uno de los parámetros de wflow en la
Magdalena
combinación de Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) en la cuenca

del río Caribona.
Resultados 137
Figura 3-18: Diagrama de dispersión de los parámetros de Wflow para la cuenca del Río
Caribona.
Magdalena
Caribona.
Caribona, además de la banda de confianza de las simulaciones en función de los
valores observados. Se muestra como Wflow reproduce adecuadamente la temporalidad
del hidrograma, pero subestima tanto los valores máximos y mínimos de Caudal (Ver:
Figura 3-20 y Figura 3-21).
Figura 3-20: Conjunto de 400 simulaciones de caudales para la cuenca del Río Caribona
utilizando Wflow.
Resultados 139
Figura 3-21: Incertidumbre en la simulación de caudales para la cuenca del Río Caribona
utilizando Wflow.
f) Río Sogamoso
La cuenca del río Sogamoso delimitada en la fase de preparación de Wflow tiene un área
de 18472km2. Las coberturas de suelo presentes en la cuenca son: Agricultura, Áreas
Descubiertas, Bosques, Pastizales, Cuerpos de Agua, Zonas Pavimentadas y Matorrales,
siendo los Pastizales los que mayor área ocupan con 13400km2 (73%). Entre los tipos de
suelo presentes en la cuenca están: Cuerpos de Agua, Zonas Urbanas, Franco, Franco
Arenoso, Franco Arcilloso, Franco Arcillo Arenoso, Arcilla Arenosa y Arcilloso siendo los
más presentes en la cuenca el suelo Franco con 9204km2 (50%) y el suelo Franco
Arenoso con 5404km2 (29%). A continuación, en la Tabla 3-8 se muestra el área que
representan para la cuenca del río Sogamoso cada una de las combinaciones de tipo y
cobertura de suelo presentes en ella, observando que alrededor del 60% de la cuenca
está cubierta con pastizales con suelo tipo franco y franco arenoso.
Magdalena
cuenca del río Sogamoso
(d) Cobertura de suelo 1 (Agricultura) y Tipo de suelo 7 (Franco Arcillo Arenoso) 68 0.37%
(e) Cobertura de suelo 1 (Agricultura) y Tipo de suelo 8 (Franco Arenoso) 140 0.76%
(f) Cobertura de suelo 2 (Áreas descubiertas) y Tipo de suelo 1 (Franco Arcilloso) 12 0.06%
(g) Cobertura de suelo 2 (Áreas descubiertas) y Tipo de suelo 3 (Arcilla) 28 0.15%
(h) Cobertura de suelo 2 (Áreas descubiertas) y Tipo de suelo 5 (Franco) 100 0.54%
(i) Cobertura de suelo 2 (Áreas descubiertas) y Tipo de suelo 8 (Franco Arenoso) 28 0.15%
(j) Cobertura de suelo 3 (Bosques) y Tipo de suelo 3 (Arcilla) 16 0.09%
(k) Cobertura de suelo 3 (Bosques) y Tipo de suelo 4 (Franco Arcilloso) 60 0.32%
(l) Cobertura de suelo 3 (Bosques) y Tipo de suelo 5 (Franco) 536 2.90%
(m) Cobertura de suelo 3 (Bosques) y Tipo de suelo 6 (Arena Arcillosa) 4 0.02%
(n) Cobertura de suelo 3 (Bosques) y Tipo de suelo 8 (Franco Arenoso) 1176 6.37%
(o) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 1 (Cuerpos de Agua) 64 0.35%
(p) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 3 (Arcilla) 1432 7.75%
(q) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 4 (Franco Arcilloso) 928 5.02%
(r) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) 6236 33.76%
(s) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 6 (Arena Arcillosa) 20 0.11%
(t) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 7 (Franco Arcillo Arenoso) 320 1.73%
(u) Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco Arenoso) 4400 23.82%
(v) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 1 (Cuerpos de Agua) 20 0.11%
(w) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 5 (Franco) 20 0.11%
(x) Cobertura de suelo 5 (Cuerpos de Agua) y Tipo de suelo 7 (Franco Arcillo Arenoso) 4 0.02%
(y) Cobertura de suelo 6 (Zonas Pavimentadas) y Tipo de suelo 2 (Zonas Urbanas) 8 0.04%
(z) Cobertura de suelo 6 (Zonas Pavimentadas) y Tipo de suelo 5 (Franco) 8 0.04%
(aa) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 1 (Cuerpos de Agua) 20 0.11%
(ab) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 3 (Arcilla) 76 0.41%
(ac) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 4 (Franco Arcilloso) 32 0.17%
(ad) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 5 (Franco) 2068 11.20%
(ae) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 6 (Arena Arcillosa) 12 0.06%
(af) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 7 (Franco Arcillo Arenoso) 4 0.02%
(ag) Cobertura de suelo 7 (Matorrales) y Tipo de suelo 8 (Franco Arenoso) 380 2.06%
Resultados 141
No se cuenta con parámetros identificables en esta cuenca, aunque el parámetro ICF

tiene una pequeña tendencia que se asemeja a la identificabilidad. Algunos parámetros
son sensibles, especialmente en las combinaciones de Cobertura de suelo 4 (Pastizales)
y Tipo de suelo 5 (Franco) y Cobertura de suelo 4 (Pastizales) y Tipo de suelo 8 (Franco
Arenoso) las cuales representan el 33.76 y 23.82% del área de la cuenca; los parámetros
sensibles para estas combinaciones fueron: ICF, K4 y LP. Además, se encontró que
BetaSeepage, Cflux y PERC son sensibles para las combinaciones de Cobertura de
suelo 4 (Pastizales) y Tipo de suelo 5 (Franco) y Cobertura de suelo 4 (Pastizales) y Tipo
de suelo 3 (Arcilloso) (Ver: Figura 3-22 y Figura 3-23).

análisis de sensibilidad regional para cada uno de los parámetros de Wflow en cada una
de las combinaciones de tipo y coberturas de suelo presentes en la cuenca del río
Sogamoso.
Magdalena
Sogamoso.
Resultados 143
Sogamoso.
Sogamoso, además de la banda de confianza de las simulaciones en función de los
valores observados. Se muestra como Wflow capta la forma del hidrograma del río
Sogamoso de forma adecuada, aunque en algunas ocasiones no es capaz de replicar los
valores máximos de caudal (Ver: Figura 3-24 y Figura 3-25).
Magdalena
Figura 3-24: Conjunto de 400 simulaciones de caudales para la cuenca del Río Sogamoso
utilizando Wflow.
Figura 3-25: Incertidumbre en la simulación de caudales para la cuenca del Río Sogamoso
utilizando Wflow.
3.1.2 Cuencas no Instrumentadas
La Figura 3-26 muestra las diferentes simulaciones realizadas para las cuencas
no instrumentadas. De color cyan se muestra la mediana de las simulaciones, se
puede observar que en general los valores medios de caudales obtenidos de las
diferentes simulaciones se superponen entre sí, como si formaran una sola
Resultados 145
gráfica con la mediana de las simulaciones. Para los valores mínimos de caudal
en cambio, se puede observar el abanico de colores que producen las diferentes
simulaciones. En los caudales pico hay mayores diferencias de las que se
presentan para los valores medios, pero menores diferencias que en los mínimos,
se pueden observar los diferentes matices de colores. La simulación del caño
Chimicua, en cambio, muestra un abanico de colores para todo el rango de
simulaciones.
(a) Río Cocorná (b) Río Ermitaño
(c) Río Carare (d) Río Opón

Magdalena
(e) Río Cimitarra (f) Río Santodomingo
(g) Río Lebrija (h) Quebrada La Honda
(i) Quebrada Arenal (j) Río Simaná

Resultados 147
(k) Río Cesar (l) Río Nechí
(m) Río San Jorge (n) Caño Culebra
(o) Caño Chimicua

Figura 3-26: Conjunto de 400 simulaciones de caudales para las cuencas no
instrumentadas del Medio y Bajo Magdalena utilizando wflow.
3.2 Modelo hidráulico SOBEK

El período de simulación seleccionado, del 01 de enero de 2010 al 31 de marzo de 2011,
presenta dos situaciones extremas en la cuenca Magdalena-Cauca, pues en este período
Magdalena
se vivieron el fenómeno de El Niño 2009-2010 y el fenómeno de La Niña 2010-2011

(Bentacur Alarcón, 2016; Palacios, 2011). Lo que causó que se pasara de niveles bajos,
a niveles altos en poco tiempo; los eventos de inundaciones produjeron el rompimiento
de varios diques, entre ellos el dique direccional del río Cauca y el canal del Dique, entre
otros, incrementó la conectividad en los diferentes brazos y sistemas cenagosos
aumentando la complejidad del sistema a modelar.
Los resultados obtenidos en el acople de modelación hidrológica e hidráulica para el río

Magdalena usando Wflow y SOBEK muestran que la incertidumbre debida a datos de
entrada como las secciones transversales, el Modelo de elevación del terreno, la forma
en cómo se incluyeron los elementos elevados lineales, las diferentes bifurcaciones del
río con escasa o información nula, además de la incertidumbre en las mediciones de
niveles de agua y de caudal debido a las cotas cero y curvas de calibración de las
estaciones hidrológicas, no permitieron identificar la configuración “perfecta” del modelo.
Muchas opciones quedan por evaluar y se tendrá que seguir trabajando en este tipo de
ejercicios para que en un futuro no muy lejano se puedan mejorar los resultados de
modelación.
Los resultados muestran que en general, para algunas estaciones, se tienen resultados
satisfactorios en algunas de las series simuladas y resultados no satisfactorios en otras,
con una curiosidad, y es que, en ocasiones, para la misma estación los valores de caudal
se ajustan bien a los datos observados, mientras que los datos de nivel tienen un muy
mal ajuste y viceversa; esto se presenta hasta en los datos de las condiciones de
fronteras (ver: Tabla 3-9, Tabla 3-10, Tabla 3-12, Tabla 3-13, Tabla 3-15 y Tabla 3-16).
Las métricas de desempeño en las condiciones de frontera muestran la simulación

perfecta, como tiene que ser, sin influencia alguna de los parámetros y caudales de los
tributarios. En las demás series de tiempo de las estaciones hidrológicas evaluadas, se
presentó una clara identificabilidad y sensibilidad del parámetro de coeficiente de
rugosidad de Manning (ver: Figura 3-28, Figura 3-30, Figura 3-31, Figura 3-39, Figura
3-41, Figura 3-40, Figura 3-42, Figura 3-50, Figura 3-52, Figura 3-51 y Figura 3-53).
Mientras que los valores promedios de caudales de los tributarios, no se encontraron ni
Resultados 149
sensibles, ni identificables (ver: Figura 3-32, Figura 3-34, Figura 3-33, Figura 3-45 y
Figura 3-46).
Los valores de caudales y niveles simulados pueden agruparse en tres conjuntos (ver:
Figura 3-36, Figura 3-47, Figura 3-48, Figura 3-54 y Figura 3-55):
 las simulaciones que sobreestiman los valores de caudal y/o nivel observados,
 las simulaciones que subestiman,
 las que tienen una buena bondad de ajuste.
3.2.1 Sub-Modelo 1
El Sub Modelo 1, corresponde al sector entre Puerto Salgar y Regidor, incluyendo el
Brazo Boque, el Brazo de Simití y el Brazo de Morales. En este trayecto los tributarios
más importantes del río Magdalena son: el río Negro, el río La Miel, el río Cocorná, el río
Nare, el río Ermitaño, el río San Bartolomé, el río Carare, el río Opón, el río Cimitarra, el
río Sogamoso, el río Santodomingo, el río Lebrija, la Quebrada La Honda, la Quebrada
Arenal y el río Simaná. Como se describió en la sección 2.3.2 (a), las condiciones de
frontera del subModelo 1 son: valores de caudal medidos en la estación de Puerto Salgar
(Aguas Arriba) y valores de nivel medidos en la estación Regidor (Aguas Abajo) (ver:
Figura 3-27).
En el Sub-Modelo 1 se realizaron 200 simulaciones, las cuales se corrieron

acopladamente con el modelo hidrológico wflow quien determinó las series de tiempo de
caudales en los tributarios. En cada simulación, los valores de los parámetros de wflow
(ver: sección 2.3.3(a)(ii)) y del coeficiente de rugosidad de Manning (ver: sección
2.3.3(b)(i)) se cambiaron aleatoriamente utilizando una distribución de probabilidad
uniforme.
La Tabla 3-9 y la Tabla 3-10 muestra el mejor coeficiente de eficiencia de Nash-Sutcliffe

para las series de tiempo simuladas de caudales y niveles en el tramo. Los resultados
encontrados muestran valores satisfactorios del Coeficiente de Eficiencia de Nash-
Sutcliffe –R2 para:
 Los caudales simulados en las estaciones de Puerto Berrio, Peñas Blancas, Sitio
Nuevo R11 y El Contento
Magdalena
 Los niveles simulados en las estaciones de Puerto Salgar, Puerto Inmarco, Puerto
Berrio, Barrancabermeja, Puerto Wilches y San Pablo.
Se obtuvieron adicionalmente, valores no satisfactorios del Coeficiente de Eficiencia de

Nash-Sutcliffe –R2 para:
 Los caudales simulados en la estación de Regidor.

 Los niveles simulados en las estaciones de Sitio Nuevo R11, Badillo, El Contento,
Gamarra y La Gloria.
SOBEK no pudo representar los valores de niveles de agua observados en el río

Magdalena en la zona donde se presenta la bifurcación de este con los brazos de Simití y
de Morales (ver: Figura 3-27).
Tabla 3-9 Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal para las mejores
simulaciones de SOBEK Modelo 1.
Coeficiente de Eficiencia de Criterio de
Código Estación
Nash-Sutcliffe –R2 Nash-Sutcliffe
23037010 Puerto Salgar 1.000 Excelente
23097030 Puerto Berrío 0.899 Excelente
23167010 Peñas Blancas 0.686 Muy Bueno
23187280 Sitio Nuevo R11 0.729 Muy Bueno
23217030 El Contento 0.307 Satisfactorio
25027410 Regidor 0.199 Insuficiente
Tabla 3-10 Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel para las mejores
Coeficiente de Eficiencia de Criterio de
Código Estación
Nash-Sutcliffe –R2 Nash-Sutcliffe
23037010 Puerto Salgar 0.356 Satisfactorio
23097040 Puerto Inmarco 0.441 Bueno
23097030 Puerto Berrío 0.925 Excelente
23117030 Barrancabermeja 0.730 Muy Bueno
23187010 Puerto Wilches 0.611 Muy Bueno
23207040 San Pablo 0.735 Muy Bueno
23187280 Sitio Nuevo R11 -1.351 Insuficiente
23187120 Badillo -14.981 Insuficiente
23217030 El Contento -39.506 Insuficiente
23217020 Gamarra -55.408 Insufuciente
23217060 La Gloria -60.614 Insuficiente
25027410 Regidor 1.000 Excelente
Resultados 151
Figura 3-27 Condiciones de frontera, estaciones hidrológicas disponibles y subcuencas

consideradas en el sub-Modelo 1.
Magdalena
A continuación, se muestran los resultados de identificabilidad y sensibilidad paramétrica

del coeficiente de rugosidad de Manning (ver: Figura 3-28, Figura 3-30 y Figura 3-31) y
los caudales promedios de los tributarios modelados en Wflow (ver: Figura 3-32, Figura
3-34 y Figura 3-33). Adicionalmente se revisa el análisis de incertidumbre de los caudales
y niveles simulados (ver: Figura 3-36).
a) Coeficiente de rugosidad de Manning
En la Figura 3-28 y Figura 3-29 se puede ver claramente que el coeficiente de rugosidad
de Manning es identificable y sensible regionalmente en todas las estaciones de caudal
y nivel del sub-modelo 1. En la Tabla 3-11 se muestra que los valores del coeficiente de
rugosidad de Manning no coinciden para niveles y caudales.
En el caso de Puerto Salgar y Puerto Inmarco el coeficiente de rugosidad de Manning

podría tomar un valor mayor a 0.06 es decir fuera del rango de variación del parámetro,
en las simulaciones realizadas la tendencia es que cuanto mayor sea el coeficiente de
Manning mayor valor tiene la métrica de desempeño (Ver Figura 3-29 (a) y (b)).
La estación Puerto Berrio no presenta grandes diferencias entre los coeficiente de

rugosidad de Manning para la mejor simulación del nivel y la mejor simulación de caudal
con respecto a las otras estaciones (Ver Figura 3-28 y Figura 3-29), entonces es posible
plantear la búsqueda de un óptimo de Pareto para dar un valor intermedio al coeficiente
de rugosidad de Manning y quizás obtener un resultado consistente para los niveles y
los caudales.
Para las estaciones Sitio Nuevo y Regidor el coeficiente de rugosidad de Manning podría
ser menor al límite inferior del rango de variación del parámetro, debido que en el caso
de Sitio Nuevo los valores del coeficiente de Manning para las mejores simulaciones de
Caudal y Nivel son cercanos a 0.03, y en caso de Regidor el valor del coeficiente de
rugosidad de Manning para la mejor simulación de nivel corresponde a 0.03 (Ver Figura
3-29 (g), Figura 3-28 (d) y (f), y Tabla 3-11) .
Resultados 153
En la estación El Contento el coeficiente de rugosidad que describe mejor al caudal

pudiese encontrarse en un valor menor al límite inferior del rango del parámetro (Ver
Figura 3-29), aunque el nivel es sensible al coeficiente de Manning tiene incidencia de
otros elementos del modelo, concibiendo que modificar solo el coeficiente de rugosidad
de Manning no sea suficiente para obtener un buen ajuste del nivel simulado con el nivel
observado, en este caso el valor del coeficiente de rugosidad de Manning a buscar debe
considerar encontrar un óptimo de Pareto entre nivel y caudal, y un nuevo rango de
variación del parámetro con un límite inferior menor a 0.03 .
Tabla 3-11: Mejores coeficientes de rugosidad de Manning para los valores de Nivel y Caudal de
las estaciones en el sub-Modelo 1
Mejor Coeficiente de Mejor Coeficiente de
Código Estación rugosidad de Manning rugosidad de Manning para
para Nivel Caudal
23037010 Puerto Salgar 0.060 0.046

23097040 Puerto Inmarco 0.060 No Aplica
23097030 Puerto Berrío 0.034 0.030
23167010 Peñas Blancas No Aplica 0.030
23117030 Barrancabermeja 0.040 No Aplica
23187010 Puerto Wilches 0.032 No Aplica
23207040 San Pablo 0.030 No Aplica
23187280 Sitio Nuevo R11 0.030 0.031
23187120 Badillo 0.030 No Aplica
23217030 El Contento 0.030 0.042
23217020 Gamarra 0.030 No Aplica
23217060 La Gloria 0.030 No Aplica
25027410 Regidor 0.046 0.030
La Figura 3-28 y la Figura 3-29 presentan los valores de la métrica de desempeño contra
los valores del coeficiente de rugosidad de Manning de todas las simulaciones
realizadas, se observa que tanto para niveles y caudales de las estaciones del sub-
modelo 1 es posible plantear funciones que describan el comportamiento del modelo con
respecto al cambio del coeficiente de rugosidad de Manning.
Magdalena
(a) Puerto Salgar (b) Puerto Berrio (c) Peñas Blancas
(d) Sitio Nuevo R11 (e) El Contento (f) Regidor

Figura 3-28: Diagrama de dispersión del coeficiente de rugosidad de Manning para los valores de
caudal de las estaciones en el sub-Modelo 1.
(a) Puerto Salgar (b) Puerto Inmarco (c) Puerto Berrío
(d) Barrancabermeja (e) Puerto Wilches (f) San Pablo

Resultados 155
(g) Sitio Nuevo R11 (h) Badillo (i) El Contento
(j) Gamarra (k) La Gloria (l) Regidor

