Documento-Final Corregido 20 f-1

CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y FRECUENCIA EN EL
MUNICIPIO DE ARJONA, BOLIVAR (1999 – 2020)
CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y

FRECUENCIA EN EL MUNICIPIO DE ARJONA, BOLIVAR (1999 – 2020)
LUIS MICHAEL TORNE ANGULO

Autor
ING. ALFONSO ARRIETA PASTRANA

Director
UNIVERSIDAD DE CARTAGENA
FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA CIVIL
CARTAGENA DE INDIAS D.T y C.
2023
1
CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y

FRECUENCIA EN EL MUNICIPIO DE ARJONA, BOLIVAR (1999 – 2020)
LUIS MICHAEL TORNE ANGULO

Autor
Informe final de Trabajo de Grado como requisito para obtener el título de ingeniero
civil
ING. ALFONSO ARRIETA PASTRANA

Director
HIDRAULICA Y MANEJO COSTERO (GIHMAC)

Grupo de investigación
REGIONALIZACIÓN DE PARAMETROS HIDROLÓGICOS

Línea de investigación
UNIVERSIDAD DE CARTAGENA
FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERIA CIVIL
CARTAGENA DE INDIAS D. T y C
2023
2
3
TABLA DE CONTENIDO
1. RESUMEN ..................................................................................................................... 9
2. ABSTRACT ................................................................................................................. 10
3. INTRODUCCIÓN ........................................................................................................ 11
4. MARCO DE REFERENCIA ....................................................................................... 13
4.1 ANTECEDENTES Y ESTADO DEL ARTE ....................................................... 13
4.2 MARCO TEORICO .............................................................................................. 15
4.2.1 MEDICIÓN DE LA LLUVIA ........................................................................ 16
4.2.2 CURVAS DE INTENSIDAD, DURACIÓN Y FRECUENCIA (IDF) ......... 20
4.2.3 CURVAS IDF SINTÉTICAS REGIONALIZADAS: METODOLOGÍA DE
VARGAS Y DIAZ – GRANADOS (1998) ................................................................. 23
4.2.4 RELACIONES DURACIÓN LLUVIA PROMEDIO ................................... 25
4.2.5 FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD ......................... 25
4.2.6 ESTIMACIÓN DE DATOS FALTANTES (HOMOGENEIZACIÓN DE
SERIES) ....................................................................................................................... 26
4.2.7 MÉTODO BOOTSTRAP PARA EL CÁLCULO DE INCERTIDUMBRES
28
5. OBJETIVOS ................................................................................................................. 31
5.1 OBJETIVO GENERAL ......................................................................................... 31
5.2 OBJETIVOS ESPECIFICOS ................................................................................ 31
6. ALCANCE ................................................................................................................... 32
6.2 LIMITACIONES ........................................................................................................ 34
7. METODOLOGÍA......................................................................................................... 35
7.1 OBTENCIÓN Y ANALISIS DE INFORMACIÓN PLUVIOMETRICA ............ 36
7.2 IDENTIFICACIÓN DE PRECIPITACIONES MAXIMAS EN 24 HORAS ....... 36
7.3 ESTIMACIÓN DE DATOS FALTANTES .......................................................... 36
7.3.1 ESTIMACIÓN DEL ERROR ........................................................................ 37
7.4 METODOLOGÍA PARA LA CONSTRUCCIÓN DE LAS CURVAS IDF ........ 37
7.5 COMPARACIÓN ENTRE CURVAS IDF: VALIDACIÓN DEL MODELO ..... 37
8. RESULTADOS Y DISCUCIÓN ................................................................................. 39
8.1 OBTENCIÓN Y ANALISIS DE INFORMACIÓN PLUVIOMETRICA ............ 39
8.2 IDENTIFICACIÓN DE PRECIPITACIONES MÁXIMAS EN 24 HORAS ....... 39
8.3 ESTIMACIÓN DE DATOS FALTANTES .......................................................... 40
4
8.4 CONSTRUCCIÓN DE LAS CURVAS IDF ......................................................... 45

8.4.1 CÁLCULO DE LAS PRECIPITACIONES MÁXIMAS EN 24 HORAS EN
EL MUNICIPIO DE ARJONA .................................................................................... 45
8.4.2 AJUSTE DE DATOS A LA FUNCIÓN DE PROBABILIDAD GUMBEL . 48
8.4.3 ELABORACIÓN DE LAS CURVAS IDF .................................................... 49
8.5 VALIDACIÓN DEL MODELO ........................................................................... 55
8.5.1 ANÁLISIS PORCENTUAL........................................................................... 55
8.5.2 ANÁLISIS BOOTSTRAP .............................................................................. 60
9. CONCLUSIONES ........................................................................................................ 75
10. RECOMENDACIONES ........................................................................................... 76
BIBLIOGRAFIA .................................................................................................................. 77
5
TABLA DE ILUSTRACIONES
Ilustración 1: Tipos de Pluviómetro.................................................................................... 17
Ilustración 2: Pluviómetro de Probeta ................................................................................ 18
Ilustración 3: Pluviómetro de Reglilla ................................................................................ 19
Ilustración 4: Pluviógrafo ................................................................................................... 20
Ilustración 5: Modelo de Presentación de una Curva IDF .................................................. 21
Ilustración 6: División Regional de Colombia.................................................................... 24
Ilustración 7: Esquema General del Método Bootstrap ...................................................... 29
Ilustración 8: Ubicación Geográfica de Arjona .................................................................. 32
Ilustración 9: Localización Geográfica de las Estaciones Meteorológicas......................... 33
Ilustración 10: Portal Web del IDEAM para Consulta y Descarga de Datos ..................... 36
Ilustración 11: Trazado de líneas para medir las distancias con respecto a CIOH ............. 44
Ilustración 12: Localización Geográfica del Centroide ...................................................... 46
Ilustración 13: Localización de las Estaciones con Respecto al Centroide Geográfico de
Arjona ................................................................................................................................... 46
6
INDICE DE TABLAS
Tabla 1: Parámetros Acordes a cada Región ....................................................................... 24
Tabla 2: Cocientes de Lluvia de Duración de 24 Horas ...................................................... 25
Tabla 3: Relaciones duración lluvia promedio para la estación A. Rafael Núñez .............. 25
Tabla 4: Años de Ausencia de Información ........................................................................ 39
Tabla 5: Datos de Precipitaciones Máximas en 24 horas (mm) .......................................... 39
Tabla 6: Procesamiento de datos para la estación Sincerín ................................................. 41
Tabla 7: Sistema de Ecuaciones lineales de Forma Matricial para la Estimación de Datos
de Sincerín ............................................................................................................................ 41
Tabla 8: Valores de los coeficientes de la regresión lineal múltiple aplicada a Sincerín .... 41
Tabla 9: Resultado de las Estimaciones para Sincerín y Cálculos Preliminares para el
Coeficiente R2 ....................................................................................................................... 42
Tabla 10: Resultado de las Estimaciones para CIOH y Cálculos Preliminares para el
Coeficiente R2 ....................................................................................................................... 43
Tabla 11: Datos estimados para la Estación CIOH por el método US Weather Service.
Datos Finales de Precipitaciones Máximas en 24 Horas. ..................................................... 44
Tabla 12: Distancias con respecto al Centroide Geográfico ............................................... 47
Tabla 13: Promedio de las P. máximas en 24 horas para cada año ..................................... 47
Tabla 14: Parámetros de la Distribución Gumbel ............................................................... 48
Tabla 15: Precipitaciones Máximas en 24 para cada Periodo de Retorno .......................... 48
Tabla 16: Estimación de la Distribución de la Lluvia a partir de las Pmax 24 horas .......... 49
Tabla 17: Puntos Representativos de las Curvas IDF del Municipio de Arjona ................. 49
Tabla 18: Resultados del ajuste para T=2 años ................................................................... 50
Tabla 19: Valor Estimado de las Variables “n” y Ln(z) ...................................................... 51
Tabla 20: Parámetros para la Ecuación de Intensidad de Aparicio (1997) ......................... 51
Tabla 21: Puntos Representativos del modelo las Curvas IDF del Municipio de Arjona ... 52
Tabla 22: Puntos Representativos de las Curvas Sintéticas IDF para Arjona ..................... 54
Tabla 23: Errores Porcentuales para T=2 años .................................................................... 56
Tabla 24: Errores Porcentuales para T=5 años .................................................................... 56
Tabla 25: Errores Porcentuales para T=10 años .................................................................. 57
Tabla 29: Error Porcentual para T=100 años ...................................................................... 59
Tabla 30: Proceso Bootstrap: parte 1................................................................................... 61
Tabla 31: Proceso Bootstrap: parte 2................................................................................... 61
Tabla 32: Parámetros Estimados en el Bootstrap ................................................................ 62
Tabla 33: Intensidades Máximas para el límite inferior ...................................................... 62
Tabla 34: Intensidades Máximas para el Límite Superior (1999 - 2020) ............................ 63
Tabla 35: Proceso Bootstrap para el modelo de Vargas y Díaz – Granados # 1 ................. 65
Tabla 36: Proceso Bootstrap para el modelo de Vargas y Díaz – Granados # 2 ................. 65
Tabla 37: Promedio estimado a partir del Bootstrap ........................................................... 66
7
Tabla 38: Intensidades Máximas para límite inferior (modelo Varga y Díaz – Granados) 66
Tabla 39: Intensidades máximas para el límite Superior (modelo Vargas & Diaz –
Granados) ............................................................................................................................. 67
Tabla 40: Incertidumbres para periodos de retorno de 2, 10 y 100 años ............................ 73
8
1. RESUMEN
En el presente estudio se realizó una construcción de las curvas IDF para el municipio de
Arjona por análisis de precipitaciones máximas en 24 horas y por la metodología regional
propuesta por Vargas & Díaz – Granados, y con base a las ecuaciones de intensidad
generadas se desarrolló un análisis comparativo para evaluar la diferencia entre ambos
modelos. Este estudio es de gran importancia ya que permite determinar, para el municipio
de Arjona, los parámetros de diseño que se requieren para la planeación de obras de drenaje,
y también para estudios complementarios de diversos proyectos de ingeniería que se vayan
a ejecutar en ese municipio. Para la ejecución de este estudio se realizó una recopilación y
obtención de información secundaria de registros pluviométricos suministrados por el
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM) de las estaciones
Arjona, Aeropuerto Rafael Núñez, Escuela Naval (CIOH) y Sincerín, referente todas estas a
las precipitaciones diarias de la serie histórica de 1999 a 2020, y adicionalmente, información
procesada por el IDEAM y Vargas & Díaz – Granados (1998). Analizada la información, se
procedió a identificar las precipitaciones máximas en 24 horas y luego se aplicó la función
de distribución de probabilidad de valor extremo Gumbel para determinar las Precipitaciones
máximas para cada periodo de retorno. Posteriormente, haciendo uso de las relaciones o
modelos de estandarización de lluvias de duración de 24 horas de la estación Aeropuerto
Rafael Núñez, se calcularon las intensidades máximas para cada duración y periodo de
retorno escogidos y finalmente se determinaron, mediante regresiones, los parámetros de la
ecuación de intensidad propuesta por Aparicio (k=267.96; m=0.1377; C=0.4149), para así
obtener las curvas IDF. También, se elaboró las curvas IDF usando el modelo regional
anteriormente mencionado, donde los parámetros designados para la región caribe fueron
A=24.85; B=0.22; C=0.5; D=0.1. Con esta información, a través de análisis de error y por el
método Bootstrap, se evaluó la confiabilidad de ambos modelos en términos de
incertidumbres y errores porcentuales. En esta fase de la investigación se determinó que la
discrepancia promedio máxima observada entre ambos modelos es de 19.61% y además se
encontró que las intensidades determinadas por la metodología regional de Vargas & Díaz –
Granados presentan menor incertidumbre y por tanto es un modelo matemático ideal para ser
usado como parámetro de diseño.
9
2. ABSTRACT
In the present study, a construction of the IDF curves for the municipality of Arjona was
carried out by analysis of maximum rainfall in 24 hours and by the regional methodology
proposed by Vargas & Díaz - Granados, and based on the intensity equations generated, a
comparative analysis to evaluate the difference between both models. This study is of great
importance since it allows to determine, for the municipality of Arjona, the design parameters
that are required for the planning of drainage works, and also for complementary studies of
various engineering projects that are going to be executed in that municipality. For the
execution of this study, a compilation and obtaining of secondary information was carried
out from rainfall records provided by the Institute of Hydrology, Meteorology and
Environmental Studies (IDEAM) of the Arjona, Rafael Núñez Airport, Naval School (CIOH)
and Sincerín stations, a reference all these to the daily rainfall of the historical series from
1999 to 2020, and additionally, information processed by IDEAM and Vargas & Díaz -
Granados (1998). Once the information was analyzed, the maximum rainfall in 24 hours was
identified and then the Gumbel extreme value probability distribution function was applied
to determine the maximum rainfall for each return period. Subsequently, using the
relationships or standardization models of 24-hour rainfall from the Rafael Núñez Airport
station, the maximum intensities for each selected duration and return period were calculated
and finally the parameters of the rainfall were determined through regressions intensity
equation proposed by Aparicio (k=267.96; m=0.1377; C=0.4149), in order to obtain the IDF
curves. Also, the IDF curves were developed using the previously mentioned regional model,
where the parameters designated for the Caribbean region were A=24.85; B=0.22; C=0.5;
D=0.1. With this information, through error analysis and the Bootstrap method, the reliability
of both models in terms of uncertainties and percentage errors was evaluated. In this phase
of the investigation, it was determined that the maximum average discrepancy observed
between both models is 19.61% and it was also found that the intensities determined by the
regional methodology of Vargas & Díaz - Granados present less uncertainty and therefore it
is an ideal mathematical model to be used as a design parameter.
10
3. INTRODUCCIÓN
Arjona es un municipio del departamento de Bolívar que se encuentra ubicado cerca del área
de influencia del complejo de humedales y ciénagas de la región media del Canal del Dique,
posee 566 km2 de extensión territorial y de acuerdo al censo poblacional realizado por el
Departamento Administrativo Nacional de Estadística (DANE) en el año 2015 hay 72514
habitantes.
A lo largo de su historia, el municipio de Arjona ha presentado problemas de inundaciones
de origen torrencial en las zonas urbanas y rurales debido a la carencia, en gran parte de su
extensión territorial, de obras de drenaje que permitiesen minimizar considerablemente este
riesgo (Alcaldia de Arjona, 2020). En épocas invernales también se han presentado eventos
similares en corregimientos cercanos a los valles aluviales del Canal del Dique a causa del
desbordamiento del canal, lo que ha provocado en la mayoría de los casos grandes pérdidas
materiales (CARDIQUE, CARSUCRE, CORMAGDALENA y UAESPNN, 2007).
De acuerdo a lo establecido en el Plan de Desarrollo Municipal 2016 – 2019, el municipio de
Arjona carece de un sistema de información geográfica ambiental, cartografía de cobertura
vegetal, cuencas hidrográficas y áreas protegidas que permitan diseñar de forma adecuada una
política pública de atención y prevención de desastres, y por tanto un plan de gestión del riesgo
ante eventos naturales extremos.
En consecuencia, es importante desarrollar en el municipio de Arjona un estudio que permita
determinar el comportamiento de las precipitaciones, debido a que este es el principal factor
que esta intrínsecamente relacionado con los eventos extremos. Una de las metodologías más
empleadas para analizar este parámetro hidrológico son las curvas IDF, ya que a través de
esta se pueden conocer las intensidades máximas que pueden ocurrir con base a la duración
de la lluvia y un periodo de retorno establecido.
Según el Instituto de Hidrología, Meteorología y de Estudios Ambientales (IDEAM)
actualmente el municipio cuenta con dos estaciones meteorológicas: Arjona y Sincerín. La
estación Arjona, aunque data del año 1961, solamente dispone de información referente a las
series diarias, lo que significa que esta estación no ha realizado mediciones de manera horaria
(o por minuto) y por tanto no expresa las variaciones de las precipitaciones. Por esta razón,
el IDEAM no posee información oficial sobre las curvas de intensidad, duración y frecuencia
para este municipio. La estación Sincerín posee información pluviométrica desde el año
1963, y hasta el año 2013 poseía las mismas características de medición que la estación
Arjona. Para tener una mayor cobertura e información sobre las mediciones meteorológicas
que permitiesen, en un futuro, caracterizar hidrológica y climatológicamente a esta región,
se actualizó en el año 2013 la estación pluviométrica de Sincerín por una automática por
telemetría.
Por otro lado, la Universidad de Cartagena y la comunidad científica a nivel mundial han
realizado diversos estudios concernientes a la elaboración y actualización de las curvas IDF,
variando en la mayoría de los casos la disponibilidad de la información, la estimación de
11
series de datos faltantes, el rango de cobertura de las estaciones, la influencia del cambio
climático, entre otros (Gutiérrez y Barragán, 2019). Cabe destacar que se han realizado
investigaciones que han tenido como objetivo principal elaborar curvas IDF sintéticas
regionalizadas a partir cientos de curvas IDF de diversas zonas cercanas. Este tipo de
investigaciones han permitido ejecutar proyectos de obras de captación de baja complejidad
para ciudades o municipios que no cuentan con registros de caudal ni tampoco con registros
pluviométricos (RAS, 2004).
Debido a esto, la presente investigación tiene como finalidad elaborar las curvas IDF para el
municipio de Arjona con base en los registros pluviométricos de las estaciones Arjona,
Aeropuerto Rafael Núñez, Escuela Naval (CIOH) y Sincerín, mediante el modelo de
probabilidad de valores extremos Gumbel y, además, comparar las ecuaciones de intensidad
obtenidas con las ecuaciones desarrolladas y producidas por curvas IDF regionalizadas con
la metodología de Vargas y Díaz - Granados (1998).
Esta investigación hace énfasis en la Regionalización de Parámetros Hidrológicos, la cual es
una de las áreas temáticas que maneja el grupo de investigación Hidráulica y Manejo Costero
(GIHMAC) de la Universidad de Cartagena, ya que este estudio tiene como propósito
determinar los parámetros hidrológicos que permitirán caracterizar de forma regional y
generalizada el comportamiento de las precipitaciones de la zona de estudio.
12
4. MARCO DE REFERENCIA
4.1 ANTECEDENTES Y ESTADO DEL ARTE

