MONITOREO Y PRONOSTICO DE CAUDALES. CUENCA DE LOS RÍOS ILAVE Y COATA. Ing. Efrain Lujano Laura Hidrólogo PREVAE SENAMHI DR13 PUNO

Transcripción

1 MONITOREO Y PRONOSTICO DE CAUDALES. CUENCA DE LOS RÍOS ILAVE Y COATA Ing. Efrain Lujano Laura Hidrólogo PREVAE SENAMHI DR13 PUNO

2 UBICACIÓN DEL ÁREA DE ESTUDIO Rio Coata Estación Puente Unocolla Rio Ilave Estación Puente Ilave CUENCA DEL RIO COATA Área = Km2 CUENCA DEL RIO ILAVE Área Km2

3 ACTIVIDADES A REALIZAR 1. MONITOREO HIDROLOGICO 1.1. MONITOREO HIDROLOGICO DIARIO 1.2. MONITOREO HIDROLOGICO SEMANAL 2. PRONOSTICO DE CAUDALES 2.1. PRONOSTICO DE CAUDALES DIARIOS 3. ESTUDIOS 3.1. CARACTERIZACION MORFOLOGICA DE LAS CUENCAS ILAVE Y COATA 3.2. CARACTERIZACION HIDROLOGICA REGIONAL DE LAS CUENCAS ILAVE Y COATA 3.3. ESTUDIO DE SEQUIAS 3.4. ANALISIS DE MAXIMAS AVENIDAS 4. IDENTIFICACION DE AREAS VULNERABLES A INUNDACIONES. OTROS.1. ANALISIS REGIONAL DE FRECUENCIAS APLICADOS A LAS PRECIPITACIONES Y CAUDALES MAXIMOS CON LA METOLOGIA DE LOS L-MOMENT S

4 ANALISIS EXPLORATORIO DE DATOS DIAGRAMA DE CAJAS (ID VALORES ATIPICOS) HISTOGRAMA DE FRECUENCIAS (NORMALIDAD DE DATOS) Precipitación (mm) ARAPA AYAVIRI CABANILLAS CAPACHICA CAPAZO CHUQUIBAMBILLA CRUCERO ALTO ICHUÑA ILAVE JULI JULIACA LAMPA LARAQUERI LLALLY LOS UROS MAÑAZO MAZO CRUZ PAMPA UMALZO PAMPAHUTA PIZACOMA PUCARA PUNO SANTA LUCIA TARACO VILACOTA Frecuencia ARAPA AYAVIRI CABANILLAS CAPACHICA CAPAZO CHUQUIBAMBILLA CRUCERO ALTO ICHUÑA ILAVE JULI JULIACA LAMPA LARAQUERI LLALLY LOS UROS MAÑAZO MAZO CRUZ PAMPA UMALZO PAMPAHUTA PIZACOMA PUCARA PUNO SANTA LUCIA TARACO VILACOTA IDENTIFICACION DE VALORES ATIPICOS 2 Precipitacion Cerca interna superior Cerca externa superior Cerca interna inferior Cerca externa inferior Prom Precipitación (mm) Tiempo (Años)

5 IDENTIFICACION DE REGIONES HOMOGENEAS ANALISIS DE CONGLOMERADO DE VARIABLES METODO DEL VECTOR REGIONAL Similitud ARAPA LOS UROS CABANILLAS CAPACHICA JULI PUNO LLALLY PAMPAHUTA CRUCERO ALTO LARAQUERI ILAVE MAÑAZO AYAVIRI PUCARA Estaciones CHUQUIBAMBILLA JULIACA TARACO CAPAZO PAMPA UMALZO VILACOTA ICHUÑA LAMPA SANTA LUCIA MAZO CRUZ PIZACOMA Indices Año _P_MPM_(mm) 1133_P_MPM_(mm) 121_P_MPM_(mm) 83_P_MPM_(mm) 11627_P_MPM_(mm) 11661_P_MPM_(mm) 11633_P_MPM_(mm) 11434_P_MPM_(mm) 188_P_MPM_(mm) 111_P_MPM_(mm) 1127_P_MPM_(mm) 111_P_MPM_(mm) Vector Lím. Inf. Lím. Sup. Estaciones Vector _P_MPM_(mm) 1133_P_MPM_(mm) 121_P_MPM_(mm) 83_P_MPM_(mm) 11627_P_MPM_(mm) 11661_P_MPM_(mm) 11633_P_MPM_(mm) 11434_P_MPM_(mm) 188_P_MPM_(mm) 111_P_MPM_(mm) 1127_P_MPM_(mm) 111_P_MPM_(mm)

