������������������������������������������������������������������������������������������������������������������������������������������������������������

���������������������������������������������������������������������������������

���������������������������������������������������������������������������������

An�lisis de estacionalidad del caudal y la din�mica del r�gimen fluvial: Aplicaci�n al r�o� Guayllabamba

 

Seasonality analysis of the flow rate and the dynamics of the river regime: Application to the Guayllabamba river

 

An�lise da sazonalidade da taxa de fluxo e da din�mica do regime do rio: Aplica��o ao rio Guayllabamba

 

 

�Tito Andr�s Garc�a-Mu�oz ^I

tito94.tagm@gmail.com

https://orcid.org/0000-0003-0797-1582

 

Andy Giler-Ormaza ^II

agiler@pucem.edu.ec

https://orcid.org/0000-0002-6887-392X

 

Correspondencia: tito94.tagm@gmail.com

Ciencias t�cnicas y aplicadas.

Art�culo de investigaci�n

 

*Recibido: 10 de abril de 2021 *Aceptado: 03 de mayo de 2021 * Publicado: 01 de junio de 2021

 

                               I.            Ingeniero Hidr�ulico, Programa de Maestr�a en Hidr�ulica con Menci�n en� Gesti�n de Recursos H�dricos en la Pontificia Universidad Cat�lica del Ecuador, Quito, Ecuador.

                            II.            Master of Science in River Basin Dynamics and Management with Geographical Information Systems, Ingeniero Hidraulico, Docente de la Pontificia universidad cat�lica del Ecuador, Quito, Ecuador. �

Resumen

El presente art�culo de investigaci�n pretende analizar la estacionalidad del caudal y la din�mica del r�gimen fluvial, en el Rio Guayllabamba. Para ello, se desarrolla un estudio de investigaci�n descriptivo, experimental, aplicando m�todos como emple� el paquete Climatol perteneciente al software R, evaluando los resultados a trav�s de un m�todo matem�tico desarrollado por Fisher, Mardia y Jupp en 1993. Resaltando que con la reconstrucci�n de las series de datos en las dos estaciones meteorol�gicas analizadas, se evidencia que los eventos de r�gimen de flujo pueden ser muy dif�ciles de predecir, mas sin embargo esto se ha convertido en una lucha para dar respuesta a los individuos que conforman un ecosistema ante eventos extremos como inundaciones o sequias. De igual forma, es importante resaltar que los r�os tienen memoria dando lugar a su incidencia directa en la formaci�n de inundaciones y sequias, es por ello que la recolecci�n de informaci�n es necesaria para elaborar etapas de inundaciones y sequias que permitan dar respuestas y as� poder mitigar el impacto de estos eventos hidrol�gicos.

Palabras claves: Estaciones meteorol�gicas; ecosistema; inundaciones; sequias.

 

Abstract

This research article aims to analyze the seasonality of the flow and the dynamics of the fluvial regime in the Guayllabamba River. For this, a descriptive, experimental research study is developed, applying methods as used by the Climatol package belonging to the R software, evaluating the results through a mathematical method developed by Fisher, Mardia and Jupp in 1993. Highlighting that with the reconstruction of the data series in the two meteorological stations analyzed, it is evidenced that flow regime events can be very difficult to predict, but nevertheless this has become a struggle to respond to the individuals that make up an ecosystem in the face of extreme events such as floods or droughts. In the same way, it is important to highlight that rivers have memory giving rise to their direct incidence in the formation of floods and droughts, that is why the collection of information is necessary to elaborate stages of floods and droughts that allow giving answers and thus being able to mitigate the impact of these hydrological events.

Keywords: Meteorological stations; ecosystem; floods; droughts.

 

 

Resumo

Este artigo de pesquisa tem como objetivo analisar a sazonalidade do fluxo e a din�mica do regime fluvial do rio Guayllabamba. Para tanto, desenvolve-se uma pesquisa descritiva e experimental, aplicando os m�todos utilizados pelo pacote Climatol pertencente ao software R, avaliando os resultados por meio de um m�todo matem�tico desenvolvido por Fisher, Mardia e Jupp em 1993. Destacando-se com a reconstru��o de From Pelas s�ries de dados nas duas esta��es meteorol�gicas analisadas, fica evidenciado que eventos de regime de fluxo podem ser muito dif�ceis de prever, mas mesmo assim se tornou uma luta para responder aos indiv�duos que comp�em um ecossistema em face de eventos extremos. inunda��es ou secas. Da mesma forma, � importante destacar que os rios t�m mem�ria dando origem � sua incid�ncia direta na forma��o de enchentes e secas, por isso a coleta de informa��es � necess�ria para elaborar etapas de enchentes e secas que permitam dar respostas e assim ser capaz de mitigar o impacto desses eventos hidrol�gicos.

