Modelación dinámica de inundaciones urbanas en escenarios de cambio climático

Las inundaciones se encuentran entre las más comunes y destructivas amenazas naturales. Estos eventos generan pérdidas millonarias y tienen diversos efectos adversos en las comunidades que se ven afectadas.

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

 

TESIS DE MAESTRÍA 

 

MODELACIÓN DINÁMICA DE INUNDACIONES URBANAS EN 

ESCENARIOS DE CAMBIO CLIMÁTICO 

 

 

Jorge Alexander Garzón Díaz 

 

 

Asesor: Juan G. Saldarriaga Valderrama 

 

 

 

 

 

UNIVERSIDAD DE LOS ANDES 

FACULTAD DE INGENIERÍA 

DEPARTAMENTO DE INGENIERÍA CIVIL Y AMBIENTAL 

MAESTRÍA EN INGENIERÍA CIVIL 

BOGOTÁ D.C. 

2019 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

 

 

AGRADECIMIENTOS 

 

Agradezco a las personas que me acompañaron en este camino, principalmente a mi familia que 
siempre me apoyó y confió en mí. A mi mamá quien siempre me cuidó. A mi papá quien me enseñó 
el valor del esfuerzo y a mi hermana quien me compartió tanto conocimiento y alegría. 

Agradezco a todos mis amigos, en especial a Andrés Renjifo y Laura Martínez, quienes hicieron de 
esta maestría una experiencia mucho más enriquecedora y, a su manera, llenaron de felicidad mi 
estancia en la universidad. Gracias a ellos nunca faltaron risas.  

Agradezco a mis amigos fuera de la universidad, especialmente a Liliana Beltrán y Luis Felipe 
Sánchez, quienes han estado conmigo varios años. Les doy gracias por brindarme nuevamente su 
apoyo y amistad en esta etapa en la que cosecho un nuevo logro. 

Deseo expresar mi agradecimiento a mis amigos y colegas del CIACUA. Me alegra haber podido 
compartir con profesionales de tan alto nivel con los cuales conformamos un excelente grupo de 
trabajo. Muchas gracias a Camilo Salcedo, un excelente profesional con quien tuve la fortuna de 
compartir mi participación en el CIACUA. Me siento muy afortunado de haber trabajado con él y 
haber contado con su guía, opinión y en especial, su amistad. 

Finalmente, agradezco a quienes me permitieron estar aquí. A Jessica Bohórquez por darme la 
oportunidad  de  iniciar  mi  carrera  en  recursos  hídricos.  Un  agradecimiento  especial  a  Juan 
Saldarriaga de quien aprendí mucho y pude compartir conversaciones muy interesantes. Su guía 
y orientación me permitieron crecer no solo como profesional sino como persona.  A la Universidad 
de  los  Andes  por  abrirme  las  puertas  con  el  programa  QEE  y  el  programa  de  Asistencias 
Graduadas. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

TABLA DE CONTENIDO 

Introducción ................................................................................................................................ 1 

1.1 

Objetivos ............................................................................................................................. 3 

1.1.1 

Objetivo General ......................................................................................................... 3 

1.1.2 

Objetivos Específicos ................................................................................................... 3 

Marco teórico .............................................................................................................................. 4 

2.1 

Inundación por desbordamiento y por encharcamiento .................................................... 4 

2.2 

Cambio climático global y regional ..................................................................................... 8 

2.3 

Modelos de circulación generales (MCG) ......................................................................... 10 

2.4 

Estimación  hidrológica  bajo  escenarios  de  cambio  climático  en  Colombia.  (Acevedo 

Aristizábal, 2009) ........................................................................................................................... 13 

2.5 

Fórmulas regionales para la estimación de curvas intensidad-frecuencia-duración basadas 

en  las  propiedades  de  escala  de  la  lluvia  (Región  Andina  Colombiana).  Por  Edicson  Gonzalo 
Pulgarín, 2009. .............................................................................................................................. 16 

2.6 

Generación  de  Hietogramas  por  medio  del  método  Intensidad  instantánea  (Chow, 

Maidment, & Mays, 1994) ............................................................................................................ 17 

2.7 

Proyecto “Drenaje Urbano y Cambio Climático” (Universidad de los Andes PAVCO, 2014)

 

19 

2.8 

Prueba de la metodología de localización de tanques de tormenta en diferentes sectores 

de las ciudades de Bogotá y Medellín. (Pulgarín Morales & Saldarriaga Valderrama, 2018) ....... 24 

2.9 

Modelo de inundaciones ................................................................................................... 27 

2.10  ITZÏ ..................................................................................................................................... 29 

2.10.1 

Características del modelo seleccionado .................................................................. 30 

2.11  Resiliencia – Indicador FRI (Chen & Leandro, 2019) ......................................................... 33 

2.11.1 

Fase de evento .......................................................................................................... 34 

2.11.2 

Fase de recuperación ................................................................................................ 35 

2.11.3 

Cálculo del FRI ........................................................................................................... 37 

Metodología .............................................................................................................................. 39 

3.1 

Definición de simulaciones ................................................................................................ 39 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

ii 

 

3.2 

Información geográfica ..................................................................................................... 41 

3.2.1 

Modelo digital de terreno ......................................................................................... 41 

3.2.2 

Rugosidad de la superficie......................................................................................... 42 

3.2.3 

Condiciones de frontera ............................................................................................ 43 

3.2.4 

Red de drenaje pluvial ............................................................................................... 44 

3.2.5 

Información socioeconómica .................................................................................... 46 

3.3 

Información hidrológica actual ......................................................................................... 46 

3.4 

Proyección con Cambio Climático ..................................................................................... 47 

3.5 

Generación de hietogramas .............................................................................................. 49 

3.6 

Simulación de inundaciones .............................................................................................. 54 

3.7 

Cálculo del FRI ................................................................................................................... 62 

Resultados ................................................................................................................................. 66 

Conclusiones.............................................................................................................................. 74 

Referencias ................................................................................................................................ 77 

Anexos ....................................................................................................................................... 80 

 

 

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

iii 

 

ÍNDICE DE ILUSTRACIONES 

Ilustración 1. Mapa de Amenaza de Inundación por Desbordamiento – Escenario Actual presentado para la 

revisión general del POT. (IDIGER, 2019) ................................................................................................... 5

 

Ilustración 2. Amenaza de Inundación en perspectiva de Cambio Climático, escenario prospectivo. (IDIGER, 

2019) .......................................................................................................................................................... 5

 

Ilustración 3. Densidad de eventos de encharcamiento por Unidades de Gestión de Alcantarillado (UGA) en 

la ciudad de Bogotá (Eventos/ km2) – Periodo 2005 – 2019. (IDIGER, 2019) ........................................... 6

 

Ilustración 4. Mapa de inundaciones por encharcamiento en la zona de estudio. (IDIGER, 2018).................... 7

 

Ilustración 5. Noticia de periódico local (Izq.) y estado de la calle durante el evento (Der.)(El Espectador, 

2017) .......................................................................................................................................................... 7

 

Ilustración 6. Posibles cambios que ocurrirían en la precipitación anual para finales del siglo XXI en 

comparación con el Clima observado en 1976-2005 (IDEAM, 2018) ........................................................ 9

 

Ilustración 7. Ejemplo de discretización espacial 3D de un modelo de circulación general (Castro, 2007) ..... 10

 

Ilustración 8. Ajuste de un hietograma mediante curvas. (Chow et al., 1994) ................................................ 18

 

Ilustración 9. Mapas de las zonas. Chicó Sur (Izq.) y Chicó Norte (Der.) .......................................................... 21

 

Ilustración 10. Mapa de Bogotá con los vértices de los MCGs (Universidad de los Andes PAVCO, 2014) ....... 22

 

Ilustración 12. Red Chicó Sur y su ubicación en Bogotá (Pulgarín Morales & Saldarriaga Valderrama, 2018)  25

 

Ilustración 13. Nudos inundados en la red Chicó Sur (Pulgarín Morales & Saldarriaga Valderrama, 2018) .... 26

 

Ilustración 14. Resultados de localización de tanques de tormenta(Pulgarín Morales & Saldarriaga 

Valderrama, 2018) ................................................................................................................................... 27

 

Ilustración 15.  Logotipos de las herramientas computacionales .................................................................... 29

 

Ilustración 16. Variables usadas para la resolución numérica en la dimensión x. ........................................... 30

 

Ilustración 17. Variación del índice FRI para un evento de inundación (Chen & Leandro, 2019) .................... 34

 

Ilustración 18. Diagrama de metodología ........................................................................................................ 39

 

Ilustración 19. Representación del método Fill (Acosta Barragán & Saldarriaga Valderrama, 2013) .............. 41

 

Ilustración 20. Mapa MDT Chicó Sur ................................................................................................................ 42

 

Ilustración 21. Mapa de coberturas - Chicó sur ................................................................................................ 43

 

Ilustración 22. Ráster de condiciones de frontera ........................................................................................... 44

 

Ilustración 23. Mapa de la red de drenaje Chicó Sur........................................................................................ 45

 

Ilustración 24. Mapa de manzanas Chicó Sur ................................................................................................... 46

 

Ilustración 25. Ejemplo de la hoja de cálculo utilizada para el método de la intensidad instantánea ............. 51

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

iv 

 

Ilustración 26. Interfaz inicial GRASS GIS .......................................................................................................... 54

 

Ilustración 27. Selección del tipo de proyección .............................................................................................. 55

 

Ilustración 28. MDT Chicó Sur en GRASS GIS .................................................................................................... 56

 

Ilustración 29. Ráster de condiciones de frontera en GRASS GIS ..................................................................... 56

 

Ilustración 30. Creación STRDS ......................................................................................................................... 57

 

Ilustración 31. Registro de los mapas en el STRDS ........................................................................................... 58

 

Ilustración 32. Consideraciones temporales de los mapas .............................................................................. 58

 

Ilustración 33. Mapa de lluvia uniforme en GRASS GIS .................................................................................... 59

 

Ilustración 34. Capa de n de Manning en GRASS GIS ....................................................................................... 59

 

Ilustración 35. Ejemplo de archivo de parámetros ........................................................................................... 60

 

Ilustración 36. Pantalla de simulación con porcentaje de avance de simulación ............................................ 61

 

Ilustración 37. Arreglos multidimensionales de datos ..................................................................................... 63

 

Ilustración 38. Almacenamiento de indicadores para el cálculo del FRI .......................................................... 63

 

Ilustración 39. Mapas de distribución de población......................................................................................... 64

 

Ilustración 40. Mapa de Estrato Socioeconómico ............................................................................................ 64

 

Ilustración 41. Ejemplo de mapa de resiliencia para Chicó Sur en MATLAB .................................................... 65

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

ÍNDICE DE GRÁFICAS 

Gráfica 1. Características principales de los modelos de circulación general atmósfera-océano (AOGCM) y 

modelos del sistema terrestre (ESM) que participan en la fase 5 del proyecto de intercomparación de 
modelos acoplados (CMIP5), y una comparación con la fase 3 del proyecto de intercomparación de 
modelos acoplados (CMIP3) .................................................................................................................... 11

 

Gráfica 2.  Ejemplo De Curvas IDF para tormentas intensas de 24 horas de duración para un pixel específico 

de los MCG utilizados (Acevedo Aristizábal, 2009) .................................................................................. 15

 

Gráfica 3. Curvas IDF para Chicó Sur en escenarios de Cambio Climático(Universidad de los Andes PAVCO, 

2014) ........................................................................................................................................................ 23

 

Gráfica 4. Hietograma sintético empleado en la red Chicó Sur (Pulgarín Morales & Saldarriaga Valderrama, 

2018) ........................................................................................................................................................ 26

 

Gráfica 5. Curva IDF 24 horas – EAAB ............................................................................................................... 47

 

Gráfica 6. Curvas IDF para Chicó Sur en escenarios de Cambio Climático(Universidad de los Andes PAVCO, 

2014) ........................................................................................................................................................ 47

 

Gráfica 7. Curvas IDF sintéticas para los diferentes modelos y periodos de retorno en Chicó Sur .................. 50

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

vi 

 

ÍNDICE DE TABLAS 

Tabla 1.Modelos climáticos globales analizados correspondientes al proyecto de intercomparación CMIP5 20

 

Tabla 2. Parámetros de referencia para el cálculo del FRI ............................................................................... 38

 

Tabla 3. Factores de ponderación .................................................................................................................... 38

 

Tabla 4. Simulaciones ....................................................................................................................................... 40

 

Tabla 5. Estimativos n de Manning de las superficies ...................................................................................... 43

 

Tabla 6. Resumen de Componentes de la Red Chicó Sur. (Universidad de los Andes PAVCO, 2014) .............. 45

 

Tabla 7. Resolución de los climáticos globales analizados correspondientes al proyecto de intercomparación 

CMIP5 ...................................................................................................................................................... 48

 

Tabla 8. Valores de curvas IDF para generar curvas de periodo de retorno fijo .............................................. 49

 

Tabla 9. Coeficientes de las curvas IDF sintéticas ............................................................................................. 50

 

Tabla 10. Hietogramas sintéticos de 20 minutos de duración ......................................................................... 52

 

Tabla 11. Hietogramas sintéticos de 95 minutos de duración ......................................................................... 53

 

Tabla 12. Características de las coordenadas geográficas................................................................................ 55

 

Tabla 13. Profundidades máximas para escenarios de 20 minutos de duración ............................................. 66

 

Tabla 14. Profundidades máximas para escenarios de 95 minutos de duración ............................................. 67

 

Tabla 15. Resiliencia mínima para casos destacados ....................................................................................... 68

 

Tabla 16. Curvas de FRI Promedio para las simulaciones realizadas ................................................................ 69

 

Tabla 17. Mapas de diferencia de FRI ............................................................................................................... 71

 

Tabla 18. Mapas de manzanas afectadas y proyección con Cambio Climático ................................................ 72

 

Tabla 19. Conteo de manzanas afectadas para los diferentes escenarios ....................................................... 72

 

Tabla 20. Comparación de resultados obtenidos para las inundaciones de Chicó Sur .................................... 73

 

Tabla 21. Valores de las curvas IDF para Chicó Sur(Universidad de los Andes PAVCO, 2014) ......................... 80

 

Tabla 22. Hietogramas sintéticos de las simulaciones ..................................................................................... 80

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

vii 

 

ÍNDICE DE ECUACIONES 

Ecuación 1. Estimación de curvas IDF. (Pulgarín Dávila, 2009) ........................................................................ 16

 

Ecuación 2. División del tiempo del evento de lluvia en dos periodos............................................................. 17

 

Ecuación 3. Coeficiente de retardo .................................................................................................................. 17

 

Ecuación 4. Duración del evento en función del coeficiente de retardo ......................................................... 17

 

Ecuación 5. Precipitación total del evento en forma integral .......................................................................... 18

 

Ecuación 6. Precipitación total del evento en función de la intensidad promedio .......................................... 18

 

Ecuación 7. Derivación de la precipitación total .............................................................................................. 18

 

Ecuación 8. Ecuación de curva IDF ................................................................................................................... 18

 

Ecuación 9. Expresión para la intensidad de un evento de precipitación asumiendo intensidad instantánea 19

 

Ecuación 10. Lluvia ponderada de acuerdo con el criterio del cuadrado inverso de las distancias ................. 22

 

Ecuación 11. Paso de tiempo ............................................................................................................................ 30

 

Ecuación 12. Caudal específico en cada dirección............................................................................................ 31

 

Ecuación 13. Caudal específico resultante ....................................................................................................... 31

 

Ecuación 14. Balance de masa para cálculo de profundidad ........................................................................... 31

 

Ecuación 15. Indicador de profundidad de inundación para el cálculo del FRI. ............................................... 34

 

Ecuación 16. Indicador de profundidad acumulada de inundación para el cálculo del FRI. ............................ 34

 

Ecuación 17. Indicador de la duración de inundación para el cálculo del FRI. ................................................. 35

 

Ecuación 18. Indicador de la tasa de acumulación de inundación para el cálculo del FRI. .............................. 35

 

Ecuación 19. Indicador de profundidad de inundación para el cálculo del FRI en etapa de recuperación. ..... 36

 

Ecuación 20. Indicador de profundidad acumulada de inundación para el cálculo del FRI en etapa de 

recuperación. ........................................................................................................................................... 36

 

Ecuación 21. Indicador de duración de inundación para el cálculo del FRI en etapa de recuperación. ........... 36

 

Ecuación 22. Indicador de tasa de acumulación de inundación para el cálculo del FRI en etapa de 

recuperación. ........................................................................................................................................... 36

 

Ecuación 23. Indicador de porcentaje de niños para el cálculo del FRI en etapa de recuperación.................. 36

 

Ecuación 24. Indicador de porcentaje de adulto mayores para el cálculo del FRI en etapa de recuperación.  36

 

Ecuación 25. Indicador de ingreso de vivienda para el cálculo del FRI en etapa de recuperación. ................. 36

 

Ecuación 26. Cálculo del FRI en etapa de evento ............................................................................................. 37

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

viii 

 

Ecuación 27. Conjunto guía de parámetros para el cálculo del FRI en etapa de recuperación........................ 37

 

Ecuación 28. Factor de recuperación ............................................................................................................... 37

 

Ecuación 29. Cálculo del FRI en etapa de recuperación ................................................................................... 37

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

1  INTRODUCCIÓN 

Las inundaciones se encuentran entre las más comunes y destructivas amenazas naturales. Estos 
eventos generan pérdidas millonarias y tienen diversos efectos adversos en las comunidades que se 
ven  afectadas.  De  acuerdo  con  la    Organización  para  la  cooperación  y  el  desarrollo  económico 
(OECD)  se  estima  que  llegan  a  ocasionar  daños  anuales  por  más  de  USD  $40  mil  millones  en  el 
mundo (National Geographic, 2019). Adicionalmente a daños en infraestructura, muebles y enseres, 
las  inundaciones  ocasionan  morbilidad  y  mortalidad  de  seres  humanos,  pérdida  de  movilidad 
vehicular y suspensión de servicios públicos (IDIGER, 2019).  

En  particular,  las  inundaciones  urbanas  son  la  ocupación,  por  parte  del  agua,  de  zonas  en  las 
ciudades que de manera habitual están libres de ella. Además, estas inundaciones incrementan sus 
potenciales peligros en las urbanizaciones debido a la pavimentación, la cual reduce la rugosidad y 
permeabilidad  del  suelo,  incrementando  la  velocidad  del  agua  y  disminuyendo  la  capacidad  de 
infiltración,  respectivamente.  De  manera  simplificada,  las  inundaciones  urbanas  por 
encharcamiento ocurren cuando la intensidad de la lluvia en una zona es mayor a la capacidad de 
drenaje de este lugar de la ciudad. Es preciso señalar que mientras la capacidad del drenaje urbano 
se encuentra fija desde su diseño original, la intensidad de las lluvias se espera que incremente en 
menos de 30 años en ciudades colombianas tales como Bogotá, de acuerdo con el estudio regional 
de Variabilidad y Cambio Climático (IDEAM, 2018).  

Específicamente, la zona Chicó Sur, ubicada en el nororiente de Bogotá, entre las calles 92 y 100 y 
la carrera 7ma y la Autopista Norte, es una de las zonas más afectadas por las inundaciones  por 
encharcamiento tal como lo evidencian más de 10 registros de estos eventos entre los años 2002 y 
2017  (IDIGER,  2018),  entre  las  cuales  se  destacan  varios  episodios  de  inundación  del  paso  en 
desnivel de la calle 94, tal como el 14 de mayo de 2017, en cuya ocasión se inundó completamente. 
Esta inundación tuvo una duración de aproximadamente dos horas, ocasionó pérdidas económicas 
y afectó la movilidad de la ciudad. Después de este evento el Distrito instaló un sistema de bombeo 
automático, el cual no fue capaz de retirar toda la escorrentía de un evento de precipitación el 30 
de noviembre de 2017 (El Espectador, 2017).  

Si  bien  la  alcaldía  de  Bogotá  reconoce  la  amenaza  de  inundación  en  su  Plan  de  Ordenamiento 
Territorial,  específicamente  en  el  Decreto  190  de  2004  Subtítulo  5:  Zonas  sujetas  a  amenazas  y 
riesgos (Alcaldía Mayor de Bogotá, 2004), únicamente considera inundaciones por desbordamiento 
de cauces y no define zonas ni acciones respecto a las inundaciones por encharcamiento. Así, se 
generó  un  Plano  Normativo  de  Amenaza  por  Inundación  por  Desbordamiento  que  incluye  una 
proyección teniendo en cuenta el Cambio Climático. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

“Bogotá cuenta con el Plano Normativo de Amenaza por Inundación por Desbordamiento 
adoptado  mediante  el  Decreto  190  del  2004,  el  cual  ha  sido  actualizado  a  través  de 
diferentes actos administrativos de la Secretaría Distrital de Planeación. Actualmente, en el 
marco  del  proceso  de  revisión  del Plan  de  Ordenamiento  Territorial  de  Bogotá  (POT),  se 
cuenta con un nuevo mapa de Amenaza por Inundación por desbordamiento en perspectiva 
de cambio climático” (IDIGER, 2019) 

De esta manera, existe un plano normativo para el caso de desbordamiento, pero no se realizó un 
estudio  para  la  amenaza  de  inundación  por  encharcamiento.  Es  relevante  estudiar  el 
comportamiento  y  posible  efecto  de  las  inundaciones  en  este  sector  de  la  ciudad  debido  a  su 
vulnerabilidad y a la posibilidad de incremento de riesgo de inundación. En esta zona se encuentran 
hospitales,  establecimientos  comerciales,  hoteles  y organizaciones  gubernamentales,  además  de 
vías  principales  de  la  ciudad,  tales  como  la  Carrera  7ma,  la  calle  100,  la  autopista  norte  y  el  ya 
mencionado  paso  en  desnivel.  Adicionalmente,  las  redes  de  drenaje  pluvial  en  Colombia  son 
diseñadas de acuerdo con el Reglamento Técnico del Sector de Agua Potable y Saneamiento – RAS 
el  cual  reconoce  el  incremento  en  la  intensidad  de  las  lluvias,  pero  no  recomienda  ningún 
incremento en los diseños.  

