Professional Documents
Culture Documents
Cap 4.11 Estudio Hidrologico
Cap 4.11 Estudio Hidrologico
4.11.1.- INTRODUCCIÓN.
Este acápite trata el estudio hidrológico del proyecto “ESTUDIO DE DISEÑO TÉCNICO DE
PRE INVERSIÓN MEJORAMIENTO CARRETERA: PANDO-PLAYA VERDE-VENTO” en
el cual se realiza el análisis pluviométrico, determinación de las precipitaciones de diseño,
modelos de precipitación - escurrimiento y caudales de crecidas para el diseño hidráulico de las
obras de arte.
La carretera Pando-Playa Verde-Vento se encuentra ubicada en el departamento de La Paz. Esta ruta se desarrolla
en los municipios de Coro Coro y Calacoto, Provincia Pacajes, tiene una longitud de aproximadamente 50 Km. En su
desarrollo la vía pasa por importantes poblaciones como; Pando, Caquingora, Jalluma Llallagua, Playa Verde, Villa
Pari, Audiencia y Vento (Fig. 4.11.1 y 4.11.2).
Figura 4.11.1
Ubicación del Área en Estudio en Bolivia
Pando
PERU
Beni
La Paz
LAGO
Cochabamba
Santa Cruz
Oruro
CHILE
Chuquisaca
Potosi PARAGUAY
Figura 4.11.2
Ubicación del Área en Estudio en el Departamento de La Paz
El sistema de referencia utilizado para ubicar los puntos, líneas y polígonos ha sido el sistema de
referencia global de proyección: UTM Zona 19 sur, Datum WGS84.
En total son siete las comunidades que la ruta vincula directamente, estas son:
Altitudes
El rango de altitudes de las diferentes regiones físicas influye en la definición de las zonas
bioclimáticas y biogeográficas, de ahí su importancia en el análisis de las características de las
diferentes regiones. A continuación, se detallan las altitudes de las diferentes comunidades por
donde atraviesa el proyecto.
Cuadro 4.11.2
Altitudes de las principales comunidades
MUNICIPIO COROCORO
El altiplano es una zona llana comprendida entre el lago Titicaca y el lago Poopo. En el
altiplano donde se encuentra la primera sección Corocoro de la provincia Pacajes comprenden
los importantes depósitos de cobre que existen en la zona de Corocoro, yacimientos de estuco y
sal, este último contribuye grandemente a elevar la salinidad del río Desaguadero y por ende del
lago Poopo.
La fisiografía del municipio es un gran paisaje de serranías bajas y su clima es frío, propio del
altiplano, con una media anual de 7º C. Son frecuentes las heladas y granizadas además de
sequía durante gran parte del año por la baja distribución de las precipitaciones.
MUNICIPIO CALACOTO
El municipio Calacoto se encuentra ubicado en el Sud del departamento de La Paz, es la Tercera
Sección Municipal de la provincia Pacajes.
4.11.2.3.1.1.- EXTENSIÓN
MUNICIPIO COROCORO
Como se puede ver en la imagen, el relieve de Corocoro es variado y encuentra con una
superficie de 1102.60 Km2 o 110259.64 Has, lo que representa el 10.41% de la superficie total
de la provincia Pacajes, el territorio del municipio se encuentra distribuido en los siguientes 12
cantones.
Cuadro 4.11.3
Extensión Municipio Coro Coro
MUNICIPIO CALACOTO
El municipio Calacoto tiene una extensión territorial aproximada de 3.904 kilómetros cuadrados
(dato del Sistema de Información Geográfica – SIG UDAPE), lo que representa el 36,88 % de la
superficie con relación a la extensión territorial de la Provincia Pacajes, 2,91 % de la superficie
del departamento y 0,96 % respecto a la superficie nacional, como se muestra en el siguiente
cuadro:
Cuadro 4.11.4
Relaciones De Extensiones Municipio de Calacoto
4.11.2.4.1.- TEMPERATURA
Los datos de temperatura media mensual con los que se cuenta corresponde a la estación de
Calacoto, que tiene una altura de 3826 m.s.n.m. y proporciona como resultado una media anual
de 23.3 ºC, las temperaturas medias se muestran en el cuadro 4.11.5.
