Hans S´anchez Tueros – Manuel G´omez Valent´ın Grup de Recerca FLUMEN
Dep. de Ingenier´ıa Hidr´aulica, Mar´ıtima y Ambiental. UPC. E.T.S. Ingenieros de Caminos, Canales y Puertos
Jordi Girona 1-3. D-1. 08034 BARCELONA
1.
Introducci´on
Si queremos que el modelo SWMM 5.0 trabaje haciendo una simulaci´on hidrol´ogica e hidr´auli- ca de una cuenca, es imprescindible y necesario proporcionarle informaci´on de lluvia; esta infor- maci´on puede ser de un suceso de lluvia (lluvia de dise˜no) o un registro hist´orico de lluvia (para hacer una simulaci´on continuada).
Para suministrar esta informaci´on de lluvia debemos conocer dos puntos: C´omo suministrar la lluvia al modelo y c´omo obtener esta lluvia. Lo que se pretende ense˜nar en este cap´ıtulo es conocer estos dos puntos de una manera adecuada.
2.
C´omo suministrar informaci´on de lluvia a SWMM 5.0
El suministro de informaci´on de lluvia al modelo SWMM 5.0, est´a elaborado de una forma
f´acil e intuitiva. S´olo se necesita utilizar el icono Rain Gage (pluvi´ometro) de la barra Objets Toolbar del programa.
Una vez puesto este icono en el mapa del ´area de estudio (Study Area Map), podemos
cambiar sus propiedades (figura 1) de acuerdo a nuestras necesidades y al tipo de informaci´on que tengamos. Estas propiedades que el objeto Rain Gage requiere son:
Name: Nombre asignado por el usuario al pluvi´ometro.
X-Coordinate: Coordenada X, Ubicaci´on horizontal del pluvi´ometro en el Study Area
Map. Si se deja en blanco el icono no aparecer´a en el mapa.
Y-Coordinate: Coordenada Y, Ubicaci´on vertical del pluvi´ometro en el Study Area Map. Si se deja en blanco el icono no aparecer´a en el mapa.
46 Tema 3
Figura 1: Ventana de edici´on del objeto Rain Gage
Description: Descripci´on del pluvi´ometro, de uso opcional.
Tag: Etiqueta que se utiliza para clasificar el pluvi´ometro, de uso opcional. Rain Format: Formato de los datos de lluvia que se le suministra:
• INTENSITY (Hietograma). Se suministra la precipitaci´on en intensidades para cada
intervalo de tiempo (en mm/h ´o in/h) a lo largo de todo el registro.
• VOLUMEN (Pluviograma). Cada valor de precipitaci´on es el volumen de lluvia re-
cogido durante el intervalo de registro (en mm ´o in).
• CUMULATIVE (Pluviograma acumulado). Cada valor de precipitaci´on representa la
precipitaci´on acumulada desde el inicio de la lluvia (en mm ´o in).
Rain Interval: El intervalo de tiempo transcurrido entre cada lectura del pluvi´ometro en formato decimal o como hh:mm.
Snow Catch Factor: Factor de nieve, que corrige las lecturas por nieve en el pluvi´ometro. Data Source: Origen de los datos de lluvia.TIMESERIES : Serie temporal suministrada por el usuario. FILE : Archivo externo de datos.
Time Series: (Serie Temporal)
• Series Name: Nombre de la serie temporal con los datos de lluvia si el origen de datos es una serie temporal (deje en blanco en cualquier otro caso). Haga doble click para editar la serie.
Data File: (Archivo Externo)
Informaci´on de lluvia a utilizar en el modelo SWMM 5.0 47
• Station ID: Identificador de la estaci´on donde est´a el pluvi´ometro cuyos datos se van a utilizar.
• Rain Units: Unidades de la precipitaci´on en las cuales est´an expresados los datos de lluvia del fichero (mm o in).