Las curvas IDF han sido objeto de múltiples estudios a nivel mundial ya que estas, además
de ser una herramienta fundamental para el diseño de estructuras hidráulicas, permiten en
conjunto con otras herramientas explicar las diversas relaciones entre las variables climáticas
con los eventos de lluvias extremas (Pulgarin y Poveda, 2008).
No obstante, la carencia y/o el déficit de información con respecto a las series diarias y las
series temporales de los registros de precipitación han dificultado la realización de este
modelo y, consecuentemente, ha orientado a muchos investigadores a desarrollar curvas IDF
sintéticas generalizadas que, a pesar de describir de forma aproximada el comportamiento y
la magnitud de las lluvias extremas, muestran un margen de error del 15% a 25% con relación
a las curvas IDF realizadas con metodologías tradicionales (Villamizar, Rodriguez y
Villarreal, 2018).
Haciendo énfasis en las discrepancias mencionadas, en algunas investigaciones han
desarrollado estimaciones de datos faltantes con la finalidad de rellenar las series de registros
utilizados para la obtención de las curvas IDF, considerando previamente los resultados de
las validaciones de los métodos de relleno con el fin de minimizar los errores y no sesgar los
resultados de las estimaciones (Gutiérrez y Barragán, 2019).
Cuando no se dispone de información horaria, muchos autores proponen la utilización de
relaciones o modelos de estandarización de lluvias de 24 horas (o también denominados
relaciones duración lluvia promedio) para estimar las intensidades de lluvia para cada
duración en función de los datos o registros de precipitaciones máximas en 24 horas
(Campos, 1978).
Con el propósito de sustentar documentalmente la presente investigación, a continuación, se
referencian algunos estudios orientados al manejo estadístico de los datos meteorológicos
(selección, estimación y extensión de series, homogeneización de datos) y a las metodologías
planteadas para la elaboración de curvas IDF, resaltando a su vez sus aportes a esta línea de
investigación.
En la investigación desarrollada por Toro, Arteaga, Vazquez e Ibañez (2015) los autores
determinaron la confiabilidad de los métodos de relleno U.S National Weather Service (WS),
deductivo racional (RD), regresión múltiple (RM) y regresión lineal (RL) para estimar y
rellenar la información de las series diarias de precipitación, temperatura máxima y
temperatura mínima en el periodo 2006-2009 de las estaciones Doña Angela, Magdalena,
Manzano, Salpicón, San Jacinto, Tapartó y Tarena ubicadas en la zona norte del eje bananero
del Urabá Antioqueño, tomando como referencia la estación Pista Indira. Antes de realizar
el proceso de cálculo, los investigadores identificaron el porcentaje de datos perdidos al igual
que los periodos de tiempo en donde se presentaba ausencia de información con el propósito
de elegir de forma correcta las variables independientes para el desarrollo de las
estimaciones. El cálculo del error de las estimaciones se hizo con la raíz cuadrada del error
13
medio cuadrático (RCCME), error medio absoluto (MAE), error relativo e índice de
concordancia de Wilmot (d).
Los autores eligieron el método WS como el mejor método para el relleno de los datos
faltantes de las 7 estaciones mencionadas porque, a pesar de que la estimación de las variables
precipitación, temperatura máxima y temperatura mínima presentaran estadísticos RE,
RCCME y MAE similares en los métodos RD, RM, WS y RL, el mayor valor del índice (d)
se tuvo con el método WS. Además, los métodos RM y RL fueron descartados ya que
presentaron bajos coeficientes de determinación.
Similarmente, Gallegos, Arteaga, Vazquez, y Juarez (2016) realizaron estimaciones de datos
correspondientes a las series diarias de precipitación, temperatura máxima y temperatura
mínima de 6 estaciones ubicadas en San Luis Potosí, México, en donde los investigadores
concluyeron que el método WS presentaba mejores estadísticos con relación a los métodos
racional deductivo y relación normalizada.
Con relación al desarrollo de curvas IDF, Silveira et al. (2014) realizaron una actualización
de las curvas IDF para el departamento de Montevideo, Uruguay tomando como base los
registros pluviográficos correspondientes al periodo 1906 – 2005. En esta investigación se
hizo un análisis comparativo entre los valores de intensidad generados con los resultantes en
trabajos anteriores, y a partir de ese proceso se pudo concluir que dicha actualización no
reporto diferencias significadas que indicaran algún cambio en el régimen de lluvias más, sin
embargo, si se considera el periodo 1981 – 2005 las curvas presentaron una disminución
hasta del 20% en los valores de intensidad máximos para periodos de retorno de 20, 30 y 50
años, excepto para tormentas de corta duración, en donde se evidencio un aumento de igual
magnitud en las intensidades máximas para los periodos de retorno mencionados.
En la ciudad de Cartagena, Herrera y Llamas (2018) desarrollaron una actualización de las
curvas IDF de la estación Aeropuerto Rafael Núñez para el periodo 1970 – 2016, en donde
se evaluó la tendencia de cambio de las precipitaciones y de las intensidades, y también se
compararon los resultados obtenidos de las curvas IDF graficadas con las metodologías de la
Universidad de Cartagena 1995 y 2008, las del IDEAM 2016, las de la Universidad
Tecnológica de Bolívar 2012 y las de TECNAR 2017.
En cuanto a las relaciones duración lluvia promedio, Suares, Sepúlveda , Patarroyo, y Canaria
(2020) elaboraron las curvas IDF (con base a las relaciones de lluvias de 24 horas propuestas
por Campos (1978)) para las estaciones Chiquiza, ECFA, El Encanto y Combita, las cuales
se encuentran localizadas sobre la cuenca del Rio Chicamocha. Este estudio se hizo con el
fin de obtener informacion relevante para resolver problemas de inundaciones y estimar
volumenes de agua lluvia para cultivos, de tal manera que los entes gubernamentales y
empresas privadas tomen decisiones acertadas sobre la inversion agricola y ganadera.
Con respecto a las curvas IDF sintéticas generalizadas para Colombia, Villamizar et al.
(2018) crearon una calculadora de curvas IDF en el lenguaje de programación R- estudio
para determinar curvas IDF en sitios donde la información pluviográfica es escasa. La
calculadora está fundamentada en las metodologías sintéticas regionales propuestas por Chen
14
(1983), Vargas y Díaz - Granados (1998), y también incluye la metodología de

escalonamiento y la metodología Max – Stable Process.
En Dinamarca, Madsen, Arnbjerg - Nielsen, y Steen (2009) hicieron una actualización de las
curvas IDF regionales con base a la serie histórica de lluvias de 1997 a 2005 y realizaron una
comparación con el modelo anterior que está basada en los registros que datan entre 1979 a
1997. En el análisis observaron una importante variabilidad regional de las características de
precipitación extrema, que en parte puede explicarse por los patrones de precipitación media
anual y en la división regional del país (occidental y oriental). Concretamente, observaron un
aumento en el orden del 10% de las precipitaciones máximas para las duraciones
comprendidas entre 30 min y 180 min.
Por otro lado, es importante mencionar que todo modelo estadístico de predicción presenta
incertidumbres que pueden traducirse en riesgos asociados a la sobrestimación o a la
infravaloración de una magnitud, lo cual puede conllevar a grandes pérdidas económicas y
materiales (Llamas, 1986). Desde el punto de vista aleatorio, la incertidumbre puede
obtenerse a través del marco frecuentista y el marco bayesiano.
En el estudio realizado por Melese, Blanchet y Molinie (2017), los autores estimaron
mediante el marco frecuentista y la estructura bayesiana la incertidumbre de las curvas IDF
de 405 estaciones ubicadas en la región sur de Francia (100.000 km2) cuyos datos se
remontan en la década de 1980. En el marco frecuentista, las incertidumbres se obtuvieron a
partir de la densidad gaussiana derivada del teorema de normalidad asintótica de máxima
verosimilitud y también se calculó a través del procedimiento Bootstrap. Desde el marco
bayesiano, las incertidumbres fueron determinadas a partir de funciones de densidad de
probabilidad posteriores.
Los investigadores concluyeron que: el marco bayesiano es más robusto que el frecuentista
en el punto de partida del procedimiento de estimación, las densidades de probabilidad
posterior y Bootstrap son capaces de ajustar mejor la estimación de la incertidumbre a los
datos que la densidad gaussiana, y la densidad Bootstrap da intervalos de confianza
irrazonables, en particular para intensidades asociadas a un gran período de retorno (entre
200 y 300 años). Por lo tanto, los autores recomiendan el uso del marco bayesiano para
calcular la incertidumbre.
Por último, en la investigación realizada por Feng Huang, Mirzaei y Mat Amin (2016), los
investigadores estimaron la incertidumbre en las curvas IDF basadas en cuantiles históricos
de precipitación extrema de diferentes estaciones en la cuenca del río Langat, Malasia. Se
usó el método Bootstrap para determinar los intervalos de confianza de los parámetros de la
distribución de probabilidad utilizada para el ajuste de los datos de las series.
4.2 MARCO TEORICO

Con el fin de sustentar teóricamente esta investigación a continuación se definirán algunos
conceptos básicos.
15
La precipitación es el proceso a través del cual el agua o cualquier forma de humedad cae
desde la atmosfera a la superficie terrestre (Chow, Maidment, y Mays, 1994). Las
precipitaciones pueden generarse mediante diversos procesos climatológicos y atmosféricos
como: la convergencia intertropical (ZCIT), sistemas de alta presión, ondas del Este del
Caribe, vaguadas de latitudes medias, características de Mesoescala, ciclones tropicales,
vaguada tropical de la alta troposfera (TUTT), la convergencia del Atlántico Sur (ZCAS), la
bajada anclada de Panamá, las corrientes en chorro y los frentes fríos (Guzman, Ruiz, &
Cadena, 2014) (Mouthon, 2018).
La intensidad (I) es la tasa o la variación de la precipitación con respecto al tiempo y se
expresa como I = P/Td, donde P es la altura o la profundidad de la precipitación en mm o
pulg y Td corresponde a la unidad de tiempo, por lo general en horas (Chow et al., 1994).
La duración es el tiempo que tarda un evento de precipitación sobre una región determinada
(Aparicio, 1992).
La frecuencia es el número de veces en promedio que un evento de precipitación de cierta
magnitud es igualada o excedida en un determinado número de años (Arrieta, 2014).
El Periodo de Retorno se define como el intervalo de tiempo o el número de años en
promedio en que la magnitud de un evento extremo es igualada o excedida una vez (INVIAS,
2009).
El periodo de retorno T puede definirse en función de la probabilidad de ocurrencia del
evento mediante la siguiente expresión:
1 1
𝑇= = 𝑒𝑐𝑢. 1
𝑃(𝑋 ≥ 𝑥𝑖 ) 1 − 𝑃(𝑋 ≤ 𝑥𝑖 )
Se pueden estimar como:
𝑛+1 𝑛
𝑇= 𝑜 𝑇= 𝑒𝑐𝑢. 2
𝑚 𝑚
Donde n es el número de años del registro y m el número de orden de la lluvia (Arrieta, 2014).
4.2.1 MEDICIÓN DE LA LLUVIA

La medición de la lluvia se realiza a través de medidores sin registro y medidores con registro.
Un medidor sin registro o pluviómetro es un aparato que mide manualmente, en intervalos
de tiempo mayores, la altura de la precipitación. Generalmente se utiliza para hacer
mediciones diarias y está compuesto por un colector situado encima de un embudo el cual
lleva el agua a un tanque graduado en mm o pulg (Chow et al., 1994). Según World
Meteorological Organization (2018) y (2011), los pluviómetros tienen diferentes formas
dependiendo del grado de exposición al viento de la estación durante la tormenta, como se
puede aprecian en la ilustración 1.
16
Ilustración 1: Tipos de Pluviómetro
Fuente: WMO, 2018

Existen dos métodos para medir la lluvia en el pluviómetro:
• Con una probeta
• Con una reglilla
El primer método es más conveniente para lecturas diarias, mientras que el segundo se usa
para mediciones semanales o mensuales. Estos pluviómetros se muestran en las ilustraciones
2 y 3.
Las observaciones en el pluviómetro se realizan diariamente a las 7 am. La cantidad de lluvia
caída en un día se cuenta desde las 7 am de ese día hasta las 7 am del día siguiente (HIMAT,
1987).
17
Ilustración 2: Pluviómetro de Probeta

Fuente: https://www.intesco.com.co/sabes-en-que-se-diferencian-un-pluviometro- y-un-
pluviografo/
18
Ilustración 3: Pluviómetro de Reglilla

Fuente: https://www.myminstrumentostecnicos.com/producto/pluviometro-profesional-
89018/#product-gallery-618ed44b9d61b
Los medidores con registro o pluviógrafos son instrumentos que realizan mediciones de
manera continua de la lluvia, con el fin de determinar las horas de comienzo y terminación
de la tormenta y también para determinar la intensidad de la misma en todo momento
(HIMAT, 1987).
El pluviógrafo consta de un embudo en la parte superior donde recolecta el agua lluvia hasta
un reservorio en el cual se encuentra un flotador, que sube verticalmente a medida que el
nivel del agua aumenta. Este movimiento se convierte en el desplazamiento de la pluma sobre
un papel grafico colocado sobre un tambor giratorio, el cual registra la altura de la
precipitación con respecto al tiempo. Como se muestra en la ilustración 4, el pluviógrafo
dispone de un mecanismo que permite desocupar de forma automática el reservorio cada vez
que esté lleno y, por consiguiente, el flotador vuelva a la parte baja del diagrama o del
pluviograma.
El pluviograma es un registro gráfico y cronológico que muestra la distribución temporal de
cada evento de precipitación y a partir de este se pueden obtener las intensidades de la lluvia
en cada instante.
19
Ilustración 4: Pluviógrafo
Fuente: https://www.intesco.com.co/sabes-en-que-se-diferencian-un-pluviometro- y-un-
pluviografo/
4.2.2 CURVAS DE INTENSIDAD, DURACIÓN Y FRECUENCIA (IDF)

Las curvas de intensidad, duración y frecuencia es un modelo matemático que relaciona la
intensidad de la precipitación con el periodo de retorno y el tiempo de duración de la lluvia.
Según Temez (1978), las curvas IDF resultan de unir los puntos representativos de la
intensidad media en intervalos de diferente duración, y correspondientes todos ellos a una
misma frecuencia o periodo de retorno.
De acuerdo al IDEAM, la información concerniente a este modelo, debe contener:
• Datos básicos de la estación.

