ARTÍCULO DE INVESTIGACIÓN / RESEARCH ARTICLE

Integración de teledetección y SIG para estimar C, CN y actualizar curvas IDF en el departamento del Cauca (Colombia)

Remote sensing–GIS integration for estimating C, CN, and updating IDF curves in the Cauca department (Colombia)

Oscar Felipe Agredo-Campuzano*
Dayanna Lizeth Jiménez-Barón**
Andrea Marcela Bolaños-Rodríguez***
María Jimena Paredes-Guevara****

Correspondencia: Oscar Felipe Agredo-Campuzano. Universidad del Cauca, Facultad de Ingeniería Civil, Departamento de Hidráulica, carrera 2 n.° 15N esquina, Campus Tulcán, ofic. 441, Popayán, Cauca (Colombia). Celular: +573054064387.

Este estudio desarrolla dos herramientas complementarias que integran teledetección y SIG para fortalecer la gestión hidrológica del departamento del Cauca (Colombia). La primera, metodológica, combina un modelo de elevación digital derivado de imágenes ALOS-PALSAR, con mapas de coberturas (IDEAM) y mapas de suelos (IGAC) para estimar objetivamente los coeficientes de escorrentía (C) y los números de curva (CN) en 41 cuencas que abarcan aproximadamente el 50 % del territorio. Se encontró una correlación C-CN significativa (R² = 0,71). Todo el flujo de trabajo se automatizó en la aplicación “C_ CN_Calculator”. La segunda, informática, procesa series de 86 estaciones pluviométricas activas (IDEAM) (≥ 15 años) y, mediante análisis de datos dudosos, pruebas de bondad de ajuste, y aplicando el método simplificado se obtienen las precipitaciones para diferentes tiempos de retorno, así como las curvas intensidad-duración-frecuencia (IDF); los resultados se publican enuna plataforma web interactiva (ArcGIS Online) que agiliza la consulta y descarga de insumos para estudios y diseños hidráulicos. La integración de ambas herramientas unifica criterios antes dispersos, acelera los cálculos hidrológicos y ofrece una base técnica replicable que incrementa la resiliencia territorial frente a eventos extremos.

Palabras clave: coeficiente de escorrentía, curvas IDF, hidrología, número de curva, SIG.

This study develops two complementary tools that combine remote sensing and GIS to strengthen hydrological management in the Cauca Department (Colombia). The first, a methodological tool, merges a digital elevation model derived from ALOS-PAL-SAR imagery with land-cover (IDEAM) and soil maps (IGAC) to objectively estimate runoff coefficients (C) and Curve Numbers (CN) in 41 watersheds, covering ~50% of the department, and yields a significant C– CN correlation (R² = 0.71). The entire workflow is automated in the “C_CN_Calculator” application. The second, an informatics tool, processes records from 86 active rain gauges (IDEAM) (≥ 15 years); after outlier screening, goodness-of-fit testing, and the simplified method, it computes precipitation for multiple return periods and generates intensity-duration-frequency (IDF) curves. All results are published on an interactive ArcGIS Online platform, expediting data retrieval for hydraulic design and risk management. By standardizing procedures that were previously scattered, the integration of these tools accelerates hydrological calculations and provides a replicable technical framework that enhances regional resilience to extreme hydrometeorological events.

Keywords: curve number, GIS, hydrology, IDF curves, runoff coefficient.

INTRODUCCIóN

La gestión de los recursos hídricos y la evaluación de la escorrentía son fundamentales para el diseño de infraestructuras hidráulicas resilientes, particularmente en regiones como el departamento del Cauca (Colombia), caracterizadas por alta variabilidad climática, topográfica y de uso del suelo. En nuestra experiencia profesional y académica en esta región, ha sido evidente que comprender la escorrentía implica analizar con precisión parámetros como el coeficiente de escorrentía (C) y el número de curva (CN), ambos esenciales para modelar procesos hidrológicos, prever impactos y diseñar medidas de mitigación ante eventos extremos [1].

Las curvas intensidad-duración-frecuencia (IDF) también cumplen un papel clave en la hidrología aplicada, ya que permiten estimar caudales de diseño y dimensionar obras hidráulicas con base en la frecuencia e intensidad de lluvias [2]. No obstante, en el Cauca, parte de la información meteorológica disponible se encuentra fragmentada o poco sistematizada, lo que representa una limitación recurrente en el desarrollo de proyectos de planificación y diseño hidráulico [3].