Cuadro 4.11.5
Temperatura Media Mensual (⁰C)
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC MEDIA
10,6 10,5 10,1 8,4 5,0 3,1 2,8 4,4 6,5 8,6 10,0 10,8
7,6
Fuente: Elaboración Propia en base a Senhami
Cuadro 4.11.6
Resumen histórico de Temperaturas (⁰C)
TEMPERATURAS
VALORES
MEDIA MÁXIMA EXTREMA MÍNIMA EXTREMA
CALACOTO 7,6 29,5 -20,6
Fuente: Elaboración Propia en base a Senhami
4.11.2.4.2.- VIENTOS
La zona del proyecto se caracteriza por presentar vientos relativamente fuertes, de acuerdo a los
datos registrados, la velocidad máxima registrada es de 90,8 Km./hora en el mes de octubre. La
dirección predominante de los vientos es del Sur Oeste.
Cuadro 4.11.7
Velocidades Máximas de Viento y Sentido
MES SENTIDO VELOCIDAD MÁXIMA (KM/HR)
Enero SE 90,8
Febrero SE 74,1
Marzo NW 66,7
Abril SE 55,6
Mayo SW 85,2
Junio SW 83,4
Julio SW 85,2
Agosto SW 74,1
Septiembre NE 89,0
Octubre NW 90,8
Noviembre SW 89,0
Diciembre NE 85,2
Fuente: Elaboración Propia en base a Senhami
Estos datos fueron obtenidos de la estación Climatológica de Calacoto, cuya media anual es de
53,60 %, los datos detallados se encuentran en el Cuadro 4.11.8
Cuadro 4.11.8
Humedad Relativa Media (%)
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC MEDIA
64,3 64,0 63,0 56,5 49,6 49,6 49,6 49,5 48,2 46,2 48,4 54,9 53,6
encontrado que existe una estación pluviométrica cercana al área de estudio y que no es
afectada por efectos orográficos.
Se ha tratado de obtener datos de otra estación cercana como Coro Coro y Ulloma, pero son
estaciones discontinuas que solo se tienen datos hasta la gestión de 1986, además que presentan
muchas inconsistencias, motivo por el cual se ha optado trabajar solo con la estación de
Calacoto.
Cuadro 4.11.9
Coordenadas de las estaciones pluviométricas. Sistema de referencia UTM Zona19 Sur
DATUM: WGS-84.
Coordenadas
Estación Cota Administrador
Latitud Longitud
Figura 4.11.3
Ubicación de la estación con relación al área de influencia
Cuadro 4.11.10
Precipitaciones Máximas Anuales en 24 Horas. Estación Calacoto
No AŃO MAX DIARIA (MM)
1 1971 18,0
2 1972 24,0
3 1973 27,4
4 1974 42,0
5 1975 27,1
6 1976 22,1
7 1977 21,2
8 1978 30,2
9 1979 23,0
10 1980 14,0
11 1981 20,7
12 1982 29,5
13 1983 28,5
14 1984 23,2
15 1985 20,0
16 1986 29,0
17 1987 27,0
18 1988 26,0
19 1989 20,0
20 1990 20,0
21 1991 20,0
22 1992 20,0
23 1993 21,3
24 1994 18,9
25 1995 18,3
26 1996 24,0
27 1997 46,5
28 1998 20,8
29 1999 30,4
30 2000 20,0
31 2001 30,7
32 2002 20,0
Se recolectó información geográfica espacial de las variables hidrológicas que tienen relación
directa con la cuenca de los cursos de agua que escurren hacia la Carretera Pando-Playa
Verde-Vento.
Existen seis modelos matemáticos probabilísticos los cuales se adecuan a este tipo de eventos, el
modelo Normal, modelo de Log-Normal, modelo de Gumbel, modelo Log-Gumbel, modelo
Pearson lll y modelo Log-Pearson lll.
