Memoria Tecnica v2 Junio2011 Tcm7-162773

MAPA DE CAUDALES MXIMOS
MEMORIA TCNICA
JUNIO - 2011
NDICE
1. INTRODUCCIN...................................................................................................................................... 1 2. DESCRIPCIN GENERAL DE LA METODOLOGA EMPLEADA ........................................................ 1 3. SELECCIN Y ANLISIS DE LAS SERIES TEMPORALES DE CAUDALES MXIMOS ANUALES. 3 3.1. CRITERIOS DE SELECCIN DE LOS PUNTOS AFORADOS ............................................................................ 3 3.2. REVISIN DE LA CALIDAD Y REPRESENTATIVIDAD DE LOS DATOS DE LAS SERIES TEMPORALES ................... 5 3.3. TRANSFORMACIN DE DATOS DIARIOS EN INSTANTNEOS ....................................................................... 8 3.4. SELECCIN DE PUNTOS AFORADOS ...................................................................................................... 11 4. CLCULO DE LOS CUANTILES EN LOS PUNTOS AFORADOS ..................................................... 12 4.1. SELECCIN DEL TIPO DE FUNCIN DE DISTRIBUCIN Y DEL PROCEDIMIENTO DE AJUSTE .......................... 12 4.1.1. Identificacin de regiones homogneas ................................................................................... 14 4.1.2. Anlisis de las funciones de distribucin y procedimientos de ajuste ...................................... 16 4.1.3. Funcin de distribucin y procedimiento de ajuste seleccionado............................................. 20 4.2. INFORMACIN HISTRICA EMPLEADA EN EL AJUSTE DE LAS LEYES DE FRECUENCIA..... 21 5. ESTIMACIN DE LOS CUANTILES EN LOS PUNTOS DE LA RED FLUVIAL NO AFORADOS ..... 29 5.1. ESTIMACIN EN CUENCAS PEQUEAS: MTODO HIDROMETEOROLGICO ................................................ 29 5.1.1. El coeficiente corrector del umbral de escorrenta () .............................................................. 30 5.1.2. Calibracin regional del umbral de escorrenta ........................................................................ 30 5.1.2.1. Seleccin de estaciones de aforo ...................................................................................... 30 5.1.2.2. Aplicacin del mtodo racional modificado a las cuencas vertientes a las estaciones de aforo seleccionadas......................................................................................................................... 32 5.1.2.3. Estimacin del coeficiente corrector mediante contraste con las series de caudales .... 34 5.1.2.4. Anlisis de la distribucin espacial del coeficiente corrector del umbral de escorrenta ... 35 5.1.3. Caracterizacin de los valores del coeficiente en las regiones estadsticas ......................... 38 5.2. ESTIMACIN EN CUENCAS GRANDES: MTODO ESTADSTICO .................................................................. 46 5.2.1. Bases tericas de los modelos regionales basados en ecuaciones de regresin mltiple ...... 47 5.2.2. Seleccin y ajuste del modelo de regresin mltiple ................................................................ 48 5.2.3. Modelo de regresin para los ejes principales.......................................................................... 58 6. GENERACIN DE LOS MAPAS Y FORMATO DE PRESENTACIN ................................................ 62 7. ESTIMACIN DE LA MXIMA CRECIDA ORDINARIA ...................................................................... 63 REFERENCIAS.......................................................................................................................................... 67 i
NDICE DE FIGURAS
Figura 1. Estaciones y embalses seleccionados en una primera fase....................................................5 Figura 2. Ejemplos de estaciones con y sin tendencia temporal.............................................................7 Figura 3. Ejemplo de serie de datos con un valor anmalamente alto (E3172). Comparacin de probabilidades muestrales y leyes de frecuencia con y sin el valor anmalo. ..................8 Figura 4. Regresin entre los caudales medios diarios e instantneos en las estaciones de aforos 3254 y 2076. ..................................................................................................................................9 Figura 5. Puntos de control seleccionados.............................................................................................12 Figura 6. Media e intervalos de confianza del 67 y 90 % de la estimacin del L-coeficiente de variacin en funcin del tamao de la muestra. ...............................................................................13 Figura 7. Media e intervalos de confianza del 67 y 90 % de la estimacin del L-coeficiente de sesgo en funcin del tamao de la muestra. ....................................................................................13 Figura 8. Regiones con homogeneidad estadstica identificadas. ........................................................15 Figura 9. Error en el ajuste a los datos observados: regin 92. ............................................................17 Figura 10. Contraste entre la distribucin muestral de diferentes estadsticos en la regin y las obtenidas mediante generacin de regiones sintticas: Regin 92.................................18 Figura 11. Anlisis de la capacidad predictiva de las distintas funciones y procedimientos de ajuste: Regin 92. ..........................................................................................................................20 Figura 12. Avenidas histricas en el puente de Alcntara (tomada de G. Benito et al., 2003). ...........24 Figura 13. Avenida de 1947 en Toledo (tomada de G. Benito et al., 2003)..........................................24 Figura 14. Localizacin de las avenidas histricas consideradas .........................................................25 Figura 15. Ejemplos de leyes de frecuencia ajustadas con informacin sobre avenidas histricas....29 Figura 16. Estaciones seleccionadas para la calibracin del umbral de escorrenta. ..........................31 Figura 17. Mapa de umbral de escorrenta en condiciones medias de humedad. ...............................33 Figura 18. Mapa de precipitaciones mximas diarias para 100 aos de periodo de retorno...............33 Figura 19. Mapa de factor de torrencialidad...........................................................................................34 Figura 20. Ajuste de la ley de frecuencia obtenida mediante el mtodo racional a los datos registrados en la estacin de aforos 3217 (izquierda: resultado obtenido con el P0 para condiciones medias de humedad antecedente, derecha: resultado obtenido con el P0 calibrado). ...35 Figura 21. Semivariograma obtenido en la interpolacin del coeficiente corrector del umbral de escorrenta mediante krigging. ..........................................................................................35 Figura 22. Mapa de coeficientes correctores del umbral de escorrenta. ...........................................36 Figura 23. Comparacin entre los valores regionales y locales del coeficiente para las estaciones de validacin. .....................................................................................................................37 Figura 24. Errores en la estimacin de los cuantiles mediante el mtodo racional en funcin del rea de la cuenca vertiente. ............................................................................................................38 Figura 25. Subdivisin de las regiones 94 y 95......................................................................................39 Figura 26. Subdivisin de la regin 82. ..................................................................................................39 Figura 27. Subdivisin de la regin 51. ..................................................................................................40 Figura 28. Probabilidades muestrales del coeficiente corrector del umbral de escorrenta para una seleccin de regiones estadsticas....................................................................................42 Figura 29. Relaciones entre los coeficientes correctores del umbral de escorrenta en funcin del periodo de retorno para las regiones consideradas en la cuenca del Tajo. ....................45 Figura 30. Relacin altitudprecipitacin en cada una de las regiones estadsticas consideradas en la cuenca del Tajo. .................................................................................................................49 Figura 31. Ejemplo de correlacin de la variable rea de la cuenca con el cuantil de caudal mximo anual de 10 aos de periodo de retorno. ..........................................................................50 Figura 32. Ejemplo de correlacin entre las variables rea y permetro de la cuenca. ........................50 Figura 33. Relaciones entre los cuantiles de caudal mximo y el rea vertiente a lo largo de la corriente principal de los grandes ros para T= 100 aos................................................................60 Figura 34. Modelo digital del terreno. .....................................................................................................63
ii
NDICE DE TABLAS
Tabla 1. Parmetros de las ecuaciones de Fuller ..................................................................................11 Tabla 2. Expresiones algebraicas y parmetros para ajuste de la funcin TCEV................................21 Tabla 3. Funciones de distribucin utilizadas en cada regin estadstica.............................................21 Tabla 4. Caudales histricos empleados en el anlisis estadstico.......................................................26 Tabla 5. Caracterizacin estadstica de los valores del coeficiente corrector en las distintas regiones. ............................................................................................................................................40 Tabla 6. Factores correctores del coeficiente en funcin del periodo de retorno para las distintas regiones estadsticas .........................................................................................................46 Tabla 7. Modelos de regresin seleccionados para cada periodo de retorno en cada una de las regiones consideradas.......................................................................................................51 Tabla 8. Ecuaciones de regresin aplicadas en las corrientes principales...........................................61 Tabla 9. Coeficientes de variacin regionales y periodos de retorno para la mxima crecida ordinaria en las regiones estadsticas. .............................................................................................65
iii
iv
1. INTRODUCCIN
El 17 de septiembre de 2004 fue firmado el Convenio de Colaboracin entre la Direccin General del Agua (DGA) y el CEDEX con ttulo Asistencia tcnica, investigacin y desarrollo tecnolgico en materia de gestin de dominio pblico hidrulico y explotacin de obras. Entre los trabajos previstos en el Convenio figura la elaboracin de un Mapa de caudales mximos de avenida para la red fluvial de la Espaa peninsular, trabajo que, adems de poner a disposicin de los Organismo de cuenca y de la propia DGA una herramienta muy til para la gestin del dominio pblico hidrulico, dar cumplimiento, al ser puestos sus resultados a disposicin de las distintas administraciones y del pblico en general, al mandato legal establecido en el artculo 28.2 de la Ley 10/2001, de 5 de julio, del Plan Hidrolgico Nacional: Las administraciones competentes delimitarn las zonas inundables teniendo en cuenta los estudios y datos disponibles que los Organismos de cuenca deben trasladar a las mismas, de acuerdo con lo previsto en el artculo 11.2 de la Ley de Aguas. Para ello contarn con el apoyo tcnico de estos Organismos y, en particular, con la informacin relativa a caudales mximos en la red fluvial, que la Administracin hidrulica deber facilitar. De comn acuerdo entre la DGA y el CEDEX se tom la cuenca del Tajo como cuenca piloto, a travs de cuyo estudio determinar las metodologas ms idneas para abordar el conjunto del trabajo a escala nacional. Como resultado de ese trabajo se obtuvo un mapa de caudales mximos para esa cuenca y se realiz una propuesta de metodologas a aplicar en la elaboracin de los mapas. Las metodologas propuestas se han utilizado en la elaboracin del resto de mapas que, se han centrado en el mbito territorial de las demarcaciones hidrogrficas con cuencas intercomunitarias: Cantbrico, Mio-Sil, Duero, Guadiana, Segura, Jcar, Ebro y Guadalquivir (de esta cuenca slo se dispone actualmente de la parte correspondiente a las CC. AA. de Extremadura y Castilla-La Mancha, encontrndose en elaboracin la parte correspondiente a la C. A. de Andaluca), y la ya mencionada del Tajo. En esta memoria tcnica se expone la informacin utilizada y las metodologas empleadas en la elaboracin de los mapas de caudales mximos en rgimen natural de las distintas demarcaciones hidrogrficas con cuencas intercomunitarias.
2. DESCRIPCIN GENERAL DE LA METODOLOGA EMPLEADA

El fenmeno natural de la llegada de avenidas a un determinado punto de un ro es enormemente variable en frecuencia y magnitud, estando en esencia determinado por el azar y siendo, por tanto, imposible de predecir de forma determinstica. De esta forma, el objeto fundamental del mapa de caudales mximos, como el de la mayora de los estudios hidrolgicos de crecidas, consiste en caracterizar estadsticamente dicho fenmeno mediante el conocimiento de su ley de frecuencia, la cual relaciona la magnitud del caudal punta de avenida con su frecuencia de presentacin (expresada mediante el periodo de retorno) o, lo que es lo mismo, con su probabilidad anual de ocurrencia. En consecuencia, la determinacin de dicha ley es un problema fundamentalmente estadstico y debe ser, por tanto, abordado mediante la aplicacin de las tcnicas que ofrece dicha disciplina. Dado que la estadstica se ocupa del tratamiento de los datos para, en base a ellos, tomar decisiones y realizar predicciones, es fundamental disponer de mediciones directas del
1
fenmeno aleatorio en estudio para que sus tcnicas puedan ser aplicadas, siendo crtica la calidad y extensin de los datos disponibles en la fiabilidad de los resultados obtenidos. El estudio debe, por tanto, partir del anlisis detallado de la informacin foronmica sobre caudales mximos de que se disponga en la cuenca. La metodologa aplicada en el estudio ha partido, por tanto, de la seleccin de estaciones de aforos y embalses con suficiente informacin sobre caudales mximos como para realizar una estimacin suficientemente fiable de los valores correspondientes a distintas probabilidades o periodos de retorno (cuantiles). A las series de datos seleccionadas se les han aplicado diversas tcnicas estadsticas para verificar la calidad de la informacin, as como la coherencia en la informacin de las distintas estaciones entre s, y se les ha ajustado una funcin de distribucin con la finalidad de determinar sus cuantiles, es decir, su ley de frecuencia, habindose seleccionado los siguientes periodos de retorno para el trabajo: 2, 5, 10, 25, 100 y 500 aos. En el anlisis de las leyes de frecuencia se han incorporado las siguientes tcnicas estadsticas con objeto de mejorar la precisin de la estimacin de los cuantiles, fundamentalmente de los correspondientes a los ms altos periodos de retorno (100 y 500 aos) para cuya estimacin es necesario extrapolar la ley de frecuencia fuera del rango de probabilidad cubierto por los datos presentes en la serie: Estudio de la combinacin funcin de distribucin procedimiento de ajuste con un mejor comportamiento para el tipo de datos de la cuenca. Empleo de informacin regional en la determinacin del valor del coeficiente de sesgo. Este estadstico tiene una gran influencia en la extrapolacin de la funcin de distribucin a altos periodos de retorno y, sin embargo, su estimacin a partir de muestras de pequea longitud presenta una gran imprecisin. Incorporacin de informacin histrica al anlisis de las leyes de frecuencia en aquellos lugares donde ese tipo de informacin est disponible. La informacin histrica correspondiente a las mayores avenidas ocurridas en la zona, es decir, a eventos de pequea probabilidad de ocurrencia, proporciona informacin directa sobre el valor de los caudales en el rango de probabilidad no cubierto por los datos de aforo sistemtico, mejorando de forma importante la estimacin de los cuantiles de alto periodo de retorno. El anlisis estadstico de los datos foronmicos permite conocer los cuantiles en aquellos puntos en los que existen medidas de caudal, pero no puede aplicarse en aquellos puntos donde no estn disponibles dichas medidas. Puesto que el objetivo del trabajo es elaborar un mapa que d informacin sobre los caudales mximos de forma casi continua a lo largo de la red fluvial, es necesario estimar tambin los cuantiles en aquellos puntos no aforados. Dicha estimacin debe realizarse forzosamente mediante extrapolacin de los resultados obtenidos previamente para los puntos aforados. La extrapolacin de resultados puede realizarse bsicamente mediante dos procedimientos. Por una parte, pueden emplearse modelos hidrometeorolgicos calibrados de tal forma que reproduzcan adecuadamente los resultados, desde un punto de vista estadstico, en los puntos aforados, es decir, que para las hiptesis de clculo adoptadas den como resultado los cuantiles previamente calculados mediante el anlisis estadstico, asumiendo que el modelo as calibrado da resultados correctos en los puntos no aforados. Hay que tener en cuenta, como se coment anteriormente, que la obtencin de los cuantiles de caudal es fundamentalmente un problema estadstico y no un problema de modelacin hidrometeorolgica. La interpretacin estadstica de los resultados del modelo slo podra llevarse a cabo si se conociese la probabilidad conjunta de las distintas variables que intervienen en la determinacin del caudal
2
(cantidad total de precipitacin durante la tormenta, distribucin espacial y temporal de la precipitacin, humedad antecedente del suelo en la cuenca, etc.). En la prctica dichas probabilidades no se conocen, por lo que hay que recurrir a adoptar determinadas hiptesis de clculo (precipitacin uniforme sobre la cuenca, distribucin temporal segn hietogramas sintticos, etc.) y a calibrar determinados parmetros de la modelacin (habitualmente los parmetros del modelo de infiltracin) para forzar el ajuste de los resultados del modelo hidrometeorolgico a los del anlisis estadstico en las estaciones de aforo. Esto conlleva que estos modelos slo puedan aplicarse a cuencas de tamao no muy grande en las que puedan asumirse las hiptesis realizadas. Otra posibilidad es el empleo de modelos estadsticos basados en relacionar mediante ecuaciones de regresin mltiple, bien los propios cuantiles calculados a partir de las series temporales de las estaciones de aforo, bien determinados estadsticos de dichas series temporales, con determinadas caractersticas fisiogrficas y climticas de las cuencas, lo que permite realizar estimaciones de los cuantiles en aquellos puntos no aforados simplemente conociendo el valor en sus cuencas de las caractersticas fisiogrficas y climticas empleadas en la regresin. El esquema de clculo adoptado para calcular el mapa ha sido una combinacin de ambos procedimientos. Modelos hidrometeorolgicos en las cuencas de menor tamao (hasta unos 500 km2 de cuenca) y modelos estadsticos en aquellos puntos con mayor cuenca vertiente. En los prximos apartados se expone en detalle el procedimiento de clculo seguido.
3. SELECCIN Y ANLISIS DE LAS SERIES TEMPORALES DE CAUDALES MXIMOS ANUALES 3.1. CRITERIOS DE SELECCIN DE LOS PUNTOS AFORADOS
En la seleccin de las estaciones de aforo a emplear en el estudio estadstico es necesario tener en cuenta dos aspectos contrapuestos. Por una parte, es importante disponer para el anlisis de series temporales con el mayor nmero de datos posible puesto que, como se indic anteriormente, la precisin en la estimacin de los cuantiles, en mayor medida en los de mayor periodo de retorno, depende de forma crtica del nmero de datos disponibles. Esto nos llevara a seleccionar aquellas estaciones de medida con una mayor longitud de registro o, al menos, a exigir a las series temporales un nmero de datos mnimo. Por otra parte, teniendo en cuenta que los puntos de aforo seleccionados se emplearn para extrapolar resultados a los puntos no aforados, permitiendo as estimar los cuantiles en puntos sin informacin, es conveniente que cubran de forma ms o menos homognea todo el territorio de la zona de estudio, evitando dejar zonas sin informacin donde la extrapolacin de resultados a los puntos de la red fluvial no aforados sera menos precisa. Esta circunstancia nos llevara a seleccionar el mayor nmero de estaciones de medida posible. Obviamente, la seleccin final se realizar como un equilibrio entre los dos condicionantes anteriores, imponiendo a las estaciones seleccionadas una longitud mnima de registro que permita realizar estimaciones de los cuantiles suficientemente precisas, y que permita seleccionar el mayor nmero de estaciones posible de tal manera que los cuantiles obtenidos en el anlisis estadstico tengan suficiente representatividad espacial. Tambin con el objetivo de aumentar el nmero de estaciones disponible, y aunque el dato realmente necesario para el
3
anlisis es el caudal instantneo, es decir, el mximo caudal alcanzado durante las crecidas, se ha decidido seleccionar tambin estaciones en las que en todo o en parte de su registro solo se dispona del caudal medio diario. En estos casos se han transformado los caudales medios diarios en sus correspondientes caudales instantneos mediante el procedimiento que se expondr ms adelante. Esta decisin ha llevado a considerar tambin las series temporales medidas en los embalses (en los que nicamente se mide el caudal medio diario) y no slo las registradas en las estaciones de aforo. Otro aspecto a considerar es la posible alteracin del funcionamiento natural de la cuenca por causas antrpicas, lo que provoca que el caudal medido sea el resultado de dichas alteraciones y que, por tanto, difiera del que habra circulado por el ro de no existir dichas causas. Dado que el objeto del anlisis estadstico son las series de caudales mximos anuales, es decir, el mximo caudal que ha circulado por el ro cada ao, los caudales de mayor inters para el estudio son caudales importantes cuya alteracin significativa no es, en general, fcil a pesar de la importante infraestructura hidrulica existente en las cuencas. En general, la nica infraestructura hidrulica capaz de alterar de forma significativa los caudales de avenida son las presas de cierta importancia, por lo que es ese tipo de infraestructura la que hay que tener en cuenta para analizar la posible alteracin del rgimen natural de la cuenca. Finalmente, el criterio empleado para seleccionar las estaciones de aforo y los embalses a considerar en el anlisis estadstico ha sido el siguiente: Estaciones de aforo o embalses cuyo registro no afectado por la presencia de embalses aguas arriba tenga una longitud mnima de 20 datos anuales de caudal mximo medio diario o de caudal instantneo. En zonas con poca densidad espacial de estaciones se ha rebajado la longitud mnima anterior, seleccionando tambin estaciones con una longitud mnima no alterada de entre 15 y 20 datos. En aquellas estaciones con presencia de embalses aguas arriba se ha considerado que la alteracin del registro de caudales mximos anuales no era significativa si se cumpla al menos una de las dos condiciones siguientes: El porcentaje de cuenca controlada por los embalses es menor del 10 %. El volumen total de embalse es menor del 10 % del volumen medio de las avenidas. En el caso de la zona costera de la cuenca del Jcar, debido al escaso nmero de estaciones con caudales mximos instantneos, y la dificultad para transformar los caudales medios diarios en instantneos en una zona con un rgimen hidrolgico tan extremo, se han empleado adicionalmente datos procedentes de la red SAIH. En la figura 1 se representa la situacin geogrfica de las estaciones y embalses seleccionados, en esta primera fase del trabajo, como resultado de la aplicacin de los criterios anteriores.
4
Figura 1. Estaciones y embalses seleccionados en una primera fase
3.2. REVISIN DE LA CALIDAD Y REPRESENTATIVIDAD DE LOS DATOS DE LAS SERIES TEMPORALES