• Una representación gráfica de las curvas IDF, indicando las intensidades de
precipitación para diferentes duraciones y periodos de retorno.
• La ecuación generalizada para calcular la intensidad en función de los
coeficientes y la duración requerida.
• Coeficientes para la ecuación de intensidades para diferentes periodos de retorno.
• Información técnica referente a la IDF; como periodo de registro empleado,
distribución de probabilidad empleada para el ajuste de los datos, método de
20
cálculo empleado para estimar los parámetros de la ecuación y unidades.

• Tabla de intensidades máximas de precipitación para diferentes duraciones de la
lluvia y diferentes periodos de retorno.
En la ilustración 5 se muestra un ejemplo de las características nombradas.
Ilustración 5: Modelo de Presentación de una Curva IDF

Fuente: IDEAM
Estas curvas se obtienen mediante análisis de frecuencia y, posteriormente, a través del uso
de las ecuaciones de intensidad teóricas que ajustan los datos del paso anterior por medio de
regresión lineal o múltiple.
4.2.2.1 Análisis de frecuencia
El análisis de frecuencia consiste en relacionar la magnitud de los eventos extremos con su
frecuencia de ocurrencia o periodo de retorno haciendo uso de los métodos de distribución
de probabilidad (Chow et al., 1994).
En el caso del análisis de los eventos de precipitación, este proceso va ligado con la
identificación, para cada año de la serie histórica, de las intensidades máximas de cada
21
duración de la lluvia, y con el ajuste de estos datos a la distribución de probabilidad de valor

extremo más conveniente.
4.2.2.2 Ecuaciones de intensidad teóricas
Muchos investigadores han desarrollado diversas ecuaciones empíricas que permiten
expresar las intensidades de la lluvia o la tormenta de diseño. La mayoría de las ecuaciones
se derivan de la parametrización propuesta por Sherman (1931), la cual establece que la
intensidad de la lluvia puede formularse como una ecuación racional del tipo:
𝑃(𝑇)
𝐼𝑑𝑇 = ; 𝑃(𝑇), 𝑄(𝑑) ∈ 𝑅 𝑒𝑐𝑢. 3
𝑄(𝑑)
La expresión del numerador es una función que está asociada al periodo de retorno, la cual
puede ser expresada como:
𝑃(𝑇) = 𝑘𝑇 𝑚 𝑒𝑐𝑢. 4
La expresión del denominador es una función polinómica de la forma:

𝑄(𝑑) = (𝑑 − 𝐶1 )𝑛1 (𝑑 − 𝐶2 )𝑛2 … (𝑑 2 + 𝑑 + ⋯ + 𝐶𝑖 )𝑛𝑖 … 𝑒𝑐𝑢. 5
A este término se le denomina factor de escala o de duración. Si se consideran las expresiones

ecu. 4 y ecu. 5, la ecuación de intensidad se puede escribir como:
𝑘𝑇 𝑚
𝐼= 𝑒𝑐𝑢. 6
(𝑑 𝜃 + 𝐶)𝑛
Donde:
I: intensidad de la precipitación, en mm/h
T: periodo de retorno, en años
d: duración de la lluvia, minutos
k, m, n, C, ϴ: parámetros de ajuste a estimar.
De la ecuación (6) varios autores han propuesto diversos valores para los parámetros
anteriormente mencionados (Gutiérrez y Barragán, 2019). Wenzel (1982) propuso que 𝑛 = 1
y 𝑚 = 0, dando como resultado:
𝑘
𝑑𝜃 + 𝐶
22
Para Chow et al., (1994), 𝑛 = 1 y 𝛳 = 1, y la ecuación (6) se convierte en:

𝑘𝑇 𝑚
𝑑+𝐶
La expresión de Koutsoyiannis (1998) se puede formular si 𝛳 = 1, entonces:

𝑘𝑇 𝑚
(𝑑 + 𝐶)𝑛
La ecuación (9) se puede utilizar si:

1
𝑇 𝑚 = 𝑚 − 𝐿𝑛 [−𝐿𝑛 (1 − )] 𝑒𝑐𝑢. 10
𝑇
Similar a la expresión de Koutsoyiannis (1998), Aparacio (1997) propuso que:

𝑘𝑇 𝑚
𝐷𝑛
Donde D representa la duración de la lluvia en minutos u horas.
4.2.3 CURVAS IDF SINTÉTICAS REGIONALIZADAS: METODOLOGÍA DE

VARGAS Y DIAZ – GRANADOS (1998)
Las curvas IDF sintéticas regionalizadas son aquellas que describen de forma aproximada el
comportamiento pluviométrico de una región, a diferencia de las curvas IDF desarrolladas
por el método tradicional (análisis de frecuencia). Estas se utilizan para estimar curvas IDF
en zonas que carecen de información pluviográfica, y por lo general son usadas para el diseño
de obras de drenaje de baja complejidad (RAS, 2004).
En Colombia, una de las metodologías recomendada por el INVIAS para el desarrollo de
obras hidráulicas es la propuesta por Vargas y Diaz – Granados (1998). Los autores utilizan
la ecuación de Kothyari y Garde para estimar sus parámetros en función de la información
pluviográfica de 165 estaciones ubicadas en diversas zonas de Colombia. Para minimizar la
incertidumbre, los autores dividen a Colombia en cinco regiones (Caribe, Andina, Pacífica,
Orinoquia y Amazonia) con el fin de estimar los parámetros de forma más específica, tal
como se muestra en la ilustración 6.
23
Ilustración 6: División Regional de Colombia

Fuente: Vargas y Díaz – Granados (1998)
Entonces, la ecuación de intensidad generalizada viene dada por:
𝑇𝑏 𝑑
𝐼=𝑎 𝑀 𝑒𝑐𝑢. 12
𝑡𝑐
Donde:
T: Periodo de retorno (años)
t: Duración de la lluvia (horas)
M: Promedio máximo anual de precipitación diaria de la zona de estudio
a, b, c y d: Parámetros acordes a cada región.
Tabla 1: Parámetros Acordes a cada Región
Región a b c d
1 0.94 0.18 0.66 0.83
2 24.85 0.22 0.50 0.10
3 13.92 0.19 0.58 0.20
24
4 5.53 0.17 0.63 0.42

5 - - - -
Fuente: Vargas y Diaz – Granados (1998)
4.2.4 RELACIONES DURACIÓN LLUVIA PROMEDIO

Según Campos (1978), las relaciones duración lluvia promedio son formulas empíricas que
definen los cocientes lluvia – duración y lluvia – frecuencia a partir de datos de
precipitaciones horarias y diarias. Campos (1978) formuló las siguientes relaciones para
lluvias de duración de 24 horas, tal como se muestran en la tabla 2.
Tabla 2: Cocientes de Lluvia de Duración de 24 Horas
Duraciones en Horas
1 2 3 4 5 6 8 12 18 24
0,3 0,39 0,46 0,52 0,57 0,61 0,68 0,80 0,91 1
Fuente: Campos (1978)
En la ciudad de Cartagena de Indias, Arrieta, Saba, y Puello (2020) formularon las relaciones
duración lluvia promedio utilizando registros de la estación Aeropuerto Rafael Núñez,
pertenecientes a la serie histórica de 1970 al 2015. Las relaciones para la estación en mención
se describen en la tabla 3.
Tabla 3: Relaciones duración lluvia promedio para la estación A. Rafael Núñez
Duración(h) 0,17 0,33 0,50 0,67 0,83 1,00 1,17 1,33 1,50 1,67 24
Relacion Pt/P24 0,21 0,35 0,46 0,54 0,61 0,65 0,69 0,72 0,74 0,73 1
Fuente: Arrieta et al. (2020)
4.2.5 FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD

Una distribución de probabilidad es una función que relaciona una variable aleatoria (discreta
o continua) con su probabilidad de ocurrencia. Dicha variable representa un valor o un rango
de valores numéricos definidos por un conjunto de sucesos o, en este caso, de eventos
hidrológicos (Wilks, 2006). En hidrología se usan varias distribuciones de probabilidad para
analizar y ajustar datos de precipitaciones con el objeto de calcular las intensidades
correspondientes a los periodos de retorno deseados (Chow et al., 1994). Las funciones de
distribución más usadas son Weibull, Gumbel y Pearson tipo III.
4.2.5.1 Distribución Gumbel
Sea 𝑋1, …, 𝑋𝑛 un conjunto de valores máximos, y 𝑋 = max {𝑋𝑖}. Si los valores de Xi son
independientes y son variables aleatorias sin un límite superior, independientes y distribuidas
idénticamente, con un extremo superior de forma aproximadamente exponencial, para
valores grandes de n, la variable aleatoria X presentará una distribución de Gumbel, donde
25
su función de distribución acumulada viene dada por (World Meteorological Organization,

2011):
(𝑋 − 𝜉)
𝐹(𝑋) = exp {− 𝑒𝑥𝑝 [− ]} −∞<𝑋 <∞ 𝑒𝑐𝑢. 14
𝛼
Donde:
𝑆 ∗ √6
𝛼= 𝑒𝑐𝑢. 15
𝜋
𝜉 = 𝑥̅ − 0.5772𝛼 𝑒𝑐𝑢. 16
Los parámetros 𝜉 y 𝛼 de la distribución son estimados mediante el método de los momentos.
El parámetro 𝜉 representa la moda de la distribución.
Para determinar la lluvia máxima para un periodo de retorno determinado, se emplea la
siguiente expresión:
𝑥𝑡 = 𝜉 + 𝛼𝑦𝑡 𝑒𝑐𝑢. 17
Donde 𝑥𝑡 es la magnitud del evento extremo y 𝑦𝑡 es una variable que relaciona al periodo de
retorno y se deduce a partir de la ecuación (13) y es igual a:
𝑇
𝑦𝑡 = −𝐿𝑛 [𝐿𝑛 ( )] 𝑒𝑐𝑢. 18
𝑇−1
4.2.6 ESTIMACIÓN DE DATOS FALTANTES (HOMOGENEIZACIÓN DE

SERIES)
La estimación de datos es una técnica estadística que permite determinar valores
aproximados a partir de la interrelación de dos o más variables observadas (Chapra y Canale,
2011). En hidrología, este ejercicio contribuye a que la serie histórica analizada sea
homogeneizada en vista de que los datos estimados están relacionados con los registros de
las estaciones vecinas, que en su conjunto constituyen una población (Montealegre, 1990).
Las técnicas más usadas son la Regresión por Mínimos Cuadrados y el método de la Distancia
inversa.
4.2.6.1 Método US Weather Service
Este método consiste en hallar el dato faltante (Px) a partir de un promedio ponderado, donde
se considera la posición geográfica de cada una de las estaciones vecinas y por ende su
distancia a la estación de referencia, y está dada por (Gallegos et al., 2016):
∑ 𝑃𝑖 ∗ 𝑊𝑖
𝑃𝑥 = 𝑒𝑐𝑢. 19
∑ 𝑊𝑖
1
𝑊𝑖 = 𝑒𝑐𝑢. 20
𝐷2
26
Donde:
Pi= Dato hidrológico de la estación o de las estaciones vecinas de la misma fecha y hora del
dato faltante.
D= Distancia de cada una de las estaciones circundantes a la estación de referencia.
4.2.6.2 Método Distancia inversa
Este método es similar al anterior pero la variable 𝑊𝑖 es igual a:
1
𝑊𝑖 =
𝐷
4.2.6.3 Regresión por Mínimos Cuadrados

La regresión por mínimos cuadrados tiene como objetivo principal encontrar una función de
aproximación que se ajuste a la tendencia general de los datos. Esto se logra obteniendo una
curva que minimice la diferencia entre los datos observados y la curva (Chapra y Canale,
2011).
La Regresión Lineal Simple consiste en ajustar una línea recta a un conjunto de
observaciones definida por los puntos de la forma (𝑥n, 𝑦n). La línea recta se define como:
𝑦 = 𝑎0 + 𝑎1 𝑥 + 𝑒 𝑒𝑐𝑢. 21
Donde:
𝑎0= Coeficiente representa la intersección con el eje Y
𝑎1= Coeficiente asociado a la pendiente de la recta
𝑒= Error residual
El error residual se define como la discrepancia entre el valor verdadero “𝑦” y el valor
aproximado 𝑎0 + 𝑎1𝑥.
Para tener un mejor ajuste de los datos se deberá minimizar la suma de los cuadrados de los
errores residuales de todos los datos:
𝑛 𝑛 𝑛
𝑆𝑟 = ∑ 𝑒𝑖 = ∑(𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 ) = ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 )2

2 2
𝑒𝑐𝑢. 22
𝑖=1 𝑖=1 𝑖=1
Los valores 𝑎0 y 𝑎1 se obtienen a partir de la derivación de la ecuación 28 con respecto a

cada uno de sus coeficientes, e igualando dichas derivadas a cero. Entonces:
𝑛 ∑ 𝑥𝑖 𝑦𝑖 − ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑎1 = 𝑒𝑐𝑢. 23
𝑛 ∑ 𝑥𝑖 2 − (∑ 𝑥𝑖 )2
27
𝑎0 = 𝑦̅ − 𝑎1 𝑥̅ 𝑒𝑐𝑢. 24
La cuantificación de la bondad del ajuste se puede determinar mediante el error relativo (ER),
error medio absoluto (EMA) y el coeficiente de determinación (R2), que se definirán a
continuación:
∑𝑛𝑖=1 |𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 |
𝐸𝑅 = 𝑒𝑐𝑢. 25
∑𝑛𝑖=1 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜
∑𝑛𝑖=1 |𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 |
𝐸𝑀𝐴 = 𝑒𝑐𝑢. 26
𝑛
𝑆𝑡 − 𝑆𝑟
𝑅2 = 𝑒𝑐𝑢. 27
𝑆𝑟
Donde:
𝑆𝑡 = ∑(𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦̅)2 𝑒𝑐𝑢. 28
La Regresión Lineal Múltiple, a diferencia de la regresión lineal simple, utiliza como curva
de ajuste una función lineal de dos o más variables independientes (Chapra y Canale, 2011).
De forma generalizada, la función lineal es de la forma:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 + 𝑒 𝑒𝑐𝑢. 29
La suma de los cuadrados de los errores residuales se obtiene de forma similar que en la
ecuación (28):
𝑛
𝑆𝑟 = ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥1𝑖 − ⋯ − 𝑎𝑛 𝑥𝑛𝑖 )2 𝑒𝑐𝑢. 30

𝑖=1
Derivando parcialmente la expresión anterior con respecto a cada uno de los coeficientes e
igualando cada expresión a cero, se pueden obtener el valor de los coeficientes desconocidos
mediante la resolución del sistema de ecuaciones resultante por métodos matriciales.
La bondad del ajuste se puede determinar usando los mismos métodos aplicados a la regresión
lineal simple.
4.2.7 MÉTODO BOOTSTRAP PARA EL CÁLCULO DE INCERTIDUMBRES
El método Bootstrap es un procedimiento de muestreo iterativo para estimar la varianza de
un estimador y consiste en tomar B muestras aleatorias con reemplazo de tamaño n de la
muestra original de datos para caracterizar la distribución de probabilidad empírica del
estimador y por ende calcular el valor del estimador en cada remuestreo (Hernandez y
28
Martinez, 2012). Según Efron y Tibshirani (1993), existe una relación entre la muestra y el
Bootstrap, tal como se observa en la ilustración 7:
Ilustración 7: Esquema General del Método Bootstrap

Fuente: Belio (2020)
El método Bootstrap permite estimar la distribución del estimador 𝜃̂ mediante el

siguiente algoritmo (Belio, 2020):
• Tomar B muestras Bootstrap independientes 𝑋1∗, … , 𝑋𝐵∗