“El efecto  invernadero  genera  una  serie  de  cambios  climáticos  globales.  De  acuerdo con 
diferentes investigaciones realizadas a nivel mundial, este efecto causará un aumento de la 
intensidad de lluvia en diferentes sitios del planeta. A pesar de esto, este documento no 
recomienda ningún incremento en la intensidad de precipitación de diseño por causa del 
cambio climático” (Ministerio de Vivienda, 2016) 

Es decir, el drenaje de la ciudad es diseñado sin tener en cuenta los efectos de Cambio Climático y 
el estudio regional de Variabilidad y Cambio Climático (IDEAM, 2018) indica que la precipitación va  
a incrementar en la ciudad, por lo tanto, es pertinente desarrollar una evaluación de riesgo bajo 
condiciones de Cambio Climático.  

Para  evaluar  los  efectos  de  las  inundaciones  se  requiere  un  indicador  que  permita  clasificar, 
comparar  y  decidir  acerca  de  la  gravedad  de  las  inundaciones.  Las  recientes  estrategias  de 
protección  a  inundaciones  han  apuntado  a  la  medición  de  factores  tanto  físicos  (profundidad, 
duración,  velocidad  de  inundación)  (Mugume,  Gomez,  &  Butler,  2014;  Pulgarín  Morales  & 
Saldarriaga Valderrama, 2018)  como sociales y económicos (distribución de  población e  ingreso) 
(Moghadas, Asadzadeh, Vafeidis, Fekete, & Kötter, 2019; Wiig & Fahlbruch, 2019). En esta línea, el 
índice  de  resiliencia  a  las  inundaciones,  propuesto  por  Chen  y  Leandro  (2019),  comprende  los 
factores previamente mencionados e indica la capacidad de soportar los efectos adversos de estos 
eventos y recuperarse hasta la condición original.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

Debido  al  reciente  desarrollo  del  concepto  de  la  resiliencia,  aún  no  se  han  llevado  a  cabo 
evaluaciones de este indicador integral en las diferentes zonas de la capital.  Estudios de este índice 
permiten a planificadores urbanos mejorar las estructuras de prevención y los planes de gestión de 
riesgo  de  este  tipo  de  desastres.  Estos  análisis  son  relevantes  en  zonas  que  históricamente  han 
presentado eventos de inundación y pueden verse perjudicadas en el futuro por efectos de cambio 
climático, tales como Chicó Sur. Entender el comportamiento de las inundaciones actualmente y 
estimar sus posibles efectos en el futuro permite identificar zonas que presentan mayor riesgo. Por 
lo tanto, el objetivo de la presente investigación es comparar la resiliencia a las inundaciones de 
Chicó Sur debido al efecto del Cambio Climático proyectado 30 años en el futuro.  

Para  cuantificar  los  efectos  de  las  inundaciones  se  utilizó  un  modelo  bidimensional  dinámico 
llamado Itzï. Este programa permite estimar las profundidades en todo el dominio de modelación 
para  diferentes  tiempos  y  a  partir  de  estos  datos  es  posible  calcular  la  resiliencia  tanto  para  la 
condición hidrológica actual como para la situación con cambio climático. Con esta metodología fue 
posible calcular que la resiliencia a las inundaciones en sectores de Chicó Sur se reducirá entre 13% 
y 15% para eventos frecuentes y entre 24% y 28% para eventos poco frecuentes en los próximos 30 
años debido a los efectos regionales del Cambio Climático. 

1.1  Objetivos 

1.1.1  Objetivo General 

Comparar la resiliencia a las inundaciones urbanas en Chicó Sur en condiciones de Cambio Climático 
proyectadas a 30 años en el futuro respecto a las condiciones actuales. 

1.1.2  Objetivos Específicos 

  Definir las capas de información necesarias para realizar las simulaciones de inundaciones 

en Chicó Sur 

  Definir los modelos climáticos globales acordes con la zona de estudio  
  Generar  hietogramas  representativos  de  eventos  de  precipitación  para  los  casos  de 

simulación 

  Calcular las profundidades de inundación en los tiempos de simulación para los diferentes 

escenarios 

  Calcular la resiliencia a las inundaciones urbanas en Chicó Sur en condiciones hidrológicas 

actuales  

  Calcular la resiliencia a las inundaciones urbanas en Chicó Sur en escenarios de Cambio 

Climático  

  Analizar los cambios de resiliencia a las inundaciones urbanas en Chicó Sur debido a los 

posibles efectos del Cambio Climático 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

2  MARCO TEÓRICO 

A  continuación,  se  desarrollan  en  mayor  profundidad  los  conceptos,  modelos,  métodos  e 
investigaciones que permitieron el desarrollo de este estudio. 

2.1  Inundación por desbordamiento y por encharcamiento 

En  la  ciudad  de  Bogotá  las  inundaciones  son  atendidas  y  estudiadas  por  el  Instituto  Distrital  de 
Gestión  de  Riesgos  y  Cambio  Climático  –  IDIGER.  Esta  entidad  se  encarga  de  hacer  las 
caracterizaciones  generales  de  riesgo  por  inundaciones  y  las  clasifica  en  las  dos  categorías 
relevantes para la ciudad: Por desbordamiento y por encharcamiento. Aunque existen otros tipos 
de inundaciones, las dos previamente mencionadas son las más relevantes en el caso de la ciudad 
de Bogotá. 

Las  inundaciones  por  desbordamiento  son  de  tipo  fluvial.  De  acuerdo  con  el  IDIGER,  estas 
inundaciones son “lentas o de tipo aluvial, debido a que estas se producen por el desbordamiento 
del cauce anegando áreas planas aledañas al mismo y suelen ser originadas por crecidas progresivas 
y  de  larga  duración.”  (IDIGER,  2019)  o  por  encharcamiento,  en  donde  la  intensidad  de  lluvia 
sobrepasa  la  capacidad  hidráulica  del  drenaje  pluvial  ocasionando  que  el  agua  se  desplace  por 
encima de vías, andenes o incluso dentro de edificios. 

Las inundaciones de tipo desbordamiento ocurren con mayor frecuencia en la zona occidental de la 
ciudad, en donde se encuentran asentamientos junto al río Bogotá tal como las identifica el artículo 
128  del  Decreto  190  de  2004  “aquellas  localizadas  en  inmediaciones  de  los  ríos  y  quebradas 
existentes en el Distrito Capital, y principalmente las que se localizan en sectores aledaños a los ríos 
Bogotá,  Tunjuelo,  Juan  Amarillo  y  humedal  de  Torca.”  (Alcaldía  Mayor  de  Bogotá,  2004).  A 
continuación, se observan gráficamente las zonas de inundación en la actualidad y las mismas zonas 
teniendo en cuenta efectos de Cambio Climático. 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

 

Ilustración 1. Mapa de Amenaza de Inundación por Desbordamiento – Escenario Actual presentado para la revisión 

general del POT. (IDIGER, 2019) 

 

Ilustración 2. Amenaza de Inundación en perspectiva de Cambio Climático, escenario prospectivo. (IDIGER, 2019) 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

Es posible observar cambios entre los dos mapas previos, en general, se observa una disminución 
de la amenaza, pero no se indica si se debe a obras o al modelo de Cambio Climático implementado 
(el cual tampoco se menciona). 

Respecto  a  la  inundación  por  encharcamiento  se  obtiene  el  siguiente  mapa  de  densidad  de 
inundaciones  

 

Ilustración 3. Densidad de eventos de encharcamiento por Unidades de Gestión de Alcantarillado (UGA) en la ciudad 

de Bogotá (Eventos/ km2) – Periodo 2005 – 2019. (IDIGER, 2019) 

En el recuadro negro se encuentra la zona de estudio y se observan zonas con densidades entre 10 
a 15 eventos de inundación por kilómetro cuadrado. Al revisar la zona con más detalle gracias a la 
base de datos de DesInventar se obtiene el siguiente mapa: 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

 

Ilustración 4. Mapa de inundaciones por encharcamiento en la zona de estudio. (IDIGER, 2018) 

Esta zona ha tenido varios episodios de inundación como se muestra en el mapa anterior, tales casos 
han sido documentados por los medios locales, como se observa en las siguientes imágenes. 

 

Ilustración 5. Noticia de periódico local (Izq.) y estado de la calle durante el evento (Der.)(El Espectador, 2017) 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

2.2  Cambio climático global y regional  

La temperatura media del planeta ha incrementado en las últimas décadas y esta condición se ha 
denominado Cambio Climático. Este es un fenómeno global reconocido y estudiado en los últimos 
años tal como lo indica el Panel Intergubernamental del Cambio Climático – IPCC por sus siglas en 
inglés.  

“El calentamiento en el sistema climático es inequívoco y, desde la década de 1950, muchos 
de los cambios observados no han tenido precedentes en los últimos decenios a milenios. 
La atmósfera y el océano se han calentado, los volúmenes de nieve y hielo han disminuido, 
el nivel del mar se ha elevado y las concentraciones de gases de efecto invernadero han 
aumentado.” (IPCC, 2014a) 

Adicionalmente señalan que la temperatura seguirá incrementando y se generarán efectos en los 
demás componentes del clima.  “Las emisiones continuas de gases de efecto invernadero causarán 
un mayor calentamiento y nuevos cambios en todos los componentes del sistema climático.” (IPCC, 
2014a). La certeza del incremento de la temperatura global es alta pero sus efectos en variables, 
tales como la lluvia, presentan mayor complejidad para una adecuada predicción. El IPCC señala que 
“Los cambios que se producirán en el ciclo global del agua, en respuesta al calentamiento durante 
el siglo XXI, no serán uniformes. Se acentuará el contraste en las precipitaciones entre las regiones 
húmedas  y  secas,  si  bien  podrá  haber  excepciones  regionales”.  En  consecuencia,  es  necesario 
implementar  aproximaciones  regionales  a  la  estimación  de  la  lluvia  bajo  escenarios  de  Cambio 
Climático. Para esta investigación, se requieren estudios de Colombia, la región andina, la ciudad de 
Bogotá  o,  en  el  mejor  de  los  casos,  sobre  la  zona  Chicó  Sur.  Tales  aproximaciones  han  sido 
desarrolladas por entidades gubernamentales y por la academia. 

El  Instituto  de  Hidrología,  Meteorología  y  Estudios  Ambientales  -  IDEAM  es  el  encargado  de  la 
información climatológica en Colombia, lidera investigaciones ambientales en diferentes aspectos, 
incluyendo las proyecciones de Cambio Climático en el país. En el año 2018 hizo la publicación del 
informe “Variabilidad Climática y el Cambio Climático en Colombia” en el cual se indican pronósticos 
variados para las diferentes regiones de Colombia, en gran parte debido a la complejidad geográfica 
e hidrológica del país. En particular se hace énfasis en el aumento de precipitación en la ciudad de 
Bogotá.

 

“Para  la  precipitación,  IDEAM  (2010)  planteaba  que  en  hacia  el  2011-2040  habría  una 
marcada disminución (-30% del volumen anual) en del alto y medio Magdalena, así como en 
el sector nor-oriental, aumento de más del 30% sobre Bogotá y Soacha (…) La precipitación 
hacia 2041-2070 aumentaría marcadamente (más del 40% del valor anual) sobre Bogotá, 
Soacha, Sabana centro y Sumapaz.” (IDEAM, 2018) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

 

Estos pronósticos se pueden observar en el siguiente mapa de cambios porcentuales en la lluvia 
para las distintas regiones del país.  

 

Ilustración 6. Posibles cambios que ocurrirían en la precipitación anual para finales del siglo XXI en comparación con el 

Clima observado en 1976-2005 (IDEAM, 2018) 

Adicionalmente,  el  comportamiento  general  de  las  lluvias  en  el  futuro  para  la ciudad  de  Bogotá 
puede ser complementado con una proyección general de las lluvias en Bogotá de 6.57%, 9.53% y 
8.27% a 2040, 2070 y 2100 respectivamente, con relación al registro anual de lluvias entre 1975-
2015 de acuerdo con la entidad distrital respectiva. (IDIGER, 2016) 

Si bien el aumento de la lluvia anual es un indicativo de aumento en las inundaciones en el futuro 
no es suficiente para demostrar que los episodios de precipitación serán más intensos, puede que 
tan sólo sean más frecuentes. En esta misma línea se han desarrollado varios estudios relacionados 
con las proyecciones de las lluvias en el futuro para poder determinar los tipos de eventos que se 
pueden presentar en unas décadas. En la presente investigación se tendrán en cuenta tres estudios 
relacionados  con  la  intensidad  de  las  lluvias  directamente  en  la  zona  de  estudio  o  en  sus 
alrededores:  Estimación  hidrológica  bajo  escenarios  de  cambio  climático  en  Colombia,  Proyecto 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

10 

 

“Drenaje  Urbano  y  Cambio  Climático”  y  la  tesis  “Prueba  de  la  metodología  de  localización  de 
tanques de tormenta en diferentes sectores de las ciudades de Bogotá y Medellín”. Antes de entrar 
en detalle de estos estudios se revisarán los modelos de Cambio Climático sobre los cuales se basan. 

2.3  Modelos de circulación generales (MCG) 

Para obtener estimaciones de las variables climáticas y meteorológicas futuras se requiere emplear 
modelos que permitan dar una idea de las condiciones bajo escenarios de Cambio Climático. Por 
esta  razón  se  han  desarrollado Modelos  de  Circulación  Generales  (MCG),  los  cuales  se  basan  en 
leyes fundamentales de la naturaleza (p. ej., conservación de energía, masa y momento).  El IPCC 
indica que “Los modelos climáticos son las principales herramientas disponibles para investigar la 
respuesta del sistema climático a varios forzamientos, para hacer predicciones climáticas en escalas 
temporales de temporada a décadas y para hacer proyecciones del clima futuro durante el próximo 
siglo”  (IPCC,  2014b).  De  acuerdo  con  el  IPCC  (2013),  el  desarrollo  de  estos  modelos  climáticos 
involucra tres pasos principales:  

1.  Expresar  las  leyes  físicas  del  sistema en  términos matemáticos. Esto  requiere  un  trabajo 

teórico  y  de  observación  para  derivar  y  simplificar  expresiones  matemáticas  que  mejor 
describen el sistema. 

2.  Implementar  estas  expresiones  matemáticas  en  una  computadora.  Esto  requiere  el 

desarrollo de métodos numéricos que permitan la solución de las expresiones matemáticas 
discretizadas,  generalmente  implementadas  en  alguna  forma  de  cuadrícula,  como  la 
cuadrícula latitud-longitud-altura para modelos atmosféricos u oceánicos. 

3.  Construyendo  e  implementando  modelos  conceptuales  (generalmente  conocidos  como 

parametrizaciones)  para  aquellos  procesos  que  no  pueden  ser  representados 
explícitamente, ya sea por su complejidad (p. ej., procesos bioquímicos en la vegetación) o 
porque las escalas espaciales y / o temporales en las que ocurren no se resuelven mediante 
ecuaciones discretas del modelo (p. ej., procesos de nubes y turbulencia). 

 

Ilustración 7. Ejemplo de discretización espacial 3D de un modelo de circulación general (Castro, 2007) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

11 

 

Adicionalmente, el Proyecto de intercomparación de modelos acoplados (CMIP5) ha recopilado y 
comparado los diversos modelos disponibles en la actualidad. En la siguiente gráfica, obtenida del 
capítulo 9 del 5to informe de evaluación del IPCC, se observa un resumen de los modelos incluidos 
en este proyecto: 

 

Gráfica 1. Características principales de los modelos de circulación general atmósfera-océano (AOGCM) y modelos del 

sistema terrestre (ESM) que participan en la fase 5 del proyecto de intercomparación de modelos acoplados (CMIP5), 

y una comparación con la fase 3 del proyecto de intercomparación de modelos acoplados (CMIP3) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

12 

 

En la gráfica anterior se utilizan nombres oficiales de modelo CMIP. HT significa atmósfera 
High-Top, indica que el modelo tiene una estratosfera completamente resuelta con una parte 
superior del modelo por encima de la estratopausa. AMIP significa modelos con atmósfera y 
superficie terrestre únicamente, utilizando la temperatura de la superficie del mar observada 
y  la  extensión  del  hielo  marino.  Un  componente  se  colorea  cuando  incluye  al  menos  una 
ecuación  de  pronóstico  basada  físicamente  y  al  menos  un  acoplamiento  bidireccional  con 
otro  componente,  lo  que  permite  retroalimentaciones  climáticas.  Para  aerosoles,  el 
sombreado  más  claro  significa  "semi-interactivo"  y  el  sombreado  más  oscuro  significa 
"completamente interactivo". La resolución de la superficie terrestre generalmente sigue a la 
de la atmósfera, y la resolución del hielo marino sigue a la del océano. Al pasar de CMIP3 a 
CMIP5, se observa una mayor complejidad y resolución, así como la ausencia de corrección 
de flujo artificial (FC) utilizada en algunos modelos CMIP3. (IPCC, 2014b) 

En el mismo capítulo del informe del IPCC se hacen varios apuntes acerca de qué tan representativos 
son estos modelos y su precisión para simular los eventos de precipitación extrema. En primer lugar, 
indica que los modelos han mejorado desde el reporte previo (AR4) pero aun así hay dificultades 
para hacer modelos representativos a una escala regional.  

“La simulación de patrones de precipitación a gran escala ha mejorado un poco desde el 
AR4, aunque los modelos continúan teniendo un rendimiento menor para la precipitación 
que  para  la  temperatura  de  la  superficie.  La  correlación  del  patrón  espacial  entre  la 
precipitación media anual modelada y observada ha aumentado de 0.77 para los modelos 
disponibles en el momento del AR4 a 0.82 para los modelos actuales. A escalas regionales, 
la  precipitación  tampoco  se  simula,  y  la  evaluación  sigue  siendo  difícil  debido  a  las 
incertidumbres de observación.” (IPCC, 2014b) 

El  IPCC  advierte  en  el  quinto  informe  que  las  tendencias  de  precipitación  pueden  estar 
subestimándose,  en  especial  en  la  zona  tropical.  Adicionalmente,  la  publicación  afirma  que  las 
predicciones históricas pueden no ser indicador confiable para proyecciones futuras. 

“La  mayoría  de  los  modelos  subestiman  la  sensibilidad  de  la  precipitación  extrema  a  la 
variabilidad  o  las  tendencias  de  la  temperatura,  especialmente  en  los  trópicos,  lo  que 
implica  que  los  modelos  pueden  subestimar  el  aumento  proyectado  de  la  precipitación 
extrema  en  el  futuro.  En  general,  no  existe  un  medio  directo  de  traducir  las  medidas 
cuantitativas del desempeño pasado en declaraciones confiables sobre la fidelidad de las 
proyecciones climáticas futuras.”(IPCC, 2014b) 

En este estudio las lluvias de interés son las correspondientes a los extremos o “realizaciones de la 
cola de la distribución de probabilidad del clima y la variabilidad climática. Son estadísticas de orden 
superior y, por lo tanto, generalmente son más difíciles de representar de manera realista en los 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

13 

 

modelos climáticos.”(IPCC, 2014b). Aun así, en el AR4, se concluyó que los modelos podrían simular 
las estadísticas de eventos extremos mejor de lo esperado a partir de la resolución generalmente 
gruesa de los modelos en ese momento, especialmente para temperaturas extremas (Randall et al., 
2007). En adición el informe indica que la precipitación extrema simulada depende en gran medida 
de  la  resolución  del  modelo.  La  creciente  evidencia  ha  demostrado  que  los  modelos  de  alta 
resolución  (50  km  o  más  finos  en  la  atmósfera)  pueden  reproducir  la  intensidad  observada  de 
precipitación extrema (Wehner et al., 2010; Endo et al., 2012; Sakamoto et al., 2012). (IPCC, 2014b) 

A continuación, se presenta un estudio regional de estimación hidrológica mencionado en la parte 
final de la sección 2.2. 

2.4  Estimación  hidrológica  bajo  escenarios  de  cambio  climático  en 

Colombia. (Acevedo Aristizábal, 2009) 

El  estudio  de  Acevedo  parte  de  una  motivación  similar  a  la  presente  investigación.  El  diseño 
hidrológico se basa en la consideración probabilística de eventos extremos que se seleccionan de 
acuerdo con un balance entre la seguridad contra las fallas eventuales y la economía de costos de 
las obras.  En principio, la estimación del riesgo se apoya en la extrapolación hacia el futuro de las 
probabilidades de falla deducidas de las condiciones históricas.  Si el cambio climático trae como 
consecuencia el incremento de estas probabilidades, incluso las obras bien diseñadas experimentan 
un riesgo de falla. Es decir, la hipótesis de estacionariedad en los procesos hidrológicos colapsa ante 
el cambio climático. (Acevedo Aristizábal, 2009) 

En  esta  investigación  se  presenta  una  comparación  entre  registros  de  lluvias  mensuales  y  la 
simulación  20C3M  (periodo  1980-2100)  para  4  Modelos  de  Circulación  General  (MCG):  CCSM3, 
HADGEM1, ECHAM5, y MIROC 3.2 HIRES; los cuales son resultados del Reporte IV del IPCC (2007), 
con el fin de evaluar la capacidad de pronóstico de estos modelos en Colombia. Adicionalmente, 
con los modelos que arrojaron los mejores resultados en el proceso de validación durante el siglo 
XX (CCSM3 Y ECHAM5) se realiza la estimación de las curvas Intensidad-Frecuencia-Duración de 24 
horas (IDF) para los escenarios futuros SRES A1 y SRES B1 durante el siglo XXI en los periodos 2046–
2065 y 2086-2100 y para el siglo XX en el periodo 1981-2000. Se encontró que, ante los escenarios 
de cambio climático analizados, habría grandes cambios en las tormentas más intensas, para ambos 
escenarios, especialmente para el SRES B1.  

El  objetivo  del  estudio  de  Acevedo  fue  cuantificar  el  impacto  de  distintos  escenarios  de  cambio 
climático propuestos en el reporte IV del IPCC del año 2007 (AR4) sobre el comportamiento de los 
eventos hidrológicos extremos en las cinco regiones de Colombia, y sus implicaciones en el diseño 
hidrológico  de  caudales  máximos  para  diferente  periodo  de  retorno  y  estimación  de  curvas  de 
intensidad-frecuencia-duración  de  24  horas.  Para  lograr  esta  cuantificación  Acevedo  siguió  la 
metodología que se presenta a continuación: 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

14 

 

1)  Obtener una caracterización del clima actual y la estimación de las alteraciones climáticas a 

lo largo de siglo XXI para el territorio colombiano. 

De esta manera se obtenían datos de la región con los cuales contrastar los resultados de los 
modelos. 