Un aspecto que condiciona de forma crtica, junto con la longitud de la serie temporal, la precisin de los cuantiles obtenidos mediante el anlisis estadstico es la calidad de los datos. Como es conocido, el procedimiento habitual de medida en las estaciones de aforo consiste en medir (mediante lectura en escalas, limngrafos, etc.) el nivel alcanzado por el agua y deducir a partir de l el caudal mediante el uso de una curva de gasto, la cual representa la relacin calado-caudal para esa seccin del ro. Lo ms habitual es que la curva de gasto se obtenga mediante los denominados aforos directos, es decir, medidas directas del caudal circulante por el ro (mediante el empleo de molinetes u otros procedimientos), realizadas en distintos momentos, y que junto con la medida del calado permite obtener diversos puntos de la curva. Finalmente, la curva de gasto se obtiene ajustando una determinada funcin matemtica (por ejemplo, una funcin potencial) a los puntos. Puesto que los aforos directos suelen realizarse cuando circulan por el ro caudales bajos o moderados, no suele disponerse de informacin directa sobre la parte alta de la curva, la correspondiente a los caudales de mayor magnitud, por lo que es necesario estimarla extrapolando el ajuste realizado para la parte baja. Actualmente, la informacin sobre aforos directos se complementa con estudios hidrulicos del ro para los caudales altos, lo que mejora
5
espectacularmente el ajuste de la parte alta de la curva. Sin embargo, este tipo de estudios no est disponible para todas las estaciones de aforo y, aunque mejorarn la calidad de los registros futuros, no resuelven los problemas de calidad de las series histricas. Esta circunstancia conlleva que los mayores errores en la medida de los caudales se cometan para los caudales ms grandes, durante las avenidas, afectando de forma crtica a la calidad de los datos de las series de caudales mximos anuales. Por este motivo, se han llevado a cabo diversos procesos de revisin y contraste de la informacin para detectar aquellas estaciones con mayores problemas (en la totalidad o en parte de su registro) y proceder a su correccin o, de no ser posible, a eliminar la estacin del anlisis. A continuacin se detallan los procesos de revisin llevados a cabo: Identificacin de tendencias temporales en la series
Una de las hiptesis bsicas de la que parten los modelos estadsticos de mximos es suponer que cada uno de los datos de la serie corresponden a resultados independientes del fenmeno aleatorio objeto de estudio. De esta forma, los datos de las series temporales de mximos deberan ser independientes entre s y en consecuencia, no deberan presentar ningn tipo de tendencia temporal. De hecho, la construccin de la serie temporal seleccionando nicamente el mayor caudal de cada ao tiene como uno de sus objetivos garantizar (o casi garantizar) la independencia de los datos, puesto que los mximos caudales ocurridos en aos hidrolgicos diferentes, separados generalmente por intervalos temporales importantes, muy difcilmente sern dependientes entre s. Para identificar estas posibles tendencias temporales se ha aplicado el test estadstico de Mann-Kendall. Esto ha permitido detectar algunas estaciones de aforo con problemas en sus datos, habitualmente motivados por la existencia dentro de la serie temporal de dos o ms periodos de cierta extensin con caudales de magnitud muy diferente entre s. Este proceso ha llevado a corregir parte del registro temporal de algunas estaciones o a descartarlo en aquellos casos que esa correccin no ha sido posible. La existencia de periodos temporales marcadamente diferentes dentro de las series tiene generalmente su origen en cambios en la curva de gasto a lo largo del tiempo, realizados con intencin de ajustarla a nueva informacin sobre aforos directos. Estas revisiones son imprescindibles para adaptar las curvas a los pequeos cambios que se producen en los cauces como consecuencia de los procesos de erosin y sedimentacin, pero en algunos casos esta mejora del ajuste en la parte baja de la curva provoca, al extrapolar, cambios importantes en la parte alta que en general no estn justificados. En las figura 2 se ilustra lo comentado anteriormente. Se ha representado, para las estaciones de aforos 3234 y 3163 de la cuenca del Tajo, el caudal acumulado de la serie temporal respecto al tiempo. En el caso de la estacin 3163, que corresponde a una estacin en la que no se han detectado tendencias temporales, se observa como la pendiente del grfico no vara significativamente a lo largo del tiempo; por el contrario, en la estacin 3234 se observa un cambio importante en la pendiente media del grfico que distingue claramente dos periodos temporales con unos caudales mximos anuales medios muy diferentes.
6
Estacin 3234. Jaraiz de la Vera

9000
Estacin 3163. Piedras Albas

6000
Caudal acumulado (m /s)
8000 7000 6000 5000 4000 3000 2000 1000 0 0 5 10 15 20 25
Caudal acumulado (m /s)
5000 4000 3000 2000 1000 0 0 5 10 15 20 25 30
Tiempo (aos)
Tiempo (aos)
Figura 2. Ejemplos de estaciones con y sin tendencia temporal
Identificacin de inconsistencias entre los datos de distintas estaciones
Este proceso ha consistido en contrastar los datos de caudal mximo anual (tanto medio diario como instantneo) de cada estacin de aforos con los de aquellas otras estaciones situadas aguas arriba de la misma para los aos de registro comn. Aquellos casos en los que se han detectado medidas de caudal aguas arriba superiores a las registradas aguas abajo han sido objeto de un estudio detallado posterior para determinar las posibles causas de las inconsistencias. Slo han sido objeto de anlisis los casos en los que el caudal de aguas arriba era considerablemente superior al de aguas abajo, teniendo en cuenta que, en algunas circunstancias, el caudal de avenida puede reducirse hacia aguas abajo por efecto de la laminacin en cauce. Como resultado de este anlisis se ha decidido descartar parte del registro de algunas estaciones de aforos e, incluso, el registro completo de otras por considerarlo poco fiable. Identificacin de datos anmalamente altos (outliers)
Este proceso no pretende detectar deficiencias en la calidad de la informacin sino localizar aquellos datos singulares dentro de las series temporales poco representativos desde un punto de vista estadstico a la hora de realizar el ajuste de la ley de frecuencia. De forma general, la frecuencia con la que se mide en una estacin de aforos un determinado valor de caudal est relacionada con su probabilidad de ocurrencia, no siendo probable, por tanto, registrar dentro de un periodo temporal ms o menos corto (lo habitual en la mayora de las estaciones de aforo) caudales de elevada magnitud que slo ocurren durante avenidas de alto periodo de retorno. Sin embargo, es posible que en algn caso, por azar, se registren caudales extraordinariamente altos cuya probabilidad de ocurrencia dentro del periodo temporal de registro sea muy pequea. Lgicamente, la inclusin de estos datos en el anlisis no representa adecuadamente las caractersticas estadsticas del proceso aleatorio, y supone alterar significativamente la magnitud de los estadsticos de la serie. Como ejemplo de este tipo de situaciones se han representado en la figura 3, sobre papel de probabilidad Gumbel, los datos de la estacin 3172 de la cuenca del Tajo, frente a sus probabilidades muestrales. Se observa cmo el caudal ms alto, correspondiente a la
7
avenida extraordinaria del ao 1990, se aleja de la tendencia marcada por la informacin restante. Es claro que su inclusin en el anlisis estadstico desvirtuara el ajuste de la ley de frecuencia.
E 3172
2 5 10 25 50
E 3172
100 200 500 1000
2 5 10 25 50
100
200
500
1000
200 190 180 170 160 150 140 130 120 110 100 90 80 70 60 50 40 30 20 10 0
120 110 100 90 Caudal (m3/s) 80 70 60 50 40 30 20 10 0
Figura 3. Ejemplo de serie de datos con un valor anmalamente alto (E3172). Comparacin de probabilidades muestrales y leyes de frecuencia con y sin el valor anmalo.
Para detectar los datos anmalamente altos se ha empleado el procedimiento recomendado por el Water Resources Council (WRC) de EE.UU. (USWRC, 1981). Los datos identificados como anmalos mediante la aplicacin del test anterior han sido eliminados de la serie sistemtica. En aquellos casos en que se dispona de informacin suficiente como para considerar el dato anmalo como el mximo ocurrido en un determinado periodo temporal, ha sido introducido en el anlisis estadstico considerndolo como informacin histrica. Identificacin de estaciones discordantes Tras la identificacin de tendencias temporales y outliers en las series sistemticas de datos observados, se identifican aquellas muestras que tienen unas caractersticas estadsticas significativamente diferentes al resto de las estaciones. La identificacin se realiza mediante la medida de discordancia (D), basada en el anlisis de los valores de los L-momentos (Hosking y Wallis, 1997). El anlisis se debe realizar sobre un grupo considerable de estaciones, por ejemplo, una cuenca entera. La medida D se fundamenta en la representacin de los valores de los coeficientes de LMomentos (t2, t3 y t4) de cada estacin en un grfico en tres dimensiones, obteniendo una nube de puntos. Se consideran como discordantes, aquellos puntos que se alejen de la nube o que tengan una distancia excesiva respecto de los valores medios de la misma.
3.3. TRANSFORMACIN DE DATOS DIARIOS EN INSTANTNEOS

Como se coment anteriormente, y con el objetivo de aumentar el nmero de estaciones disponible para conseguir una mayor cobertura espacial de la zona en estudio y de disponer de series temporales ms largas, que permiten mejorar la estimacin de los cuantiles, se ha decidido seleccionar tambin estaciones en las que en todo o en parte de su registro solo se dispone del caudal medio diario. En estos casos ha sido necesario transformar los caudales medios diarios en sus correspondientes caudales instantneos.
8
Caudal (m3/s)
La nica manera de conocer los caudales instantneos con precisin es medirlos. Una vez que el caudal no ha sido medido o, an habindolo sido, si la medida no ha sido conservada, cualquier intento de conocer el caudal instantneo con posterioridad siempre dar un valor aproximado. No obstante, aunque la relacin entre el caudal medio diario y el instantneo es lgicamente variable de una avenida a otra, en la mayora de las cuencas (con excepcin quiz de algunas cuencas del levante y del sureste de la pennsula con un rgimen hidrolgico muy extremo) dicha relacin suele ser ms o menos constante o, al menos, se mueve en un rango de variacin no muy amplio. De esta forma, se puede obtener para cada estacin un coeficiente (k) que, de forma aproximada, relacione los caudales medios diarios (Qmd) con los instantneos (Qi):
k=
Qi Qmd
Dicho coeficiente se ha obtenido mediante dos procedimientos diferentes dependiendo de la cantidad de informacin disponible en cada estacin. Si la estacin de aforos dispone de informacin sobre caudales instantneos en la mayora de los aos conteniendo solo algunas lagunas puntuales, el coeficiente se ha obtenido ajustando una regresin entre los valores de caudal medio diario e instantneo en aquellos aos en que se dispone de ambos tipos de informacin, aplicando el resultado para estimar el caudal instantneo en aquellos aos en que solo se dispone del caudal medio diario. Este es el caso, por ejemplo, de las estaciones 3254 y 2076, cuyas ecuaciones de regresin se muestran en la figura 4.
24
Caudal instantneo (m3/s)
250
Caudal instantneo (m3/s)
20 16 12 8 4 0 0 2 4 6 8 10 12 14 16 y = 1,4171x R2 = 0,8956
200
y = 1,3914x R2 = 0,8833
150
100
50
0 0 20 40 60 80 100 120 140
Caudal medio diario (m3/s)
Caudal medio diario (m3/s)
Figura 4. Regresin entre los caudales medios diarios e instantneos en las estaciones de aforos 3254 y 2076.
En las estaciones de aforo en las que los caudales instantneos eran desconocidos en la mayor parte o incluso en todo el registro, as como en los embalses, el coeficiente se ha obtenido mediante la aplicacin de la frmula de Fuller. Esta frmula es quiz la ms conocida de entre todas las expresiones matemticas disponibles para transformar los caudales medios diarios en instantneos, la cual hace depender la relacin entre ambos caudales del rea de la cuenca vertiente:
k=
Qi a = 1+ b Qmd A
9
Donde A es el rea de la cuenca vertiente en km2, y a y b parmetros de la frmula. Segn los trabajos realizados por Fuller, el parmetro a puede variar entre 2,5 y 6, y b tiene un valor en torno a 0,3. Aunque Fuller aport junto con su frmula unos valores de referencia para los parmetros a y b, para su aplicacin a este trabajo se ha realizado una calibracin regional de dichos parmetros a partir de los coeficientes k obtenidos mediante regresin entre los caudales medios diarios e instantneos en aquellas estaciones con suficiente informacin. Con esta finalidad, se han calculado tambin las regresiones entre ambos tipos de caudales en las estaciones en las que se conoca el registro completo de caudales instantneos. Para obtener el valor de los parmetros se ha expresado la frmula de Fuller de la siguiente manera:
log(k 1) = log a blog A