.Figura 3-29: Diagrama de dispersión del coeficiente de rugosidad de Manning para los valores de
nivel de las estaciones en el sub-Modelo 1
La Figura 3-30 y la Figura 3-31 muestran la sensibilidad paramétrica regional del

coeficiente de rugosidad de Manning para nivel y caudal de las estaciones del sub-
modelo 1 respectivamente, las líneas color cyan corresponden al grupo con mejor
comportamiento, la línea azul oscuro a los peores comportamientos y la línea negra al
comportamiento de todos los datos. Las figuras muestran que en las estaciones de
frontera tal y como debe ser el parámetro no es sensible y en la mayoría de casos con el
cambio del parámetro cambia el desempeño del modelo, siendo este sensible.
(a) Puerto Salgar (b) Puerto Berrío (c) Peñas Blancas

Magdalena
(d) Sitio Nuevo R11 (e) El Contento (f) Regidor

Figura 3-30: Análisis de Sensibilidad Regional del coeficiente de rugosidad de Manning para los
valores de caudal de las estaciones en el sub-Modelo 1.
(a) Puerto Salgar (b) Puerto Inmarco (c) Puerto Berrío
(d) Barrancabermeja (e) Puerto Wilches (f) San Pablo
(g) Sitio Nuevo R11 (h) Badillo (i) El Contento

Resultados 157
(j) Gamarra (k) La Gloria (l) Regidor

Figura 3-31: Análisis de Sensibilidad Regional del coeficiente de rugosidad de Manning para los
valores de nivel de las estaciones en el sub-Modelo 1.
b) Caudales promedio de los tributarios
Para las estaciones del modelo 1 los caudales promedio de los tributarios estimados en
Wflow no resultaron ser sensibles, ni identificables para niveles y caudales en las
diferentes estaciones hidrológicas en SOBEK a continuación se quiere mostrar el efecto
de los tributarios en la estación hidrológica más cercana del tramo de río a modelar,
encontrando en general que no son parámetros ni identificables, ni sensibles. (Ver:
Figura 3-32, Figura 3-33 y Anexo: Resultados de Identificabilidad Paramétrica, Análisis
de Sensibilidad y Análisis de Incertidumbre de la Modelación Hidrológica e Hidráulica
Acoplada.).
(a) Identificabilidad del Caudal del Río Negro en la (b) Identificabilidad del Caudal del Río Nare en la (c) Identificabilidad del Caudal del Río Ermitaño en la
estación Puerto Salgar estación Puerto Berrío estación Peñas Blancas
Magdalena
(d) Identificabilidad del Caudal del Río Cimitarra en la (i) Identificabilidad del Caudal del Río Lebrija en los (f) Identificabilidad del Caudal de la Quebrada Arenal en
estación Sitio Nuevo R11 caudales de El Contento los caudales de Regidor
Figura 3-32: Diagrama de dispersión del caudal promedio de un tributario en los valores de
caudal de una estación en el sub-Modelo 1.
(a) Identificabilidad del Caudal del Río Negro en los (b) Identificabilidad del Caudal del Río Nare en los niveles (c) Identificabilidad del Caudal del Río Nare en los niveles
niveles de Puerto Salgar de Puerto Inmarco de Puerto Berrío
(d) Identificabilidad del Caudal del Río Carare en los (e) Identificabilidad del Caudal del Río Sogamoso en los (f) Identificabilidad del Caudal del Río Sogamoso en los
niveles de Barrancabermeja niveles de Puerto Wilches niveles de San Pablo
(g) Identificabilidad del Caudal del Río Cimitarra en los (h) Identificabilidad del Caudal del Río Santodomingo en (i) Identificabilidad del Caudal del Río Lebrija en los
niveles de Sitio Nuevo R11 los niveles de Badillo niveles de El Contento
Resultados 159
(i) Identificabilidad del Caudal del Río Lebrija en los (j) Identificabilidad del Caudal del Río Simaná en los (j) Identificabilidad del Caudal de la Quebrada Arenal en
niveles de Gamarra niveles de La Gloria los niveles de Regidor
Figura 3-33: Diagrama de dispersión del caudal promedio de un tributario en los valores de nivel
de una estación en el sub-Modelo 1.
(a) Sensibilidad del Caudal del Río Negro en la estación (b) Sensibilidad del Caudal del Río Nare en la estación (c) Sensibilidad del Caudal del Río Ermitaño en la
Puerto Salgar Puerto Berrío estación Peñas Blancas
(d) Sensibilidad del Caudal del Río Cimitarrra en los (e) Sensibilidad del Caudal del Río Lebrija en los (f) Sensibilidad del Caudal de la Quebrada Arenal en los
caudales de Sitio Nuevo R11 caudales de El Contento caudales de Regidor
Figura 3-34: Análisis de sensibilidad regional del caudal promedio de un tributario en los valores
de caudal de una estación en el sub-Modelo 1.
Magdalena
(a) Sensbilidad del Caudal del Río Negro en los (b) Sensibilidad del Caudal del Río Nare en los (c) Sensibilidad del Caudal del Río Nare en los
niveles de Puerto Salgar niveles de Puerto Inmarco niveles de Puerto Berrío
(d) Sensibilidad del Caudal del Río Carare en los (e) Sensibilidad del Caudal del Río Sogamoso en (f) Sensibilidad del Caudal del Río Sogamoso en
niveles de Barrancabermeja los niveles de Puerto Wilches los niveles de San Pablo
(g) Sensibilidad del Caudal del Río Cimitarra en (h) Sensibilidad del Caudal del Río Santodomingo (i) Sensibilidad del Caudal del Río Lebrija en los
los niveles de Sitio Nuevo R11 en los niveles de Badillo niveles de El Contento
(i) Sensibilidad del Caudal del Río Lebrija en los (j) Sensibilidad del Caudal del Río Simaná en La (k) Sensibilidad del Caudal de la Quebrada Arenal
niveles de Gamarra Gloria en Regidor
de nivel de una estación en el sub-Modelo 1.
Resultados 161
c) Análisis de Incertidumbre
El análisis de incertidumbre muestra que los niveles y caudales bajos presentados en el

inicio del período de modelación, fueron bien representados en casi todas las estaciones,
excepto en la medición de caudal en la estación El Contento, donde estos valores fueron
subestimados (Ver: Figura 3-36 (e)). Adicionalmente se puede observar que al iniciar el
período de flujos altos, los niveles de las estaciones Sitio Nuevo R11, Badillo, El
Contento y Gamarra comienzan a ser sobreestimados, si se asumieran valores de
rugosidad de Manning menores a los utilizados; se podría sacrificar el ajuste en los
niveles bajos del inicio de la simulación, demostrando así que el coeficiente de rugosidad
de Manning debería considerarse como una función del nivel y/o de la velocidad (Figura
3-36 y Figura 3-37).
i. Caudales
(a) Puerto Salgar (b) Puerto Berrío
(c) Peñas Blancas (d) Sitio Nuevo R11

Magdalena
(e) El Contento (f) Regidor

Figura 3-36: Análisis de incertidumbre de los valores de caudal en el sub-Modelo 1.
ii. Niveles
(a) Puerto Salgar (b) Puerto Inmarco
(c) Puerto Berrío (d) Barrancabemerja

Resultados 163
(e) Puerto Wilches (f) San Pablo
(g) Sitio Nuevo R11 (h) Badillo
(i) El Contento (j) Gamarra

Magdalena
(k) La Gloria (l) Regidor

Figura 3-37: Análisis de incertidumbre de los valores de nivel en el sub-Modelo 1.
3.2.2 Sub-Modelo 2
El Sub Modelo 2, corresponde al sector entre Regidor y Calamar, incluyendo el Río
Cauca desde la Coquera hasta Pinillos, el caño Mojana, el Brazo de Loba, el Brazo de
Mompox, Brazo La Victoria, Brazo de Guayabal, Brazo Quitasol, el Caño Violo y el Caño
Chicagua. En este trayecto los tributarios más importantes del río Magdalena son el río
Cesar, río San Jorge (brazo de Loba), caño Culebra (brazo de Mompox), caño Chimicua
(brazo de Mompox) y del río Cauca, el río Nechí y el río Caribona. Como se describió en
la sección 2.3.2.(c), las condiciones de frontera del sub-Modelo 2 son: valores de caudal
medidos en las estaciones de Regidor y La Coquera (Aguas Arriba) y valores de nivel
medidos en la estación Calamar (Aguas Abajo). (Ver: Figura 3-38).
En el Sub-Modelo 2 se realizaron 200 simulaciones, que corrieron acopladamente con el

modelo hidrológico wflow quien determinó la serie de tiempo de caudales en los
tributarios. En cada simulación, los valores de los parámetros de wflow (ver: sección
2.3.3.a.ii) y del coeficiente de rugosidad de manning (ver: sección 2.3.3.b.i)) se
cambiaron aleatoriamente utilizando una distribución de probabilidad uniforme.
La Tabla 3-12 y Tabla 3-13 muestra el mejor coeficiente de eficiencia de Nash-Sutcliffe

para las series de tiempo simuladas de caudal y nivel en el tramo. Los resultados
Resultados 165
encontrados muestran valores satisfactorios del Coeficiente de Eficiencia de Nash-

Sutcliffe –R2 para:
 Los caudales simulados en las estaciones de El Banco, San Roque, Santa Ana,
La Victoria, La Coquera, Margento, Las Flores, las Aguadas, Coyongal y Calamar
 Los niveles simulados en las estaciones de Peñoncito, El Banco, San Roque,
Palenquito, Guaymaral, Margento, Las Flores, Las Varas, Tres Cruces, Sucre,
Las Aguadas, Las Palomas, Rio Nuevo, Armenia, Coyongal, Sitio Nuevo,
Barbosa, Magangué y Tenerife.
Se obtuvieron adicionalmente, valores no satisfactorios del Coeficiente de Eficiencia de

Nash-Sutcliffe –R2 para:
 Los caudales simulados en las estaciones de Palenquito, Guaymaral, Las Varas,
Tres Cruces, Las Palomas, Rio Nuevo, Armenia y Magangué.
 Los niveles simulados en las estaciones de Santa Ana, La Coquera, Majagual y
Plato.
SOBEK no pudo representar los valores de caudales de agua observados en el río

Magdalena en la zona donde se presentan el brazo Quitasol y el caño Chicagua, ni en el
río Cauca aguas abajo del caño Mojana, ni en el brazo de Loba. En el brazo de Loba, se
cree que el error es debido a curvas de calibración dado que los valores de nivel de agua
sumulados sobre este brazo tuvieron resultados satisfactorios.
En las situaciones presentadas en el brazo Quitasol y caño Chicagua, se considera que

son dificultades de SOBEK de modelar las bifurcaciones y confluencias debido a la
escasez de secciones transversales en los brazos pequeños. Por último en el río Cauca
SOBEK no pudo representar el efecto del rompimiento del dique direccional (ver: Figura
3-38, Figura 3-47 y Figura 3-48).
Magdalena

Resultados 167
Tabla 3-12: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal

para las mejores simulaciones de SOBEK Modelo 2.
Coeficiente de
Criterio de
Código Estación Eficiencia de Nash-
Nash-Sutcliffe
Sutcliffe –R2
25027410 Regidor 1.000 Excelente
25027330 Peñoncito -0.673 Insuficiente
25027020 El Banco 0.527 Bueno
25027320 San Roque 0.847 Excelente
25027370 Santa Ana 0.567 Bueno
25027420 La Victoria 0.553 Bueno
25027570 Palenquito -2.212 Insuficiente
25027580 Guaymaral -27.972 Insuficiente
26247020 La Coquera 1.000 Excelente
25027050 Margento 0.855 Excelente
25027270 Las Flores 0.804 Excelente
25027200 Las Varas -1.150 Insuficiente
25027640 Tres Cruces -0.278 Insuficiente
25027490 Las Aguadas 0.936 Excelente
25027390 Las Palomas -0.513 Insuficiente
25027630 Rio Nuevo -8.211 Insuficiente
25027360 Armenia -2.366 Insuficiente
25027930 Coyongal 0.933 Excelente
25027290 Sitio Nuevo 0.264 Satisfactorio
25027530 Barbosa 0.512 Bueno
25027680 Magangué -0.314 Insuficiente
29037020 Calamar 0.791 Muy Bueno
Tabla 3-13: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel

Coeficiente de
Criterio de
Nash-Sutcliffe
Sutcliffe –R2
25027410 Regidor 0.112 Insuficiente
25027330 Peñoncito 0.917 Excelente
25027020 El Banco 0.908 Excelente
25027320 San Roque 0.881 Excelente
25027370 Santa Ana -0.038 Insuficiente
-25027570 Palenquito 0.334 Satisfactorio
25027580 Guaymaral 0.488 Bueno
26247020 La Coquera -0.721 Insuficiente
25027050 Margento 0.812 Excelente
25027270 Las Flores 0.757 Muy Bueno
25027200 Las Varas 0.501 Bueno
25027640 Tres Cruces 0.770 Muy Bueno
Magdalena
Tabla 3-13: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel

Coeficiente de
Criterio de
Nash-Sutcliffe
Sutcliffe –R2
25027500 Majagual -1.483 Insuficiente
25027110 Sucre 0.321 Satisfactorio
25027490 Las Aguadas 0.844 Excelente
25027390 Las Palomas 0.220 Satisfactorio
25027630 Rio Nuevo 0.398 Satisfactorio
25027360 Armenia 0.432 Bueno
25027930 Coyongal 0.816 Excelente
25027290 Sitio Nuevo 0.866 Excelente
25027530 Barbosa 0.935 Excelente
25027680 Magangué 0.692 Muy Bueno
25027450 Plato 0.083 Insuficiente
29017010 Tenerife 0.934 Excelente
29037020 Calamar 1.000 Excelente

del coeficiente de rugosidad de Manning (ver: Figura 3-39, Figura 3-41, Figura 3-40 y
Figura 3-42) y los caudales promedios de los tributarios modelados en wflow (ver: Figura
3-45, Tabla 3-14 y Figura 3-46). Adicionalmente se revisa el análisis de incertidumbre de
los caudales y niveles simulados (ver: Figura 3-47 y Figura 3-48).
a) Coeficiente de rugosidad de Manning
El coeficiente de rugosidad de Manning es sensible e identificable para nivel y caudal en

todas las estaciones, excepto en las estaciones de frontera (Ver: Figura 3-39 y Figura
3-40), y las estaciones de caudal Las Flores y Las Varas (Ver: Figura 3-40 (k) y (i)). En
las fronteras no es sensible, ni identificable porque la condición está establecida y no
puede cambiar con ningún parámetro (Ver: Figura 3-39 (a) y (i), y Figura 3-40 (v)).
Los valores del coeficiente de rugosidad de Manning para las mejores simulaciones en
general dieron iguales para Caudal y Nivel, sin embargo la mayoría de los resultados se
situaron en los límites del rango de variación de los parámetros, haciendo que sea muy
loable que en cada caso se necesite explorar con rangos más amplios (Ver: Figura 3-39,
Figura 3-40, y Tabla 3-14) . Algunas estaciones como Peñoncito, El Banco, San Roque,
Resultados 169
Santa Ana, entre otras aparentemente tienen un valor óptimo de coeficiente de rugosidad
de Manning menor que 0.03 y Coyongal, aparentemente tiene un valor óptimo mayor que
0.06 (Ver: Figura 3-39, Figura 3-40, Tabla 3-14).
Las estaciones Guaymaral y Armenia presentan un comportamiento particular, sus

valores óptimos se encuentran sobre los límites del rango de variación de parámetros, en
el caso de nivel cuanto mayor sea el Manning mayores es la convergencia entre los
datos simulados y los datos observados, comportamiento contrario en el caudal, por tanto
es loable que para esta estación no sea suficiente cambiar solamente el rango de
variación del coeficiente de rugosidad de Manning. (Ver: Figura 3-39 (h) y(q), Figura 3-40,
y Tabla 3-14) .
Tabla 3-14: Mejores coeficientes de rugosidad de Manning para los

valores de Nivel y Caudal de las estaciones en el sub-Modelo 2.
Código Estación rugosidad de Manning rugosidad de Manning
para Nivel para Caudal
25027410 Regidor 0,049 0,030

25027330 Peñoncito 0,030 0,030
25027020 El Banco 0,030 0,030
25027320 San Roque 0,030 0,030
25027370 Santa Ana 0,030 0,030
25027420 La Victoria 0,035 No Aplica
25027570 Palenquito 0,03 0,030
25027580 Guaymaral 0,06 0,030
26247020 La Coquera 0,049 0,060
25027050 Margento 0,03 0,030
25027270 Las Flores 0,04 0,030
25027200 Las Varas 0,04 0,030
25027640 Tres Cruces 0,03 0,030
25027500 Majagual No Aplica 0,060
25027110 Sucre No Aplica 0,036
25027490 Las Aguadas 0,031 0,030
25027390 Las Palomas 0,03 0,030
25027630 Rio Nuevo 0,03 0,030
25027360 Armenia 0,03 0,059
Magdalena
Tabla 3-14: Mejores coeficientes de rugosidad de Manning para los

valores de Nivel y Caudal de las estaciones en el sub-Modelo 2.
Código Estación rugosidad de Manning rugosidad de Manning
para Nivel para Caudal
25027930 Coyongal 0,059 0,042

25027290 Sitio Nuevo 0,03 0,038
25027530 Barbosa 0,03 0,030
25027680 Magangué 0,03 0,030
25027450 Plato No Aplica 0,030
29017010 Tenerife No Aplica 0,030
29037020 Calamar 0,03 0,049
En la Figura 3-39 y la Figura 3-40 se grafica el coeficiente de desempeño contra el

coeficiente de rugosidad de Manning.
(a)Regidor (b)Peñoncito (c)El Banco
(d)San Roque (e)Santa Ana (f)La Victoria

Resultados 171
(g) Palenquito (h) Guaymaral (i)La Coquera
(j) Margento (k) Las Flores (l) Las Varas
(m) Tres Cruces (n) Las Aguadas (o) Las Palomas
(p) Rio Nuevo (q) Armenia (r) Coyongal

Magdalena
(s) Sitio Nuevo (t) Barbosa
(u)Magangué (v) Calamar

Figura 3-39: Diagrama de dispersión del coeficiente de rugosidad de manning para los valores de
caudal de las estaciones en el sub-Modelo 2.
(d)San Roque (e)Santa Ana (f) Palenquito

Resultados 173
(h) Guaymaral (h)La Coquera (i)Margento
(j) Las Flores (k) Las Varas (l) Tres Cruces
(m) Majagual (n) Sucre (o) Las Aguadas
(p) Las Palomas (q) Rio Nuevo (r) Armenia

Magdalena
(s) Coyongal (t) Sitio Nuevo (u) Barbosa
(u)Magangué (w) Plato
(x) Tenerife (v) Calamar

nivel de las estaciones en el sub-Modelo 2.

Resultados 175
(d)San Roque (e)Santa Ana (f)La Victoria
(g) Palenquito (h) Guaymaral (i)La Coquera
(j)Margento (k) Las Flores (l) Las Varas
(m) Tres Cruces (n) Las Aguadas (o) Las Palomas

Magdalena
(p) Rio Nuevo (q) Armenia (r) Coyongal

Figura 3-41: Análisis de Sensibilidad Regional del coeficiente de rugosidad de manning para los
valores de caudal de las estaciones en el sub-Modelo 2.