Métodos ampliamente usados, como el racional o el hidrograma unitario sintético del SCS (Soil Conservation Service), dependen directamente de una adecuada caracterización de C y CN. Mientras C estima la fracción de lluvia convertida en escorrentía superficial, el CN incorpora información sobre el tipo de suelo, cobertura vegetal y condiciones hidrológicas [4]. Sin embargo, se ha observado que la relación entre ambos parámetros rara vez se aborda de manera integrada, lo cual reduce la precisión de los modelos hidrológicos convencionales [5].

En este contexto, este estudio plantea tres objetivos principales: (i) caracterizar 41 cuencas del Cauca y establecer la relación entre C y CN mediante herramientas SIG y análisis estadístico; (ii) generar curvas IDF para 86 estaciones a partir de distribuciones de probabilidad y pruebas de bondad de ajuste [6]; y (iii) desarrollar una plataforma web interactiva que facilite el acceso y aplicación de esta información en contextos técnicos, académicos y de gestión del riesgo [7].

Los resultados se difunden mediante una plataforma web interactiva (ArcGIS Online) que simplifica la consulta y descarga de insumos para proyectos hidráulicos. Esta integración estandariza criterios antes dispersos, agiliza el procesamiento hidrológico y crea una base técnica reproducible que refuerza la resiliencia territorial frente a eventos extremos. Con ello, el estudio no solo profundiza el entendimiento hidrológico regional, sino que también ofrece soluciones prácticas para el Cauca: la correlación entre C y CN, la generación de curvas IDF y su publicación abierta son aportes concretos hacia una gestión hídrica más informada, accesible y robusta ante el cambio climático.

La metodología se estructuró en cinco fases: (A) descripción de la zona de estudio; (B) recopilación y procesamiento de información; (C) cálculo de C y CN; (D) generación de curvas IDF y (E) visualización de resultados en una plataforma web de libre acceso.

Descripción de la zona de estudio

El estudio se desarrolló en el departamento del Cauca (Colombia), región clave en términos hídricos, con una superficie de 29 308 km² y cinco cuencas hidrográficas principales: Alto Cauca, Alto Magdalena, Caquetá, Pacífico y Patía [8]. Se analizaron 41 cuencas instrumentadas, que representan el 52,35 % del territorio, y se consideraron datos de 86 estaciones meteorológicas, con una densidad de una estación por cada 340 km².

Recopilación y procesamiento de información

Se recopilaron datos hidrometeorológicos y geoespaciales de fuentes oficiales:

modelos digitales de elevación (ALASKA FACILITY) [9], mapas de cobertura [10] generados a partir de imágenes satelitales (EARTH-EXPLORER) [11] y tipos de suelo (IGAC) [12], y series históricas de precipitación máxima diaria (IDEAM) [13].

El procesamiento inició con la verificación de consistencia y completitud de los datos en MS Excel y R [14]. Los valores faltantes se completaron utilizando el método del promedio o, en su defecto, con datos de estaciones cercanas [1]. Las series presentaron buena calidad, con menos del 5 % de datos que tuvieron que ser completados. Se aplicó también el análisis de datos dudosos propuesto por el Water Resources Council [15]. Para los datos geoespaciales, se realizaron operaciones en ArcMap 10.8, como recortes, uniones (“dissolve” y “union”) y reclasificaciones, con el fin de consolidar unidades homogéneas según características hidrológicas.

El cálculo de los parámetros hidrológicos claves incluyó el coeficiente de escorrentía (C) y el número de curva (CN-II). Para su estimación, los suelos fueron clasificados en cuatro grupos hidrológicos (A, B, C y D), con base en su textura, capacidad de infiltración y propiedades de drenaje.

La textura del suelo es un factor determinante en procesos físicos, químicos y biológicos, ya que influye en la retención y movimiento del agua, la resistencia mecánica y el potencial de lixiviación de contaminantes. Por ello, es fundamental en el diseño hidráulico y la gestión del recurso hídrico.

