PRESIÓN Y CAUDAL NECESARIOS EN CABECERA DE REDES DE RIEGO A

LA DEMANDA SEGÚN LA CALIDAD DE SERVICIO DESEADA

TARJUELO J.M. 1 , MORENO M.A., PLANELLS,P.Y ORTEGA J.F.

Resumen
Se han desarrollado numerosos modelos para la determinación del caudal circulante por las líneas de una
red de riego a la demanda, siendo el método de Clement el más comúnmente utilizado. Puesto que esta
metodología no siempre hace una buena estimación de los caudales realmente circulantes, se ha
desarrollado y validado una nueva metodología basada en la generación de Curvas Aleatorias de
Demanda Diaria (CADD). Para la validación del nuevo modelo se ha utilizado la red de riego a la
demanda de 550 ha de Tarazona de la Mancha (España) Los resultados obtenidos muestran que
metodología de Clément subestima un 35-40% el caudal de cabecera, frente al buen ajuste obtenido
entre los valores medidos y los calculados con el método de las CADD. El procedimiento permite además
determinar las concisiones de presión y caudal necesarias según la calidad servicio deseada.

Palabras Clave: riego, redes hidráulicas, caudal en tuberías, modelo estocástico.

Abstract
Several models for obtaining the design discharge in on-demand irrigation networks have been developed.
The Clément methodology is the most commonly used. This methodology has been compared with
measured data from several on-demand irrigation networks by different authors, concluding that the
methodology proposed by Clément does not always fit properly. For this reason, a new stochastic
methodology is proposed in this paper (Random Daily Demand Curve), so that a higher accuracy design
flow can be obtained. Results of applying Clément methodology and that proposed herein have been
compared with measured flow data in an on-demand irrigation network, located in Tarazona de La
Mancha (Spain). The results show that the Clément methodology does not fit as well as the proposed
method, underestimating the design flow by 35-40% in the case study. The procedure also permits to
determine the necessary head and discharge according to the required operation quality.

Keywords irrigation, hydraulic network, pipe flow, stochastic model.

Introducción y objetivos
Para tener una buena calidad de servicio de una red de riego a la demanda, la probabilidad de
fallos en el suministro de la presión y el caudal necesarios en los hidrantes debe ser pequeña.
Para ello es preciso conocer con precisión los caudales circulantes por las líneas de la red para
poder realizar su adecuado dimensionamiento, así como el caudal y presión necesaria en
cabecera al condicionar el dimensionado y regulación de la estación de bombeo. Por otra parte,
para un mismo caudal en cabecera, las necesidades de presión son distintas dependiendo de la
localización de hidrantes abiertos, por ello es muy importante conocer las curvas de demanda
máxima y mínima de la red.

1 Centro Regional de Estudios del Agua. Universidad de Castilla-La Mancha, España; Email: jose.tarjuelo@uclm.es
La determinación del caudal y altura piezométrica en cabecera de una red de riego a la demanda
que produzca el mejor equilibrio entre el coste total del bombeo y la calidad del servicio prestado,
medida a través de la probabilidad de fallo de suministro a la red, es un problema no bien
resuelto por el momento. Si se utiliza para dimensionar el bombeo el caudal de diseño en
cabecera que resulta al aplicar el método de Clement (Clement y Galant 1986), habrá
normalmente un gran número de fallos de suministro a la red (Lamaddalena y Sagardoy 2000).
Esto obligaría a pasar a un sistema de riego a turnos durante el periodo punta de riego. La
concentración del riego durante la noche en sistemas de aspersión por ejemplo, o el distinto
coste de la energía a diferentes horas del día, y en los distintos días de la semana (Pulido et al.
1998, Reca et al. 1999), hace que no se cumpla la hipótesis de igualdad de probabilidad de
funcionamiento de las tomas a cualquier hora del día o cualquier día de la semana en que se
basa la metodología de Clement.
Dentro de la fase de diseño de este tipo de redes, uno de los principales pasos es la
determinación del caudal de diseño por línea (Labye et al. 1988). Éste es muy variable a lo largo
de la campaña de riego, dependiendo, entre otros, de la distribución de cultivos en la zona
regable, de la fase de crecimiento de los cultivos, de las condiciones meteorológicas, de la
eficiencia de aplicación de los sistemas de riego y de los hábitos de los agricultores. La dificultad
de cálculo del caudal circulante por línea ha provocado el desarrollo de numerosas
metodologías. Las más frecuentas son las que utilizan métodos estadísticos (Clement 1966,
Maidment and Hutchinson 1983, Mavropoulus et al. 1997) y modelos basados en la apertura
aleatoria de tomas con la ayuda de ordenadores personales (Pereira and Texeira 1994, Texeira
et al. 1996, Lamaddalena and Sagardoy 2000, Aliod et al. 1997, Planells et al. 2005). La
metodología de Clement es la más comúnmente usada dada su sencillez de implementación. Sin
embargo, después de haber sido analizada por diversos autores, se demuestra que no siempre
se ajusta adecuadamente a los caudales circulantes por la red de riego a la demanda,
produciendo distintos niveles de subestimación de caudales.
Cualquiera que sea la metodología elegida para obtener el cálculo del caudal de diseño, se debe
aplicar una calidad o garantía de funcionamiento (CF) que es el valor, en porcentaje, de la
probabilidad estadística de que los caudales circulantes por la red durante el periodo punta de
consumo no superen a los de diseño (Granados 1990). Este es un factor que fija el proyectista
buscando un equilibrio entre la garantía de suministro a la red y su coste, tratando de evitar su
sobredimensinamiento.
El objetivo de este trabajo es proponer y analizar un método de determinación de caudales
circulantes por las líneas de una red de riego a la demanda basado, por una parte, en la
asignación aleatoria de cultivos a cada parcela dependiendo de la alternativa de cultivos
considerada para la zona regable, y por otra, en la apertura aleatoria de hidrantes, prestando
especial atención al caudal en cabecera resultante. Una vez establecida la mejor estimación de
los caudales circulantes por línea en el periodo de máximas necesidades, se comparará este
resultado con el obtenido con el método de Clement y con los valores medidos en una red de
riego a la demanda situada en Tarazona de La Mancha (Albacete).