2)  Validar los resultados de las simulaciones obtenidas para los siglos XX y XXI por cuatro MCG 

(Modelos  de  Circulación  General):  CCSM3,  ECHAM5,  HADGEM1  y  MIROC  3.2  HIRES,  con 
datos puntuales de estaciones de precipitación en Colombia para el periodo comprendido 
entre 1981 y 2000. 

Por medio de medidas de ajuste de bondad se seleccionaron los modelos que más se parecían 
a los datos históricos obtenidos en el punto anterior de la metodología. 

3)  Analizar las series de intensidad de precipitación provenientes de los resultados obtenidos 

de dos MCG para los escenarios de cambio climático: SRES A2 y SRES B2, durante las épocas 
2046 al 2065 y del 2081 al 2100 del siglo XXI, e identificar los cambios en sus parámetros 
estadísticos, en comparación con los resultados obtenidos para el periodo 1981 al 2000 del 
siglo XX. 

Se  analizaron  las  predicciones  de  los  modelos  seleccionados  para  contrastar  los  cambios 
esperados en los patrones de lluvia en los años posteriores. 

4)  Emplear  las  series  pasadas  y  futuras  de  precipitación  provenientes  de  los  resultados 

obtenidos por los MCG CCSM3 Y ECHAM5 para los escenarios de cambio climático SRES A2 
y SRES B2 propuestos en el AR4,  para la estimación de  curvas  de  Intensidad-Frecuencia-
Duración  de  24  horas  asociadas  con  diferentes  periodos  de  retorno,  y  comparar  los 
resultados con aquellas “observadas” por los modelos para el siglo XX. 

Con los resultados de los modelos seleccionados se hizo un análisis estadístico para obtener los 
valores  máximos  diarios  para  cada  año  y  se  ajustó  una  distribución  generalizada  de  valor 
extremo (GEV) y se empleó un ajuste de parámetros por medio de L-Momentos. Se escogió esta 
distribución debido a sus propiedades para representar de mejor manera los valores extremos. 

La función de distribución acumulada GEV se expresa como: 

𝐹(𝑥) = exp {− [𝑗 ∗

𝑘 ∗ (𝑥 − 𝜇)

𝛼

]

1

𝑘

} , 𝑘 ≠ 0 

Donde 𝛼, 𝜇 y 𝑘 son los parámetros de la distribución. Al expresar la función en forma inversa se 
obtiene una expresión para el cuantil adimensional: 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

15 

 

𝑋

𝑇

= 𝜇 +

𝛼
𝑘

∗ (1 − ln(𝐹)

𝑘

Al considerar la variable aleatoria 𝑥 como la máxima intensidad de lluvia diaria y 1/𝐹 como el 
periodo de retorno (T) se obtienen las siguientes curvas IDF, en las cuales la duración está fija 
(24 horas). 

 

Gráfica 2.  Ejemplo De Curvas IDF para tormentas intensas de 24 horas de duración para un pixel específico de los 

MCG utilizados (Acevedo Aristizábal, 2009) 

Según  Cao  (1974)  la  relación  existente  entre  las  precipitaciones  máximas  en  24  horas  y  las 
precipitaciones máximas diarias, puede considerarse lineal, independiente de la probabilidad 
de ocurrencia y constante para una región específica. (Acevedo Aristizábal, 2009)  En el trabajo 
de Wilches (2001) se encontró que existía una relación lineal que varía entre 1,01 y 1,11 entre 
las  precipitaciones  máximas  diarias  y  las  precipitaciones  máximas  en  24  horas  para  61 
estaciones de precipitación en Antioquia. En el trabajo de Acevedo se utilizó el valor máximo 
diario como el valor máximo para 24 horas de duración.  

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

16 

 

2.5  Fórmulas  regionales  para  la  estimación  de  curvas  intensidad-

frecuencia-duración basadas en las propiedades de escala de la lluvia 
(Región Andina Colombiana). Por Edicson Gonzalo Pulgarín, 2009. 

Las  curvas  de  Intensidad–Duración–Frecuencia  (IDF)  se  construyen  por  medio  puntos 
representativos  de  la  intensidad  media  de  precipitación  para  diferentes  duraciones, 
correspondientes todos ellos a una misma frecuencia o período de retorno (Témez 1978). Mediante 
las curvas IDF es posible estimar la intensidad de tormentas intensas de distintas duraciones y para 
diferentes periodos de retorno. 

Algunos autores consideran que en un sitio específico puede estimarse una sola familia de 
curvas  para  un  amplio  rango  de  duraciones,  por  ejemplo,  entre  5  minutos  y  24  horas, 
mientras que la gran mayoría consideran que para cada sitio específico deben determinarse 
dos  familias  de  curvas.  Una  familia  para  las  duraciones  más  cortas,  entre  5  y  60  o  120 
minutos y otra entre 60 o 120 minutos hasta 24 horas e incluso hasta varios días. A pesar de 
no  tenerse  ninguna  demostración  rigurosa,  diversos  autores  consideran  que  esta 
subdivisión  debe  realizarse  ya  que  se  tienen  características  físicas  muy  diferentes  en  las 
lluvias  de  corta  duración,  entre  0  y  1  o  2  horas,  las  cuales  son  debidas  a  fenómenos 
netamente convectivos, y las de larga duración, mayores a dos horas (Bonacci 1984) citado 
por (Pulgarín Dávila, 2009). 

El trabajo de Pulgarín pretende aplicar metodologías adecuadas a la región Andina de Colombia con 
énfasis en la invarianza de la escala y su relación con parámetros morfológicos, de tal manera que 
permitan  estimar  las  curvas  IDF  con  herramientas  adecuadas  a  la  alta  variabilidad  espacial  de  la 
lluvia en los Andes de Colombia. 

En su investigación, Pulgarín propone la siguiente ecuación que permite convertir intensidades de 
lluvia en base 24 horas (tales como las obtenidas con la estimación hidrológica de la sección 2.4) a 
diferentes  duraciones,  teniendo  en  cuenta  dos  tipos  de  familias  de  curvas  de  acuerdo  con  la 
duración deseada. 

𝑰

𝒕

𝑻

=

([

𝟎. 𝟖𝟖 ∗ 𝑰

𝟐𝟒𝒉

− 𝟎. 𝟎𝟎𝟒

]

+

[

𝟎. 𝟏𝟐 ∗

𝑰

𝟐𝟒𝒉

𝟎. 𝟓𝟕𝟕𝟐

∗ − 𝒍𝒏

[(

− 𝒍𝒏

(

𝟏 −

(

𝟏
𝑻

)))]])

(

𝒕

𝟏𝟒𝟒𝟎

)

−𝟎.𝟖𝟐𝟗

 𝒔𝒊 𝒕 ≥ 𝟔𝟎 

 

𝐼

60

∗ (0.54t

0.25

− 0.5) si t < 60 

Ecuación 1. 

Estimación de 

curvas IDF. 

(Pulgarín Dávila, 

2009)

 

En la ecuación anterior 𝐼

24

 corresponde a la intensidad promedio diaria en mm/hr, T es el periodo 

de retorno considerado en años, t es la duración para la cual se quiere determinar la intensidad en 
minutos e 𝐼

60

 corresponde a la intensidad para un evento de precipitación con una duración de una 

hora. Estas ecuaciones son estimaciones regionales de curvas IDF de 1 a 24 horas válidas para la 
zona Andina Colombiana.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

17 

 

2.6  Generación  de  Hietogramas  por  medio  del  método  Intensidad 

instantánea (Chow, Maidment, & Mays, 1994) 

Para simular las inundaciones se requieren hietogramas de eventos representativos a partir de las 
curvas IDF. Estos hietogramas son representaciones sintéticas de la precipitación del área de interés 
y se utilizan para diseñar estructuras hidráulicas. La obtención de hietogramas de precipitación se 
puede hacer de diferentes formas, por ejemplo, utilizando el método de la intensidad instantánea 
o el método de bloques alternos.  

En este trabajo, se va a emplear el método de Intensidad Instantánea, el cual consiste en suponer 
que  la  lámina  de  agua  es  igual  al  valor  dado  por  la  curva  IDF  para  un  periodo  de  duración  𝑇

𝑑

  

alrededor del pico de la tormenta, suponiendo que la intensidad varía de manera continua durante 
el evento de precipitación. 

El tiempo total del evento de precipitación se determina con la siguiente ecuación: 

𝑇

𝑑

= 𝑡

𝑎

+ 𝑡

𝑏

 

 

Ecuación 2. División del tiempo del evento de lluvia en 

dos periodos 

 

Donde 𝑡

𝑎

 es el tiempo antes del pico y 𝑡

𝑏

 es el tiempo después del pico. 

Además, se define un coeficiente de retardo de precipitación (r), el cual es la relación entre el tiempo 
antes y después del pico: 

𝑟 =

𝑡

𝑎

𝑡

𝑏

 

 

Ecuación 3. Coeficiente de retardo 

 

Las ecuaciones anteriores se pueden reescribir de la siguiente forma: 

𝑇

𝑑

=

𝑡

𝑎

𝑟

=

𝑡

𝑏

1 − 𝑟

 

 

Ecuación 4. Duración del evento en función del 

coeficiente de retardo 

 

Se supone que existen dos curvas de intensidad, la primera en función del tiempo antes del pico 
(𝑓(𝑡

𝑎

))  y  la  segunda  en  función  del  tiempo  después  del  pico  (𝑓(𝑡

𝑏

)),  que  se  ajustan  a  las 

intensidades de precipitación del hietograma. En la siguiente ilustración se observa gráficamente la 
representación del hietograma de acuerdo con esta metodología. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

18 

 

 

Ilustración 8. Ajuste de un hietograma mediante curvas. (Chow et al., 1994) 

La precipitación total durante un tiempo está representada por el área bajo esas dos curvas. 

𝑅 = ∫

𝑓(𝑡

𝑎

)𝑑𝑡

𝑎

𝑟𝑇

𝑑

0

+ ∫

𝑓(𝑡

𝑏

)𝑑𝑡

𝑏

(1−𝑟)∗𝑇

𝑑

0

 

 

Ecuación 5. Precipitación total del evento en forma 

integral  

Si la intensidad de lluvia promedio para la duración 𝑇

𝑑

 es 𝑖

𝑚

, entonces se puede establecer una 

expresión alternativa para el cálculo de la profundidad de lluvia del evento: 

𝑅 = 𝑖

𝑚

∗ 𝑇

𝑑

 

 

Ecuación 6. Precipitación total del evento en función de 

la intensidad promedio 

 

Es posible notar que (𝑓(𝑡

𝑎

)) = (𝑓(𝑡

𝑏

)) para cualquier (𝑇

𝑑

), al derivar esta ecuación con respecto a la 

duración total se tiene que: 

𝑑

𝑅

𝑑𝑇

𝑑

= 𝑖

𝑚

+

𝑇

𝑑

𝑑𝑖

𝑚

𝑑𝑇

𝑑

= 𝑓(𝑡

𝑎

) = 𝑓(𝑡

𝑏

 

Ecuación 7. Derivación de la precipitación total 

 

Adicionalmente, a las curvas IDF se les ajusta una ecuación que permita facilitar su uso, como la que 
se muestra a continuación: 

𝑖 =

𝐴

(𝐷 + 𝐵)

𝑛

 

 

Ecuación 8. Ecuación de curva IDF 

 

Donde  i  es  la  intensidad  de  lluvia,  D  es  la  duración  del  evento  de  precipitación  y  A,  B  y  n  son 
parámetros  de  la  ecuación  que  dependen  del  periodo  de  retorno  y  la  ubicación  de  la  estación 
pluviométrica. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

19 

 

Al derivar la Ecuación 8 y acoplarla con la Ecuación 7 se obtiene una expresión para la intensidad i 
que representa las curvas que describen el hietograma: 

𝑖 =

((1 − 𝑛)𝑇

𝑑

+ 𝐵)𝐴

(𝐵 + 𝑇

𝑑

)

𝑛−1

 

 

Ecuación 9. Expresión para la intensidad de un evento 

de precipitación asumiendo intensidad instantánea 

 

Al reemplazar en esta ecuación 𝑇

𝑑

 calculado a partir de 𝑡

𝑎

 y 𝑡

𝑏

 se pueden encontrar las ecuaciones 

de  las  dos  curvas  que  representan  el  hietograma  𝑖

𝑎

= 𝑓(𝑡

𝑎

)  y  𝑖

𝑏

= 𝑓(𝑡

𝑏

).  Aplicando  estas 

ecuaciones es posible determinar el hietograma a partir de las curvas IDF. 

2.7  Proyecto  “Drenaje  Urbano  y  Cambio  Climático”  (Universidad  de  los 

Andes PAVCO, 2014) 

Para la presente investigación se implementarán los resultados obtenidos por el segundo informe 
del proyecto “Drenaje Urbano y Cambio Climático: hacia los sistemas de alcantarillado del futuro” 
realizado  por  el  Centro  de  Investigaciones  en  Acueductos  y  Alcantarillados  (CIACUA)  del 
Departamento de Ingeniería Civil y Ambiental y el Grupo de Investigación en Automatización para 
la Producción (GIAP) del Departamento de Ingeniería Eléctrica y Electrónica de la Universidad de los 
Andes. 

Este informe utilizó la misma metodología que la investigación de Acevedo (2009) pero se hicieron 
varios  cambios  para  actualizarla  y  hacerla  más  específica  espacialmente.  Los  tres  cambios  más 
relevantes son: 

1)  Modelos de Circulación General (MCG):  En este proyecto se emplearon los datos de  los 

modelos presentados en el AR5 - 5to reporte del IPCC. Tal como se indicó la sección 2.3 los 
nuevos modelos  presentan  una  mejor  correlación  y  tienen  en  cuenta  más  componentes 
relevantes para las proyecciones climáticas. “La nueva generación de simulaciones provistas 
por MCGs, conocida como CMIP5 (Stouffer, et al., 2011 & Taylor, et al., 2012), se encuentra 
disponible a través del Programa para el Diagnóstico e Intercomparación de Modelos (por 
sus siglas en inglés PCMDI, disponible en: http://cmip-pcmdi.llnl.gov/cmip5/) y fue utilizada 
en  la  elaboración  del  Quinto  Informe  de  Evaluación  (AR5)  del  IPCC.”  (Universidad  de  los 
Andes PAVCO, 2014) En este informe utilizaron los siguientes modelos: 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

20 

 

Tabla 1.Modelos climáticos globales analizados correspondientes al proyecto de intercomparación CMIP5  

Modelo  

Institución  

BCC-CSM1.1, 2011  

Beijing Climate Center, China 
Meteorological Administration, 
CHINA  

BCC-CSM1.M, 2011  

Beijing Climate Center, China 
Meteorological Administration, 
CHINA  

CSIRO-Mk3.6.0 (2009)  

CSIRO, AUSTRALIA  

MIROC5 (2010)  

Meteorological University of 
Tokyo, JAPON  

MRI-CGCM3 (2011)  

Meteorological Research 
Institute, JAPON  

 

2)  Corrección  de  los  datos:  Adicionalmente,  en este  informe  se  agrega  la consideración  de 

corregir errores sistemáticos antes de generar las curvas IDF.  
 

“Una  de  las  mayores  limitaciones  de  los  MCG  es  que  no  siempre  hacen  una 
representación adecuada del clima a nivel regional. En particular, si bien los modelos 
son capaces de reproducir los elementos climáticos fundamentales que describen 
cualitativamente el campo de precipitación en el clima regional de América del Sur, 
en  algunos  casos  sus  errores  en  la  cuantificación  de  la  precipitación  pueden  ser 
importantes (Vera, et al., 2006; Gulizia, et al., 2012; Gulizia & Camilloni, 2014). Por 
esta razón, los distintos MCGs pueden proveer respuestas diferentes a un mismo 
forzamiento climático debido a las distintas formas en que modelan estos procesos. 
A  esos  errores  se  los  denomina  de  aquí  en  adelante  sistemáticos,  por  cuanto  se 
supone  que  se  extenderían  de  igual  modo  a  las  simulaciones  del  clima  futuro.” 
(Universidad de los Andes PAVCO, 2014)  

 

 

“El ajuste o calibración se realiza sobre  un período con simulaciones  climáticas y 
datos  confiables  observados,  donde  los  valores  de  los  modelos  corregidos  serán 
muy similares a los observados. Luego, este ajuste se verifica en un segundo período 
independiente de modo que si se observa una adecuada validación en este segundo 
periodo se puede tener una mayor confianza en las proyecciones futuras. Los datos 
observados  considerados  son  los  correspondientes  a  precipitación  mensual  en 
puntos  de  retícula  con  una  resolución  de  0.5°  latitud  x  0.5°  longitud 
correspondientes  a  la  base  de  datos  conocida  como  CRU  TS3.1,  producida  en  el 
Climate Research Unit (CRU) del Reino Unido (Harris, Jones, Osborn, & Lister, 2014). 
Por  otra  parte,  los  datos  provistos  por  los  MCGs  analizados  fueron  llevados  a  la 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

21 

 

misma resolución a través del método "Triangle-based linear interpolation" (Watson 
y Philip, 1984).” 
 
“En  este  estudio,  de  acuerdo  con  la  disponibilidad  de  las  simulaciones  del  clima 
pasado  por  parte  de  los  cinco  MCGs  analizados  (Tabla  3-3),  se  tomó  el  intervalo 
(1961-75) para el cómputo de factores de corrección (calibración) y (1976-90) para 
la  validación  de  las  correcciones  realizadas.  El  método  consiste  en  computar  la 
distribución de percentiles de las series de precipitación acumulada mensual tanto 
en los datos de la base correspondientes a las observaciones como en los provistos 
por los modelos para el período de calibración. El vector de corrección se obtuvo a 
partir de multiplicar cada valor mensual de precipitación de los MCGs por el cociente 
entre el valor del percentil p de precipitación en las observaciones sobre el valor del 
percentil p en el modelo climático. El esquema de corrección se aplicó a los campos 
de  cada  uno  de  los  doce  meses  de  precipitación  para  cada  uno  de  los  MCGs 
analizados lo que permitió obtener luego series de precipitación diaria simulada por 
modelos climáticos sin errores sistemáticos.” 

3)  Zonas específicas: El proyecto se concentró en generar curvas IDF para sectores específicos 

en la ciudad de Bogotá. Se obtuvieron resultados para las zonas de Chicó Sur y Chicó Norte.  

 

Ilustración 9. Mapas de las zonas. Chicó Sur (Izq.) y Chicó Norte (Der.) 

La zona de interés para la presente investigación es Chicó Sur. La red Chicó Sur se encuentra ubicada 
al norte de la ciudad de Bogotá, Colombia, entre la Calle 92 y la Calle 100 en sentido Sur-Norte, y 
entre la Avenida 7ma y la Autopista Norte en sentido Oriente-Occidente. Debido a la resolución de 
los modelos y la segmentación en cuadriculas es necesario hacer coincidir los resultados de los MCGs 
de acuerdo con la ubicación geográfica de la zona de estudio. 

“Los resultados de los MCGs se obtienen en ciertos puntos que hacen parte de una grilla 
cubriendo toda la superficie del planeta. Como es de esperarse estos puntos no coinciden 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

22 

 

con la zona de estudio por lo que se hace necesario una interpolación de los resultados para 
trasladarlos a la zona de importancia para el proyecto de investigación. (…) Para todos los 
resultados  obtenidos  en  los  MCGs  se  obtuvieron  los  resultados  trasladados  a  las  tres 
estaciones  pluviométricas cercanas  a  la  zona  de  estudio  utilizando  la  ponderación  por  el 
inverso de las distancias ” (Universidad de los Andes PAVCO, 2014) 

La ecuación implementada fue la siguiente: 

𝑃

𝑖𝑗

= ∑ 𝑃

𝑗

(

1

𝑑

𝑗

2

)

∑ ( 1

𝑑

𝑖

2

)

𝑛

𝑗=1

 

Ecuación 10. Lluvia ponderada de acuerdo con el 

criterio del cuadrado inverso de las distancias 

 

 

Ilustración 10. Mapa de Bogotá con los vértices de los MCGs (Universidad de los Andes PAVCO, 2014) 

Para este sector de la ciudad se obtuvieron las siguientes curvas IDF a partir de los modelos MCG. 
Adicionalmente se observa la curva IDF de la empresa de Acueducto y Alcantarillado de Bogotá para 
esta misma zona. Los valores exactos se encuentran en Anexos.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

23 

 

 

Gráfica 3. Curvas IDF para Chicó Sur en escenarios de Cambio Climático(Universidad de los Andes PAVCO, 2014) 

Estas  curvas  pueden  transformarse  a  curvas  IDF  con  duraciones  variables  por  medio  de  la 
metodología expuesta en la sección 2.5, empleando la Ecuación 1. Una vez se tienen estas curvas se 
requieren  los  parámetros  representativos  de  los  eventos  de  precipitación  para  generar  los 
hietogramas. 

Parámetros de los eventos de precipitación 

El proyecto también investigó acerca de las características de los eventos, tales como el periodo de 
retorno, la duración de los eventos de precipitación y la forma de los hietogramas (coeficiente de 
retardo). Estos parámetros están relacionados principalmente con la cuenca aferente a la red de 
drenaje urbano asociada a los eventos de precipitación. 

a)  Periodo de retorno: De acuerdo con el numeral D.4.3.1 del título D del RAS, las estructuras 

que se encuentran dentro de zonas de complejidad alta deben ser diseñadas o verificadas 
para 30 años en el futuro. Asimismo, el numeral D.4.3.2 del título D del RAS indica que el 
periodo de retorno de las lluvias debe encontrarse entre 3 a 5 años. (Ministerio de Vivienda, 
2016) 

b)  Duración:  La  duración  del  evento  de  precipitación  depende  principalmente  de  las 

características  de  la  cuenca  aferente  al  sistema  estudiado.  En  el  caso  de  Colombia,  la 
duración del evento de precipitación se determina como el tiempo de concentración de la 
cuenca aferente.  
El tiempo de concentración se define como el mínimo periodo de tiempo para alcanzar el 
caudal máximo a la salida de la cuenca y se conoce también como el tiempo que se demora 
el agua en llegar a la salida de la cuenca desde el punto más alejado (Ministerio de Vivienda, 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

24 

 

2016) Se obtuvieron tiempos de entrada de 17 minutos y tiempo de recorrido de 78 minutos 
para la red Chicó Sur. (Universidad de los Andes PAVCO, 2014) De esta forma la duración 
total es de 95 minutos. 

c)  Coeficiente  de  retardo:  El  coeficiente  de  retardo  es  la  relación  entre  el  tiempo  antes  y 

después  del  pico  del  evento  de  precipitación.  (Chow  et  al.,  1994).  Para  determinar  este 
coeficiente no existe una ecuación explícita dependiente de las características de la cuenca 
o  de  la  zona  de  estudio.  Por  esta  razón  su  cálculo  se  realizó  con  base  en  registros 
pluviográficos históricos de una zona cercana a la zona de estudio.  
El  coeficiente  de  retorno  utilizado  en  los  resultados  de  la  primera  fase  de  la  presente 
investigación  es  de  0.402  indicando  que  el  pico  si  bien  no  se  encuentra  en  la  mitad  del 
evento  de  precipitación  si  se  encuentra  cerca  a  este  punto.  (Universidad  de  los  Andes 
PAVCO, 2014). 