Quedando una relacin lineal entre el logaritmo de k-1 y el logaritmo del rea. Representando grficamente las parejas de valores log(k-1) log(A) de aquellas estaciones donde se conoce el coeficiente k, y ajustando una regresin lineal se pueden obtener los parmetros a y b para la regin. En la tabla 1 se indican los parmetros de ajuste obtenidos para las distintas zonas consideradas. Estas zonas coinciden con las demarcaciones del Mio-Sil mas Galicia Costa, Cantbrico mas Cuencas Internas del Pas Vasco, Duero, Tajo y Segura, y con las siguientes zonas para el resto de las demarcaciones: Guadiana y Guadalquivir: o o Zona 1: Cabecera del Guadiana hasta el ro Jabaln incluido. Zona 2: Afluentes del ro Guadiana por su margen izquierda aguas abajo del ro Olivenza y ros Tinto y Odiel. Zona 3: Resto de la cuenca del ro Guadiana y cuenca del ro Guadalquivir.
o Ebro: o
Zona 1: Cabecera del Ebro hasta los ros Arga en la margen izquierda y Queiles en la derecha, incluidos. Zona 2: Resto de la cuenca del Ebro por la margen izquierda. Zona 3: Resto de la cuenca del Ebro por la margen derecha.
o o
En la demarcacin del Jcar slo se ha ajustado la ecuacin en la zona correspondiente a las cabeceras del ro Jcar (hasta la confluencia con el ro Cabriel) y Turia (hasta el embalse de Benageber), debido a la gran variabilidad existente en la relacin entre caudales medios diarios e instantneos en las cuencas ms prximas a la costa.
10
Tabla 1. Parmetros de las ecuaciones de Fuller
a Qi = 1 + b Qmd A
REGIN Mio-Sil + Galicia Costa Cantbrico + C.I. Pas Vasco Duero Tajo Guadiana + Guadalquivir - Zona 1 - Zona 2 - Zona 3 Jcar Segura Ebro - Zona 1 - Zona 2 - Zona 3 2.49 3.39 37.73 0.36 0.29 0.55 35.89 112.82 11.56 20.87 145.85 0.72 0.7 0.42 0.51 0.75 a 1.81 3.1 1.78 5.01 b 0.23 0.26 0.29 0.38
3.4. SELECCIN DE PUNTOS AFORADOS

Como consecuencia del proceso anteriormente descrito, de depuracin y filtrado de posibles errores y datos anmalos en las estaciones que cumplan las condiciones de partida, se obtiene un conjunto de puntos de control formado por estaciones de aforo y embalses, cuyos registros constituyen la informacin seleccionada para el presente trabajo. En la siguiente figura aparecen representados los puntos de control seleccionados localizados en el territorio.
11
Figura 5. Puntos de control seleccionados
4. CLCULO DE LOS CUANTILES EN LOS PUNTOS AFORADOS 4.1. SELECCIN DEL TIPO DE FUNCIN DE DISTRIBUCIN Y DEL
PROCEDIMIENTO DE AJUSTE
Una de las partes fundamentales del trabajo es la estimacin de los cuantiles de caudal mximo en las estaciones de aforo seleccionadas. Obviamente, dicha estimacin debe ser lo ms precisa posible puesto que constituye la base sobre la que se apoya todo el trabajo, dependiendo en gran medida la precisin de los mapas de la precisin conseguida en dicha estimacin. El clculo de los cuantiles se realiza ajustando una funcin de distribucin a las series temporales de caudales mximos anuales registradas en las estaciones de aforo por lo que es imprescindible analizar qu tipo de funcin de distribucin es la que mejor representa las caractersticas estadsticas de las series y, por lo tanto, permite realizar una mejor estimacin de los cuantiles.
12
Como es sabido, el error en la estimacin aumenta al aumentar el periodo de retorno del cuantil estimado, siendo mayor el error cuanto menor es la longitud de la serie temporal disponible. Dicha incertidumbre es especialmente importante en aquellos casos en los que es necesario emplear funciones de distribucin de tres o ms parmetros, puesto que en esos casos la forma de la ley de frecuencia viene determinada por el valor de los momentos estadsticos de tercer o cuarto orden (relacionados con los coeficientes de sesgo y de curtosis) que deben estimarse a partir de la muestra. Como puede observarse en las figuras adjuntas, obtenidas a partir del anlisis de unas 1000 series temporales de diferentes longitudes generadas mediante simulaciones de Monte Carlo, asumiendo una funcin de distribucin de Valores Extremos Generalizada de media unidad y unos valores de L-coeficiente de variacin y L-coeficiente de sesgo de 0,40 y 0,25 respectivamente (valores tpicos en la cuenca del Tajo, seleccionada para elaborar este ejemplo), la incertidumbre asociada a la estimacin de los momentos estadsticos est relacionada con la longitud de la muestra disponible y, para una misma longitud de muestra, es mayor cuanto mayor es el orden del momento a estimar. De esta forma, se requiere disponer de menos datos para estimar la media o el coeficiente de variacin de la poblacin, que para estimar el coeficiente de sesgo o la curtosis.
Figura 6. Media e intervalos de confianza del 67 y 90 % de la estimacin del L-coeficiente de variacin en funcin del tamao de la muestra.
Figura 7. Media e intervalos de confianza del 67 y 90 % de la estimacin del L-coeficiente de sesgo en funcin del tamao de la muestra.
13
Los comentarios anteriores ilustran el marco terico en el que surge el uso de las tcnicas estadsticas de regionalizacin, las cuales tratan de mejorar el ajuste de las funciones de distribucin (fundamentalmente en aquellos casos en que se dispone de series temporales de escasa longitud) obteniendo una estimacin ms precisa de los momentos estadsticos de mayor orden al emplear conjuntamente la informacin contenida en todas las estaciones de aforos existentes en una determinada regin con comportamiento estadstico homogneo. El anlisis realizado se ha dividido en dos partes. Se ha analizado, por una parte, la capacidad descriptiva de cada modelo, es decir, la capacidad de la ley de frecuencia estimada mediante un modelo determinado para ajustarse a los datos de la muestra. Lgicamente este anlisis se ha centrado en la comparacin de los cuantiles de bajo periodo de retorno estimados mediante el modelo con la estimacin realizada directamente a partir de los datos mediante frmulas de grfico. Posteriormente, se ha realizado el anlisis de la capacidad predictiva de los distintos modelos. En este anlisis, realizado mediante simulaciones de Monte Carlo, se ha pretendido evaluar la eficiencia y robustez del modelo para extrapolar correctamente la ley de frecuencia a altos periodos de retorno, determinando el sesgo y la varianza de la estimacin de los cuantiles realizada a partir de distintas muestras generadas aleatoriamente. Previamente al anlisis, se ha realizado un estudio para la identificacin de regiones estadsticamente homogneas en el territorio de la Espaa peninsular sobre las cuales realizar el anlisis. Esta identificacin se ha realizado siguiendo principalmente criterios geogrficos, a partir de la orografa de la cuenca, la altitud, el rgimen de lluvias y el valor de los cuantiles de precipitacin ms altos, etc., comprobando posteriormente mediante tests estadsticos de homogeneidad lo adecuado de dicha identificacin.
4.1.1. Identificacin de regiones homogneas

Previamente al anlisis, se ha realizado un estudio para la identificacin de regiones estadsticamente homogneas. Las regiones homogneas se han identificado siguiendo criterios geogrficos, a partir de la orografa de la cuenca, la altitud, el rgimen de lluvias y el valor de los cuantiles de precipitacin ms altos. Este mtodo tiene la ventaja de facilitar la asignacin de una regin a un punto determinado, ya que las regiones estn delimitadas perfectamente por los accidentes geogrficos de las cuencas. La identificacin de una regin como homognea debe ser comprobada mediante medidas que analizan la homogeneidad estadstica de las muestras. Se han utilizado dos tests para cuantificar el grado de homogeneidad de las regiones, el test de Wiltshire, basado en los momentos ordinarios, y el test de Hosking y Wallis, basado en los L-momentos. En funcin de los resultados obtenidos, se ha decidido adoptar un valor regional nicamente para el coeficiente de sesgo, determinando el coeficiente de variacin a partir de la informacin local. Las regiones consideradas se representan en la figura 8. Cada regin se identifica mediante un cdigo numrico cuyo primer dgito es el propio de la gran cuenca a la que pertenece, completamente o en su mayor parte. El segundo dgito numera las regiones en las que est dividida la gran cuenca de forma consecutiva.
14
Figura 8. Regiones con homogeneidad estadstica identificadas.
Como se muestra en las regiones representadas en la figura anterior, se han considerado de forma independiente los siguientes tramos de los grandes ejes fluviales: Duero, desde su confluencia con el ro Chico (regin 26). Tajo, desde su confluencia con el ro Arlas (regin 34). Guadiana, desde su confluencia con el ro Bauelo (regin 43). Guadalquivir, desde su confluencia con el Guadiana menor (regin 54). Ebro, desde su confluencia con el ro Zadorra (regin 96).
Por otra parte, los tramos finales de los ros Segura y Jcar (desde la confluencia con la Rambla de Benito el primero y desde la confluencia con el barranco del Agua en el caso del segundo) tienen un comportamiento intermedio entre los de las regiones 71 y 72, y 81 y 82, respectivamente (regiones 73 y 84)
15
4.1.2. Anlisis de las funciones de distribucin y procedimientos de ajuste

Una vez identificadas las estaciones que estn incluidas en cada una de las regiones consideradas y que se van a emplear en el estudio, se aborda el anlisis de la funcin de distribucin y el procedimiento de ajuste que mejor describe el comportamiento de los caudales mximos anuales. Existen diversas funciones de distribucin con aplicacin a la estimacin de la ley de frecuencia de caudales mximos. La seleccin de la ley de frecuencia que mejor representa el comportamiento hidrolgico de una regin no es sencilla. Por una parte, se debe analizar la capacidad descriptiva de la funcin, es decir la capacidad de la funcin para ajustarse con precisin a la distribucin de caudales observados. Por otra, se debe analizar la capacidad de prediccin, es decir, la robustez de la funcin para estimar los cuantiles asociados a los mayores periodos de retorno, en los que normalmente no se tiene informacin observada ya que no se dispone de series lo suficientemente largas. En primer lugar, se ha analizado el ajuste de las diferentes funciones de distribucin a los datos observados en las estaciones de cada regin. En cada una de las estaciones, se han ajustado las diferentes funciones consideradas mediante los diferentes mtodos de ajuste (momentos (Mom), L-momentos (L-Mom) y mxima verosimilitud (ML)) y se ha cuantificado el error existente entre los datos observados y dichas funciones. Los ajustes de las funciones se realizan utilizando nicamente la informacin local sin la aplicacin de ningn mtodo de regionalizacin. A los datos observados se les ha asignado probabilidad mediante la frmula de Gringorten:
F ( yi ) =
i 0.44 n + 0.12
siendo i el puesto que ocupa el dato en la serie ordenada de menor a mayor, y n el nmero total de datos de la serie. Posteriormente se han obtenido los caudales proporcionados por cada funcin de distribucin ajustada para las mismas probabilidades que se han asignado a los datos observados. A partir de estos datos, el error de cada funcin en una estacin se ha medido como el valor medio de las distancias adimensionales entre cada uno de los caudales observados en la estacin y el valor del cuantil dado en dichos puntos por la funcin ajustada:
e1 =
1 n (Qobs )i (Qest )i (Q ) n i =1 obs i
donde n es el nmero de datos en la estacin. El error de cada funcin se ha calculado como la media de los errores absolutos de todas las estaciones existentes en la regin (MAE). Para este anlisis se han considerado las siguientes funciones de distribucin: Gumbel por Mom, L-Mom y ML Valores Extremos Generalizada (GEV) por Mom, L-Mom y ML Log-Normal de 2 parmetros (LN-2) por Mom, L-Mom y ML Log-Normal de 3 parmetros (LN-3) por Mom, L-Mom y ML Pareto Generalizada (GP) por Mom, L-Mom y ML Logstica Generalizada (GLO) por Mom, L-Mom y ML Log-Pearson Tipo 3 (LP-III) por Mom y L-Mom
16
Pearson Tipo 3 (PE-III) por Mom y L-Mom.
En las figuras adjuntas, a modo de ejemplo, se representan los resultados para las estaciones con ms de 50 datos en la regin 92, correspondiente a la cuenca del ro Segre.
Figura 9. Error en el ajuste a los datos observados: regin 92.
De los resultados se desprende que una de las parejas funcin de distribucin procedimiento de ajuste que presenta errores menores en las todas las regiones es la funcin GEV ajustada mediante L-momentos. En algunos casos otras funciones como la LPIII ajustada mediante el mtodo de los momentos o la funcin GP mediante L-momentos, presentan un mejor ajuste a los datos pero, en general, realizan una extrapolacin muy deficiente a altos periodos de retorno al adoptar, en muchos casos, formas convexas. Junto con el anlisis de la capacidad descriptiva expuesto anteriormente, se ha realizado un anlisis de la capacidad predictiva de las distintas funciones y procedimientos de ajuste, es decir, un anlisis de su precisin en la extrapolacin a los periodos de retorno ms altos a partir de muestras de escasa longitud. Antes de abordar el anlisis del comportamiento predictivo de las distintas funciones, se ha comprobado que el esquema de regionalizacin adoptado es capaz de reproducir en cada regin unas caractersticas estadsticas similares a las que tienen los datos observados. Para evaluar esta similitud estadstica se ha utilizado un mtodo basado en simulaciones de Monte Carlo, generando regiones sintticas similares a la regin observada. Cada regin sinttica estar compuesta por un nmero de estaciones igual al de la regin observada y cada estacin tendr un nmero de datos sintticos igual al nmero de datos sistemticos observados en la estacin real que est representando. Las series sintticas se han generado mediante las funciones y procedimientos de ajuste que han demostrado tener un mejor comportamiento al analizar la capacidad descriptiva. Las caractersticas estadsticas de las regiones sistemticas generadas han sido comparadas con las caractersticas de los datos observados en la regin, mediante su representacin en un papel probabilstico Gumbel. Para ello se han seleccionado las siguientes caractersticas estadsticas: Coeficiente de variacin de las series Coeficiente de sesgo de las series
17
Mximo valor estandarizado Yn =
Xn X S
; donde
es el mximo valor para la
muestra n, es el valor medio de la muestra y es la desviacin tpica de la muestra. L-coeficiente de variacin L-coeficiente de sesgo
A continuacin, a modo de ejemplo, se muestran los resultados obtenidos para la regin 92:
Figura 10. Contraste entre la distribucin muestral de diferentes estadsticos en la regin y las obtenidas mediante generacin de regiones sintticas: Regin 92.
18
Los resultados muestran que el patrn de regionalizacin adoptado es capaz de reproducir con bastante precisin la distribucin en la regin de los estadsticos considerados. Se puede considerar, por tanto, que los resultados que se obtengan a partir de las simulaciones matemticas reflejarn adecuadamente el comportamiento real de la regin. No obstante, en cada regin hay una serie de funciones de distribucin y procedimientos de ajuste que son los que mejor reproducen el comportamiento de los distintos estadsticos. Estas funciones y procedimientos de ajuste han sido los utilizados al analizar el comportamiento predictivo de las funciones de distribucin en cada regin. Este anlisis se ha realizado para los periodos de retorno superiores a 100 aos. Para ello, se ha utilizado la funcin kappa de 4 parmetros, ms general que todas las utilizadas, para realizar el ajuste en cada una de las estaciones, tomando este ajuste como base de comparacin para el resto de funciones. Esta funcin se ha ajustado en cada estacin con los valores regionales del L-coeficiente de sesgo (L-Cs) y la L-curtosis (L-Ck), y los valores locales de la media y el L-coeficiente de variacin (L-Cv). Mediante la funcin kappa ajustada en cada estacin, se han generado regiones sintticas similares a la observada, es decir, con un nmero de datos en cada estacin similar al nmero de datos observados en las estaciones de la regin real. Se han ajustado en cada regin las funciones seleccionadas en los apartados anteriores a cada una de las series sintticas generadas, tomando el valor regional del L-Cs de cada regin sinttica y valores locales de la media y el L-Cv. En cada estacin de la regin (i), y para cada periodo de retorno (T) se ha calculado el valor medio de los errores, entre el valor ajustado mediante la funcin utilizada y el cuantil dado mediante el ajuste con la funcin kappa, es decir, el error medio o sesgo (MET,i), y la varianza de los mismos (VART,i), obteniendo el error cuadrtico medio (MSET,i) como la suma de ambos:
MSET ,i = VART ,i + [MET ,i ]
Para comparar los resultados en las diferentes estaciones con diferentes valores de caudal, necesitamos estandarizar los errores. Para ello, primero se calcula la raz cuadrada del MSE (RMSET,i), obteniendo un valor del error con la misma unidad de medida que el caudal. En segundo lugar se divide por el cuantil sobre el que se ha realizado la comparacin (QT,i) para obtener el error adimensional en el periodo de retorno, T, de cada estacin, i:
RMSET ,i = MSET ,i
eT ,i = RMSET ,i QT ,i
El resultado del error sobre toda la regin, para cada periodo de retorno, se obtiene como el valor medio de todas las estaciones (ET) sobre el nmero de estaciones (N) que componen la regin:
ET =
1 N
e
i =1
T ,i
En la figura adjunta se muestran los resultados obtenidos para la ya mencionada regin 92.
19
Figura 11. Anlisis de la capacidad predictiva de las distintas funciones y procedimientos de ajuste: Regin 92.
De los anlisis realizados se concluye que la combinacin de funcin de distribucin y procedimiento de ajuste que presenta un mejor comportamiento al extrapolar a altos periodos de retorno en el conjunto de todas las regiones es la funcin GEV ajustada mediante L-momentos.
4.1.3. Funcin de distribucin y procedimiento de ajuste seleccionado