Resultados 177
(d)San Roque (e)Santa Ana (f) Palenquito
(h) Guaymaral (h)La Coquera (i)Margento
(j) Las Flores (k) Las Varas (l) Tres Cruces
(m) Majagual (n) Sucre (o) Las Aguadas

Magdalena
(p) Las Palomas (q) Rio Nuevo (r) Armenia
(s) Coyongal (t) Sitio Nuevo (u) Barbosa

Figura 3-42: Análisis de Sensibilidad Regional del coeficiente de rugosidad de manning para los
valores de nivel de las estaciones en el sub-Modelo 2.
Resultados 179
b) Caudales promedio de los tributarios
Para las estaciones del sub modelo 2 los caudales promedio de los tributarios estimados
en Wflow no resultaron ser sensibles, ni identificables para el cálculo de niveles y
caudales en las diferentes estaciones hidrológicas en SOBEK a continuación se quiere
mostrar el efecto de los tributarios en la estación hidrológica más cercana del tramo de
río a modelar (Ver: Figura 3-43, Figura 3-44 y Anexo: Resultados de Identificabilidad
Paramétrica, Análisis de Sensibilidad y Análisis de Incertidumbre de la Modelación
Hidrológica e Hidráulica Acoplada.)
(a) Identificabilidad del Caudal del Río Cesar en (b) Identificabilidad del Caudal del Río Cesar en (c) Identificabilidad del Caudal del Río Cesar en
los caudales de Regidor los caudales de Peñoncito los caudales de El Banco
(d) Identificabilidad del Caudal del Río Caribona en los (e) Identificabilidad del Caudal del Caño Chimicua (f) Identificabilidad del Caudal del Río Cesar en
caudales de San Roque en los caudales de Santa Ana los caudales de La Victoria
Magdalena
(g) Identificabilidad del Caudal del Río Cesar en los (h) Identificabilidad del Caudal del Río Cesar en (i) Identificabilidad del Caudal del Río Nechí en los
caudales de Palenquito los caudales de Guaymaral caudales de La Coquera
(j) Identificabilidad del Caudal del Río Nechí en los (k) Identificabilidad del Caudal del Río Nechí en (l) Identificabilidad del Caudal del Río Caribona en
caudales de Margento los caudales de Las Flores los caudales de Las Varas
(m) Identificabilidad del Caudal del Río Caribona en los (n) Identificabilidad del Caudal del Río Cesar en (o) Identificabilidad del Caudal del Río Cesar en
caudales de Tres Cruces los caudales de Las Aguadas los caudales de Las Palomas
(p) Identificabilidad del Caudal del Río Cesar en los (q) Identificabilidad del Caudal del Río San Jorge (r) Identificabilidad del Caudal del Río San Jorge
caudales de Rio Nuevo en los caudales de Armenia en los caudales de Coyongal
Resultados 181
(s) Identificabilidad del Caudal del Río San Jorge en los caudales de Sitio (t) Identificabilidad del Caudal del Río San Jorge en los caudales de
Nuevo Barbosa
(u) Identificabilidad del Caudal del Río San Jorge en los caudales de (v) Identificabilidad del Caudal del Caño Chimicua en los caudales de
Magangué Calamar
Figura 3-43: Diagrama de dispersión del caudal promedio de un tributario en una estación en el
sub-Modelo 2.
(a) Identificabilidad del Caudal del Río Cesar en (b) Identificabilidad del Caudal del Río Cesar en (c) Identificabilidad del Caudal del Río Cesar en
los niveles de Regidor los niveles de Peñoncito los niveles de El Banco
Magdalena
(d) Identificabilidad del Caudal del Río Caribona (e) Identificabilidad del Caudal del Caño Chimicua (f) Identificabilidad del Caudal del Río Cesar en
en los niveles de San Roque en los niveles de Santa Ana los niveles de Palenquito
(h) Identificabilidad del Caudal del Río Cesar (h) Identificabilidad del Caudal del Río Nechí (i) Identificabilidad del Caudal del Río Nechí
en los niveles de Guaymaral en los niveles de La Coquera en los niveles de Margento
(j) Identificabilidad del Caudal del Río Nechí (k) Identificabilidad del Caudal del Río (l) Identificabilidad del Caudal del Río
en los niveles de Las Flores Caribona en los niveles de Las Varas Caribona en los niveles de Tres Cruces
(m) Identificabilidad del Caudal del Río San (n) Identificabilidad del Caudal del Río San (o) Identificabilidad del Caudal del Río
Jorge en los niveles de Majagual Jorge en los niveles de Sucre Cesar en los niveles de Las Aguadas
Resultados 183
(p) Identificabilidad del Caudal del Río Cesar (q) Identificabilidad del Caudal del Río Cesar (r) Identificabilidad del Caudal del Río San
en los niveles de Las Palomas en los niveles de Rio Nuevo Jorge en los niveles de Armenia
(s) Identificabilidad del Caudal del Río San (t) Identificabilidad del Caudal del Río San (u) Identificabilidad del Caudal del Río San
Jorge en los niveles de Coyonga Jorge en los niveles de Sitio Nuevo Jorge en los niveles de Barbosa
(v) Identificabilidad del Caudal del San Jorge en los niveles de (w) Identificabilidad del Caudal del Caño Chimicua en los niveles de
Magangué Plato
(x) Identificabilidad del Caudal del Caño Chimicua en los niveles de (y) Identificabilidad del Caudal del Caño Chimicua en los niveles de
Tenerife Calamar
Figura 3-44: Diagrama de dispersión del caudal promedio de un tributario en los valores de nivel
de una estación en el sub-Modelo 2.
Magdalena
(a) Sensibilidad del Caudal Río Cesar en los (b) Sensibilidad del Caudal Río Cesar en los (c) Sensibilidad del Caudal Río Cesar en los
caudales de Regidor caudales de Peñoncito caudales de El Banco
(d) Sensibilidad del Caudal Río Caribona en los (e) Sensibilidad del Caudal Caño Chimicua en los (f) Sensibilidad del Caudal Río Cesar en los
caudales de San Roque caudales de Santa Ana caudales de La Victoria
(g) Sensibilidad del Caudal Río Cesar en los caudales (h) Sensibilidad del Caudal Río Cesar en los (i) Sensibilidad del Caudal Río Nechí en los
de Palenquito caudales de Guaymaral caudales de La Coquera
(j) Sensibilidad del Caudal Río Nechí en los caudales (k) Sensibilidad del Caudal Río Nechí en los (l) Sensibilidad del Caudal Río Caribona en los
de Margento caudales de Las Flores caudales de Las Varas
Resultados 185
(m) Sensibilidad del Caudal Río Caribona en los (n) Sensibilidad del Caudal Río Cesar en los (o) Sensibilidad del Caudal Río Cesar en los
caudales de Tres Cruces caudales de Las Aguadas caudales de Las Palomas
(p) Sensibilidad del Caudal Río Cesar en los caudales (q) Sensibilidad del Caudal Río San Jorge en los (r) Sensibilidad del Caudal Río San Jorge en los
de Rio Nuevo caudales de Armenia caudales de Coyongal
(s) Sensibilidad del Caudal Río San Jorge en los caudales de Sitio Nuevo (t) Sensibilidad del Caudal Río San Jorge en los caudales de Barbosa
(u) Sensibilidad del Caudal Río San Jorge en los caudales de Magangué (v) Sensibilidad del Caudal Caño Chimicua en los caudales de Calamar
de caudal en una estación en el sub-Modelo 2
Magdalena
(a) Sensbilidad del Caudal del Río Cesar en (b) Sensbilidad del Caudal del Río Cesar en (c) Sensbilidad del Caudal del Río Cesar en
los niveles de Regidor los niveles de Peñoncito los niveles de El Banco
(d) Sensbilidad del Caudal del Río Caribona (e) Sensbilidad del Caudal del Caño (f) Sensbilidad del Caudal del Río Cesar en
en los niveles de San Roque Chimicua en los niveles de Santa Ana los niveles de Palenquito
(h) Sensbilidad del Caudal del Río Cesar en (h) Sensbilidad del Caudal del Río Nechí en (i) Sensbilidad del Caudal del Río Nechí en
los niveles de Guaymaral los niveles de La Coquera los niveles de Margento
(j) Sensbilidad del Caudal del Río Nechí en (k) Sensbilidad del Caudal del Río Caribona (l) Sensbilidad del Caudal del Río Caribona
los niveles de Las Flores en los niveles de Las Varas en los niveles de Tres Cruces
Resultados 187
(m) Sensbilidad del Caudal del Río San (n) Sensbilidad del Caudal del Río San (o) Sensbilidad del Caudal del Río Cesar en
Jorge en los niveles de Majagual Jorge en los niveles de Sucre los niveles de Las Aguadas
(p) Sensbilidad del Caudal del Río Cesar en (q) Sensbilidad del Caudal del Río Cesar en (r) Sensbilidad del Caudal del Río San Jorge
los niveles de Las Palomas los niveles de Rio Nuevo en los niveles de Armenia
(s) Sensbilidad del Caudal del Río San Jorge (t) Sensbilidad del Caudal del Río San Jorge (u) Sensbilidad del Caudal del Río San
en los niveles de Coyonga en los niveles de Sitio Nuevo Jorge en los niveles de Barbosa
(v) Sensbilidad del Caudal del San Jorge en los niveles de (w) Sensbilidad del Caudal del Caño Chimicua en los niveles de
Magangué Plato
Magdalena
(x) Sensbilidad del Caudal del Caño Chimicua en los niveles (y) Sensbilidad del Caudal del Caño Chimicua en los niveles
de Tenerife de Calamar
Figura 3-46: Análisis de sensibilidad regional del nivel promedio de un tributario en los valores de
nivel de una estación en el sub-Modelo 2.
c) Análisis de Incertidumbre
En la Figura 3-47 y la Figura 3-48 se presentan los valores observados y las bandas de
confianza construida para caudal y nivel en las estaciones del sub-modelo 2.
El análisis de incertidumbre muestra que los niveles y caudales fueron bien

representados en varias de las estaciones. En Peñoncito, El Banco, Margento, Las
Aguadas, Sitio Nuevo y Barbosa, los caudales simulados fueron subestimados; mientras
que, en San Roque y Guaymaral se tiene sobreestimación de caudales (Ver: Figura 3-47
y Figura 3-48 ).
Algunos de los errores presentes en la simulación de niveles se pueden dar por errores
en la cota cero. Se espera que, si en el brazo de Mompox están bien los niveles en San
Roque, estén bien los niveles en Santa Ana y viceversa, pero esto no ocurre; de igual
modo en el caño Mojana en las estaciones Majagual y Sucre; y en el tramo del río
Magdalena Tenerife-Plato, donde en Tenerife se tienen bien los valores de niveles, pero
no así en Plato.
En las estaciones: Las Flores, Las Varas se observa una sobreestimación de caudales
(Ver: Figura 3-47 (k) y (i)), en el evento simulado en el río Cauca se presentaron algunos
rompimientos del Dique lo que causó que el canal principal disminuyera su caudal,
desafortunadamente SOBEK no pudo replicar esta situación, lo cual podría estar
Resultados 189
relacionado con que ningún parámetro sea sensible ni identificable en estas estaciones
de caudales (Ver: Figura 3-40 (k) y (i)).
SOBEK muestra dificultades para representar los caudales y niveles en las bifurcaciones
con escasa información topográfica, en esta ocasión los caudales de Palenquito y
Guaymaral en el caño Chicagua y Las Palomas y Armenia en el brazo de Quitasol son
pruebas de ello (Ver: Figura 3-47 (g), (h), (o) y (q), y Figura 3-48 (f), (h), (p) y (r)).
i. Caudales
(a)Regidor (b)Peñoncito
(c)El Banco (d)San Roque

Magdalena
(e)Santa Ana (f)La Victoria
(g) Palenquito (h) Guaymaral
(i)La Coquera (j)Margento

Resultados 191
(k) Las Flores (l) Las Varas
(m) Tres Cruces (n) Las Aguadas
(o) Las Palomas (p) Rio Nuevo

Magdalena
(q) Armenia (r) Coyongal

Resultados 193
ii. Niveles
(a)Regidor
(b)Peñoncito (c)El Banco
(d)San Roque (e)Santa Ana

Magdalena
(f) Palenquito (h) Guaymaral
(h)La Coquera (i)Margento
(j) Las Flores (k) Las Varas

Resultados 195
(l) Tres Cruces (m) Majagual
(n) Sucre (o) Las Aguadas
(p) Las Palomas (q) Rio Nuevo

Magdalena
(r) Armenia (s) Coyongal
(t) Sitio Nuevo (u) Barbosa

Resultados 197

3.2.3 Sub-Modelo 3
El Sub Modelo 3, corresponde al sector entre Calamar y la estación de Dársena por el río
Magdalena y Santa Helena 2 por el Canal del Dique. No se presenta ningún tributario
importante en ese sector. Como se describió en la sección 2.3.2.c, las condiciones de
frontera del sub-Modelo 3 son: valores de caudal medidos en la estación de Calamar
(Aguas Arriba) y valores de nivel medidos en las estaciones de Dársena y Santa Helena
2 (Aguas Abajo). (ver: Figura 3-49).
En el Sub-Modelo 3 se realizaron 200 simulaciones. En cada simulación, los valores del

coeficiente de rugosidad de manning (ver: sección 2.3.3.b.i) se cambiaron aleatoriamente
utilizando una distribución de probabilidad uniforme.
La Tabla 3-15 y la Tabla 3-16 muestran el mejor coeficiente de eficiencia de Nash-

Sutcliffe para las series de tiempo simuladas de caudales y niveles en el tramo. Los
resultados encontrados muestran valores no satisfactorios del Coeficiente de Eficiencia
de Nash-Sutcliffe –R2 para los valores de caudal y nivel simulados en este tramo del río
Magdalena.
SOBEK no pudo representar la proporción de caudales entre el canal del Dique y el río
Magdalena; adicionalmente al igual que pasó con el río Cauca no simuló adecuadamente
Magdalena
el rompimiento del Dique, causando esto, que en las simulaciones se llevara más caudal
del que llevaba el canal del dique en la realidad (ver: Figura 3-54, Figura 3-55 Tabla
3-17).
Es probable que si el coeficiente de rugosidad de Manning tomará valores menores a

0.03, los resultados de la modelación tuvieran mejor bondad de ajuste de la que se tiene
actualmente. (ver: Figura 3-50, Figura 3-51, Figura 3-52 y Figura 3-53).

Resultados 199
Tabla 3-15: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de caudal para las mejores
Coeficiente de
Criterio de
Nash-Sutcliffe
Sutcliffe –R2
29037020 Calamar 1.000 Excelente
29037360 Incora K7 -15.995 Insuficiente
29037800 Compuertas Canal del Dique -12.432 Insuficiente
29037080 Gambote -17.770 Insuficiente
29037370 Santa Helena 1 -23.458 Insuficiente
Tabla 3-16: Coeficiente de eficiencia de Nash-Sutcliffe de los valores de nivel para las mejores
Coeficiente de
Criterio de
Nash-Sutcliffe
Sutcliffe –R2
29037020 Calamar 0.134 Insuficiente
29047080 Dársena 0.999 Excelente
29037360 Incora K7 0.130 Insuficiente
29037080 Gambote 0.351 Satisfactorio
29037450 Santa Helena 2 1.000 Excelente

del coeficiente de rugosidad de Manning (ver: Figura 3-50, Figura 3-51, Figura 3-52 y
Figura 3-53). Adicionalmente se realizó el análisis de incertidumbre de los caudales y
niveles simulados (ver: Figura 3-54 y Figura 3-55).
d) Coeficiente de rugosidad de Manning
El coeficiente de rugosidad de Manning es sensible e identificable para nivel y caudal en

todas las estaciones, excepto en las estaciones de frontera. En las fronteras no es
Magdalena
sensible, ni identificable porque la condición está establecida y no puede cambiar con

ningún parámetro (Ver: Figura 3-50 (a) y Figura 3-51 (b) y (f)).
Todas las estaciones de caudal y nivel tienen un coeficiente de rugosidad de Manning

para la mejor simulación valores cercanos a 0.03 es decir al límite inferior del rango de
variación del parámetro, se tienen valores óptimos iguales para nivel y caudal, sin
embargo se debe explora con valores del coeficiente de rugosidad de Manning menores
a 0.03 (Ver: Tabla 3-17).
Tabla 3-17: Coeficiente de rugosidad de Manning con mayor valor del Coeficiente de Eficiencia
de Nash-Sutcliffe para los valores de nivel y caudal de las estaciones en el sub-Modelo 3.
Código Estación rugosidad de Manning rugosidad de Manning para
para Caudal Nivel
29037020 Calamar
0,030 0,030
29037360 Incora K7
0,030 0,030
29037800 Compuertas Canal del Dique 0,030 0,030
29037080 Gambote 0,030
0,030
29037370 Santa Helena 1 0,030
0,031
29037450 Santa Helena 2 0,030
0,030
(a) Calamar (b) Incora K7 (c) Compuertas Canal del Dique

Resultados 201
(d) Gambote (e) Santa Helena 1 (f) Santa Helena 2

caudal en el sub-Modelo 3.
(a) Calamar (b) Dársena (c) Incora K7

nivel en el sub-Modelo 3.
ii. Análisis de sensibilidad regional
La Figura 3-52 y la Figura 3-53 muestran la sensibilidad paramétrica regional del

coeficiente de rugosidad de Manning para nivel y caudal de las estaciones del sub-
modelo 3 respectivamente, las líneas color cyan corresponden al grupo con mejor
comportamiento, la línea azul oscuro a los peores comportamientos y la línea negra al
comportamiento general de los datos. Las figuras muestran que en las estaciones de
frontera tal y como debe ser el parámetro no es sensible y en la mayoría de casos con el
cambio del parámetro cambia el desempeño del modelo, siendo este sensible.
Magdalena
(a) Calamar (b) Incora K7 (c) Compuertas Canal del Dique

Figura 3-52: Análisis de sensibilidad regional del coeficiente de rugosidad de manning para los
valores de caudal en el sub-Modelo 3.
(a) Calamar (b) Dársena (c) Incora K7

Figura 3-53: Análisis de sensibilidad regional del coeficiente de rugosidad de manning para los
valores de nivel en el sub-Modelo 3.
Resultados 203
e) Análisis de Incertidumbre
En la Figura 3-54 y la Figura 3-55 se presentan los valores observados y las bandas de
confianza construida para caudal y nivel en las estaciones del sub-modelo 3.
El análisis de incertidumbre muestra que los niveles y caudales bajos en el inicio del
periodo de modelación, fueron bien representados en todas las estaciones del sub-
modelo 3 (Figura 3-54 y Figura 3-55). Pero en general para todas las estaciones los
caudales y simulados fueron sobre estimados, excepto en la estación de nivel de Santa
Helena 1 (Figura 3-55 (e)), por tanto sería adecuado utilizar una función que genere el
coeficiente de rugosidad de Manning en función de la velocidad de flujo.
A pesar de que la curva simulada se desflasa mucho de la curva observada, es curioso

que la simulada mantiene la forma de la observada, este comportamiento se relaciona
con la incapacidad de SOBEK para simular la ruptura de diques.
i. Caudales
(a) Calamar (b) Incora K7

Magdalena
(c) Compuertas Canal del Dique (d) Gambote
(e) Santa Helena 1 (f) Santa Helena 2

ii. Niveles
(a) Calamar (b) Dársena

Resultados 205
(c) Incora K7 (d) Gambote
(e) Santa Helena 1 (f) Santa Helena 2

f) Dársena [29047080]
Después de la bifurcación del río Magdalena entre Canal del Dique y río principal, no hay
ninguna estación con datos de caudales para el río Magdalena. Por esta razón se decidio
utilizar los valores simulados para tener una idea del orden de magnitud del caudal del río
Magdalena en su desembocadura en el mar Caribe.
Los caudales mínimos se comportan casi como una sola simulación, mientras que los
caudales medios y máximos si tienen gran diferencia entre una simulación y otra. Aunque
el modelo genera información importante, debido a la poca confiabilidad de los
resultados, especialmente en el sub-Modelo 3, se recomienda utilizar esta información
con mucha precaución.
Magdalena
Figura 3-56: Conjunto de 200 simulaciones de caudales para la estación Dársena [29047080]
utilizando SOBEK.
.
Figura 3-57: Incertidumbre en la simulación de caudales para la estación Dársena [29047080]
utilizando SOBEK
Resultados 207
4. Discusión
La discusión está estructurada de la siguiente forma: (i) Aspectos relevantes en la

construcción del modelo hidrológico, (ii) Aspectos importantes del modelo hidráulico, (iii)
Elementos a considerar en el acople de modelos hidroloógicos e hidráulicos, (iv)
Aspectos a considerar en la escala de modelación de procesos hidrológicos e hidráulicos
y (v) Elementos administrativos a considerar en el desarrollo de estos ejercicios de
modelación.
Los aspectos relevantes de la modelación hidrológica son:

 La selección del modelo, este debería ser seleccionado por las necesidades
generadas con el objetivo de modelación; sin embargo, la disponibilidad de
información es un limitante que termina imponiéndose.
 La disponibilidad y calidad de la información. Los modelos hidrológicos se alimentan

con información climatológica y mapas de uso y tipo de suelo.
o Los mapas de tipo y uso de suelo no siempre están actualizados, no siempre
tienen la misma escala, ni el mismo sistema de coordenadas. Se tienen,
entonces, errores asociados a las proyecciones y a la escala de los datos.
Normalmente, estos mapas se encuentran en formato shape y se deben rasterizar
para ser usados en modelos hidrológicos distribuidos. ¿Cuál debe ser la
resolución del ráster? ¿Se deben agregar a los datos al mapa de menor detalle
pensando en la eficiencia computacional o se deben desagregar al mapa con
mayor detalle para aprovechar al máximo la información disponible?
Magdalena
o Los datos climatológicos son series de tiempo puntuales que deben ser
espacializados. ¿Cuál es la distribución espacial de la información? ¿Cómo
manejar la irregularidad en la red de estaciones y el monitoreo? ¿Cuál es el mejor
método de interpolación? ¿Es viable combinar los datos puntuales con
información de satélites y sensores remotos? ¿Qué metodología usar para
combinar estos datos? Se piensa que en la interpolación espacial de los datos
climatológicos está una de las mayores fuentes de incertidumbre del modelo
hidrológico y que una manera de abordarlo es la combinación de información de
sensores remotos con los datos de estaciones en tierra.
 Los procesos hidrológicos incluyen simplificaciones hechas de las leyes físicas, ¿Qué
suposiciones se tuvieron en cuenta para llegar a esa simplificación? ¿Es válida la
suposición en las cuencas que se van a modelar? De no ser así, ¿Se puede acceder
al código del modelo e incluir la física de los procesos que no se consideran? Las
simplificaciones utilizadas en los modelos hidrológicos son ampliamente aceptadas y
funcionan bien en algunas cuencas, pero en algunas cuencas estas simplificaciones
pueden no ser válidas y habrá que revisar qué elementos deben ser incluidos y no
pueden ser obviados, desde la infiltración, movimiento de agua en la zona no
saturada, movimiento de agua en la zona saturada, la conexión del agua subterránea
y el agua superficial, el escurrimiento en la ladera y el tránsito hidráulico;
considerando siempre la información disponible para el modelamiento.
 Los valores de los parámetros, a los que se les establecen limites para que
físicamente tengan un significado; pero ¿Y si el valor óptimo del parámetro esta por
fuera del rango de valores con significado físico? ¿Se debe sacrificar la explicación
física del modelo por la precisión del mismo? ¿Hace falta variar los parámetros para
todas las combinaciones de tipo y cobertura de suelo? ¿Cómo realizar agrupaciones
por similitud de cuencas? ¿Se podrían reducir las combinaciones de uso y tipo de
suelo? ¿Hasta qué punto?
 Se piensa que aumentar el rango de valores de los parámetros por fuera de los
valores que tienen significado físico y/o reducir las simplificaciones realizadas en el
Resultados 209
modelo son opciones para mejorar el rendimiento del modelo y la decisión a tomar se
debe acompañar del conjunto de datos disponibles. Procesos como la regulación
hídrica ocasionada por represas, el tránsito hidráulico en algunos tributarios se
deberían considerar de primera instancia y otros procesos relacionados con la
infiltración y el modelamiento del subsuelo se podrían mejorar con una búsqueda
exhaustiva de los parámetros óptimos, esto pues, por la dificultad de inclusión de
estos procesos combinado con la falta de información para modelar adecuadamente
los mismos.
 Las simulaciones en cuencas no instrumentadas, ¿Se deberían aplicar metodologías

de estimación de caudales en cuencas no instrumentadas? ¿Se calibrará este
modelo con los resultados del modelo hidráulico? ¿Cuál es la validez de las
modelaciones para estas cuencas sin información? ¿Es válida la información
obtenida para estas cuencas? ¿Se puede utilizar esta información en la toma de
decisiones?
Los aspectos relevantes de la modelación hidráulica son:

o Las secciones transversales, ¿Cómo fueron medidas? ¿Se tienen secciones
completas? ¿Secciones con la llanura de inundación? ¿Secciones solo del canal
a banca llena? ¿Secciones del canal navegable? ¿Cómo se realizó el amarre de
las secciones para pasar de profundidades a cotas? ¿Son confiables las cotas
cero de las cuales se amarraron? ¿qué separación entre secciones se tienen?
¿Cuál es la separación entre puntos de amarre? ¿Es correcta la suposición de
pendiente del nivel de agua asumida?
o La llanura de inundación, ¿Se tiene una adecuada medición de la misma? ¿Cómo
se va a incluir en el modelo? ¿Se va a utilizar algún DEM? ¿Cuál es el origen de
este, cuál es su precisión en altura?
o Los brazos y/o bifurcaciones del río, ¿Se midieron secciones transversales en los
diferentes brazos y/o bifurcaciones del río?
o Los elementos lìneales elevados como diques y carreteras, ¿Se conoce la
localización y elevación de los diques y carreteras que pueden contener el flujo de
agua?
Magdalena
o Canales de interconexión y ciénagas, ¿Se conoce la localización y geometría de

los canales de interconexión del río Magdalena con ciénagas y humedales? ¿Se
conoce la geometría de las ciénagas y humedales? ¿Cómo se incluirán estos
elementos en el modelo?
o Estructuras hidráulicas en la corriente, ¿Se conoce la localización, geometría y/o
reglas de operación de estructuras en la corriente como bocatomas, puentes,
presas, etc?
 En la construcción del modelo hidráulico descrito en este documento, se tienen

secciones transversales de diferentes campañas de medición, en la mayoría de ellas
sólo se midió el canal navegable porque el objetivo de estas mediciones era
determinar volúmenes de dragado; las secciones fueron entonces acopladas con el
Modelo de Elevación Digital del terreno a pesar de la incertidumbre asociada a este
(intervalos de valores de 1m con precisión vertical de +/- 10 m); los brazos no fueron
medidos, pero tenían que ser incluidos, razón por la que se incluyeron con secciones
transversales medidas por el IDEAM en las estaciones hidrológicas localizadas en
ellos; los diques y carreteras y altura de los mismos se incluyeron con el
conocimiento experto; todas estas opciones son válidas, pero hay que considerarlas
a la hora de evaluar el desempeño del modelo. Todo se planteo bajo el supuesto de
no tener cambios en la geometría, pero, a la escala de modelación ¿Se deberían
tomar en cuenta los aspectos morfológicos en la modelación de ríos? ¿Afectan los
cambios de secciones transversales, apertura y/o cierre de brazos en los valores de
niveles y caudales simulados?
 Las series de tiempo de caudales y de niveles que se utilizan en la evaluación del
desempeño del modelo; ¿cuál es la incertidumbre asociada a las curvas de
calibración de caudales? ¿cuál es la incertidumbre en los valores de cota cero de las
estaciones hidrológicas?
 El proceso físico representado en el modelo y su forma de solución, ¿es la Onda
Dinámica suficiente para representar el tránsito hidráulico en ríos? ¿el método
numérico utilizado para la solución cambia los resultados o induce error?
Resultados 211
 El coeficiente de rugosidad de Manning, al que se les establecen limites para que

físicamente tenga un significado; pero ¿qué validez tiene este límite cuando toda la
incertidumbre asociada del modelo se le deja a este único parámetro? ¿Se debe
sacrificar la explicación física del modelo por la precisión del mismo? Los resultados
muestran una clara necesidad de considerar variaciones espaciales del coeficiente de
rugosidad, pero en ocasiones muestra que hace falta incluir una variación temporal
del mismo, una variación en función del cambio de nivel de agua o de la velocidad de
flujo, y esto lleva a preguntarse ¿se puede modificar el código del modelo para incluir
estos cambios en la rugosidad? ¿cuáles son las implicaciones teóricas de estos
cambios? En esta investigación se muestra la necesidad de ampliar este rango de
valores probables del coeficiente de rugosidad de Manning y la importancia que tiene
en los resultados del modelo (identificabilidad y sensibilidad).
Los aspectos relevantes del acople de la modelación hidrológica e hidráulica son:

 El tipo de acople, la posibilidad de realizar un acople unidireccional o bidireccional,
que esta limitada claro por las posibilidades de configuración de los modelos; en esta
investigación se optó por un acople unidireccional, el cual tiene simplificaciones tales
como: el no reproducir efectos de remanso en los tributarios y la conservación de
momentum entre tributario y río principal, ya que sólo afecta la conservación de masa
del río principal.
 Como se mostró en la sección 2.3.3, los caudales laterales se incluyen como
caudales puntuales que se distribuyen en el tramo de rìo de la forma: 𝑞𝑙𝑎𝑡 = .
∆𝑥
Considerando los valores de ∆𝑥 en cada uno de los submodelos, es como si se

tuvieran tributarios entrando en el tramo del río de 960m de ancho en el Sub-Modelo1
y de 1920m en el Sub-Modelo 2, distribuyendo en un ancho mayor al real del
tributario los valores de caudales, reduciendo el efecto puntual producido por el
tributario.
 Esto sumado a los inconvenientes presentados en las simplificaciones del modelo
hidrológico, lleva a preguntarse si ¿hace falta incluir los tramos finales de los
tributarios en el Modelo Hidráulico? ¿Mejorarán los efectos propios del acople como
la distribución de caudales como los efectos de remanso y la inclusión de los efectos
en la ecuación de momentum?
Magdalena
En lo que corresponde a la escala de modelos hidrológicos e hidráulicos y es que en

función de la escala temporal y espacial seleccionada se podrá dar respuesta a
diferentes objetivos de modelación. Los modelos hidrológicos se ven dominados por unos
u otros procesos en función del tamaño de las cuencas a modelar, es decir, el tiempo de
concentración de la cuenca resulta definitivo para entender si procesos como la
percolación y las aportaciones de aguas subterráneas tienen más peso que el proceso de
infiltración y escorrentía directa o viceversa; se encontró que en la modelación de
cuencas pequeñas y escala temporal de evento, la infiltración es el proceso hidrológico
predominante; mientras que en cuencas de mayor tamaño a escalas temporales
mayores, la percolación y los procesos de flujo de aguas subterráneas cobran mayor
importancia. Adicionalmente se tiene que la pendiente de la cuenca y del cauce principal
resultan fundamentales para entender si la Onda Cinemática representa bien el tránsito
hidráulico dentro de la cuenca o si por el contrario hace falta considerar la Onda
Dinámica en su totalidad, encontrando que, en cuencas de baja pendiente, la Onda
Dinámica es completamente necesaria, mientras que las cuencas de montaña tienen en
la Onda Cinemática una buena simplificación, a menos que se quieran representar las
inundaciones, donde se requiere una modelación 2D. En lo que corresponde a la
modelación hidráulica, se tiene que la modelación en 3D tiene que ser de elementos de
detalle, en tramos donde la profundidad del cauce sea considerable con respecto al
ancho y la longitud del tramo, también se demostró que en modelación de tramos largos
los flujos medios y bajos es suficiente con modelarlos en 1D, mientras que para definir
inundaciones y la interacción con grandes cuerpos de agua la modelación 2D cobra gran
importancia; en tramos de ríos de menor tamaño, los procesos 2D son importantes tanto
en flujos bajos, como medios y altos.
En resumen, en función de la escala se pueden o no incluir ciertos procesos, pero ¿cómo

se debe definir la escala? Lo primero que se debe considerar es el objetivo de la
modelación, y es que allì se responden preguntas de qué es lo que se quiere conocer o
resolver y allí se define el detalle. Posteriormente la información disponible es reguladora
de los procesos que se puedan incluir; adicionalmente el modelo utilizado para resolver el
problema, sus posibilidades de modificación entre otros también terminan siendo
Resultados 213
modificante de la escala, además de la experiencia e importancia que el modelador le de

o no a ciertos procesos para responder las preguntas inicialmente planteadas.
En cuanto a los elementos administrativos a ser considerados en el desarrollo de este

tipo de ejercicios de modelación se encuentra que:
 A pesar de la falta de unos datos y la mala calidad de otros, es importante en la

perspectiva general de la gestión de los recursos, iniciar procesos en los que se
rompa la inercia de la incapacidad técnica. Esa inercia del reposo en la que las
instituciones no pueden adelantar proyectos de considerable ambición técnica o
científica debido a la falta de información, precariedad de datos y conocimiento
experto.
 El inicio es el paso más difícil pues supone una apuesta sin antecedentes en el
entorno propio, una apuesta hacia herramientas cuyo uso no vemos común o
pertinente. En ese sentido Cormagdalena, a través del Centro de Investigaciones del
Río Magdalena ha adelantado un esfuerzo pionero para apoderarse del conocimiento
de su objeto de gestión: El río Magdalena. Esto implica una transformación
institucional total, el de una entidad creada en la última década del siglo veinte,
enfocada en la inversión de recursos del estado a una entidad con intención de
conocer y decidir informadamente sobre su quehacer. Una entidad que usa
herramientas técnicas y tecnológicas en pro de sus beneficiarios, que son en últimas
los ciudadanos del estado Colombiano. Y sobre todo una entidad que toma la
responsabilidad estatal de conocer tanto como pueda su objeto de gestión.
 En general, los proyectos de transferencia de tecnología no resultan procesos
directos, y más bien múltiples y diversas complicaciones surgen en su desarrollo. En
este caso particular de la modelación del Río Magdalena, las dificultades en parte se
deben a la complejidad propia del Río, en parte porque no, como es evidente, existe
la costumbre institucional de hacer uso de esas tecnologías y en parte porque la
entidad misma no tiene una estructura que anide fácilmente este tipo de proyectos.
Por ejemplo, actividades esenciales como encontrar información de estudios
anteriores o datos de otros proyectos, no representan una tarea técnica sino
Magdalena
administrativa, por cuanto las estructuras de información de Cormagdalena y demás

entidades públicas involucradas en este trabajo no están diseñadas para desarrollar
conocimiento y agilizar sistemas de información, sino para administrar y conservar
información por proyectos ejecutados. Esto genera fraccionamiento y dificultades a la
hora de crear conocimiento institucional.
 Debe resaltarse que este proyecto se enmarca dentro del Programa Permanente de
Modelación del Río Magdalena del Centro de Investigación Científica del Río
Magdalena, y en este nombre busca reflejar lo que significa hacer uso de
herramientas de este tipo: se trata de una actitud corporativa permanente, pues
siempre hay interrogantes que solucionar y siempre hay información que añadir o
conocimiento que apropiar. En ese sentido la transformación para el uso de
herramientas de modelación hidráulica, también implica transformación hacia el
manejo del conocimiento y hacia el mejoramiento de procesos de decisión.
 Técnicamente existen grandes dificultades a partir de la naturaleza del río

Magdalena, los procesos de verificación de la información del río se convirtió en una
tarea titánica. Más de diez mil secciones transversales y decenas de estaciones
hidrológicas con información en ocasiones desde la década de los 50s configuran un
arreglo informático enorme. Por ello es importante prever que los conjuntos de
información y las modificaciones son parte del trabajo continuo con la herramienta de
simulación, por cuanto es recomendable diseñar e implementar un sistema de
manejo de información adaptado a las necesidades de este proyecto y en el cual sea
fácil monitorear y rastrear ejercicios de simulación anteriores y así mismo adicionar y
mejorar las bases de información.
5. Conclusiones y recomendaciones
5.1 Conclusiones
En este trabajo, se muestra una metodología para evaluar la influencia de los parámetros
del modelo hidrológico wflow y del modelo hidráulico sobek en las salidas de la
modelación hidrológica e hidráulica acoplada del medio y bajo Magdalena. Este es un
estudio completo sobre la modelación hidrológica e hidráulica de toda la cuenca media y
baja del río Magdalena, en el que se aprendió del régimen de flujo del río Magdalena y
sus principales tributarios. La innovación de este trabajo está en la aplicación de
modelación hidrológica e hidráulica acoplada en conjunto con las metodologías de
análisis de incertidumbre y sensibilidad en el sistema de los ríos Magdalena y Cauca,
ayudando a entender los principales procesos hidrológicos en los tributarios y las
mayores dificultades a considerar en la modelación hidráulica. Este acople desarrollado
puede ser utilizado en diferentes escenerarios de modelación en el río Magdalena y/o
puede ser replicado en otros ríos y/o considerar en la inclusión de otros temas de interés,
tales como calidad de agua, transporte de sedimentos, modelamiento de hábitat acuático,
entre otros.
A pesar de las deficiencias de la información en mapas meteorológicos, secciones

transversales, modelo de elevación del terreno, elementos elevados lineales, curvas de
calibración de caudales, cotas cero y la complejidad de la red de drenaje del río
Magdalena, el cual presenta diferentes bifurcaciones; el modelamiento hidrológico e
hidráulico acoplado, permitió reproducir el proceso lluvia-escorrentía y el transito
hidráulico en la cuenca media y baja del río Magdalena.
Magdalena
La incertidumbre debida a datos de entrada como los mapas meteorológicos, las

secciones transversales, el modelo de elevación del terreno, la forma en cómo se
incluyeron los elementos elevados lineales, las diferentes bifurcaciones del río con
escasa o información nula, además de la incertidumbre en las mediciones de niveles de
agua y de caudal debido a las cotas cero y curvas de calibración de las estaciones
hidrológicas, no permitieron identificar la configuración “perfecta” del modelo.
El modelo hidrológico conceptual distribuido wflow estimó los caudales de los tributarios
del río Magdalena en su cuenca media y baja.
Los niveles de agua y caudales del río Magdalena en su cuenca media y baja fueron
determinados con el acople externo de un modelo hidráulico físicamente basado con una
configuración 1D-2D como SOBEK acoplado y un modelo hidrológico conceptual
distribuido como wflow.
A partir de análisis de sensibilidad e incertidumbre, se demostró que los parámetros