Materiales y métodos.

Descripción de la zona de ensayo y toma de datos.

Para validar las distintas metodologías utilizadas se ha utilizado una red de riego a la demanda
situada en Tarazona de La Mancha (Albacete, España). La red riega 550,2 ha, con agua
procedente de la Unidad Hidrogeológica 08.29, situada en la cuenca del Júcar. El agua es
extraída de 5 sondeos y almacenada en un embalse de 23000 m3. Desde este el agua es
impulsada a la red de riego mediante una estaciones de bombeo compuestas por 10 bombas de
140 CV acopladas en paralelo, de forma que suministran el caudal demandado a una presión
constante de 62 m (regulación manométrica) utilizando variadores de velocidad en dos de las
bombas y arrancadores electrónicos para el resto as, todo ello comandado por un autómata
programable.
La red de riego está formada por tuberías de fibrocemento para diámetros grandes (400-600) y
de PVC para el resto. Cuenta con un hidrante por cada parcela, cuyo tamaño depende del
tamaño y división en sectores de la parcela. La apertura y cierre de la válvula del hidrante, la
lectura del contador y, en algunos casos, la presión existente en la red son controlados mediante
un sistema de automatización monocable. Este consiste en un ordenador central que se conecta
con 14 Unidades de Campo, cada una de las cuales controla hasta 63 Terminales Remotos (TR).
Hay un TR por cada hidrante, y todos ellos están conectados en anillo a través de un solo cable.
El principal sistema de riego existente es aspersión en cobertura total enterrada, coexistiendo con
algunas parcelas en las que se ha instalado riego por goteo, que ocupan el 5% del área total.
En la red de riego a la demanda se han medido:
A) Los datos de presión y caudal a nivel de hidrante. Para medir los caudales se ha utilizando el
sistema de automatización. La presión se ha medido de forma continua en trece puntos
estratégicamente distribuidos a lo largo de la red de riego. La selección de estos puntos se
ha realizado simulando la red con EPANET (Rossman 2000). En cada uno de estos puntos
se instaló un transductor de presión y un acumulador de datos, alimentados ambos por una
batería. El funcionamiento de la estación de bombeo se controló midiendo el caudal con un
caudalímetro de ultrasonido portátil, y la presión, utilizando un transductor de presión y un
acumulador de datos.
B) Datos eléctricos. Para obtener la potencia consumida se ha medio la intensidad, el voltaje y
el factor de potencia con tres analizadores de redes portátiles. Uno se instaló entre el
transformador, de media a baja tensión, y la entrada a la estación de bombeo para medir los
parámetros eléctricos de todos los receptores existentes en la misma, obteniendo la potencia
total consumida. Otros dos analizadores se instalaron en cada una de las bombas de
velocidad variable existentes en la estación de bombeo. A través de la potencia consumida
para diferentes condiciones caudal-presión, se determinó el rendimiento de la estación de
bombeo. Conocido este, y midiendo la potencia y la presión, puede calcularse el caudal
bombeado más cómodamente y de forma continua. Los datos de presión y caudal en los
hidrantes se midieron en las campañas de riego de 2003 y 2004, mientras que los
parámetros eléctricos solo se pudieron medir de forma continua en la campaña de 2004.
La alternativa de cultivos existente en la zona regable en las campañas de riego de 2003 y 2004 fue:
a) en 2003: maíz 22%, cebolla 13%, cereales de invierno 27,5%, viña 17,5%, alfalfa 5% y otros 15%;
b) en 2004: maíz 30%, cebolla 16%, cereales de invierno 22%, viña 16% , alfalfa 3% y otros 13%.
Los parámetros de manejo del riego a nivel de parcela en periodo punta para los diferentes
cultivos fueron: a) intervalo entre riegos (Ir) de 5 días para maíz y cebolla, 4 días para alfalfa y
4,5 días para viña; b) tiempo de riego (tr) 4 h para maíz, cebolla y alfalfa, y 3 h para viña.