Como resultado de los estudios y anlisis anteriores, se ha decidido realizar los ajustes de las leyes de frecuencia empleado la funcin de valores extremos generalizada (GEV) ajustada mediante el mtodo de los L-momentos (L-Mom), asumiendo un valor regional para el Lcoeficiente de sesgo en cada una de las regiones estadsticamente homogneas, y tomando el valor local para el L-coeficiente de variacin. Como casos especiales, se ha decidido utilizar una funcin Gumbel (caso particular de la GEV) ajustada por el procedimiento de los L-momentos en las regiones 21 y 23 de la cuenca del Duero y el eje principal del Ebro hasta la confluencia con el Segre, y una funcin TCEV en las regiones situadas en el levante y sureste peninsular (regiones 72, 82 y 84). El ajuste de la funcin TCEV presenta una gran dificultad ya que la segunda rama de la funcin corresponde a eventos de baja probabilidad de ocurrencia, por lo que no suelen estar suficientemente representados en muestras de escasa longitud como las habitualmente existentes. De esta forma es imprescindible recurrir a datos sobre avenidas histricas para ajustar la segunda rama de la funcin. En aquellos casos en los que no se dispone de ese tipo de informacin, el ajuste de la funcin presenta una elevada incertidumbre. Con objeto de reducir esa incertidumbre se ha desarrollado un procedimiento de ajuste consistente en ajustar cada rama de la funcin, correspondiente a una funcin Gumbel, de manera independiente, obteniendo posteriormente la funcin conjunta mediante el producto de las dos funciones Gumbel. La primera rama de la funcin se puede estimar mediante el ajuste local de una funcin Gumbel a los datos de la muestra mediante el mtodo de los L momentos, obteniendo sus parmetros u1 y 1. La estimacin de los otros dos parmetros de la TCEV (u2, 2), correspondientes a la segunda funcin Gumbel (segunda rama de la funcin), se realiza asumiendo un valor regional del L-Cv de
20
la segunda rama [(t2)2], y estimando el valor de la media [(1)2], mediante una regresin con los estadsticos correspondientes a la primera rama ((1)1 y (t2)1) (tabla 2):
(1 )2 = 10 a 1b t 2 c
Tabla 2. Expresiones algebraicas y parmetros para ajuste de la funcin TCEV
Regin L-Cv a b c
72
-0,26
1,5846
1,2280
0,8554
82 y 84
-0,24
2,5605
0,6346
0,9286
En la tabla adjunta se resumen las funciones de distribucin seleccionadas para cada una de las regiones estadsticas consideradas.
Tabla 3. Funciones de distribucin utilizadas en cada regin estadstica.
Regin 11 12 13 21 22 23 24 25 26 31 32 33 34 41 42 43 51 52 Funcin GEV GEV GEV Gumbel GEV Gumbel GEV GEV GEV GEV GEV GEV GEV GEV GEV GEV GEV GEV Regin 53 54 61 71 72 73 81 82 83 84 91 92 93 94 95 96 101 102 Funcin GEV GEV GEV GEV TCEV GEV - TCEV GEV TCEV GEV TCEV GEV GEV GEV GEV GEV Gumbel-GEV GEV GEV
4.2. INFORMACIN HISTRICA EMPLEADA EN EL AJUSTE DE LAS LEYES DE FRECUENCIA

Como se coment en el apartado anterior, la precisin con la que se estiman los cuantiles de ms alto periodo de retorno, es decir la cola derecha de la distribucin, mediante ajuste de una funcin de distribucin a la series de caudales mximos anuales de las estaciones de aforo es, en general, pequea dada la limitada cantidad de informacin habitualmente disponible. Los cuantiles de alto periodo de retorno, dada su pequea probabilidad de ocurrencia, no estarn suficientemente representados en una muestra de pequea longitud.
21
Segn lo expuesto en el apartado anterior, una forma de aumentar la precisin consistira en reducir la incertidumbre con que se estiman los momentos estadsticos de mayor orden mediante el empleo de informacin regional. Otra posible forma es emplear en el anlisis estadstico informacin sobre grandes avenidas ocurridas en el pasado mucho antes de que se iniciase la medida sistemtica de los caudales y, por tanto, no registrada en las estaciones de aforo. Esta informacin tiene el inconveniente de ser incompleta y requerir de tcnicas especiales para ser introducida en el anlisis, pero tendr un gran valor para mejorar la estimacin de la cola derecha de la distribucin al aportar datos directos sobre el comportamiento de la poblacin en ese rango de probabilidades. Esta ltima opcin es, en general, preferible a la regionalizacin puesto que proporciona directamente informacin sobre la magnitud de los caudales de pequea probabilidad, pero tiene el inconveniente de que no siempre se dispone de informacin sobre las grandes avenidas histricas o, incluso existiendo informacin, no siempre se dispone de estimaciones de los caudales o no se cuenta con suficiente informacin para asignarle probabilidad al evento. La informacin disponible sobre eventos de crecida anteriores al periodo de registro sistemtico en las estaciones de aforo (informacin no sistemtica) es obviamente incompleta y se refiere slo a los grandes eventos que por sus caractersticas o magnitud han dejado alguna huella bien en la memoria histrica bien en la naturaleza. En cuanto a su origen hay dos tipos fundamentales de informacin no sistemtica: Informacin histrica documental Paleocrecidas
La informacin histrica documental se refiere a aquellas avenidas que por la magnitud de los daos que causaron han quedado registradas de forma escrita en archivos de iglesias, monasterios, ayuntamientos, etc. Habitualmente contienen informacin sobre la zona inundada, daos producidos, niveles alcanzados por el agua, etc. Esta ltima informacin puede emplearse para deducir mediante modelos hidrulicos un valor aproximado de caudal punta de la avenida. La estimacin del caudal de las crecidas histricas puede ir acompaada de bastante error debido a que las referencias de niveles suelen ser poco precisas y se desconoce la morfologa del cauce en el momento que ocurri la crecida. No obstante, a pesar de la incertidumbre asociada a los datos histricos, diversos estudios han demostrado que su consideracin aumenta en gran medida la precisin de la estimacin de los cuantiles de alto periodo de retorno. Las paleocrecidas se refieren a aquellas avenidas ocurridas en el pasado y de las cuales se tiene noticia por las huellas que han dejado en la naturaleza. Este rastro dejado en la naturaleza puede consistir en evidencias de tipo botnico como marcas por erosin en los troncos de los rboles, anomalas en los anillos, etc. Ms frecuente es obtener informacin mediante datos geolgicos como marcas por erosin en las rocas, depsitos de sedimentos, etc. La informacin sobre avenidas histricas recopilada para la elaboracin del mapa de caudales mximos ha sido de carcter documental, habindose consultado las siguientes fuentes de informacin principales:
22
Estudio de Inundaciones Histricas. Mapas de Riesgos Potenciales. Cuenca del Norte, Duero, Tajo, Guadiana, Guadalquivir, Sur, Segura, Jcar y Ebro. Comisin Nacional de Proteccin Civil. 1983.Tomando el pulso a las grandes crecidas de los ros peninsulares. A. Lpez Bustos. Revista de Obras Pblicas. Marzo 1981. Pg. 179 - 192. Flood sensitivity in Spain. G. Benito. Las catstrofes hidrolgicas en Espaa y el cambio climtico, J.R. Gmez Pelez, Revista de Obras Pblicas, junio 2006, pag. 7-11. Dams outlets capacity and location, A. del Campo et al., Congreso Internacional de Grandes Presas, Madrid, 1973. Crecidas extraordinarias del ro Duero. Javier R. Marquina. Revista de Obras Pblicas, Mayo 1949, Pg. 202 213. Historical investigation as a necessary complement for determining maximum flood (applied to the Duero basin). A. Galndez et al., Congreso Internacional de Grandes Presas, Estambul, 1967. Reconstruccin del registro de paleocrecidas del ro Huebra, cuenca del Duero. Convenio de colaboracin entre CEDEX y CSIC. Enero 2007. La cuenca del Tajo en cifras. Confederacin Hidrogrfica del Tajo. Ministerio de Medio Ambiente. Encauzamiento del ro Tajo en Aranjuez. Estudio en modelo reducido con lecho mvil. CEDEX. 1975. Magnitude and frequency of flooding in the Tagus basin over the last millennium. G. Benito, A. Diez, M. Fernandez. Climatic Change 58. Pg. 171 192. 2003. Ro Guadiana: As cheias histricas, 1500-2004, Joao Mimoso Loureino. Dcimas Jornadas de historia de Ayamonte, 2006. Datos para una historia de las crecidas del ro Guadalquivir, A. Lpez Bustos, Revista de Obras Pblicas, Agosto, 1985. Pg. 643-654. LHydrologie du bas Guadalquivir, Jean-Rene Vanny. Instituto de Geografa aplicada del Patronato Alonso de Herrera, Consejo Superior de Investigaciones Cientficas. Inundaciones catastrficas, precipitaciones torrenciales y erosin en la provincia de Murcia, F. Lpez Bermdez et al., Departamento de Geografa, Facultad de Filosofa y Letras, Universidad de Murcia, 1978-1979. Apuntes de una recopilacin de referencias histricas de las inundaciones, R. Couchou. Junio 1983. Estudio de las inundaciones del Jcar de 1864, Jos Gmez Ortega et al., Confederacin Hidrogrfica del Jcar, 1988. Estudio en modelo matemtico de las inundaciones de octubre de 1982 en la plana del Jcar, CEDEX, 1988. Estudio hidrolgico e hidrulico de la crecida de noviembre de 1987 en la ribera del Jcar, CEDEX, 1988. El fenmeno meteorolgico de Santa Irene de 1982, J. Dez, Revista de obras Pblicas, noviembre 1992, Pg. 67-81. Nuevos datos sobre la crecida del Jcar de octubre de 1982, M. Arenillas Parra et al., Revista de Obras Pblicas, Julio-Agosto 1993, Pg. 65-74. Avenidas motivadas por las lluvias extraordinarias de los das 13 y 14 de octubre de 1957, Manuel Cnovas Garca, Revista de Obras Pblicas, febrero 1958, Pg. 59-68.
23
Las inundaciones de la Ribera, Francisco Fogus, anales del Centro de Cultura Valenciana, Pg. 232-250. Riadas del Ebro, Queiles y Mediavilla, M. Senz, Apuntes Tudelanos. Pg. 1113-1143. Memoria del proyecto de modificacin y ampliacin del salto de Flix en el ro Ebro. 1930. Informe sobre las inundaciones de octubre del ao 1937 en el alto Pirineo. E. Fontser y F. Galcerano, 1938. Histora de los pequeos ros de la provincia de Huesca, A. Lpez Bustos, Revista de Obras Pblicas, septiembre 1989, Pg. 647-655. Antecedentes para una historia de avenidas del ro Ebro A. Lpez Bustos, Revista de Obras Pblicas, marzo 1972, Pg. 191-204. Informacin publicada en la prensa. Informacin facilitada por las Confederaciones Hidrogrficas. Informacin facilitada por empresas hidroelctricas sobre la gestin de determinados eventos en las presas de su propiedad. Otros datos documentales o de campo recopilados por el CEDEX.
Figura 12. Avenidas histricas en el puente de Alcntara (tomada de G. Benito et al., 2003).
Figura 13. Avenida de 1947 en Toledo (tomada de G. Benito et al., 2003).
24
La informacin disponible es abundante, pero no toda es vlida para su uso en el anlisis estadstico de las leyes de frecuencia de caudales mximos. Se han seleccionado para su utilizacin (tabla 4 y figura 14) en el estudio slo aquellos eventos de los que se conoce el caudal punta en algn lugar prximo a alguno de los puntos de control (estaciones de aforo o embalses) cuyas series temporales se han empleado en el anlisis estadstico, as como su orden de importancia en un determinado periodo de tiempo. Esta ltima informacin permite asignarle al caudal histrico probabilidad, o periodo de retorno, mediante la frmula de Gringorten:
i 0.44 1 = 1 F (qi ) = 1 prob(Q qi ) = T H + 0.12

Donde H es igual a la duracin en aos del periodo histrico del que se tiene informacin no sistemtica, e i el nmero de orden que ocupara el caudal dentro del conjunto de referencias histricas ordenadas de mayor a menor segn su importancia.
Figura 14. Localizacin de las avenidas histricas consideradas
25
Tabla 4. Caudales histricos empleados en el anlisis estadstico.
DEMARCACIN
T Localizacin Fecha de la avenida Caudal (m /s)

3
(aos)
Ro Esla (Ricobayo) Ro Huebra DUERO
1962 1909 1936 1966 1979
5426 2400 1300 1100 1000
180 700 64 39 28
Ro Tajo (Bolarque)
1916 1941
1375 1860 2100 3200 2900 7300 12000 9000 6000 2000 1500 4050
447 160 447 268 96 536 447 160 98 447 160 107
Ro Tajo (Aranjuez) Ro Tajo (Toledo)
1941 1876 1947
TAJO
Ro Tajo (Talavera) Ro Tajo (Alcntara)
1947 1876 1941 1947
Ro Alberche (Burguillo)
1922 1943
Ro Alagn (Alcntara)
1979
Ro Guadiana (Villanueva de la Serena) Ro Guadiana (Badajoz) GUADIANA Ro Guadiana (Mrtola)
1947 1876 1947 1823 1876
7410 10000 7840 8711 11520
180 434 156 156 434
SEGURA
Ro Segura (Murcia)
1879 1884 1895 1834
1890 1425 1230 938 3544 1890 1510 1376 850 5600 3000 2000 1000 330
179 64 39 28 231 83 50 231 83 231 83 50 36 231
Ro Guadalentn (Puentes)
1973 1891 1879
Ro Luchena (Valdeinfierno)
1973 1879
Ro Almanzora (Santa Brbara)
1973 1879 1924 1977
Ro Santo (Alfaix)
1988
26
DEMARCACIN

1973 1946 Ro Adra (El Esparragal) 1973 1951 Rio Chico (La Ventilla) 1973 1951 241 160 232 90 213 100
3
(aos)
83 50 231 83 231 83
Ro Jcar (Alcal de Jcar) Ro Jcar (Cofrentes)
1982 1982 1923 1941
2125 4000 1584 923 6542 11000 7790 2200 13000 8500 8400 6400 6200 5200 4800 2070 2125 3700 2300 1264 2100 1250 858 3000 1620 1611 1300 525 2490 1000 2270 833 3390
256 256 69 42 256 727 261 69 727 261 159 114 89 69 42 361 69 197 71 43 197 71 43 197 71 197 197 72 261 69 261 69 191
Ro Jcar (Embarcaderos) Ro Jcar (Tous)
1982 1864 1982 1923
Ro Jcar (Huerto Mulet)
1864 1982 1805 1814 1779 1987 1923
Ro Cabriel (Cofrentes) JCAR Ro Tria (La presa)
1982 1923 1957 1949 1967
Ro Tria (Bugarra)
1957 1920 1967
Ro Mijares (Sichar)
1957 1967
Ro Palancia Barranco Carraixet
1957 1957 1994
Ro Reconque (Jalance)
1982 1923
Ro Sellent (Estubeny)
1982 1987
Ro Albaida (Manuel)
1982
EBRO
Ro Ebro (Tortosa)
1787
17000
697
27
DEMARCACIN