Estas  características  permiten  generar  los  hietogramas  de  la  zona  de  estudio  y  permiten  hacer 
análisis  y  estudios  en  la  zona.  A  continuación,  se  muestra  un  estudio  generado  a  partir  de  la 
información de este proyecto “Drenaje y Cambio Climático”. 

2.8  Prueba de la metodología de localización de tanques de tormenta en 

diferentes  sectores  de  las  ciudades  de  Bogotá  y  Medellín.  (Pulgarín 
Morales & Saldarriaga Valderrama, 2018) 

Esta investigación realizada como Tesis de Maestría de Laura Pulgarín en el año 2018 presenta la 
posibilidad de emplear tanques de tormenta para reducir las inundaciones en la red Chicó Sur en 
Bogotá y en la red Prado de la ciudad de Medellín. Se evaluó el uso de algoritmos de optimización 
para la localización de los tanques, de tal forma que se redujeran los volúmenes de inundación y los 
costos de la implementación de los tanques.  

“Con el fin de evitar la saturación o sobrecarga del sistema de drenaje se han propuesto los 
Sistemas de Drenaje Urbano Sostenibles, SUDS. En este trabajo se resume un estudio sobre 
los  tanques  de  tormenta  como  una  opción  para  disminuir  las  inundaciones  urbanas. 
Específicamente, se evaluó el desempeño de dos metodologías diferentes de localización de 
estos  tanques  en  sistemas  de  drenaje  ubicados  en  las  ciudades  de  Bogotá  y  Medellín, 
Colombia. Las metodologías difieren en utilizar o no un control hidráulico, por lo cual se busca 
identificar los beneficios y limitaciones de cada una de estas. Las dos metodologías, OptSU y 
Optitank, utilizadas para localizar los tanques en las redes de estudio lograron reducciones 
mayores al 60% en las inundaciones.” (Pulgarín Morales & Saldarriaga Valderrama, 2018) 

La metodología de esta investigación está dividida en tres grandes partes. En la primera se obtiene 
el  modelo  hidráulico  de  la  red  de  estudio,  en  la  segunda  se  generan  los  hietogramas  para  las 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

25 

 

simulaciones  y  en  la  tercera  parte  se  emplean  los  algoritmos  de  localización  de  los  tanques  de 
tormenta en la red. 

El modelo hidráulico es una representación de las tuberías, nodos y salidas del sistema, tiene en 
cuenta  las  conexiones,  diámetros  y  elevaciones  a  lo  largo  de  la  red.  Pulgarín  (2018)  obtuvo  un 
modelo suficientemente fiable de la empresa responsable, pero advierte que no es perfecto. 

“El Modelo Hidráulico de la Red se obtiene de la empresa que se encargue de la gestión del 
alcantarillado  pluvial  de  la  zona  de  estudio.  En  el  caso  de  Bogotá  esta  información  le 
pertenece a la Empresa de Acueducto y Alcantarillado de Bogotá (EAAB). Debido a que hay 
zonas que se construyeron hace varios años y es difícil validar los datos en campo de toda la 
ciudad, hay zonas con información incompleta, por lo que hay que hacer las suposiciones que 
sean pertinentes.” (Pulgarín Morales & Saldarriaga Valderrama, 2018) 

La primera red que se seleccionó en esta investigación es una red del alcantarillado pluvial de la 
ciudad de Bogotá, denominada Chicó Sur, la cual cuenta con 571 tuberías y 574 nudos. 

 

Ilustración 11. Red Chicó Sur y su ubicación en Bogotá (Pulgarín Morales & Saldarriaga Valderrama, 2018) 

En la tesis se destacaron las siguientes características de la zona: 

“De  esta  red  se  puede  destacar  que  en  los  extremos  del  lado  derecho  presenta  altas 
pendientes,  mientras  que  en  el  centro  y  en  el  lado  izquierdo  las  pendientes  son  bajas. 
Además, la red tiene pocas caídas (desniveles en las tuberías de salida). De igual forma, se 
puede  afirmar  que  tiene  un  porcentaje  de  área  impermeable  muy  alto,  dada  la  alta 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

26 

 

densificación  urbanística  de  la  zona,  lo  que  desfavorece  la  infiltración  del  agua  lluvia y  en 
consecuencia  incrementa  la  escorrentía  e  inundación  de  la  zona  de  estudio.”  (Pulgarín 
Morales & Saldarriaga Valderrama, 2018) 

A continuación se empleó la metodología de Acevedo (Sección 2.4) junto con la aproximación de 
Pulgarín  para  estimar  las  Curvas  IDF  respectivas  (Sección  2.5).  Posteriomente,  se  generaron  los 
hietogramas  con  el  método  de  intensidad  instantánea  (Sección  2.6)  y  las  consideraciones  del 
proyecto Drenaje Urbano y Cambio Climático (Sección 2.7). A continuación se encuentra uno de los 
hietogramas sintéticos empleados, se puede observar que se emplearon 3 metodologías diferentes 
(EAAB, CIACUA y Pulgarín). 

 

Gráfica 4. Hietograma sintético empleado en la red Chicó Sur (Pulgarín Morales & Saldarriaga Valderrama, 2018) 

Antes de utilizar OptSU u OptiTank se realizó una simulación del comportamiento de la red 
para encontrar los nudos que en los cuales se presenta inundación. 

 

Ilustración 12. Nudos inundados en la red Chicó Sur (Pulgarín Morales & Saldarriaga Valderrama, 2018) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

27 

 

A continuación, Pulgarín (2018) empleó métodos de optimización para encontrar configuraciones 
de  tanques  dentro  de  la  red.  En  la  siguiente  ilustración  se  observa  un  ejemplo  de  solución 
encontrada. Los tanques se encuentran señalados como cuadrados negros junto con su volumen 
(valor dentro de cada tanque). 

 

Ilustración 13. Resultados de localización de tanques de tormenta(Pulgarín Morales & Saldarriaga Valderrama, 2018) 

“Los  resultados  obtenidos  muestran  una  reducción  significativa  en  la  inundación,  la  cual 
varía  entre  el  70.0%  y  el  99.1%.  Los  resultados  indican  que  la  red  de  Chicó  Sur  es  muy 
susceptible a inundaciones, inclusive cuando se hace la simulación de la red sin considerar 
efectos  de  Cambio  Climático,  ya  que  se  presentan  altos  volúmenes  de  inundación.  Esto 
indica que se deben hacer cambios importantes en la red en los próximos años con el fin de 
disminuir el riesgo de pérdidas económicas importantes en la zona.” (Pulgarín Morales & 
Saldarriaga Valderrama, 2018) 

Esta investigación sobre tanques de tormenta difiere al presente estudio principalmente en cuanto 
a  la  aproximación  al  Cambio  Climático  empleado,  el  modelo  de  inundación  y  el  indicador  de 
severidad  de  la  inundación.  El  indicador  empleado  por  Pulgarín  (2018)  fue  el  volumen  de  las 
inundaciones mientras que este estudio utilizó la resiliencia. A continuación, se describen en mayor 
profundidad el modelo (Secciones 2.9 y 2.10) y el indicador (Sección 2.11). 

2.9  Modelo de inundaciones  

En  primer  lugar,  se  realizó  la  selección  de  una  herramienta  de  modelación  que  permitiera 
representar  la  transformación  de  lluvia  a  escorrentía  en  un  entorno  variable  espacial  y 
temporalmente,  específicamente  bidimensional  dinámico.  Debido  a  que  las  simulaciones  se 
realizarían en un contexto urbano la herramienta en cuestión debería considerar la interacción entre 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

28 

 

el sistema de drenaje y la superficie de la zona. En estos ambientes, los sistemas de evacuación de 
aguas  lluvias  son  un  componente  clave  que  no  puede  ser  obviado  sin  afectar  de  manera 
considerable la calidad de las simulaciones realizadas.  

En  2017  Laurent  Guillaume  Courty  y  Adrián  Pedrozo-Acuña,  investigadores  de  la  Universidad 
Nacional Autónoma de México, junto con Paul David Bates (Universidad de Bristol, Reino Unido) 
presentaron un programa computacional para la simulación dinámica de inundaciones urbanas en 
2D.  Este  programa,  llamado  Itzï,  emplea  aproximaciones  numéricas  a  ecuaciones  hidráulicas  e 
hidrológicas  para  calcular  de  manera  dinámica  diversas  variables  de  los  eventos  de  inundación 
simulados  (tales  como  profundidad,  velocidad  del  agua  y  caudales).  Los  autores  probaron  el 
software en tres circunstancias para comprobar su validez: comparación con una solución analítica, 
casos  de  inundación  referencia  (FCRM,  Reino  Unido)  y  un evento  de  inundación  real  del  cual se 
tienen  mediciones.  En  los  tres  casos,  Itzï  obtuvo  errores  iguales  o  menores  que  los  modelos  de 
referencia con los cuales fue comparado. 

Itzï presenta las siguientes características: habilidad para procesar datos de diferentes resoluciones 
tanto espaciales como temporales, integración con la red de drenaje urbano y disponibilidad para 
utilizar  y  modificar  el  programa  de  manera  libre  bajo  una  licencia  de  público  general  (GPL).  La 
herramienta computacional se encuentra integrada en el sistema de información geográfica (SIG) 
GRASS GIS, el cual permite visualizar, analizar y transformar información geográfica que contenga 
datos relevantes para las simulaciones (alturas del terreno, rugosidad de las superficies, distribución 
espacio-temporal de la lluvia, entre otros). Adicionalmente, el programa es capaz de emplear un 
modelo de la red de drenaje pluvial y su interacción con la superficie por medio del acople de Storm 
Water  Management  Model  (SWMM).  Este  software  está  disponible  para  su  libre  descarga,  uso, 
reproducción  y  modificación  siempre  y  cuando  las  modificaciones  sean  disponibles  para  otros 
usuarios. Tanto Itzï como GRASS GIS y SWMM son programas gratuitos disponibles en internet. 

La  creación  y  publicación  de  este  software  es  una  contribución  práctica  a  la  modelación  y 
cuantificación  de  los  efectos  de  las  inundaciones  urbanas.  Las  características  presentadas 
previamente no se encuentran disponibles en todos los programas de modelación de inundaciones, 
o al menos, no fácilmente al mismo tiempo. Por ejemplo, uno de los modelos referencia, LISFLOOD, 
no posee la capacidad de interpolar las capas de rugosidad (Bates, Trigg, Neal, & Dabrowa, 2013) y 
esta inhabilidad condiciona los datos que pueden ser utilizados. Por otro lado, la interacción entre 
la superficie y el drenaje es una de las características que modelos, tales como Hec RAS, carecen de 
manera  explícita  (Government  of  Ontario,  n.d.).  Finalmente,  los  programas  más  avanzados  que 
contienen las dos características previamente mencionadas, tales como InfoWorks ICM, son de uso 
comercial, por lo cual, no pueden ser modificados libremente y requieren la compra de sus licencias 
(Teng et al., 2017). De acuerdo con lo anterior, Itzï presenta una combinación de tres características 
que no se encuentran en programas similares de manera simultánea. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

29 

 

Los investigadores desarrollaron un modelo dinámico de inundaciones aplicable a zonas urbanas. La 
configuración de rasgos del programa: capacidad de manejar los datos de entrada, interacción con 
la  red  de  drenaje  y  licencia  de  público  general  le  otorgan  utilidad  para  diversas  aplicaciones  de 
diferentes usuarios. El software presentado en este artículo concierne a los investigadores en los 
campos de la hidroinformática, métodos numéricos y amenazas naturales. A su vez, Itzï brinda una 
alternativa a entidades de prevención de desastres naturales, empresas de seguros y planificadoras 
urbanas.  Las  potenciales  aplicaciones  del  programa  incluyen  evaluación  de  riesgo  y  daños  por 
inundación, administración de recursos hídricos, predicción de eventos de inundación, ecología de 
planicies de inundación, hidrología de sistemas fluviales, entre otros. 

De acuerdo con la descripción anterior, la herramienta computacional seleccionada para realizar las 
simulaciones de inundación en esta investigación es Itzï. 

2.10 ITZÏ 

Itzï,  es  un  modelo  hidráulico  e  hidrológico  completamente  distribuido  y  dinámico  que  simula 
procesos  hidrológicos  como  lluvia  e  infiltración,  flujos  superficiales  bidimensionales  y  permite  el 
acoplamiento bidireccional entre la superficie y la red de drenaje, la cual es simulada mediante el 
modelo Storm Water Management Model (SWMM) de la agencia de protección ambiental (EPA) de 
los Estados Unidos. (Courty Laurent, Pedrozo-Acuña Adrián, 2017). 

 

Ilustración 14.  Logotipos de las herramientas computacionales 

Itzï fue programado sobre el sistema de información geográfico GRASS, el cual es software libre y 
está  disponible  principalmente  para  plataformas  Unix  (GNU/Linux).  Al  estar  en  un  entorno 
geoespacial  simplifica  el  procesamiento  de  la  información  antes  y  después  de  realizar  las 
simulaciones, permite realizar cálculos y visualizarlos de manera eficiente por medio de mapas en 
una condición dinámica, por lo tanto, se puede observar el avance de la inundación en las zonas de 
estudio y los tiempos de pasaje. Toda la información de entrada puede ser representada por medio 
de series de tiempo de capas ráster y no es necesario que posean la misma resolución espacial. Este 
programa puede simular las interacciones entre los flujos superficiales y  la red de drenaje en los 
nodos por medio de ecuaciones de presa y orificio que, a su vez, dependen de las profundidades 
relativas  del  agua  en  la  red  y  en  la  superficie.    La  parte  superficial  y  subterránea  corren 
simultáneamente y el intercambio entre los dos es bidireccional, por lo tanto, el agua puede entrar 
o salir de la red de drenaje. (Courty Laurent, Pedrozo-Acuña Adrián, 2017) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

30 

 

Itzï es software relativamente reciente desarrollado por Laurent Guillaume Courty y Adrián Pedrozo-
Acuña, ingenieros de la Universidad Nacional Autónoma de México; publicado por primera vez en 
2016 con varios lanzamientos de versiones posteriores, la última versión publicada hasta la fecha 
fue la versión 18.2, dada a conocer el día 19 de febrero de 2018. Este programa fue publicado bajo 
la  licencia  GNU  GPL,  es  decir,  es  libre  de  utilizarse  para  cualquier  propósito  siempre  y  cuando 
cualquier modificación de utilidad que sea desarrollada se publique para que otras personas puedan 
utilizarla.  

2.10.1  Características del modelo seleccionado 

“El modelo presentado resuelve las ecuaciones de aguas someras de forma simplificada, a través 
del  método  de  diferencias  finitas.  El  cálculo  de  flujo  está  compuesto  por  ecuaciones  cuasi-
bidimensionales, que resuelven de manera independiente el flujo en cada dimensión.” (L. Courty & 
Pedrozo-Acuña,  2016)  La  siguiente  figura  presenta  un  diagrama  con  las  variables  incluidas  en  la 
solución numérica implementada. 

 

Ilustración 15. Variables usadas para la resolución numérica en la dimensión x. 

El  paso  de  tiempo  empleado  se  calcula  de  tal  forma  que  cumpla  con  el  criterio  del  número  de 
Courant-Friedrichs-Levy (CFL), el cual es una condición de estabilidad para sistemas hiperbólicos:   

Δ𝑡 = 𝛼 ∗

min(Δ𝑥, Δ𝑦)

√𝑔 ∗ ℎ

𝑚𝑎𝑥

 

Ecuación 11. Paso de tiempo 

Donde ℎ

𝑚𝑎𝑥

 es la profundidad máxima de agua en todo el dominio, g la aceleración de la gravedad 

y α un coeficiente necesario para cumplir con la condición de CFL. Su valor es por defecto igual a 0.7 
(de Almeida & Bates, 2013). 

El  flujo  (𝐿

2

/𝑇)  se  calcula  por  medio  de  la  Ecuación  12  donde  n  es  el  coeficiente  de  fricción  de 

Manning, S la pendiente hidráulica y θ un coeficiente que permite el peso relativo de los flujos arriba 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

31 

 

y  debajo  del  punto  considerado.  En  donde ℎ

𝑓

  es  la  profundidad  del  flujo,  calculada  como  la 

diferencia entre el nivel máximo de agua y la altura máxima entre las dos celdas.  (de Almeida & 
Bates, 2013) 

𝑞

𝑖+12

𝑡+Δ𝑡

=

(𝜃 ∗ 𝑞

𝑖+12

𝑡

) + (1 − 𝜃) ∗ (

𝑞

𝑖−12

𝑡

+ 𝑞

𝑖+32

𝑡

2

) + 𝑔 ∗ ℎ

𝑓

∗ Δ𝑡 ∗ 𝑆

1 + 𝑔 ∗ Δ𝑡 ∗ 𝑛

2

∗ |𝑞

𝑖+12

𝑡

| /ℎ

𝑓

7

3

 

Ecuación 12. Caudal 

específico en cada 

dirección. 

La  estimación  del  valor  resultante  de  flujo,  producto  de  las  componentes  en  cada  dirección 
cartesiana, se estima de acuerdo con la Ecuación 12. Dado que se utiliza una malla no-centrada, el 
flujo en la dimensión y no está calculado en el mismo lugar que el flujo en dimensión x; de esta 
manera, el valor resultante se calcula por medio del valor promedio de los cuatro valores de flujo 
más cercanos, en lo que se denomina una plantilla de cuatro puntos. (de Almeida & Bates, 2013) 

|𝑞

𝑖+12

𝑡

| = √(𝑞

𝑥,𝑖+12,𝑗

𝑡

)

2

+ (𝑞

𝑦,𝑖+12,𝑗

𝑡

)

2

 

Ecuación 13. Caudal específico resultante 

Las celdas que presenten una profundidad de agua menor a un valor de profundidad umbral, se 
utiliza la regla propuesta por (Sampson, Bates, Neal, & Horritt, 2013) quienes establecen el cálculo 
del flujo utilizando una velocidad fija. En este caso, el valor umbral para la profundidad del agua es 
de 5 mm y la velocidad de 0.1 𝑚/𝑠. (L. Courty & Pedrozo-Acuña, 2016). De esta forma, se evita la 
resolución  de  las  ecuaciones  diferenciales  hiperbólicas  con  profundidades  próximas  a  cero,  las 
cuales pueden ocasionar inestabilidades numéricas y errores en la ejecución del código. 

Finalmente, se realiza un balance de masa en cada una de las celdas del modelo, el cual permite el 
cálculo de la profundidad de agua. 

𝑡+Δ𝑡

= ℎ

𝑡

+ ℎ

𝑒𝑥𝑡

𝑡

+

Σ𝑄

𝑖,𝑗

𝑡

Δ𝑥 ∗ Δ𝑦

∗ Δ𝑡 

Ecuación 14. Balance de masa para cálculo de 

profundidad 

La ecuación previa indica que la profundidad (para cualquier celda del dominio de modelación) se 
calcula como la profundidad en el instante de tiempo anterior (ℎ

𝑡

) más los valores exteriores (ℎ

𝑒𝑥𝑡

𝑡

como la lluvia o la infiltración y la sumatoria de los flujos entre las celdas adyacentes. (L. Courty & 
Pedrozo-Acuña, 2016). 

Debido a que el modelo se basa en la resolución explícita de ecuaciones diferenciales con diferencias 
finitas  tanto  en  el  espacio  como  en  el  tiempo,  se  deben  suministrar  condiciones  iniciales  y 
condiciones  de  frontera  que  permitan  calcular  las  variables  futuras  a  partir  de  las  condiciones 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

32 

 

actuales. Para las simulaciones, Itzï considera una profundidad inicial de cero, lo cual físicamente 
representa que el suelo está seco y no hay ninguna zona inundada, esta suposición es razonable 
debido a que el tiempo entre eventos de lluvia suele ser lo suficientemente amplio para considerar 
un secado de la superficie.  

La condición de frontera empleada presenta un mayor grado de importancia respecto a la condición 
inicial debido a que la relevancia de la condición de inicio decae a medida que la simulación avanza, 
pero la condición de frontera se mantiene para todo el tiempo. Itzï permite representar la condición 
de  borde  de  tres  formas  diferentes:  Cerrada,  abierta  y  fija.  De  las  condiciones  previamente 
mencionadas, las que presentan mayor utilidad para las modelaciones a realizar son la condición 
abierta  (en  la  cual  la  velocidad  en  la  frontera  es  igual  a  la  velocidad  dentro  del  dominio)  y  la 
condición fija (en la cual la profundidad es definida por el usuario). 