PERC, ICF, FC y LP son los más influyentes en la modelación hidrológica; concluyendo
que los procesos hidrológicos de percolación, interceptación, capacidad de campo y
evaporación desde el suelo son los más influyentes en las cuencas instrumentadas
modeladas con wflow.
A partir de análisis de sensibilidad e incertidumbre se demostró que el coeficiente de

rugosidad de Manning resultó ser un parámetro sensible e identificable en todo el tramo
de modelo hidráulico, la incertidumbre asociada a variables de entrada como secciones
transversales, modelo de elevación digital del terreno, condiciones de frontera quedan
cargadas a él, como único parámetro que puede variarse en el modelo hidrodonàmico.
A partir de análisis de sensibilidad e incertidumbre se demostró que el efecto del modelo

hidrológico en el modelo hidráulico, analizadas desde el caudal promedio del tributario en
el período de simulación muestra la poca influencia de los tributarios en la dinámica
puntual del río Magdalena, aunque permiten ver su gran importancia en la conservación
de masa de esta vertiente.
Conclusiones 217
La variación temporal de los caudales de los tributarios fue capturada por el modelo
hidrológico wflow, y la variación espacial de estos se consideró en la inclusión de los
tributarios dentro del modelo SOBEK como caudales puntuales en la localización de las
confluencias con los ríos Magdalena y Cauca.
El evento seleccionado para la modelación hidráulica incluye un período de aguas bajas

y aguas altas, permitiendo definir el comportamiento del acoplamiento desarrollado en
flujos bajos y altos. Se tiene que los valores mínimos de caudal y nivel de agua fueron
bien replicados, por el contrario, los valores altos de caudal y nivel de agua no se
replicaron adecuadamente en todas las ocasiones.
Con el modelo hidrológico wflow se encontraron valores de caudal de cuencas no

instrumentadas (ver: sección 3.1.2) y con SOBEK se tienen valores de nivel de agua y
caudal a lo largo de todo el dominio computacional, en la sección f) se muestran los
valores de caudal modelados en el río Magdalena en un tramo sin curvas de calibración.
Si bien, este esfuerzo de modelación no dio como resultado valores perfectos de

simulación, ayudó en el entendimiento de la complejidad del sistema de los ríos
Magdalena, Cauca y sus tributarios y mostró el camino a seguir para conseguir mejores
mediciones de datos y mejorar los resultados de los modelos actuales.
Todos los datos utilizados (datos meteorológicos, información de tipo y cobertura de

suelo, modelo de elevación digital del terreno, secciones transversales, información
hidrológica de los ríos Magdalena y Cauca) y las herramientas de modelación (acople
entre el modelo hidrológico e hidráulico) suministraron información valiosa en el análisis
integrado del medio y bajo Magdalena
A pesar de la disponibilidad y calidad de la información, la complejidad de los sistemas, la

modelación hidrológica reprodujo satisfactoriamente el proceso lluvia escorrentía en las
cuencas del río Sogamoso y río Negro; no así con los ríos La Miel y Nare donde hace
falta incluir la regulación hídrica causada por los embalses de Hidromiel y Guatapé,
respectivamente. En los ríos San Bartolomé y Caribona habrá que realizar una mejor
Magdalena
exploración de los posibles valores de los parámetros e identificar características de las

cuencas que no le permiten ser replicadas en wflow.
Los parámetros sensibles del modelo hidrológico wflow se encontraron en las

combinaciones de cobertura y tipo de suelo que ocupaban un porcentaje importante del
área de la cuenca; por lo que se concluye que no es necesario tener valores de
parámetros únicos en las combinaciones de cobertura de suelo, tipo de suelo y
subcuenca disponible; siendo posible asignar estos valores de los parámetros a cada
celda según el criterio de unidades de similitud hidrológica
La popular suposición de la onda cinemática, puede ser inapropiada para algunas

subcuencas del modelo hidrológico; esta suposición puede ser la que afecte los
resultados de las subcuencas del río Caribona y el río San Bartolomé; adicionalmente,
aunque sean cuencas no instrumentadas, la onda dinámica debería ser utilizada en los
ríos con presencia e influencia de ciénagas, como el río San Jorge y el río Cesar.
Los valores de caudal y nivel de agua en los ríos Magdalena y Cauca fueron
razonablemente reproducidos en el acople de modelación propuesto, se tuvieron algunas
dificultades en modelar adecuadamente las bifurcaciones, debido a la falta de
información de secciones transversales en los brazos secundarios y a la incertidumbre
asociada a los valores de cota cero y curvas de calibración de las estaciones.
El valor promedio de caudal simulado parece no ser parámetro suficiente para analizar la
sensibilidad e identificabilidad del efecto del modelo hidrológico en el modelo hidráulico,
por lo que se deberán realizar evaluaciones con los valores máximos, mínimos y
desviación estándar de los valores simulados; incrementando el número de parámetros,
pero describiendo mejor los valores de caudal obtenidos en wflow.
El esfuerzo de modelación de los procesos hidrológicos e hidrodinámicos para el medio y

bajo Magdalena dio como resultado una herramienta de muchísimo valor que ayudará en
el entendimiento del funcionamiento ecosistémico y la evaluación de la resiliencia del
Conclusiones 219
sistema ante la presión humana, cambio climático y variabilidad climática. Se podrán

plantear escenarios, en los que esta modelación acoplada responda preguntas sobre
cómo el cambio del uso del suelo, la precipitación, y la temperatura afectarán los
caudales de los tramos de río. Sin embargo, el logro de estos objetivos depende de la
recolección de más datos.
También es posible combinar este acople con otros modelos de geociencias e ingeniería,
como los que representan la erosión y el transporte de sedimentos, o modelos de hábitat
acuático; el modelo propuesto será útil para abordar una serie de preguntas científicas,
como por ejemplo ¿cómo las señales meteorológicas e hidrológicas afectan los
regímenes de flujo, la variabilidad morfológica y la calidad de los hábitats acuáticos?
Muchas opciones quedan por evaluar y se tendrá que seguir trabajando en este tipo de
ejercicios para que en un futuro no muy lejano se puedan mejorar los resultados de
modelación.
5.2 Recomendaciones
Las actividades mencionadas a continuación se recomiendan con el fin de mejorar los

resultados de modelación del acople desarrollado, correspondientes a la modelación
hidrológica:
 Incrementar el monitoreo hidrológico de los tributarios de los ríos Magdalena-Cauca

cerca a la confluencia y con ello poder contar con más puntos de evaluación del
modelo hidrológico.
 Aumentar la red de estaciones meteorológicas, de precipitación, temperatura y

evaporación que permita el perfeccionamiento de los campos interpolados de las
variables climatológicas. Además, se recomienda combinar esta información puntual
de estaciones en tierra con información climatológica satelital.
Magdalena
 Incluir la regulación hidrológica producida por los embalses en la cuenca Magdalena-

Cauca.
 Aumentar el rango de variación de los parámetros con los resultados de otros

investigadores y en rangos donde tal vez los valores pierdan sentido físico.
Las actividades mencionadas a continuación se recomiendan con el fin de mejorar los

resultados de modelación del acople desarrollado, correspondientes a la modelación
hidráulica:
 Levantar e incluir la información correspondiente a elementos elevados, como diques
y carreteras.
 Medir secciones transversales 1D que incluyan la llanura inundable, considerando
que un menor número de buenas secciones transversales resultará mejor que el
actual gran número de secciones transversales sin información de llanura inundable y
que no cubren el ancho completo del río.
 Medir secciones transversales en la mayor cantidad posible de brazos del sistema
fluvial.
 Encontrar las razones del por qué el modelo no es capaz de representar
adecuadamente las bifurcaciones en caudales altos.
 Esquematizar ciénagas y humedales adecuadamente.
 Refinar la malla de cálculo 1D y 2D.
 Incluir la rugosidad 2D en función de la cobertura de suelo.
 Reducir la incertidumbre alrededor de valores de caudal y niveles de agua
observados.
Adicionalmente se recomienda que, en el desarrollo de futuros acoples, se considere

utilizar modelos de código abierto que permitan la inclusión o simplificación de procesos
físicos que el modelador considere necesarios para dar respuesta a su objetivo de
modelación.
.
 Anexo: Ejercicios de Acople de
Modelación Hidrológica e
Hidráulica
A continuación, se muestran algunos ejercicios de modelación hidrológica e hidráulica

acoplada en la ingeniería de ríos a nivel mundial.
Acople de MIKE SHE/MIKE 11

El modelo hidrológico MIKE SHE, es basado en el Système Hydrologique Européen -
SHE-. Es un modelo determinístico, completamente distribuido y físicamente basado. El
módulo Water Movement del MIKE SHE tiene una estructura que comprende seis
módulos que describen los principales procesos hidrológicos superficiales, mediante la
representación y solución en diferencias finitas de ecuaciones diferenciales parciales
teóricas de balances de masa y energía en conjunto con relaciones empíricas verificadas
(Sandu & Virsta, 2015; Thompson et al., 2004).
La simulación hidrológica consiste en la descripción de los procesos de intercepción de

lluvia, evapotranspiración, flujo en ladera, flujo en canal, flujo en la zona saturada, flujo en
la zona no saturada, e intercambios canal acuífero:
- intercepción/evapotranspiración
La intercepción de la lluvia se modela utilizando una modificación del modelo de Rutter,
mientras que la evapotranspiración se modela con el método de Kristensen y Jensen
basado en el índice de área foliar, profundidad de raíces y evapotranspiración potencial
para cada tipo de vegetación (J.C. Refsgaard & Storm, 1995; Sandu & Virsta, 2015).
222 Modelación hidrológica e hidráulica acoplada de la cuenca media y baja del
río Magdalena
- flujo en ladera/flujo en el canal

El flujo en el canal utiliza la formula completa de Onda Dinámica de las ecuaciones se
Saint Venant en una y para el flujo en ladera se usa la fórmula de Onda Difusiva de las
ecuaciones se Saint Venant en dos dimensiones (J.C. Refsgaard & Storm, 1995; Sandu
& Virsta, 2015; Thompson et al., 2004).
- zona saturada, zona no saturada

El movimiento del agua en la zona no saturada es modelado con la ecuación de Richards
unidimensional. El flujo en la zona saturada subsuperficial utiliza la ecuación de
Boussinesq tridimensional (J.C. Refsgaard & Storm, 1995; Sandu & Virsta, 2015;
Thompson et al., 2004).
- derretimiento de nieve
Los procesos de acumulación y el derretimiento de nieve se pueden representar
mediante el método del índice de temperatura y/o el método del balance de energía. El
método de índice de temperatura utiliza la temperatura del aire como índice para el
derretimiento de nieve, mientras que el método del balance de energía, utiliza el principio
de balance de energía y de masa para determinar los cambios en la estructura de la capa
de nieve (Islam, 2011; J.C. Refsgaard & Storm, 1995).
- intercambio de acuífero río.

La ecuación de Boussinesq tridimensional se usa para el flujo de agua subterránea (J.C.
Refsgaard & Storm, 1995; Sandu & Virsta, 2015).
Las características de la cuenca y de los datos de entrada se proporcionan a través de

una cuadrícula ortogonal, que permite la representación de la variabilidad espacial en
parámetros como tipo de suelo, cobertura de la tierra, precipitación y evapotranspiración
potencial. Dentro de cada cuadrícula, las variaciones verticales del suelo y las
características hidrogeológicas se describen en una serie de capas horizontales con
profundidades variables. Hay flujo lateral entre los cuadrados correspondientes al flujo de
Anexos 223
ladera y flujo de la zona saturada subsuperficial, mientras que en la zona no saturada se

asume que el flujo horizontal es despreciable comparado con el flujo vertical (Thompson
et al., 2004). La Ilustración 1 muestra la representación esquemática del modelo
hidrológico MIKE-SHE.
Ilustración 1: Representación Esquemática del modelo MIKE SHE

Fuente: Mårtensson & Gustafsson, 2010; Sandu & Virsta, 2015; Thompson et al., 2004
El componente de flujo en canales de MIKE SHE no puede representar estructuras

hidráulicas como vertederos, alcantarillas y compuertas. Este es un inconveniente,
especialmente para modelar humedales, donde con frecuencia se involucra la
manipulación del nivel de agua usando muros de contención, vertederos y compuertas
(Thompson et al., 2004). MIKE 11 es sistema de modelación unidimensional de flujo,
transporte de sedimentos y calidad de agua en estuarios, ríos, sistemas de riego y otros
cuerpos de agua. El modelo hidrodinámico se basa en la formula completa de Onda
Dinámica de las ecuaciones se Saint Venant (Ecuación de conservación de masa y
río Magdalena
Ecuación de Conservación de Momentum), las cuales se resuelven en un esquema

implícito de diferencias finitas de 6-puntos, conocido como el esquema de Abbott-
Ionescu. Puede representar un rango amplio de estructuras hidráulicas entre las que se
incluyen vertederos, compuertas, puentes y culverts (Havnø, Madsen, & Dørge, 1995;
Thompson et al., 2004).
Sørensen et al. (1996) desarrollaron un acople completo entre los modelos MIKE SHE y
MIKE 11 para determinar la influencia de la hidroeléctrica de Gabcikovo en la hidrología y
ecología de la parte eslovaca del bajo Danubio. El acople desarrollado modelaba
simultáneamente en MIKE SHE y MIKE 11. MIKE 11 calcula los niveles de agua en ríos y
llanuras inundables, los niveles de agua calculados se transfieren a MIKE SHE, donde la
profundidad y la extensión de la inundación se mapean comparando los niveles de agua
calculados con la información topográfica almacenada en MIKE SHE; posteriormente,
MIKE SHE calcula los flujos de agua en la parte restante del ciclo hidrológico (Ver:
Ilustración 2). El intercambio de agua entre MIKE 11 y MIKE SHE puede ocurrir debido a
la evaporación de aguas superficiales, la infiltración, el flujo de ladera o el intercambio
río-acuífero. Los flujos de agua calculados con MIKE SHE se intercambian con MIKE 11
a través de los elementos de fuente/sumidero en la ecuación de continuidad
(conservación de masa) de las ecuaciones de Saint Venant en MIKE 11.
Ilustración 2: Estructura del acople MIKE 11 - MIKE SHE

Fuente: Sørensen et al., 1996
Anexos 225
Thompson et al., (2004) acoplaron el modelo hidrológico MIKE SHE y el modelo

hidráulico MIKE 11 para evaluar como las modificaciones hidráulicas tienen
consecuencias en la degradación y pérdida de humedales. El acople fue desarrollado
para un humedal con vegetación en el sudeste de Inglaterra, encontrando estrecha
asociación entre las inundaciones, las aguas subterráneas y los niveles de agua en los
canales de conexión, demostrando la capacidad de esta modelación en la estimación de
degradación y pérdida de humedales.
Mårtensson y Gustafsson (2010) utilizaron un acople entre los modelos MIKE SHE y
MIKE 11 para cuantificar la entrada de agua subterránea a un Almacén Temporal
Centralizado (coloquialmente llamado cementerio nuclear) en Forsmark, Suecia.
Adicionalmente se analizaron los efectos hidrológicos e hidrogeológicos asociados a la
construcción y operación del mismo. El acople realizado conectaba el flujo del río
modelado en MIKE 11 con el flujo en ladera y el flujo de agua subterránea modelado en
MIKE SHE, este acople permitió el flujo bidireccional de la ladera-acuífero al canal y
viceversa. La Ilustración 3 muestra el principio de intercambio de flujo de ladera y flujo de
canal en el acople realizado, cuando el nivel de agua del flujo de ladera o el nivel del
agua del río está por encima de la elevación de la orilla izquierda o derecha, el agua se
derramará a través del banco. La Ilustración 4 muestra cómo se realiza el acople entre el
flujo de canal y el flujo subterráneo, el flujo de intercambio entre una celda de la zona
saturada, en contacto con el sistema fluvial y un enlace fluvial se incluye como término
fuente / sumidero en la ecuación de Boussinesq en MIKE SHE.
río Magdalena
Ilustración 3: Acople del flujo del canal y flujo de ladera MIKE 11 - MIKE SHE y
parámetros para el cálculo para el intercambio de agua
Fuente: Mårtensson & Gustafsson, 2010
Ilustración 4:: Acople del flujo del canal y flujo subterráneo MIKE 11 - MIKE SHE y
parámetros para el cálculo para el intercambio de agua
Fuente: Mårtensson & Gustafsson, 2010
Sandu y Virsta (2015) acoplaron el modelo hidrológico MIKE SHE y el modelo hidráulico
MIKE 11 para simular el flujo superficial del río Argesel en Rumania, los procesos como
flujo en la zona saturada, flujo en la zona no saturada, flujo en ladera y
evapotranspiración fueron modelados con el MIKE SHE, mientras que el flujo en el canal
se modeló con MIKE 11; el acople realizado requiere la calibración simultánea de los dos
Anexos 227
modelos, la calibración se realizó con dos eventos y se validó para otros dos eventos; los
resultados muestran el potencial de representar la respuesta hidrológica del río Argesel a
partir del acople de MIKE SHE y MIKE 11; a pesar de la deficiencia y la falta de datos, el
acople realizado simuló la respuesta hidrológica de la cuenca del río Argesel de forma
razonable y representó bien la complejidad del sistema hidrológico de la cuenca.
Acople de HEC-HMS/HEC-(Geo)RAS
El modelo hidrológico HEC-HMS (Hydrologic Engineering Center’s Hydrologic Modeling
System) desarrollado por el Cuerpo de Ingenieros del Ejército de los Estados Unidos, es
diseñado para simular el proceso precipitación-escorrentía en cuencas dendríticas.
Permite escoger entre diferentes métodos para la estimación de la infiltración, la
escorrentía directa, el flujo base y el tránsito de crecientes (Knebl, et al., 2005; US Army
Corps of Engineers, 2000). HEC-HMS es un modelo determinístico, aglutinado (excepto
los métodos de curva número “gridded”, “Gridded” Soil Moisture Accounting que permiten
cálculos de infiltración espacialmente distribuidos y ModClark que es una variación del
hidrograma unitario de Clark que permite como entrada un campo de precipitación
espacialmente distribuido), con la mayoría de procesos empíricos y algunos físicamente
basados.
Las metodologías que se pueden implementar para los diferentes procesos hidrológicos
en HEC-HMS son (US Army Corps of Engineers, 2000):
 infiltración
o Pérdidas iniciales y constantes
o Método del Servicio de Conservación de Suelos de Estados Unidos. Curva
Número (CN)
o Curva Número “gridded”
o Green y Ampt
o Tasa de déficit constante
o Soil Moisture Accounting (SMA)
o “Gridded” Soil Moisture Accounting
río Magdalena
 escorrentía directa
o Hidrograma unitario especificado por el usuario (UH)
o Hidrograma Unitario de Clark
o Hidrograma Unitario de Snyder
o Hidrograma Unitario del Servicio de Conservación de Suelos de Estados Unidos.
o Tasa de déficit constante
o ModClark
o Onda Cinemática
 flujo base
o Mensual constante
o Recesión exponencial
o Reservorio lineal
 tránsito de crecientes
o Onda cinemática
o Lag
o Pulso modificado
o Muskingum
o Muskingum-Cunge
o Confluencia
o Bifurcación
Los métodos hidrológicos (empíricos) incluidos en HEC-HMS de transito de crecientes no

toman en cuenta de forma explícita cambios en la geometría de la sección transversal, ni
efectos de remansos; inclusive el método de la Onda Cinemática tiene la imposibilidad de
manejar los efectos de remanso (Berezowsky & Jiménez, 1998; Lighthill & Whitham,
1955; US Army Corps of Engineers, 2000). Este es un inconveniente en la modelación de
ríos.
Anexos 229
HEC-RAS (Hydrologic Engineering Center’s River Analysis System) desarrollado por el

Cuerpo de Ingenieros del Ejército de los Estados Unidos, incluye modelación de flujo
permanente, modelación de flujo no permanente, la posibilidad de incluir estructuras
hidráulicas como puentes (Khaghan & Mojaradi, 2016; Knebl et al., 2005; Materón et al.,
2006; Pistocchi & Mazzoli, 2002). El procedimiento computacional de HEC-RAS para el
flujo permanente se basa en la solución unidimensional de la ecuación de energía, las
pérdidas de energía se evalúan por fricción y contracción/expansión, la ecuación de
momentum puede usarse en situaciones donde el flujo es rápidamente variado, como en
el resalto hidráulico, puentes y confluencias de ríos; para flujo no permanente, HEC-RAS
resuelve las ecuaciones de Saint Venant en 1-D, la formula completa de la Onda
Dinámica usando un método implícito de diferencias finitas (US Army Corps of Engineers,
2016).
Hec-GeoRAS es una extensión que permite hacer frente a aspectos cuasi-2D del flujo
conectando la geometría del río con el modelo digital del terreno, de este modo la salida
proporcionada por HEC-RAS para cada sección transversal se interpola entre secciones
transversales y teniendo como resultado la profundidad y una superficie de velocidad de
agua; haciendo posible mapear con realismo apreciable la morfología del río, la llanura
inundable y detectar las áreas inundadas para una creciente con un período de retorno
dado (Khaghan & Mojaradi, 2016; Pistocchi & Mazzoli, 2002).
Pistocchi y Mazzoli (2002) integraron completamente los modelos HEC-HMS y HEC-RAS

dentro del sistema de toma de decisiones de las cuencas hidrográficas de la provincia de
Emilia-Romaña en Italia. El objetivo de modelación era reconstruir las curvas de
calibración de caudales de los cuatro principales ríos (Savio, Lamone, Ronco y Montone)
de la provincia; utilizaron información de tipo y uso de suelo, topografía, carreteras,
precipitación, temperatura, red de ríos, información de geometría de los ríos, puentes y
compuertas y con esta información a través de operaciones de Sistemas de Información
Geográfica se determinaron los mapas de dirección y acumulación de flujo, tiempos de
viaje, coeficientes de escorrentía, con las que posteriormente se construyeron los
modelos hidrológicos en HEC-HMS e hidráulicos en HEC-RAS. Los modelos se
calibraron y posteriormente fueron incluidos en el sistema de toma de decisiones con el
río Magdalena
objetivo principal de proporcionar un entorno en el que todos los cálculos realizados por
las diferentes oficinas regionales y municipales involucradas en el encauzamiento de
ríos, obras hidráulicas y actividades similares puedan converger y compartan los mismos
supuestos fundamentales en cuanto a coeficientes de rugosidad y datos hidrológicos, y
mantengan una actualización continua de la base de datos, incluyendo obras en curso,
para tener una representación consistente y siempre realista de la red fluvial, sus
alcances críticos y las prioridades de intervención.
Knbel, Yang y Maidment (2005) integraron datos de precipitación NEXRAD (Next-