Palavras-chave: Esta��es meteorol�gicas; ecosistema; inunda��es; secas.

 

Introducci�n

La gesti�n del recurso h�drico involucra procesos que promueven el cambio y el desarrollo de este recurso, el cual aborda el estudio de las variaciones clim�ticas dentro de una zona, buscando optimizar el aprovechamiento y un desarrollo sostenible del mismo.

El r�gimen hidrol�gico natural de una zona debe ser controlado progresivamente para poder satisfacer las demandas crecientes que se presenta con el tiempo y el espacio, las cuales est�n ligadas al �mbito agropecuario, consumo y/o abastecimiento humano y uso industrial.

La identificaci�n de las variaciones de los caudales es necesaria porque seg�n (Prats Rodr�guez, 2009) dicen que los r�os son sistemas muy din�micos y complejos en los que la modificaci�n de algunas variables f�sicas afecta a procesos hidr�ulicos y geomorfol�gico de una cuenca o entorno.

�Seg�n (Poff, 2010) el r�gimen de flujo de un rio es el determinante principal de la estructura y funci�n de los ecosistemas como son los arroyos y los r�os, y toda alteraci�n del mismo puede causar efectos a gran escala. Por este motivo analizar la regularidad espacio temporal de las cuencas del ecuador se hace fundamental dentro de la gesti�n del agua para poder satisfacer las demandas crecientes de este recurso, y as� mismo preservar un caudal para el correcto funcionamiento de los ecosistemas, con una gesti�n fundamentada en un r�gimen de caudales ecol�gicos.

La utilizaci�n del agua es muy variada lo que hace fundamental que se aplique la gesti�n para su almacenamiento y para una posterior distribuci�n de la misma, en el Ecuador existen dos eventos hidrol�gicos muy marcados y caracter�sticos en su territorio, como son las inundaciones y las sequias, las cuales tambi�n se pueden ver afectadas y alteradas por las actividades humanas. Y esto conlleva a plantearse preguntas como �cu�l es la frecuencia, la duraci�n y el tiempo en el que se presenta los caudales extremos en los eventos de inundaci�n y sequia? �Y qu� importancia tiene conocer, recopilar y analizar datos hidrol�gicos hist�ricos para la conservaci�n y adaptaci�n de las poblaciones y su interacci�n con el ecosistema ante un evento extremo?

La zona de estudio de la presente investigaci�n se centra en la cuenca alta del rio Guayllabamba que tiene como parte integral la sub cuenca del rio Esmeraldas, la misma tiene una extensi�n de 4707 km2, la cual est� ubicada en la regi�n interandina del Ecuador, este espacio donde confluyen diferentes actores con intereses diversos crea la necesidad de analizar la estacionalidad de los caudales y el r�gimen del flujo que ostenta esta cuenca la cual est� conformada por 5 cantones de la provincia de Pichincha, desembocando en el oc�ano pacifico en la provincia de Esmeraldas.

La investigaci�n consiste fundamentalmente en desarrollar la variaci�n estacional de los caudales y la probabilidad de recurrencia de los mismos. El periodo de an�lisis de la serie de datos es de 24 a�os (1990/2013) los mismos que fueron obtenidos del instituto nacional de meteorolog�a e hidrolog�a (INAMHI) escogi�ndose dos estaciones hidrol�gicas la cuales son H146 GUAYLLABAMBA DJ ALAMBI y H170 GUAYLLABAMBA AJ BLANCO; las misma que dentro de un arduo an�lisis cumpl�an con las caracter�sticas e informaci�n necesaria para realizar la aplicaci�n de la metodolog�a escogida.