Metodología de Clemnet
La primera fórmula de Clement (Clement 1966) propone una solución probabilística para
determinar el caudal de línea en una red de riego a la demanda basada en dos hipótesis
iniciales: 1) la apertura de hidrantes se ajusta a una distribución binomial, y si el número de
hidrantes aguas debajo de la línea es suficientemente grande, sigue una distribución normal; 2)
todos los hidrantes de la red tienen la misma probabilidad de apertura a cada hora del día y cada
día de la semana en periodo punta.
Esta metodología supone una distribución aleatoria de caudales, de manera que si una red tiene n
tomas con una dotación qd, que pueden estar abiertas o cerradas en un momento dado, es
improbable que todas estén abiertas a la vez, y por tanto, que el caudal en cabecera) sea Qt = n qd.
El caudal que puede circular por una línea es una variable aleatoria, obtenida como suma de las
variables aleatorias binomiales asociadas a cada uno de los hidrantes aguas abajo de la línea en
cuestión. Si este número de hidrantes es elevado, se puede considerar que el caudal que circula
por la línea sigue una distribución Normal de media
n
μ = ∑ piq d i (1)
i =1

y varianza,
n
σ 2 = ∑ p i (1 − p i ) q d i2 (2)
i =1

siendo n = número de hidrantes existentes aguas abajo de la línea en cuestión, pi la probabilidad

de que el hidrante “i” esté funcionando, y (1-pi) la probabilidad de que no funcione.
La probabilidad media de apertura de hidrantes es:
Ns ⋅ t r t
p= = d (3)
JER ⋅ Ir JER
Siendo Ns el número de sectores de riego por parcela, tr el tiempo de riego de un sector para
satisfacer las necesidades del cultivo, JER es la jornada efectiva de riego (h/día), Ir el intervalo
entre riegos, y td el tiempo diario medio de riego del hidrante
El caudal de diseño puede ser calculado por la ecuación (11), que representa el límite superior
del intervalo de confianza cuyo coeficiente de confianza viene dado por el parámetro CF (calidad
de funcionamiento o garantía de suministro), y donde los valores de U son los percentiles de la
función de distribución normal asociados a los coeficientes CF.
Q = μ + Uσ (4)
Donde μ es la media de la función de densidad normal y σ la desviación estándar.
La CF la fija el proyectista en función del nivel de garantía que se quiera dar a la red, adoptando
normalmente CF = 95 % para N>50, y CF = 99% para n entre 10 y 50, considerando todas las
tomas abiertas para n<10.
La ecuación de Clement generalizada (Clément y Galand1986) para n hidrantes diferentes es:
n
Q = Qr + U ∑ p (1 − p )q (5)
2
i i di
i =1

siendo Qr el caudal continuo por una línea que tiene aguas abajo n tomas de distinto tipo, cada
una de ellas con dotación qdi, por lo que será:
 n n
Qr = ∑ Qri = ∑ pi q d i (6)
i =1 i =1

El caudal total Qt, con todas las tomas abiertas a la vez, sería:
n
Qt = ∑ qdi (7)
i =1

Metodología de curvas aleatorias de demanda diaria (CADD)

Para tratar de conocer el caudal en cabecera de una red de riego a la demanda en cada
momento del día, base para el dimensionamiento de la estación de bombeo, se puede realizar
una generación aleatoria de hidrantes en funcionamiento. El conjunto de hidrantes abiertos en
cada instante dará lugar a una distribución de caudales en la red, generando un caudal y altura
piezométrica en cabecera, lo que constituye la curva aleatorias de demanda diaria (CADD)
(figura 1). La envolvente de estas curvas permite estimar el caudal máximo en cabecera (Qmax).
Caudal