6 UBICACIÓN DE REGIONES HOMOGENEAS COMPLETACION Y EXTENSION DE DATOS Regresion lineal, multiple, promedios vecinales, vector regional, hec4 etc 48 Precipitación (mm) Tiempo (Años) Precipitación (mm) Tiempo (Años)

7 ANALISIS DE CONSISTENCIA ANALISIS GRAFICO VISUAL DE HIDROGRAMAS Análisis de doble masa (hydrognomon) ANALISIS ESTADISTICO Análisis de saltos y tendencias Pruebas paramétricas y no paramétricas ü Mann-Kendall (non parametric test for trend) ü Spearman s Rho (non parametric test for trend) ü Linear Regression (non parametric test for trend) ü Distribution-Free CUSUM (non-parametric test for step jump in mean) ü Cumulative Deviation (parametric test for step jump in mean) ü Worsley Likelihood Ratio (parametric test for step jump in mean) ü Rank-Sum (non-parametric test for difference in median from two data periods) ü Student s t (parametric test for difference in mean from two data periods) ü Median Crossing (non-parametric test for randomness) ü Turning Points (non-parametric test for randomness) ü Rank Difference (non-parametric test for randomness) ü Autocorrelation (parametric test for randomness).

8 MONITOREO HIDROLOGICO DIARIO Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Descargas (m3/seg) Estación puente Ilave - rio Ilave Promedio historico Periodo Nivel critico Tiempo (dias) Descargas (m3/seg) Estación puente Unocolla - rio Coata Promedio historico Periodo Nivel critico Sep Oct Nov Dic Ene Feb Mar Tiempo (dias) Abr May Jun Jul Ago

9 ALERTA HIDROLOGICA MONITOREO HIDROLOGICO SEMANAL Fecha: viernes, 13 de abril de 27 Periodo: 1/4 - /4 Nº 1-4 Resúmen hidrológico semanal de caudales y niveles medios cuencas del Titicaca 4 Estación puente Ramis - rio Ramis 4 Estación puente Coata - rio Coata Descargas (m3/seg) Caudales diarios Promedio historico diario Descargas (m3/seg) Caudales diarios Promedio historico diario 1-abr 6-abr 11-abr 16-abr 21-abr 26-abr Tiempo (dias) 1-abr 6-abr 11-abr 16-abr 21-abr 26-abr Tiempo (dias) Descargas (m3/seg) Estación puente Huancané - rio Huancané 4 Caudales diarios 36 Promedio historico diario abr 6-abr 11-abr 16-abr 21-abr 26-abr Tiempo (dias) Incrementos (m) Variaciones del Nivel Agua Lago Titicaca Estacion: Muelle ENAFER Tiempo (dias) Niveles diarios Promedio historico diario Cuenca Estación Hidrométrica INFORMACION HIDROLOGICA Promedio semanal Caudales y niveles medios Ramis Puente Ramis m3/seg m3/seg % Coata Puente Unocolla m3/seg m3/seg % Huancané Puente Huancané m3/seg m3/seg % Titicaca Muelle ENAFER m m.3 m P ro medio s emanal: es la media de lo s c audales y niveles c o mprendido entre el 1/4/13 al /4/13. P ro medio his to ric o s emanal: es la media de lo s c audales y niveles de de 22 año s c o mprendido entre el 1/4/1991 al /4/212. A no malía hídric a: Variac ió n del valo r s emanal c o n res pec to a s u pro medio his tó ric o s emanal. Promedio historico semanal Anomalia hídrica (prom. Semanal vs prom hist) CONDICIONES HIDROLOGICAS Para el presente periodo se ha registrado anomalías negativas en los ríos Ramis, Coata, Huancané, encontrandose por debajo de su promedio historico semanal, mientras que el nivel del lago Titicaca presenta una anomalia positiva encontrandose por encima de su promedio historico semanal. SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA DEL PERÚ Jr. Cahuide 78 Jesús María Tel: Telefax: oci@senamhi.gob.pe Av. Cahuide N 224 2do Piso Barrio Porteño Puno, Tel: dr13-puno@senamhi.gob.pe

10 PRONOSTICO DE PRECIPITACION (12, 24, 36 y 72) Modelo GFS (Sistema de pronostico global) NOAA (Administración Nacional Oceánica y Atmosférica) Resolución 11*11 km (1º*1º) PRECIPITACION EN TIEMPO REAL STELITE PERSIAN Resolución 4*4 Km Modelo WRF (modelo de pronostico del tiempo resolución 1*1 km), ETA 32 Km. (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks)