 

Materiales y M�todos

Seg�n� (Alvarez, 2018) un modelo clim�tico es una herramienta num�rica utilizada para simular el pasado, presente y futuro del clima de la tierra. Teniendo en cuenta este concepto las evaluaciones hidrol�gicas a nivel de cuencas y r�os espec�ficos se vuelven convenientes para los sistemas de pron�sticos, acoplados a la gesti�n del recurso agua y a la prevenci�n de posibles eventos como las inundaciones y sequias.

Teniendo en cuenta lo que menciona (Rojo-Hern�ndez, 2010) las series de caudales es un sistema representado por el dinamismo, y pueden ser descritas como una combinaci�n lineal de diferentes oscilaciones. Para realizar el an�lisis de frecuencia de caudales se tom� lo datos que registra en el tiempo el INAMHI. Los mismos que pertenecen a las estaciones que se encuentran en la cuenca del rio Guayllabamba, como son: h146 Guayllabamba dj alambi y h170 Guayllabamba aj blanco. El periodo seleccionado fue de 24 a�os desde el a�o 1990 hasta el a�o 2013.

 

Homogenizaci�n de datos

Se emple� el paquete Climatolperteneciente al software R, el cual contiene diferentes funciones, una de ella es la homogenizaci�n y el llenado de datos faltantes para series de cualquier variable clim�tica.

Esta metodolog�a fue adaptada tomando como referencia el m�todo de Paulhus y Kohler (1952). La cual se centra en el relleno de datos faltantes mediante las estimaciones calculadas de la serie m�s cercana. (Guijarro, 2018)

La normalizaci�n de los datos se realiza mediante una divisi�n por sus valores medios, Climatol tambi�n ofrece la posibilidad de restar las medias o aplicar una estandarizaci�n completa. Entonces, dejando mX y sX como el promedio y la desviaci�n est�ndar de una serie X, teniendo estas opciones para su normalizaci�n:

1. Quite la media: x = X -m X

2. Dividir por la media: x = X / mX

3. Estandarizar: x = (X -m X) / s X

El principal problema de esta metodolog�a es que las medias (y las desviaciones est�ndar en el tercer caso) de la serie en el per�odo de estudio se desconocen cuando estas no est�n completas, lo que es el caso m�s frecuente en bases de datos reales. Luego, Climatol primero calcula estos par�metros con los datos disponibles en cada serie, completa los datos faltantes utilizando estos promedios provisionales y desviaciones est�ndar recalculando con la serie rellenada. Luego los datos faltantes se re calculan utilizando los nuevos par�metros, lo que conducir� a nuevas medias y desviaciones est�ndar, por lo tanto, se repite el proceso hasta que no haya cambios promedio cuando se redondea a la precisi�n inicial de los datos. Una vez que las medias se estabilizan, todos los datos se normalizan y estiman (ya sean existentes o falta, en toda la serie), mediante la expresi�n simple:

 

En el que �y es un elemento de datos estimado a partir de sus n datos correspondientes al m�s cercano disponibles en cada paso de tiempo, y wj es el peso que se les asigna (Guijarro, 2018).

Las series estimadas a partir de las dem�s sirven como referencia para sus correspondientes series observadas, por lo que el siguiente paso es obtener una serie de anomal�as restando los valores estimados de los observados (siempre en forma normalizada). Esta serie de anomal�as permitir�:

Controlar la calidad de la serie y eliminar aquellas anomal�as que superen un umbral preestablecido.

Comprobar su homogeneidad aplicando la Prueba de homogeneidad normal est�ndar (Standard Normal Homogeneity Test SNHT sus siglas en ingl�s) (Alexandersson, 1986).

Cuando las estad�sticas SNHT de la serie son mayores que un umbral prescrito, la serie se divide en el punto de SNHT m�ximo, moviendo todos los datos antes de la ruptura a una nueva serie que es incorporada en el conjunto de datos con las mismas coordenadas, pero agregando un sufijo num�rico al c�digo y nombre de la estaci�n. Este procedimiento se realiza de forma iterativa, dividiendo solo la serie con los valores m�s altos de SNHT en cada ciclo, hasta que no se encuentre ninguna serie no homog�nea. Es m�s, como SNTH es una prueba originalmente ideada para encontrar un solo punto de ruptura en una serie, la existencia de dos o m�s cambios en la media de tama�o similar podr�a enmascarar sus resultados. Para minimizar este problema, SNTH se aplica en una primera etapa a ventanas temporales superpuestas escalonadas, y despu�s que una segunda etapa se dedica a aplicar SNHT sobre la serie completa, que es donde la prueba exhibe m�s poder de detecci�n. Finalmente, una tercera etapa est� dedicada a completar todos los datos faltantes en todas las series y subseries homog�neas con el mismo procedimiento de estimaci�n de datos. (Guijarro, 2018).