• Para cada muestra (b=1, …, B) obtener la correspondiente replica Bootstrap del
estimador 𝜃̂ = 𝑆(𝑋∗).
• Estimar la distribución muestral de 𝜃̂ a través de su distribución empírica a
partir de la muestra de las B iteraciones Bootstrap:
𝐵
1
𝑃̂ (𝜃̂) = 𝑃 (𝜃 ) = ∑{𝜃̂𝑏∗ }
∗ ̂∗ 𝑒𝑐𝑢. 31
𝐵
𝑏=1
Donde 𝑃̂(𝜃̂) representa el valor promedio del estimador 𝜃̂ de todo el procedimiento de

remuestreo, y 𝜃̂𝑏∗ es el valor del estimador en la muestra b.
El error estándar de 𝜃̂ esta dada por:
̂𝐵 (𝜃̂) = 𝑠𝑒𝐹 (𝜃̂)

lim 𝑠𝑒 𝑒𝑐𝑢. 32
𝐵→∞
Donde:
𝐵
1 2
̂𝐵 (𝜃̂) = [
𝑠𝑒 ∑ (𝜃̂𝑏∗ − ̅̅̅
𝜃̂ ∗ ) ]1/2 𝑒𝑐𝑢. 33
𝐵−1
𝑏=1
El sesgo del estimador 𝜃̂ se define como la diferencia entre la esperanza de 𝜃̂ y el valor real
del parámetro θ (Belio, 2020):
𝑏𝐹 (𝜃̂) = 𝐸𝐹 [𝜃̂] − 𝜃 𝑒𝑐𝑢. 34

29
Los límites inferior y superior del intervalo de confianza se determinan para un nivel de
probabilidad o de confianza del 95%.
30
5. OBJETIVOS
5.1 OBJETIVO GENERAL
Elaborar las curvas IDF del municipio de Arjona con base en los registros pluviométricos de
lluvias máximas en 24 horas de las estaciones Arjona, Aeropuerto Rafael Núñez, CIOH y
Sincerín, y comparar las ecuaciones de intensidad obtenidas con las ecuaciones desarrolladas
a través de metodologías para la estimación de curvas sintéticas IDF regionalizadas, con la
finalidad de determinar la validez del modelo y, por ende, verificar si las ecuaciones de
intensidad resultantes son las adecuadas para ser consideradas parámetros de diseño.
5.2 OBJETIVOS ESPECIFICOS

• Reconstruir las series hidrológicas de las estaciones CIOH y Sincerín con el fin de
obtener series estadísticamente robustas que permitan la elaboración de las curvas
IDF.
• Elaborar las curvas IDF usando el método de distribución de probabilidad Gumbel a
partir de los registros pluviométricos de lluvias máximas en 24 horas de las estaciones
Arjona, Aeropuerto Rafael Núñez, CIOH y Sincerín, con el propósito de obtener los
parámetros de diseño que permitan predecir el comportamiento de las lluvias y
estimar los caudales máximos asociados que se puedan presentar en las cuencas
hidrográficas del municipio de Arjona, Bolívar.
• Comparar las ecuaciones de intensidad obtenidas con las ecuaciones desarrolladas
por la metodología de estimación de curvas IDF sintéticas regionales propuestas por
Vargas y Díaz – Granados (1998), para determinar y cuantificar la incertidumbre del
modelo obtenido y así evaluar su confiabilidad.
31
6. ALCANCE
El presente proyecto de investigación se realizó para el municipio de Arjona, ubicado en el
departamento de Bolívar, en la zona de desarrollo económico y social (ZODES) Dique. Este
municipio limita al Norte con el municipio de Turbaco, al sur con el municipio de María la
Baja, al este con los municipios de San Estanislao de Kostka y Mahates y al Oeste con el
municipio de Turbana, cuenta con una altitud de 63 m.s.n.m, una temperatura promedio de
29 °C y de acuerdo a su división político administrativa está conformada por cuatro comunas
en la zona urbana y por los corregimientos de Gambote, Puerto Badel, Rocha y Sincerín en
la zona rural. A continuación, en la ilustración 8, se muestra la ubicación geográfica de
Arjona y la de cada uno de sus corregimientos.
Ilustración 8: Ubicación Geográfica de Arjona

Fuente: Alcaldia de Arjona (2020)
Esta investigación fue orientada hacia la construcción de las curvas IDF del municipio de
Arjona tomando como referencia la información pluviométrica de las estaciones Arjona,
Aeropuerto Rafael Núñez, CIOH y Sincerín.
Las estaciones meteorológicas en mención presentan un rango de distanciamiento admisible
para monitorear una zona en común y, por tanto, pueden ser usadas para realizar rellenos de
series que presentan ausencia de información (World Meteorological Organization , 2017),
como es el caso de la estación Escuela Naval y Sincerín. La localización geográfica de cada
una de las estaciones se muestra en la ilustración 9.
32
Ilustración 9: Localización Geográfica de las Estaciones Meteorológicas

Fuente: Google Maps
Para lograr el objetivo planteado se identificaron, para cada estación y año de la serie histórica
(1999 – 2020), las precipitaciones máximas en 24 horas a través de los registros de
precipitación diaria, y se estimaron los datos faltantes concernientes a los registros de
precipitaciones máximas en 24 horas de las estaciones CIOH y Sincerín mediante los
métodos de regresión lineal múltiple y US Weather Service, tomando como variables
independientes los datos de las estaciones Arjona y Aeropuerto Rafael Núñez pertenecientes
al mismo año del dato faltante. Finalizado este proceso, se determinó el promedio ponderado
de todos los datos con respecto al centroide geográfico del municipio de Arjona mediante el
método de Distancia Inversa y haciendo uso del sistema de información geográfica ARCGIS.
Haciendo uso del método de distribución de probabilidad de valor extremo Gumbel, se
identificó para cada periodo de retorno escogido la precipitación máxima en 24 horas para
luego estimar, mediante las relaciones duración lluvia promedio de la estación Aeropuerto
Rafael Núñez, las intensidades máximas para cada duración para finalmente obtener las
curvas IDF del municipio haciendo uso de las ecuaciones de intensidad teóricas que mejor
se ajuste a los datos.
Luego de obtener las curvas IDF se realizaron, mediante el método Bootstrap y análisis
porcentuales, una comparación entre las ecuaciones de intensidad obtenidas con las
ecuaciones desarrolladas y las obtenidas con curvas sintéticas IDF regionales (método de
Varga y Díaz – Granados), con el fin de evaluar su confiabilidad en función de las
33
incertidumbres obtenidas (o intervalos de confianza). Si las curvas IDF obtenidas presentan

un grado de incertidumbre mayor que las curvas IDF sintéticas regionales, dicho modelo no
cumple con el criterio de validación y, por tanto, se recomienda no usar este modelo como
parámetro de diseño ya que los valores de intensidad estimados no representarán de forma
precisa el comportamiento de las lluvias periódicas de la región de estudio.
En caso de que el modelo cumpla con el criterio mencionado, los resultados de esta
investigación resolverán los problemas relacionados con la carencia de información necesaria
para el diseño de obras de drenaje en el municipio de Arjona.
6.2 LIMITACIONES
Esta investigación no evaluó la incidencia del cambio climático sobre comportamiento de las
lluvias periódicas, ni tampoco determinó el significado climático y/o geográfico de los
valores de los coeficientes estimados para la obtención de las ecuaciones de intensidad.
34
7. METODOLOGÍA
Esta investigación consistió en diferentes fases, las cuales se resumen de forma esquemática
en la figura 1.
Obtención y Registros pluviométricos de las estaciones Arjona, A. Rafael Núñez,

Análisis de CIOH y Sincerín del periodo 1999 – 2020.
Información
Identificación Por medio de una tabulación en la herramienta de Excel se identifican,

de Pmax en 24 para cada año de la serie histórica, las precipitaciones máximas en 24
horas horas de las estaciones consideradas en el estudio.
Estimación de Se determinan los datos faltantes mediante regresión lineal múltiple y

US Weather Service. Se utilizan como prueba de bondad el coeficiente
datos faltantes
de determinación, error medio absoluto y el error relativo.
Ecuaciones y graficas de las curvas IDF a partir de:

Desarrollo de
curvas IDF • Análisis de precipitaciones máximas en 24 horas
• Modelo de Vargas y Díaz – Granados (1998)
A través de la herramienta Excel se desarrolla el proceso de

Comparación comparación mediante:
entre curvas
IDF • Análisis de error porcentual
• Método Bootstrap
Figura 1. Resumen de la metodología empleada en la investigación.

La presente investigación fue descriptiva, se realizó una recopilación, interpretación y
análisis estadístico de los registros de precipitaciones puntuales diarias y precipitaciones
máximas en 24 horas, las cuales fueron suministradas por el IDEAM y corresponden al
periodo 1999 – 2020. Fue un trabajo de oficina y la investigación se llevó a cabo en la ciudad
de Cartagena a partir del año 2022.
El diseño de la investigación no fue experimental, y se basó en el análisis de las variables de
precipitación diaria y precipitaciones máximas en 24 horas de las estaciones Arjona,
Aeropuerto Rafael Núñez, CIOH y Sincerín como estudio para la construcción de las curvas
IDF considerando 21 años consecutivos de registro (1999 – 2020). En esta investigación se
analizaron, en su totalidad, 28105 datos pertenecientes a la serie de precipitaciones diarias.
35
7.1 OBTENCIÓN Y ANALISIS DE INFORMACIÓN PLUVIOMETRICA

Para el desarrollo de esta investigación se descargó a través de la página web del IDEAM
(ver ilustración 10) los registros pluviométricos correspondientes a los parámetros
precipitaciones diarias puntuales de las estaciones Arjona, Aeropuerto Rafael Núñez, Escuela
Naval (CIOH) y Sincerín para las series históricas comprendidas desde el año 1999 hasta
2020. Todo esto se realizó con el fin de identificar las lluvias máximas en 24 horas y los
periodos de tiempo donde hay ausencia de información para establecer como se llevará a
cabo la estimación de los datos de las estaciones CIOH y Sincerín.
Ilustración 10: Portal Web del IDEAM para Consulta y Descarga de Datos
Fuente: http://dhime.ideam.gov.co/atencionciudadano/
7.2 IDENTIFICACIÓN DE PRECIPITACIONES MAXIMAS EN 24 HORAS

Esta fase de la investigación consistió en identificar, para cada año hidrológico, las
precipitaciones máximas en 24 horas de las estaciones mencionadas, y a través de estas se
determinó, para cada duración y periodo de retorno, las intensidades máximas por medio de
las relaciones duración lluvia promedio de la estación Aeropuerto Rafael Núñez.
7.3 ESTIMACIÓN DE DATOS FALTANTES

En esta actividad se determinaron los valores aproximados de los parámetros precipitación
máxima en 24 horas, para poder completar la serie de registros para el periodo 1999 – 2020
de las estaciones CIOH y Sincerín mediante los métodos Regresión Lineal Múltiple y US
Weather Service.
36
7.3.1 ESTIMACIÓN DEL ERROR

Con el fin de tener un criterio para seleccionar el mejor modelo que se ajuste a los datos, se
calculó el error de las estimaciones a través del error relativo (ER), error medio absoluto
(EMA) y el coeficiente de determinación (R2). El modelo perfecto es cuando ER=EMA=0, y
R2=1, siendo excelente cuando R2>=0.80 y ER<=0.2. El parámetro R2 se considera aceptable
cuando su valor está entre 0.6 y 0.8 (Wilks, 2006).
7.4 METODOLOGÍA PARA LA CONSTRUCCIÓN DE LAS CURVAS IDF

En esta fase de la investigación, haciendo uso de la serie histórica de las precipitaciones
máximas en 24 horas, se calculó el promedio ponderado de este parámetro a través del
método de Distancia Inversa tomando como referencia la localización geográfica de las
estaciones y la ubicación del centroide geográfico del municipio de Arjona (se consideró la
región urbana del municipio), empleando el software ARCGIS. Este proceso garantiza que
los datos se homogenicen y permite que relaciones o formulas empíricas tomadas de datos
de algunas estaciones sean aplicables a otras que hacen parte de su área de influencia.
Se ajustaron los resultados a la función de distribución de probabilidad de valor extremo
Gumbel con el fin de obtener las precipitaciones máximas en 24 horas en función de los
periodos de retorno utilizados para el diseño de obras de drenaje (2, 5, 10, 20, 30, 50, 100
años).
Tomando en cuenta los resultados del paso anterior, se determinaron las intensidades
máximas de cada duración y periodo de retorno mediante las relaciones duración lluvia
promedio de la estación Aeropuerto Rafael Núñez. Posteriormente, con base a estos
resultados, se aplicó la ecuación de intensidad teórica propuesta por Aparicio (1997) con el
fin obtener las ecuaciones y las gráficas de las relaciones de intensidad, duración y
frecuencia.
También se determinaron las curvas IDF a través de la metodología de Vargas y Díaz –
Granados (1998) calculando el promedio máximo anual de la precipitación diaria de toda la
serie histórica en estudio y los coeficientes a, b, c y d acorde a la Región Caribe.
7.5 COMPARACIÓN ENTRE CURVAS IDF: VALIDACIÓN DEL MODELO

En esta actividad se realizó un análisis comparativo entre las curvas IDF obtenidas y las
desarrolladas por la metodología regional propuesta por Vargas y Díaz – Granados (1998)
mediante análisis gráfico y porcentual y el cálculo de incertidumbre por el método de
muestreo Bootstrap.
El análisis gráfico y porcentual consistió en comparar, para cada evento de diferente
duración, la discrepancia entre los valores generados y cotejar estos datos con los resultados
del estudio realizado por Villamizar et al. (2018), en donde establece los errores porcentuales
esperados entre las curvas IDF sinteticas regionales con las curvas IDF realizadas por
analisis de frecuencia.
37
El cálculo de incertidumbre de las metodologías planteadas para la elaboración de las curvas

IDF consistió en determinar, a partir de 1000 procesos de muestreo Bootstrap, los intervalos
de confianza de los valores de intensidad para cada periodo de retorno, con un nivel de
significancia del 95%. En el caso de las curvas IDF elaboradas por análisis de precipitaciones
máximas en 24 horas, se desarrolló el Bootstrap paramétrico para calcular los intervalos de
confianza de los parámetros estimados de la distribución de probabilidad utilizada, para así
generar las curvas IDF correspondientes a los valores extremos del intervalo de confianza.
Similarmente, en el caso de las curvas IDF desarrolladas Vargas y Diaz – Granados, se
desarrolló el Bootstrap para determinar el intervalo de confianza del estimador “Promedio
máximo anual de precipitación diaria”.
Se realizó un análisis gráfico y numérico de los resultados arrojados por el Bootstrap, en
donde se mostró para cada duración de ambas metodologías el margen o banda de
incertidumbre.
Si el margen de incertidumbre de los valores de intensidad de las curvas IDF obtenidas por
análisis de precipitaciones máximas en 24 horas es menor que las desarrolladas por la
metodología de Vargas y Díaz – Granados, se recomendará estos resultados como parámetros
de diseño.
38
8. RESULTADOS Y DISCUCIÓN
8.1 OBTENCIÓN Y ANALISIS DE INFORMACIÓN PLUVIOMETRICA

Con base a la información suministrada por parte del IDEAM, se analizaron los datos de
precipitaciones diarias de cada una de las estaciones de la serie hidrológica 1999 – 2020 para
identificar los periodos de tiempo donde hay ausencia de información.
Los datos de las estaciones Arjona y Aeropuerto Rafael Núñez presentaron continuidad en
cada periodo de registro, lo cual fue conveniente a la hora de extraer los datos de
precipitaciones máximas en 24 horas. Sin embargo, en las estaciones CIOH y Sincerín se
evidenció ausencia de información en algunos años de la serie de tiempo en estudio, como
se muestra en la tabla 4. Cabe resaltar que en algunos años solamente había como máximo
entre 4 y 5 meses de registros continuos.
Tabla 4: Años de Ausencia de Información
SINCERIN CIOH
2002 2015
2004 2016
2012 2019
2020
Fuente: Autor
8.2 IDENTIFICACIÓN DE PRECIPITACIONES MÁXIMAS EN 24 HORAS