11 MODELIZACION Y PRONOSTICO DE CAUDALES DIARIOS Modelo de Balance de Agua de Captación (AWBM) Modelo Sacramento Desarrollado por: CRC Centro de Innovación de la Universidad de Canberra Australia Para cuencas de 1 km2 a 1. km2 Modelo SymHyd Modelo SMAR Modelo de deposito Modelo GR4J

12 MODELIZACION Y PRONOSTICO DE CAUDALES MEDIOS DIARIOS Calibración Inicio: 1/9/1991 Calentamiento: 31/12/1992 (1. años) Fin: 31/8/26 Validacion Inicio: 1/9/2 (retrazo 1 año) Calentamiento: 31/8/26 (1año) Final: 31/3/213 Medidas de bondad criterio de Nash-Sutcliffe

13 RIO ILAVE ESTADISTICAS COMPARATIVAS Modelo de deposito (tank model) RIO COATA Modelo Sacramento Modelo SYMHYD Modelo de balance de agua de captación (AWBM) Modelo SMAR (soil moisture and accounting model) - humedad del suelo y el modelo de contabilidad

14 Pronostico de caudales Modelo GR4J - rio Ilave Calibración NASH = 82.9 % Validación NASH = 73.8 % Caudal (m3/seg) Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Tiempo (dias) Promedio historico observado 2-6 simulado 2-6 observado Caudal (m3/seg) Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Tiempo (dias) Promedio historico observado simulado observado Caudal (m3/seg) Pronostico de caudales Modelo GR4J - rio Coata Calibración NASH = 77.3 % Validación NASH = 8. % Promedio historico observado 2-6 simulado 2-6 observado Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Tiempo (dias) Caudal (m3/seg) Sep Oct Nov Dic Ene Feb Mar Abr May Jun Jul Ago Tiempo (dias) Promedio historico observado simulado observado

15 ESTUDIOS

16 SEQUIA METEOROLOGICA EN LAS CUENCAS ILAVE Y COATA ESTACION Latitud Longitud SPI 1 SPI 3 SPI 6 SPI 9 SPI 12 ESCALA 1 MES CAPACHICA ICHUÑA LAMPA LOS UROS PUNO LLALLY CHUQUIBAMBILLA AYAVIRI PAMPAHUTA CABANILLAS ARAPA PUCARA TARACO MAÑAZO JULIACA SANTA LUCIA MAZO CRUZ ILAVE PIZACOMA LARAQUERI JULI CAPAZO ESCALA 3 MESES CLASIFICACION DEL SPI (propuesto por Mckee 1993) SPI Categorías Frecuencia teórica de ocurrencia < Extremadamente seco (sequía extrema) 1 en años Muy seco (sequia severa) 1 en 2 años Moderadamente seco (sequia moderada) 1 en 1 años Normal (Ligeramente húmedo y seco) 1 en 3 años Moderadamente húmedo (exceso moderado) 1 en 1 años Muy húmedo (exceso severo) 1 en 2 años > 2 2. Extremadamente húmedo (exceso extremo) 1 en años

17

18 MODELAMIENTO DE CAUDALES MEDIOS MENSUALES GR2M COATA CALIBRACION Y VALIDACION 2 2 Simulados (mm) R² = Observados (mm) 1 1 R² = Observado (mm) Evaluacion estadistica del modelo GR2M - Fase de Calibracion Indicador estadistico Cuenca Ilave Coata NASH (%) ECMN (% ) R2 (% ) r (% ) Simulado (mm) 1 1 ILAVE CALIBRACION Y VALIDACION R² = Observado (mm) R² = Observado (mm) Evaluacion estadistica del modelo GR2M - Fase de Validacion Cuenca Indicador estadistico Ilave Coata NASH (%) ECMN (% ) R2 (% ) r (% )

19 MODELAMIENTO DE CAUDALES MEDIOS MENSUALES UTILIZANDO LLUVIAS ESTIMADAS POR SATELITE El TRMM (Tropical Rainfall Measuring Mission, NASA & JAXA), es una conjunción de exploración espacial entre la NASA y la Agencia de Exploración Aeroespacial Japonesa, diseñada para monitorear y estudiar las lluvia tropicales y subtropicales, es producida por el algoritmo de precipitación global (3B42_V6), de resolución temporal 3 horas y resolución espacial de.2 x.2 grados (2*2 km) a) b) R² = ² = Observados (mm) Evaluacion estadistica del modelo GR2M Fase de Calibracion Indicador Cuenca estadistico a) Ilave b) Coata NASH (%) ,9 R2 (%) 1 9