 

 

Estad�stica unidireccional

Para evaluar los datos se usar� un m�todo matem�tico desarrollado por Fisher, Mardia y Jupp en 1993 el cual se implement� dentro de software R.

El momento y la regularidad de los eventos hidrometeorol�gicos se pueden describir efectivamente en t�rminos de estad�sticas direccionales. Los autores Fisher, Mardia y Jupp proporcionan una excelente fuente inicial de t�cnicas para manejar datos circulares. La fecha de inundaci�n o las precipitaciones extremas pueden definirse como una estad�stica direccional al convertir el d�a en un valor angular θ utilizando la ecuaci�n. (Cunderlik & Burn, 2002)

Ecuacion1.

;

En este sentido, una fecha de evento puede interpretarse como un vector con una unidad de magnitud y una direcci�n dada porθ, la direcci�n mediaθ, o el d�a promedio de ocurrencia de inundaci�n o lluvia extrema (sus siglas en ingles MDF/MDR) se calcula como la suma de la unidad de vectores. (Cunderlik & Burn, 2002)

Ecuaci�n 2

Ecuaci�n 3

Cuando

La direcci�n media variable θ, representa una medida de ubicaci�n circular de una muestra que consiste en tiempos del d�a de ocurrencia de inundaciones o precipitaciones, se puede derivar como el [(n + 12) / 2)] valor m�s grande observado donde n es el n�mero de observaciones. Usando la ecuaci�n 3 podemos definir el vector resultante (r) que tiene la direcci�n media de los vectores unitarios individuales. (Cunderlik & Burn, 2002)

Ecuaci�n 4.

Entonces, por medio de la ecuaci�n 4. La medida de la varianza de los datos circulares se puede definir como. (Fisher, 1993).

Ecuaci�n 5.

La varianza, v, es invariante bajo un cambio de la direcci�n cero y proporciona una medida dimensional de la propagaci�n de datos. Un valor cercano a cero indicar�a que todos los eventos en la muestra est�n estrechamente agrupados alrededor de la direcci�n media, mientras que los valores m�s cercanos a la unidad indican que existe una mayor variabilidad en la ocurrencia de eventos de inundaci�n o lluvia en una cuenca dada. (Cunderlik & Burn, 2002)

 

Comparaci�n de datos (software IHA)

Dentro de la investigaci�n se aplic� la comparaci�n de metodolog�as de obtenciones de la variabilidad estacional de los caudales m�nimos y m�ximos. Para la misma se implement� la utilizaci�n del software de indicadores de alteraci�n hidrol�gica IHA el cual fue desarrollado por cient�ficos de TheNatureConservancy para facilitar el an�lisis hidrol�gico de varios derivados de los datos hidrol�gicos, como por ejemplo el momento de las condiciones hidrol�gicas m�s extremas anuales, el cual es el grupo de par�metros a tomar en cuenta dentro de este estudio.

IHA calcula un total de 67 par�metros estad�sticos. Estos par�metros est�n divididos en 2 grupos, los par�metros IHA y los par�metros de los componentes del caudal ecol�gico (EFC, por sus siglas en ingl�s). Hay 33 Par�metros IHA y 34 Par�metros EFC(Conservancy, 2011) .

Los par�metros IHA pueden ser calculados como estad�sticas param�tricas (media/desviaci�n est�ndar) o no param�tricas (percentil). En la mayor�a de las situaciones, las estad�sticas no param�tricas son una mejor opci�n por la naturaleza sesgada (no normal) de muchos conjuntos de datos hidrol�gicos (una suposici�n clave de las estad�sticas param�tricas es que los datos est�n distribuidos normalmente). Pero en ciertas situaciones, tales como la frecuencia de las inundaciones o el promedio de los caudales mensuales, pueden ser preferibles las estad�sticas param�tricas. Estos datos se calculan y organizan en cuadros de resultados por a�o hidrol�gico. (Conservancy, 2011).