1907 1937 1853 1866 1884 1871 Ro Gllego (Anznigo) Ro Jaln (Huermeda) 1942 1951 1956 Ro Segre (Seo de Urgel) Ro Segre (Oliana) Ro Segre (Lrida) 1982 1982 1907 1937 Ro Cinca (Mediano) 1982 1907 Ro Cinca (Fraga) 1907 1937 Ro Valira (Seo de Urgel) Ro Noguera-Ribagorzana (Pont de Suert) 1907 1907 1937 Ro Noguera-Palleresa (Tremp) Ro Ara (Boltaa) Ro Cinqueta (La Fortunada) Ro Isbena (Capella) 1937 1966 1942 1907 12000 10000 9000 8400 7600 6800 1400 500 340 1000 2000 5200 3600 2550 2130 3900 2600 800 1300 1100 1500 1926 1200 550
3
(aos)
250 152 110 86 70 60 179 179 64 179 179 179 64 179 64 179 64 179 179 64 179 179 179 179
Puesto que la funcin de distribucin seleccionada en la mayora de los casos para describir las leyes de frecuencia es, como se ha dicho, la de valores extremos generalizada (GEV) ajustada mediante el mtodo de los momentos ponderados probabilsticamente, la metodologa empleada para introducir la informacin histrica en el ajuste se ha basado en el mtodo de ponderacin de las series de datos propuesto por el Water Resources Council de los EE.UU. en su Boletn n 17 (USWRC, 1981), especialmente apropiado cuando se utiliza el mtodo de los momentos (o una de sus variantes) como procedimiento de ajuste. En la figura 15 se muestran algunos ejemplos de leyes de frecuencia obtenidas al incorporar la informacin sobre avenidas histricas en el ajuste. En estas leyes de frecuencia no se ha impuesto el valor del coeficiente de sesgo regional al realizar el ajuste por considerar que la informacin histrica proporciona una estimacin suficientemente precisa de la cola derecha de la distribucin.
28
Figura 15. Ejemplos de leyes de frecuencia ajustadas con informacin sobre avenidas histricas.
5. ESTIMACIN DE LOS CUANTILES EN LOS PUNTOS DE LA RED FLUVIAL NO AFORADOS 5.1. ESTIMACIN EN CUENCAS PEQUEAS: MTODO HIDROMETEOROLGICO
Para estimar los cuantiles en los puntos de la red fluvial no aforados y con pequea superficie de cuenca vertiente, se ha utilizado el mtodo racional modificado (Tmez, 1991), calibrado a partir de los datos registrados en las estaciones de aforo. El modelo utilizado se basa en la siguiente formulacin:
Q=
Donde:
CIA K 3.6
- Q es el caudal mximo en m3/s. - C es el coeficiente de escorrenta y su valor viene dado en funcin de la precipitacin mxima diaria y el umbral de escorrenta (P0) mediante la siguiente expresin:
29
C=
(( Pd / P0 ) 1)(( Pd / P0 ) + 23) (( Pd / P0 ) + 11) 2
- I es la intensidad de precipitacin media para un determinado perodo de retorno (mm/h). Es funcin del tiempo de concentracin, de la precipitacin mxima diaria y del coeficiente de torrencialidad a travs de la siguiente expresin:
P I I = d 1 24 I d
0 280.1 TC .1
280.1 1
- A es el rea de la cuenca (km2). - K es el coeficiente de uniformidad, que se calcula a partir del tiempo de concentracin:
K = 1+
1 TC .25 1 TC .25 + 14
Segn la metodologa propuesta por Tmez, todas estas variables y parmetros pueden determinarse fcilmente, excepto el umbral de escorrenta que depende del estado de humedad antecedente del suelo en la poca en la que se producen las avenidas, y cuyo valor debe calibrarse a partir de la informacin registrada en las estaciones de aforo.
5.1.1. El coeficiente corrector del umbral de escorrenta ()

Cuando se aplica el mtodo racional modificado para determinar las leyes de frecuencia de los caudales, es necesario calibrar el valor del P0, realizndose habitualmente esa calibracin a travs de un coeficiente auxiliar (denominado ) que al multiplicar el valor del P0 correspondiente a las condiciones de medias de humedad (AMC II) proporciona el valor calibrado del parmetro. Su valor se mueve habitualmente en el rango 0.5-3.
P0cal = P0
Para su aplicacin en la elaboracin del mapa de caudales mximos, se ha realizado una calibracin del P0 a escala nacional, determinando el coeficiente corrector . En los prximos apartados se presenta el mtodo utilizado y los resultados obtenidos.
5.1.2. Calibracin regional del umbral de escorrenta

5.1.2.1. Seleccin de estaciones de aforo El primer paso para definir el coeficiente corrector fue la seleccin de las estaciones de aforo que iban a utilizarse para calibrar y validar el mtodo de obtencin del parmetro, para lo que se establecieron los siguientes criterios de seleccin de estaciones: Se ha exigido un nmero mnimo de 30 datos en la serie de caudales mximos anuales correspondientes a caudales medios diarios (Qc).
30
Dentro de la serie se ha exigido que en, al menos, 15 aos se disponga de datos de caudal mximo instantneo (Qci). Las dos condiciones anteriores deben verificarse para aquella parte del registro de las estaciones de aforo que no se encuentre afectado por la presencia de presas. Se ha considerado que la presa no altera sustancialmente el registro de la estacin si se cumple alguno de los requisitos siguientes: o La cuenca vertiente al embalse no supone ms de un 10% de la cuenca vertiente a la estacin de aforos. o El tamao del embalse es suficientemente pequeo. Se han seleccionado nicamente aquellas estaciones con un rea vertiente reducida en la que se ha considerado aplicable, al menos de forma aproximada, el mtodo racional. En general, se ha adoptado un lmite para el tamao de cuenca igual a 2000 km2. En algunos casos se han adoptado criterios menos exigentes que los expuestos anteriormente, con la finalidad de conseguir una cobertura espacial suficiente. De igual forma, en aquellos casos en los que, con los criterios anteriores, se consegua una densidad de estaciones elevada, se han seleccionado nicamente aquellas estaciones con un mayor nmero de datos medios diarios e instantneos.
De esta forma se obtuvieron 245 estaciones de aforo con condiciones relativamente buenas para estimar el coeficiente corrector del P0. An as, existan importantes lagunas en las cuencas del Guadiana y Guadalquivir, as como algunos claros en las cuencas del Jcar y del Ebro. Las estaciones de aforo seleccionadas se dividieron en dos grupos: aqullas que se iban a utilizar para calibrar el modelo y aqullas que se iban a utilizar para validarlo. Las estaciones para calibrar se escogieron entre aqullas que presentaban un registro de datos mejor (en cuanto al nmero de aos y a su posible afeccin por una presa). Tambin se tuvo en cuenta el valor medio del parmetro P0 y de la precipitacin en la cuenca, a fin de que estuvieran representadas en la calibracin estaciones con caractersticas fsicas diversas. Finalmente se adoptaron 185 estaciones para calibrar y 60 estaciones para validar los resultados (figura 16).
Figura 16. Estaciones seleccionadas para la calibracin del umbral de escorrenta.
31
5.1.2.2. Aplicacin del mtodo racional modificado a las cuencas vertientes a las
estaciones de aforo seleccionadas

La estimacin de caudales punta con el mtodo racional modificado se ha realizado mediante un Sistema de Informacin Geogrfica (SIG), lo que ha permitido automatizar el proceso. Se ha trabajado con una resolucin espacial de 500mx500m. Tal y como se ha descrito anteriormente, el mtodo racional modificado requiere el conocimiento de las siguientes variables o parmetros: rea de la cuenca, tiempo de concentracin, umbral de escorrenta, precipitacin mxima diaria del periodo de retorno considerado y factor de torrencialidad. A continuacin se explica brevemente cmo se ha calculado cada una de ellas. rea de la cuenca: Calculada a partir del mapa de direcciones de drenaje elaborado a partir del Modelo Digital del Terreno del Servicio Geogrfico del Ejrcito, con resolucin de 100mx100m. Tiempo de concentracin (Tc): En la formulacin del mtodo racional modificado de Tmez, se propone emplear la siguiente expresin para calcular el tiempo de concentracin:
L Tc = 0.3 1 / 4 J
Donde:
0.76
Tc es el tiempo de concentracin en horas. L es la longitud del cauce principal en km. J es la pendiente media del cauce principal. La longitud del cauce principal se calcul automticamente mediante operaciones de SIG basndose en la distancia mxima existente desde el punto ms alejado hasta la salida de la cuenca, empleando para ello el mapa de direcciones de drenaje. En cuanto a la pendiente media del cauce, se calcul hallando la diferencia de altitud entre los dos extremos del cauce principal, dividindola por la longitud de dicho cauce. Umbral de escorrenta (P0): Elaborado siguiendo la metodologa utilizada en la Tesis doctoral Anlisis de nuevas fuentes de datos para la estimacin del parmetro nmero de curva del modelo hidrolgico del SCS: Datos de perfiles de suelos y teledeteccin (Ferrer, 2003), a partir del mapa de usos de suelo Corine Land Cover 2000 y datos de infiltracin actualizados.
32
Figura 17. Mapa de umbral de escorrenta en condiciones medias de humedad.
Precipitacin: Los valores de las precipitaciones mximas diarias se obtuvieron mediante los mapas de precipitacin elaborados a partir del trabajo de Mximas Lluvias Diarias en la Espaa Peninsular realizado por el CEDEX para la Direccin General de Carreteras (DGC, 1999).
Figura 18. Mapa de precipitaciones mximas diarias para 100 aos de periodo de retorno.
33
Factor de torrencialidad: Representa la relacin entre la intensidad de precipitacin correspondiente a 1 hora de duracin y la intensidad de precipitacin diaria. Se ha obtenido a partir del mapa de isolneas propuesto por Tmez (1987).
Figura 19. Mapa de factor de torrencialidad.
Una vez obtenidas todas las variables, sus valores se introdujeron en las frmulas matemticas del mtodo racional modificado, y se obtuvieron los cuantiles de caudal mximo, correspondientes a las condiciones medias de humedad antecedente, en cada una de las cuencas vertientes a las estaciones de aforo seleccionadas. 5.1.2.3. Estimacin del coeficiente corrector mediante contraste con las series
de caudales
Para estimar el valor del coeficiente en cada estacin de aforos se contrastaron los cuantiles obtenidos a partir de las series de caudales mximos registradas en las estaciones de aforo con los estimados mediante el mtodo racional modificado. El ajuste se realiz para el perodo de retorno de 10 aos, ya que para periodos de retorno inferiores la escorrenta calculada mediante un procedimiento agregado puede no ser correcta, y los periodos de retorno superiores tienen una mayor incertidumbre en su determinacin debida a la escasa longitud de las series de datos. A partir de este contraste se determin el valor del coeficiente que corrige el valor del umbral de escorrenta de tal manera que el ajuste entre los cuantiles obtenidos por ambos procedimientos sea adecuado.
34
Figura 20. Ajuste de la ley de frecuencia obtenida mediante el mtodo racional a los datos registrados en la estacin de aforos 3217 (izquierda: resultado obtenido con el P0 para condiciones medias de humedad antecedente, derecha: resultado obtenido con el P0 calibrado).
Posteriormente, tal como se describe en el prximo apartado, se realiz un estudio de la distribucin espacial del coeficiente observndose que, si bien exista una cierta relacin espacial, algunas estaciones prximas presentaban valores muy diferentes entre s. 5.1.2.4. Anlisis de la distribucin espacial del coeficiente corrector del umbral de
escorrenta
Con la intencin de obtener un mapa del coeficiente a escala nacional, se ha realizado una interpolacin espacial de los valores de los coeficientes obtenidos en la calibracin. Para realizar dicha interpolacin, se asign el valor del coeficiente al centroide de la cuenca vertiente a cada estacin de aforos, obteniendo de esta manera una serie de puntos distribuidos por todo el territorio de la Espaa peninsular con un valor conocido de dicho coeficiente. A partir de esa nube de puntos se realiz una interpolacin espacial mediante krigging ordinario. En la figura 21 se muestra el semivariograma obtenido. El error obtenido en la interpolacin en general fue bajo, estando los valores ms elevados en los puntos limtrofes del rea de estudio y donde la densidad de estaciones de aforo era menor.
Figura 21. Semivariograma obtenido en la interpolacin del coeficiente corrector del umbral de escorrenta mediante krigging.
Una vez obtenido el mapa interpolado se gener un mapa matricial con resolucin espacial de 500mx500 m (figura 22). La distribucin de los resultados obtenidos est acorde con la de otros
35
autores. Tanto Hawkins et al (1985) como Ponce y Hawkins (1996) sealan que valores elevados de este parmetro se corresponden con situaciones de precipitacin antecedente seca, mientras que los valores bajos a precipitacin antecedente hmeda. En la Espaa peninsular, las reas ms hmedas del norte son las que presentan valores ms bajos, mientras que la zona del sudeste, donde el clima es ms rido, los valores del parmetro son altos.
Figura 22. Mapa de coeficientes correctores del umbral de escorrenta.
A partir del mapa anterior se ha estimado el valor del coeficiente en las cuencas vertientes a las estaciones de aforo seleccionadas para validar los resultados, y se ha comparado con los valores obtenidos en la calibracin de dichas estaciones a partir de las series de registradas en las estaciones. En la figura siguiente se representa dicha comparacin, contrastndola con una recta a 45 sobre la que se deberan situar los puntos si la estimacin realizada con el mapa fuera totalmente coincidente con los valores locales. Se observa cmo las parejas de valores representadas se distribuyen en torno a dicha recta, indicando que las estimaciones regionales del mapa no son sesgadas y proporcionan unos valores razonables, aunque existe cierta dispersin respecto a los valores locales.
36
VALIDACIN DE LA CALIBRACIN REGIONAL

4.00
3.50
3.00
2.50 B eta re giona
2.00
1.50
1.00
0.50
0.00 0.00 0.50 1.00 1.50 2.00 Beta local 2.50 3.00 3.50 4.00
Figura 23. Comparacin entre los valores regionales y locales del coeficiente para las estaciones de validacin.
Por otra parte, y con la finalidad de determinar el tamao mximo de cuenca vertiente en la que la aplicacin del mtodo racional, junto con los coeficientes correctores proporcionados por el mapa anterior, permite obtener la ley de frecuencia de caudales con cierta precisin, se ha determinado el error entre las estimaciones de los cuantiles de caudal obtenidos mediante la aplicacin del mtodo racional y los obtenidos a partir de los datos de aforos. En las figuras adjuntas se representan los resultados obtenidos en funcin del rea de la cuenca vertiente a la estacin, tanto el valor absoluto del error en cada estacin, como el error medio en las estaciones con una cuenca vertiente igual o inferior a una dada. Se observa cmo hasta superficies de cuenca del orden de unos 500 km2 (correspondiente a la lnea marcada en azul claro en la figura 24) el error medio es ms o menos estable y del orden de un 20-25%. A partir de ese tamao de cuenca el valor del error va creciendo de forma constante. Teniendo en cuenta estos resultados, se ha decidido aplicar el mtodo racional, para la elaboracin de los mapas de caudales mximos, en aquellos puntos de la red fluvial con cuencas vertientes de hasta unos 500 km2 de superficie.
37
1,00 v a lo r a b s o lu t o e r r o r 0,80 0,60 0,40 0,20 0,00 0,00

Erro r m ed io %
0,40 0,35 0,30 0,25 0,20 0,15 0,00
1,00
2,00 LOG Area
3,00
4,00
5,00
1,00
2,00
3,00
4,00
5,00
LOG Area
Figura 24. Errores en la estimacin de los cuantiles mediante el mtodo racional en funcin del rea de la cuenca vertiente.
5.1.3. Caracterizacin de los valores del coeficiente en las regiones estadsticas