El análisis de frecuencias de datos hidrológicos requiere que los datos sean homogéneos e
independientes. La restricción de homogeneidad asegura que todas las observaciones provengan
de la misma población (por ejemplo, que la estación hidrométrica de un río no haya sido movida,
que la hoya hidrográfica no se haya urbanizado, o que no se hayan colocado estructuras
hidráulicas sobre la corriente principal o sus más importantes tributarios). La restricción de
independencia asegura que un evento hidrológico, tal como una gran tormenta aislada, no entre
al conjunto de datos más de una vez. Por ejemplo, un sistema de tormenta aislado puede
producir dos o más grandes picos de escorrentía y solo uno de ellos (el más grande) deberá
entrar al conjunto de datos. Adicionalmente, para la predicción de la frecuencia de eventos
futuros, la restricción de homogeneidad requiere que los datos a mano sean representativos de
caudales futuros (por ejemplo, que no habrá nuevas estructuras hidráulicas, desviaciones,
cambios en el uso de la tierra, etc., en el caso de datos de caudal). (Monsalve 2004)
Los análisis de frecuencia pueden ser llevados a cabo haciendo o sin hacer suposición alguna de
distribuciones de probabilidad. El procedimiento que debe ser seguido en cualquier caso es casi
el mismo. Si no se hacen distribuciones probabilísticas, el investigador tan sólo grafica los datos
observados sobre cualquier clase de papel (no necesariamente papel probabilístico) y usa su
mejor criterio para determinar la magnitud de eventos pasados o futuros para varios periodos de
retorno. Si se hacen suposiciones de distribuciones probabilísticas, la magnitud de los eventos
para varios periodos de retorno e selecciona de la línea de “mejor ajuste”, de acuerdo con la
distribución supuesta. Si se utiliza una técnica analítica, se recomienda que los datos sean
también graficados, de tal manera que se pueda obtener una idea de qué tan bien los datos
ajustan la forma analítica supuesta, y para caer en cuenta de problemas potenciales. (Monsalve
2004)
origen son iguales a los momentos correspondientes de la información de la muestra. Tal como
se muestra en la figura 4.11.4, si a cada uno de los valores de la información se le signa una
“masa” hipotética igual a su frecuencia relativa de ocurrencia (1/n) y si se imagina que este
sistema de masas se rota alrededor del origen x = 0, entonces el primer momento de cada
observación xi alrededor del origen es el producto de su brazo de momento xi y de su masa 1/n, y
la suma de estos momentos para toda la información es la media de la muestra. Esto es
equivalente a un centroide de un cuerpo. El centroide correspondiente de la función de
probabilidad es:
x · f(x) · dx
-
(4.11.1)
El método de los momentos selecciona valores para los parámetros de la función de densidad de
probabilidad de tal manera que sus momentos son iguales a aquellos de la información de la
muestra.
Figura 4.11.4
Método de los momentos
B) Información de la muestra.
n n
n n ·x x
xi 1
i (4.11.2)
i 1 i 1
Cuando la distribución de probabilidad, a la que se estiman los parámetros por este método es
simétrica y particularmente es normal, se pude demostrar que es un método muy eficiente, pero
cuando las distribuciones son asimétricas y por lo tanto sesgadas, como sucede muy a menudo
con la mayoría de las variables hidrológicas, el utilizar este método representa una pérdida de
eficiencia en la estimación. (Villón 2002)
m
P(X x m )
n (4.11.3)
Sin embargo, esta fórmula simple (conocida como la fórmula de California) produce una
probabilidad del ciento por ciento para m = n, que puede ser difícil de graficar en una escala de
probabilidad. Como un ajuste, la anterior ecuación puede modificarse a
m -1
P(X x m )
n (4.11.4)
Aun cuando esta ecuación no produce una probabilidad del ciento por ciento, sí produce una
probabilidad de cero (para m = 1), lo cual también puede ser difícil de graficar en un papel de
probabilidad. Las dos educaciones anteriores representan los límites dentro de los cuales
deberían localizarse las posiciones de graficación apropiadas.