Debido  a  que  Itzï  se  encuentra  totalmente  integrado  con  un  sistema  de  información  geográfico 
presenta varias ventajas, tal como lo plantean sus desarrolladores: 

 “El  programa  está  escrito  en  lenguaje  de  programación  Python  y  se  presenta  como  un 
módulo del Sistema de Información Geográfica (SIG) de libre distribución conocido como 
GRASS.  De  esta  manera,  las  características  más  destacables  de  Itzï  son  las  siguientes:  La 
integración  dentro  de  un  SIG,  simplificando  los  pasos  de  preparación  de  los  datos  de 
entradas y el análisis de los datos de salida, La utilización de variables dinámicas en espacio 
y  tiempo  (i.e.  series  de  mapas  tipo  ráster)  como  datos  de  entrada,  lo  que  permite,  por 
ejemplo,  el  empleo  de  eventos  de  lluvia  espacialmente  distribuida  en  el  dominio  y 
coeficientes  de  fricción  que  cambian  en  el  tiempo,  La  posibilidad  de  usar  referencias  de 
tiempo absoluto, de tipo fecha y hora, para definir el inicio y el final de la simulación. Eso 
facilita el uso de mediciones reales y el proceso de verificación de los resultados a partir de 
evento real, sin cambiar los datos de entrada.” (L. Courty & Pedrozo-Acuña, 2016) 

El programa es reciente y continua en desarrollo, incluso el código fuente se encuentra bajo una 
licencia  que  autoriza  el  uso  y  la  modificación  del  software  por  parte  de  otros  miembros  de  la 
comunidad científica y el público en general (L. Courty & Pedrozo-Acuña, 2016). Los ejercicios de 
verificación  realizados  consistieron  en  tres  pruebas  diferentes:  Dos  soluciones  analíticas  de  las 
ecuaciones  no  lineales  para  aguas  poco  profundas  y  una  reproducción  de  un  caso  de  estudio 
ampliamente aceptado publicado en el reporte de la UK Environment Agency. En los tres casos se 
comprobó  la  validez  numérica  del  modelo  debido  a  que  representó  de  manera  adecuada  el 
comportamiento  de  la  inundación,  justificado  por  medio  de  los  bajos  errores  calculados.  (L.  G. 
Courty, Pedrozo-Acuña, & Bates, 2017) 

En resumen, Itzï se presenta como un modelo que cumple con las características necesarias para 
cumplir los objetivos de modelación, siendo un programa de libre acceso tanto para su uso como a 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

33 

 

su código, permitiendo simulaciones con variación espacial, temporal y de la red de drenaje al estar 
acoplado a SWMM. 

2.11 Resiliencia – Indicador FRI (Chen & Leandro, 2019) 

La  resiliencia  es  un  concepto  que  recientemente  ha  tomado  relevancia  en  una  amplia  gama  de 
campos del conocimiento. Se originó en la ecología donde Holling lo definió como la medida de la 
capacidad de un ecosistema para absorber cambios y persistir (Holling, 1973). Desde entonces, las 
variaciones del concepto de resiliencia comenzaron a surgir en diferentes campos de investigación. 

Incluso la alcaldía de Bogotá ha tomado este concepto para generar el nuevo plan de ordenamiento 
territorial. (Secretaría Distrital de Planeación, 2018). Aunque se menciona, no se define a qué se 
refiere o cuáles serán las estrategias o acciones para aumentarla. De esta manera, en primer lugar, 
es clave contar con una definición de resiliencia.  

En  el  contexto  del  riesgo  de  inundación  y  la  gestión  de  inundaciones,  recientemente  se  han 
introducido varias definiciones Según la literatura, las definiciones de resiliencia a las inundaciones 
difieren entre sí. (Chen & Leandro, 2019). Sin embargo, generalmente comprenden dos elementos 
principales:  

1. La capacidad de afrontar un evento de inundación. 

2. La capacidad de recuperación después del evento de inundación. 

Por lo tanto, se requiere un indicador que permita combinar estas dos características  de manera 
cuantitativa. Tal trabajo fue propuesto por Chen y Leandro (2019) al crear el Flood Resilience Index 
(FRI). Este indicador que varía de 0 a 1 como valor mínimo y máximo, respectivamente, permite 
cuantificar la resiliencia de las viviendas de zonas urbanas de manera dinámica, es decir, permite 
observar el estado del sistema a lo largo del tiempo. Adicionalmente no sólo incluye variables físicas 
(profundidad,  velocidad,  duración  de  la  inundación)  sino  también  variables  socioeconómicas 
(Población e ingreso).  

El  cálculo  del  FRI  se  divide  en  dos  fases:  la  fase  del  evento  y  la  fase  de  recuperación.  Estas  se 
distinguen dependiendo de un tiempo t*, el cual está determinado por la profundidad del agua en 
el interior de las viviendas. En la fase del evento, se incorporan indicadores físicos del modelo de 
inundación, es decir, la profundidad del agua, la profundidad acumulada del agua, la duración de la 
inundación y la tasa de acumulación de agua para evaluar los impactos de la inundación. (Chen & 
Leandro,  2019)  En  la  siguiente  ilustración  se  observa  el  comportamiento  esperado  del  índice 
durante un evento de inundación.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

34 

 

 

Ilustración 16. Variación del índice FRI para un evento de inundación (Chen & Leandro, 2019) 

2.11.1  Fase de evento 

En  este  caso,  se  consideran  cuatro  indicadores  físicos  para  calcular el  FRI:  profundidad  del  agua 
(𝐼

 (𝑡)), profundidad del agua acumulada (𝐼

𝐴𝑊𝐷

 (𝑡)), duración de la inundación (𝐼

𝐷

 (𝑡)) y tasa de 

acumulación  de  agua  (𝐼

𝑊𝐴𝑅

 (𝑡)).  A  continuación,  se  describen  estos  cuatro  indicadores  con  sus 

respectivas ecuaciones: 

Profundidad  del  agua:  El  indicador  de  profundidad  del  agua  indica  la  gravedad  de  las 
inundaciones en cada paso de tiempo. Cuanto mayor es la profundidad del agua, más se ven 
afectados los hogares, los humanos y los elementos y,  por lo tanto, el sistema se vuelve 
menos  resistente.  Se  asigna  un  valor  a  un  parámetro  de  referencia,  que  indica  la 
profundidad máxima del agua que el edificio puede soportar. ℎ

𝑟𝑒𝑓

 [𝑚]. 

𝐼

(𝑡) = {

1 −

𝑖𝑛

(𝑡)

𝑟𝑒𝑓

,

𝑠𝑖 ℎ

𝑟𝑒𝑓

≥ ℎ

𝑖𝑛

(𝑡)

0,

𝑑. 𝑙. 𝑐

 

Ecuación  15.  Indicador  de 
profundidad de inundación para 
el cálculo del FRI. 

 

 

Profundidad acumulada del agua: También es importante investigar el alcance completo 
del impacto que ha causado el evento de inundación. Por lo tanto, se desarrolla el indicador 
de  profundidad de  agua acumulada. Se inserta  un parámetro de  referencia que  indica la 
profundidad  de  agua  máxima  acumulada  que  el  edificio  puede  soportar  (𝐴𝑊𝐷

𝑟𝑒𝑓

).  La 

variable 𝑡

𝑠

 indica el tiempo inicial de inundación. 

𝐼

𝐴𝑊𝐷

(𝑡) = {1 −

∑ ℎ

𝑖𝑛

(𝑡)

𝑡

𝑡

𝑠

𝐴𝑊𝐷

𝑟𝑒𝑓

,

𝑠𝑖 𝐴𝑊𝐷

𝑟𝑒𝑓

≥ ∑ ℎ

𝑖𝑛

(𝑡)

𝑡

𝑡

𝑠

0,

𝑑. 𝑙. 𝑐

 

Ecuación  16.  Indicador  de 
profundidad  acumulada  de 
inundación  para  el  cálculo  del 
FRI. 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

35 

 

Duración: La duración del evento de inundación juega un papel importante en la evaluación 
del FRI. Cuanto más dure la inundación, mayor será el daño que causará. Además de los 
impactos    a  las  viviendas  y  enseres  también  existen  afectaciones  a  la  salud  humana  de 
acuerdo  con  la  duración  de  la  inundación,  incluida  la  exposición  a  sustancias  químicas 
tóxicas,  el  crecimiento  de  moho  que  causa  problemas  respiratorios  y  los  mosquitos  que 
transmiten  una  variedad  de  enfermedades  (Young, 2015).  El  indicador  de  duración  de  la 
inundación (𝐼

𝐷

(𝑡)) se calcula mediante la siguiente expresión: 

𝐼

𝐷

 (𝑡) = {

1 −

𝐷(𝑡)

𝐷

𝑟𝑒𝑓

,

𝑠𝑖 𝐷

𝑟𝑒𝑓

≥ 𝐷(𝑡)

0,

𝑑. 𝑙. 𝑐

 

Ecuación  17.  Indicador  de  la 
duración  de  inundación  para  el 
cálculo del FRI. 

 

 

Tasa de acumulación: La tasa de acumulación de la inundación es uno de los factores más 
influyentes  que  determina  la  magnitud  del  daño  causado  por  las  inundaciones.  “Por 
ejemplo, el procedimiento de evacuación debe ejecutarse dentro de un período de tiempo 
limitado.  Si  la  tasa  creciente  del  agua  de  la  inundación  es  alta,  la  evacuación  puede  ser 
incompleta  o  ejecutada  con  una  eficiencia  reducida.”  (Chen  &  Leandro,  2019).  𝑟

𝑟𝑖𝑠𝑒

 

representa la tasa de aumento de agua en cm/min. 

𝐼

𝑊𝐴𝑅

 (𝑡) = {

1 −

𝑟

𝑟𝑖𝑠𝑒

(𝑡)

𝑊𝐴𝑅

𝑟𝑒𝑓

,

𝑠𝑖 𝑊𝐴𝑅

𝑟𝑒𝑓

≥ 𝑟

𝑟𝑖𝑠𝑒

(𝑡)

0,

𝑑. 𝑙. 𝑐

 

Ecuación  18.  Indicador  de  la 
tasa 

de 

acumulación 

de 

inundación  para  el  cálculo  del 
FRI. 

 

 

2.11.2  Fase de recuperación 

Para el caso de la etapa de recuperación no sólo los factores físicos se tienen en cuenta sino también 
los  socioeconómicos.  Los  factores  físicos  son  los  cuatro  descritos  previamente,  se  agregan  dos 
factores sociales: Porcentaje de viviendas con niños y porcentaje de viviendas con adultos mayores 
y se agrega un factor económico: Ingreso de la vivienda.  

Los conceptos de los indicadores físicos en la fase de recuperación son similares a los de la fase del 
evento. Sin embargo, hay una ligera diferencia en el marco de tiempo de evaluación. En lugar de 
tomar  valores  para  los  numeradores  en  los  pasos  de  tiempo  actuales,  se  consideran  los  valores 
máximos o acumulados durante la anterior fase. 

Para  el  indicador  de  profundidad  y  el  indicador  de  la  tasa  máxima  de  acumulación  de  agua  se 
consideran el valor máximo de la profundidad del agua y la tasa de acumulación de agua dentro de 
la anterior fase, respectivamente. En cuanto a la profundidad total de inundación y el indicador de 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

36 

 

tiempo  total  de  inundación,  se  considera  un  valor  acumulativo  de  la  profundidad  del  agua  y  la 
duración total de la inundación. (Chen & Leandro, 2019).𝑡

𝑠

 𝑦 𝑡

𝑒

 significan tiempo de inicio y tiempo 

de finalización del evento, respectivamente. Las ecuaciones respectivas se muestran a continuación: 

𝐼

𝑓𝑠

= {𝑒

(1−

max ℎ(𝑡)

𝑟𝑒𝑓

)

,

𝑠𝑖 ℎ

𝑟𝑒𝑓

≥ max ℎ(𝑡)

1,

𝑑. 𝑙. 𝑐

 

Ecuación  19.  Indicador  de 
profundidad  de  inundación 
para el cálculo del FRI en etapa 
de recuperación. 

 

𝐼

𝑇𝐹𝐷

= {𝑒

(1−

∑ ℎ(𝑡)

𝐴𝑊𝐷

𝑟𝑒𝑓

)

,

𝑠𝑖 𝐴𝑊𝐷

𝑟𝑒𝑓

≥ ∑ ℎ(𝑡)

1,

𝑑. 𝑙. 𝑐

 

Ecuación  20.  Indicador  de 
profundidad 

acumulada 

de 

inundación  para  el  cálculo  del 
FRI en etapa de recuperación. 

 

𝐼

𝑇𝐹𝑇

= {𝑒

(1−𝐷

(𝑡

𝑒

)

𝐷

𝑟𝑒𝑓

)

,

𝑠𝑖 𝐷

𝑟𝑒𝑓

≥ 𝐷(𝑡

𝑒

)

1,

𝑑. 𝑙. 𝑐

 

Ecuación  21.  Indicador  de 
duración de inundación para el 
cálculo  del  FRI  en  etapa  de 
recuperación. 

 

𝐼

𝑊𝐴𝑅𝑚𝑎𝑥

= {𝑒

(1−max 𝑟

𝑟𝑖𝑠𝑒

𝑊𝐴𝑅

𝑟𝑒𝑓

)

,

𝑠𝑖 𝑊𝐴𝑅

𝑟𝑒𝑓

≥ max 𝑟

𝑟𝑖𝑠𝑒

1,

𝑑. 𝑙. 𝑐

 

Ecuación  22.  Indicador  de  tasa 
de  acumulación  de  inundación 
para el cálculo del FRI en etapa 
de recuperación. 

 

Se asignan indicadores sociales y económicos para evaluar la capacidad de recuperación de 
las  inundaciones  para  cada  hogar  según  los  diferentes  distritos.  Cuantos  más  niños  y 
ancianos haya dentro de un distrito, mayor vulnerabilidad a las inundaciones y menor fuerza 
de  recuperación  tendrá  la  comunidad.  (Chen  &  Leandro,  2019).  Las  ecuaciones  que 
permiten estimar el impacto de estos factores se muestran a continuación: 

𝐼

𝐶

= {𝑒

(1− 𝐶

𝐶

𝑟𝑒𝑓

)

,

𝑠𝑖 𝐶

𝑟𝑒𝑓

≥ 𝐶

1,

𝑑. 𝑙. 𝑐

 

Ecuación  23.  Indicador  de 
porcentaje  de  niños  para  el 
cálculo  del  FRI  en  etapa  de 
recuperación. 

 

𝐼

𝐸

= {𝑒

(1− 𝐸

𝐸

𝑟𝑒𝑓

)

,

𝑠𝑖 𝐸

𝑟𝑒𝑓

≥ 𝐸

1,

𝑑. 𝑙. 𝑐

 

Ecuación  24.  Indicador  de 
porcentaje  de  adulto  mayores 
para el cálculo del FRI en etapa 
de recuperación. 

 

𝐼

𝐼

= {𝑒

( 𝐼

𝐼

𝑟𝑒𝑓

)

,

𝑠𝑖 𝐼

𝑟𝑒𝑓

≥ 𝐼

𝑒

1

,

𝑑. 𝑙. 𝑐

 

Ecuación  25.  Indicador  de 
ingreso  de  vivienda  para  el 
cálculo  del  FRI  en  etapa  de 
recuperación. 

 

 

C [%] y E [%] representan el porcentaje de hogares con niños y ancianos, respectivamente, 
en el distrito en el que se encuentra el hogar. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

37 

 

2.11.3  Cálculo del FRI 

Una vez que se calculan los indicadores para evaluar FRI en la fase de evento y el factor de 
recuperación en la fase de recuperación, se pueden calcular las series temporales de FRI. Al 
igual que el cálculo de los indicadores, el cálculo de la serie temporal de FRI debe dividirse 
en  eventos  y  fases  de  recuperación.  WF  representa  el  factor  de  ponderación  para  cada 
indicador, que determina el nivel relativo de significancia entre los indicadores. 

Fase de evento: 

𝐹𝑅𝐼(𝑡) =

𝑊𝐹

∗ 𝐼

(𝑡) + 𝑊𝐹

𝐴𝑊𝐷

∗ 𝐼

𝐴𝑊𝐷

(𝑡) + 𝑊𝐹

𝐷

∗ 𝐼

𝐷

(𝑡) + 𝑊𝐹

𝑊𝐴𝑅

∗ 𝐼

𝑊𝐴𝑅

(𝑡)

𝑊𝐹

+ 𝑊𝐹

𝐴𝑊𝐷

+ 𝑊𝐹

𝐷

+ 𝑊𝐹

𝑊𝐴𝑅

 

Ecuación 

26. 

Cálculo  del  FRI 
en  etapa  de 
evento 

 

En la estructura de la ecuación se puede observar que se trata de un promedio ponderado de los 
diversos factores físicos. Esta ecuación es válida el intervalo de tiempo del evento. Es decir, para 𝑡 ∈
[𝑡

𝑠

, 𝑡

𝑒

]. Para tiempos posteriores el FRI se calcula de la siguiente forma: 

Fase de recuperación: 

𝑥 = {𝑓𝑠, 𝑇𝐹𝐷, 𝑇𝐹𝑇, 𝑊𝐴𝑅

𝑚𝑎𝑥

, 𝐶, 𝐸, 𝐼} 

 

Ecuación  27.  Conjunto  guía  de 
parámetros  para  el  cálculo  del 
FRI en etapa de recuperación 

 

𝑅𝐹 = [∏(𝐼

𝑥

)

𝑊𝐹

𝑥

]

0.001

∑ 𝑊𝐹

𝑥

 

 

Ecuación 

28. 

Factor 

de 

recuperación 

𝐹𝑅𝐼(𝑡) =  𝐹𝑅𝐼(𝑡 − 1) ∗ 𝑅𝐹 

 

Ecuación  29.  Cálculo  del  FRI  en 
etapa de recuperación 

 

El FRI en el tiempo t se calcula como el producto del factor de recuperación y el FRI en el 
paso de tiempo anterior. Tenga en cuenta que la fase de recuperación durará hasta que el 
valor de FRI alcance 1.  

 

 

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

38 

 

Los parámetros de referencia son: 

Tabla 2. Parámetros de referencia para el cálculo del FRI 

Parámetro 

Nombre 

Valor  

Profundidad  

𝑟𝑒𝑓

 

0.5 m 

Profundidad acumulada 

𝐴𝑊𝐷

𝑟𝑒𝑓

 

3 m 

Duración 

𝐷

𝑟𝑒𝑓

 

800 min 

Tasa de acumulación  

𝑊𝐴𝑅

𝑟𝑒𝑓

 

5 cm/min 

Porcentaje  de  hogares  con 
niños 

𝐶

𝑟𝑒𝑓

 

20% 

Porcentaje  de  hogares  con 
adultos mayores  

𝐸

𝑟𝑒𝑓

 

12% 

Ingreso 

𝐼

𝑟𝑒𝑓

 

80.000€ 

 

Los factores de ponderación son: 

Tabla 3. Factores de ponderación 

Factor 

Nombre 

Valor (Fase 

evento) 

Valor (Fase 

recuperación) 

Profundidad  

(𝑊𝐹

/𝑊𝐹

𝑓𝑠

Profundidad acumulada  

(𝑊𝐹

𝑊𝐴𝐷

/𝑊𝐹

𝑇𝐹𝐷

Duración  

(𝑊𝐹

/𝑊𝐹

𝑇𝐹𝑇

Tasa de acumulación  

(𝑊𝐹

/𝑊𝐹

𝑊𝐴𝑅𝑚𝑎𝑥

Porcentaje de hogares con 
niños  

(𝑊𝐹

Porcentaje de hogares con 
adultos mayores  

(𝑊𝐹

Ingreso  

(𝑊𝐹

 

De esta manera se obtiene un indicador adimensional. En sí, la resiliencia no tiene una definición 
estricta ni físicamente basada, se debe entender como un modelo de decisión integral que permite 
la adecuada identificación de zonas de riesgo y la clasificación cuantitativa de las mismas. 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

39 

 

3  METODOLOGÍA 

La  metodología  empleada  se  dividió  en  varios  componentes  de  tal  manera  que  los  resultados 
obtenidos lograran responder la pregunta del cambio de la resiliencia en Chicó Sur debido al posible 
efecto  del  Cambio  Climático.  En  el  siguiente  diagrama  se  observan  los  pasos  seguidos  y 
posteriormente se explica en más detalle cada uno de ellos. 

 

Ilustración 17. Diagrama de metodología 

3.1  Definición de simulaciones 

Para poder hacer una comparación se deben tener escenarios base con los cuales contrastar los 
resultados obtenidos al incluir el componente del Cambio Climático. De acuerdo con este punto de 
partida se requerirían mínimo dos simulaciones para comparar, pero debido a la incertidumbre que 
genera emplear un solo modelo de circulación general se emplearon dos modelos diferentes. De 
esta  manera  se  obtiene  una  visión  más  robusta  debido  a  que  los  modelos  difieren  en  sus 
aproximaciones  al  sistema  climático  y  tienen  en  cuenta  las  interacciones  entre  ellos  de  manera 
diferente, al utilizar dos modelos se puede obtener una comparación más sólida. 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

40 

 

Del mismo modo, el periodo de retorno del sistema está determinado por el Reglamento vigente 
para la ciudad. Tal como se indicó previamente en los Parámetros de los eventos de precipitación 
de la Sección 2.7, los periodos de retorno relevantes son 30 años (para el sistema) y 5 años (para las 
lluvias de diseño). Estudios precedentes (Sección 2.7 y 2.8) se limitaron a un periodo de retorno, por 
lo  cual  no  se  tomaron  en  cuenta  eventos  de  inundación  frecuentes  (TR=5)  o  el  evento  que  se 
presenta en promedio una vez en el horizonte de diseño del sistema (TR=30). Por esta razón, en el 
presente  estudio  se  evaluarán  ambos  periodos  de  retorno.  Esto  incrementa  el  número  de 
simulaciones de tres a seis. 

Finalmente, un parámetro explorado fue la duración de las lluvias. Esto se debe a que los estudios 
previamente mencionados (Sección 2.7 y 2.8) se limitan al RAS. Por definición, los eventos de menor 
duración  son  de  mayor  intensidad,  lo  cual  presenta  una  mayor  dificultad  para  los  sistemas  de 
drenaje. Los Sistemas de Drenaje Urbano Sostenible (SUDS) funcionan al retener temporalmente el 
agua, causando un efecto amortiguador en el hidrograma de entrada de la red de drenaje, lo cual 
es análogo a disminuir la intensidad del evento de precipitación. Al disminuir la duración se desea 
generar  el  efecto  contrario  al  de  los  SUDS  y  observar  el  comportamiento  de  la  zona  ante 
intensidades  más  altas.  De  acuerdo  con  lo  anterior,  el  presente  estudio  realizó  simulaciones  de 
eventos de 95 minutos (de acuerdo con la Sección 2.7) y 20 minutos de duración. Esto incrementa 
el número de simulaciones de seis a doce. Las características de las simulaciones se resumen en la 
Tabla 4.  