Como se observa en la propiedades del objeto Rain Gage, se puede suministrar la precipi- taci´on al modelo utilizando archivos externos de precipitaci´on (FILE ) siempre y cuando est´en
en uno de los formatos que reconozca el programa. Entre estos ´ultimos, existen dos tipos de
formatos americanos y dos tipos de formatos canadiense de almacenamiento de lluvia; ninguno de estos cuatro formatos son ´utiles en Espa˜na ni en Europa. Sin embargo, el programa reconoce
un formato est´andar preparado por el usuario en donde cada l´ınea de texto debe contener la
informaci´on en el mismo orden que se describe: el nombre de la estaci´on, a˜no, mes, d´ıa, hora, minuto y lecturas no nulas de precipitaci´on, todo separado por uno o m´as espacios, como se muestra en la figura 2.
Figura 2: Archivo externo de entrada de datos (Formato Est´andar)
En la figura 2 se observa que en un mismo archivo puede ir la informaci´on de varias estaciones. Para seleccionar una de estas estaciones como input, basta con escribir el nombre de la estaci´on dentro de la ventana de edici´on del Rain Gage (ver figura 1), en el campo Station ID.
Tambi´en se le puede suministrar al programa la precipitaci´on mediante series temporales. La lluvia en series temporales es informaci´on externa de texto que contiene datos para el objeto Time Series. Normalmente estos datos se introducen y editan a trav´es del editor de series temporales de SWMM 5.0 (ver figura 3).
Sin embargo, existe la posibilidad de importar datos externos a trav´es de dicho editor. Se pueden crear y editar estos archivos desde fuera de SWMM 5.0 mediante editores de texto o desde hojas de c´alculo. El formato de un archivo de series temporales consta en primer lugar de dos l´ıneas de texto descriptivo seguidas de la serie temporal, con un valor de la serie por l´ınea. Lo normal es que la primera l´ınea de texto describa la serie temporal mientras que la segunda muestre una descripci´on detallada de dicha serie. Las series temporales pueden introducirse bien
48 Tema 3
Figura 3: Editor de series temporales de SWMM 5.0
en el formato Fecha/Hora/Valor o simplemente Hora/Valor. Cada entrada debe separarse de
las dem´as mediante uno o varios espacios o tabulaciones. Para el formato Fecha/Hora/Valor
las fechas se introducen como mm/dd/aaaa (p.ej. 12/15/2004) y las horas en formato de 24 horas (es decir, las 4:00 de la tarde ser´an las 16:00). Una vez que se ha especificado un d´ıa, s´olo se volver´a a poner la fecha cuando ´esta cambie. Para el formato Hora/Valor las horas pueden expresarse tanto en formato de 24 horas como en tiempo en formato decimal transcurrido desde el inicio de la simulaci´on(es decir, 2 d´ıas, 4 horas y 10 minutos despu´es del comienzo de la
simulaci´on puede introducirse como 52:10 o como 52.1667). Un ejemplo de archivo de serie
temporal se muestra en la figura 4.
Informaci´on de lluvia a utilizar en el modelo SWMM 5.0 49
3.
Obtenci´on de la Lluvia de Proyecto
3.1. Efectos de escala en los estudios de tipo hidrol´ogico en zona urbana
El estudio hidrol´ogico de cuencas urbanas presenta una serie de particularidades derivadas
del hecho urbano. En primer lugar, las dimensiones de las cuencas son mucho m´as peque˜nas
que las correspondientes a los r´ıos. Mientras que en el estudio hidrol´ogico habitual de un r´ıo, la unidad de medida de la cuenca suele ser el Km2, con superficies totales de decenas, cientos o incluso miles de kil´ometros cuadrados, en zona urbana la unidad de medida es la Hect´area, o sea 100 veces menos que 1 Km2.
Este trabajo a escala reducida hace que todos los dem´as elementos del estudio queden afec- tados por un factor de escala. No encontraremos caudales de miles o cientos de metros c´ubicos por segundo sino del orden de pocos metros c´ubicos por segundo. Pero el hecho m´as significativo es la reducci´on de la escala de tiempo en todos los procesos. Los tiempos de concentraci´on se medir´an en minutos (no en horas ni d´ıas) y por esta raz´on, la cuenca urbana ser´a sensible a efectos de lluvias muy intensas y que duren pocos minutos. Un suceso de lluvia muy intensa de duraci´on 15 minutos, que act´ue sobre una peque˜na superficie (pocas Hect´areas) tendr´a una repercusi´on indudable en el caudal punta pero si la superficie total de la cuenca es de decenas o cientos de Km2, esa influencia quedar´a muy limitada, al difuminarse entre los efectos globales de una gran cuenca.