Qtotal

Qmax
Hmax Q2

Q1 Caudal de diseño Qd

Bomba

Hmin Curva
H
Tiempo
JER

Fig. 1. Curvas aleatorias de demanda diaria (parte derecha) y curvas de demanda máxima (Hmax) y
mínima (Hmin)(parte izquierda).
La principal diferencia entre la metodología de Clement y la de las CADD es que ésta no
considera la probabilidad media de apertura de hidrantes (ecuación 3), sino que una vez se ha
elegido de forma aleatoria el día y el momento del día en que comienza el riego, el hidrante
permanecerá abierto durante el tiempo de riego de ese día trd. Otra diferencia importante es la
forma en que asigna el cultivo a la parcela. En el caso de que la distribución real de cultivos en la
zona regable no sea conocida, puede realizarse una distribución aleatoria de cultivos en la zona
a partir de la alternativa de cultivos media prevista para la zona regable, evitando así el problema
de utilizar un valor medio de la alternativa de cultivos, igual para todas las tomas. Eso puede
conducir en ocasiones a errores importantes, especialmente cuando el número de tomas aguas
abajo de la línea en estudio es pequeño.
Para estimar la evolución del caudal en cabecera de la red, el volumen de agua que debe ser
distribuido cada día (Vd) se toma como punto de partida. Además deben conocerse la dotación
de cada hidrante (qdi), el tiempo de riego de un sector (tr), el intervalo entre riego (Ir), el número
de sectores en que se ha dividido la parcela (Ns), es el numero de sectores regados en un día en
una parcela (Nsd), el número de días necesarios para regar la parcela (Nd), y la Jornada Efectiva
de Riego (JER).
Los diferentes pasos a seguir para llevar a cabo esta metodología son:
1.- Fijación del día de apertura del hidrante de forma aleatoria. El primer paso es obtener la
probabilidad de que un hidrante esté abierto un determinado día (pd). Esta depende de si el
tiempo de riego de la parcela (tp = Ns tr) es mayor que la JER o no. Si es mayor, se considera
que se utilizará el mayor tiempo de riego posible de la JER durante un día, y el tiempo de riego
restante se utilizará cualquier otro día. De esta manera pd se define como:
Nd
pd = (8)
Ir
donde Nd es el número de días necesario para regar la parcela
2.- Determinar el tiempo de riego diario de cada parcela:
Este puede ser calculado como:
trd = Nsd tr (9)
donde Nsd es el numero de sectores regados en un día.
Si la parcela no puede ser regada en un solo día, habrá diferentes trd dependiendo del día en que
se efectúe el riego. En esta metodología el día de riego es elegido aleatoriamente. Por ejemplo,
si un sector requiere un tiempo de riego tr = 6,5 h, con un Ir = 5 días, y la parcela esta dividida en
Ns = 3 sectores, para una JER = 18 h, solo podrán regarse dos sectores en un día (lo que quiere
decir que trd = 2 x 6,5 = 13 h) y el otro sector podrá ser regado cualquier otro día, con trd = 6,5 h.
Por tanto la probabilidad de que el hidrante se abra un día concreto será pd = 2/5 = 0,4, ya que
se necesitan 2 de los 5 días del intervalo para regar la parcela. El método elige aleatoriamente si
el hidrante funcionará 13 h/día, 6,5 h/día o no funcionará, respetando el intervalo entre riegos
para los restantes riegos de cada sector.
3.- Determinación de los escenarios de simulación válidos
Para considerar como válido un determinado escenario de hidrantes abiertos en la red se exigirá
que el volumen de agua distribuido durante la JER se ajuste a las necesidades de agua de la
alternativa de cultivos de ese día (Vd), considerando admisible un error máximo del 5% de dicho
volumen.
4.- Determinación del inicio del riego de una parcela de forma aleatoria
Para la generar las CADD, se divide la JER en intervalos de tiempo pequeños (por ejemplo 15
min) para discretizar el proceso. Despues se realiza una generación aleatoria de tomas abiertas,
seleccionando de forma aleatoria el día de riego. Una vez seleccionado el día, se elige de forma
aleatoria el momento de apertura del un hidrante, en un period de tiempocomprendido entre el
inicio de la JER y la JER menos el tiempo de riego al día de ese parcela (trd)..
5.- Generación de las Curvas Aleatorias de Demanda Diaria (CADD)
Una vez conocidos los hidrantes abiertos en cada uno de los invtervalos de tiempo en que se ha
dividio la JER, y considerando la dotación de cada hidrante (qdi), puede obrtenrse el caudal que
circula por cada línea de la red sumando las dotaciones de los hidrantes abiertos aguas abajo de
dicha línea (figura 2). Puesto que se conocerá la localización de las parcelas con los hidrantes
abiertos, podrá determinarse la presión necesaria en cabecera una vez que la red esté
dimensionada, partiendo de la presión necesaria en cada hidrante para el correcxto
funcionameinto del reigo en la parcela.
 Hidrante abierto
Tinicio tr Tfina

Qintervalo Tiempo

Fig. 2. Esquema de hidrantes en funcionamiento a lo largo de la JER y caudal demandado.

De cada día se tendrán tantos datos de caudal en cabecera como intervalos en que se ha
dividido la JER, constituyendo una CADD. Generando numerosas curvas aleatorias como la
indicada (escenarios para repartir el volumen de agua de ese día, Vd), se tendrá una gran base
de datos de caudales en cabecera, que podrá suponerse que siguen una distribución normal.
Con estos datos se podrá calcular el calcular de diseño en cabecera (Qd) para una determinada
garantía de suministro o calidad de funcionamiento (CF), aplicando la ecuación (4)
Las CADD resultan con diferente desviación típica según sea la amplitud del intervalo de tiempo
en que se divide la JER. En la figura 3 se representa el efecto sobre la distribución de caudales
en cabecera al utilizar intervalos pequeños y grandes. Las diferencias son debidas a la mayor
posibilidad de concentración de caudales cuando los intervalos son grandes, con lo que en las
CADD generadas aparecen mayores puntas de caudal en determinados momentos del día. El
método de Clement utiliza el tiempo medio de riego de las parcelas, lo que corresponde a la
situación de intervalos grandes.