Teniendo en cuenta los datos del proceso de análisis de información pluviométrica, se
identificó para cada año el valor máximo de lluvia en 24 horas de cada una de las estaciones.
A continuación, se muestran los resultados en la tabla 5, donde los espacios de color negro
representan ausencia de información.
Tabla 5: Datos de Precipitaciones Máximas en 24 horas (mm)
Max 24 horas (mm)

AÑO ARJONA A. NUÑEZ SINCERIN CIOH
1999 86,9 108,5 109,5 87
2000 72 116,2 60,2 89
2001 84,2 76,2 95,4 81,2
2002 84,5 73,5 113
2003 97 161,8 80,9 85,6
2004 81,6 149 158
2005 88,4 76,4 73 86
2006 84 122,3 92,2 101
2007 96,7 183,1 78,5 125,9
39
2008 105 95,3 90,3 96

2009 52 61,3 58,5 76,6
2010 52 150,7 85 117,5
2011 62 146,1 115,7 123,8
2012 65 94,2 71
2013 92 88 82,2 53
2014 98 116 78,2 99,1
2015 96 51,8 84,6
2016 42 222 178,5
2017 120 112 78 184,4
2018 62 60,6 87,7 127,6
2019 85 78,8 63,3
2020 107 115 115,4
Fuente: Autor
8.3 ESTIMACIÓN DE DATOS FALTANTES

Para la estimación de datos faltantes de precipitaciones máximas en 24 horas para las
estaciones Sincerín y CIOH se empleó primordialmente el método regresión lineal múltiple,
tomando como variables independientes los datos de las estaciones Arjona y Aeropuerto
Rafael Núñez pertenecientes al mismo año del dato a estimar.
En este caso puntual, la ecuación utilizada fue:
𝑦 = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2 𝑒𝑐𝑢. 35
Donde:
𝑦= Representa el dato faltante
𝑥1 = El dato de Pmax 24 horas de la estación Arjona del mismo año del dato faltante
𝑥2 = El dato de Pmax 24 horas de la estación Aeropuerto Rafael Núñez del mismo año del
dato faltante
𝑎0 , 𝑎1 , 𝑎2 = Coeficientes de la correlación lineal múltiple.
Derivando parcialmente la ecuación (30) con respecto a cada uno de los coeficientes e
igualando a cero cada expresión, se tiene el siguiente sistema de ecuaciones:
𝑛𝑎0 + 𝑎1 ∑ 𝑥1 + 𝑎2 ∑ 𝑥2 = ∑ 𝑦 𝑒𝑐𝑢. 36
𝑎0 ∑ 𝑥1 + 𝑎1 ∑ 𝑥1 2 + 𝑎2 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦 𝑒𝑐𝑢. 37
𝑎0 ∑ 𝑥2 + 𝑎1 ∑ 𝑥1 𝑥2 + 𝑎2 ∑ 𝑥2 2 = ∑ 𝑥2 𝑦 𝑒𝑐𝑢. 38
40
Usando una hoja de cálculo en Excel, los resultados para la estimación de datos de la estación
Sincerín están consignados en las tablas 6, 7, 8 y 9.
Tabla 6: Procesamiento de datos para la estación Sincerín
N0 X1 X2 y X1^2 X1*y X2*y X1*X2 X2^2 y^2
1 86,9 108,5 109,5 7551,61 9515,55 11880,75 9428,65 11772,25 11990,25
2 72 116,2 60,2 5184 4334,4 6995,24 8366,4 13502,44 3624,04
3 84,2 76,2 95,4 7089,64 8032,68 7269,48 6416,04 5806,44 9101,16
4 97 161,8 80,9 9409 7847,3 13089,62 15694,6 26179,24 6544,81
5 88,4 76,4 73 7814,56 6453,2 5577,2 6753,76 5836,96 5329
6 84 122,3 92,2 7056 7744,8 11276,06 10273,2 14957,29 8500,84
7 96,7 183,1 78,5 9350,89 7590,95 14373,35 17705,77 33525,61 6162,25
8 105 95,3 90,3 11025 9481,5 8605,59 10006,5 9082,09 8154,09
9 52 61,3 58,5 2704 3042 3586,05 3187,6 3757,69 3422,25
10 52 150,7 85 2704 4420 12809,5 7836,4 22710,49 7225
11 62 146,1 115,7 3844 7173,4 16903,77 9058,2 21345,21 13386,49
12 92 88 82,2 8464 7562,4 7233,6 8096 7744 6756,84
13 98 116 78,2 9604 7663,6 9071,2 11368 13456 6115,24
14 96 51,8 84,6 9216 8121,6 4382,28 4972,8 2683,24 7157,16
15 42 222 178,5 1764 7497 39627 9324 49284 31862,25
16 120 112 78 14400 9360 8736 13440 12544 6084
17 62 60,6 87,7 3844 5437,4 5314,62 3757,2 3672,36 7691,29
18 85 78,8 63,3 7225 5380,5 4988,04 6698 6209,44 4006,89
19 107 115 115,4 11449 12347,8 13271 12305 13225 13317,16
Sumas 1582,2 2142,1 1707,1 139698,7 139006,08 204990,35 174688,12 277293,75 166431,01
Fuente: Autor
Tabla 7: Sistema de Ecuaciones lineales de Forma Matricial para la Estimación de Datos

de Sincerín
a0 a1 a2 resultado
19,0 1582,2 2142,1 1707,1
1582,2 139698,7 174688,1 139006,1
2142,1 174688,1 277293,8 204990,4
Fuente: Autor
Tabla 8: Valores de los coeficientes de la regresión lineal múltiple aplicada a Sincerín
a 73,70
a1 -0,25
a2 0,32
Fuente: Autor
41
Tabla 9: Resultado de las Estimaciones para Sincerín y Cálculos Preliminares para el

Coeficiente R2
A. Sincerín ymed-
AÑO ARJONA NUÑEZ est Sincerín Sr media
1999 86,9 108,5 87,6 109,5 480,5 386,2
2000 72,0 116,2 93,7 60,2 1124,9 879,0
2001 84,2 76,2 77,8 95,4 311,4 30,8
2002 84,5 73,5 76,8 76,8 0,0 170,1
2003 97,0 161,8 102,4 80,9 462,5 80,1
2004 81,6 149,0 102,0 102,0 0,0 148,5
2005 88,4 76,4 76,8 73,0 14,3 283,8
2006 84,0 122,3 92,8 92,2 0,3 5,5
2007 96,7 183,1 109,4 78,5 954,5 128,8
2008 105,0 95,3 78,8 90,3 131,2 0,2
2009 52,0 61,3 80,8 58,5 498,5 982,7
2010 52,0 150,7 109,9 85,0 617,8 23,5
2011 62,0 146,1 105,9 115,7 95,9 668,4
2012 65,0 94,2 88,3 88,3 0,0 2,3
2013 92,0 88,0 79,7 82,2 6,4 58,5
2014 98,0 116,0 87,3 78,2 82,6 135,7
2015 96,0 51,8 66,9 84,6 312,2 27,5
2016 42,0 222,0 135,5 178,5 1852,0 7859,3
2017 120,0 112,0 80,6 78,0 6,7 140,4
2018 62,0 60,6 78,1 87,7 91,3 4,6
2019 85,0 78,8 78,4 63,3 228,1 704,8
2020 107,0 115,0 84,8 115,4 939,3 652,9
∑Sr 8210,5 13373,5
∑St 13373,5
Fuente: Autor
En la tabla 9 los datos en verde representan la información que fue estimada en este proceso.
Para verificar la confiabilidad de los datos se calculó el coeficiente de determinación R 2, el
error relativo (ER) y el error medio absoluto (EMA) cuyos resultados fueron 0.63, 0.17 y
18.3 respectivamente, dando así un margen de confiabilidad aceptable.
De igual manera se hizo este procedimiento para la estación CIOH dando los siguientes
resultados, los cuales se muestran en la tabla 10.
42
Tabla 10: Resultado de las Estimaciones para CIOH y Cálculos Preliminares para el
Coeficiente R2
AÑO ARJONA A. NUÑEZ CIOH est CIOh Sr ymed- media

1999 86,9 108,5 105,0 87,0 323,2 296,0
2000 72,0 116,2 102,6 89,0 185,3 231,2
2001 84,2 76,2 94,7 81,2 182,1 529,3
2002 84,5 73,5 94,0 113,0 361,1 77,3
2003 97,0 161,8 123,7 85,6 1451,3 346,2
2004 81,6 149,0 115,2 158,0 1833,5 2893,8
2005 88,4 76,4 96,1 86,0 101,1 331,4
2006 84,0 122,3 108,1 101,0 50,6 10,3
2007 96,7 183,1 129,8 125,9 15,5 470,6
2008 105,0 95,3 106,7 96,0 115,0 67,3
2009 52,0 61,3 80,4 76,6 14,1 762,1
2010 52,0 150,7 106,5 117,5 120,9 176,7
2011 62,0 146,1 108,3 123,8 241,5 383,9
2012 65,0 94,2 94,0 71,0 529,4 1102,6
2013 92,0 88,0 100,6 53,0 2262,2 2622,0
2014 98,0 116,0 110,6 99,1 132,5 26,1
2015 96,0 51,8 91,2 91,2 0,0 168,8
2016 42,0 222,0 124,3 124,3 0,0 402,2
2017 120,0 112,0 116,3 184,4 4643,2 6431,1
2018 62,0 60,6 83,3 127,6 1966,8 547,3
2019 85,0 78,8 95,7 95,7 0,0 72,3
2020 107,0 115,0 113,1 113,1 0,0 79,2
∑Sr 14529,4
∑St 18027,9
Fuente: Autor
Los márgenes en rojo representan los datos faltantes estimados para la estación CIOH. Para
este caso, el coeficiente de determinación fue de R2 = 0.24, dando un índice de correlación
lineal muy bajo. Por tanto, se optó por el método de US Weather Service para realizar las
estimaciones para CIOH. Para ello, mediante la herramienta Google Earth se estimaron las
distancias que hay entre cada una de las estaciones circundantes con respecto a la estación
CIOH, tal como se muestra a continuación en la ilustración 11.
43
Ilustración 11: Trazado de líneas para medir las distancias con respecto a CIOH
Fuente: Google Earth
A partir de esto se estimaron los datos faltantes tal como se muestra en la tabla 11, donde los
datos sombreados son los estimados.
Tabla 11: Datos estimados para la Estación CIOH por el método US Weather Service.
Datos Finales de Precipitaciones Máximas en 24 Horas.
ARJONA A. Sincerín CIOH

AÑO (mm) NUÑEZ(mm) (mm) (mm)
1999 86,9 108,5 109,5 87
2000 72 116,2 60,2 89
2001 84,2 76,2 95,4 81,2
2002 84,5 73,5 76,80 113
2003 97 161,8 80,9 85,6
2004 81,6 149 102,03 158
2005 88,4 76,4 73 86
44
2006 84 122,3 92,2 101

2007 96,7 183,1 78,5 125,9
2008 105 95,3 90,3 96
2009 52 61,3 58,5 76,6
2010 52 150,7 85 117,5
2011 62 146,1 115,7 123,8
2012 65 94,2 88,32 71
2013 92 88 82,2 53
2014 98 116 78,2 99,1
2015 96 51,8 84,6 63,24
2016 42 222 178,5 185,58
2017 120 112 78 184,4
2018 62 60,6 87,7 127,6
2019 85 78,8 63,3 78,13
2020 107 115 115,4 113,64
Fuente: Autor
Se validó nuevamente la estimación mediante el Coeficiente de determinación, ER y EMA,
donde los resultados de este proceso demuestran que los datos del modelo no se ajustan a los
registrados en la estación (R2=0.36, ER = 0.22 y EMA= 23.6). De estos resultados se puede
interpretar que la información no es homogénea con respecto a las demás estaciones. Esto
conlleva que todos estos datos se descarten para calcular el promedio ponderado de la
precipitación máxima en 24 horas para el municipio de Arjona.
8.4 CONSTRUCCIÓN DE LAS CURVAS IDF
8.4.1 CÁLCULO DE LAS PRECIPITACIONES MÁXIMAS EN 24 HORAS EN

EL MUNICIPIO DE ARJONA
Para el cálculo del promedio ponderado de las precipitaciones máximas en 24 horas se usó
el método de la distancia inversa, tomando como punto central de referencia el centroide
geográfico de la región urbana de Arjona. Empleando la herramienta ARCGIS, se localizó
las coordenadas geográficas del centroide, tal como se muestra en la ilustración 12.
45
Ilustración 12: Localización Geográfica del Centroide

Fuente: ARCGIS
Posteriormente, usando el software Google Earth se determinaron las distancias de cada
estación con respecto al centroide, como se observan en la ilustración 13 y en la tabla 12.
Ilustración 13: Localización de las Estaciones con Respecto al Centroide Geográfico de

Arjona
46
Tabla 12: Distancias con respecto al Centroide Geográfico
Distancias
Estaciones (Km)
Arjona 0,82
A. Núñez 28,1
Sincerín 14,7
De acuerdo a esta información, la precipitación máxima en 24 horas para el año 1999 es:
108.5 109.5 86.9
+ 14.7 + 0.82
𝑃𝑀𝑎𝑥𝑃𝑟𝑜𝑚 = 28.1 = 88.6 𝑚𝑚
1 1 1
+ +
28.1 14.7 0.82
De igual manera se realizó este procedimiento para los demás años de la serie histórica (ver
tabla 13).
Tabla 13: Promedio de las P. máximas en 24 horas para cada año
A. NUÑEZ SINCERIN ARJONA PROMEDIO

Año
(mm) (mm) (mm) (mm)
1999 108,5 109,5 86,9 88,6

2000 116,2 60,2 72,0 72,6
2001 76,2 95,4 84,2 84,6
2002 73,5 76,8 84,5 83,8
2003 161,8 80,9 97,0 97,9
2004 149,0 102,0 81,6 84,5
2005 76,4 73,0 88,4 87,3
2006 122,3 92,2 84,0 85,5
2007 183,1 78,5 96,7 98,1
2008 95,3 90,3 105,0 104,0
2009 61,3 58,5 52,0 52,6
2010 150,7 85,0 52,0 56,4
2011 146,1 115,7 62,0 67,0
2012 94,2 88,3 65,0 67,0
2013 88,0 82,2 92,0 91,4
2014 116,0 78,2 98,0 97,5
2015 51,8 84,6 96,0 94,2
2016 222,0 178,5 42,0 53,9
2017 112,0 78,0 120,0 117,6
2018 60,6 87,7 62,0 63,3
47
2019 78,8 63,3 85,0 83,7

2020 115,0 115,4 107,0 107,6
Fuente: Autor
8.4.2 AJUSTE DE DATOS A LA FUNCIÓN DE PROBABILIDAD GUMBEL

Para ajustar el resultado (promedio) de la fase anterior a la función de probabilidad Gumbel
se determinaron la media y la desviación estándar de la muestra. Después, mediante la
ecuación (17), se determinaron para cada periodo de retorno los valores máximos de
precipitaciones en 24 horas, donde los valores de los parámetros de la distribución α y ξ son
13.88 y 75.58, respectivamente (ver tabla 14).
Tabla 14: Parámetros de la Distribución Gumbel
Distribución Gumbel
Media X̄ 83,59
D. estándar S 17,80
α 13,88
ξ 75,58
Fuente: Autor
Para un periodo de retorno de 2 años, la variable 𝑦𝑡 es igual a:
2
𝑦𝑡 = −𝐿𝑛 [𝐿𝑛 ( )] = 0.37
2−1
Entonces el valor Pmax 24 correspondiente al evento máximo es:

𝑥𝑡 = 75.58 + 13.88(0.37) = 80.66 𝑚𝑚
En la tabla 15 se resumen los caculos para los demás periodos de retorno.