Por esta raz´on, en los estudios de hidrolog´ıa urbana el intervalo de tiempo en que debemos disponer de informaci´on de lluvia es mucho m´as peque˜no que el habitual en los estudios hi- drol´ogicos de cauces naturales. Los intervalos de tiempo de media hora o una hora, habituales en el estudio hidrol´ogico de una cuenca fluvial no son admisibles en general en zona urbana. De- beremos operar con pasos de tiempo de 5 a 10 minutos, como norma general, o incluso menores seg´un el tama˜no de cuenca. Esto supone una informaci´on muy detallada de la evoluci´on de la lluvia en el tiempo
Este nivel de detalle en la informaci´on puede suponer un problema ya que no siempre est´a dis- ponible, al carecer o bien de observatorios meteorol´ogicos, o por falta de equipamiento de estos con un pluvi´ometro de intensidad. La informaci´on de lluvia ca´ıda en 24 horas que es la m´as ha- bitualmente registrada, puede ser por s´ı sola muy poco ´util a nivel de estudios en zona urbana.
3.2. An´alisis de datos de lluvia
Cuando estamos interesados en estudios de dimensionamiento o comprobaci´on de la situa-
ci´on de una cuenca o un tramo de cauce concreto ante lluvias extremas, estamos hablando de
estudios de sucesos de lluvias aislados. Para este tipo de an´alisis se pueden emplear tres tipos de informaci´on pluviom´etrica:
1. Lluvias hist´oricas registradas y que produjeron serias consecuencias desde el punto de vis- ta de inundaci´on en la cuenca, y que dejaron adem´as secuelas en la memoria hist´orica de la poblaci´on. Se tratar´ıa de un proceso de dise˜no de una infraestructura (encauzamien-
50 Tema 3
to, etc) cuyo objetivo final es que si se volviera a dar una precipitaci´on igual a la que se registr´o ese d´ıa, no se produjeran inundaciones. Este criterio no est´a basado en consi- deraciones estad´ısticas de riesgo, sino que se asocia a un suceso concreto. Es f´acilmente explicable a la poblaci´on, e incluso se puede ilustrar con documentaci´on de los efectos producidos por la inundaci´on hist´orica, indicando que esos da˜nos ya no se producir´an con las nuevas actuaciones.
2. Series temporales de lluvias, registradas en observatorios dentro de la zona de estudio, o incluso series sint´eticas generadas a partir de m´etodos estad´ısticos. Con estos datos de lluvia, aplicaremos un modelo de transformaci´on lluvia–escorrent´ıa y as´ı se obtienen los diferentes hidrogramas de caudal, sobre los que se realiza un an´alisis estad´ıstico para determinar el valor del flujo asociado a un periodo de retorno determinado. Otra manera de utilizar estos datos ser´ıa establecer un an´alisis de comportamiento de la cuenca no en el dominio de la probabilidad de inundaci´on sino en el de frecuencia de inundaci´on. Si asumimos que los datos de lluvia registrados son representativos de la precipitaci´on en
la cuenca, y aceptamos que en el futuro seguir´a lloviendo como hasta ahora, podemos
realizar los estudios hidrol´ogicos e hidr´aulicos para comprobar el comportamiento de la infraestructura a dise˜nar. Si por ejemplo, tenemos datos de lluvia de 20 a˜nos, digamos unos 1200 sucesos de lluvia por ejemplo, lo que supone una media de 60 sucesos de lluvia al a˜no, tenemos que realizar los 1200 estudios de transformaci´on lluvia - caudal, y los 1200 c´alculos hidr´aulicos asociados. Podemos evaluar cu´antas veces se supera la capacidad de desag¨ue de la obra hidr´aulica, en un cierto n´umero de a˜nos. Este enfoque da como resultado el poder decir que la obra dise˜nada se ver´a superada un n´umero X de veces