Generar de forma fácil con Python Curvas IDF mediante método simplificado INVIAS
Se presenta un script de Python, con el que se calculan casi automáticamente Curvas regionalizadas de intensidad duración frecuencia para Colombia, basado en el manual de drenajes para carreteras del invias.
6/2/20251 min read
Las Curvas Intensidad-Duración-Frecuencia (IDF) son herramientas fundamentales en el diseño hidráulico e hidrológico. Permiten estimar la intensidad de lluvia máxima esperada para distintas duraciones y periodos de retorno, siendo clave en la planificación de drenajes urbanos, estructuras hidráulicas y obras de control de inundaciones.
En este artículo te presentamos un enfoque práctico para construir curvas IDF a partir de datos de precipitación, utilizando Python como herramienta para análisis, ajuste de distribuciones estadísticas y visualización.
Link del scirpt: https://mega.nz/file/4YpkTJ4Y#huWtPGcpYbiEdBETRIHUn7ODZFTuDVNZPY1PC49mN1w
Link del video explicativo: https://youtu.be/yopxPb1ZuXo
¿Qué contiene el video?
El video guía al usuario a través del proceso completo de generación de curvas IDF, mostrando:
1. Ingreso de datos de precipitación
Se parte de series históricas de datos pluviográficos o pluviohorarios, que son organizados por duración (5, 10, 15, 30, 60, 120 minutos, etc.).
2. Cálculo de máximos anuales por duración
Se identifica el máximo valor registrado por año para cada duración, generando series anuales necesarias para el análisis de frecuencia.
3. Ajuste de distribuciones de probabilidad
Se aplican modelos estadísticos como Gumbel, Log-Pearson III o Weibull para calcular la intensidad esperada de lluvia para distintos periodos de retorno (2, 5, 10, 25, 50, 100 años).
4. Construcción de las curvas IDF
Se generan gráficas donde se representan las curvas de intensidad (mm/h) frente al tiempo de duración, para cada periodo de retorno. Las curvas son exportables y listas para su uso en proyectos de diseño hidráulico.
¿Por qué usar Python para curvas IDF?
Python permite automatizar y replicar fácilmente el proceso con ventajas como:
Lectura masiva de datos pluviométricos
Ajuste de distribuciones con librerías como scipy.stats
Generación de gráficos personalizados con matplotlib
Exportación de resultados tabulados y figuras en alta calidad
Aplicaciones prácticas
Las curvas IDF son esenciales en:
Diseño de redes de drenaje pluvial
Dimensionamiento de alcantarillados y cunetas
Modelación hidrológica urbana
Evaluación del riesgo de inundaciones
Conclusión
Contar con curvas IDF confiables es clave para diseñar infraestructuras resilientes frente a eventos extremos de lluvia. Automatizar su generación con Python mejora la precisión, facilita su actualización periódica y permite adaptar el proceso a diferentes estaciones y regiones.