El grupo 3 de los par�metros que ofrece el IHA son los momentos de las condiciones hidrol�gicas extremas anuales tales como la fecha m�xima anual de caudal y la fecha m�nima anual de caudal, la cual se presenta en fecha juliana. Teniendo en cuenta que si existe m�ltiples d�as del a�o con el mismo valor de caudal se registrar� y tomar� en cuenta la fecha m�s temprana de dicho suceso.

 

An�lisis y discusi�n de los resultados

Homogenizaci�n de datos

Desde la perspectiva metodol�gica el primer resultado fue la reconstrucci�n de las series de datos en las dos estaciones meteorol�gicas que iban a ser analizadas. La selecci�n del modelo o de la metodolog�a fue ecu�nime teniendo en cuentas la variable de calidad de informaci�n, la ubicaci�n de las estaciones hidrol�gicas y las similitudes geogr�ficas.

Estos par�metros fueron considerados porque la estimaci�n de datos clim�ticos diarios, es una labor dif�cil, m�s a�n en ecuador donde la informaci�n tiene vac�os y escasez de datos. Adem�s, para obtener una base de datos confiable seg�n (Velez et all, 2013)para un an�lisis de un caso en particular, el prop�sito del estudio, el modelo y la disponibilidad de datos son los factores que determinan la selecci�n del software.

En la selecci�n de software y la metodolog�a de reconstrucci�n de la serie de datos faltantes se tuvieron en cuenta los 3 factores relevantes para elegir el paquete Climatol del software R, la calidad de informaci�n, la ubicaci�n geogr�fica de las estaciones a rellenar y la de datos completos, la similitud geogr�fica de las mismas por estar situada todas dentro de la cuenca del rio Guayllabamba.

R es una herramienta inform�tica (espec�ficamente, un lenguaje computacional) sumamente potente para realizar distintos c�lculos cient�ficos, num�ricos y estad�sticos, as� como para crear gr�ficas y figuras de gran calidad. Fue creado en 1993, por Robert Gentleman (doctor en estad�stica por parte de la Universidad de Washington) y por Ross Ihaka (doctor por la Universidad de Berkeley) (Rodriguez Silva, 2019).

Dentro de las Figuras 2 y 3se pude visualizar el relleno de seriesrealizado por el paquete Climatol del programa R, el mismo hace una serie de an�lisis estad�sticos antes de obtener series homogenizadas, se tom� en cuenta para esta homogenizaci�n de datos la estaci�n hidrol�gica H-138 (figura1) la cual cuenta con sus datos de caudales completos en el periodo de 1990 hasta el 2013.

 

�

 

 

Figura 1: Estaci�n con datos completos de caudal 1990-2013. H-138 Blanco DJ Toachi.

�

Figura 2: Grafico final ilustrativo de la reconstrucci�n de series completas en la parte superior y en la parte inferior se muestra las correcciones aplicadas a la serie de la estaci�n H-146 Guayllabamba DJ Alambi.

�

Figura 3: Grafico final ilustrativo de la reconstrucci�n de series completas en la parte superior y en la parte inferior se muestra las correcciones aplicadas a la serie de la estaci�n H-170 Guayllabamba AJ Blanco.

 

Como se muestra en la figura 2 las series de los caudales de la estaci�n h-146 homogenizadas fueron dos, mostrando de color negro los datos reales y mostrando de color rojo y verde los datos homogenizados. En la figura 3 se observa de igual manera y del mismo color negro los datos reales de caudales de la estaci�n H-170, con un detalle diferente a la serie homogenizada en la figura 2, ya que en esta figura se muestra una serie adicional de color celeste dentro de la homogenizaci�n de caudales. En ambos casos en la parte inferior del grafico se muestra las correcciones aplicadas a las series trazadas en diferentes colores, estas correcciones tienen efectos estacionales las cuales tambi�n ayudan a rechazar valores at�picos en la reconstrucci�n de las series de datos.

Cabe mencionar que el paquete Climatol del software R proporciona un archivo CSV para poder obtener los valores que se homogenizaron, los cuales pueden generar varias series y luego corroborar con los datos del grafico cual se apega mejor a la base de datos reconstruida, y de esta forma ser usados para cualquier an�lisis hidrol�gico o estad�stico posteriormente.