La ecuación de Weibull es un término medio con una mejor justificación estadística. Si los n
valores están uniformemente distribuidos entre 0 y el 100% de probabilidad, entonces debe
existir n + 1 intervalos, n – 1 entre los puntos de los datos y 2 en los extremos. Este simple
sistema de graficación se expresa mediante la ecuación de Weibull:
m
P(X x m )
n 1 (4.11.5)
Indicando un periodo de retorno un año mayor que el periodo de retorno del registro del valor
máximo.
n 1
T
m (4.11.6)
Jenkinson (1955) demostró que estas tres formas limitantes eran casos especiales de una
distribución única llamada la distribución de Valor Extremo General (GEV). La función de
distribución de probabilidad para a GEV es:
1
- 1 - k · x - u k
F(x) e (4.11.7)
Los tres casos limitantes son 1) para k = 0, la distribución de Valor Extremo tipo I; 2) para k <
0, la distribución de Valor Extremo tipo II, para la cual se aplica con (u + /k) x , y 3)
para K > 0, la distribución de Valor Extremo tipo III, para la cual se aplica en - x (u +
/k). En todos los tres casos, se supone que es positivo. (Chow, 1994)
La función de distribución de Valor Extremo Tipo I (EVI) o también llamada Gumbel, es:
- x - u
- e
F(x) e -x (4.11.8)
6 ·s
(4.11.9) u x - 0.5772 · (4.11.10)
x-u
y
(4.11.11)
F(x) e-e
- y
(4.11.12)
1
y - ln ln
F(x) (4.11.13)
Puede utilizarse la ecuación 4.26 para definir “y” para las distribuciones Tipo II y Tipo III. Los
valores de “x” y “y” pueden graficarse tal como se muestran en la figura 4.11.5. Para la
distribución EVI la gráfica es una línea recta mientras que, para valores grandes de “y”, la
curva correspondiente a la distribución EVII tiene una pendiente mayor que aquella para EVI, y
la curva para la distribución EVIII tiene una pendiente menor, siendo acotada por arriba. Para
relacionar “y” con los valores del periodo de retorno se puede hacer las siguientes operaciones:
1 1
P(x x T ) 1 - P(x x T ) 1 - F(x T )
T T (4.11.14)
T -1
F(x T )
Luego: T (4.11.15)
T
y T - ln ln
Finalmente se tiene: T - 1 (4.11.16)
Figura 4.11.5
Distribuciones de Valor Extremo Tipo I, Tipo II y Tipo III
La magnitud xT de un evento hidrológico extremo puede representarse como la media “u” más
la desviación “ΔxT” de la variable con respecto a la media, ver la figura 4.11.6.
x T u x T (4.11.17)
Esta desviación con respecto a la media puede igualarse al producto de la desviación estándar
y el factor de frecuencia KT; es decir ΔxT = KT · . La desviación ΔxT y el factor de frecuencia
KT son funciones del periodo de retorno y el tipo de distribución de probabilidad a utilizarse en
el análisis, por tanto la ecuación 4.17 puede expresarse como:
Figura 4.11.6
Magnitud de un evento extremo xT, desviación KT· de la media “u”
Para la distribución de Valor Extremo Tipo I, Chow (1993) dedujo la siguiente expresión:
6 T
KT - · 0.5772 lnln
π T - 1 (4.11.19)
1
T
- π · K T
6
- e
1- e
(4.11.20)
Las pruebas estadísticas, tienen por objeto medir la certidumbre que se obtiene al hacer una
hipótesis estadística sobre una población, es decir, calificar el hecho de suponer que una
variable aleatoria, se distribuya según una cierta función de probabilidades. (Villón 2002)
a) Ajuste gráfico.
b) Análisis estadístico: Error Cuadrático Mínimo, Chi-cuadrado, Smirnov – Kolmogorov.
a) Ajuste Gráfico.
Este primer método que se usa para seleccionar la función consiste simplemente en inspeccionar
una gráfica donde se haya dibujado cada una de las diferentes funciones junto con los puntos
medidos.
Este método se usa a veces, incluso, para ajustar las funciones de distribución de probabilidad a
los datos medidos, dibujando en un papel especial para cada función dichos datos, escogiendo a
función para la que el conjunto de puntos sea semejante a una línea recta y finalmente trazando
a ojo dicha línea recta para poder hacer las extrapolaciones necesarias.
Este es un método con un alto grado de subjetividad y, usado aisladamente, puede ser un tanto
peligroso. Sin embargo, es muy ilustrativo y recomendable para ser usado con otros métodos. Si
lo aplica un ingeniero con experiencia, puede resultar el mejor de todos.