Caudal

Qmedium

Pequeño Gran
intervalo intervalo
Tiempo de riego
Intervalos diarios
(Clement)

Fig. 3. Efecto del tamaño del intervalo sobre el caudal de diseño en cabecera.
Aunque en principio cabe suponer que todas las CADD tienen la misma probabilidad, en
realidad, bien por tarifación (p.e. periodos de menor coste de la energía eléctrica) o por hábitos
de riego (p.e. regar de noche en aspersión o durante los fines de semana), el conjunto de curvas
generadas puede presentar subconjuntos de curvas más probables. Una forma de implementar
esta posibilidad en el proceso planteado es establecer la condición de distribuir una proporción
del volumen diario en algunas horas del día. Entonces, la probabilidad de apertura del hidrante
no será igual en todas las horas del día. En este caso las curvas de demanda obtenidas no
seguirán una distribución normal, pudiendo utilizar otras funciones de densidad de
probabilidades, entre ellas la de Weibull (Mavropoulos 1997).
Para determinar el número de CADD necesarias para obtener el caudal de diseño en cabecero y
en cualquier línea de la red se ha realizado un análisis estadístico a partir de 50000 simulaciones
en la red de Tarazona antes comentada, obteniendo el coeficiente de variación (CV) de caudales
para diferente número de CADD. Los resultados (figura 4) indican que el número mínimo de
CADD que estabiliza el CV es de 1000-1200.

2003 2004

3,5

2,5
Diferencia CV

2
1,5
1

0.5
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000

Número de CADD generadas

Fig. 4. Evolución del coeficiente de variación (CV) de caudales según el número de CADD generadas.
6.- Caudal de diseño en las líneas
Una vez que se ha generado sufriente número de CADD válidas (con un Vd semejante) puede
obtenerse la curva de caudales máximos, uniendo los puntos de caudal máximo de cada CADD.
Este caudal es siempre menor que el que se obtendría con todos los hidrantes abiertos (Qt), y la
red nunca demanda ese caudal máximo. Al igual que en la metodología de Clement, puede
obtener el caudal que corresponde a una determinada calidad de funcionamiento (CF), que
llevará asociado un máximo porcentaje de fallos de suministro a la red. Para determinar el caudal
de diseño se supondrá que la distribución de caudales generados en cada uno de los intervalos
en que se ha dividido al JER se ajusta a una distribución normal. De forma similar a la
metodología de Clement, puede aplicarse una CF (por ejemplo CF = 96%) a cada uno de los
caudales generados para cada intervalo. El valor medio de los caudales máximos obtenidos con
las CADD así generadas podrá considerarse como caudal de diseño de la correspondiente línea
en estudio.

Fiabilidad de la estación de bombeo

Para un mismo caudal en cabecera, las necesidades de presión son distintas dependiendo de la
localización de hidrantes abiertos, por ello es muy importante conocer las curvas de demanda
máxima y mínima de la red (Planells et al. 2001 y Planells et al. 2005). Los posibles puntos de
funcionamiento de la red se encuentran entre la curva de demanda más desfavorable (Hmax) y
la más favorable (Hmin) (figura 1)
El estudio de la fiabilidad de la estación de bombeo (EB) que abastece a una red de riego a la
demanda se suele realizar eligiendo aleatoriamente un conjunto de tomas en funcionamiento
simultáneo. Esto da lugar a un caudal en cabecera (Qc) y, al conocer su situación en la red, a la
altura piezométrica (Hc) necesaria para garantizar la presión mínima en los nudos de servicio
(hidrantes de la red). Una vez definida la estación de bombeo, las necesidades de Hc pueden ser
superiores a las que el sistema es capaz de dar para ese caudal Qc, lo que supondrá un fallo de
suministro de la EB.
En la figura 1 se muestra la situación frecuente de dimensionar la estación de bombeo para el
caudal de diseño de Clement, poniéndose de manifiesto la gran proporción de fallos que se pueden
producir en el bombeo por haber elegido una estación de bombeo pequeña. Así, para caudales
demandados en cabecera (Qc) menores que Q1 no habrá fallos de suministro a la red al poder
satisfacer con el bombeo cualquier necesidad de Hc y Qc. Los caudales demandados
comprendidos entre Q1 y Q2 pueden dar lugar a fallos de suministro dependiendo de las
necesidades de Hc asociadas al caudal demandado. Para caudales demandados mayores que Q2,
y hasta el caudal total Qt, siempre habrá fallo de suministro a la red. El nivel de fallos de suministro
a la red dará idea de la fiabilidad de la estación de bombeo dimensionada para dicha red.
También puede estudiarse la fiabilidad de la estación de bombeo a partir de las CADD
generadas para cada uno de los intervalos considerados durante la JER. Fijado un caudal en
cabecera como caudal de diseño Qd, se puede contar el número de veces que dicho caudal no
es superado por el caudal máximo de cada una de las CADD generadas (número de aciertos de
caudal). Con lo anterior se puede obtener una función distribución de aciertos según el caudal
supuesto en cabecera Qd (figura 5).
En la figura 5 se han destacado tres puntos interesantes, que suelen presentarse en muchas
redes de riego por aspersión a la demanda. El punto (a) corresponde al caudal obtenido en
cabecera aplicando la metodología de Clement. El punto (b) corresponde al caudal máximo para
una determinada CF obtenido a partir de la generación de curvas aleatorias de demanda diaria, y
el punto (c) corresponde al caudal total, con todas las tomas abiertas.
Porcentaje

b c
1

0 Caudal
Qinicial QClem. Qmax. Qt

Fig. 5. Función distribución de caudales.