Generation Radar) de la Administración Nacional Oceánica y Atmosférica de Estados
Unidos (National Oceanic and Atmospheric Administration-NOAA), Sistemas de
Información Geográfica, un modelo hidrológico en HEC-HMS y un modelo hidráulico en
HEC-RAS para modelar las inundaciones ocurridas durante el verano del 2002 en el río
San Antonio en Texas, Estados Unidos. Utilizaron los procesos hidrológicos
espacialmente distribuidos del HEC-HMS con una resolución espacial de 4kmx4km,
calibrando manualmente los parámetros del modelo para obtener una buena simulación
de los caudales de 12 subcuencas, los caudales calibrados de HEC-HMS y se introducen
a HEC-RAS para reproducir la mancha de inundación y compararla con las inundaciones
observadas en imágenes satelitales; el modelo sobreestimo la zona inundable, pero a
pesar de esto se desarrolló una metodología de modelación acoplada que puede
incorporarse en estudios hidrológicos o sistemas de alerta temprana regionales.
Materón et al., (2006) implementaron el modelo hidrológico HEC-HMS y el modelo

hidráulico HEC-RAS para determinar el riesgo por inundación del Río Nima en Palmira,
Valle del Cauca, Colombia; con el modelo hidrológico en HEC-HMS estimaron los
caudales máximos asociados a diferentes períodos de retornos, valores que se utilizaron
posteriormente en el modelo hidráulico HEC-GeoRAS para determinar la zona inundable,
encontrando que las crecientes asociadas a períodos de retorno superiores a 50 años no
presentan riesgo de inundación, aun así habrá que analizar problemas de socavación.
Anexos 231
Vargas et al., (2013) modelaron con HEC-HMS la cuenca aferente a los humedales de la
zona norte del municipio de La Dorada-Caldas-Colombia. Los humedales del barrio las
ferias en el municipio de la Dorada han sido impactados por diversas actividades
antrópicas que han afectado su equilibrio ecológico, hidráulico y ambiental. Con base en
el análisis de la información hidrológica, utilizando el método de SCS y el hidrograma
unitario del SCS para transformar la lluvia en escorrentía se utilizó el modelo HEC-HMS
para determinar la capacidad de amortiguación de crecientes del humedal la cual solo
llega a soportar la creciente de 2.33 años de periodo de retorno. Así mismo se realizó la
modelación hidráulica del canal de interconexión mediante el modelo HEC- RAS,
considerando flujo uniforme evidenciando que en la zona de descarga del humedal el
canal se comparta de manera óptima y en la zona rural presenta reboses debido al
remanso que ejerce el Río Magdalena. Se adelantó el cálculo de vulnerabilidad biofísica
descrito por Etter et al., (2011) del humedal y se obtuvo que el 93% del humedal presenta
una alta fragilidad en cuanto a su estructura vegetal, composición de especies,
funcionalidad y autosuficiencia.
Hashemyan, Khaleghi y Kamyar (2015) utilizaron el acople del modelo hidrológico HEC-
HMS y el modelo hidráulico HEC-RAS para analizar el comportamiento y expansión de
las inundaciones fluviales en un tramo del río Khoshke Rudan en la provincia de Fars en
Irán. Las zonas inundables asociados a precipitaciones con períodos de retorno de 10,
20, 50 y 100 años se determinaron utilizando HEC-GeoRAS. Los resultados obtenidos
muestran un comportamiento satisfactorio de los dos modelos y una alta eficiencia de la
combinación de la modelación hidrológica e hidráulica acoplada con Sistemas de
Información Geográfica y recomienda la aplicación de este tipo de acoples en los
programas de planeación y el manejo de áreas residenciales y agrícolas.
Khaghan y Mojaradi (2016) combinaron el modelo hidrológico HEC-HMS y el modelo

hidráulico HEC-RAS para evaluar el comportamiento extensión de las inundaciones
fluviales de Karaj en la provincia de Alborz en Irán; se calibraron los eventos de
precipitación a partir de los datos de precipitación interpolados con el método del inverso
de la distancia ponderada (Inverse Distance Weighted – IDW), posteriormente se
establecieron las curvas de intensidad-duración-frecuencia para 10, 20 y 50 años de
río Magdalena
período de retorno, con información de tipo y uso de suelo se preparó para utilizar el
método de curva número, el modelo fue calibrado con información de estaciones
hidrológicas; los hidrogramas de salida de HEC-HMS se utilizaron como entradas en el
modelo hidráulico HEC-RAS, para que posteriormente con HEC-GeoRAS se visualizarán
la extensión de las inundaciones 10, 20 y 50 años de período de retorno; mostrando la
capacidad de simular el comportamiento hidrológico e hidráulico de las cuencas de Karaj
con el uso acoplado de HEC-HMS y HEC-RAS, además de la importancia del uso de
herramientas de información geográfica en el pre-procesamiento de la información de
modelación y en la determinación de la extensión de la inundación.
Otros acoples de modelos hidrológicos y modelos hidráulicos

Lian et al., (2007) utilizaron el modelo hidrológico HSPF (Hydrologic Simulation Program
– Fortran) en la cuenca del río Illinois considerando la metodología BASINS (Better
Assessment Science Integrating Point and Nonpoint Sources) de la Agencia de
Protección Ambiental de los Estados Unidos (U.S. Environmental Protection Agency’s –
USEPA). HSPF representa matemáticamente varios procesos hidrológicos como flujos y
almacenamientos, pues la cuenca se simplifica como segmentos de suelo y tramos de
canal y/o reservorios, utiliza información meteorológica como datos de entrada. Los
parámetros del modelo HSPF fueron calibrados con tres estaciones hidrológicas dentro
de la cuenca; para el período de simulación entre 1985-1995, los balances de masa
anuales y mensuales se correlacionaron bien con los caudales observados en las tres
estaciones hidrológicas. Sin embargo, los caudales diarios presentaron correlación
pobre, debido a la debilidad del modelo HSPF en realizar un tránsito hidráulico dinámico
a través del sistema complejo del río Illinois. Para resolver este problema, se desarrolló
un modelo de flujo no permanente unidimensional (UNET), el cual resuelve las
ecuaciones completas de Saint-Venant (Onda Dinámica), permitiendo simular el flujo
unidimensional en ríos dendrítcos con la posibilidad de incluir diversas estructuras
hidráulicas. UNET se acopló con el modelo HSPF para mejorar el desempeño en el
tránsito hidráulico, encontrando mejores correlaciones para los hidrogramas simulados,
aunque los caudales picos simulados se presentaron varios días después de los
caudales picos observados. Se concluye que este acople de modelos puede utilizarse
Anexos 233
para la simulación en tiempo real de las inundaciones en el río Illinois con opciones de
manejo de diques y distritos de drenaje para la protección contra inundaciones y para los
estudios de restauración de ecosistemas dentro de la cuenca.
Montanari et al., (2009) propusieron una metodología para el pronóstico de inundaciones

basada en la utilidad de las mediciones de agua con sensores remotos en una secuencia
de modelos donde se utilizó el hidrograma unitario propuesto por Nash para las cuencas
británicas, el cual es un modelo hidrológico simplificado de 3 parámetros que fue utilizado
como condición de frontera de un modelo hidráulico 1D en HEC-RAS que se utiliza para
determinar de forma aproximada la zona inundable extendiendo las secciones
transversales hasta la llanura de inundación; los valores de niveles de agua simulados
son comparados con los niveles de agua estimados a partir de los sensores remotos.
Esta metodología fue aplicada en el Río Alzette en Luxemburgo, contribuyendo al mejor
aprovechamiento de los datos de teledetección para evaluar el estado de saturación de
una cuenca hidrográfica, teniendo buenos resultados entre los niveles de agua simulados
y niveles de agua estimados a partir de las imágenes SAR (Synthetic Aperture Radar).
Bonnifait et al., (2009) acoplaron el modelo hidrológico distribuido TOPMODEL y el

modelo hidráulico CARIMA el cual es un modelo unidimensional en flujo no permanente
para evaluar y comparar de manera operativa las diferentes fuentes de datos de radar
durante los estudios de campo post-evento de una tormenta extrema causada por un
sistema convectivo de meso escala estacionaria (mesoscale convective system - MCS)
en la región de Gard, Francia. Una gran inundación, resultado por el evento de
precipitación fue replicado mediante este acople de modelación aprovechando la
potencialidad para el análisis crítico y la extrapolación de curvas de calibración que
ofrecía el modelo hidráulico y las estimaciones de caudales de las cuencas no
instrumentadas obtenidas por el modelo hidrológico TOPMODEL; los valores de
precipitación de radar observados en combinación con las herramientas de modelación
hidrológica e hidráulica utilizados aportaron información valiosa en este análisis
integrado.
río Magdalena
Mejía y Reed (2011) acoplaron el modelo hidrológico espacialmente distribuido HL-

RDHM con un modelo hidráulico unidimensional de flujo no permanente HEC-RAS, para
comparar el comportamiento de secciones transversales sintéticas y secciones
transversales medidas en el desempeño de caudales simulados en los ríos Azul e Illinois
en Oklahoma, Estados Unidos. Los resultados indicaron que el desempeño del modelo
hidrológico distribuido para establecer la condición de frontera aguas arriba del modelo
hidráulico y determinar la contribución relativa de las entradas laterales de los tributarios
son factores clave que deben considerarse al decidir la aplicabilidad del marco acoplado
a otras cuencas, además se encontró que en las cuencas de los ríos Azul e Illinois el
acoplamiento tiende a mejorar las predicciones de caudales cuando el tránsito dinámico
de ondas y la geometría de la sección transversal de la planicie de inundación se
consideran simultáneamente.
Lerat et al., (2012) compararon diferentes estrategias de acoplamiento para el modelo

lluvia-escorrentía agregado GR4J y un modelo linearizado de propagación de onda
difusiva; las estrategias se basan en la naturaleza entre las conexiones de los dos
modelos usando combinaciones del flujo lateral entre descargas puntuales y/o descargas
uniformemente distribuidas. GR4J calcula los caudales a partir de series de tiempo de
lluvia y evapotranspiración potencial media sobre el área de la cuenca. El modelo
linearizado de propagación de onda difusiva que consiste en una simplificación de las
ecuaciones completas de Saint-Venant. El modelo acoplado fue aplicado en el río Illinois
para un período de 10 años en los que se contaba con datos horarios. Los resultados
mostraron que la distribución uniforme del flujo lateral hizo que el modelo acoplado fuera
más estable y robusto que si se usaban flujos laterales puntuales.
Kim et al., (2012) desarrollaron un sistema de acoplamiento entre un modelo hidrológico

y un modelo hidrodinámico. El modelo acoplado resultante, tRIBS-OFM, considera la
distribución espacial de los procesos hidrológicos físicamente basados sobre una
superficie y sub-superficie de terreno. El modelo hidrológico TIN (triangulated irregular
network) Based Real Time Integrated Basin Simulator – tRIBS utiliza la información de
topografía, tipo y cobertura de suelo, es forzado mediante información meteorológica de
Anexos 235
precipitación, radiación, métricas de turbulencia atmosférica, temperatura y humedad y

reproduce procesos hidrológicos como intercepción de lluvia, evapotranspiración,
infiltración, humedad de suelo, flujo de agua en la zona saturada y en la zona no
saturada y tránsito de crecientes unidimensional; los caudales estimados son utilizados
como entrada al modelo hidrodinámico. Los procesos hidrodinámicos son incorporados
con modelo de flujo superficial (overland flow model - OFM) que resuelve las ecuaciones
de Saint-Venant (aguas someras) en 2D a través de un modelo de volúmenes finitos de
alta resolución basado en una red triangular no estructurada. Tras pruebas realizadas en
la cuenca Peacheater en Estados Unidos y en dos dominios sintéticos el acople presentó
un buen desempeño concluyendo que el acople de estos modelos es especialmente
valioso para problemas de hidráulica fluvial donde las condiciones de frontera pueden ser
obtenidas por un modelo hidrológico y muestra el camino para el acople de otros
modelos de geociencias e ingeniería tales como: modelos de erosión y transporte de
sedimentos, o modelos de hábitat acuático.
Bravo et al., (2012) modelaron la cuenca alta del Río Paraguay la cual posee un área de
600.000 km2 y se extiende sobre Brasil, Paraguay y Bolivia; incluye la afluencia del Río
Apa y una gran zona inundable con lagos pocos profundos en la que ocurre una compleja
dinámica de sedimentos. Utilizaron el modelo hidrológico distribuido MGB-IPH que
representa la cuenca por una malla cuadriculada de aproximadamente 10km x 10km y
calcula el almacenamiento de agua en el suelo, evapotranspiración, el flujo propagado
dentro de un elemento y el tránsito de crecientes dentro de la red de drenaje, mediante el
uso de tres reservorios lineales (flujo base, flujo subsuperficial y flujo superficial) y el uso
del método de Muskingum-Cunge y sirvió para determinar el caudal aportante de los
tributarios en el área de drenaje; este modelo fue acoplado a un modelo hidrodinámico
unidimensional en HEC-RAS de 4.800km de tramo de río y simularon el período histórico
entre el 1 de enero de 1996 y el 31 de diciembre de 2000. El modelo reprodujo
satisfactoriamente los caudales observados en los tributarios, sin embargo, tuvo
dificultades en la reproducción del régimen de flujo en el río Paraguay debido a escases
en las secciones transversales disponibles. A pesar de la falta de datos, la complejidad
del río y la red de drenaje; esta modelación acoplada fue capaz de representar el
régimen hidrológico del Río Paraguay y sus tributarios, proporcionando una herramienta
río Magdalena
valiosa para comprender el funcionamiento del ecosistema y la evaluación de su

capacidad de resistencia a la presión antropogénica, el cambio climático y la variabilidad
climática.
De Paiva et al., (2013) modelaron hidrológica e hidráulicamente la cuenca del Río

Amazonas utilizando el modelo MGB-IPH, el cual fue validado mediante el uso de
sensores remotos. MGB-IPH es un modelo físicamente basado que resuelve todos los
procesos hidrológicos superficiales con un módulo completo hidrodinámico de río 1D con
un modelo de almacenamiento en la llanura de inundación simple. MGB-IPH utiliza
discretización basada en la cuenca y la aproximación de las unidades de respuesta
hidrológica (hydrological response units -HRUs) incluyendo procesos de almacenamiento
de agua en el suelo (con un modelo de balde), evapotranspiración (utilizando Penman
Monteith), interceptación, infiltración, escorrentía superficial, flujo en la zona saturada y
flujo en la zona no saturada; el caudal generado en las unidades de respuesta hidrológica
de cada cuenca se transita (con el método de Muskingum-Cunge) a través de la red de
drenaje utilizando tres reservorios lineales (que representan el flujo en la zona saturada,
en la zona no saturada y el flujo superficial). El modulo hidráulico del MGB-IPH tiene la
capacidad de resolver las ecuaciones completas de Saint-Venant (Onda dinámica) en 1D
utilizando un esquema de diferencias finitas, la llanura inundable es modelada como un
almacenamiento que asume que: la velocidad de flujo paralela al río es nula en la llanura
inundable, las llanuras inundables funcionan como áreas de almacenamiento y que el
nivel de agua en la llanura de inundación y en el canal principal son iguales. La
geometría de la llanura de inundación fue obtenida del modelo de elevación digital del
terreno SRTM y el modelo fue forzado por precipitación derivada de satélite del
TRMM3B42. Los resultados de la modelación concuerdan con los valores de caudales y
niveles observados in situ y con los datos complementarios de satélite, sin embargo, el
modelo es sensible a los forzamientos de precipitación y a los parámetros de la llanura
de inundación; adicionalmente la incertidumbre en la geometría de la llanura de
inundación causa errores en los niveles de agua simulados y la extensión de la
inundación.
Anexos 237
Laganier et al., (2014) evaluaron del desempeño del acople del modelo hidrológico SCS-
LR (Soil Conservation Service-lag-and-route) y el modelo hidráulico 1D MASCARET
(basado en las ecuaciones de Saint Venant) en el Río Gardon en Francia. El río Gardón
tiene una cuenca de 2040km2 y en la construcción de este acople se utilizó información
de lluvia de radar con resolución espacial de 1kmx1km de Météo-France y la información
disponible en 5 estaciones hidrológicas. El modelo hidrológico SCS-LR combina un
modelo de escorrentía adaptado del Servicio de Conservación de Suelos (SCS) y un
modelo lag-and-route (LR) basado en una cascada de reservorios lineales, es basado en
eventos, distribuido y conceptual con reservorios que discretiza la cuenca en celdas
cuadriculadas. El modelo hidráulico 1D MASCARET resuelve las ecuaciones completas
de Saint-Venant compuestas por la ecuación de continuidad y la ecuación de momentum.
El desempeño del acople de estos modelos fue satisfactorio, mostrando la importancia de
considerar la distribución espacial de la precipitación y la adición de los caudales de los
tributarios. Por último, se concluye que este tipo de acople de modelos hidrológicos e
hidráulicos resulta muy interesante para el pronóstico de niveles de agua y áreas
inundables.
Slamet et al., (2015) acoplaron un modelo hidrológico distribuido WEB-DHM con un

modelo hidráulico 1D HEC-RAS para simular el flujo de inundaciones en ríos. El modelo
hidrológico distribuido WEB-DHM calcula las interacciones suelo-atmósfera y superficie-
agua subterránea que permite tener mejores estimaciones de humedad del suelo que se
verán reflejados en los hidrogramas simulados. HEC-RAS resuelve las ecuaciones
completas de Saint-Venant en 1D y es forzado por los hidrogramas de salida del modelo
hidrológico, posteriormente se utilizó la herramienta HEC-GeoRAS para determinar la
zona inundable. Este nuevo sistema fue probado en la parte alta de la cuenca del Río
Citarum en Indonesia para evaluar su comportamiento reproduciendo eventos de
inundación, particularmente áreas inundadas. Los resultados muestran que esta nueva
herramienta tiene la capacidad de calcular parámetros de la inundación como caudal
máximo y área inundada muy bien para simulaciones continuas.
Monte et al., (2016) acoplaron el modelo hidrológico MGB-IPH y el modelo hidráulico

HEC-RAS para mapear las áreas inundables de la cuenca del Río Mundaú en Brasil. La
río Magdalena
cuenca del río Mundaú tiene un área de 4126.38km2 y el modelo hidrológico cubrió toda
el área de la cuenca y con el modelo hidráulico se modeló un tramo de 4.64km que
corresponden al área urbana del municipio de Rio Largo; se consideraron eventos
extremos de diferentes períodos de retorno encontrando que un período de retorno
superior a 50 años tiene potencial de causar grandes daños. El acople del modelo fue
calibrado con las inundaciones del año 2010, obtenidas a partir de trabajos de campo
cualitativos y encontrando resultados satisfactorios, a pesar de las limitaciones de
información. Este estudio muestra que el uso acoplado de modelos es una aproximación
viable en áreas donde no es posible realizar análisis de frecuencia de caudales que den
soporte a los modelos hidráulicos; adicionalmente este acople se podría configurar como
sistema de alerta temprana a partir de los pronósticos de precipitaciones o las
mediciones de precipitación en tiempo real.
Anexos 239
 Anexo: Datos Climatológicos

Cuenca Magdalena-Cauca
Disponible en línea en:

https://drive.google.com/drive/folders/0B6T45I1JAq_KZDNLQUphWHN2YmM?usp=shari
ng
 Anexo: Script de interpolación de

datos climatológicos

https://drive.google.com/file/d/0B6T45I1JAq_KNUhZb3ZsRjFHX2s/view?usp=sharing
río Magdalena
 Anexo: Script de conexión con

Surfer para interpolar datos
espaciales utilizando el Inverso del
Cuadrado de la Distancia

https://drive.google.com/file/d/0B6T45I1JAq_KNUhZb3ZsRjFHX2s/view?usp=shar
ing
 Anexo: Script de conexión con