Este método es menos subjetivo que el anterior. Consiste en calcular, para cada función de
distribución, el error cuadrático:
1
n 2
C (x ei - x oi )2
i 1
(4.11.21)
x ei x ei
Donde es el i-ésimo dato estimado y es el i-ésimo dato calculado con la función de
distribución bajo análisis. La función de distribución que tenga el menor valor del error mínimo
cuadrático, será la función que mejor ajuste tenga.
La prueba 2 es la más popular. Fue propuesta por Karl Pearson en 1900. Para aplicar la
prueba, el primer paso es dividir los datos en un número k de intervalos de clase. Posteriormente
se calcula el parámetro estadístico:
k
(i - i )2
D
i 1
i
(4.11.22)
i se calcula como:
Una vez calculado el parámetro D para cada función de distribución considerada, se determina
el valor de una variable aleatoria con distribución 2 para = k - 1 - m grados de libertad y una
nivel de significancia , donde m es el número de parámetros estimados a partir de los datos.
Para aceptar la función de distribución dada, se debe cumplir:
D 21-, k - 1- m (4.11.24)
Sin embargo, no puede ser arbitrariamente pequeña sin incrementar al mismo tiempo la
probabilidad de cometer un error tipo II, que es el aceptar Ho cuando en realidad no es
verdadera. El valor más común de es de 0.05; para este nivel de significancia suelen aceptarse
varias funciones de distribución de probabilidad. De ser el caso, y si se usa solamente este
criterio para aceptar esta función, se escogería la de menor valor de D.
Por otra parte, siempre se debe tener precaución al aplicar la prueba, pues sus resultados
dependen mucho de la selección de los intervalos y del tamaño de la muestra, e incluso pueden
resultar contradictorios para una misma muestra. Sus resultados deben tomarse con mucha
reserva, en especial cuando se usan para discriminar una función de distribución de
probabilidad de otra y son, en cambio, mucho más útiles sólo para compararlas.
Con un valor crítico d que depende del número de datos y el nivel de significancia seleccionado.
Si D d, se acepta la hipótesis nula. Esta prueba tiene la ventaja sobre la 2 de que compara los
datos del modelo estadístico sin necesidad de agruparlos. La función de distribución de
probabilidad observada se calcula como
m
Fo (xm ) 1 -
n 1 (4.11.26)
Donde m es el número de orden del dato xm en una lista de mayor a menor y n es el número total
de datos.
Para cada dato se debe considerar su D calculado y seleccionar el valor mayor para cada
función; y la función de distribución de probabilidad que presente el menor valor D entre los
seleccionados será la que tenga el mejor ajuste.
Esta técnica de análisis, se utiliza cuando la variable dependiente “y”, es función de dos o más
variables independientes x1, x2, x3, …, xm, siendo el modelo lineal:
y = a0 + a1 · x1 + a2 · x2 + a3 · x3 + … + am · xm (4.11.27)
Extendiendo el método de los mínimos cuadrados, para el caso de una regresión lineal múltiple,
las ecuaciones normales que se obtienen son (Villón 2002):
y a · n a · x a · x a · x ... a · x
0 1 1 2 2 3 3 m m
x · y a · x a · x a · x · x a · x · x ... a · x · x
1 0 1 1
2
1 2 1 2 3 1 3 m 1 m
x · y a · x a · x · x a · x a · x · x ... a · x · x
2 0 2 1 2 1 2
2
2 3 2 3 m 2 m
.
.
.
x m · y a0 · x m a1 · x 1 · xm a2 · x 2 · xm a3 · x 3 · x m ... am · x 2
m
(4.11.28)
El número de ecuaciones normales, debe ser tantas como incógnitas se tiene. A fin de que se tenga un sistema
resoluble y así encontrar: a0, a1, a2, …, am
a) Error estándar del estimado para regresión múltiple (Se). (Villón 2002)
Se
(y - ŷ) 2
e 2
n-p n-p
(4.11.29)
Donde:
ŷ
= a0 + a1 · x1 + a2 · x2 + … + am · xm = valores estimados de la variable dependiente con
la ecuación de regresión.
n - p = grados de libertad.