en N a˜nos (igual a los que tenemos datos). No se trata de ning´un concepto estad´ıstico, ni de periodo de retorno. Se trata de un an´alisis de frecuencia de inundaci´on. El inconveniente que tiene este procedimiento es que no solemos tener series temporales muy largas, sino que tan solo disponemos de series de 20, 30 a˜nos (algunos casos excepcionales como los pluvi´ometros de Barcelona o Valencia, pueden llegar a 50 ´o m´as a˜nos). Cuando tenemos un resultado como por ejemplo, que no se inunda nunca en los 20 a˜nos de registro, ¿qu´e pasar´a con esa obra en un periodo de 30 a˜nos, o de 100? Si dispusi´eramos de 100 a˜nos de registros, podr´ıamos realizar este proceso hasta ese nivel de informaci´on. Pero en general, ya hemos dicho que suelen ser como m´aximo de 20 a˜nos o menos la longitud de esos registros. Este procedimiento ser´a adecuado para aquellas obras que suelan tener un periodo de retorno de dise˜no bajo, del orden de 10 a 20 a˜nos, cosa por ejemplo frecuente en infraestructuras urbanas.
3. Lluvias de proyecto, obtenidas a partir de informaci´on globalizada en forma de curvas
Intensidad–Duraci´on–Frecuencia. Podemos definir a esta lluvia de proyecto como una lluvia tipo, o lluvia sint´etica que se puede asociar a un cierto periodo de retorno, y se admite (a pesar de que no sea estrictamente cierto) que el caudal de escorrent´ıa calculado a partir de esta lluvia de proyecto tiene el mismo periodo de retorno. Esta idea introduce un concepto de seguridad/riesgo, al asociar una noci´on de periodo de retorno al hietograma de lluvia a utilizar, y por ende al caudal de dise˜no.
Informaci´on de lluvia a utilizar en el modelo SWMM 5.0 51
3.3. Datos de series temporales.
An´alisis de calidad de la informaci´on
Los datos de informaci´on pluviom´etrica corresponden a registros de lluvia ca´ıda en diferentes duraciones. Tenemos datos cada 24 h, 12 h, 1 h, 5 minutos, etc. Cuando recibimos la informaci´on
que ha proporcionado el Servicio Meteorol´ogico hemos de realizar una serie de procesos para
verificar la calidad de la informaci´on que vamos a manejar. En general, los Servicios Meteorol´ogi- cos se dedican a la recolecci´on de datos, pero no necesariamente realizan los test de calidad para verificar que la informaci´on que entregan es correcta. Hay innumerables fuentes de error: de transcripci´on, p´erdidas de informaci´on, etc. Hay que realizar una serie de an´alisis como:
1. Estacionariedad. Si tengo una serie temporal de por ejemplo 45 a˜nos, ser´ıa bueno analizar subintervalos de tiempo de 20 a 25 a˜nos, con un cierto solape entre ellos. Evaluados los valores medios y las varianzas de estas subseries temporales, no deber´ıan diferenciarse entre ellas en m´as de un 15 %. Si se supera ese valor, quiere decir que ha habido cambios en las condiciones de medida, etc, que obligan a analizar con m´as detalle la serie para corregir ese problema. Este an´alisis parte del principio de que las condiciones meteorol´ogicas no se han modificado en el tiempo y que por tanto, salvo ciclos locales de sequ´ıas o precipitaciones intensas, el clima no se ha modificado sustancialmente sobre todo en las pocas decenas de a˜nos de los que tenemos registros.
2. Homogeneidad. Cuando realizamos un an´alisis estad´ıstico por ejemplo de extremos, es
conveniente comprobar que la poblaci´on de datos que manejamos sea homog´enea des-
de el punto de vista estad´ıstico. Deben realizarse los tests de hip´otesis que empleamos
com´unmente como el test Chi cuadrado, o el Kolmogorov - Smirnov.