Tabla 15: Precipitaciones Máximas en 24 para cada Periodo de Retorno
Pmax 24 hr
P. Retorno Yt
(mm)
2 0,37 80,66
5 1,50 96,39
10 2,25 106,80
20 2,97 116,79
30 3,38 122,54
50 3,90 129,72
48
100 4,60 139,41

Fuente: Autor
8.4.3 ELABORACIÓN DE LAS CURVAS IDF
8.4.3.1 Aplicación de las Relaciones Duración Lluvia Promedio de la Estación Aeropuerto
Rafael Núñez
Con base a la información de la tabla 15, se estimaron para cada periodo de retorno la
distribución de la lluvia en cada duración empleando las relaciones determinadas por Arrieta
et al (2020). A continuación, se muestran los resultados en la tabla 16.
Tabla 16: Estimación de la Distribución de la Lluvia a partir de las Pmax 24 horas
Tiempo de Duración Distribución de la lluvia (mm)

Minutos Horas %P24 2 años 5 años 10 años 20 años 30 años 50 años 100 años
80 1,33 70,72 57,04 68,17 75,53 82,59 86,66 91,74 98,59
70 1,17 67,47 54,42 65,03 72,06 78,80 82,67 87,52 94,06
60 1,00 63,72 51,40 61,42 68,05 74,41 78,08 82,65 88,82
50 0,83 59,28 47,82 57,14 63,31 69,23 72,64 76,90 82,64
40 0,67 53,85 43,44 51,90 57,51 62,89 65,98 69,85 75,07
30 0,50 46,85 37,79 45,15 50,03 54,71 57,40 60,77 65,31
20 0,33 36,98 29,83 35,64 39,49 43,18 45,31 47,97 51,55
10 0,17 20,10 16,22 19,38 21,47 23,48 24,64 26,08 28,03
Fuente: Autor
Finalmente, de acuerdo a estas estimaciones se obtienen las intensidades máximas para cada
duración y periodo de retorno, como se observa en la tabla 17.
Tabla 17: Puntos Representativos de las Curvas IDF del Municipio de Arjona
Tiempo de duración Intensidades máximas (mm/h)

Minutos Horas 2 años 5 años 10 años 20 años 30 años 50 años 100 años
80 1,33 42,78 51,12 56,65 61,94 64,99 68,80 73,94
70 1,17 46,65 55,74 61,76 67,54 70,86 75,02 80,62
60 1,00 51,40 61,42 68,05 74,41 78,08 82,65 88,82
50 0,83 57,38 68,57 75,97 83,08 87,17 92,27 99,17
40 0,67 65,15 77,86 86,27 94,33 98,97 104,78 112,60
30 0,50 75,58 90,31 100,06 109,42 114,80 121,53 130,61
20 0,33 89,48 106,93 118,48 129,55 135,93 143,90 154,64
10 0,17 97,31 116,28 128,84 140,88 147,82 156,48 168,17
Fuente: Autor
49
8.4.3.2 Ajuste de Datos Estimados de Intensidades Máximas a la Ecuación empírica de

Intensidad Teórica
Mediante regresión por mínimos cuadrados se realizó el ajuste de los datos representativos
de las curvas IDF a la ecuación de intensidad propuesta por Aparicio (1997). Para ello se
linealizó la ecuación (11) aplicando para ambos miembros de la ecuación logaritmos
naturales.
𝐿𝑛(𝐼) = 𝐿𝑛(𝑘𝑇 𝑚 ) − 𝑛𝐿𝑛(𝐷) 𝑒𝑐𝑢. 39
En este ejercicio la expresión 𝑛𝐿𝑛(𝐷) es la variable independiente. Haciendo un cambio de

variable, 𝑘𝑇 𝑚 = z, la ecuación (39) se convierte en:
𝐿𝑛(𝐼) = 𝐿𝑛(𝑧) − 𝑛𝐿𝑛(𝐷) 𝑒𝑐𝑢. 40
Para T=2 años se obtuvieron los siguientes resultados:
Tabla 18: Resultados del ajuste para T=2 años
D (min) i (mm/hr) ln D ln i
80 42.78 4.38 3.76
70 46.65 4.25 3.84
60 51.40 4.09 3.94
50 57.38 3.91 4.05
40 65.15 3.69 4.18
30 75.58 3.40 4.33
20 89.48 3.00 4.49
10 97.31 2.30 4.58
n=0.4149; R2=0.9367; Ln z=5.6506

Fuente: Autor
50
T= 2 años
5,00
4,50
4,00 y = -0,4149x + 5,6506
3,50 R² = 0,9367
3,00
2,50
2,00
1,50
1,00
0,50
0,00
0,00 1,00 2,00 3,00 4,00 5,00
Grafica 1: Representación gráfica del ajuste para T=2 años

Fuente: Autor
Similarmente se realizó el ajuste a los demás periodos de retorno. A continuación, se resumen
en la tabla 19 los resultados del ajuste, mostrando los valores de los parámetros n, Ln z y R2.
Tabla 19: Valor Estimado de las Variables “n” y Ln(z)
Periodo de retorno
n R2 Ln z
(años)
2 0.4149 0.9367 5.6506
5 0.4149 0.9367 5.8287
10 0.4149 0.9367 5.9313
20 0.4149 0.9367 6.0207
30 0.4149 0.9367 6.0687
50 0.4149 0.9367 6.1257
100 0.4149 0.9367 6.1977
Fuente: Autor
Ahora, relacionando la variable z con el periodo de retorno se obtienen por regresión
potencial los parámetros k y m.
Tabla 20: Parámetros para la Ecuación de Intensidad de Aparicio (1997)
Periodo de retorno
ln z z
(años)
2 5.6506 284.46209
5 5.8287 339.9165
10 5.9313 376.64383
20 6.0207 411.8668
30 6.0687 432.11856
51
50 6.1257 457.46483
100 6.1977 491.61702
k=267.96; m=0.1377; R2=0.9855
Fuente: Autor
600
500
400
y = 267,96x0,1377
300 R² = 0,9855
200
100
0
0 20 40 60 80 100 120
Grafica 2: Curva de ajuste Potencial

Fuente: Autor
A partir de estos resultados se obtienen la ecuación de intensidad del modelo y sus valores
representativos para cada duración y periodo de retorno y, por ende, la gráfica de las curvas
IDF para el municipio de Arjona.
267.96 𝑇 0.1377
𝐷0.4149
Tabla 21: Puntos Representativos del modelo las Curvas IDF del Municipio de Arjona
Intensidades máximas (mm/h)

Duración
2 años 5 años 10 años 20 años 30 años 50 años 100 años
(min)
10 113.40 128.65 141.54 155.71 164.65 176.65 194.34
20 85.06 96.50 106.16 116.80 123.50 132.50 145.77
30 71.89 81.56 89.72 98.71 104.38 111.99 123.20
40 63.80 72.38 79.63 87.60 92.63 99.39 109.34
50 58.16 65.98 72.59 79.86 84.44 90.60 99.67
52
60 53.92 61.17 67.30 74.04 78.29 84.00 92.41

70 50.58 57.38 63.13 69.45 73.44 78.79 86.68
80 47.86 54.29 59.73 65.71 69.48 74.55 82.01
90 45.57 51.70 56.88 62.58 66.17 70.99 78.10
100 43.62 49.49 54.45 59.90 63.34 67.95 74.76
110 41.93 47.57 52.34 57.58 60.88 65.32 71.86
120 40.45 45.88 50.48 55.54 58.72 63.00 69.31
150 36.87 41.83 46.02 50.62 53.53 57.43 63.18
Fuente: Autor
250,00
200,00
2 años
Intensidad (mm/h)
150,00 5 años
10 años
100,00 20 años
30 años
50 años
50,00
100 años
0,00
0 20 40 60 80 100 120 140 160
Duración (min)
Grafica 3: Curvas IDf para el Municipio de Arjona 1999 - 2020

Fuente: Autor
8.4.3.3 Aplicación del modelo de Vargas y Díaz - Granados

Para la aplicación de este modelo se calculó el promedio de las precipitaciones máximas en
24 horas de la estación Arjona (Prom_Pmax 24 hr=82.42 mm), y se usaron los coeficientes
acordes a la región Caribe (a=24.85; b=0.22; c=0.5; d=0.1). A continuación, se muestra la
ecuación de intensidad.
𝑇 0,22
𝐼 = (24,85) (82,420,1 ) 𝐸𝑐𝑢. 42
𝑡 0,5
53
De acuerdo a la ecuación (42), se determinaron los siguientes datos de intensidad,

consignados en la tabla 22.
Tabla 22: Puntos Representativos de las Curvas Sintéticas IDF para Arjona

Duración
(min)
10 110.21 134.83 157.04 182.91 199.97 223.76 260.62
20 77.93 95.34 111.04 129.34 141.40 158.22 184.29
30 63.63 77.84 90.67 105.60 115.46 129.19 150.47
40 55.11 67.41 78.52 91.45 99.99 111.88 130.31
50 49.29 60.30 70.23 81.80 89.43 100.07 116.55
60 44.99 55.04 64.11 74.67 81.64 91.35 106.40
70 41.66 50.96 59.36 69.13 75.58 84.57 98.50
80 38.97 47.67 55.52 64.67 70.70 79.11 92.14
90 36.74 44.94 52.35 60.97 66.66 74.59 86.87
100 34.85 42.64 49.66 57.84 63.24 70.76 82.42
110 33.23 40.65 47.35 55.15 60.29 67.47 78.58
120 31.82 38.92 45.33 52.80 57.73 64.59 75.23
150 28.46 34.81 40.55 47.23 51.63 57.77 67.29
Fuente: Autor
A partir de estos resultados se determinaron las curvas IDF para Arjona.
54
300
250
200
2 AÑOS
Intensidad (mm/h)
5 AÑOS
150 10 AÑOS
20 AÑOS
30 AÑOS
100
50 AÑOS
100 AÑOS
50
0
0 20 40 60 80 100 120 140 160
Duracion (min)
Grafica 4: Curvas IDF Sintéticas para Arjona (1999 - 2020)

Fuente: Autor
8.5 VALIDACIÓN DEL MODELO

Para cuantificar la incertidumbre y tener una medida de confiabilidad de las curvas IDF se
realizó un análisis porcentual o de discrepancias y análisis por el método Bootstrap.
8.5.1 ANÁLISIS PORCENTUAL
Este proceso consistió en comparar para cada periodo de retorno los valores de intensidad
del modelo obtenido por análisis de P.max en 24 horas con los valores del modelo de Vargas
y Díaz – Granados mediante el cálculo del Error Porcentual, tal como se describe en la
siguiente expresión:
|𝐼𝑃𝑚𝑎𝑥24ℎ𝑟 − 𝐼𝑉𝑎𝑟𝑔𝑎𝑠 & 𝐷𝑖𝑎𝑧−𝐺𝑟𝑎𝑛𝑎𝑑𝑜𝑠 |
𝐸𝑟𝑟𝑜𝑟 𝑝𝑜𝑟𝑐𝑒𝑛𝑡𝑢𝑎𝑙 = 𝑥 100%
|𝐼𝑉𝑎𝑟𝑔𝑎𝑠 & 𝐷𝑖𝑎𝑧−𝐺𝑟𝑎𝑛𝑎𝑑𝑜𝑠 |
A continuación, se muestran desde la tabla 23 a la 29 los siguientes resultados, en donde se

describe para cada periodo de retorno el promedio de los errores porcentuales o
discrepancias.
55
Tabla 23: Errores Porcentuales para T=2 años
IDF_Vargas & Error

Duración IDF_Pmax 24 hr
Diaz - Granados Porcentual
(min) (mm/hr)
(mm/hr) (%)
10 113.40 110.21 2.89
20 85.06 77.93 9.15
30 71.89 63.63 12.98
40 63.80 55.11 15.78
50 58.16 49.29 18.00
60 53.92 44.99 19.84
70 50.58 41.66 21.42
80 47.86 38.97 22.81
90 45.57 36.74 24.05
100 43.62 34.85 25.17
110 41.93 33.23 26.19
120 40.45 31.82 27.12
150 36.87 28.46 29.56
Promedio 19.61
Fuente: Autor
IDF_Vargas & Error

Duracion IDF_Pmax 24 hr
(min) (mm/hr)
(mm/hr) (%)
10 128.65 134.83 4.58
20 96.50 95.34 1.22
30 81.56 77.84 4.77
40 72.38 67.41 7.37
50 65.98 60.30 9.43
60 61.17 55.04 11.14
70 57.38 50.96 12.60
80 54.29 47.67 13.89
90 51.70 44.94 15.04
100 49.49 42.64 16.07
110 47.57 40.65 17.02
120 45.88 38.92 17.89
150 41.83 34.81 20.15
Promedio 11.63
Fuente: Autor
56
IDF_Vargas & Error

(min) (mm/hr)
(mm/hr) (%)
10 141.54 157.04 9.87
20 106.16 111.04 4.39
30 89.72 90.67 1.04
40 79.63 78.52 1.41
50 72.59 70.23 3.36
60 67.30 64.11 4.97
70 63.13 59.36 6.36
80 59.73 55.52 7.58
90 56.88 52.35 8.66
100 54.45 49.66 9.64
110 52.34 47.35 10.53
120 50.48 45.33 11.35
150 46.02 40.55 13.49
Promedio 7.13
Fuente: Autor
IDF_Vargas & Error

(min) (mm/hr)
(mm/hr) (%)
10 155.71 182.91 14.87
20 116.80 129.34 9.70
30 98.71 105.60 6.53
40 87.60 91.45 4.21
50 79.86 81.80 2.37
60 74.04 74.67 0.85
70 69.45 69.13 0.46
80 65.71 64.67 1.61
90 62.58 60.97 2.63
100 59.90 57.84 3.56
110 57.58 55.15 4.40
120 55.54 52.80 5.18
150 50.62 47.23 7.19
Promedio 4.89
Fuente: Autor
57
IDF_Vargas & Error

(min) (mm/hr)
(mm/hr) (%)
10 164.65 199.97 17.66
20 123.50 141.40 12.66
30 104.38 115.46 9.59
40 92.63 99.99 7.35
50 84.44 89.43 5.58
60 78.29 81.64 4.10
70 73.44 75.58 2.83
80 69.48 70.70 1.72
90 66.17 66.66 0.73
100 63.34 63.24 0.16
110 60.88 60.29 0.98
120 58.72 57.73 1.73
150 53.53 51.63 3.68
Promedio 5.29
Fuente: Autor
IDF_Vargas & Error

(min) (mm/hr)
(mm/hr) (%)
10 176.65 223.76 21.05
20 132.50 158.22 16.26
30 111.99 129.19 13.32
40 99.39 111.88 11.17
50 90.60 100.07 9.46
60 84.00 91.35 8.05
70 78.79 84.57 6.83
80 74.55 79.11 5.77
90 70.99 74.59 4.82
100 67.95 70.76 3.96
110 65.32 67.47 3.18
120 63.00 64.59 2.46
150 57.43 57.77 0.59
Promedio 8.23
Fuente: Autor
58
Tabla 29: Error Porcentual para T=100 años
IDF_Vargas & Error

(min) (mm/hr)
(mm/hr) (%)
10 194.34 260.62 25.43
20 145.77 184.29 20.90
30 123.20 150.47 18.12
40 109.34 130.31 16.09
50 99.67 116.55 14.48
60 92.41 106.40 13.15
70 86.68 98.50 12.00
80 82.01 92.14 10.99
90 78.10 86.87 10.10
100 74.76 82.42 9.29
110 71.86 78.58 8.55
120 69.31 75.23 7.87
150 63.18 67.29 6.10
Promedio 13.31
Fuente: Autor
25,00
19,61
20,00
E. Porcentual (%)
15,00 13,31
11,63
10,00 8,23
7,13
4,89 5,29
5,00
0,00
0 20 40 60 80 100 120
Periodo de retorno (Años)
Grafica 5: Variación del Error Porcentual con relación al periodo de retorno

Fuente: Autor
De acuerdo a las tablas (23) al (29) se observó que los errores porcentuales promedio varían
entre 4.89% y 19.61%, lo cual está dentro de los rangos determinados en el estudio
desarrollado por Villamizar et al. (2018), en donde establece que la discrepancia maxima
59
esperada es del 25%. Con relación a la duración, se evidencia que para periodos de retorno
de 2 y 5 años los errores porcentuales aumentan a medida que se incrementa la duración de
la tormenta de diseño; para periodos de retorno de 10 y 20 años no hay una incidencia
proporcional en su variación; y para periodos de retorno de 30 a 100 años las discrepancias
disminuyen a medida que aumenta la duración de la lluvia.
Teniendo en cuenta los errores porcentuales promedio, en la gráfica 5 se observa que los
eventos de precipitación de un periodo de retorno de 20 años presentan una menor
discrepancia en relación a los demás.
8.5.2 ANÁLISIS BOOTSTRAP