Como se ha comentado anteriormente, el mapa de coeficiente obtenido para toda la Espaa peninsular, aunque refleja correctamente las variaciones de dicho coeficiente a lo largo del territorio nacional en funcin de las caractersticas climticas de cada zona, presenta en algunos casos desviaciones importantes respecto a los valores obtenidos en las estaciones de aforo, por lo que los valores proporcionados por dicho mapa en cada punto del territorio deben tomarse nicamente como orientativos y no como un valor exacto. Estas desviaciones respecto a los valores reales se hacen an ms patentes al realizar un anlisis local en cada gran cuenca hidrogrfica e incorporar un mayor nmero de estaciones al anlisis. De esta forma, se ha considerado preferible y ms acorde con su variabilidad real, el caracterizar estadsticamente los valores del coeficiente corrector en cada una de las regiones estadsticas definidas anteriormente, en lugar de proporcionar un valor exacto en cada punto del territorio a travs de un mapa. La mencionada caracterizacin estadstica se ha realizado determinando para cada regin el valor medio de los valores del coeficiente obtenidos al calibrar el mtodo racional en cada una de las estaciones de la regin, as como una valoracin de la dispersin del conjunto de valores en torno a su valor medio a travs de los intervalos de confianza del 50, 67 (relacionado con el error estndar) y 90%. Las regiones 82, 94 y 95 se han subdividido en dos subregiones, segn se muestra en las figuras adjuntas, al haberse apreciado diferencias sustanciales en el coeficiente dentro de las mismas.
38
Figura 25. Subdivisin de las regiones 94 y 95.
Figura 26. Subdivisin de la regin 82.
39
Figura 27. Subdivisin de la regin 51.
Tabla 5. Caracterizacin estadstica de los valores del coeficiente corrector en las distintas regiones.
Regin Valor medio (m) Desviacin respecto al valor medio Intervalo de confianza del 50% (50) 11 12 13 21 22 23 24 25 31 32 33 41 42 511 512 52 53 0.90 0.95 0.60 1.20 1.50 0.70 1.10 0.60 0.90 1.00 2.15 1.20 2.25 1.45 0.60 0.75 1.45 0.20 0.20 0.15 0.20 0.15 0.20 0.15 0.15 0.20 0.20 0.25 0.20 0.20 0.30 0.20 0.15 0.30 Intervalo de confianza del 67% (67) 0.30 0.25 0.25 0.35 0.20 0.35 0.20 0.20 0.30 0.30 0.40 0.25 0.35 0.40 0.25 0.20 0.40 Intervalo de confianza del 90% (90) 0.50 0.45 0.40 0.55 0.35 0.55 0.35 0.35 0.50 0.50 0.65 0.45 0.55 0.70 0.45 0.35 0.70
40
Regin
Valor medio (m)
Desviacin respecto al valor medio Intervalo de confianza del 50% (50) Intervalo de confianza del 67% (67) 0.20 0.45 0.35 0.50 0.35 0.25 0.25 0.40 0.25 0.20 0.25 0.40 0.25 Intervalo de confianza del 90% (90) 0.35 0.70 0.60 0.85 0.60 0.40 0.40 0.70 0.45 0.35 0.40 0.70 0.40
71 72 81 821 822 83 91 92 93 941 942 951 952
1.20 2.10 1.30 1.30 2.40 2.30 0.85 1.45 1.70 1.80 1.20 1.70 0.85
0.15 0.30 0.25 0.35 0.25 0.15 0.15 0.30 0.20 0.15 0.15 0.30 0.15
La determinacin de los intervalos de confianza se ha realizado asumiendo que la distribucin probabilstica del coeficiente en cada regin sigue una funcin de distribucin normal. Esta circunstancia se ha verificado mediante la representacin grfica, en papel de probabilidad normal, de los distintos valores obtenidos para el coeficiente respecto a sus probabilidades muestrales (estimadas mediante la aplicacin de la frmula de Weibull). Los resultados obtenidos se muestran en la figura 28, donde se puede comprobar que el conjunto de datos representado sigue aproximadamente una lnea recta en cada regin, que correspondera a una distribucin de probabilidad normal al ser representada en papel probabilstico normal.
41
Figura 28. Probabilidades muestrales del coeficiente corrector del umbral de escorrenta para una seleccin de regiones estadsticas.
Por otra parte, como se coment anteriormente, los valores de coeficiente se han obtenido ajustando las leyes de frecuencia calculadas mediante el mtodo racional a las obtenidas a partir de los registros de aforos, de tal forma que hubiera coincidencia entre ambas leyes de frecuencia para el periodo de retorno de 10 aos. Al aplicar el coeficiente corrector as obtenido al clculo de otros periodos de retorno diferentes del de 10 aos, se observa que los resultados no son del todo satisfactorios, no existiendo coincidencia en la forma funcional de la ley de frecuencia obtenida a partir de los datos de aforos mediante mtodos estadsticos con la
42
calculada mediante el mtodo racional. Esta circunstancia queda bien ilustrada si se comparan los resultados obtenidos para el coeficiente corrector imponiendo el ajuste para el periodo de retorno de 10 aos con los obtenidos imponiendo el ajuste para otros periodos de retorno. A modo de ejemplo se muestran los grficos correspondientes a las regiones de la cuenca del Tajo.
43
44
Figura 29. Relaciones entre los coeficientes correctores del umbral de escorrenta en funcin del periodo de retorno para las regiones consideradas en la cuenca del Tajo.
Se observa cmo la distribucin de los puntos representados en el grfico se aleja sistemticamente de la lnea a 45 en torno a la cual deberan estar situados si hubiera coincidencia en los valores obtenidos para distintos periodos de retorno. De esa forma se puede cuantificar una correccin al coeficiente en funcin del periodo de retorno que se est calculando (tabla 6), de tal manera que la forma funcional de la ley de frecuencia calculada mediante la aplicacin del mtodo racional coincida con la obtenida mediante procedimientos estadsticos.
45
T = 10 FT
Donde 10 es el coeficiente corrector del umbral de escorrenta para el periodo de retorno de 10 aos, T el coeficiente corrector del umbral de escorrenta para el periodo de retorno T, y FT un factor funcin del periodo de retorno.
Tabla 6. Factores correctores del coeficiente en funcin del periodo de retorno para las distintas regiones estadsticas
Regin 11 12 13 21 22 23 24 25 31 32 33 41 42 511 512 52 53 71 72 81 821 822 83 91 92 93 941 942 951 952 Periodo de Retorno (Aos) T2 T5 T25 T100 T500 1.34 1.33 1.34 1.47 1.27 1.44 1.36 1.29 1.26 1.31 1.38 1.00 1.46 1.14 1.00 1.23 1.27 1.00 1.34 1.51 1.52 1.00 1.00 1.39 1.24 1.43 1.32 1.59 1.56 1.55 1.90 1.37 1.82 1.63 1.48 1.45 1.54 1.62 1.00 1.78 1.17 1.00 1.41 1.33 1.00 1.58 1.85 1.95 1.00 1.00 1.64 1.32 1.78 1.54
0.80 0.90 1.13 0.75 0.90 1.14 0.74 0.90 1.15 0.74 0.88 1.18 0.74 0.90 1.12 0.77 0.89 1.15 0.76 0.90 1.14 0.82 0.92 1.12 0.87 0.93 1.10 0.82 0.91 1.12 0.70 0.88 1.15 0.91 0.96 1.00 0.67 0.86 1.18 0.93 0.96 1.06 1.00 1.00 1.00 0.91 0.95 1.09 0.71 0.89 1.13 0.82 0.94 1.00 0.67 0.86 1.00 0.76 0.90 1.14 0.82 0.91 1.07 0.70 0.86 1.16 0.63 0.85 1.21 0.72 0.88 1.19 0.82 0.94 1.00 0.77 0.92 1.00 0.68 0.87 1.17 0.77 0.91 1.11 0.72 0.88 1.17 0.77 0.90 1.13
5.2. ESTIMACIN EN CUENCAS GRANDES: MTODO ESTADSTICO

La estimacin de los cuantiles en los puntos de la red fluvial no aforados, es decir, en ausencia de medidas locales, puede ser abordada mediante la aplicacin de los modelos estadsticos regionales, y puede ser la nica opcin viable en aquellos puntos con una importante rea
46
vertiente donde el uso de los modelos hidrometeorolgicos puede no ser adecuado. Estos mtodos suelen constar de tres fases principales en su aplicacin:
Identificacin de la regin con comportamiento estadstico homogneo donde debe

incluirse el punto de estudio. Establecimiento de relaciones entre distintas caractersticas (fisiogrficas, climticas, edafolgicas, etc.) de la cuenca vertiente al punto (variables explicativas) y los estadsticos o cuantiles a estimar, siendo frecuente la aplicacin de ecuaciones de regresin logartmicas. Aplicacin de las relaciones anteriores en los puntos sin registro. Los distintos mtodos propuestos pueden clasificarse en dos grupos segn el tipo de estadstico que se seleccione para realizar la extrapolacin de informacin a los puntos no aforados:
Mtodos que relacionan directamente las estimaciones locales de los cuantiles

realizadas en los puntos aforados con las variables caractersticas de las cuencas vertientes. Este modelo ha sido ampliamente utilizado en EE.UU. por el U.S. Geological Survey (USGS). Modelos que asumen una determinada funcin de distribucin regional que puede ser particularizada al punto de estudio a partir de determinados estadsticos (como la media o el coeficiente de variacin) que son los que se relacionan con las variables caractersticas de las cuencas. Como caso particular se encuentran los modelos de ndice de avenida, que toman como nico estadstico la media de la serie. Para la elaboracin del mapa de caudales mximos se ha empleado el primer tipo de mtodos por presentar las siguientes ventajas frente a los modelos que asumen una funcin de distribucin regional:
Capacidad para considerar en el anlisis la informacin sobre avenidas histricas. Capacidad para considerar la correlacin entre estaciones. Amplia experiencia en su aplicacin a escala nacional. Como se ha dicho
anteriormente, es el mtodo empleado por el USGS para el clculo de caudales mximos en EE.UU.
5.2.1. Bases tericas de los modelos regionales basados en ecuaciones de regresin mltiple
Los modelos regionales basados en el anlisis de regresiones lineales mltiples tratan de determinar qu variables hidrolgicas caractersticas de la cuenca vertiente explican la variabilidad del estadstico que se quiere regionalizar, en este caso los cuantiles de caudal mximo. Para ello desarrollan ecuaciones de regresin lineal mltiple entre los cuantiles de un determinado periodo de retorno y las variables seleccionadas. Dichas ecuaciones pueden ser aplicadas a puntos no aforados, de tal forma que permiten estimar los cuantiles a partir de las variables caractersticas de la cuenca, variables que son conocidas en cualquier punto. Es habitual emplear ecuaciones de regresin logartmicas en los estudios de caudales mximos, siendo la forma de la ecuacin:
log YT = b0 + b1 log X 1 + b2 log X 2 + ... + bn log X n

47
O lo que es lo mismo:
b b YT = 10b0 X 1b1 X 2 2 ... X n n
Siendo: YT: La variable dependiente que se quiere regionalizar. En este caso los cuantiles de caudal de avenida. Xi: Las variables explicativas. Caractersticas fisiogrficas, climticas, edafolgicas, de la cuenca vertiente al punto. bi: Coeficientes de la ecuacin de regresin. Las frecuencias de los cuantiles de caudal de avenida y de las caractersticas hidrolgicas de las cuencas estn aproximadamente descritas segn una distribucin log-normal, por lo que las transformaciones logartmicas de las variables son necesarias para linealizar la relacin entre las variables explicativas y la variable dependiente, y que de esa manera se satisfagan las hiptesis bsicas del modelo de regresin. El ajuste de los coeficientes de la ecuacin de regresin suele realizarse habitualmente por el mtodo de los mnimos cuadrados ordinarios. Las variables explicativas deben seleccionarse de tal forma que tengan una correlacin significativa con la variable dependiente y, por tanto, permitan explicar su variabilidad, y que no tengan una correlacin significativa entre s. Aquellas variables explicativas muy correlacionadas entre s proporcionan prcticamente la misma informacin desde un punto de vista estadstico y, por lo tanto, su inclusin en una misma ecuacin de regresin supondra el uso de informacin redundante. Es, por tanto, imprescindible analizar la dependencia entre las distintas variables caractersticas de la cuenca.
5.2.2. Seleccin y ajuste del modelo de regresin mltiple

El ajuste de las ecuaciones de regresin mltiple se ha realizado para cada una de las zonas con similar comportamiento estadstico, las mismas que se obtuvieron anteriormente como resultado de la aplicacin de los test de homogeneidad. Estas regiones han demostrado tener, en general, un buen comportamiento a la hora de ser empleadas para determinar los modelos regionales de regresin, permitiendo la definicin de modelos con errores moderados y elevados coeficientes de determinacin. De forma complementaria, se ha realizado un anlisis de la distribucin espacial de los residuos de la estimacin, es decir, de las diferencias entre los cuantiles estimados por el modelo y los reales, con la finalidad de detectar posibles sesgos que indicasen la necesidad de subdividir alguna de las regiones consideradas. De esta forma, se ha decidido utilizar la subdivisin las regiones 82 y 94 indicada en la figura 26 para obtener un mejor ajuste de las ecuaciones de regresin. La figura adjunta muestra la distribucin de valores de altitud y precipitacin en las cuencas vertientes a las estaciones de aforo seleccionadas en cada una de las regiones consideradas en la cuenca del Tajo, confirmando que las distintas regiones corresponden a combinaciones de caractersticas fisiogrficas y climticas diferentes.
48
Regin 31 Regin 32 Regin 33
Figura 30. Relacin altitudprecipitacin en cada una de las regiones estadsticas consideradas en la cuenca del Tajo.
Antes de abordar el anlisis de los modelos regionales de regresin lineal mltiple que nos permitan estimar los cuantiles de caudal mximo anual en los puntos no aforados, es necesario seleccionar y calcular aquellas variables descriptoras de las caractersticas de las cuencas que puedan tener mayor influencia en el valor de los cuantiles y, por tanto, que sean ms adecuadas para explicar la variabilidad de los mismos entre los distintos puntos de medida seleccionados para el anlisis. Las variables seleccionadas en una primera fase fueron las siguientes: Caractersticas fsiogrficas de la cuenca: rea de la cuenca, rea drenante con altitud mayor de 1500 m, permetro de la cuenca, longitud del ro principal, pendiente del ro principal, altitud media de la cuenca, pendiente media de la cuenca. Caractersticas climticas: Cuantiles de precipitacin mxima diaria, precipitacin media anual. Caractersticas del suelo y de los usos del suelo: Parmetro P0, tasa mnima de infiltracin. Como se coment anteriormente, de entre las variables inicialmente consideradas, es necesario seleccionar aqullas que finalmente se van a incluir en el anlisis de los modelos de regresin como variables explicativas, y deben ser aquellas que presenten una mayor correlacin con la variable dependiente y, por tanto, permitan explicar mejor su variabilidad, y que al mismo tiempo no tengan una correlacin significativa entre s. Dichas correlaciones se establecern, lgicamente, entre los logaritmos de las variables, al ser logartmicos los modelos de regresin mltiple considerados (figuras 31 y 32). Las variables explicativas finalmente seleccionadas teniendo en cuenta las consideraciones anteriores han sido las siguientes:
rea drenante: A rea drenante con altitud mayor de 1500 m: A1500 Cuantiles de precipitacin mxima diaria: Px (x= periodo de retorno del cuantil de
precipitacin).
49
Altitud media de la cuenca: H Pendiente media de la cuenca: Pcuenca Umbral de escorrenta: P0 Tasa mnima de infiltracin: Inf
En el caso de las regiones 941 y 942 se ha sustituido la variable rea por la superficie de cuenca una vez descontada la parte del terreno con una elevada permeabilidad, variable que se ha denominado rea equivalente (Aeq). En la regin 82 se ha empleado como variable la superficie de cuenca comprendida dentro de la regin, eliminando la parte correspondiente a la cuenca vertiente situada en regiones de aguas arriba (rea efectiva, Aef). De igual forma se ha sustituido la variable precipitacin por su valor medio en la parte de cuenca correspondiente al rea efectiva (precipitacin efectiva, Pef).
3 2,5 Log (Q10) 2 1,5 1 0,5 0 0 1 2 Log (rea) 3 4 5 y = 0,578x + 0,5405 2 R = 0,8921
Figura 31. Ejemplo de correlacin de la variable rea de la cuenca con el cuantil de caudal mximo anual de 10 aos de periodo de retorno.
6 5,75
Log(Permetro)
5,5 5,25 5 4,75 4,5 4,25 4 1,5
y = 0,5556x + 3,5577 R2 = 0,976
2,5
3,5
Log(rea)
Figura 32. Ejemplo de correlacin entre las variables rea y permetro de la cuenca.
De entre todas las variables caractersticas de las cuencas que presentan una correlacin significativa con la variable dependiente y una correlacin pequea entre s, es necesario seleccionar aqul conjunto de variables que mejor explican la variabilidad de los cuantiles. La decisin sobre cul de entre todos los modelos posibles presenta un mejor comportamiento se toma comparando el valor que adoptan distintos estadsticos en cada uno de los modelos. Los estadsticos utilizados para realizar ese anlisis son habitualmente los siguientes:
50
Coeficiente de determinacin (R2): este estadstico mide la proporcin de variacin de la

variable dependiente que es explicada por el modelo. Coeficiente de determinacin ajustado (R2corr): representa una correccin del estadstico anterior teniendo en cuenta el nmero de estaciones incluidas en el anlisis y el nmero de variables explicativas adoptadas por el modelo. Error estndar de regresin (e): Es una medida de la diferencia entre los valores reales de los cuantiles en cada estacin y los valores estimados por los modelos. Suma de los errores cuadrticos de prediccin (PRESS): Este estadstico se calcula realizando el ajuste de la ecuacin de regresin con todas las estaciones menos una, aplicando la ecuacin deducida a la estacin no incluida en el anlisis y calculando el error cuadrtico respecto al valor real del cuantil en dicha estacin. Este proceso se repite para cada una de las estaciones, calculando finalmente la suma de los errores. Coeficiente de Mallow (Cp): El coeficiente de Mallow representa un compromiso entre maximizar la proporcin de varianza de la variable dependiente que es explicada por el modelo incluyendo todas las variables relevantes, y minimizar el error de la estimacin reduciendo el nmero de variables empleadas.
El modelo finalmente seleccionado debe ser aqul con un menor valor del error cuadrtico medio, del coeficiente de Mallow y del error cuadrtico de prediccin, y un mayor valor del coeficiente de determinacin ajustado. En cualquier caso, el modelo seleccionado no slo debe tener un buen comportamiento desde un punto de vista matemtico sino que, adems, la ecuacin debe tener sentido fsico, reflejando relaciones funcionales entre los cuantiles y las variables que representen el comportamiento real de la cuenca. Los modelos finalmente seleccionados para cada una de las regiones y cada uno de los periodos de retorno se muestran en la tabla adjunta. En el caso de las regiones 13 y 83 los clculos se han realizado aplicando nicamente el mtodo racional, por lo que no se han ajustado ecuaciones de regresin en estas zonas.
Tabla 7. Modelos de regresin seleccionados para cada periodo de retorno en cada una de las regiones consideradas.
Regin 11
Q2 = 10 3.7218 A0.7787 P21.9589 H 0.1422
2 Rcorr = 0.98 2 Rcorr = 0.98

2 Rcorr = 0.98 2 Rcorr = 0.98
e = 35% e = 35%
e = 36%
Q5 = 10 3.4783 A0.7642 P51.7620 H 0.1904

1 Q10 = 10 3.4354 A0.7608 P10.6975 H 0.2155 1 Q25 = 10 3.3354 A0.7556 P25.6294 H 0.2257
e = 37% e = 37% e = 38%
1.5736 Q100 = 10 3.3011 A0.7517 P100 H 0.248 1.5305 Q500 = 10 3.2441 A0.7495 P500 H 0.2536
2 Rcorr = 0.98 2 Rcorr = 0.98
51
Regin 12
Q2 = 10 2.4324 A0.8030 P21.4139 Q5 = 10 2.9240 A0.8097 P51.6699

1 Q10 = 10 3.1828 A0.8122 P10.7884
1 Q25 = 10 3.5936 A0.8162 P25.9674 2.1072 Q100 = 10 3.9729 A0.8205 P100
2 Rcorr = 0.93
e = 33%
2 Rcorr = 0.92 2 Rcorr = 0.92