Según el tamaño de partículas menores de 2 mm, la textura se clasifica en arenas (2-0,02 mm), limos (0,02-0,002 mm) y arcillas (<0,002 mm) [16]. A partir de estas fracciones, los suelos se agrupan en texturas gruesas (arenosas), medias (francas) y finas (arcillosas).

Los suelos se clasificaron, según INVIAS [17], en cuatro grupos hidrológicos:

Esta clasificación se aplicó a los polígonos de suelos mediante sus unidades cartográficas [10].

Posteriormente, se caracterizaron las pendientes del terreno a partir de modelos de elevación digital, procesados en software SIG. Estas se reclasificaron en cuatro clases, según INVIAS [17]: plano (0-5 %), ondulado (5-10 %), montañoso (10-30 %) y escarpado (>30 %).

Se realizaron intersecciones espaciales entre los mapas de cobertura, suelos y pendiente para estimar el coeficiente de escorrentía (C) ponderado en cada cuenca. De forma similar, se cruzaron cobertura y suelos para obtener el número de curva (CN) ponderado. Este procedimiento se ejecutó en ArcMap mediante las funciones “union” y “dissolve”, lo cual generó polígonos homogéneos en función de las variables clave.

A cada polígono se le asignó un valor de C y CN con base en tablas bibliográficas [18], [19], que clasifican los parámetros según el tipo de suelo, la cobertura vegetal y el grupo hidrológico del suelo. Algunos de los criterios utilizados se presentan en la tabla 2.

Con la capa vectorial (cobertura, suelos y pendiente) se desarrolló una herramienta automatizada denominada C_CN_Calculator, implementada en Model Builder, que permite estimar ambos parámetros para cualquier polígono dentro del área.

Se completó así la estimación de C y CN para las 41 cuencas analizadas, cuya distribución espacial se presenta en la figura 3.

Posteriormente, se aplicó un análisis de correlación y regresión lineal simple entre C y CN. Se evaluó la normalidad de los datos, su correlación y significancia estadística mediante el software SPSS. La relación obtenida mostró un coeficiente de determinación R² = 0,708, lo cual indica una asociación significativa entre ambas variables.

Para validar el modelo, se utilizaron datos de una cuenca caracterizada mediante vuelos de radar. La diferencia con respecto al modelo estimado fue del 16 %, lo que confirma su confiabilidad.

Generación de curvas IDF

La metodología para la generación de curvas IDF se estructuró en cuatro fases. En la primera, se solicitó y recopiló información de precipitación máxima diaria en 24 horas de estaciones pluviométricas y/o pluviográficas del IDEAM [13], procesando los valores máximos multianuales mediante tablas dinámicas en MS Excel.

En la segunda fase se aplicaron los procedimientos de limpieza, verificación y completitud de datos previamente descritos [1], [14], [15], garantizando la calidad de las series y la detección de valores atípicos. Posteriormente, se ajustaron distribuciones de probabilidad para distintos periodos de retorno, consolidando un conjunto robusto de curvas IDF para el departamento del Cauca.

En la tercera fase se elaboraron las curvas IDF utilizando metodologías aceptadas por la normativa vigente [2], [17], para períodos de retorno de 2 a 100 años y duraciones entre 10 y 360 minutos, con la ecuación de lluvias correspondiente (ver la ecuación 1):

Donde los parámetros a, b, c y d dependerán de la zona en la que se encuentra la estación; para el departamento del Cauca se tiene zona andina (0.94, 0.18, 0.66 y 0.83) y zona pacífica (13.92, 0.19, 0.58 y 0.20). El valor de M se conoce como la precipitación máxima promedio anual en 24 horas multianual [17], la variable T corresponde al periodo de retorno en años, y el valor de tc será la duración de la lluvia, en minutos.

Durante la cuarta y última fase se aplicaron análisis de frecuencias, distribuciones de probabilidad y pruebas de bondad de ajuste, lo que permitió proyectar los valores correspondientes a precipitación máxima en 24 horas distintos escenarios de diseño y/o periodos de retorno.

Finalmente, los resultados fueron integrados en un portal web interactivo que facilita el acceso y uso de las curvas IDF en procesos de planificación y diseño hidrológico e hidráulico.