 

Estad�stica unidireccional

Los eventos de r�gimen de flujo pueden ser muy dif�ciles de predecir, pero este se ha convertido en una parte fundamental para la respuesta de los individuos que conforman un ecosistema ante eventos extremos como inundaciones o sequias. Seg�n (Lytle, 2004) las inundaciones y las sequias son caracter�stica importante en los ecosistemas fluviales, los cuales por las actividades humanas puede verse alterado.

La alteraci�n del r�gimen de flujo sigue siendo una cuesti�n abierta porque en la actualidad el humano ha alterado la mayor�a de los r�os, por este motivo es crucial conocer y/o predecir estos reg�menes de flujo con el objetivo de comprender, gestionar, adaptar y dar respuestas a estos eventos m�ximos, tanto para la conservaci�n de los ecosistemas, la conservaci�n del caudal ambiental y cubrir la demanda de agua de las poblaciones aleda�as a un afluente.

En las figuras 4 y 5 se observa el d�a medio de ocurrencia y la regularidad estacional del caudal m�ximo y m�nimo en la estaci�n H-146, en donde la regularidad estacional es igual a 0.74 y la ocurrencia del evento de caudal m�ximo se presenta en el d�a 87 del calendario juliano (28 de marzo calendario gregoriano), mientras que para el caudal m�nimo la regularidad es de 0.78 y el d�a medio de ocurrencia es el 267(23 de septiembre) respectivamente.

 

 

Figura 4: D�a medio de ocurrencia del caudal m�ximo. Estaci�n H-146

�

Figura 5: D�a medio de ocurrencia del caudal m�nimo. Estaci�n H-146

 

En las figuras 6 y 7 se observa el d�a medio de ocurrencia y la regularidad estacional del caudal m�ximo y m�nimo en la estaci�n H-170, en donde la regularidad estacional es igual a 0.78 y la ocurrencia del evento de caudal m�ximo se presenta en el d�a 78 del calendario juliano (18 de marzo calendario gregoriano), mientras que para el caudal m�nimo la regularidad es de 0.76 el d�a medio de ocurrencia es el 295 (21 de octubre) respectivamente.

�

Figura 6: D�a medio de ocurrencia del caudal m�ximo. Estaci�n H-170

�

Figura 7: D�a medio de ocurrencia del caudal m�nimo. Estaci�n H-170

 

En ambas estaciones hidrol�gicas analizadas se obtuvieron valores cercanos a 1, por lo cual implica una fuerte regularidad o estacionalidad en las fechas de ocurrencia de los caudales m�ximos y m�nimos mostrados anteriormente en las gr�ficas polares.

 

Comparaci�n de datos (software IHA)

Para hacer este an�lisis comparativo entre la aplicaci�n del software IHA y la estad�stica unidireccional y la obtenci�n del d�a de ocurrencia de los eventos de caudales m�nimos y m�ximos se ingres� al software IHA la serie de datos homogenizada y utilizada para la aplicaci�n de la estad�stica unidireccional.

La presencia de los caudales m�ximo en la estaci�n h-146 est�n entre el d�a 87 y 88, y para los caudales m�nimos los d�as de ocurrencia est�n entre el 253 y el 267(tabla1). Mientras que para la estaci�n h-170 los d�as de ocurrencia del caudal m�ximo est�n entre los d�as 73 y 78 y para el caudal m�nimo coincidiendo en el d�a 295 (tabla2).

 

Tabla 1: Estaci�n H-146. An�lisis y comparaci�n de fecha de ocurrencia de caudales m�nimos y m�ximos.

 

Tabla 1: Estaci�n H-170. An�lisis y comparaci�n de fecha de ocurrencia de caudales m�nimos y m�ximos.

 

Como se muestra en la tabla 1y 2 la coincidencia de los d�as es bastante cercana y se pude prever obtener valores con grado aceptable de confiabilidad para la obtenci�n de ocurrencia de los eventos.

El an�lisis de ocurrencia de caudales mediante estas dos metodolog�as implementadas ayuda al desarrollo sostenible y dar un enfoque l�gico, cient�fico y coherente a los administradores de los recursos h�dricosel cual involucra desaf�os sociales, pol�ticos y cient�ficos.