Tabla 4. Simulaciones 

ID  Duración (min)  Periodo de retorno (años) 

Modelo 

20 

Caso Base 

20 

C. C #1 

20 

C. C #2 

20 

30 

Caso Base 

20 

30 

C. C #1 

20 

30 

C. C #2 

95 

Caso Base 

95 

C. C #1 

95 

C. C #2 

10 

95 

30 

Caso Base 

11 

95 

30 

C. C #1 

12 

95 

30 

C. C #2 

Estas son las simulaciones que permitirán comparar los efectos de las inundaciones en la resiliencia 
bajo  diversas  características  de  la  lluvia  y  el  efecto  del  Cambio  Climático.  Para  hacer  dichas 
simulaciones  se  requieren  las  capas  de  información  necesarias  para  el  programa  Itzï,  tanto 
geográficas como hidrológicas, en la actualidad y bajo escenarios de Cambio Climático. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

41 

 

3.2  Información geográfica 

Las capas de información geográfica que requiere el programa Itzï para hacer las simulaciones de 
inundaciones son: 

  Modelo Digital de Terreno 
  Rugosidad de la superficie 
  Condiciones de frontera 
  Red de drenaje pluvial 
  Lluvia 

Estas capas serán expuestas a continuación a excepción de la capa de lluvia la cual se verá a mayor 
profundidad en la sección 3.3. 

3.2.1  Modelo digital de terreno 

Una de las capas de información más importantes para la simulación de los eventos de inundación 
es la altura sobre el nivel del mar para conocer la cota de cada uno de los puntos dentro de las zonas 
de estudio. Se utilizó un ráster, el cual es una matriz de celdas organizadas en filas y columnas en la 
que  cada  celda  contiene  un  valor  que  representa  información,  en  este  caso,  altura.  La  capa  fue 
proporcionada por la Infraestructura de Datos Espaciales para el Distrito Capital – IDECA, la cual es 
la entidad encargada de la gestión de la información geográfica en las entidades del Distrito Capital. 

Para asegurar un comportamiento adecuado de la hidráulica dentro del entorno de modelación se 
debe realizar la corrección del terreno en donde se pueden presentar algunas irregularidades. La 
función empleada para corregir los MDT es Fill, la cual se puede ver gráficamente en la siguiente 
figura. 

 

Ilustración 18. Representación del método Fill (Acosta Barragán & Saldarriaga Valderrama, 2013) 

A continuación, se muestra un mapa del modelo digital de terreno acotado a la zona de estudio, es 
posible observar que la zona oriental presenta las mayores alturas, lo cual coincide con el inicio de 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

42 

 

los cerros orientales. En la zona occidental hay elevaciones más bajas y tiende a ser una zona más 
plana. 

 

Ilustración 19. Mapa MDT Chicó Sur 

Este  ráster  cuenta  con  una  resolución  de  5x5  metros,  la  cual  es  la  resolución  óptima  para  el 
programa  debido  a  que  previene  inestabilidades  dadas  por  altas  pendientes  (L.  Courty,  2017). 
Adicionalmente, esta resolución es adecuada debido a que resoluciones más altas podrían generar 
problemas en la resolución de las ecuaciones diferenciales y un aumento innecesario del tiempo de 
computación sin obtener ganancia en la precisión de los resultados. 

3.2.2  Rugosidad de la superficie 

Otro  de  los  parámetros  de  entrada  importantes  al  modelo  es  el  coeficiente  de  rugosidad  n  de 
Manning, el cual no fue directamente medido debido a la dificultad que representaría esta labor. En 
su lugar, este coeficiente fue estimado a partir de las coberturas del suelo presentes en las zonas de 
estudio. En primer lugar, se obtuvieron las capas de usos del suelo y coberturas en la ciudad de 
Bogotá,  posteriormente,  se  cortaron a la zona de  interés y finalmente  se  relacionó cada tipo de 
superficie con un n de Manning.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

43 

 

 

Ilustración 20. Mapa de coberturas - Chicó sur 

Esta metodología es razonable debido a que el coeficiente de Manning es un valor representativo 
pero  dependiente  de  la  hidráulica  y  la  rugosidad  de  las  superficies,  por  lo  tanto,  medirlo 
directamente  de  manera  precisa  no  sería  sensato  y  aproximarlo  como  una  relación  de  tipo  de 
superficie es  una opción efectiva que fue implementada por los desarrolladores del programa al 
verificar el modelo. (L. G. Courty et al., 2017).  

Las capas de cobertura con su respectivo n de Manning estimado se encuentran en la Tabla 5. 

Tabla 5. Estimativos n de Manning de las superficies 

Superficie 

Estimativo n 

de Manning 

Fuente 

Vías 

0.014  

(Noriega, 2013) 

Área Urbana 

0.019 

(L. G. Courty et al., 2017) 

Zonas Verdes 

0.030 

(L. G. Courty et al., 2017) 

Separadores 

0.017 

(Noriega, 2013) 

3.2.3  Condiciones de frontera 

En este caso, se deben utilizar dos capas diferentes, una que indica el tipo de condición y otra capa 
que contiene el valor numérico de la profundidad en la frontera. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

44 

 

 

Ilustración 21. Ráster de condiciones de frontera 

En  este  caso  se  utilizó  un  valor  de  4  para  el  tipo  de  condición  de  frontera,  el  cual  indica  que  la 
profundidad es definida por el usuario. El valor de frontera seleccionado es cero, lo cual indica que 
la  profundidad  en  la  frontera  se  mantendrá  en  cero  para  todo  tiempo.  Físicamente,  esta 
consideración indica que en la frontera el agua no encuentra cotas superiores que puedan hacer 
devolver  el  flujo,  lo  cual  ocurre  en  el  caso  en  que  no  se  presente  precipitación  en  las  cuencas 
aledañas a la estudiada. Esta condición de frontera refleja indica independencia con respecto a las 
otras zonas y un evento de precipitación localizado específicamente sobre el dominio de interés. 

 

3.2.4  Red de drenaje pluvial 

Se  cuenta  con  una  red  de  drenaje  en  formato  inp  empleada  por  Laura  Pulgarín  en  su  tesis  de 
maestría. Este documento es compatible con SWMM y por lo tanto es posible acoplarlo a Itzï. Este 
archivo cuenta con la longitud, diámetro, rugosidad y coordenadas de las tuberías y sus nodos de 
entrada y salida. En el siguiente mapa se observa la topología de la red de drenaje. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

45 

 

 

Ilustración 22. Mapa de la red de drenaje Chicó Sur 

La red troncal de drenaje está compuesta por grandes colectores y canales abiertos, la red local de 
drenaje urbano está conformada totalmente por tuberías de diámetros entre 200 y 900 milímetros. 
El punto de entrega es el Canal Rionegro que se ubica en la parte suroccidental de la red.  

Tabla 6. Resumen de Componentes de la Red Chicó Sur. (Universidad de los Andes PAVCO, 2014) 

Componente  

Cantidad  

Tuberías y 
Conductos  

510 

Cámaras de 
Inspección (Pozos)  

509 

Punto de Descarga  

 

Esta red está en permanente interacción con la superficie, de tal manera que se tiene en cuenta el 
agua que ingresa (o sale) del sistema de drenaje y los puntos en donde lo está haciendo. 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

46 

 

3.2.5  Información socioeconómica 

Adicionalmente,  para  calcular  el  FRI  durante  la  etapa  de  recuperación  se  requieren  capas  con 
distribución  de  población  e  ingreso.  El  siguiente  mapa  contiene  polígonos  (un  polígono  por 
manzana)  que  tienen  la  información  asociada  al  censo  poblacional  del  año  2010  clasificado  por 
edades. Adicionalmente se conoce el estrato de cada manzana. 

 

Ilustración 23. Mapa de manzanas Chicó Sur 

Esta capa proveniente del Censo del año 2010 permite establecer la cantidad total de personas y la 
cantidad por edad. Esta información socioeconómica permite generar tres capas ráster diferentes 
necesarias  para  el  cálculo  del  FRI:  Porcentaje  infantil  de  la  población,  Porcentaje  de  ancianos  y 
Estrato (el cual está asociado al ingreso económico). 

3.3  Información hidrológica actual 

Para establecer un caso de inundación base se requieren las Curvas IDF generadas con los registros 
históricos.  Esta  información  se  obtuvo  de  la  entidad  responsable  del  drenaje  de  la  ciudad,  la 
Empresa de Acueducto y Alcantarillado de Bogotá – EAAB.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

47 

 

 

Gráfica 5. Curva IDF 24 horas – EAAB  

Con  esta  curva  IDF  de  duración  de  24  horas  se  pueden  generar  las  curvas  IDF  de  diferentes 
duraciones a partir del procedimiento propuesto por Pulgarín en la sección 2.5. Para poder realizar 
las comparaciones pertinentes al estudio se requieren las curvas IDF equivalentes a la anterior, pero 
con las proyecciones climáticas respectivas. 

3.4  Proyección con Cambio Climático 

La obtención de esta información se apoya en el Proyecto de Drenaje Urbano y Cambio Climático 
(Sección  2.7)  que  a  su  vez  emplea  la  metodología  de  Acevedo  (Sección  2.4)  pero  haciendo  las 
correcciones  estadísticas  necesarias  para  adaptarla  a  la  zona  de  Chicó  Sur.  Se  obtuvieron  los 
siguientes resultados para los cinco MCGs considerados: 

 

Gráfica 6. Curvas IDF para Chicó Sur en escenarios de Cambio Climático(Universidad de los Andes PAVCO, 2014) 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

48 

 

De esos modelos, el proyecto de Drenaje Urbano realizó un proceso de validación que indicaba que 
el  mejor  modelo  era  CSIRO  Mk3.6.0.  El  proceso  de  validación  consistió  en  comparar  la  serie 
temporal de lluvia del siglo XX del modelo con los registros históricos de los pluviómetros de la zona. 
Pero tal como se indicó en la sección 2.3: “En general, no existe un medio directo de traducir las 
medidas cuantitativas del desempeño pasado en declaraciones confiables sobre la fidelidad de las 
proyecciones climáticas futuras”. Por lo tanto, se empleó un criterio diferente para la selección de 
los MCGs empleados para generar las curvas IDF con efecto del Cambio Climático.  

En  primer  lugar,  se  revisó  la  resolución  de  los  modelos  debido  a  que  la  precipitación  extrema 
simulada depende en gran medida de la resolución del modelo, tal como se indicó en la sección 2.3. 
En segundo lugar, se revisó la fecha de los modelos, de tal forma que se prefieran los más recientes. 
Finalmente,  se  revisó  la  complejidad  del  sistema  climático  que  tuvieron  en  cuenta  para  su 
desarrollo.  A  continuación,  se  observan  los  años  de  lanzamiento  junto  con  las  resoluciones 
aproximadas de los modelos disponibles: 

Tabla 7. Resolución de los climáticos globales analizados correspondientes al proyecto de intercomparación CMIP5  

Modelo 

Año 

Resolución 

Institución 

BCC-CSM1.1 

2011 

2.82° x 2.82° 

Beijing Climate 
Center, China 
Meteorological 
Administration, 
CHINA  

BCC-CSM1.M 

2011 

1.125°x1.125° 

Beijing Climate 
Center, China 
Meteorological 
Administration, 
CHINA  

CSIRO-Mk3.6.0 

2009 

1.875°x1.875° 

CSIRO, AUSTRALIA  

MIROC5 

2010 

1.41°x1.41° 

Meteorological 
University of Tokyo, 
JAPON  

MRI-CGCM3 

2011 

1°x1° 

Meteorological 
Research Institute, 
JAPON  

 

En la tabla anterior se observa que los modelos MRI CGCM3 y BCC CSM 1M son los modelos más 
recientes y presentan un nivel de resolución mayor. Para confirmar su selección se tuvo en cuenta 
la Gráfica 1 de la sección 2.3. En ella se indica que los modelos MRI CGCM3 y BCC CSM 1M tuvieron 
en cuenta una resolución más alta tanto en el componente atmosférico como en el oceánico en 
comparación con los otros tres modelos. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

49 

 

De igual manera, es posible observar que las curvas IDF seleccionadas para hacer las simulaciones 
(EAAB,  MRI  CGCM3  y  BCC  CSM  1M)  comparten  características  de  los  modelos  descartados  o  se 
muestran  representativos.  Por  ejemplo,  la  curva  de  la  empresa  EAAB  es  muy  similar  (e  incluso 
mayor) a las curvas de los modelos CSIRO-Mk3.6.0 y MIROC5, por lo tanto, los eventos de inundación 
derivados de este escenario serán similares a los escenarios empleando los modelos descartados. 
Adicionalmente, la curva IDF relacionada con el modelo BCC CSM 1M tiene las intensidades más 
altas  (aunque  similares  al  modelo  BCC  CSM  1),  por  lo  tanto,  al  emplear  este  modelo  se  estaría 
evaluando el peor escenario obtenido hasta el momento. 

De acuerdo con estas tres curvas IDF (EAAB, MRI CGCM3 y BCC CSM 1M) se generarán las nuevas 
curvas IDF para diferentes duraciones y posteriormente los hietogramas de diseño. 

3.5  Generación de hietogramas 

Con  las  curvas  IDF  previamente  obtenidas  se  deben  generar  nuevas  curvas  IDF  en  diferentes 
duraciones para un mismo periodo de retorno. Este procedimiento se hizo utilizando la Ecuación 1 
expuesta en la sección 2.5. La metodología planteada en esa sección permite crear curvas IDF de 
diferentes duraciones a partir de un valor de intensidad de 24 horas. Al ser una aproximación a la 
región Andina es posible implementarse para la zona de estudio ubicada en aquella región.  

Los valores de las intensidades requeridos se encuentran destacados en la siguiente tabla: 

Tabla 8. Valores de curvas IDF para generar curvas de periodo de retorno fijo 

CHICO SUR - CURVAS IDF (mm/día) 

PERIODO 

DE 

RETORNO 

BASE 

MODELO 

EAAB 

MRI CGCM3  BCC CSM1 1M  BCC CSM1 1  CSIRO Mk3 6 0  MIRO C5 

45.46 

44.50 

62.72 

47.11 

35.53 

33.48 

52.98 

54.22 

76.17 

57.46 

42.09 

40.42 

10 

61.55 

71.08 

98.70 

75.71 

50.65 

50.52 

25 

73.40 

103.08 

139.63 

111.13 

61.99 

65.87 

30 

76.09 

111.228 

149.760 

120.261 

64.279 

69.268 

50 

80.51 

138.11 

182.60 

150.69 

70.79 

79.48 

100 

89.40 

186.63 

240.04 

206.48 

79.86 

95.20 

 

Cada uno de estos valores resaltados genera una nueva curva IDF. Por ejemplo, el valor 52.98 genera 
la  curva  IDF  para  un  periodo  de  retorno  de  5  años  y  esa  curva  está  asociada  con  el  caso  EAAB. 
Aplicando el método de la sección 2.5 se obtienen las siguientes curvas IDF. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

50 

 

 

Gráfica 7. Curvas IDF sintéticas para los diferentes modelos y periodos de retorno en Chicó Sur 

A cada una de estas curvas se le puede asociar una ecuación de la siguiente forma: 

𝐼 (

𝑚𝑚

) =

𝐴

(𝐵 + 𝐷

𝑛

)

 

Así  se  puede  implementar  el  método  de  intensidad  instantánea  cubierto  en  la  sección  2.6.  Los 
valores de los coeficientes A, B y n de las curvas IDF mostradas en la Gráfica 7 se muestran en la 
siguiente tabla: 

Tabla 9. Coeficientes de las curvas IDF sintéticas 

Periodo de retorno 

5 años 

30 años 

Coeficiente 

EAAB   MRI CGCM3    BCC CSM1 1M 

EAAB 

MRI CGCM3 

BCC CSM1 1M 

2719.30 

2750.51 

3261.62 

3259.55 

4073.61 

4972.42 

8.7392 

8.7510 

8.7587 

8.7551 

8.7517 

8.7618 

0.8905 

0.8907 

0.8907 

0.8908 

0.8907 

0.8908 

 

En la siguiente página se observa el ejemplo para el caso EAAB con un periodo de retorno de 5 años 
y una duración de 20 minutos. Cabe mencionar que el coeficiente de retardo empleado fue 0.4 en 
todos los casos, tal como se indicó en la sección 2.7. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

51 

 

 

Ilustración 24. Ejemplo de la hoja de cálculo utilizada para el método de la intensidad instantánea 

Unidades
I

mm/h

D

minutos

Datos a rellenar

A

2719.29637

20

Suma Pulsos

38.87568004

B

8.74

0.4

Profundidad Original

39.15948538

n

0.89052895

t

ta, tb

d(t)

d'(t) 

I (T=10)

h (T=10)

Tiempo (min)

Intensidad 

(mm/h)

(min)

(min)

(min)

(min)

(mm/h)

(mm)

¿En 

intervalo?

0

8.00

20.00

20.00

52.36

0:00

52.36

5

3.00

7.50

10.00

164.70

9.04

1

0:05

164.70

10

2.00

3.33

10.00

164.70

13.72

1

0:10

164.70

15

7.00

11.67

11.67

84.76

10.39

1

0:15

84.76

20

12.00

20.00

20.00

52.36

5.71

1

0:20

52.36

25

17.00

28.33

28.33

36.75

3.71

0

0:25

36.75

30

22.00

36.67

36.67

27.80

2.69

0

0:30

27.80

35

27.00

45.00

45.00

22.10

2.08

0

0:35

22.10

40

32.00

53.33

53.33

18.20

1.68

0

0:40

18.20

45

37.00

61.67

61.67

15.38

1.40

0

0:45

15.38

50

42.00

70.00

70.00

13.27

1.19

0

0:50

13.27

55

47.00

78.33

78.33

11.63

1.04

0

0:55

11.63

60

52.00

86.67

86.67

10.33

0.91

0

1:00

10.33

65

57.00

95.00

95.00

9.27

0.82

0

1:05

9.27

70

62.00

103.33

103.33

8.40

0.74

0

1:10

8.40

75

67.00

111.67

111.67

7.67

0.67

0

1:15

7.67

80

72.00

120.00

120.00

7.05

0.61

0

1:20

7.05

85

77.00

128.33

128.33

6.52

0.57

0

1:25

6.52

90

82.00

136.67

136.67

6.06

0.52

0

1:30

6.06

95

87.00

145.00

145.00

5.66

0.49

0

1:35

5.66

100

92.00

153.33

153.33

5.31

0.46

0

1:40

5.31

105

97.00

161.67

161.67

4.99

0.43

0

1:45

4.99

110

102.00

170.00

170.00

4.71

0.40

0

1:50

4.71

115

107.00

178.33

178.33

4.46

0.38

0

1:55

4.46

120

112.00

186.67

186.67

4.24

0.36

0

2:00

4.24

Coef. Retardo (r)

MÉTODO DE LA INTENSIDAD INSTANTÁNEA

Curva IDF

Curva IDF

Lluvia S1

Duración (minutos)

B

D

A

I

n

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

52 

 

Repitiendo este proceso para cada una de las simulaciones mencionadas en la Tabla 4 se obtienen 
los siguientes Hietogramas. 

La escala vertical se encuentra entre 0 y 300 mm/h, con intervalos de 50 mm/h. En la primera tabla 
se  encuentran  los  hietogramas  con  duración  de  20  minutos  y  en  la  segunda  se  encuentran  los 
hietogramas de 95 minutos. 

Tabla 10. Hietogramas sintéticos de 20 minutos de duración 

Mod.  Periodo de Retorno: 5 Años 

Periodo de Retorno: 30 Años 

 

Simulación 1 

Simulación 4 

EAAB

 

 

 

 

Simulación 2 

Simulación 5 

MRI 

 

 

 

Simulación 3 

Simulación 6 

BCC 

 

 

 

En estos hietogramas es posible observar que entre modelos el cambio de intensidad del pico en el 
periodo de retorno de 5 años es menos drástico en comparación con el cambio de intensidad con el 
periodo de retorno de 30 años. Esto se debe a que las curvas IDF divergen cada vez más a medida 
que el periodo de retorno aumenta.  

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

53 

 

Tabla 11. Hietogramas sintéticos de 95 minutos de duración 

Mod.  Periodo de Retorno: 5 Años 

Periodo de Retorno: 30 Años 

 

Simulación 7 

Simulación 10 

EAAB

 

 

 

 

Simulación 8 

Simulación 11 

MRI 

 

 

 

Simulación 9 

Simulación 12 

BCC  

 

 

 

Es  posible  observar  que  los  hietogramas  de  los  casos  base  con  30  años  de  periodo  de  retorno 
(Simulaciones 4 y 10) son muy similares a los hietogramas del modelo BCC con 5 años de periodo de 
retorno (Simulación 3 y 9), esto indica que el efecto del cambio climático puede interpretarse de 
manera equivalente al aumento de la frecuencia de lluvias fuertes. Es decir, la misma lluvia que se 
esperaba cada 30 años ahora ocurriría cada 5 años. 

Los valores numéricos de todos los hietogramas previos se encuentran en Anexos.  

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

54 

 

3.6  Simulación de inundaciones 

Para realizar una simulación de inundación en el programa Itzï se deben seguir los siguientes pasos: 

1)  Iniciar un proyecto en GRASS GIS con las coordenadas geográficas deseadas 
2)  Cargar el modelo digital de terreno 
3)  Cargar una capa de condiciones de frontera 
4)  Crear STRDS de lluvia 
5)  Cargar capa de rugosidad 
6)  Cargar capa de drenaje 
7)  Generar un archivo de parámetros 

Este procedimiento se realizó para cada una de las simulaciones variando algunos datos de entrada 
para poder simular diferentes comportamientos, especialmente el efecto del cambio climático.  

Para este trabajo de investigación se emplearon tres máquinas virtuales en el ambiente Ubuntu con 
4 GB de memoria RAM y 2 núcleos, lo cual aumenta la velocidad de cálculo de forma notable.  

1)  Iniciar un proyecto en GRASS GIS con las coordenadas geográficas deseadas 

 

Ilustración 25. Interfaz inicial GRASS GIS 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

55 

 

 

Ilustración 26. Selección del tipo de proyección 

Las coordenadas geográficas utilizadas se resumen en la siguiente tabla: 

Tabla 12. Características de las coordenadas geográficas 

Nombre 

MAGNA Colombia Bogotá 

WKID 

3116 

Autoridad 

EPSG 

Proyección 

Transverse Mercator 

Falso Este 

1000000 

Falso Norte 

1000000 

Meridiano central 

- 74.07750791666666 

Factor de escala 

1.0 

Latitud de origen 

4.596200416666666 

Unidad lineal 

Metro (1.0) 

 

 

 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

56 

 

2)  Cargar el modelo digital de terreno 

Esta capa ráster contiene la información de las alturas, fue previamente corregido con la función Fill 
y se encuentra en las coordenadas previamente mencionadas. 