20 VALIDACION Y CORRECCION DE LA PRECIPITACION ESTIMADA POR SATELITE TRMM APLICANDO REDES NEURONALES ARTIFICIALES AREA DE ESTUDIO Neurona biológica FUNCIONAMIENTO Neurona artificial Se utilizaron 7 estaciones meteorológicas que están ubicadas dentro y fuera de la cuenca, las cuales pertenecen al Servicio Nacional de Meteorología e Hidrología (SENAMHI) y 7 estaciones del TRMM, con un periodo de registro de enero 1998 hasta diciembre del 21. INDICADORES ESTADISTICOS NSE = 1 N i= 1 N i= 1 (yi ŷi) (yi y) 2 2 ECMN = n 1 n N i= 1 N i= 1 (yi ŷi) (yi y) 2 2 R 2 = 1 ECMN

21 Control de calidad de datos estimados por satélite TRMM Precipitacion TRMM 27 (mm) 28 R² = Precipitacion Huancané (mm) DATOS OBSERVADOS Y TRMM SIN CORREGIR (ESTACIONES) Precipitacion TRMM 271 (mm) 28 R² = Precipitacion Huaraya Moho (mm) Precipitacion TRMM 32 (mm) 24 R² = Precipitacion Muñani (mm) PRECIPITACION AREAL OBSERVADA Y TRMM SIN CORREGIR (METODO DE KRIGING) Precipitacion TRMM 296 (mm) 28 R² = Precipitacion Cojata (mm) Precipitacion TRMM 322 (mm) 28 R² = Precipitacion Ananea (mm) Precipitacion TRMM 29 (mm) 28 R² = Precipitacion Putina (mm) Precipitacion TRMM 37 (mm) 28 R² = Precipitacion Crucero (mm)

22 Precipitacion TRMM 271 (mm) DATOS OBSERVADOS Y TRMM CORREGIDO (ESTACIONES) 24 R² = Precipitacion TRMM 27 (mm) 24 R² = PRECIPITACION AREAL OBSERVADA Y TRMM CORREGIDO (METODO DE KRIGING) Precipitacion TRMM 296 (mm) Precipitacion Huaraya Moho (mm) 24 R² = Precipitacion Cojata (mm) Precipitacion TRMM 322 (mm) Precipitacion Huancané (mm) 2 R² = Precipitacion Ananea (mm) Precipitacion TRMM 29 (mm) 2 R² = Precipitacion Putina (mm) Precipitacion TRMM 32 (mm) Precipitacion TRMM 37 (mm) 24 R² = R² = Precipitacion Crucero (mm) CUADRO RESUMEN DE EVALUACION ESTADISTICA Estaciones NASH E (%) ECMN (%) RMSE R 2 (%) Huancané - TRMM Huaraya Moho - TRMM Putina - TRMM Cojata - TRMM Muñani - TRMM Ananea - TRMM Crucero - TRMM Precipitacion Muñani (mm)

23 ANALISIS DE FRECUENCIA LOCAL 1. Selección de la serie anual de máximos 2. Ajuste modelo probabilístico 3. Pruebas de Bondad de ajuste - Chi-Cuadrado - Kolmogorov-Smirnov 4. Determinación de los cuantiles de diseño ANALISIS DE MAXIMA AVENIDAS Curva de frecuencia 6.. Caudales (m3/seg) Tiempo (años)

24 PARAMETROS GEOMORLOGICOS ARC HYDRO CAUDALES MAXIMOS HEC HMS INUNDACIONES HEC GeoRAS HEC GeoHMS HEC RAS MODELO MIKE Tr Probabilistico

25 ANALISIS REGIONAL DE FRECUENCIAS El análisis regional consta de los siguientes pasos: Evaluación de los datos históricos Evaluación de un región homogénea Selección de la distribución regional Estimación de los cuantiles de diseño Este Método puede ser empleado para la regionalización de caudales máximos y de precipitaciones máximas. El procedimiento de regionalización comprende tres medidas estadísticas descritas a continuación (Hosking 199, 1993), las cuales son: Medida a Discordancia D i Medida Heterogeneidad H Medida Bondad de Ajuste Z dist Distribuciones teoricas: Logisttica Generalizada (GLO), Pearson tipo3 (P3), Lognormal de 3 parametros (LN3), Valores Extremos Generalizada (GEV), GPA y OLB.

26 Diagrama L - moment s Dcrítico < Dcalculado, H<2, abs(z) 1.64 Discordanccia (critical value 1.33) L:.39 SL:1.31 ICH:1.28 MZ:.7 PZ:1.32 Cuantiles regionales ajuste GLO Heterogeneidad H1=1.84 H2=1.4 H3=1.41 Ajuste a una distribución glo gev gno pe3 gpa

27 GRACIAS POR SU ATENCIÓN