La ecuación (4.11.29) es muy tediosa de calcular, por lo que los estadísticos han derivado una
fórmula más corta de calcular por el método computacional, la cual se muestra en la ecuación
(4.11.30)
Se
y 2
- a0 · y - a ·x
1 1·y - a2 · x 2 · y - ... - am · x m ·y
n-p
(4.11.30)
Se 2
R2 1-
S 2y
y a ·x x · y a · x x
2
a0 · 1 1·y a2 · 2 3 3 · y ... am m ·y - n·y
R
2
y - n·y 2 2
(4.11.31)
Donde:
R2 = coeficiente de determinación.
Se = error estándar del estimado, calculado con las ecuaciones (4.30) o (4.31).
1 2
y - y y
1
- n · y
2
S2y · 2
· 2
n -1 n - 1 (4.11.32)
En la Zona del Proyecto existen dos Cuencas: la del río Desaguadero y del río Mauri; ambas
influyen notablemente en el ciclo hídrico de la región.
Cuadro 4.11.11
Cuencas y Sub Cuencas
Se han identificado 30 microcuencas, las cuales cuentan con las siguientes áreas de aporte:
Cuadro 4.11.12
Áreas de Aporte
Cuenca Area
(km2)
1 0.76
2 0.00
3 3.16
4 219.79
Cuenca Area
(km2)
5 0.24
6 0.21
7 0.24
8 1.73
9 142.44
10 0.24
11 81.19
12 0.28
13 0.13
14 0.12
15 5.62
16 0.72
17 541.27
18 1.17
19 0.27
20 0.73
21 0.93
22 5.28
23 0.32
24 1.48
25 0.40
Cuenca Area
(km2)
26 0.18
27 270.00
28 0.56
29 1.00
30 0.35
Fuente: Asociación Accidental Los Álamos
En el cuadro 4.11.12 solo se han considerado las cuencas mayores a 0,1 km2
Las características morfométricas y de drenaje de la cuenca nos explican la respuesta que tiene
la misma frente a eventos de precipitación los cuales generan escurrimiento y erosión de suelos.
Con las herramientas avanzadas del programa Global Mapper y en función a la imagen satelital
y DEM se determinó los parámetros básicos.
Cuadro 4.11.13
Parámetros Morfométricos de las Microcuencas.
Cuadro 4.11.14
Coordenadas de las estaciones pluviométricas. Sistema de referencia UTM zona19 sur
DATUM: WGS-84.
Coordenadas
Estación Cota Administrador
Latitud Longitud
estaciones pluviométricas, resultando un año hidrológico que inicia en el mes de Julio y termina
en el mes de junio del siguiente año.
Cuadro 4.11.15
Año hidrológico considerado para la selección de precipitaciones máximas diarias anuales.
AÑO HIDROLÓGICO – AREA DE ESTUDIO
JUL AGO SEP OCT NOV DIC ENE FEB MAR ABR MAY JUN
Cuadro 4.11.16
Precipitaciones máximas diarias anuales – Estación Calacoto
Periodo de Precipitación
Probabilidad
Retorno T Frecuencia máxima diaria
(1/T)
(Años) ht (mm)
1.11 0.90 0.100 37.7
Periodo de Precipitación
Probabilidad
Retorno T Frecuencia máxima diaria
(1/T)
(Años) ht (mm)
Figura 4.11.7
Distribución de Precipitaciones Máximas – Estación Calacoto
80
70
60
PRECIPITACIÓN mm
50
40
30
20
10
0
0,993
0,995
0,997
0,998
0,999
1,000
0,980
0,990
0,960
0,900
0,800
0,700
0,600
0,500
0,400
0,302
0,200
0,100
FRECUENCIA
hTt = ht * ( t / td )b (4.11.34)
Donde:
t= Tiempo en horas
Se considera que la lluvia diaria es igual a la lluvia de 12 hrs., un exponente de 0.20 para
tiempos menores a 2 horas y 0.30 para tiempos mayores a 2 horas, obteniéndose los siguientes
resultados.
Cuadro 4.11.17
Lluvias máximas horarias ( mm ) correspondientes a diferentes tiempos ( t ) – Estación
Calacoto
T t=0.5h t=1h t=2h t=3h t=4h t=6h t=12h
1.11 51.19 28.79 16.19 11.56 6.50 6.50 3.66
Figura 4.11.8
Curvas I-D-F. Estación: Calacoto.