 

Ilustración 27. MDT Chicó Sur en GRASS GIS 

Con el comando r.mask se puede seleccionar el MDT como el entorno de modelación evitando que 
se realicen cálculos por fuera de la cuenca deseada. 

3)  Cargar las capas de condición de frontera 

En este caso, se deben utilizar dos capas diferentes, una que indica el tipo de condición y otra capa 
que contiene el valor numérico de la profundidad en la frontera, tal como se indicó en la sección 
3.2.3. 

 

Ilustración 28. Ráster de condiciones de frontera en GRASS GIS 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

57 

 

4)  Crear STRDS de lluvia 

Para representar la lluvia se crea un Space Time Raster Dataset (STRDS), el cual es una colección de 
mapas ráster organizados temporalmente. En este caso, cada pulso de un hietograma se convierte 
en un mapa de intensidad constante sobre todo el terreno y después se asigna una huella temporal 
a cada mapa de acuerdo con el hietograma original. 

Se  debe  crear  el  STRDS en  el  cual  se  van  a  almacenar  los mapas.  Se  debe  seleccionar  el  tipo  de 
temporalidad: absoluta o relativa. En este caso los hietogramas no son eventos históricos por lo 
tanto se selecciona un evento relativo. 

 

Ilustración 29. Creación STRDS 

Cada  mapa  se  crea  con  el  comando  r.mapcalc  expression,  donde  cada  pulso  del  hietograma  se 
inserta,  por  ejemplo,  para  el  primer  pulso  del  hietograma  el  comando  sería  así:  r.mapcalc 
expression="map1=52.36". 

Una vez creados todos los mapas se procede a realizar el registro de todos los mapas 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

58 

 

 

Ilustración 30. Registro de los mapas en el STRDS 

 

Ilustración 31. Consideraciones temporales de los mapas 

En el mapa de lluvia es posible observar que el valor del pulso es uniforme en todo el espacio. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

59 

 

 

Ilustración 32. Mapa de lluvia uniforme en GRASS GIS 

5)  Cargar capa de rugosidad 

 

Ilustración 33. Capa de n de Manning en GRASS GIS 

6)  Generar un archivo de parámetros 

Finalmente, se deben especificar las condiciones de entrada al modelo para relacionar las diferentes 
capas de entrada al programa. A continuación, se muestra el archivo de entrada empleado para la 
última simulación. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

60 

 

 

Ilustración 34. Ejemplo de archivo de parámetros 

Se puede observar que los primeros datos hacen referencia al tiempo de la simulación, su duración 
total  y  el  paso  de  tiempo  empleado  para  guardar  los  resultados,  el  cual  es  diferente  al  paso  de 
tiempo empleado para avanzar en la resolución de las ecuaciones diferenciales. Las simulaciones 1-
6  se  hicieron  con  un  tiempo  de  simulación  de  2.5  horas  y  las  simulaciones  7-12  con  3  horas  de 
simulación.  Esta  diferencia  se  debe  principalmente  a  la  cantidad  de  pulsos  de  lluvia  en  cada 
aproximación. 

La  sección  de  input  relaciona  todas  las  capas  de  datos  que  entran  al  programa.  En  orden 
descendente,  se encuentra el modelo digital de  terreno de la zona, la capa de n de  Manning, el 
STRDS de lluvia, el tipo de frontera y el valor de la condición de borde. 

La sección de output relaciona la información que quiere ser calculada y almacenada, en este caso 
particular  se  indicó  que  los  resultados  fueran  la  profundidad  (h),  las  estadísticas  del  drenaje,  el 
inflow al sistema y la velocidad (v).  

El  componente  de  estadísticas  hace  referencia  al  archivo  de  salida  que  se  desea  obtener  con  el 
resumen  de  la  simulación,  tiempo  empleado,  pasos  de  tiempo,  volumen  de  agua  a  través  de  la 
frontera,  lluvia  y  drenaje.  A  su  vez,  el  drenaje  es  indicado  en  la  siguiente  sección,  se  emplea  la 
dirección y nombre del archivo que contiene el inp. 

Finalmente, uno de los parámetros más importantes es el delta de tiempo máximo (dtmax) debido 
a que tiene impacto directo en la estabilidad numérica de la solución, por ejemplo, con 0.1 segundos 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

61 

 

se presenta inestabilidad numérica para esta simulación, por lo cual se redujo el paso máximo a 0.05 
segundos.  

Esta metodología se siguió para obtener los resultados de las inundaciones en Chicó Sur bajo efectos 
de Cambio Climático y en condiciones que no tuvieran en cuenta este fenómeno global.  

 

Ilustración 35. Pantalla de simulación con porcentaje de avance de simulación 

Con  estas  simulaciones  se  obtienen  las  profundidades  de  inundación  para  todos  los  pasos  de 
tiempo. Es decir, la profundidad de inundación es conocida para las 2.5 horas cada cinco minutos. 
Estos mapas se exportan en un formato tiff y se usan como el principal componente para el cálculo 
del FRI. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

62 

 

3.7  Cálculo del FRI 

Finalmente,  para  el  cálculo  del  Flood  Resilience  Index  (FRI)  se  requiere  la  información  de  la 
profundidad de la inundación en el tiempo (la cual se obtuvo con Itzï) y las capas socioeconómicas 
del sitio. En este punto se hicieron unas modificaciones en cuanto al FRI original propuesto por Chan 
y Leandro (2019) para adaptarlo de mejor manera al contexto del presente estudio.  

Las modificaciones consistieron en la interpretación de los índices socioeconómicos. El porcentaje 
de viviendas con niños fue reemplazado con el porcentaje de niños dentro de la población de cada 
manzana.  Se  hizo  esta  misma  aproximación  con  el  porcentaje  de  adultos  mayores.  La  última 
modificación  realizada  consistió  en  cambiar  el  ingreso  promedio  de  las  viviendas,  el  cual  estaba 
fijado como referencia a 80.000 euros anuales, y utilizar el estrato socioeconómico en su lugar. Esta 
modificación es acorde con lo dispuesto por el DANE, el cual indica que  

“los ingresos por persona y por hogar son inmanejables para la estratificación requerida, 
entre otras razones, por el volumen de datos que habría que recolectar, por su variabilidad 
a  corto  plazo,  porque  no  constituyen  información  confiable  dada  la  magnitud  de  la 
informalidad y el desplazamiento continuo de las familias.” (DANE, n.d.)  

Adicionalmente, se ha encontrado correlación entre el estrato de los inmuebles residenciales y los 
ingresos de las personas que los habitan (DANE, n.d.), por lo tanto, es un indicador que captura la 
variable que se está reemplazando de la metodología original.  

Cálculo del FRI 

Para calcular el FRI se programó un Script en MATLAB que permitiera manejar volúmenes de datos 
relativamente grandes y hacer operaciones aprovechando la capacidad matricial del software. En 
primer lugar, se importan los datos de profundidades, resultado del paso previo de la metodología. 
Cada simulación genera un mapa completo de profundidades por cada paso de tiempo en el cual se 
especificó que se guardaran los resultados. Por ejemplo, para la primera simulación se generaron 
30 mapas, los cuales corresponden a dos horas y media de simulación con un paso de tiempo de 5 
minutos para el registro. Estos datos son almacenados en una variable de tipo tensor, el cual puede 
ser entendido como un vector de matrices. Cada mapa de profundidades es una matriz y su posición 
dentro del vector indica su instante en el tiempo. El tamaño es (Longitud x Latitud x Tiempo)  Su 
representación gráfica es la siguiente: 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

63 

 

 

Ilustración 36. Arreglos multidimensionales de datos  

En este caso los tensores tienen un tamaño de 360x503x30, para un total de 5’432.400 datos por 
cada simulación de 2 horas y 30 minutos. En caso de las simulaciones de mayor duración se tienen 
tensores de 360x503x36, para un total de 6’518.880 datos de profundidad de agua por simulación. 

El script de MATLAB sigue la metodología descrita en la sección 2.11. Los indicadores de la fase de 
evento (𝐼

, 𝐼

𝐴𝑊𝐷

, 𝐼

𝐷

, 𝐼

𝑊𝐴𝑅

) son calculados con las ecuaciones Ecuación 15 a Ecuación 18. Cada uno 

de  los  indicadores  es  almacenado  en  un  tensor  separado.  Esta  estructura  de  datos  se  requiere 
debido a que existe variación espacial y temporal. Posteriormente, se calculan los indicadores de la 
fase  de  recuperación  (𝐼

𝑓𝑠

, 𝐼

𝑇𝐹𝐷

, 𝐼

𝑇𝐹𝑇

, 𝐼

𝑊𝐴𝑅𝑚𝑎𝑥

, 𝐼

𝐶

, 𝐼

𝐸

, 𝐼

𝐼

)  empleando  las  ecuaciones  Ecuación  19  a 

Ecuación 25. Cada uno de estos indicadores es almacenado en una matriz debido a que no tienen 
variación en el tiempo.  

 

Ilustración 37. Almacenamiento de indicadores para el cálculo del FRI 

Para  calcular  el  FRI  en  la  etapa  de  recuperación  es  necesario  conocer  las  características 
socioeconómicas de la zona, en particular la distribución de población y el Estrato. En los siguientes 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

64 

 

mapas se observa el porcentaje de población infantil (De 0 a 18 años) y el porcentaje de adultos 
mayores (Mayores a 55 años). Entre más intenso sea el color, el porcentaje es mayor.  

 

Ilustración 38. Mapas de distribución de población 

Una de las capas necesarias para calcular el factor de recuperación es el estrato socioeconómico. En 
el siguiente mapa se encuentra la sectorización por manzanas utilizada. En este caso, el indicador 0 
se refiere a manzanas que no tienen una asignación de Estrato. Debido a que este factor fue el que 
más se modificó con respecto a la metodología de Chan y Leandro se definió el valor de referencia 
como el estrato 6, debido a que con esa asignación se obtienen comportamientos diferentes para 
cada estrato. 

 

Ilustración 39. Mapa de Estrato Socioeconómico 

Con estos valores es posible calcular el Factor de Recuperación (RF), el cual indica qué tan rápido 
puede recuperarse una zona. Este factor, es calculado con la Ecuación 28 y es almacenado en una 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

65 

 

matriz.  Esta  matriz  de  factor  de  recuperación  es  permanente  en  el  tiempo  para  un  evento  de 
inundación específico debido a que depende de los valores máximos de la inundación registrada. 

Posteriormente, se procede a realizar el cálculo del FRI dependiendo de la fase en que se encuentre 
el píxel específico. Si la profundidad de inundación es superior a una profundidad umbral cercana a 
cero entonces se indica que la zona se encuentra en estado de evento, luego de que la profundidad 
vuelva a ser menor a este umbral se encontrará en etapa de recuperación. 

Finalmente,  los  resultados  de  FRI  son  almacenados  en  un  tensor  de  tal  forma  que  se  tiene 
información  del  cambio  de  este  indicador  para  toda  la  zona  de  estudio  durante  el  tiempo  de  la 
inundación y posterior a él. El siguiente mapa es el gráfico de una matriz de FRI (es decir, el tensor 
de FRI en un momento específico) generado en MATLAB. 

 

Ilustración 40. Ejemplo de mapa de resiliencia para Chicó Sur en MATLAB 

Estos resultados pueden ser graficados nuevamente en forma de mapa, sus estadísticas pueden ser 
analizadas y, tal como se indicó en el objetivo del estudio, comparadas para conocer el impacto de 
los escenarios de Cambio Climático en las inundaciones de Chicó Sur. 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

66 

 

4  RESULTADOS 

En  primer  lugar,  se  mostrarán  los  resultados  de  las  profundidades  de  inundación  para  las 
simulaciones  realizadas.  En  la  primera  tabla  se  encuentran  los  resultados  de  las  simulaciones 
asociados a los hietogramas con duración de 20 minutos. 

Tabla 13. Profundidades máximas para escenarios de 20 minutos de duración 

Mod.  Periodo de Retorno: 5 Años 

Periodo de Retorno: 30 Años 

 

Simulación 1 

Simulación 4 

EAAB

 

 

 

 

Simulación 2 

Simulación 5 

MRI 

 

 

 

Simulación 3 

Simulación 6 

BCC 

 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

67 

 

En la segunda se encuentran los resultados de profundidades máximas asociados a hietogramas de 
95 minutos. 

Tabla 14. Profundidades máximas para escenarios de 95 minutos de duración 

Mod.  Periodo de Retorno: 5 Años 

Periodo de Retorno: 30 Años 

 

Simulación 7 

Simulación 10 

EAAB

 

 

 

 

Simulación 8 

Simulación 11 

MRI 

 

 

 

Simulación 9 

Simulación 12 

BCC  

 

 

 

A simple vista no es posible encontrar mayores diferencias en las profundidades, las diferencias más 
marcadas se encuentran entre los periodos de retorno, lo cual era esperable desde el análisis de los 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

68 

 

hietogramas.  En  los  mapas  de  profundidades  sólo  es  posible  destacar  que  independiente  del 
modelo, duración o periodo de retorno, las mismas zonas se ven afectadas por las inundaciones. El 
patrón es claro, se observan mayores inundaciones en la zona centro y occidental. Esto se debe a 
las altas pendientes que se encuentran en la zona oriental, las cuales favorecen el desplazamiento 
del agua hasta las zonas más planas e inundables.  

A continuación, se mostrarán los mapas de mínima resiliencia. Debido a que la misma tendencia se 
repite, es decir, no se obtiene un contraste suficiente entre los casos, se muestran los mapas más 
destacados: Simulaciones 1, 3, 10 y 12. 

Tabla 15. Resiliencia mínima para casos destacados 

 

Periodo de Retorno: 5 Años 

Periodo de Retorno: 30 Años 

 

Duración: 20 minutos 

Duración: 95 minutos 

Mod.  Simulación 1 

Simulación 10 

EAAB

 

 

 

 

Simulación 3 

Simulación 12 

BCC 

 

 

 

El color azul indica un índice de resiliencia igual o cercano a uno, los tonos más cálidos indican bajos 
niveles de resiliencia, siendo el color rojo el menor nivel (36% fue el menor calculado). Para observar 
de  mejor manera  el  comportamiento  general  del  índice  de  resiliencia  se  calculó  el  promedio  de 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

69 

 

todos los valores de resiliencia en el espacio para cada paso de tiempo. A continuación, se observan 
las curvas del FRI promedio para los diferentes casos. 

Tabla 16. Curvas de FRI Promedio para las simulaciones realizadas 

Periodo de Retorno: 5 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 1, 2 y 3 

Simulación 7, 8 y 9 

 

 

Periodo de Retorno: 30 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 4, 5 y 6 

Simulación 10, 11 y 12 

 

 

 

De manera general es posible indicar que el comportamiento de todas las curvas de resiliencia sigue 
el mismo patrón: Desciende hasta llegar a un mínimo ligeramente desfasado del pico del hietograma 
que se empleó para generar la inundación y posteriormente sigue una etapa de recuperación. En la 
etapa  de  recuperación  se  observa  que  las  tres  curvas  de  cada  gráfica  convergen.  Este 
comportamiento se debe a que las zonas inundadas empiezan a secarse posterior al evento de lluvia, 
cada vez más  zonas recuperan su resiliencia y únicamente  las zonas que  permanecen inundadas 
mantienen el índice por debajo de uno. Tal como se observó en las tablas Tabla 13 y Tabla 14 las 
zonas inundadas son prácticamente las mismas. 

Al  comparar  las  gráficas  de  la  izquierda  con  las  gráficas  de  la  derecha  en  la  Tabla  16  se  puede 
observar el efecto de la duración del evento. A mayor duración se observa una menor resiliencia, 
esto se debe a que la severidad de la inundación responde más a la cantidad total de agua que a la 
intensidad de la lluvia. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

70 

 

Las gráficas de la parte superior de la Tabla 16 muestran las curvas de resiliencia para los eventos 
con periodo de retorno de 5 años, es posible observar que existe una separación entre los escenarios 
simulados con el modelo BCC CSM1 1M tal como se esperaba debido a que en este modelo se tienen 
las  intensidades  más  altas.  No  obstante,  las  curvas  de  FRI  de  los  modelos  EAAB  (Sin  Cambio 
Climático) y MRI CGCM3 son iguales en términos prácticos. Esto se debe a la gran similitud de los 
hietogramas de entrada presentados en la Tabla 10, lo cual a su vez se explica por la semejanza de 
las curvas IDF de la EAAB y el modelo MRI CGCM3 para periodos de retorno bajos.  

Las gráficas de la parte inferior de la Tabla 16 muestran las curvas de resiliencia para los eventos 
con periodo de retorno de 30 años. Es posible observar que las tres líneas se separan en ambas 
gráficas en orden de intensidad, siendo la curva del modelo BCC CSM1 1M la más afectada, luego la 
curva del modelo MRI CGCM3 y finalmente el caso base muestra el menor impacto. 

Estos resultados permiten responder a la pregunta sobre el efecto del cambio climático sobre la 
resiliencia  a  las  inundaciones  en  Chicó  Sur.  Para  eventos  de  bajo  periodo  de  retorno  no  habrá 
cambios drásticos y la resiliencia se verá afectada en menos del 1% en términos generales. Para 
eventos  poco  frecuentes  la  resiliencia  puede  verse  afectada  en  aproximadamente  2%  para  un 
promedio general de la zona.  

Estos resultados indican que sí se generaran cambios en la resiliencia teniendo en cuenta la totalidad 
de la zona. Aun así, es posible ver que las variaciones del FRI se mantienen por encima del 90% al 
hacer  promedio  sobre  toda  la  zona.  Este  comportamiento  se  explica  al  observar  los  mapas  de 
resiliencia que se encuentran en la Tabla 15. Gran cantidad de área tiene baja afectación, por lo 
tanto, el índice de resiliencia es muy cercano a uno para la mayoría de las manzanas. Sin embargo, 
existen manzanas que presentan índices críticos, llegando a índices de 40% o menos. Para analizar 
con  mayor  detalle  el  efecto  estas  manzanas  se  hizo  un  análisis  sectorizado  para  reconocer  las 
manzanas  con  peor  resiliencia  y  cuantificar  el  cambio  de  su  resiliencia  por  efecto  del  Cambio 
Climático. 

Para visualizar mejor el cambio de la resiliencia debido al efecto del cambio climático se restaron 
los mapas de FRI para ver los cambios en este indicador. La operación se hizo restando el caso del 
modelo BCC CSM1 1M al caso base EAAB. 

Los  tonos  amarillos  representan  un  cambio  de  resiliencia  cercano  a  cero,  los  tonos  azules 
representan  disminuciones  de  resiliencia  debido  al  efecto  del  cambio  climático y  los  tonos  rojos 
indican zonas que tuvieron un aumento en la resiliencia. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

71 

 

Tabla 17. Mapas de diferencia de FRI 

Periodo de Retorno: 5 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 1 y 3 

Simulación 7 y 9 

 

 

Periodo de Retorno: 30 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 4 y 6 

Simulación 10 y 12 

 

 

 

En los mapas es posible observar que los tonos amarillos predominan en la zona oriental mientras 
que la zona occidental presenta tonos más azules que pueden llegar a disminuciones de 15% (Sim. 
1 y 3), 13% (Sim. 7 y 9), 24% (Sim. 4 y 6) y 28% (Sim. 10 y 12). De esta manera es posible indicar que 
el efecto no es homogéneo en toda la zona de Chicó Sur y hay manzanas que se ven más afectadas 
que otras.  

A continuación, se presentan los mapas por afectación de manzanas, en el cual se pueden observar 
las  manzanas  propensas  a  afectaciones  que  las  lleven  por  debajo  de  un  FRI  de  80%.  En  rojo  se 
muestran las manzanas afectadas incluso sin considerar Cambio Climático, en naranja se indican las 
manzanas adicionales que se verían afectadas al considerar los resultados del modelo MRI CGCM3 
y en amarillo las manzanas adicionales considerando el modelo BCC CSM1 1M. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

72 

 

Tabla 18. Mapas de manzanas afectadas y proyección con Cambio Climático 

Periodo de Retorno: 5 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 1 a 3 

Simulación 7 a 9 

 

 

Periodo de Retorno: 30 Años 

Duración: 20 minutos 

Duración: 95 minutos 

Simulaciones 4 a 6 

Simulación 10 a 12 

 

 

En los mapas es posible observar las manzanas afectadas aumenta al considerar el efecto del Cambio 
Climático. Tal como mapas previos indicaron, el efecto de cambio climático aumenta con el periodo 
de  retorno  de  los  eventos  considerados.  A  continuación,  se  hace  el  conteo  de  las  manzanas 
afectadas para los distintos escenarios. 

Tabla 19. Conteo de manzanas afectadas para los diferentes escenarios 

Escenario  

Número 

de 

Manzanas 

afectadas 

Escenario  

Número 

de 

Manzanas 

afectadas 

Escenario  

Número 

de 

Manzanas 

afectadas 

Escenario  

Número 

de 

Manzanas 

afectadas 

S1 - EAAB 

11 

S4 - EAAB 

12 

S7 - EAAB 

15 

S10 - EAAB 

18 

S2 - MRI 

12 

S5 - MRI 

19 

S8 - MRI 

15 

S11 - MRI 

22 

S3 - BCC 

12 

S6 - BCC 

24 

S9 - BCC 

18 

S12 - BCC 

25 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

73 

 

Finalmente, se hace la comparación con el trabajo de investigación inmediatamente anterior acerca 
de las inundaciones en la zona de Chicó Sur. La tesis de maestría de Laura Pulgarín realizada en 2018, 
descrita en la sección 2.8, obtuvo la siguiente configuración de tanques de tormenta para reducir 
las inundaciones. 