En redes de nueva creación, si se desea la máxima fiabilidad, el diseño de la estación bombeo
se debería realizaría con el caudal próximo al máximo obtenido mediante la generación de
curvas de demanda aleatorias y la altura piezométrica correspondiente a la curva de demanda
máxima (Hmax) (figura 1).

Resultados
El consumo de agua en periodo punta de la alternativa de cultivos implantada en la zona regable
de Tarazona de la Mancha fue de 4,01 mm/día y 4,21 mm/día en 2003 y 2004 respectivamente.
El intervalo ente riegos (Ir, entre 4 y 5 días) y el tiempo de riego (tr, entre 3 y 4 horas)
considerado para el manejo de los principales cultivos de la zona regable son los indicados en la
metodología. El volumen de agua diario a distribuir en periodo punta fue de 25 500 m3 durante la
campaña de riegos de 2003 y 29 800 m3 en 2004.
La jornada efectiva de riego considerada, de acuerdo con el manejo del riego en la zona regable
ha sido de JER= 14 h/día (entre las 20 h y las 9h del día siguiente, sin variación del coste del
agua en esas horas), aunque los sábados, domingos y festivos se puede regar las 24 h. No
obstante, del análisis de tomas abiertas se observa que hay mayor concentración de 5h a 7h de
la madrugada, con cerca del doble de tomas abiertas que en resto de horas disponibles para
regar. Esto es debido a que los agricultores tienden a regar de noche, porque el viento y las
pérdidas por evaporación y arrastre son menores, con lo que programan los riegos con inicio
alrededor de la 4 h de la madrugada y finalización entre las 7h y las 9h, con el fin de poder ver el
final del riego de la parcela. También se ha detectado una concentración del riego los fines de
semana, así como los miércoles y jueves, al coincidir con intervalos de 3 ò 4 días, comenzando
el riego el fin de semana. Así, los fines de semana hay el doble de tomas abierta que los lunes,
martes, o viernes, mientras que los miércoles y jueves hay un 50% más.
De acuerdo con lo observado en la zona regable, el número de sectores en que se ha dividido
cada parcela (Ns) ha sido: 1 sector para parcelas menores de 1 ha; 2 sectores entre 1-3 ha; 3
sectores entre 3-6 ha; y 4 sectores para más de 6 ha.
Del análisis de los caudales circulantes por las líneas de la red, calculados como suma de las
dotaciones de los hidrantes abiertos aguas abajo de la línea, se deduce que no se ajustan bien a
una distribución normal (figura 6) ya que al aplicar el test de Kormogorov-Smirnov resulta un p-
valor menor de 0,05. Algo semejante ocurre al tratar de ajustarlos a una distribución Weibull o
Gamma, aunque visualmente se adapte algo mejor a la distribución Weibull. No obstante, los
caudales de línea obtenidos al aplicar la metodología de las CADD si se ajustan a una
distribución normal.

14-18 Julio 2003 12-16 Julio 2004

150 150
Frecuencia

Frecuencia

Weibull Weibull
120 120
Normal Normal

90 90
60 60
30 30
0 0
0 100 300 500 700 900 1100 0 100 300 500 700 900 1100
Q (l/s) Q (l/s)

Fig. 6. Ajuste de la distribución de caudales en cabecera durante el periodo punta (de lunes a viernes) a
una distribución Normal y Weibull en las campañas de 2003 y 2004.
Los resultados obtenidos con la metodología de las CADD para la línea de cabecera de la red en
2003 y 2004, se muestran en la figura 7, donde aparecerte tanto las curvas de caudales
máximos (Qmax) como las correspondientes a una CF = 96% (Qdiseño).
 Qmax 2003 Qdiseño 2003 Qmax 2004 Qdiseño 2004

1750

Q (l/s)
1500
1250
1000
750 997 l/s 811 l/s
500
250
0
0 5 10 15
JER (h)

Fig. 7. Envolvente de las curvas aleatorias de demanda diarias para 2003 y 2004.
Los caudales de diseño en cabecera de la red, calculados con la ecuación (4) para el método de
Clement y el de las CADD, para una calidad de funcionamiento CF = 96%, se muestran en la
tabla 1 para los años 2003 y 2004, donde se han incluido también los caudales medidos,
calculado como suma de las dotaciones de los hidrantes abiertos aguas abajo. Aunque en estos
resultados no se han tenido en cuenta las concentraciones de tomas abiertas en algunos días de
la semana o en algunas horas del día, los resultados obtenidos con el método de las CADD han
sido muy satisfactorios, no ocurriendo lo mismo al aplicar la metodología de Clement.