El análisis Bootstrap consistió en 1000 procesos de remuestreo iterativo para obtener las
incertidumbres o intervalos de confianza al 95% de las curvas IDF elaboradas. Para este
análisis se usó la herramienta Excel ya que este software permite determinar, de forma
instantánea, las muestras con remplazo solicitadas a partir de la muestra original (datos
resultantes del promedio ponderado descrito en la tabla 13 y las precipitaciones máximas en
24 horas de la estación Arjona).
8.5.2.1 Bootstrap Aplicado al Modelo IDF de Precipitaciones Máximas en 24 Horas
Para las curvas IDF desarrolladas a partir de las precipitaciones máximas en 24 horas, se
desarrolló el Bootstrap con el fin de estimar los valores máximos y mínimos (limites superior
e inferior del intervalo de confianza generado) de los parámetros de la distribución Gumbel
α y ξ para así construir, para cada valor extremo del intervalo, las curvas IDF que servirán
para obtener las bandas de incertidumbre.
A continuación, se presentan en las tablas 30 y 31 los resultados del muestreo y los valores
estimados en el Bootstrap.
60
Tabla 30: Proceso Bootstrap: parte 1
Fuente: Autor
Tabla 31: Proceso Bootstrap: parte 2
Fuente: Autor
61
Con base a este proceso se obtuvieron los valores medios estimados de los parámetros de la
función Gumbel y los intervalos de confianza al 95%, como se muestran en la tabla 32.
Tabla 32: Parámetros Estimados en el Bootstrap
α_Estimado= 14.35
L. inferior L. superior
11.03 17.67
ξ_Estimado = 75.33
L. inferior L. superior
58.26 92.41
Fuente: Autor
Las curvas IDF correspondientes al límite inferior se elaboraron a partir de los valores
inferiores de ambos intervalos de confianza (resaltado en rojo). De manera similar, se
construyeron las curvas IDF del límite superior. La ecuación 43 es el modelo de intensidad
para el límite inferior y las intensidades máximas se presentan en la tabla 33. En la gráfica 6
se muestran las curvas IDF para ese límite.
206.81 𝑇 0.1407
𝐷0.4149
Tabla 33: Intensidades Máximas para el límite inferior
Intensidades máximas (mm/hr)

Duración
(min)
10 87.71 99.77 109.99 121.26 128.38 137.95 152.08
20 65.79 74.84 82.50 90.96 96.30 103.47 114.07
30 55.60 63.25 69.73 76.87 81.39 87.45 96.41
40 49.34 56.13 61.88 68.22 72.23 77.61 85.56
50 44.98 51.17 56.41 62.19 65.84 70.75 78.00
60 41.70 47.44 52.30 57.66 61.04 65.59 72.31
70 39.12 44.50 49.06 54.09 57.26 61.53 67.83
80 37.01 42.10 46.42 51.17 54.18 58.21 64.18
90 35.25 40.10 44.20 48.73 51.59 55.44 61.12
100 33.74 38.38 42.31 46.65 49.39 53.07 58.50
110 32.43 36.89 40.67 44.84 47.47 51.01 56.23
120 31.28 35.58 39.23 43.25 45.79 49.20 54.24
62
150 28.51 32.44 35.76 39.42 41.74 44.85 49.44

Fuente: Autor
160
140
120
2 AÑOS
Intensidad (mm/h)
100
5 AÑOS
80 10 AÑOS
20 AÑOS
60
30 AÑOS
50 AÑOS
40
100 AÑOS
20
0
0 20 40 60 80 100 120 140
Duracion (Min)
Grafica 6: Curvas IDF para el límite inferior (1999- 2020)

Fuente: Autor
Similarmente, la ecuación 44 representa el modelo de intensidad para el límite superior y las
intensidades máximas se muestran en la tabla 34. En la gráfica 7 se presentan las curvas IDF
para ese límite.
328.16 𝑇 0.1417
𝑡 0.4149
Tabla 34: Intensidades Máximas para el Límite Superior (1999 - 2020)
Intensidades máximas (mm/hr)

Duración
(min)
10 139.26 158.57 174.94 192.99 204.41 219.75 242.43
20 104.46 118.94 131.22 144.76 153.32 164.83 181.84
30 88.28 100.52 110.90 122.34 129.58 139.31 153.68
40 78.35 89.21 98.42 108.58 115.00 123.63 136.39
63
50 71.42 81.33 89.72 98.98 104.83 112.70 124.33

60 66.22 75.40 83.18 91.77 97.19 104.49 115.27
70 62.12 70.73 78.03 86.08 91.17 98.02 108.13
80 58.77 66.92 73.82 81.44 86.26 92.73 102.30
90 55.97 63.73 70.30 77.56 82.14 88.31 97.43
100 53.57 61.00 67.30 74.24 78.63 84.53 93.26
110 51.50 58.63 64.69 71.36 75.58 81.26 89.64
120 49.67 56.56 62.39 68.83 72.90 78.37 86.46
150 45.28 51.55 56.88 62.75 66.46 71.44 78.82
Fuente: Autor
300
250
200 2 AÑOS
Intensidad (mm/h)
5 AÑOS
150 10 AÑOS
20 AÑOS
100 30 AÑOS
50 AÑOS
100 AÑOS
50
0
0 20 40 60 80 100 120 140
Duracion (Min)
Grafica 7: Curvas IDF para el Límite Superior

Fuente: Autor
8.5.2.2 Bootstrap Aplicado al Modelo de Vargas y Díaz - Granados

Para el modelo IDF desarrollado por la metodología de Vargas y Díaz – Granados se realizó
el mismo procedimiento. En este caso, se realizó el Bootstrap para obtener los intervalos de
confianza para el parámetro Promedio Máximo Anual de la Precipitación diaria (Promedio
de las precipitaciones máximas en 24 horas). A continuación, se muestran en las tablas 35,
36 y 37 los resultados.
64
Tabla 35: Proceso Bootstrap para el modelo de Vargas y Díaz – Granados # 1
Fuente: Autor
Tabla 36: Proceso Bootstrap para el modelo de Vargas y Díaz – Granados # 2
Fuente: Autor
65
Tabla 37: Promedio estimado a partir del Bootstrap
Promedio estimado = 82.40 mm

L. inferior L. Superior
74.48 90.31
Fuente: Autor
En la tabla 37 se describe el resultado final del Bootstrap, en donde se obtuvieron el promedio
máximo anual de la precipitación diaria y los intervalos de confianza al 95%.
Las curvas IDF para el límite inferior se construyeron a partir del valor inferior del intervalo
de confianza, y de forma similar se hizo para el límite superior. Las ecuaciones 45 y 46
representan el modelo IDF de Vargas y Díaz – Granados para los límites inferior y superior,
respectivamente; en las tablas 38 y 39 se muestran las intensidades máximas estimadas.
𝑇 0,22
𝐼 = (24,85) 0,5 (74,480,1 ) 𝑒𝑐𝑢. 45
𝑡
Tabla 38: Intensidades Máximas para límite inferior (modelo Varga y Díaz – Granados)

Duración
(min)
10 109.10 133.47 155.45 181.06 197.96 221.50 257.99
20 77.15 94.38 109.92 128.03 139.98 156.63 182.43
30 62.99 77.06 89.75 104.54 114.29 127.88 148.95
40 54.55 66.73 77.73 90.53 98.98 110.75 129.00
50 48.79 59.69 69.52 80.97 88.53 99.06 115.38
60 44.54 54.49 63.46 73.92 80.82 90.43 105.32
70 41.24 50.45 58.76 68.44 74.82 83.72 97.51
80 38.57 47.19 54.96 64.02 69.99 78.31 91.21
90 36.37 44.49 51.82 60.35 65.99 73.83 86.00
100 34.50 42.21 49.16 57.26 62.60 70.04 81.58
110 32.90 40.24 46.87 54.59 59.69 66.79 77.79
120 31.49 38.53 44.88 52.27 57.15 63.94 74.48
150 28.17 34.46 40.14 46.75 51.11 57.19 66.61
Fuente: Autor
𝑇 0,22
𝐼 = (24,85) (90,310,1 ) 𝑒𝑐𝑢. 46
𝑡 0,5
66
Tabla 39: Intensidades máximas para el límite Superior (modelo Vargas & Diaz –
Granados)

Duración (min) 2 años 5 años 10 años 20 años 30 años 50 años 100 años
10 111.23 136.07 158.48 184.59 201.81 225.81 263.01
20 78.65 96.21 112.06 130.52 142.70 159.67 185.98
30 64.22 78.56 91.50 106.57 116.52 130.37 151.85
40 55.61 68.03 79.24 92.29 100.91 112.91 131.51
50 49.74 60.85 70.87 82.55 90.25 100.99 117.62
60 45.41 55.55 64.70 75.36 82.39 92.19 107.37
70 42.04 51.43 59.90 69.77 76.28 85.35 99.41
80 39.32 48.11 56.03 65.26 71.35 79.84 92.99
90 37.08 45.36 52.83 61.53 67.27 75.27 87.67
100 35.17 43.03 50.12 58.37 63.82 71.41 83.17
110 33.54 41.03 47.78 55.66 60.85 68.09 79.30
120 32.11 39.28 45.75 53.29 58.26 65.19 75.93
150 28.72 35.13 40.92 47.66 52.11 58.30 67.91
Fuente: Autor
8.5.2.3 Análisis de Incertidumbre para los Modelos IDF Elaborados
Teniendo estos resultados se procedió a determinar la variabilidad temporal de ambos
modelos examinando, para cada duración de la tormenta de diseño, las discrepancias o
incertidumbres promedio presentadas en relación al periodo de retorno. A continuación, se
ilustran para 10, 40 y 100 minutos las bandas de incertidumbre.
300,00
250,00
incertidumbre (mm/hr)
200,00
150,00
L. inferior
100,00 L. Superior
50,00
0,00
0 20 40 60 80 100 120
Periodo de retorno (años)
Grafica 8: Incertidumbre para tormentas de 10 min. Modelo IDF Pmax 24 hr

Fuente: Autor
67
300,00
250,00
Incertidumbre (mm/hr)
200,00
150,00
L. inferior
100,00 L. superior
50,00
0,00
0 20 40 60 80 100 120
Grafica 9: Incertidumbre para tormentas de 10 min. Modelo IDF Vargas & Diaz -
Granados
Fuente: Autor
160,00
140,00
120,00
100,00
80,00
L.inferior
60,00
L. superior
40,00
20,00
0,00
0 20 40 60 80 100 120
Grafica 10: Incertidumbre para tormentas de 40 min. Modelo IDF Pmax en 24 hr

Fuente: Autor
68
140,00
120,00
100,00
80,00
60,00 L. inferior
L. Superior
40,00
20,00
0,00
0 20 40 60 80 100 120
Granados
Fuente: Autor
100,00
90,00
80,00
70,00
60,00
50,00
L. inferior
40,00
L. superior
30,00
20,00
10,00
0,00
0 20 40 60 80 100 120
Grafica 12: Incertidumbre para Tormentas de 100 min. Modelo IDF Pmax en 24 hr
Fuente: Autor
69
90,00
80,00
70,00
60,00
50,00
40,00 L. Inferior
30,00 L. Superior
20,00
10,00
0,00
0 20 40 60 80 100 120
Periodo de retorno (Años)
Granados
Fuente: Autor
De acuerdo a las gráficas anteriores se puede observar que las incertidumbres disminuyen a
medida que aumenta la duración de la tormenta de diseño y que las mismas son directamente
proporcionales al periodo de retorno. Este resultado es similar al estudio realizado por Feng
et al. (2016), en donde se destaca que normalmente la precision de los datos de larga duracion
es mayor que los de corta duracion. Esto implica que los resultados obtenidos son los
esperados.
En el modelo de Pmax en 24 horas, las incertidumbres promedio para lluvias de 10, 40 y 100
minutos fueron de 70.74 mm/hr, 39.80 mm/hr y 27.21 mm/hr, respectivamente. En cuanto al
modelo de Vargas y Diaz – Granados, para las mismas duraciones, las incertidumbres
promedio fueron de 3.49 mm/hr, 1.75 mm/hr y 1.11 mm/hr. Estas incertidumbres pueden
provenir de la cantidad limitada de datos de lluvia utilizados para la construcción de ambos
modelos.
Por otro lado, aunque ambas ecuaciones presentan dos variables de entrada, en la
metodología de análisis de Pmax en 24 horas se desarrollaron más operaciones e inferencias
estadísticas para determinar la ecuación de intensidad del modelo, en contraste con la
metodología de Vargas y Díaz – Granados. Cabe destacar que la metodología de Vargas y
Díaz – Granados fue constituida a partir de 165 estaciones que presentaban más de 20 años
de registros continuos, lo cual la hace estadísticamente robusta a diferencia del otro modelo.
Si se analiza el modelo IDF de Pmax en 24 horas, en las gráficas 14, 15, 16 y 17 se observa
que las variaciones de incertidumbres se incrementan sustancialmente conforme al aumento
del periodo de retorno. En los estudios realizados por Lin NG, Abd Aziz, Huang y Mirzaei
(2019) y Feng et al. (2016) los resultados presentaron la misma tendencia. Melese et al.
70
(2017) afirma que este comportamiento se debe principalmente a la baja periodicidad de los
registros, es decir, a que el número de años observados o considerados por cada estación no
superan los 20 años.
160,00
LIMITE INFERIOR
140,00
VALOR DEL
120,00 MODELO
Intensidad (mm/hr)
100,00
80,00
60,00
40,00
20,00
0,00
0 20 40 60 80 100 120 140 160
Duracion (min)
Grafica 14: Diferencias entre los límites inferior, superior y los valores del modelo para
T=2 años
Fuente: Autor
200,00
180,00 LIMITE INFERIOR
160,00 VALOR DEL MODELO
Intensidad (mm/hr)
140,00 LIMITE SUPERIOR

120,00
100,00
80,00
60,00
40,00
20,00
0,00
0 20 40 60 80 100 120 140 160
Duracion (min)
Grafica 15: Diferencias entre los límites inferior, superior y los valores del modelo para
T=10 años
Fuente: Autor
71
300,00
LIMITE INFERIOR
250,00 VALOR DEL MODELO
LIMITE SUPERIOR
Intensidad (mm/hr)
200,00
150,00
100,00
50,00
0,00
0 20 40 60 80 100 120 140 160
Duracion (min)
Grafica 16: Diferencias entre los limites inferior, superior y los valores del modelo para
T=100 años
Fuente: Autor
100,00
90,00
80,00
70,00
60,00
50,00 T=2 años
40,00 T=10 años
30,00 T=100 años
20,00
10,00
0,00
0 20 40 60 80 100 120 140 160
Duración (min)
Grafica 17: Incertidumbres para periodos de retorno de 2, 10 y 100 años

Fuente: Autor
72
En la gráfica 18 se evidencia que las incertidumbres del modelo IDF de Vargas y Díaz -
Granados son muy bajas en comparación con el modelo IDF de Pmax en 24 horas.
6,00
5,00
Incertidumbre (mm/h)
4,00
3,00 2 AÑOS
10 AÑOS
2,00
100 AÑOS
1,00
0,00
0 20 40 60 80 100 120 140 160
Duracion (min)
Grafica 18: Valores de incertidumbre en el modelo de Vargas y Díaz - Granados para

periodos de retorno de 2, 10 y 100 años
Fuente: Autor
Por último, en la tabla 40 se resumen los resultados de este proceso comparativo en donde se
presentan, para cada modelo, las incertidumbres estimadas en función de la duración de la
lluvia y el periodo de retorno.
Tabla 40: Incertidumbres para periodos de retorno de 2, 10 y 100 años
DURACION IDF VARGAS Y DIAZ - GRANADOS IDF PMAX EN 24 HORAS

(MIN)
2 AÑOS 10 AÑOS 100 AÑOS 2 AÑOS 10 AÑOS 100 AÑOS

10 2,12 3,03 5,02 51,56 64,94 90,35
20 1,50 2,14 3,55 38,67 48,71 67,77
30 1,23 1,75 2,90 32,69 41,17 57,28
40 1,06 1,51 2,51 29,01 36,54 50,83
50 0,95 1,35 2,25 26,44 33,31 46,34
60 0,87 1,24 2,05 24,52 30,88 42,96
70 0,80 1,14 1,90 23,00 28,97 40,30
80 0,75 1,07 1,78 21,76 27,41 38,13
90 0,71 1,01 1,67 20,72 26,10 36,31
73
100 0,67 0,96 1,59 19,83 24,98 34,76