90,00
80,00
Precipitaciones Horarias (mm)
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
Frecuencia T
Con esta equivalencia toda el área de aporte estará contribuyendo al punto de control con
escurrimiento superficial. El tiempo de concentración se calculó con las fórmulas:
Ventura:
2 𝐴
𝑡𝑐 = 0.1272 ∗ √ 𝑖 (4.11.35)
Kirpich:
𝑙1.15
𝑡𝑐 = 0.00032 ∗ 𝐻 0.38 (4.11.36)
Giandotti:
4∗𝐴0.5 +1.5∗𝐿
𝑡𝑐 = (4.11.37)
0.8∗𝐻 0.5
Burea Of Reclamatión:
0.385
0.871∗𝐿 3
𝑡𝑐 = ( ) (4.11.38)
𝐻
Para nuestro caso, se ha utiliza la ecuación de Kirpich, que es ampliamente utilizada para el
drenaje de carreteras:
Cuadro 4.11.19
Tiempo de Concentración (min)
Unidad o
KIRPICH
Cuenca
1 15.64
2 6.09
3 33.65
Unidad o
KIRPICH
Cuenca
4 317.79
5 51.41
6 11.77
7 12.99
8 27.02
9 262.60
10 10.19
11 294.53
12 18.43
13 9.51
14 8.19
15 83.03
16 16.23
17 337.81
18 24.56
19 15.29
20 16.62
21 19.85
22 27.84
Unidad o
KIRPICH
Cuenca
23 7.55
24 29.67
25 11.47
26 8.42
27 502.02
28 9.34
29 16.33
30 7.91
Cuadro 4.11.20
Intensidades para duraciones D y para 2 ≤ T ≤ 300 años.
4 6.09 207.07 232.31 253.42 284.31 310.15 338.34 356.00 369.09 388.35
3 33.65 50.10 56.21 61.32 68.79 75.04 81.86 86.13 89.30 93.96
2 317.79 7.76 8.71 9.50 10.66 11.63 12.68 13.34 13.84 14.56
6 11.77 119.87 134.48 146.70 164.58 179.53 195.85 206.08 213.65 224.80
7 12.99 110.42 123.87 135.13 151.60 165.38 180.41 189.83 196.80 207.08
8 27.02 60.12 67.45 73.58 82.54 90.05 98.23 103.36 107.16 112.75
9 262.60 9.09 10.20 11.13 12.49 13.62 14.86 15.64 16.21 17.06
10 10.19 135.12 151.58 165.36 185.51 202.37 220.76 232.29 240.83 253.40
11 294.53 8.27 9.28 10.12 11.35 12.38 13.51 14.21 14.74 15.51
12 18.43 82.62 92.69 101.12 113.44 123.75 135.00 142.04 147.27 154.95
13 9.51 143.15 160.60 175.19 196.54 214.41 233.89 246.10 255.15 268.47
14 8.19 162.07 181.82 198.34 222.51 242.74 264.80 278.62 288.86 303.94
15 83.03 23.66 26.55 28.96 32.49 35.44 38.67 40.68 42.18 44.38
16 16.23 91.81 103.00 112.36 126.05 137.51 150.01 157.84 163.64 172.18
17 337.81 7.38 8.28 9.03 10.13 11.05 12.06 12.68 13.15 13.84
18 24.56 65.07 73.00 79.63 89.34 97.46 106.31 111.86 115.98 122.03
19 15.29 96.49 108.24 118.08 132.47 144.51 157.65 165.88 171.98 180.95
20 16.62 90.02 100.99 110.17 123.60 134.83 147.08 154.76 160.45 168.83
21 19.85 77.68 87.15 95.07 106.65 116.35 126.92 133.55 138.46 145.68
22 27.84 58.65 65.79 71.77 80.52 87.84 95.82 100.82 104.53 109.99
23 7.55 173.25 194.37 212.03 237.87 259.49 283.08 297.85 308.80 324.92
24 29.67 55.63 62.41 68.08 76.37 83.32 90.89 95.63 99.15 104.32
25 11.47 122.45 137.37 149.86 168.12 183.40 200.07 210.51 218.25 229.64
26 8.42 158.34 177.64 193.78 217.40 237.16 258.71 272.22 282.22 296.96
27 502.02 5.31 5.96 6.50 7.29 7.95 8.68 9.13 9.46 9.96
29 16.33 91.35 102.48 111.80 125.42 136.82 149.26 157.05 162.82 171.32
30 7.91 166.72 187.04 204.04 228.91 249.71 272.41 286.63 297.16 312.68
Método Racional
𝐶𝐼𝐴
𝑄= (11.39)
3.6
C = coeficiente de escorrentía.