Tabla 1. Caudales de diseño (l s-1) calculados con las distintas metodologías en 2003 y 2004.
Año Qdiseño(l s-1) Qdiseño (l s-1) Qc (l s-1)
Clement CADD medido
2003 600,0 811,0 817,7
2004 704,7 997,0 848,7

En la tabla 1 puede observarse como el caudal medido, es semejante al caudal de diseño

obtenido con el método de las CADD en 2003. Para el 2004 el resultado de las CADD es mayor
que el medido, ya que al tratarse de una alternativa de cultivos más exigente, el caudal de diseño
aumenta considerablemente, pero el sistema está limitado por el caudal máximo que es capaz
de dar la estación de bombeo (850 l s-1, aproximadamente). En la figura 8 se muestra un ejemplo
de los periodos en que existió falta de presión en la red, en la campaña de 2004, coincidiendo
con las horas de mayor proporción de tomas abiertas.
Por el contrario, los resultados obtenidos con el método de Clement conducen a una
subestimación del caudal circulante por línea en torno a un 35 % y 41 % para el año 2003 y 2004
respectivamente. Los resultados obtenidos por otros autores (Mora et al. (2000), Abadía (2003)
and Monserrat et al. (2004)) no muestran diferencias tan grandes como las obtenidas en esta
red, estando en torno a un 5-10%. Estas diferencias pueden deberse a la forma en que se
producen las necesidades de riego de la alternativa de cultivo en periodo punta, al tipo de
manejo de la red (con mayor acumulación de tomas abiertas a determinadas horas del día o
determinados días de la semana) o al sistema de riego en parcela. Así, Monserrat et al. (2004),
en Lérida, considera un periodo punta de un mes, y no de una semana como en nuestro caso,
con lo que las necesidades de los cultivos resultan menores. Abadía (2003), estudia una red de
riego por goteo en frutales en Murcia manejados en dos turnos (los hidrantes pares riegan por la
mañana y los impares por la tarde, o al contrario), con lo que los caudales no son tan variables
en el tiempo como en la red de riego por aspersión estudiada en este trabajo.
 6,4
6,3
6,2

H (bar)
6,1
6,0
5,9
5,8
5,7
5,6
5,5
5,4

07/27/2004, 0:00 a 8:00 (cada minuto)

Fig. 8. Ejemplo de la evolución de la presión en cabecera un día del periodo punta de la campaña 2004.
La subestimación de caudales obtenida al aplicar el método de Clement entendemos que tiene
mucho más que ver con la falta de cumplimiento de la hipótesis de igualdad de probabilidad de
apertura de hidrantes a cualquier hora del día y cualquier día de la semana que a la falta de
ajuste de los datos de caudal medido a una distribución normal (figura 6), aunque resulta difícil
poder discriminar el efecto producido sobre el resultado final del incumplimiento de cada una de
las hipótesis.
Los buenos resultados obtenidos al calcular los caudales de diseño en cabecera con el método
de las CADD y compararlos con los caudales medidos, hace pensar que el hecho de no utilizar la
probabilidad media de apertura de hidrantes lo hace poco sensible a la posible concentración de
hidrantes abiertos a determinadas horas del día, quedando englobado este hecho en la
generación aleatoria de hidrantes abiertos, y seleccionar después los valores máximos de caudal
del conjunto de CADD generadas.
Con el método de las CADD se ha estudiado la fiabilidad de la estación de bombeo, y la función
distribución de aciertos, que contiene el porcentaje de CADD cuyo caudal máximo no supera un
determinado caudal de diseño (Qd) fijado previamente en cabecera. La función distribución
resultante se muestra en la figura 9, donde se ha marcado el caudal máximo demandado en la
red (1180 l/s en 2003 y1500 l/s en 2004), el caudal de diseño calculado con el método de las
CADD (811 l/s y 997 l/s en 2003 y 2004 respectivamente) y los caudales de diseño calculados
por la metodología de Clement (600 l/s y 704,7 l/s en 2003 y 2004 respectivamente).

1,0
Frecuencia (decimal)

0,8

0,6

0,4
Q Clement

diseño

Qmax

0,2
Q

0,0
600 811 1180

Caudal (l/s)

Fig. 9. Función distribución de caudales para la campaña de 2003.

Conclusiones
Se ha desarrollado una nueva metodología basada en la simulación aleatoria de hidrantes
abiertos y generación de Curvas Aleatorias de Demanda Diaria que ofrece resultados adecuados
de predicción del caudal de diseño de las líneas de una red de riego a la demanda al
compararlos con los caudales medidos.
La utilización de la metodología de Clément provoca una subestimación de los caudales en
cabecera de la red de hasta un 35-40%. Al analizar la diferencia en los fundamentos de ambas
metodologías se pone de manifiesto que uno de las causas más importantes de la subestimación
de caudales del método de Clement puede ser el que no se cumple la hipótesis de igual
probabilidad de apertura de tomas en los diferentes días de la semana y durante todas las horas
de la jornada efectiva de riego.
Los resultados obtenidos ponen de manifiesto también la gran influencia que tiene el consumo de
agua de los cultivos en periodo punta sobre el caudal de diseño en cabecera. Aspecto clave para
dimensionar adecuadamente la estación de bombeo y no tener fallos en el suministro de la red.
Este periodo punta debe corresponder a unos pocos día, una semana en nuestro caso, y puede
haber diferencias significativas si se utilizan periodos muy grandes como puede ser un mes.
Los fallos en el suministro de agua a la red detectados en el periodo punta de la campaña 2004
ponen de manifiesto la importancia de disponer de procedimientos adecuados para estimar los
caudales y presiones necesarios en la estación de bombeo. El método de las CADD y la
determinación de las curvas de demanda máxima y mínima de la red constituyen dos
herramientas fundamentales para dar respuesta a ese tema.