Tabla 20. Comparación de resultados obtenidos para las inundaciones de Chicó Sur 

 

 

Al  observar  los  resultados  de  la  tesis  previa  (izquierda)  se  puede  observar  una  disposición  de 
tanques que atiende a principales zonas de inundación, pero también tanques distribuidos a lo largo 
de  la  red.  Este  tipo  de  configuración  mejora  las  condiciones  de  la  red  para  amortiguar  las 
inundaciones, pero puede llegar a ser costosa por lo que un análisis de zonas vulnerables (derecha) 
como el realizado en el presente estudio puede ser útil para priorizar los tanques a implementar. 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

74 

 

5  CONCLUSIONES 

Con frecuencia, la ciudad de Bogotá experimenta eventos de inundación. Estas amenazas naturales 
son causa de pérdidas económicas y materiales, de movilidad e incluso pueden llegar a ocasionar 
pérdidas  de  vidas  humanas.  El  gobierno  ha  enfrentado  esta  problemática  al  definir  los 
procedimientos  y  acciones  para  reducir  el  riesgo  de  las  inundaciones  por  desbordamiento,  sin 
embargo, no ha tenido la misma respuesta al tratar inundaciones por encharcamiento. Aun así, la 
agenda gubernamental apunta hacia una “ciudad más resiliente” sin tener en cuenta la adecuada 
definición de este objetivo. Esta investigación presentó un estudio de resiliencia en la zona Chicó 
Sur, al nororiente de Bogotá en donde se han presentado inundaciones y se espera que puedan ser 
incrementar en el futuro cercano debido al Cambio Climático. 

El Cambio Climático es un fenómeno global que afecta los diferentes componentes climáticos, lo 
cual  interviene  con  el  ciclo  del  agua  y  por  consiguiente  con  las  lluvias.  En  comparación  con  la 
temperatura,  la  intensidad  de  la  precipitación  es  una  variable  aún  más  incierta  por  lo  cual  se 
requirieron  estudios  regionales  para  estimar  el  cambio  de  las  lluvias  en  el  futuro.  Los  estudios 
revisados se basaron en Modelos de Circulación General que permiten simular el comportamiento 
de  los  diferentes  componentes  del  sistema  climático  y  sus  interacciones.  A  partir  de  ellos  se 
establecieron  proyecciones  de  lluvia  para  la  zona  de  estudio,  en  particular  se  revisaron  cinco 
modelos,  pero  dadas  las  consideraciones  del  IPCC  acerca  de  estos  se  seleccionaron  dos  para  las 
proyecciones de lluvias futuras.  

A partir de la información hidrológica actual y de las estimaciones de las lluvias futuras fue posible 
generar  hietogramas  de  diferentes  características,  tales  como  duración,  periodo  de  retorno  y 
aproximación al Cambio Climático. Los hietogramas fueron utilizados para hacer simulaciones de 
inundación con el modelo Itzï, el cual permitió obtener profundidades de inundación en diferentes 
tiempos. Itzï fue una herramienta adecuada para las simulaciones en condiciones urbanas debido a 
que  permite  tener  en  cuenta  la  interacción  entre  el  drenaje  y  la  superficie,  adicionalmente  se 
obtienen los resultados en un entorno de sistema de información geográfico que facilita el análisis 
y  presentación  de  estos.  Las  profundidades  de  inundación  fueron  empleadas  para  calcular  la 
resiliencia en toda la zona de estudio y discriminar por manzanas de la zona. De esta manera se hizo 
un análisis tanto global como específico de los cambios de la resiliencia en Chicó Sur.  

El  índice  de  resiliencia  empleado  para  este  estudio  tuvo  en  cuenta  las  características  de  la 
inundación  y  también  una  aproximación  a  la  condición  socioeconómica  de  las  personas  y  sus 
viviendas.  El  FRI  permitió  observar  la  gravedad  de  las  inundaciones  simuladas  y  clasificar  las 
manzanas  más  críticas  para  los  diferentes  escenarios  propuestos.  En  términos  generales  se 
identificó que la resiliencia efectivamente disminuye al considerar el efecto del Cambio Climático, 
pero lo hace de forma heterogénea en el espacio. La zona oriental mantiene índices de resiliencia 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

75 

 

altos  frente  a  la  mayoría  de  los  escenarios  simulados,  por  el  contrario,  la  zona  centro  y  la  zona 
occidental se ven más afectadas por el cambio en la intensidad de los hietogramas que consideran 
el Cambio Climático.  

Adicionalmente,  en  este  estudio  se  encontraron  algunas  relaciones  entre  la  severidad  de  la 
inundación y las características de la lluvia. Las inundaciones generadas a partir de hietogramas de 
mayor duración tuvieron mayor impacto en la resiliencia que las inundaciones generadas a partir de 
lluvias  cortas.  Por  otro  lado,  el  efecto  del  periodo  de  retorno  fue  el  esperado,  debido  a  que  las 
inundaciones con periodo de retorno de 30 años fueron más graves que las inundaciones generadas 
a partir de hietogramas de 5 años de periodo de retorno. 

La  última  variable  considerada  fue  el  modelo  de  Cambio  Climático,  en  este  campo  se  pudo 
evidenciar que las inundaciones con bajo periodo de retorno que consideraban los MCGs no diferían 
en gran medida con las inundaciones generadas a partir del modelo de la Empresa de Acueducto y 
Alcantarillado,  pero  a  medida  que  el  periodo  de  retorno  incrementó,  las  diferencias  fueron más 
grandes.  Lo  anterior  indica  que  el  Cambio  Climático  no  tendrá  gran  efecto  sobre  las  lluvias 
frecuentes  pero  los  eventos  de  precipitación  extremos  serán  más  intensos.  Lo  anterior  es 
equivalente  a  indicar  que  los  eventos  de  gran  intensidad  en  la  ciudad  de  Bogotá  disminuyen  su 
periodo  de  retorno.  Esta  consideración  puede  ser  importante  al  hacer  los  diseños  de  obras 
hidráulicas en la capital en los próximos años. 

Al comparar los resultados obtenidos con la solución de Tanques de Tormenta se puede observar 
que la cantidad de tanques propuesta puede ser disminuida para priorizar las zonas con mayores 
afectaciones al índice de resiliencia, esto puede permitir una reducción del costo de la solución o 
indicar la zona que primero debe atenderse en caso de las obras de adecuación. Este tipo de análisis 
se recomienda realizar posterior a esta investigación, adicionalmente, se pueden tener en cuenta 
otro tipo de soluciones, tales como otros sistemas de drenaje urbano sostenible (SUDS).  

5.1  Trabajo Futuro 

A  partir  de  lo  indicado  en  esta  investigación,  estudios  posteriores  pueden  plantear  soluciones 
teniendo el índice de resiliencia como objetivo de ejercicios de optimización. Gracias a la interacción 
del suelo con el drenaje del modelo de inundaciones, se pueden proponer diseños o modificaciones 
con la red de SWMM para encontrar alternativas que mejoren la resiliencia de las manzanas críticas 
en Chicó Sur.  

De  igual  manera,  todo  ejercicio  de  modelación  está  sujeto  a  restricciones,  suposiciones  y 
simplificaciones de la realidad y por lo tanto es posible implementar mejoras. En el caso del ejercicio 
de  modelación  de  este  estudio  se  propone  actualizar  los  modelos  de  circulación  general 
implementados  en  este  estudio  y  utilizar  los  modelos  del  CMIP6,  próximo  a  publicarse. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

76 

 

Adicionalmente,  las  aproximaciones  de  Cambio  Climático  presentan  incertidumbre  inherente 
debido  a  que  se  están  estimando  condiciones  futuras,  por  lo  anterior,  se  recomienda  hacer  un 
análisis de variabilidad climática que incluya la incertidumbre de manera adecuada.  

Entre otras mejoras al ejercicio de modelación realizado se encuentra utilizar capas de información 
actualizadas, debido a que el ambiente urbano es dinámico y se realizan cambios y modificaciones 
al ambiente constantemente. Toda la información que  se utilizó en este estudio puede cambiar, 
desde la elevación del terreno hasta la rugosidad y la red de drenaje. La información actualizada, 
precisa y exacta es vital para la calidad de los resultados.  

El índice de resiliencia empleado, FRI, puede ser estudiado con mayor profundidad y adaptarse a las 
condiciones regionales de la ciudad de Bogotá o a subsectores de la misma. Este indicador presenta 
múltiples parámetros,  valores de referencia,  estructura matemática y  pesos de ponderación  que 
pueden  ser  sujetos  de  tal  manera  que  el  índice  represente  de  mejor  manera  el  efecto  de  las 
inundaciones en las viviendas. Tales ejercicios de adaptación del índice pueden apuntar a un índice 
interpretable  que  indique  la  afectación  y  posible  retribución  por  parte  del  Estado  o  compañías 
aseguradoras. 

Este  estudio  puede  ser  implementado  por  las  entidades  encargadas  de  hacer  este  tipo  de 
investigaciones  en  la  ciudad,  tales  como:  IDIGER,  IDEAM  y  la  Alcaldía  de  la  ciudad.  El  presente 
estudio describe una metodología para estimar el riesgo por inundaciones urbanas que puede ser 
replicada  en  otras  zonas  de  la  ciudad  e  incluso  en  otras  ciudades.  Esta  metodología  puede  ser 
empleada  como  herramienta  de  priorización  de  intervención  para  generar  mapas  de  amenaza, 
riesgo y así evitar los daños generados por las inundaciones urbanas.  

Finalmente, es muy importante resaltar la necesidad de hacer investigaciones futuras en diferentes 
zonas de la ciudad, bajo diferentes condiciones y generando acciones eficaces mediante ejercicios 
de  planeación  y  construcción  de  infraestructura  que  permita  efectivamente  incrementar  la 
resiliencia a las inundaciones urbanas de la ciudad de Bogotá tanto para la actualidad como para el 
futuro. 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

77 

 

6  REFERENCIAS 

Acevedo  Aristizábal,  L.  A.  (2009).  Estimación  hidrológica  bajo  escenarios  de  cambio 

climático en Colombia

Acosta  Barragán,  J.  C.,  &  Saldarriaga  Valderrama,  J.  G.  (2013).  Cálculo  de  escorrentía 

urbana  para  el  centro  de Bogotá  por  medio  de Sistemas de información Geográfico
Universidad de los Andes. 

Alcaldía Mayor de Bogotá. (2004). Decreto 190 de 2004. Retrieved January 5, 2020, from 

2004 website: https://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=13935 

Bates, P., Trigg, M., Neal, J., & Dabrowa, A. (2013). LISFLOOD-FP User manual: Code 

release 5.9.6 (pp. 1–49). pp. 1–49. 

Castro, M. (2007). Los modelos climáticos globales. Cursos de Verano de La Universidad 

de Cantabria

Chen,  K.  F.,  &  Leandro,  J.  (2019).  A  Conceptual  time-varying  flood  resilience  index  for 

urban 

areas: 

Munich 

city. 

Water 

(Switzerland)

11(4). 

https://doi.org/10.3390/w11040830 

Chow, V. Te, Maidment, D., & Mays, L. (1994). Hidrología Aplicada

Courty,  L.  (2017).  Tutorial  —  Itzï  17.11  documentation.  Retrieved  June  9,  2019,  from 

https://itzi.readthedocs.io/en/latest/tutorial.html#get-ready 

Courty, L. G., Pedrozo-Acuña, A., & Bates, P. D. (2017). Itzï (version 17.1): an open-source, 

distributed GIS model for dynamic flood simulation. Geoscientific Model Development
10(4), 1835–1847. https://doi.org/10.5194/gmd-10-1835-2017 

Courty, L., & Pedrozo-Acuña, A. (2016). Modelo numérico para la simulación dinámica de 

inundaciones urbanas en SIG. https://doi.org/10.5281/ZENODO.159619 

Courty  Laurent,  Pedrozo-Acuña  Adrián,  B.  P.  (2017).  Itzï.  Retrieved  June  3,  2019,  from 

itzi.org website: https://www.itzi.org/about/ 

DANE. (n.d.). Estratificación Socioeconómica - Preguntas Frecuentes. Retrieved January 8, 

2020, 

from 

https://www.dane.gov.co/index.php/servicios-al-ciudadano/116-

espanol/informacion-georreferenciada/2421-estratificacion-socioeconomica-
preguntas-frecuentes 

de Almeida, G. A. M., & Bates, P. (2013). Applicability of the local inertial approximation 

of the shallow water equations to  flood  modeling.  Water Resources  Research,  49(8), 
4833–4844. https://doi.org/10.1002/wrcr.20366 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

78 

 

El Espectador. (2017). Por segunda vez en el año se inundó el deprimido de la calle 94, en el 

norte  de  Bogotá  -  ELESPECTADOR.COM.  Retrieved  June  9,  2019,  from 
https://www.elespectador.com/noticias/bogota/por-segunda-vez-en-el-ano-se-inundo-
el-deprimido-de-la-calle-94-en-el-norte-de-bogota-articulo-726048 

Government 

of 

Ontario, 

M. 

of 

T. 

(n.d.). 

HEC-RAS

Retrieved 

from 

http://www.mto.gov.on.ca/english/publications/drainage/software/hecrasc.shtml#mini
mum-requirements 

Holling,  C.  S.  (1973).  of  Ecological  Systems.  Source:  Annual  Review  of  Ecology  and 

Systematics

4(1973), 

1–23. 

Retrieved 

from 

http://www.jstor.org/stable/2096802%5Cnhttp://www.jstor.org/page/info/about/policie
s/terms.jsp%5Cnhttp://www.jstor.org 

IDEAM. (2018). La variabilidad climática y el cambio climático en Colombia. 28. 

IDIGER. 

(2016). 

Cambio 

Climático. 

Retrieved 

January 

5, 

2020, 

from 

https://www.idiger.gov.co/rcc 

IDIGER. (2018). DesInventar | Colombia  - Inventario histórico de desastres - Bogotá DC. 

IDIGER 

SIRE. 

Retrieved 

January 

4, 

2020, 

from 

2018 

website: 

https://online.desinventar.org/desinventar/#COL-20180227192609 

IDIGER.  (2019).  Riesgo  por  Inundación  -  Idiger.  Retrieved  January  4,  2020,  from 

https://www.idiger.gov.co/rinundacion 

IPCC. (2014a). Cambio climático 2013:  bases de la ciencia  física.  Livestock Research for 

Rural 

Development

2. 

Retrieved 

from 

https://www.ipcc.ch/news_and_events/docs/ar5/ar5_wg1_headlines_es.pdf 

IPCC. (2014b). Evaluation  of climate models.  Climate Change 2013 the Physical  Science 

Basis:  Working  Group  I  Contribution  to  the  Fifth  Assessment  Report  of  the 
Intergovernmental 

Panel 

on 

Climate 

Change

9781107057

741–866. 

https://doi.org/10.1017/CBO9781107415324.020 

Ministerio de Vivienda, C. y T. (2016). Título D - Sistemas de recolección y evacuación de 

aguas residuales domésticas y aguas lluvias. In Reglamento Técnico del Sector de Agua 
Potable 

Saneamiento 

Básico

Retrieved 

from 

http://www.minvivienda.gov.co/Documents/ViceministerioAgua/TITULO_D.pdf 

Moghadas, M., Asadzadeh, A., Vafeidis, A., Fekete, A., & Kötter, T. (2019). A multi-criteria 

approach for assessing urban flood resilience in Tehran, Iran. International Journal of 
Disaster Risk Reduction
35. https://doi.org/10.1016/j.ijdrr.2019.101069 

Mugume, S., Gomez, D., & Butler, D. (2014). Quantifying the Resilience of Urban Drainage 

Systems  Using  a  Hydraulic  Performance  Assessment  Approach.  13th  International 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

79 

 

Conference 

on 

Urban 

Drainage

(September), 

7–12. 

https://doi.org/10.13140/2.1.3291.1047 

National  Geographic.  (2019).  Floods—facts  and  information.  Retrieved  January  4,  2020, 

from https://www.nationalgeographic.com/environment/natural-disasters/floods/ 

Noriega,  J.  (2013).  Coeficientes  n  de  Manning.  Retrieved  June  9,  2019,  from 

https://es.scribd.com/doc/167771562/Coeficientes-n-de-Manning 

Pulgarín Dávila, E. G. (2009). Fórmulas regionales para la estimación de curvas intensidad 

- frecuencia - duración basadas en las propiedades de escala de la lluvia (región andina 
colombiana)
. Retrieved from http://bdigital.unal.edu.co/2467/ 

Pulgarín Morales, L., & Saldarriaga Valderrama, J. G. (2018). Prueba de la metodología de 

localización de tanques de tormenta en diferentes sectores de las ciudades de Bogotá y 
Medellín
. Universidad de los Andes. 

Sampson, C. C., Bates,  P. D., Neal,  J. C., & Horritt,  M. S. (2013).  An automated routing 

methodology  to  enable  direct  rainfall  in  high  resolution  shallow  water  models. 
Hydrological Processes27(3), 467–476. https://doi.org/10.1002/hyp.9515 

Secretaría Distrital de Planeación. (2018). Documentos POT Chapinero . Retrieved January 

7, 2020, from http://www.sdp.gov.co/micrositios/pot/documentos 

Teng,  J.,  Jakeman,  A.  J.,  Vaze,  J.,  Croke,  B.  F.  W.,  Dutta,  D.,  &  Kim,  S.  (2017).  Flood 

inundation  modelling:  A  review  of  methods,  recent  advances  and  uncertainty 
analysis. 

Environmental 

Modelling 

and 

Software

90

201–216. 

https://doi.org/10.1016/j.envsoft.2017.01.006

 

Universidad de los Andes PAVCO. (2014). Drenaje Urbano y Cambio Climático FASE I-II: 

Hacia los sistemas de alcantarillado del futuro. Bogotá. 

Wiig, S., & Fahlbruch, B. (2019). Exploring Resilience A Scientific Journey from Practice to 

Theory. Retrieved from http://www.springer.com/series/15119 

Young,  G.  (2015).  Flooding  Can  Have  Long-Lasting  Impact  on  Health,  Environment. 

Retrieved 

January 

7, 

2020, 

from 

2015 

website: 

https://today.ttu.edu/posts/2015/06/flooding-long-term-impact-health-environment 

 

/var/www/pavco.com.co/public/site/pdftohtml/f112d9d5cf73f2887ca8b634c5b75c0e/index-html.html
background image

 

Universidad de los Andes 
Departamento de Ingeniería Civil y Ambiental 
Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA 
Modelación dinámica de inundaciones en escenarios de Cambio Climático 

MIC 2019-20 

 

 

Jorge Alexander Garzón Díaz 

Tesis II 

80 

 

7  ANEXOS 

Tabla 21. Valores de las curvas IDF para Chicó Sur(Universidad de los Andes PAVCO, 2014) 

CHICO SUR - CURVAS IDF (mm/día) 

PERIODO DE 

RETORNO 

BASE 

MODELO 

EAAB 

MRI CGCM3  BCC CSM1 1M  BCC CSM1 1  CSIRO Mk3 6 0  MIRO C5 

45.46 

44.50 

62.72 

47.11 

35.53 

33.48 

52.98 

54.22 

76.17 

57.46 

42.09 

40.42 

10 

61.55 

71.08 

98.70 

75.71 

50.65 

50.52 

25 

73.40 

103.08 

139.63 

111.13 

61.99 

65.87 

30 

76.09 

111.23 

149.76 

120.26 

64.28 

69.27 

50 

80.51 

138.11 

182.60 

150.69 

70.79 

79.48 

100 

89.40 

186.63 

240.04 

206.48 

79.86 

95.20 

Tabla 22. Hietogramas sintéticos de las simulaciones 

Hietogramas sintéticos - Chicó Sur 

Simulación 

10 

11 

12 

0:00 

52.36 

52.93 

62.75 

62.69 

78.39 

95.63 

9.27 

9.37 

11.11 

11.09 

13.88 

16.92 

0:05 

164.70  166.44  197.26  197.17  246.50  300.65  10.94 

11.06 

13.11 

13.09 

16.38 

19.97 

0:10 

164.70  166.44  197.26  197.17  246.50  300.65  13.27 

13.41 

15.89 

15.87 

19.86 

24.21 

0:15 

84.76 

85.68  101.57  101.50  126.90  154.80  16.68 

16.86 

19.99 

19.96 

24.97 

30.45 

0:20 

52.36 

52.93 

62.75 

62.69 

78.39 

95.63 

22.10 

22.34 

26.48 

26.45 

33.09 

40.35 

0:25 

36.75 

37.15 

44.04 

44.00 

55.02 

67.11 

31.73 

32.07 

38.02 

37.98 

47.50 

57.94 

0:30 

27.80 

28.10 

33.32 

33.28 

41.62 

50.77 

52.36 

52.93 

62.75 

62.69 

78.39 

95.63 

0:35 

22.10 

22.34 

26.48 

26.45 

33.09 

40.35  164.70  166.44  197.26  197.17  246.50  300.65 

0:40 

18.20 

18.39 

21.80 

21.78 

27.24 

33.22  164.70  166.44  197.26  197.17  246.50  300.65 

0:45 

15.38 

15.55 

18.43 

18.41 

23.02 

28.08 

84.76 

85.68  101.57  101.50  126.90  154.80 

0:50 

13.27 

13.41 

15.89 

15.87 

19.86 

24.21 

52.36 

52.93 

62.75 

62.69 

78.39 

95.63 

0:55 

11.63 

11.75 

13.93 

13.91 

17.41 

21.22 

36.75 

37.15 

44.04 

44.00 

55.02 

67.11 

1:00 

10.33 

10.44 

12.37 

12.36 

15.46 

18.85 

27.80 

28.10 

33.32 

33.28 

41.62 

50.77 

1:05 

9.27 

9.37 

11.11 

11.09 

13.88 

16.92 

22.10 

22.34 

26.48 

26.45 

33.09 

40.35 

1:10 

8.40 

8.49 

10.06 

10.05 

12.58 

15.33 

18.20 

18.39 

21.80 

21.78 

27.24 

33.22 

1:15 

7.67 

7.75 

9.19 

9.18 

11.48 

14.00 

15.38 

15.55 

18.43 

18.41 

23.02 

28.08 

1:20 

7.05 

7.13 

8.45 

8.44 

10.56 

12.87 

13.27 

13.41 

15.89 

15.87 

19.86 

24.21 

1:25 

6.52 

6.59 

7.81 

7.80 

9.76 

11.90 

11.63 

11.75 

13.93 

13.91 

17.41 

21.22 

1:30 

6.06 

6.13 

7.26 

7.25 

9.07 

11.06 

10.33 

10.44 

12.37 

12.36 

15.46 

18.85 

1:35 

5.66 

5.72 

6.78 

6.77 

8.47 

10.33 

9.27 

9.37 

11.11 

11.09 

13.88 

16.92 

 

¿Quiere saber más? Contáctenos

Declaro haber leído y aceptado la Política de Privacidad