Asociación Accidental Los Álamos 46
GOBIERNO AUTÓNOMO DEPARTAMENTAL DE LA PAZ
Cuadro 4.11.21
Caudales líquidos para 5 ≤ T ≤ 300 años para las microcuencas. Metodo Racional
4 0.00 0.35 207.07 232.31 253.42 284.31 310.15 338.34 356.00 369.09 388.35
3 3.16 0.35 50.10 56.21 61.32 68.79 75.04 81.86 86.13 89.30 93.96
2 219.79 0.35 7.76 8.71 9.50 10.66 11.63 12.68 13.34 13.84 14.56
5 0.24 0.35 35.24 39.53 43.13 48.38 52.78 57.58 60.58 62.81 66.09
6 0.21 0.35 119.87 134.48 146.70 164.58 179.53 195.85 206.08 213.65 224.80
7 0.24 0.35 110.42 123.87 135.13 151.60 165.38 180.41 189.83 196.80 207.08
8 1.73 0.35 60.12 67.45 73.58 82.54 90.05 98.23 103.36 107.16 112.75
9 142.44 0.35 9.09 10.20 11.13 12.49 13.62 14.86 15.64 16.21 17.06
10 0.24 0.35 135.12 151.58 165.36 185.51 202.37 220.76 232.29 240.83 253.40
11 81.19 0.35 8.27 9.28 10.12 11.35 12.38 13.51 14.21 14.74 15.51
12 0.28 0.35 82.62 92.69 101.12 113.44 123.75 135.00 142.04 147.27 154.95
13 0.13 0.35 143.15 160.60 175.19 196.54 214.41 233.89 246.10 255.15 268.47
14 0.12 0.35 162.07 181.82 198.34 222.51 242.74 264.80 278.62 288.86 303.94
15 5.62 0.35 23.66 26.55 28.96 32.49 35.44 38.67 40.68 42.18 44.38
16 0.72 0.35 91.81 103.00 112.36 126.05 137.51 150.01 157.84 163.64 172.18
17 541.27 0.35 7.38 8.28 9.03 10.13 11.05 12.06 12.68 13.15 13.84
18 1.17 0.35 65.07 73.00 79.63 89.34 97.46 106.31 111.86 115.98 122.03
19 0.27 0.35 96.49 108.24 118.08 132.47 144.51 157.65 165.88 171.98 180.95
20 0.73 0.35 90.02 100.99 110.17 123.60 134.83 147.08 154.76 160.45 168.83
21 0.93 0.35 77.68 87.15 95.07 106.65 116.35 126.92 133.55 138.46 145.68
22 5.28 0.35 58.65 65.79 71.77 80.52 87.84 95.82 100.82 104.53 109.99
24 1.48 0.35 55.63 62.41 68.08 76.37 83.32 90.89 95.63 99.15 104.32
25 0.40 0.35 122.45 137.37 149.86 168.12 183.40 200.07 210.51 218.25 229.64
26 0.18 0.35 158.34 177.64 193.78 217.40 237.16 258.71 272.22 282.22 296.96
27 270.00 0.35 5.31 5.96 6.50 7.29 7.95 8.68 9.13 9.46 9.96
28 0.56 0.35 145.30 163.00 177.82 199.49 217.62 237.40 249.79 258.97 272.49
29 1.00 0.35 91.35 102.48 111.80 125.42 136.82 149.26 157.05 162.82 171.32
30 0.35 0.35 166.72 187.04 204.04 228.91 249.71 272.41 286.63 297.16 312.68
https://sites.google.com/site/climaenbolivia/clima-en-bolivia/clima-en-la-paz
http://www.jspacesystems.or.jp/ersdac/GDEM/E/index.html
http://essm.tamu.edu/bolivia/