Agradecimientos
Este trabajo de investigación ha sido financiado por el proyecto “Manejo eficiente del agua de
riego y la energía en zonas semiáridas (ref. AGL2001-1180-C02-01), del Plan de I+D del
Ministerio de Ciencia y Tecnología.

Simbolos
qdi = dotación de cada hidrante
Ir = intervalo entre riegos
n = número de hidrantes aguas abajo de la línea
Nd = número de días necesarios para regar la parcela
Ns = número de sectores en que se ha dividido cada parcela
Nsd = numero de sectores regados en un día en una parcela
CF = Calidad de funcionamiento
JER = Jornada Efectiva de Riego
pd = probabilidad de que un hidrante esté abierto un día concreto
pi = probabilidad de que un hidrante esté abierto
Qc = Caudal en cabecera
Qd = Caudal de diseño
Qr = Caudal continuo por una tubería
Qt = Caudal total, con todos ,os hidrantes abiertos
td = tiempo medio de riego al día
tp tiempo de riego de la parcela
tr = tiempo de riego de un sector
trd = tiempo de riego al día de una parcela
U = percentiles de la función de distribución normal asociados a una CF
Vd = volumen de agua que debe ser distribuido cada día
= Media de la población
= Desviación típica
Referencias bibliográficas
Abadía R., 2003. Optimización del diseño y gestión de redes colectivas de distribución de agua para riego
por goteo de cultivos leñosos. Aplicación al regadío de Mula (Murcia). Tesis Doctoral. Escuela
Politécnica Superior de Orihuela. Universidad Miguel Hernández.
Aliod R., Eizaguerri A., Estrada C., Perna E., 1997. Dimensionado y análisis hidráulico de redes de
distribución a presión en riego a la demanda: aplicación del programa GESTAR. Riegos y Drenajes
XXI, 92:22-38.
Clément R., 1966. Calcul des débits dans le réseaux d’irrigation fonctionnant á la demande. La Houille
Blanche. 5: 553-575.
Clément, R. and Galand, A., 1986. El riego por aspersión y las redes colectivas de distribución a presión.
Editores Técnicos Asociados.
Granados A., 1990. Infraestructuras de regadíos: redes colectivas de riego a presión (2ª edición). E.T.S.
Ingenieros de Caminos, Canales y Puertos. Universidad Politécnica de Madrid. Madrid. Spain.
Labye Y., Olson M.A., Galand A., Tsiourtis N., 1988. Design and optimization of irrigation distribution
networks. FAO Irrigation and Drainage, 44. Roma. Italy.
Lamaddalena N., Sagardoy J.A., 2000. Performance analysis of on-demand pressurized irrigation
systems. FAO Irrigation and Drainage, 59. Roma. Italy.
Maidment D.R., Hutchinson P.D., 1983. Modeling water demands of irrigantion projects. Journal of
Irrigation and Drainage Division. ASCE. 109 (4): 405-418.
Mavropoulos T.I., 1997. Sviluppo di una nuova formula per il calcolo delle portate di punta nelle reti irrigue
con esercizio alla domanda. Rivista di Irrigazione e Drenaggio. 44(2): 27-35.
Monserrat J, Poch R., Colomer M.A., Mora F., 2004. Análisis of Clément’s First Formula for Irrigation
Distribution Networks. Journal of Irrigation and Drainage Engineering. 130: 2.
Mora F., Monserrat J., Cots Ll., Colomer M.A., 2000. Contrastación de la metodología de Clément en una
red de distribución a presión a la demanda en Alcarrás, Lleida. XVIII Congreso Nacional de Riegos.
Huelva. Spain.
Pereira L.S., Texeira J.L., 1994. Modeling for irrigation delivery scheduling: Simulation of demand at
sector level with models ISAREG and IRRICEP. Irrigation Water Delivery Models, 2:13-32. FAO.
Roma. Italy.
Planells P., Tarjuelo J.M., Ortega J.F., Casanova M.I., 2001. Design of water distribution networks for on-
demand irrigation. Irrigation Science 20:189-2001.
Planells P., Carrión P.A., Ortega J.F, Moreno M.A., Tarjuelo J.M., 2005. Pumping selection and regulation
for water distribution networks. Journal of Irrigation and Drainage Engineering. 131(3):273-281.
Pulido I., López R., Roldan J., 1998. Caracterización horaria y estacional de la demanda en una red de
distribución de agua para riego. XVI Congreso Nacional de Riegos. Palma de Mallorca. Spain.
Reca J., Martínez J., Zapata A., López J.G., Callejón J.L., 1999. Estimación de caudales circulantes en
redes de distribución de agua a presión, ramificadas y a la demanda para sistemas de cultivos
intensivos. Actas del VII Congreso Nacional de Riegos, AERYD, Murcia. Spain.
Rossman L.A.., 2000. EPANET 2. Users Manual. Water supply and Water Resources Division National
Risk Management Research Laboratory. U.S. Enviromental Protection Agency. Cincinati. USA.