2 Rcorr = 0.91 2 Rcorr = 0.90
e = 33% e = 33%
e = 33% e = 34%
2.2081 Q500 = 10 4.2903 A0.8225 P500
2 Rcorr = 0.90
e = 35%
Regin 21
Q2 = 10 2.8714 A0.7943 P22.1936 P00.7557 A1500 Q5 = 10 2.8316 A0.7917 P52.0671 P00.6784 A1500
0.0061
2 Rcorr = 0.91
2 Rcorr = 0.85
e = 38%
e = 37%
0.0233
2 Q10 = 10 2.8375 A0.7900 P10.0257 P00.6612 A1500 2 Q25 = 10 2.9577 A0.7915 P25.0155 P00.6203 A1500 2. Q100 = 10 3.0445 A0.7893 P1000001 P00.604 A1500
0.0323
2 Rcorr = 0.82
2 Rcorr = 0.80 2 Rcorr = 0.77
e = 36% e = 36%
e = 37%
0.0409
0.0445
1.9596 Q500 = 10 3.0818 A0.7859 P500 P00.5916 A1500
0.0485
2 Rcorr = 0.75
e = 37%
Regin 22
Q2 = 10 20.0285 A0.7844 P212.4275 Q5 = 10 23.1685 A0.6481 P513.9405

11 Q10 = 10 20.0814 A0.6364 P10 .6693 10 Q25 = 10 18.1705 A0.6698 P25 .1204
7.7968 Q100 = 10 14.7762 A0.7238 P100 6.728 Q500 = 10 13.3324 A0.7662 P500
2 Rcorr = 0.98 2 Rcorr = 0.96
e = 25%
e = 20% e = 17% e = 21%

e = 27%
2 Rcorr = 0.96 2 Rcorr = 0.93

2 Rcorr = 0.87 2 Rcorr = 0.81
e = 30%
Regin 23
Q2 = 10 10.1984 A0.7450 H 3.4616 Inf 0.4239 Q5 = 10 9.5661 A0.7363 H 3.3294 Inf 0.4148
2 Rcorr = 0.95 2 Rcorr = 0.91
e = 35%
e = 37%
52
Q10 = 10 9.3464 A0.7338 H 3.2914 Inf 0.4118 Q25 = 10 9.1241 A0.7309 H 3.2514 Inf 0.4055 Q100 = 10 9.0096 A0.7327 H 3.2456 Inf 0.3971 Q500 = 10 8.8400 A0.7306 H 3.2251 Inf 0.3946
Regin 24
2 Rcorr = 0.90
2 Rcorr = 0.88 2 Rcorr = 0.88
e = 38% e = 39%
e = 39%
2 Rcorr = 0.86
e = 40%
Q2 = 10 0.9956 A0.5564 P20.6634 P00.0003 Q5 = 10 0.8883 A0.5728 P50.8498 P00.2079 Q10 = 10 0.9069 A0.5851 P 0.9128 P00.2529 10
0 Q25 = 10 0.9568 A0.5983 P25.9698 P00.2771
2 Rcorr = 0.92 2 Rcorr = 0.93
e = 24%
e = 18% e = 18% e = 18%

e = 18%
2 Rcorr = 0.93 2 Rcorr = 0.93

2 Rcorr = 0.94 2 Rcorr = 0.92
Q100 = 10 0.8516 A0.6015 P 0.9800 P00.3292 100

1.0067 Q500 = 10 0.8358 A0.6056 P500 P00.3491
e = 18%
Regin 25
Q2 = 10 2.3415 A0.9077 P2
Q5 = 10 1.7979 A0.8679 P5
1.5692
Inf 0.4387
Inf 0.7148 Inf 0.8164 Inf 0.8686 Inf 0.9594 Inf 0.9617
Regin 31
2 Rcorr = 0.81
e = 22% e = 15% e = 12% e = 10% e = 8%

e = 6%
1.5693
2 Rcorr = 0.91
2 Rcorr = 0.94
Q10 = 10 1.5903 A0.8536 P 10
1.5593
Q25 = 10 1.4529 A0.8425 P25
1.5415
2 Rcorr = 0.96
2 Rcorr = 0.97 2 Rcorr = 0.98
Q100 = 10 1.2476 A0.8312 P 100
1.5165
Q500 = 10 1.1564 A0.8217 P500
1.4846
Q2 = 10 4.5483 A0.8846 P22.0408 H 0.2406 Q5 = 10 3.7796 A0.8623 P51.5003 H 0.3545 Q10 = 10 3.3602 A0.8419 P1.1913 H 0.4451 10
0 Q25 = 10 3.0472 A0.8317 P25.9589 H 0.5261
2 Rcorr = 0.95 2 Rcorr = 0.96 2 Rcorr = 0.97

2 Rcorr = 0.96
e = 41 e = 38 e = 37 e = 38
53
Q100 = 10 2.7851 A0.8231 P 0.8521 H 0.5424 100

0.7780 Q500 = 10 2.5743 A0.8148 P500 H 0.5565
2 Rcorr = 0.96 2 Rcorr = 0.94
e = 38
e = 39
Regin 32
Q2 = 10 4.3438 A0.6792 P20.8427 H 0.9362 Q5 = 10 2.9825 A0.6569 P50.8573 H 0.5532 Q10 = 10 2.3975 A0.6419 P 0.7751 H 0.4446 10
0 Q25 = 10 1.7958 A0.6228 P25.6470 H 0.3687
2 Rcorr = 0.87 2 Rcorr = 0.91 2 Rcorr = 0.92 2 Rcorr = 0.92
e = 34 e = 29 e = 29 e = 28
Q100 = 10 0.8303 A0.6009 P 0.4582 H 0.2288 100

0.1928 Q500 = 100.3026 A0.5748 P500 H 0.1032
2 Rcorr = 0.93 2 Rcorr = 0.92
e = 29 e = 31
Regin 33
Q2 = 10 11.4712 A1.0202 P26.2131 Q5 = 10 7.800 A0.9785 P53.8215 Q10 = 10 6.3343 A0.9346 P 2.9878 10
2 Q25 = 10 4.6026 A0.8511P25.1278

2 Rcorr = 0.65
e = 37 e = 37 e = 33 e = 33 e = 33 e = 33
Q100 = 10 4.3105 A0.8383 P1.9918 100

1.7685 Q500 = 10 3.8301 A0.8343 P500
2 Rcorr = 0.64
Regin 41
Q2 = 10 3.6063 A0.7391 P21.9685 Q5 = 10 2.8542 A0.7593 P51.5877 Q10 = 10 2.6015 A0.7666 P1.4763 10
1 Q25 = 10 2.4280 A0.7745 P25.4148
e = 22 e = 14
e = 14 e = 13
54
Q100 = 10 2.1873 A0.7808 P1.3380 100

1.3069 Q500 = 10 2.0074 A0.7843 P500
2 Rcorr = 0.99 2 Rcorr = 0.99
e = 14
e = 14
Regin 42
Q2 = 100.4500 A0.3675 P00.5951 Q5 = 100.9296 A0.2934 P00.5578 Q10 = 101.2172 A0.2848 P00.6487 Q25 = 101.3619 A0.2633 P00.5849 Q100 = 101.5833 A0.2499 P00.5734 Q500 = 101.8252 A0.2439 P00.5903
2 Rcorr = 0.82 2 Rcorr = 0.81 2 Rcorr = 0.81 2 Rcorr = 0.79 2 Rcorr = 0.73 2 Rcorr = 0.73
e = 21
e = 17 e = 16 e = 16 e = 18 e = 18
Regin 71
0.0378 Q2 = 10 13.7091 A0.7579 P27.9400 Pcuenca 2 Rcorr = 0.95
e = 15
0.0717 Q5 = 10 13.3515 A0.6110 P57.5165 Pcuenca 0.1139 Q10 = 10 12.3654 A0.5458 P 6.8502 Pcuenca 10 6 0.1817 Q25 = 10 11.8323 A0.5018 P25.3991 Pcuenca 0.2695 Q100 = 10 11.3686 A0.4681P 5.9536 Pcuenca 100 5.5569 0.3067 Q500 = 10 10.8620 A0.4406 P500 Pcuenca
2 Rcorr = 0.97 2 Rcorr = 0.97 2 Rcorr = 0.98 2 Rcorr = 0.97 2 Rcorr = 0.97
e = 12 e = 12 e = 13 e = 15 e = 16
Regin 72
0.2386 Q2 = 10 0.3384 A0.4974 P20.1337 Pcuenca 0.1102 Q5 = 10 0.6893 A0.5183 P50.5389 Pcuenca 0.0715 Q10 = 10 0.6982 A0.5306 P 0.6003 Pcuenca 10 0 Q25 = 10 0.8227 A0.5972 P25.6914 0.0115 Q100 = 10 0.5867 A0.7131 P 0.7542 Pcuenca 100 2 Rcorr = 0.81 2 Rcorr = 0.90 2 Rcorr = 0.90 2 Rcorr = 0.82 2 Rcorr = 0.74
e = 20 e = 19
e = 21 e = 23 e = 29
55
0.7196 0.0320 Q500 = 10 0.2564 A0.7009 P500 Pcuenca
2 Rcorr = 0.80
e = 28
Regin 81 Jcar-Cabriel:
Q2 = 10 0.3661 A0.6122 P20.4951 Inf 0.3648 Q5 = 10 0.9307 A0.5789 P51.2594 Inf 0.7317 Q10 = 10 1.1632 A0.5679 P1.5149 Inf 0.8555 10
1 Q25 = 10 1.3391 A0.5572 P25.6869 Inf 0.9328
2 Rcorr = 0.97
e = 13
2 Rcorr = 0.98 2 Rcorr = 0.98 2 Rcorr = 0.98 2 Rcorr = 0.97 2 Rcorr = 0.96
e =7 e=6 e =7 e=8 e = 10 e = 17 e = 16 e = 19 e = 20 e = 21 e = 21
Q100 = 10 1.3857 A0.5500 P1.7747 Inf 1.0153 100

1.8127 Q500 = 10 1.3921 A0.5451P500 Inf 1.0650
Turia-Magro:
Q2 = 10 8.4715 A0.6942 P24.8542 P00.1391 Q5 = 10 8.8687 A0.6449 P54.9729 P00.1630 Q10 = 10 9.0516 A0.6378 P 4.9170 P00.1224 10 Q25 = 10 9.0371 A0.6200 P24.7587 P00.0811 Q100 = 10 8.5187 A0.6068 P 4.3401P00.0610 100
4.1912 Q500 = 10 8.5395 A0.5944 P500 P00.0068
Regin 82
Q2 = 10 0.5160 A0.7810 P20.2271 Q5 = 10 0.6357 A0.7433 P50.4752 Q10 = 10 0.5846 A0.7299 P 0.5127 10
0 Q25 = 10 0.5908 A0.7167 P25.5845
e = 40
e = 34 e = 33 e = 32 e = 29 e = 28
Q100 = 100.1974 A0.4900 P 0.7305 100

0.5740 Q500 = 100.9360 A0.4621 P500
56
Regin 91
Q2 = 10 4.8949 A0.7753 P22.9029 H 0.0296 Inf 0.0480 Q5 = 10 5.2636 A0.7701 P52.7966 H 0.1521 Inf 0.0147 Q10 = 10 5.3835 A0.7708 P 2.7156 H 0.2066 Inf 0.0146 10
2 Q25 = 10 5.5541 A0.7733 P25.6320 H 0.2758 Inf 0.0179
2 Rcorr = 0.96
e = 33
2 Rcorr = 0.95 2 Rcorr = 0.94

2 Rcorr = 0.92 2 Rcorr = 0.91
e = 35 e = 36
e = 37 e = 39
Q100 = 10 5.7549 A0.7738 P 2.5530 H 0.3441 Inf 0.0200 100

2.4363 Q500 = 10 5.7856 A0.7758 P500 H 0.3860 Inf 0.0278
2 Rcorr = 0.90
e = 40
Regin 92
0.0555 Q2 = 10 4.2161 A0.7025 P22.4689 A1500 0.0514 Q5 = 10 5.0198 A0.6848 P52.8779 A1500 0.0536 Q10 = 10 5.2974 A0.6731P 2.9953 A1500 10
3 0.0525 Q25 = 10 5.7193 A0.6616 P25.1736 A1500 0.0576 Q100 = 10 6.0179 A0.6445 P 3.2754 A1500 100 3.3862 0.0602 Q500 = 10 6.3493 A0.6313 P500 A1500

e = 38 e = 37 e = 37
e = 38 e = 39 e = 41
Regin 93
Q2 = 10 4.6332 A0.5964 P22.6017 Q5 = 10 4.0275 A0.5540 P52.3431 Q10 = 10 3.8337 A0.5454 P 2.2615 10
2 Q25 = 10 3.6353 A0.5400 P25.1800
e = 41 e = 36
e = 36 e = 36 e = 36 e = 36
Q100 = 10 3.4751 A0.5366 P 2.1320 100

2.0857 Q500 = 10 3.2865 A0.5359 P500
2 Rcorr = 0.93 2 Rcorr = 0.93
Regin 941
0 Q2 = 10 0.6172 Aeq.6500
2 Rcorr = 0.79
e = 51
57
0 Q5 = 10 0.3476 Aeq.6600 0 Q10 = 10 0.2003 Aeq.6631 0 Q25 = 10 0.0321 Aeq.6653 0 Q100 = 100.1948 Aeq.6671 0 Q500 = 10 0.4382 Aeq.6681
2 Rcorr = 0.82
2 Rcorr = 0.81
e = 42
e = 40
2 Rcorr = 0.79
2 Rcorr = 0.76
e = 40
e = 41
2 Rcorr = 0.75
e = 41
Regin 942
0 Q2 = 10 0.0758 Aeq.5550 0 Q5 = 10 0.5225 Aeq.4488 0 Q10 = 10 0.7892 Aeq.4083 0 Q25 = 101.0681 Aeq.3689 0 Q100 = 101.4235 Aeq.3203 0 Q500 = 101.7907 Aeq.2707 2 Rcorr = 0.96 2 Rcorr = 0.95 2 Rcorr = 0.95 2 Rcorr = 0.95
e = 20
e = 22
e = 21
e = 21 e = 20
e = 20
2 Rcorr = 0.94
2 Rcorr = 0.88
Regin 95
0.1238 0.0840 Q2 = 10 0.4020 A0.7036 A1500 Pcuenca 0.0626 0.0960 Q5 = 100.0473 A0.6371 A1500 Pcuenca 0.0438 0.0949 Q10 = 100.2446 A0.6141 A1500 Pcuenca
0.0292 0.0918 Q25 = 100.4402 A0.5950 A1500 Pcuenca 0.0165 0.0873 Q100 = 100.6675 A0.5775 A1500 Pcuenca 0.0082 0.0832 Q500 = 10 0.8783 A0.5654 A1500 Pcuenca

e = 21 e = 20 e = 20
e = 20 e = 20 e = 20
5.2.3. Modelo de regresin para los ejes principales

Para obtener los caudales en los puntos de las corrientes principales correspondientes a grandes cuencas vertientes no se han empleado las ecuaciones de regresin mltiple descritas en el apartado anterior, ya que las relaciones entre los caudales y las caractersticas medias de las cuencas podran diferir de las correspondientes a cuencas de menor tamao e, incluso, el
58
valor medio en la cuenca de alguna de las variables podra no ser significativo a la hora de determinar el caudal cuando se trata de cuencas de gran tamao. De esta manera, y puesto que se dispone de varias estaciones de aforos con series suficientemente largas y fiables a lo largo de los ejes principales, algunas de ellas con informacin histrica, se ha decidido establecer simplemente unas relaciones sencillas en funcin del rea vertiente al punto que permitan interpolar y dar continuidad a los cuantiles calculados en las distintas estaciones de aforo presentes a lo largo del ro. En las figuras adjuntas se muestran las relaciones entre los logaritmos de los cuantiles de 100 aos de periodo de retorno y el logaritmo del rea de la cuenca para los distintos ejes fluviales, y en la tabla 8 las ecuaciones de regresin ajustadas. Se observa cmo los ajustes son muy buenos, con coeficientes de correlacin prximos a uno, por lo que se ha considerado que estas relaciones sencillas en funcin del rea son suficientes para dar continuidad a los valores de los cuantiles de caudal mximo a lo largo de la corriente principal del ro. Las mencionadas relaciones se han aplicado en los tramos de los ejes fluviales indicados en el apartado 4.1.1.
59
Figura 33. Relaciones entre los cuantiles de caudal mximo y el rea vertiente a lo largo de la corriente principal de los grandes ros para T= 100 aos
60
Tabla 8. Ecuaciones de regresin aplicadas en las corrientes principales.
Regin 26 (eje Duero)
Regin 34 (eje Tajo)
Q2 = 0.0168 A1.0155 Q5 = 0.0246 A1.0388 Q10 = 0.0311 A1.0459 Q25 = 0.0409 A1.0514 Q100 = 0.0588 A1.0561 Q500 = 0.0862 A1.0593
R 2 = 0.99 R 2 = 0.99 R 2 = 0.99