Seg�n (Poff, 2010) desafortunadamente el ritmo y la intensidad de los cambios y alteraciones que presentan los flujos en el mundo hace que exceda la capacidad cient�fica para evaluar todos los r�os. A pesar de esto y por los avances cient�ficos el desarrollo de m�todos para predicciones de eventos m�ximos se pude estandarizar para regiones que cumplen con caracter�sticas similares a las ya estudiadas, incluyendo a aquellas zonas con poca informaci�n hidrol�gica existente ayudando as� a la integridad oportuna y completa entre el ecosistema y las necesidades de los humanos.

 

Conclusiones

El an�lisis realizado en ambas estaciones se observa que la ocurrencia del caudal m�ximo est� muy cercano a la unidad 0.74 en la estaci�n H-146 y 0.78 en la estaci�n H-170 respectivamente. Esta aproximaci�n a la unidad presenta un alto grado de probabilidad de ocurrencia de estos caudales en el mes de marzo. Los resultados anteriormente obtenidos muestran que el modelo aplicado al registro de los caudales concuerda con la �poca de invernal en el pa�s.

Asimismo, el an�lisis de los caudales m�nimos denota que tambi�n se encuentran cercano a la unidad entre 0.78en la estaci�n H-146 y 0.76 en la estaci�n H-170, dando a notar que este caudal m�nimo se presenta entre los meses de septiembre y octubre en donde marca la recta final del verano en el territorio ecuatoriano y en espec�fico en la cuenca del Rio Guayllabamba.

Los resultados obtenidos en este estudio denotan el hecho de que los r�os tienen memoria dando lugar a su incidencia directa en la formaci�n de inundaciones y sequias. Tambi�n se acent�a que la recolecci�n de informaci�n es necesaria para elaborar etapas de inundaciones y sequias que permitan dar respuestas y as� poder mitigar el impacto de estos eventos hidrol�gicos.

La metodolog�a aqu� propuesta se puede utilizar y aplicar en cualquier sitio que se desee estudiar, siempre y cuando tenga datos confiables y seguros, para la aplicaci�n tanto de la reconstrucci�n de series como la predicci�n de ocurrencia de caudales, precipitaciones, temperaturas o cualquier par�metro hidrol�gico que se pretenda obtener y predecir su probabilidad de ocurrencia.

 

Referencias

1.              Alvarez, J. R.-P. (2018). PROYECCIONES ESTACIONALES DE CAUDALES EN LA CUENCA DEL LAGO SAN ROQUE.

2.              Conservancy, N. (junio de 2011). the nature conservancy. Obtenido de the nature conservancy.

3.              Cunderlik, J., & Burn, D. (2002). An�lisis del v�nculo entre el r�gimen de lluvias e inundaciones y su aplicaci�n a la estimaci�n regional de la frecuencia de inundaciones. Journal of Hydrology, 115-131.

4.              Guijarro, J. (2018). CORE. Obtenido de CORE: https: // GR�A. Proyecto R. org / paquete = climatol .

5.              Lytle, D. A. (2004). Adaptation to natural flow regimes. Trends in ecology & evolution, 94-100. Obtenido de https://www.sciencedirect.com/science/article/abs/pii/S0169534703003161

6.              Poff, N. R. (2010). Los l�mites ecol�gicos de la alteraci�n hidrol�gica (ELOHA): un nuevo marco para el desarrollo de est�ndares regionales de caudal ambiental. Biolog�a del agua dulce, 147-170.

7.              Prats Rodr�guez, J. D. (2009). Variabilidad temporal en el comportamiento hidr�ulico del curso inferior del r�o Ebro. Ingenier�a del agua, 259-272.

8.              Rodriguez Silva, J. A. (2019). � que puede hacer el software R para resolver tus problemas? Revista Digital Universitaria., 20(3). Obtenido de http://doi.org/10.22201/codeic.16076079e.2019.v20n3.a5

9.              Rojo-Hern�ndez, J. D.-S. (2010). Predicci�n no lineal de caudales utilizando variables macroclim�ticas y an�lisis espectral singular. Tecnolog�a y ciencias del agua, 59-73.

10.          Velez et all, O. (2013). Analisis comparativo de modelos hidrologicos de simulacion continua en cuenca de alta monta�a: caso Rio Chichina. Revista ingenerias universitaria de Meddellin., 16.

 

 

 

 

 

� 2020 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/)