Surfer para interpolar datos
espaciales utilizando el Inverso del
Cuadrado de la Distancia

https://drive.google.com/file/d/0B6T45I1JAq_KRTNscVotM2lpbzg/view?usp=shari
ng
Anexos 241
 Anexo: Script para la rasterización

de mapas climatológicos

https://drive.google.com/file/d/0B6T45I1JAq_KWV9YTkdkMU90YWc/view?usp=sh
aring
 Anexo: Instrucciones para la

rasterización de mapas
climatológicos

https://drive.google.com/a/bt.unal.edu.co/file/d/0B6T45I1JAq_KbzdOSnZYbFloWF
k/view?usp=sharing
río Magdalena
 Anexo: Script que cambia los

nombres de los mapas para ser
usados en wflow.

https://drive.google.com/file/d/0B6T45I1JAq_KMXd5MGhJaWR4bFU/view?usp=s
haring
 Anexo: Configuración para la

preparación de mapas de Wflow

https://drive.google.com/file/d/0B6T45I1JAq_KTjdZSHFycHhBWDg/view?usp=sha
ring
Anexos 243
 Anexo: Combinación de los valores

de cobertura de suelo, subcuenca y
tipo de suelo para el
establecimiento de los parámetros
de wflow.

https://drive.google.com/open?id=0B6T45I1JAq_KNEVMdEo1SnJLenc
 Anexo: Configuración para la

corrida de Wflow.

https://drive.google.com/open?id=0B6T45I1JAq_KWlRqTVVOalRkaWs
río Magdalena
 Anexo: Script principal para el

procesamiento de las secciones
transversales desde archivos .XYZ
a archivos .DEF y .DAT para su uso
en SOBEK.

https://drive.google.com/open?id=0B6T45I1JAq_KZWppY3kwbTlGUGc
 Anexo: Script para convertir el

conjunto de puntos .XYZ en
archivos separados por coma .csv.

https://drive.google.com/open?id=0B6T45I1JAq_KQnkwcHFDRVdpSHc
Anexos 245
 Anexo: Script que ajusta una línea

recta a cada sección transversal.

https://drive.google.com/open?id=0B6T45I1JAq_KQzZVT1dudFlSTms
 Anexo: Script que toma las rectas

ajustadas a cada sección
transversal y las convierte
perpendiculares al eje central del
río.

https://drive.google.com/open?id=0B6T45I1JAq_KOWhiR1hKWDhRc2s
río Magdalena
 Anexo: Script que toma el conjunto

de puntos ordenados en formato
.csv y las rectas perpendiculares al
eje central del río y estima las
secciones transversales en formato
RZ.

https://drive.google.com/file/d/0B6T45I1JAq_KWXBqOW5aWHhMR0U/view?usp=
sharing
 Anexo: Script que reduce el

número de puntos de las secciones
transversales en formato RZ
perpendiculares al eje central del
Anexos 247
río con el algoritmo de tolerancia

de Douglas-Peucker.

https://drive.google.com/open?id=0B6T45I1JAq_KRkxRT0prU1djYnc
 Anexo: Script que utiliza las

secciones transversales en formato
RZ perpendiculares al eje central
con puntos filtrados y las convierte
en los archivos PROFILE.DEF y
PROFILE.DAT para su uso en
SOBEK.

https://drive.google.com/open?id=0B6T45I1JAq_KN0tVZmYtVnBQNVE
río Magdalena
 Anexo: Función que actualiza

parámetros y ejecuta wflow.

https://drive.google.com/open?id=0B6T45I1JAq_KYWdLUmFVcDA2OEU
 Anexo: Función que actualiza

parámetros y ejecuta SOBEK.

https://drive.google.com/open?id=0B6T45I1JAq_KdjUzY0dnZ3V1TWc
 Anexo: Función que convierte las

salidas de wflow en entradas de
flujo lateral en SOBEK y corre
Anexos 249
varias simulaciones del acople de

estos dos modelos.

https://drive.google.com/open?id=0B6T45I1JAq_KR0praWVlU1JhcUU
 Anexo: Resultados de
Identificabilidad Paramétrica,
Análisis de Sensibilidad y Análisis
de Incertidumbre de la Modelación
Hidrológica e Hidráulica Acoplada.

https://drive.google.com/open?id=0B6T45I1JAq_KT0VXSEhza295MnM
Bibliografía
 Angarita, H. (2015). Generación de entradas climáticas del modelo.
 Ardila Camelo, F., Sanchez Lozano, J. L., Cardona Almeida, C. A., & Garay
Bohorquez, C. I. (2014). Interpolación Difusa de Caudales del Río Magdalena.
Presented at the XXI Seminario Nacional de Hidráulica e Hidrología, Villa de
Leyva, Boyacá.
 Ashraf, M., Loftis, J. C., & Hubbard, K. G. (1997). Application of geostatistics to
evaluate partial weather station networks. Agricultural and Forest Meteorology,
84(3–4), 255–271. https://doi.org/10.1016/S0168-1923(96)02358-1
 Bartier, P. M., & Keller, C. P. (1996). Multivariate interpolation to incorporate
thematic surface data using inverse distance weighting (IDW). Computers &
Geosciences, 22(7), 795–799. https://doi.org/10.1016/0098-3004(96)00021-0
 Bentacur Alarcón, L. (2016, de enero de). ¿De la sequía de El Niño a las lluvias
de La Niña? El Tiempo. Retrieved from http://www.eltiempo.com/estilo-de-
vida/ciencia/fenomeno-del-nino-en-colombia/16496097
 Berezowsky Verduzco, M., & Jiménez Castañeda, A. A. (1998). FLUJO NO
PERMANENTE EN RÍOS. In Manual de Ingeniería de Ríos. Instituto de Ingeniería
UNAM.
 Beven, K., & Binley, A. (1992). The future of distributed models: Model calibration
and uncertainty prediction. Hydrological Processes, 6(3), 279–298.
https://doi.org/10.1002/hyp.3360060305
 Beven, K. J. (2004). Rainfall - Runoff Modelling: The Primer (1 edition).
Chichester: Wiley.
 Blöschl, G., & Sivapalan, M. (1995). Scale issues in hydrological modelling: a
review. Hydrological Processes, 9(3–4), 251–290.
 Bonnifait, L., Delrieu, G., Lay, M. L., Boudevillain, B., Masson, A., Belleudy, P., …
Saulnier, G.-M. (2009). Distributed hydrologic and hydraulic modelling with radar
río Magdalena
rainfall input: Reconstruction of the 8–9 September 2002 catastrophic flood event
in the Gard region, France. Advances in Water Resources, 32(7), 1077–1089.
https://doi.org/10.1016/j.advwatres.2009.03.007
 Bouaziz, L. (2014, September). Hydrological modelling of the Swat and Kabul
Rivers. Deltares report.
 Bravo, J. M., Allasia, D., Paz, A. R., Collischonn, W., & Tucci, C. E. M. (2012).
Coupled Hydrologic-Hydraulic Modeling of the Upper Paraguay River Basin.
Journal of Hydrologic Engineering, 17(5), 635–646.
https://doi.org/10.1061/(ASCE)HE.1943-5584.0000494
 Calderón Estrada, D. (2012, June). MODELACIÓN CONJUNTA DE RECURSOS
HÍDRICOS SUPERFICIALES Y SUBTERRÁNEOS. Caso de estudio en la cuenca
media del rio Sonora (Ingeniería Civil). Universidad Nacional Autónoma de
México. Facultad de Ingeniería., México DF, México. Retrieved from
http://www.ptolomeo.unam.mx:8080/xmlui/bitstream/handle/132.248.52.100/2462/
TESIS.pdf?sequence=1
 Cardona Almeida, C. A., Sanchez Lozano, J. L., & Oliveros Acosta, J. J. (2014,
Agosto). MODELACIÓN HIDRÁULICA DEL RÍO MAGDALENA EN SOBEK -
FASE CONSTRUCCIÓN DEL MODELO. Revista Científica Guarracuco, 29(18),
75–96.
 Chow, V. T., Maidment, D. R., & Mays, L. W. (1988). Applied Hydrology. McGraw-
Hill.
 Colombia, Congreso de la República. Ley 161 de 1994, Pub. L. No. 194,
http://www.secretariasenado.gov.co/senado/basedoc/ley/1994/ley_0161_1994.ht
ml (1994).
 Corporación Autónoma Regional del Río Grande de la Magdalena –
CORMAGDALENA–, & Laboratorio de Ensayos Hidráulicos de la Universidad
Nacional de Colombia – LEH-UN –. (2007, Enero de). ESTUDIOS E
INVESTIGACIONES DE LAS OBRAS DE RESTAURACIÓN AMBIENTAL Y DE
NAVEGACIÓN DEL CANAL DEL DIQUE.
 Corporación Autónoma Regional para el Río Grande de La Magdalena -
CORMAGDALENA-. (2007). Atlas - Cuenca del Río Grande de la Magdalena.
Bibliografía 253

CORMAGDALENA-. (2012, July). Proyecto: Estructuración y puesta en marcha
del Programa de Modelación Permanente del Río Magdalena.
CORMAGDALENA-, & ONF Andina. (2007). Plan de Manejo de la cuenca del río
Magdalena. Segunda Fase.
 Dawson, C. W., Abrahart, R. J., & See, L. M. (2007). HydroTest: A web-based
toolbox of evaluation metrics for the standardised assessment of hydrological
forecasts. Environmental Modelling & Software, 22(7), 1034–1052.
https://doi.org/10.1016/j.envsoft.2006.06.008
 de Jong, K. (2015). PCRaster Display Manual. Utrecht University. Retrieved from
http://pcraster.geo.uu.nl/download/doc/PCRasterManual18Feb2005.pdf
 de Paiva, R. C. D., Buarque, D. C., Collischonn, W., Bonnet, M.-P., Frappart, F.,
Calmant, S., & Bulhões Mendes, C. A. (2013). Large-scale hydrologic and
hydrodynamic modeling of the Amazon River basin. Water Resources Research,
49(3), 1226–1243. https://doi.org/10.1002/wrcr.20067
 Deltares System. (2013, April 8). SOBEK. Hydrodynamics, Rainfall Runoff and
Real Time Control. User Manual. Retrieved from
http://content.oss.deltares.nl/delft3d/manuals/SOBEK_User_Manual.pdf
 Deltares System. (2015). SOBEK. Hydrodynamics, Rainfall Runoff and Real Time
Control. User Manual. Retrieved from
http://content.oss.deltares.nl/delft3d/manuals/SOBEK_User_Manual.pdf
 Dhondia, J. ., & Stelling, G. . (2002). Application of one dimensional-two
dimensional integrated hydraulic model for flood simulation and damage
assessment. (pp. 265–276). Proceedings of the Fifth International Conference on
Hydroinformatics, Cardiff,1.
 Domínguez C, E. A. (2012, March 16). Análisis estadístico para la determinación
de la oferta hídrica total en condiciones de información suficiente. Retrieved from
http://www.mathmodelling.org/home/talleres-sistemas-de-
informacion/GUIA%202%20-
%20DETERMINACI%C3%93N%20DE%20LA%20OFERTA%20CON%20DISPON
IBILIDAD%20DE%20INFORMACI%C3%93N.pdf
río Magdalena
 Domínguez Calle, E. A. (2010). MODELACIÓN MATEMÁTICA: Una introducción

al Método. Retrieved from https://78462f86-a-f78f3ce6-s-
sites.googlegroups.com/a/mathmodelling.org/www/home/notasdeclase/Introduccio
n.pdf?attachauth=ANoY7cotMD6-
W_oPWdQJ87pbLmONa8LgXqE2lR88CsNY1Y_jfEHvBGNX8L1-7IM3CgCK-
1h3Gp_howwdVnQCpHm9nUZ5PdTUzb6kStoYnmsVOpMxa9QTP4GQtNv8QIPE
ohiC10y2Oumb9Xt6ZgrT6eTC5bGlMyrq-
2MFpoOM8OtgOckRcOCPINJ6oorG7UA7sMEB9_1m65cTtIyJi3u3N8Py6ZQCi81I
HmCy_2noTmDPNkOv_xRlAcg%3D&attredirects=0
 Esse, W. R. van. (2012, October). Demystifying hydrological monsters: can
flexibility in model structure help explain monster catchments? [info:eu-
repo/semantics/masterThesis]. Retrieved April 13, 2017, from
http://essay.utwente.nl/62139/
 Etter, A., McAlpine, C. A., Seabrook, L., & Wilson, K. A. (2011). Incorporating
temporality and biophysical vulnerability to quantify the human spatial footprint on
ecosystems. Biological Conservation, 144(5), 1585–1594.
https://doi.org/10.1016/j.biocon.2011.02.004
 Figueroa Ortiz, C. A. (2016, August 1). Caracterización del campo de precipitación
sobre la microcuenca urbana del campus Universidad Nacional de Colombia -
Sede Bogotá (masters). Universidad Nacional de Colombia - Sede Bogotá.
Retrieved from http://www.bdigital.unal.edu.co/53190/
 Global & Water Partnership. (2009). Manual para la Gestión Integrada de
Recursos Hídricos en Cuencas. Retrieved from
http://www.gwp.org/Global/ToolBox/References/A%20Handbook%20for%20Integr
ated%20Water%20Resources%20Management%20in%20Basins%20(INBO,%20
GWP,%202009)%20SPANISH.pdf
 GLOBAL ECO RIESGO SOLUCIONES SAS. (2016). ROBUSTEZ Y PRECISIÓN
ESTADÍSTICA DE LA INFORMACIÓN PARA EL DISEÑO DEL SEGURO
AGROPECUARIO CATASTRÓFICO EN COLOMBIA. Retrieved from
https://www.finagro.com.co/sites/default/files/4._calidad_robustez_y_precision_est
adistica.pdf
Bibliografía 255
 Guarniz Muñoz, C. K. (2014). Comparación de los modelos Hidráulicos

Unidimensional (HEC-RAS) y Bidimensional (IBER) en el Análisis de Rotura en
Presas de Materiales Sueltos; y Aplicación a la Presa Palo Redondo (Tesis de
Pregrado). Universidad Privada Antenor Orrego, Trujillo, Perú. Retrieved from
http://repositorio.upao.edu.pe/bitstream/upaorep/634/1/GUARNIZ_CARLOS_COM
PARACI%C3%93N_MODELOS_HIDR%C3%81ULICOS.pdf
 Hargreaves, G. H. (1994). Defining and Using Reference Evapotranspiration.
Journal of Irrigation and Drainage Engineering, 120(6), 1132–1139.
https://doi.org/10.1061/(ASCE)0733-9437(1994)120:6(1132)
 Hashemyan, F., Khaleghi, M. R., & Kamyar, M. (2015). Combination of HEC-HMS
and HEC-RAS models in GIS in order to Simulate Flood (Case study: Khoshke
Rudan river in Fars province, Iran). Research Journal of Recent Sciences, 4(8),
122–127.
 Havnø, K., Madsen, M. N., & Dørge, J. (1995). MIKE 11 - A GENERALIZED
RIVER MODELLING PACKAGE. In Computer Models of Watershed Hydrology
(pp. 733–780). Water Resources Publications.
 Hodžić, I. (2016, August). Methodology to assess the influence of data
uncertainties on modelling the Magdalena River, Colombia (Master of Science
Thesis). UNESCO-IHE Institute for Water Education, Delft, the Netherlands.
 Hoyos Goez, H. (2005). Flood management and slums formation in Magdalena?s
River Basin-Colombia. Retrieved from
http://www.monografias.com/trabajos43/magdalena-river-basin/magdalena-river-
basin.shtml
 Hwang, C.-L., & Masud, A. S. M. (1979). Multiple objective decision making,
methods and applications: a state-of-the-art survey. Springer-Verlag.
 HydroChina Corporation. (2013). The Master Plan of Exploitation of the
Magdalena River (Draft).
 Instituto de Hidrología, Meteorología y Estudios Ambientales de Colombia -
IDEAM-. (2001). Estudio ambiental de la Cuenca Magdalena-Cauca y elementos
para su Ordenamiento Territorial.
IDEAM-. (2008). PROTOCOLO PARA LA EMISIÓN DE LOS PRONÓSTICOS
río Magdalena
HIDROLÓGICOS. Retrieved from

http://www.ideam.gov.co/documents/14691/15016/ProtocoloEmision.pdf/7a80174
1-6e42-435b-aed4-669e30ef0e16
IDEAM-. (2012, February). Cotas Ceros (msnm) Ríos Magdalena, Sinú, San
Jorge, Atrato y Ríos de Cundínamarca, Boyacá, Meta y Casanare.
IDEAM-. (2013a). Catálogo Nacional de Estaciones. Retrieved from
http://institucional.ideam.gov.co/jsp/info/institucional/publicaciones/CNE_IDEAM_
V6_NOVIEMBRE_27.zip
IDEAM-. (2013b, October). Cotas Ceros (msnm) Ríos Magdalena, Sinú, San
Jorge, Atrato y Otras.
IDEAM-. (2013c, October). Informe de Cotas Cero Magdalena Medio. Sector: El
Banco - San Pablo.
IDEAM-. (2014, October). INFORME DE LEVANTAMIENTO COTAS CERO
ESTACIONES HIDROMETRICAS EN LA REGION DE LA MOJANA.
 Islam, Z. (2011, May). Literature Review on Phisically Based Hydrologic Modeling.
Retrieved from
https://www.researchgate.net/profile/Zahidul_Islam7/publication/272169378_A_Re
view_on_Physically_Based_Hydrologic_Modeling/links/54dd21290cf28a3d93f893
d3.pdf
 JI, Z., de VRIEND, H., & HU, C. (2003). APPLICATION OF SOBEK MODEL IN
THE YELLOW RIVER ESTUARY. Presented at the International Conference on
Estuaries and Coasts, Hangzhou, China. Retrieved from http://www.irtces.org/pdf-
hekou/114.pdf
 Jorquera, E., Weber, J. F., & Reyna, S. M. (2012). Revisión del estado del arte en
la modelación hidrológica distribuida e integrada. Retrieved from
http://www.ina.gob.ar/pdf/ifrrhh/03_014_Jorquera.pdf
Bibliografía 257
 Karssenberg, D., Burrough, P. A., Sluiter, R., & Jong, K. (2001). The PCRaster
Software and Course Materials for Teaching Numerical Modelling in the
Environmental Sciences. (Vol. 5(2)).
 Khaghan, A. A. M., & Mojaradi, B. (2016). The Integrate of HEC-HMS and HEC-
RAS Models in GIS Integration Models to Simulate Flood (Case Study: the Area of
Karaj). Current World Environment, 11(Special Issue 1), 01–05.
 Kim, J., Warnock, A., Ivanov, V. Y., & Katopodes, N. D. (2012). Coupled modeling
of hydrologic and hydrodynamic processes including overland and channel flow.
Advances in Water Resources, 37, 104–126.
https://doi.org/10.1016/j.advwatres.2011.11.009
 Knebl, M. R., Yang, Z.-L., Hutchison, K., & Maidment, D. R. (2005). Regional scale
flood modeling using NEXRAD rainfall, GIS, and HEC-HMS/RAS: a case study for
the San Antonio River Basin Summer 2002 storm event. Journal of Environmental
Management, 75(4), 325–336. https://doi.org/10.1016/j.jenvman.2004.11.024
 Laganier, O., Ayral, P. A., Salze, D., & Sauvagnargues, S. (2014). A coupling of
hydrologic and hydraulic models appropriate for the fast floods of the Gardon
River basin (France). Nat. Hazards Earth Syst. Sci., 14(11), 2899–2920.
https://doi.org/10.5194/nhess-14-2899-2014
 Lerat, J., Perrin, C., Andréassian, V., Loumagne, C., & Ribstein, P. (2012).
Towards robust methods to couple lumped rainfall–runoff models and hydraulic
models: A sensitivity analysis on the Illinois River. Journal of Hydrology, 418–419,
123–135. https://doi.org/10.1016/j.jhydrol.2009.09.019
 Lian, Y., Chan, I.-C., Singh, J., Demissie, M., Knapp, V., & Xie, H. (2007).
Coupling of hydrologic and hydraulic models for the Illinois River Basin. Journal of
Hydrology, 344(3–4), 210–222. https://doi.org/10.1016/j.jhydrol.2007.08.004
 Lighthill, M. J., & Whitham, G. B. (1955). On Kinematic Waves. I. Flood Movement
in Long Rivers. Proceedings of the Royal Society of London A: Mathematical,
Physical and Engineering Sciences, 229(1178), 281–316.
https://doi.org/10.1098/rspa.1955.0089
 Lindström, G., Johansson, B., Persson, M., Gardelin, M., & Bergström, S. (1997).
Development and test of the distributed HBV-96 hydrological model. Journal of
Hydrology, 201(1–4), 272–288. https://doi.org/10.1016/S0022-1694(97)00041-3
río Magdalena
 Loaiza, J. C. (2011). Informe Final Modelación Hidrológica e Hidraulica del Río