R 2 = 0.99 R 2 = 0.99
Q2 = 10 0,1226 A 0.6557 Q5 = 10 0, 227 A 0.6336 Q10 = 10 0,1896 A0.6757 Q25 = 10 0,1052 A 0.7306 Q100 = 10 0,1378 A 0.8331 Q500 = 10 0,5193 A0.9695
R 2 = 0.97 R 2 = 0.98 R 2 = 0.98

R 2 = 0.98 R 2 = 0.99
R 2 = 0.99
R 2 = 0.99
Regin 43 (eje Guadiana)
Regin 84 (eje Jcar)
Q2 = 1.3101 10 6 A1.9200 Q5 = 4.8876 10 6 A1.8574 Q10 = 8.2395 10 6 A1.8377 Q25 = 1.3721 10 5 A1.8204 Q100 = 2.4900 10 5 A1.8022 Q500 = 4.4116 10 5 A1.7854
R 2 = 0.97 R 2 = 0.98
R 2 = 0.97 R 2 = 0.96 R 2 = 0.95
Q2 = 10 3.5639 A1.4777 Q5 = 10 3.3741 A1.4881 Q10 = 10 3.3772 A1.5174 Q25 = 10 3.7240 A1.6391
0 Q100 = 101.8693 Aef.5225 0 Q500 = 10 2.5818 Aef.4105
R 2 = 0.99 R 2 = 0.97 R 2 = 0.95
R 2 = 0.90
R 2 = 0.99
R 2 = 0.92
R 2 = 0.94
Regin 96 (eje Ebro)
Q2 = 10 0.7030 A 0.5620 Q5 = 10 0.9160 A 0.5410 Q10 = 10 0.9772 A 0.5451 Q25 = 101.0873 A 0.5360 Q100 = 101.1820 A0.5363 Q500 = 101.2706 A 0.5365
R 2 = 0.99
R 2 = 0.99
R 2 = 0.96
R 2 = 0.96 R 2 = 0.96 R 2 = 0.96
61
6. GENERACIN DE LOS MAPAS Y FORMATO DE PRESENTACIN

Una vez ajustadas las ecuaciones de regresin y realizada la calibracin del mtodo racional, se ha procedido a obtener los mapas de caudales mximos para los distintos periodos de retorno considerados. Como se coment anteriormente, se ha decidido aplicar el mtodo racional en las cuencas de menor tamao, hasta unos 500 km2 de cuenca, por considerar que el empleo de un mtodo hidrometeorolgico, aunque simplificado, permite reproducir mejor la variabilidad en los valores de los cuantiles entre los distintos puntos, al tener en cuenta los distintos procesos fsicos que tienen lugar en la cuenca, y que en ese rango de tamaos de cuenca las hiptesis simplificadoras del mtodo son suficientemente aproximadas. En cuencas de mayor tamao se han aplicado las ecuaciones de regresin mltiple descritas anteriormente. En el caso de las regiones 33, 42, 72, 82 y 94 no se ha empleado el mtodo racional para la elaboracin de los mapas por no proporcionar buenos resultados. En las regiones 13 y 83, como ya se ha comentado anteriormente, los clculos se han realizado aplicando nicamente el mtodo racional. Para ello se han obtenido en primer lugar los mapas con las distintas variables auxiliares empleadas en ambos mtodos de clculo, mediante el uso de sistemas de informacin geogrfica:
Mtodo racional:
rea Tiempo de concentracin Cuantiles de precipitacin diaria Umbral de escorrenta (P0).
Ecuaciones de regresin: - rea (o rea equivalente o rea efectiva) - rea con altitud mayor de 1500m. - Cuantiles de precipitacin diaria - Altitud media de la cuenca. - Umbral de escorrenta - Tasa mnima de infiltracin. - Pendiente media de la cuenca
El clculo de las variables se ha realizado a partir de la informacin contenida en las siguientes coberturas: Modelo Digital del Terreno del Servicio Geogrfico del Ejrcito y mapa de direcciones de drenaje elaborado por el Centro de Estudios Hidrogrficos del CEDEX a partir del mismo con resolucin de 500mx500m (figura 34). Mapas de precipitaciones elaborados a partir del trabajo de Mximas Lluvias Diarias en la Espaa Peninsular con resolucin de 1000mx1000 m. Mapa de umbral de escorrenta (P0), elaborado siguiendo la metodologa utilizada en la Tesis doctoral Anlisis de nuevas fuentes de datos para la estimacin del parmetro nmero de curva del modelo hidrolgico del SCS: Datos de perfiles de suelos y
62
teledeteccin (Ferrer, 2003), a partir del mapa de usos de suelo Corine Land Cover 2000 y datos de infiltracin actualizados, con resolucin de 500mx500 m.
Figura 34. Modelo digital del terreno.
Los clculos se han realizado con una resolucin de 500mx 500 m, siendo el resultado final un conjunto de seis capas de un sistema de informacin geogrfica en formato raster con resolucin de 500mx500 m (para los periodos de retorno de 2, 5, 10, 25, 100 y 500 aos), con informacin para aquellos puntos de la red fluvial con una cuenca vertiente igual o superior a 50 km2. Los caudales resultantes se han redondeado a nmeros enteros, por lo que en aquellas zonas con caudales muy pequeos (especialmente para periodos de retorno bajos) podra obtenerse el mismo valor de cuantil para varios periodos de retorno. En algunos casos el valor suministrado por la aplicacin es igual a cero, lo que significa que el cuantil est comprendido entre 0 y 0,5 m3/s. Los mapas obtenidos mediante la aplicacin del mtodo racional y las ecuaciones de regresin han sido objeto de ajustes posteriores con el objetivo de garantizar la adecuada coherencia de los resultados entre todos los puntos de la red fluvial. De esta forma, se han realizado transiciones en aquellas zonas en las que se produca un cambio de mtodo de clculo o un cambio de regin estadstica, se han ajustado los resultados en las confluencias, o se han realizado correcciones de los mapas en base a los cuantiles obtenidos en las estaciones de aforo, para lo cual se han desarrollado herramientas informticas sobre SIG para automatizar los procesos.
7. ESTIMACIN DE LA MXIMA CRECIDA ORDINARIA

Como se ha comentado, el resultado del trabajo es una coleccin de mapas que proporcionan una estimacin de los caudales mximos correspondientes a distintos periodos de retorno en situacin natural, en cualquier punto de la red fluvial.
63
Una de las aplicaciones ms inmediatas de esa informacin podra ser su uso en la zonificacin de reas inundables. Un elemento clave a delimitar en dichas zonificaciones es el cauce, el cual forma parte del dominio pblico hidrulico, quedando definido en el Texto Refundido de la Ley de Aguas y en el Reglamento del Dominio Pblico Hidrulico como: 1. lveo o cauce natural de una corriente continua o discontinua es el terreno cubierto por las aguas en las mximas crecidas ordinarias (art.4 TRLA). La determinacin de ese terreno se realizar atendiendo a sus caractersticas geomorfolgicas, ecolgicas y teniendo en cuenta las informaciones hidrolgicas, hidrulicas, fotogrficas y cartogrficas que existan, as como las referencias histricas disponibles.
2. Se considerar como caudal de la mxima crecida ordinaria la media de los mximos caudales anuales, en su rgimen natural, producidos durante diez aos consecutivos, que sean representativos del comportamiento hidrulico de la corriente y que tengan en cuenta lo establecido en el apartado 1 (art. 4 RDPH).
Sera, por tanto, conveniente contar, junto con los cuantiles de distintos periodos de retorno, con una estimacin del caudal correspondiente a la mxima crecida ordinaria. La estimacin de dicho caudal no ha sido objeto del trabajo expuesto en los apartados anteriores y, por tanto, no se cuenta con una estimacin de dicho caudal como resultado del mismo, lo que requerira la aplicacin de metodologas diferentes a las expuestas. No obstante, se puede realizar una estimacin de la mxima crecida ordinaria, si se conoce la ley de frecuencia de caudales mximos en situacin natural, aplicando la metodologa expuesta en el informe Aspectos prcticos de la definicin de la mxima crecida ordinaria (CEDEX, 1994). En el citado informe, se realiz un estudio experimental en 20 puntos distribuidos a lo largo de la geografa nacional, en los que se dispona de la serie histrica de mximos caudales anuales as como de informacin sobre el caudal de desbordamiento del cauce. El caudal de desbordamiento se considera dentro de la hidrulica fluvial como representativo del comportamiento de la corriente, y su lnea de agua marca los lmites de lo que comnmente se entiende por cauce. Adems, se pudo comprobar en distintos puntos de la geografa espaola que dicho caudal est dentro del rango de los valores compatibles con los trminos en que el Reglamento del Dominio Pblico Hidrulico define como mxima crecida ordinaria, y adems es indicativo del posicionamiento central de los mismos, motivos por los cuales se propuso identificar la mxima crecida ordinaria con el caudal de desbordamiento. De acuerdo con la informacin disponible, se pudo establecer una relacin entre el caudal de la mxima crecida ordinaria (realmente el caudal de desbordamiento) y diversas magnitudes descriptivas de las caractersticas estadsticas de la serie temporal de caudales mximos anuales. De forma aproximada, se puede determinar el caudal correspondiente a la mxima crecida ordinaria (QMCO) en funcin de la media (Qm) y el coeficiente de variacin (Cv) de la serie temporal de caudales mximos anuales mediante la siguiente expresin:
QMCO = Qm (0,7 + 0,6C v )

Una expresin alternativa, para la que es necesario conocer la ley de frecuencia de caudales mximos, es la siguiente en la que se relaciona el periodo de retorno correspondiente al caudal de la mxima crecida ordinaria (TMCO) con el coeficiente de variacin de la serie temporal:
TMCO = 5C v
64
Esta ltima expresin es ms til que la anterior para estimar la mxima crecida ordinaria a partir de los resultados de este trabajo puesto que se dispone de la ley de frecuencia de caudales mximos y se ha realizado una regionalizacin estadstica de la cuenca de estudio en la que se conocen los valores regionales de los principales estadsticos, entre ellos el coeficiente de variacin y, por lo tanto, ha sido la adoptada para estimar dicho caudal en los distintos puntos de la red fluvial. En la tabla 9 se recogen los valores regionales del coeficiente de variacin en las regiones estadsticas adoptadas en el estudio, as como los valores correspondientes para el periodo de retorno aproximado de la mxima crecida ordinaria.
Tabla 9. Coeficientes de variacin regionales y periodos de retorno para la mxima crecida ordinaria en las regiones estadsticas.
Regin 11 12 13 21 22 23 24 25 26 31 32 33 34 41 42 43 51 52 53 54 71 72 73 81 82 83 84 91 92 93 94 95 96 CV 0.59 0.54 0.54 0.48 1.15 0.66 0.75 0.75 0.81 0.79 0.79 1.04 0.76 1.20 1.05 0.83 0.96 0.74 1.12 0.66 1.13 1.44 1.07 0.87 1.21 1.19 0.88 0.47 0.70 1.36 1.04 0.69 0.50 T 3.0 2.5 2.5 2.5 6.0 3.5 4.0 4.0 4.0 4.0 4.0 5.0 4.0 6.0 5.5 4.0 5.0 3.5 5.5 3.5 5.5 7.0 5.5 4.5 6.0 6.0 4.5 2.5 3.5 7.0 5.0 3.5 2.5
65
La aplicacin informtica desarrollada para la visualizacin y consulta de los mapas de caudales mximos incorpora herramientas que proporcionan un valor aproximado de la mxima crecida ordinaria en base a los periodos de retorno indicados anteriormente. Es importante destacar que los valores que proporciona esta aplicacin para la mxima crecida ordinaria son solo valores orientativos que no sustituyen a los valores obtenidos en los estudios concretos realizados para el deslinde del dominio pblico hidrulico. Madrid, junio de 2011
66
REFERENCIAS
Benito, G., Diez, A. y Fernndez, M., 2003. Magnitude and frequency of flooding in the Tagus basin over the last millennium. Climatic Change 58. Pg. 171 192. 2003. CEDEX, 1994. Aspectos prcticos de la definicin de la mxima crecida ordinaria. CEDEX. 1994. DGC, 1991. Mximas lluvias diarias en la Espaa peninsular. Serie monografas. Direccin General de Carreteras. Ministerio de Fomento. 1999. Ferrer, 2003. Anlisis de Nuevas Fuentes de Datos para la Estimacin del Parmetro Nmero de Curva del Modelo Hidrolgico del SCS. Cuadernos de Investigacin CEDEX. C48. 2003. Hawkins, R. H., Hjelmfelt, A. T. y Zevenbergen, A. W., 1985. Runoff probability storm depth and curve numbers. Journal of the Irrigation and Drainage Division, 111(4): 330-340. 1985. Hosking y Wallis, 1997. Regional frequency analysis. J.R.M. Hosking y J.R. Wallis. Cambridge University Press. 1997. Ponce, V. M. y Hawkins, R. H., 1996. Runoff curve number: has it reached Maturity?. Journal of Hydrologic Engineering, January: 11-19. 1996. Tmez, J.R, 1987. Clculo hidrometeorolgico de caudales mximos en pequeas cuencas naturales. Direccin General de Carreteras. MOPU. 1987. Tmez, J.R., 1991. Extended and improved rational method. Version of the Highways Administration of Spain. Proc. XXIV Congress. Madrid. Vol. A. pp. 33-40. 1991. USWRC, 1981. Guidelines for determining flood flow frequency. Water Resources Council. 1981.
67

Memoria Tecnica v2 Junio2011 Tcm7-162773

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Memoria Tecnica v2 Junio2011 Tcm7-162773

Uploaded by

Copyright:

Available Formats

MAPA DE CAUDALES MXIMOS

MAPA DE CAUDALES MXIMOS

2. DESCRIPCIN GENERAL DE LA METODOLOGA EMPLEADA

Figura 1. Estaciones y embalses seleccionados en una primera fase

3.2. REVISIN DE LA CALIDAD Y REPRESENTATIVIDAD DE LOS DATOS DE LAS SERIES TEMPORALES

Estacin 3234. Jaraiz de la Vera

Estacin 3163. Piedras Albas

Caudal acumulado (m /s)

8000 7000 6000 5000 4000 3000 2000 1000 0 0 5 10 15 20 25

Caudal acumulado (m /s)

5000 4000 3000 2000 1000 0 0 5 10 15 20 25 30

Figura 2. Ejemplos de estaciones con y sin tendencia temporal

Identificacin de inconsistencias entre los datos de distintas estaciones

120 110 100 90 Caudal (m3/s) 80 70 60 50 40 30 20 10 0

3.3. TRANSFORMACIN DE DATOS DIARIOS EN INSTANTNEOS

Caudal instantneo (m3/s)

0 0 20 40 60 80 100 120 140

Caudal medio diario (m3/s)

Caudal medio diario (m3/s)

log(k 1) = log a blog A

Tabla 1. Parmetros de las ecuaciones de Fuller

3.4. SELECCIN DE PUNTOS AFORADOS

Figura 5. Puntos de control seleccionados

4.1.1. Identificacin de regiones homogneas

Figura 8. Regiones con homogeneidad estadstica identificadas.

4.1.2. Anlisis de las funciones de distribucin y procedimientos de ajuste

1 n (Qobs )i (Qest )i (Q ) n i =1 obs i

Pearson Tipo 3 (PE-III) por Mom y L-Mom.

Figura 9. Error en el ajuste a los datos observados: regin 92.

Mximo valor estandarizado Yn =

es el mximo valor para la

MSET ,i = VART ,i + [MET ,i ]

4.1.3. Funcin de distribucin y procedimiento de ajuste seleccionado

4.2. INFORMACIN HISTRICA EMPLEADA EN EL AJUSTE DE LAS LEYES DE FRECUENCIA

Figura 13. Avenida de 1947 en Toledo (tomada de G. Benito et al., 2003).

i 0.44 1 = 1 F (qi ) = 1 prob(Q qi ) = T H + 0.12

Figura 14. Localizacin de las avenidas histricas consideradas

Tabla 4. Caudales histricos empleados en el anlisis estadstico.

T Localizacin Fecha de la avenida Caudal (m /s)

Ro Esla (Ricobayo) Ro Huebra DUERO

1962 1909 1936 1966 1979

5426 2400 1300 1100 1000

Ro Tajo (Aranjuez) Ro Tajo (Toledo)

1941 1876 1947

Ro Tajo (Talavera) Ro Tajo (Alcntara)

1947 1876 1941 1947

Ro Guadiana (Villanueva de la Serena) Ro Guadiana (Badajoz) GUADIANA Ro Guadiana (Mrtola)

1947 1876 1947 1823 1876

7410 10000 7840 8711 11520

180 434 156 156 434

1879 1884 1895 1834

179 64 39 28 231 83 50 231 83 231 83 50 36 231

1973 1891 1879

Ro Almanzora (Santa Brbara)

1973 1879 1924 1977

T Localizacin Fecha de la avenida Caudal (m /s)

Ro Jcar (Alcal de Jcar) Ro Jcar (Cofrentes)

1982 1982 1923 1941

Ro Jcar (Embarcaderos) Ro Jcar (Tous)

1982 1864 1982 1923

Ro Jcar (Huerto Mulet)

1864 1982 1805 1814 1779 1987 1923

Ro Cabriel (Cofrentes) JCAR Ro Tria (La presa)

1982 1923 1957 1949 1967