110 0,64 0,91 1,51 19,06 24,01 33,41
120 0,61 0,87 1,45 18,39 23,16 32,22
150 0,55 0,78 1,30 16,76 21,11 29,37
Fuente: Autor
74
9. CONCLUSIONES
En el estudio realizado se pudo determinar y cuantificar la incertidumbre de las curvas IDF

elaboradas a partir de análisis de precipitaciones máximas en 24 horas mediante análisis
porcentual y análisis Bootstrap. Los resultados de este proceso demostraron que este modelo
no es recomendable como parámetro de diseño al ser comparado con la metodología de
Vargas y Díaz – Granados, en vista de que presenta incertidumbres muy elevadas tal como
se representa en la tabla 40. Para un periodo de retorno de 2 años y una duración de 10
minutos, el modelo de precipitaciones máximas en 24 horas reporta una incertidumbre de
51,56 mm/hr, en cambio, para ese mismo periodo de retorno y duración, el modelo de Vargas
y Díaz – Granados presenta una incertidumbre es igual a 2,12 mm/hr. Cabe señalar que el
modelo IDF de precipitaciones máximas en 24 horas fue construido a partir de series de
tiempo que no superan los 21 años de registro, lo cual conllevó a que éste presentase
incertidumbres muy considerables.
La incertidumbre en la estimación de tormentas de diseño puede surgir de varias fuentes. Una
de ellas es la confiabilidad de los registros pluviométricos, grado de homogeneidad de las
estaciones circundantes del lugar de estudio y los errores porcentuales que puede inducir el
proceso de estimación de parámetros de las ecuaciones de intensidad teóricas. Estas
incertidumbres pudieron ser más significativas si se incluía en el cálculo los datos de la
estación CIOH.
Consecuentemente, modelo de Vargas y Díaz – Granados puede emplearse solamente para
obras de ingeniería de baja complejidad en virtud de que esta curva IDF sintética no se
construyó considerando las variaciones temporales de las lluvias del municipio de Arjona,
sino del promedio de los datos de todas las estaciones ubicadas en la región Caribe (Vargas
& Diaz - Granados, 1998) (RAS, 2004).
Considerando el análisis porcentual, se observó que la discrepancia máxima promedio es de
19.61%, lo cual es congruente con las incertidumbres mencionadas.
Por último, se debe destacar que el 37% de los datos de la estación Sincerín que no se
ajustaron al modelo estimado por regresión múltiple pudieron inducir errores significativos
a los resultados del modelo.
75
10. RECOMENDACIONES
Este estudio se enfocó en elaborar las curvas IDF para el municipio de Arjona y comparar
los resultados mediante análisis de incertidumbres. Para este proceso, además del método
Bootstrap, se recomienda aplicar inferencia bayesiana en virtud de que esta metodología se
adapta mejor a registros pluviométricos menores a 20 años y además proporciona también
estimaciones razonables de incertidumbres.
Se recomienda también realizar el mismo estudio a otras curvas IDF desarrolladas a partir de
análisis de precipitaciones en 24 horas para comprobar si presentan resultados similares y
establecer si son confiables o no.
Por último, se recomienda verificar la homogeneidad de los datos de las estaciones vecinas
para así reducir los errores e incertidumbres.
76
BIBLIOGRAFIA
Alcaldia de Arjona. (2020). Plan de Desarrollo Municipal de Arjona 2020 - 2023. Arjona,
Bolivar.
Aparicio, F. (1992). Fundamentos de Hidrologia de Superficie. Mexico: LIMUSA.
Arrieta, A. (2014). Hidrologia Practica para Ingenieros. Cartagena de Indias: Material
Suministrado por el ING Alfonso Arrieta (NO PUBLICADO).
Arrieta, A., Saba, M., & Puello, A. (2020). Analisis de Variabilidad Climatica en Series de
Intensidades Maximas en la Ciudad de Cartagena . Cartagena de Indias: Material
Suministrado por el ING. Alfonso Arrieta: NO PUBLICADO.
Belio, J. (2020). Método Bootstrap y sus Aplicaciones. Zaragoza, España: Facultad de
Ciencias, Universidad de Zaragoza.
Campos, D. (1978). Calculo de las Curvas IDF a partir de Registros de Lluvia Maxima en
24 horas y Relaciones Duracion Lluvia Promedio. San Luis de Potosi, Mexico:
Subdireccion Regional Noreste de Obras Hidraulicas e Ingenieria Agricola para el
Desarrollo Rural.
CARDIQUE, CARSUCRE, CORMAGDALENA & UAESPNN. (2007). Plan de
Ordenamiento y Manejo de la Cuenca Hidrografica del Complejo de Humedales
del Canal del Dique. Cartagena, Bolivar.
Chapra, S., & Canale, R. (2011). Metodos Numericos para Ingenieros. McGraw Hill
Education, 7° Edición .
Chen, C. (1983). Rainfall Intensity-Duration-Frequency Formulas. Journal of Hydraulic
Engineering.
Chow, V., Maidment, D., & Mays, L. (1994). Hidrologia Aplicada. McGraw Hill
Interamericana.
Efron , B., & Tibshirani, R. (1993). An Introduction to the Bootstrap. Springer
Science+Business.
Feng Huang, Y., Mirzaei , M., & Mat Amin, M. (2016). Uncertainty Quantification in
Rainfall Intensity Duration Frequency Curves Based on Historical Extreme
Precipitation Quantiles. Seri Kembangan, Selangor, Malasia: ELSEVIER.
Gallegos, J., Arteaga, R., Vazquez, M., & Juarez, J. (2016). Estimation of Missing Daily
Precipitation and Maximun and Minimun Temperature Records in San Luis Potosí.
Ingenieria Agricola y Biosistemas.
Gutierrez, A., & Barragan, R. (2019). Ajuste de Curvas IDF a partir de Tormentas de
Corta Duración. Queretaro, Mexico: Instituto Mexicano de Tecnologia del Agua.
77
Guzman, D., Ruiz, J., & Cadena, M. (2014). Regionalización de Colombia Segun la
Estacionalidad de la Precipitación Media Mensual, a Traves de Analisis de
Componentes Principales. Subdirección de Meteorologia - IDEAM.
Hernandez, E., & Martinez, M. (2012). Metodo Bootstrap en la Estimación de
Incertidumbres. La Habana, Cuba: Instituto Nacional de Investigaciones en
Metrologia.
Hernandez, E., & Martinez, M. (2012). Metodo Bootstrap en la Estimación de
Incertidumbres. La Habana, Cuba: Instituto Nacional de Investigaciones en
Metrologia.
Herrera, J., & Llamas, A. (2018). Actualización de las Curvas de Intensidad, Duración y
Frecuencia para la Estación "Aeropuerto Rafael Nuñez" de la Ciudad de
Cartagena de Indias D. T y C (1970 - 2016). Cartagena D. T y C: Universidad de
Cartagena.
HIMAT. (1987). Manual del Observador Meteorologico: Estación Climatologica. Bogota
D.C: Republica de Colombia: Ministerio de Agricultura.
INVIAS. (2009). Manual de Drenaje para Carreteras. Republica de Colombia: Ministerio
de Transporte.
Lin NG, J., Abd Aziz, S., Huang, Y., & Mirzaei, M. (2019). Uncertainty Analysis of
Rainfall Depth Duration Frequency Curves Using the Bootstrap Resampling
Technique. Indian Academy of Sciences.
Llamas, J. (1986). Analisis Matematico en Hidrologia. Universidad Autonoma de
Queretaro.
Madsen, H., Arnbjerg - Nielsen, K., & Steen, P. (2009). Update of Regional Intensities-
Duration-Frequency Curves in Denmark: Tendency Towards Increased Storm
Intensities. ELSEVIER.
Melese, V., Blanchet, J., & Molinie, G. (2017). Uncertainty Estimation of Intensity-
Duration-Frequency Relationships: A Regional Analysis. ELSEVIER.
Montealegre, J. (1990). Tecnicas Estadisticas Aplicadas en el Manejo de Datos
Hidrologicos y Meteorologicos. Bogota D.C: IDEAM.
Mouthon, J. (2018). Sesiones del Curso de Hidrologia. Cartagena de Indias: Material
Suministrado por el ING. Javier Mouthon (NO PUBLICADO).
Pulgarin, E., & Poveda, G. (2008). Estimación de Curvas IDF Basadas en las Propiedades
de Escala de la Lluvia. Bogota D.C: Sociedad Colombiana de Ingenieros.
RAS. (2004). Guia RAS 006: Diseño de Sistemas de Recolección y Evacuación de Aguas
Pluviales. Bogota D.C: Ministerio de Ambiente, Vivienda y Desarrollo Territorial.
Republica de Colombia.
78
Sherman, C. (1931). Frequency and Intensity of Excessive Rainfall at Boston,

Massachusetts. Transactions of the American Society of Civil Engineers.
Silveira, L., Usera , G., Alonso, J., Scavone, M., Chreties, C., Perera, G., & Gonzalez, M.
(2014). Nuevas Curvas de Intensidad, Duración y Frecuencia de Precipitación para
el Departamento de Montevideo, Uruguay. Montevideo, Uruguay.
Suares, Z., Sepúlveda , O., Patarroyo, M., & Canaria , L. (2020). Modelo Matematico para
Estimar Curvas de Intensidad, Duración y Frecuencia de Lluvias Extremas en
Tunja, Colombia. Tunja, Colombia: Universidad Pedagogica y Tecnologica de
Colombia.
Temez, J. (1978). Calculo Hidrometeorologico de Caudales Maximos en Pequeñas
Cuencas Naturales. Madrid, España: Dirección Nacional de Carreteras.
Toro, A., Arteaga, R., Vazquez, M., & Ibañez, L. (2015). Relleno de Series Diarias de
Precipitación, Temperatura Minima y Maxima de la Region Norte del Urabá
Antioqueño. Revista Mexicana de Ciencias Agricolas. Vol 6.
Vargas , R., & Diaz - Granados, M. (1998). Curvas Sinteticas Regionalizadas de
Intensidad, Duración y Frecuencia para Colombia. Bogota D.C: Universidad de los
Andes.
Villamizar, A., Rodriguez, E., & Villarreal, E. (2018). Desarrollo de una Calculadora de
Curvas IDF Generalizadas para Colombia. Ibague, Tolima: Sociedad Colombiana
de Ingenieros.
Wilks, D. (2006). Statistical Methods in the Atmospheric Sciences. Department of Earth
and Atmospheric Science, 2° Edition.
World Meteorological Organization . (2017). Guia del Sistema Mundial de Observación .
Ginebra, Suiza: Organización Meteorologica Mundial.
World Meteorological Organization. (2011). Guia de Practicas Climatologicas. Ginebra,
Suiza: Organizacion Meteorologica Mundial.
World Meteorological Organization. (2011). Guia de Practicas Hidrologicas Vol 2:
Gestión de Recursos Hidricos y Aplicación de Practicas Hidrologicas. Ginebra,
Suiza: Organización Meteorologica Mundial.
World Meteorological Organization. (2018). Guia de Instrumentos y Metodos de
Observación. Parte I: Madición de Variables Meteorologicas. Ginebra, Suiza:
Organización Meteorologica Mundial.
79

Documento-Final Corregido 20 f-1

Cargado por

Copyright:

Formatos disponibles

Documento-Final Corregido 20 f-1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Documento-Final Corregido 20 f-1

Cargado por

Copyright:

Formatos disponibles

CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y FRECUENCIA EN EL

MUNICIPIO DE ARJONA, BOLIVAR (1999 – 2020)

CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y

LUIS MICHAEL TORNE ANGULO

ING. ALFONSO ARRIETA PASTRANA

CONSTRUCCIÓN DE LAS CURVAS DE INTENSIDAD, DURACIÓN Y

LUIS MICHAEL TORNE ANGULO

ING. ALFONSO ARRIETA PASTRANA

HIDRAULICA Y MANEJO COSTERO (GIHMAC)

REGIONALIZACIÓN DE PARAMETROS HIDROLÓGICOS

8.4 CONSTRUCCIÓN DE LAS CURVAS IDF ......................................................... 45

4.1 ANTECEDENTES Y ESTADO DEL ARTE

(1983), Vargas y Díaz - Granados (1998), y también incluye la metodología de

4.2 MARCO TEORICO

4.2.1 MEDICIÓN DE LA LLUVIA

Ilustración 1: Tipos de Pluviómetro

Fuente: WMO, 2018

Ilustración 2: Pluviómetro de Probeta

Ilustración 3: Pluviómetro de Reglilla

4.2.2 CURVAS DE INTENSIDAD, DURACIÓN Y FRECUENCIA (IDF)

• Datos básicos de la estación.

cálculo empleado para estimar los parámetros de la ecuación y unidades.

Ilustración 5: Modelo de Presentación de una Curva IDF

duración de la lluvia, y con el ajuste de estos datos a la distribución de probabilidad de valor

La expresión del denominador es una función polinómica de la forma:

A este término se le denomina factor de escala o de duración. Si se consideran las expresiones

Para Chow et al., (1994), 𝑛 = 1 y 𝛳 = 1, y la ecuación (6) se convierte en:

La expresión de Koutsoyiannis (1998) se puede formular si 𝛳 = 1, entonces:

La ecuación (9) se puede utilizar si:

Similar a la expresión de Koutsoyiannis (1998), Aparacio (1997) propuso que:

4.2.3 CURVAS IDF SINTÉTICAS REGIONALIZADAS: METODOLOGÍA DE

Ilustración 6: División Regional de Colombia

Entonces, la ecuación de intensidad generalizada viene dada por:

Tabla 1: Parámetros Acordes a cada Región

4 5.53 0.17 0.63 0.42

4.2.4 RELACIONES DURACIÓN LLUVIA PROMEDIO

Fuente: Arrieta et al. (2020)

4.2.5 FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD

su función de distribución acumulada viene dada por (World Meteorological Organization,

4.2.6 ESTIMACIÓN DE DATOS FALTANTES (HOMOGENEIZACIÓN DE

4.2.6.3 Regresión por Mínimos Cuadrados

𝑆𝑟 = ∑ 𝑒𝑖 = ∑(𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦𝑖,𝑚𝑜𝑑𝑒𝑙𝑜 ) = ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 )2

Los valores 𝑎0 y 𝑎1 se obtienen a partir de la derivación de la ecuación 28 con respecto a

𝑆𝑡 = ∑(𝑦𝑖,𝑚𝑒𝑑𝑖𝑑𝑎 − 𝑦̅)2 𝑒𝑐𝑢. 28

𝑆𝑟 = ∑(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥1𝑖 − ⋯ − 𝑎𝑛 𝑥𝑛𝑖 )2 𝑒𝑐𝑢. 30

Ilustración 7: Esquema General del Método Bootstrap

El método Bootstrap permite estimar la distribución del estimador 𝜃̂ mediante el

• Tomar B muestras Bootstrap independientes 𝑋1∗, … , 𝑋𝐵∗

Donde 𝑃̂(𝜃̂) representa el valor promedio del estimador 𝜃̂ de todo el procedimiento de

El error estándar de 𝜃̂ esta dada por:

̂𝐵 (𝜃̂) = 𝑠𝑒𝐹 (𝜃̂)

𝑏𝐹 (𝜃̂) = 𝐸𝐹 [𝜃̂] − 𝜃 𝑒𝑐𝑢. 34

5.2 OBJETIVOS ESPECIFICOS

Ilustración 8: Ubicación Geográfica de Arjona

Ilustración 9: Localización Geográfica de las Estaciones Meteorológicas

incertidumbres obtenidas (o intervalos de confianza). Si las curvas IDF obtenidas presentan

Obtención y Registros pluviométricos de las estaciones Arjona, A. Rafael Núñez,

Identificación Por medio de una tabulación en la herramienta de Excel se identifican,

Estimación de Se determinan los datos faltantes mediante regresión lineal múltiple y