Magdalena- Cuenca Media (Técnico) (p. 36). Instituto de Hidrología, Meteorología
y Estudios Ambientales, Oficina de Pronóstico y Alertas.
 M. W. Van Liew, J. G. Arnold, & J. D. Garbrecht. (2003). HYDROLOGIC
SIMULATION ON AGRICULTURAL WATERSHEDS: CHOOSING BETWEEN
TWO MODELS. Transactions of the ASAE, 46(6), 1539–1551.
https://doi.org/10.13031/2013.15643
 Mårtensson, E., & Gustafsson, L.-G. (2010). Hydrological and hydrogeological
effects of an open repository in Forsmark. Final MIKE SHE flow modelling results
for the Environmental Impact Assessment. Svensk Kärnbränslehantering AB.
Swedish Nuclear Fuel and Waste Management Co. Retrieved from
http://www.iaea.org/inis/collection/NCLCollectionStore/_Public/42/011/42011394.p
df
 Martínez, O., Loaiza Quintero, J. C., Rosero Mesa, M. C., & Peña, J. C. (2015).
Desarrollo de las capacidades de pronóstico hidrológico en Colombia. Presented
at the Congreso Nacional de Ríos y Humedales, Honda, Tolima.
 Materón Muñoz, H., García Vélez, J. L., Arango L, D., & Parra C, D. F. (2006).
Modelación Hidrológica E Hidráulica Aplicada a Estudios De Inundabilidad En
Cauces Naturales Caso De Estudio: Urbanización Río Nima. Retrieved November
1, 2016, from http://www.redalyc.org/articulo.oa?id=231117589003
 Mejia, A. I., & Reed, S. M. (2011). Evaluating the effects of parameterized cross
section shapes and simplified routing with a coupled distributed hydrologic and
hydraulic model. Journal of Hydrology, 409(1–2), 512–524.
https://doi.org/10.1016/j.jhydrol.2011.08.050
 Miettinen, K. (1999). Nonlinear Multiobjective Optimization. Springer Science &
Business Media.
 Ministerio de Ambiente, Vivienda y Desarrollo Territorial. Política Nacional para la
Gestión Integral del Recurso Hídrico (2010). Retrieved from
http://www.minambiente.gov.co/documentos/5774_240610_libro_pol_nal_rec_hidr
ico.pdf.pdf
Bibliografía 259
 Molnar, P. (2011). Calibration. Watershed Modelling, Institute of Environmental

Engi-Neering, Chair of Hydrology and Water Resources Management, ETH,
Zürich, Switzerland. Retrieved from
http://scholar.google.com/scholar?cluster=7745790296734456287&hl=en&oi=sch
olarr
 Montanari, M., Hostache, R., Matgen, P., Schumann, G., Pfister, L., & Hoffmann,
L. (2009). Calibration and sequential updating of a coupled hydrologic-hydraulic
model using remote sensing-derived water stages. Hydrol. Earth Syst. Sci., 13(3),
367–380. https://doi.org/10.5194/hess-13-367-2009
 Monte, B. E. O., Costa, D. D., Chaves, M. B., Magalhães, L. de O., Uvo, C. B.,
Monte, B. E. O., … Uvo, C. B. (2016). Hydrological and hydraulic modelling
applied to the mapping of flood-prone areas. RBRH, 21(1), 152–167.
https://doi.org/10.21168/rbrh.v21n1.p152-167
 Moriarty, P., Butterworth, J., & Batchelor, C. (2006, Abril). La gestión integrada de
los recursos hídricos. Retrieved from
http://www.irc.nl/content/download/24744/276391/file/TOP9_IWRM_S_06.pdf
 Nash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual
models part I — A discussion of principles. Journal of Hydrology, 10(3), 282–290.
https://doi.org/10.1016/0022-1694(70)90255-6
 National Engineering Services Pakistan (Pvt) Limited –NESPAK–, & DELTARES
Enabling Delta Life –Deltares–. (2013, December). Development of National Flood
Protection Plan-IV (NFPP-IV) and Related Studies in Enhance Capacity Building
of Federal Flood Commission-FFC. Inception Report. Studies to Enhance
Capacity Building of Federal Flood Commission –FFC–.
 Palacios. (2011, September). Inundaciones en Colombia : le peor invierno en 55
años. FASECOLDA, 000(0141), 13–16.
 Pappenberger, F., Beven, K., Horritt, M., & Blazkova, S. (2005). Uncertainty in the
calibration of effective roughness parameters in HEC-RAS using inundation and
downstream level observations. Journal of Hydrology, 302(1–4), 46–69.
 Pistocchi, A., & Mazzoli, P. (2002). Use of HEC-RAS and HEC-HMS models with
ArcView for hydrologic risk management. In Proceedings of the 1st biennial
río Magdalena
meeting of the International Environmental Modelling and Software Societey.

Lugano, Switzerland.
 Ramírez Morales, W. D. (2014). MODELACIÓN HIDROLÓGICA DE LAS
CUARENTA Y DOS PRINCIPALES SUBCUENCAS DE LA CUENCA
MAGDALENA-CAUCA USANDO WFLOW (Bachelor Thesis). Universidad
Nacional de Colombia. Facultad de Ingeniería., Bogota - Colombia.
 Ramirez Morales, W. D., Rodriguez Sandoval, E. A., Sanchez Lozano, J. L.,
Oliveros Acosta, J. J., Ardila Camelo, F., Cardona Almeida, C. A., … Bouaziz, L.
(2015). HYDROLOGIC MODELING OF PRINCIPAL SUB-BASINS OF THE
MAGDALENA-CAUCA LARGE BASIN USING WFLOW MODEL (pp. 5605–5614).
Presented at the 36th IAHR World Congress, The Hague, the Netherlands.
 Ramirez Morales, W. D., Sánchez Lozano, J. L., Cardona Almeida, C. A., & Garay
Bohorquez, C. I. (2014). Modelación Hidrológica de cuarenta y dos subcuencas
de la Cuenca Magdalena-Cauca usando WFLOW. Presented at the XXI
Seminario Nacional de Hidráulica e Hidrología, Villa de Leyva, Boyacá.
 Refsgaard, J.C., & Storm, B. (1995). MIKE SHE. In Computer Models of
Watershed Hydrology (pp. 809–846). Water Resources Publications.
 Refsgaard, Jens Christian, van der Sluijs, J. P., Højberg, A. L., & Vanrolleghem, P.
A. (2007). Uncertainty in the environmental modelling process – A framework and
guidance. Environmental Modelling & Software, 22(11), 1543–1556.
 Saltelli. (2008). Global Sensitivity Analysis: The Primer (Edición: 1). Chichester,
England ; Hoboken, NJ: John Wiley & Sons.
 Saltelli, A., Tarantola, S., & Campolongo, F. (2000). Sensitivity Analysis as an
Ingredient of Modeling. Statistical Science, 15(4), 377–395.
 Saltelli, Andrea, Tarantola, S., Campolongo, F., & Ratto, M. (2004). Sensitivity
Analysis in Practice: A Guide to Assessing Scientific Models (1 edition). Hoboken,
NJ: Wiley.
 Sanchez Lozano, J. L., Ardila Camelo, F., Oliveros Acosta, J. J., Ramirez Morales,
W. D., Cardona Almeida, C. A., Garay Bohorquez, C. I., … Zagonjolli, M. (2015).
Bibliografía 261
HYDRAULIC MODELING OF MAGDALENA RIVER USING SOBEK (pp. 4630–

4642). Presented at the 36th IAHR World Congress, The Hague, the Netherlands.
 Sanchez Lozano, J. L., Oliveros Acosta, J. J., Cardona Almeida, C. A., & Garay
Bohorquez, C. I. (2014). MODELACIÓN HIDRÁULICA DEL RÍO MAGDALENA EN
SOBEK, SECTOR PUERTO SALGAR - REGIDOR. Presented at the XXI
Seminario Nacional de Hidráulica e Hidrología, Villa de Leyva, Boyacá.
 Sandu, M.-A., & Virsta, A. (2015). Applicability of MIKE SHE to Simulate
Hydrology in Argesel River Catchment. Agriculture and Agricultural Science
Procedia, 6, 517–524. https://doi.org/10.1016/j.aaspro.2015.08.135
 Santos Rocha, A. C., & Obregon Neira, N. (2010). Implementación de un modelo
de Autómata celular para el pronóstico de la precipitación espacial. Caso de
esudio Ciudad de Bogotá (Tesis de Maestría). Universidad Nacional de Colombia.
Facultad de Ingeniería., Bogotá, Colombia.
 Schellekens, J. (2015). wflow Documentation.
 Shrestha, D. l. (2009). Uncertainty analysis in rainfall-runoff modelling: Application
of machine learning techniques (PhD Thesis). UNESCO-IHE Institute for Water
Education, Delft, the Netherlands. Retrieved from
http://repository.tudelft.nl/islandora/object/uuid:a615bfc9-c75b-479a-b77f-
1d7bdd594a38?collection=research
 Sieber, A., & Uhlenbrook, S. (2005). Sensitivity analyses of a distributed
catchment model to verify the model structure. Journal of Hydrology, 310(1–4),
216–235. https://doi.org/10.1016/j.jhydrol.2005.01.004
 SLAMET, N. S., WANG, L., KOIKE, T., & Jaranilla-Sanchez, P. A. (2015).
COUPLING A DISTRIBUTED HYDROLOGICAL MODEL WITH A HYDRAULIC
MODEL FOR FLOOD INUNDATION SIMULATIONS (pp. 4786–4794). Presented
at the 36th IAHR World Congress, The Hague, the Netherlands.
 Sørensen, H. R., Klucovska, J., Topolska, J., Clausen, T., & Refsgaard, J. C.
(1996). An Engineering Case Study - Modelling the Influences of Gabcikovo
Hydropower Plant on the Hydrology and Ecology in the Slovakian Part of the River
Branch System of Zitny Ostrov. In M. B. Abbott & J. C. Refsgaard (Eds.),
Distributed Hydrological Modelling (pp. 233–253). Springer Netherlands.
https://doi.org/10.1007/978-94-009-0257-2_12
río Magdalena
 Talsma, J., & Schwanenberg, D. (2015, January). FEWS Pakistan - Configuration

Document. Deltares report.
 Thompson, J. R., Sørenson, H. R., Gavin, H., & Refsgaard, A. (2004). Application
of the coupled MIKE SHE/MIKE 11 modelling system to a lowland wet grassland
in southeast England. Journal of Hydrology, 293(1–4), 151–179.
 Troin, M., Arsenault, R., & Brissette, F. (2015). Performance and Uncertainty
Evaluation of Snow Models on Snowmelt Flow Simulations over a Nordic
Catchment (Mistassibi, Canada). Hydrology, 2(4), 289–317.
https://doi.org/10.3390/hydrology2040289
 US Army Corps of Engineers. (2000, March). Hydrologic Modeling System:
Technical Reference Manual. Retrieved from
http://www.hec.usace.army.mil/software/hec-hms/documentation/HEC-
HMS_Technical%20Reference%20Manual_(CPD-74B).pdf
 US Army Corps of Engineers. (2016, February). HEC-RAS River Analysis System:
Hydraulic Reference Manual. Retrieved from
http://www.hec.usace.army.mil/software/hec-ras/documentation/HEC-
RAS%205.0%20Reference%20Manual.pdf
 Van Deursen, W. P. A. (1995). Geographical information systems and dynamic
models : development and application of a prototype spatial modelling language.
 Vargas, D. E., Puentes, A. P., Sanchez Lozano, J. L., & Esteves, J. E. (2013,
July). Descripción de las condiciones ecohidrológicas actuales de los humedales
en la zona norte del municipio de La Dorada-Caldas. Revista Acodal, 232, 47–60.
 Chow, V. T. (1994). Hidráulica de los canales abiertos. McGraw-Hill.
 Vertessy, R. A., & Elsenbeer, H. (1999). Distributed modeling of storm flow
generation in an Amazonian rain forest catchment: Effects of model
parameterization. Water Resources Research, 35(7), 2173–2187.
 Wagener, T., Boyle, D. P., Lees, M. J., Wheater, H. S., Gupta, H. V., &
Sorooshian, S. (2001). A framework for development and application of
hydrological models. Hydrol. Earth Syst. Sci., 5(1), 13–26.
https://doi.org/10.5194/hess-5-13-2001
Bibliografía 263
 Wagener, Thorsten, & Kollat, J. (2007). Numerical and visual evaluation of

hydrological and environmental models using the Monte Carlo analysis toolbox.
Environmental Modelling & Software, 22(7), 1021–1033.
 Wagener, Thorsten, Lees, M. J., Klucovska, J., & Wheater, H. S. (2002). A toolkit
for the development and application of parsimonious hydrological models. In V. P.
Singh & D. K. Frevert (Eds.), Mathematical Models of Large Watershed Hydrology
(pp. 91–140). Water Resources Publication.
 Wagener, Thorsten, Lees, M. J., & Wheater, H. S. (2001). MONTE-CARLO
ANALYSIS TOOLBOX USER MANUAL. Civil and Environmental Engineering
Department Imperial College of Science Technology and Medicine.
 Walker, W. E., Harremoës, P., Rotmans, J., Van der Sluijs, J. P., Van Asselt, M. B.
A., Janssen, P., & Krayer von Krauss, M. P. (2003). Defining Uncertainty: A
Conceptual Basis for Uncertainty Management in Model-Based Decision Support.
Integrated Assessment, 4, 2003. Retrieved from
http://repository.tudelft.nl/islandora/object/uuid:fdc0105c-e601-402a-8f16-
ca97e9963592?collection=research
 Wang, A. (2016). Advancing sensitivity and uncertainty analysis in hydrological
modelling: Case studies of the Wangjiaba Catchment (China) and Bagmati
Catchment (Nepal) (PhD Thesis). UNESCO-IHE, Delft.
 Ware, C., Knight, W., & Wells, D. (1991). Memory intensive statistical algorithms
for multibeam bathymetric data. Computers & Geosciences, 17(7), 985–993.
https://doi.org/10.1016/0098-3004(91)90093-S
 Werner, M., Schellekens, J., Gijsbers, P., van Dijk, M., van den Akker, O., &
Heynert, K. (2013). The Delft-FEWS flow forecasting system. Environmental
Modelling & Software, 40, 65–77. https://doi.org/10.1016/j.envsoft.2012.07.010
 Wesselung, C.G., Karssenberg, D.-J., Burrough, P. A, & Van Deursenx. (1996).
Integrating dynamic environmental models in GIS: The development of a Dynamic
Modelling language.

Modelación Hidrológica e Hidráulica Acoplada de La Cuenca Media y Baja Del Río Magdalena PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Modelación Hidrológica e Hidráulica Acoplada de La Cuenca Media y Baja Del Río Magdalena PDF

Hochgeladen von

Copyright:

Verfügbare Formate

MODELACIÓN HIDROLÓGICA E

Jorge Luis Sánchez Lozano

Universidad Nacional de Colombia

Jorge Luis Sánchez Lozano

Universidad Nacional de Colombia

A ellas les dedico esta tesis, muchas gracias

A mi director de tesis, el profesor Jorge Alberto Escobar-Vargas porque con su apoyo y

Al Instituto de Hidrología, Meteorología y Estudios Ambientales -IDEAM-, especialmente

A la Corporación Autónoma Regional del Río Grande de la Magdalena -

A mis compañeros y director de la Corporación Centro de Investigación Científica del Río

Garay Bohórquez quienes siempre me aportaron al desarrollo de la investigación con

Al equipo de modelación de Deltares, Eelco Verschelling, Migena Zagonjolli, Anke

Al Instituto Geográfico Agustín Codazzi -IGAC por brindar la información geográfica

Palabras clave: Modelación hidrológica; Modelo Lluvia-Escorrentía Wflow; Modelación

Keywords: Hydrological Modeling; Wflow Rainfall-Runoff Model; 1D-2D Hydraulic

1. Revisión de literatura .............................................................................................. 11

2. Materiales y métodos .............................................................................................. 49

4. Discusión ................................................................................................................ 207

5. Conclusiones y recomendaciones ....................................................................... 215

Figura 2-5: Estaciones Hidrológicas en el Modelo Hidráulico. ......................................... 64

Figura 3-53: Análisis de sensibilidad regional del coeficiente de rugosidad de manning

Tabla 1-1: Parámetros del modelo Wflow ........................................................................ 31

se estima en un 2,000 mm con una variación en el interior de la cuenca de 800 mm a

La Corporación Autónoma Regional del Río Grande de la Magdalena –

El hidrosistema del Río Magdalena es complejo, con intereses humanos y ecosistémicos.

En lo referente a ordenamiento hidrológico

En lo referente a calidad de aguas

En lo referente a proyectos de aprovechamiento

En lo referente a preservación de recursos naturales

 Criterios para definir la ronda del río.

En este contexto y para dar respuesta a algunos de los objetivos propuestos en el

¿Se puede replicar el comportamiento observado en el río Magdalena en su cuenca

¿Puede un modelo que resuelve las ecuaciones de Saint Venant en 1D y 2D mediante un

¿Mediante análisis de sensibilidad e incertidumbre es posible determinar los parámetros

¿Mediante análisis de sensibilidad e incertidumbre es posible determinar la influencia del

Reproducir el comportamiento observado del río Magdalena en su cuenca media y baja

En los párrafos siguientes se describe la revisión de la literatura. La primera sección

1.1 Estado del arte

Domínguez (2010) mostró como los modelos hidrológicos se pueden clasificar de

Los modelos hidráulicos también presentan varias posibles configuraciones, por lo

A continuación, se muestran algunos ejercicios de modelación hidrológica e hidráulica en

1.1.1 Modelación Hidrológica e Hidráulica en la Cuenca

En 2013, desde la Corporación Autónoma Regional del Río Grande de La Magdalena –

El modelo wflow es continuo a nivel diario, de tipo distribuido y representa el proceso

El modelo hidráulico SOBEK resuelve las ecuaciones de Saint Venant en 1D y 2D

1.1.2 Acople wflow – SOBEK

de Inundaciones de Pakistán (Flood Early Warning Forecast of Pakistan – FEWS-

Wflow es un modelo hidrológico completamente distribuido que determina la escorrentía

 Incluye rutinas para la intercepción, derretimiento de nieve, humedad del suelo y la

 Entradas y Salidas completamente distribuidas, permitiendo el uso de productos

 Permite correr pasos de tiempo diarios u horarios.

El Modelo Hidráulico SOBEK es un software de modelamiento numérico 1D/2D de flujo

En la construcción del modelo hidrológico utilizó (Bouaziz, 2014):

 El modelo de elevación digital del terreno de la Misión Topográfica Shuttle Radar

 El modelo global de cobertura vegetal GlobCover 2009 de la Agencia Espacial

 El producto de cobertura de nieve basado en satélite del espectro radiómetro de

 El estimador de lluvia diaria de la NOAA (Rainfall Estimation – RFE) con mapas

 Los datos de precipitación de la Misión de Medición de Lluvias Tropicales

 Información de precipitación en tiempo real diaria y cada 3 horas de estaciones en

 Valores en tiempo real (diario y cada 3 horas) de temperatura, media, mínima y

Finalmente, para obtener los campos de temperatura media, mínima y máxima,

 El modelo de evapotranspiración potencial de Hargreaves (1994), el cual utiliza

 Información de caudales en estaciones hidrológicas del Departamento