3. Consistencia. Los datos de la serie temporal que manejamos deben presentar lo que de- nominamos consistencia: las condiciones de medida de los datos de lluvia deber´ıan ser las mismas y no variar a lo largo del tiempo. Cuando se dispone de una serie de estaciones meteorol´ogicas en una regi´on climatol´ogicamente homog´enea, donde el r´egimen de lluvias es ´unico, es posible realizar un an´alisis con el fin de verificar la consistencia de la serie de datos pluviom´etricos en dichas estaciones. Las causas de una falta de consistencia en
los datos de una estaci´on durante un periodo pueden ser muy variadas: cambios en las
condiciones del aparato registrador, cambios en el procedimiento de observaci´on, cambio de emplazamiento de la estaci´on, etc. El m´etodo utilizado para verificar dicha consistencia es el an´alisis de curvas de doble masa. Consiste en construir una curva doble acumulativa, en la cual son relacionados los totales anuales acumulados de una determinada estaci´on con la media acumulada de los totales anuales de todas las estaciones del ´area, considerada
homog´enea desde el punto de vista de datos. Vamos a poner un ejemplo de 5 estaciones
en el ´area de la ciudad de Pamplona.En nuestro caso se consideran homog´eneas las 5 es- taciones de las que se disponen datos, Pamplona, Otazu, Irotz, Ilund´ain y No´ain, y que presentan simultaneidad de registros a partir del a˜no 1981.
Cuanto mayor n´umero de estaciones se disponga, la media acumulada de los totales anuales ser´a menos sensible a la falta de consistencia de los datos de alguna de ellas, con lo que el an´alisis es m´as fiable. Si la serie de datos de una determinada estaci´on es consistente durante un determinado periodo, la curva de doble masa en dicho periodo, debe presentar una pendiente constante. En caso contrario, es decir si a partir de un determinado punto
52 Tema 3
Y
X S2
S1
Figura 5: Curva de doble masa acumulada
de la curva se produce un cambio de pendiente (ver figura 5) nos indica que comienza un periodo con datos no consistentes, habi´endose producido alg´un cambio que afecta a los datos de medida.
El an´alisis de doble masa acumulada realizado para las estaciones de la comarca de Pam-
plona nos indica que los datos de la estaci´on de Pamplona presentan un comportamiento
correcto, mientras que otras estaciones, como por ejemplo la de Irotz, presentan cambios de pendiente que sugieren una falta de consistencia en la serie. Puesto que el periodo de simultaneidad de registros (1981-1993) es muy corto, el an´alisis realizado no es del todo concluyente para decidir que series de datos son las m´as adecuadas en la obtenci´on de un hietograma de dise˜no, pero ilustra las diferencias entre estaciones de medida.
4. Adecuaci´on. Aunque aparezca al final, debe ser una de las primeras cosas que analicemos. Nos referimos en concreto a la duraci´on de la serie. Para cualquier an´alisis ser´ıa deseable disponer de datos de un m´ınimo de 25 a 30 a˜nos. Esto no se puede improvisar y los datos son los que son. De todos modos, si en el observatorio que nos interesa la duraci´on es menor por ejemplo de 18 a 20 a˜nos, podr´ıamos comparar algunos estad´ısticos de esa serie m´as corta frente a otra serie m´as larga de un observatorio cercano y que tenga las mismas condiciones meteorol´ogicas (por ejemplo que no est´en separados por monta˜nas elevadas, que est´en a menos de 100 Km, etc). En ese caso podr´ıamos analizar los cocientes entre las medias de las dos series, as´ı como el cociente de varianzas y deber´ıan ser en ambos casos similares a 1.
3.4. Procedimientos para completar series temporales
Es posible que en nuestro estudio hidrol´ogico manejemos datos de varios observatorios. Y
seguro que cuando analicemos la informaci´on de todos ellos habr´a a˜nos, meses o d´ıas en los que tendremos datos de unos observatorios y de otros no. Es conveniente que tengamos datos todos los d´ıas, horas, etc. en todos los observatorios a la vez, por lo que aquellos periodos de