Durante la estimación de los coeficientes de escorrentía (C) y números de curva (CN-II), se determinó el porcentaje de área según tipos de suelo, clases de pendiente y coberturas del terreno. Estos resultados se presentan en las tablas 4, 5 y 6. En la tabla 3 se evidencia el predominio de suelos tipo C (50,48 %), caracterizados por infiltración lenta y potencial de escorrentía moderadamente alto. En cuanto a coberturas (tabla 5), el bosque denso representa el 33,67 % del área, seguido del mosaico de cultivos, pastos y espacios naturales (13,16 %), reflejando una coexistencia entre ecosistemas naturales y actividades productivas, con implicaciones en la degradación de cuencas y riesgos por transporte en masa [20].

Con los valores estimados de C y CN (tabla 6) se elaboró un diagrama de dispersión que mostró una relación lineal significativa (R² = 0,708), como se observa en la figura 4, con su respectiva ecuación de correlación (ver ecuación 2).

CN = (112,990 x C) + 12,812                   (2)

El análisis estadístico se desarrolló en SPSS, incluyendo la prueba de normalidad Kolmogorov-Smirnov (K-S), cuyos resultados (p = 0,011 para C y p = 0,000 para CN) indicaron que los datos no siguen una distribución normal, por lo cual se justifica el uso de métodos no paramétricos.

Se aplicó el coeficiente de Spearman, y se obtuvo una correlación fuerte (ρ = 0,627). La hipótesis nula (H₀: no existe correlación significativa) fue rechazada (p = 0,000 < 0,05), lo cual confirma una asociación significativa entre las variables y respalda el uso del coeficiente C como predictor de CN.

Para validar la herramienta C_CN_Calculator, se empleó sobre la cuenca de la quebrada El Salado, objeto de estudio por parte de la Gobernación del Cauca, en la municipalidad de Páez [21], y caracterizada mediante vuelos de radar. La captura se efectuó mediante el sensor óptico activo ALTM GEMINI, montado en una aeronave CESSNA 182, el cual opera en el rango del espectro electromagnético correspondiente a la luz láser (teledetección activa). Esta tecnología permite obtener información tridimensional precisa (coordenadas x, y, z) a partir del tiempo de retorno de los pulsos láser, lo cual fue utilizado para generar Modelos Digitales de Terreno (MDT) y nubes de puntos clasificadas por tipo de superficie [22].

El valor de CN obtenido por radar fue 67,22, mientras que el estimado por la herramienta fue 57,91, representando una aproximación del 84 % (figura 5), valor adecuado y aceptable considerando la escala regional del análisis.

La cobertura espacial alcanzada permitió una caracterización detallada del centro y sur del departamento del Cauca, con énfasis en la región del Macizo Colombiano, donde se logró una clasificación del 100 %. Esta zona, considerada la principal estrella fluvial del país, representa un área estratégica para la gestión del recurso hídrico, al albergar el nacimiento de importantes cuencas hidrográficas como el Magdalena, Cauca y Amazonas. En contraste, municipios del litoral pacífico como Guapi y Timbiquí presentaron vacíos significativos, debido a limitaciones en el acceso, escasa densidad de estaciones y menor disponibilidad de información. Aunque se evidencian avances parciales en municipios como López de Micay, estas zonas siguen representando un reto técnico. Además, el norte del departamento, colindante con el Valle del Cauca, mostró una tendencia hacia la nula clasificación. Esta región, con alta proyección de desarrollo urbano e industrial, exige mayor atención para su caracterización hidrológica. En todos estos contextos, el uso de herramientas de teledetección y la ampliación de redes de monitoreo resultan fundamentales para cerrar brechas y avanzar hacia una gestión hídrica más equitativa y territorialmente integrada.

En relación con las curvas IDF, se recopilaron y procesaron datos de 86 estaciones pluviométricas. A pesar del acceso relativamente sencillo, se detectaron inconsistencias, especialmente en estaciones del Pacífico, lo cual requirió validación adicional con el IDEAM. Las series graficadas frente a sus valores extremos facilitaron la detección de “outliers” (figura 6), mejorando la precisión estadística. No todos fueron eliminados, pues algunos representaban eventos extremos reales, relevantes para diseño y evaluación de riesgo [23].

Tras validar los datos, se estimó la precipitación máxima promedio en 24 horas, insumo base para generar 86 curvas IDF, considerando períodos de retorno de 2 a 100 años y duraciones de 10 a 360 minutos (figura 7), según normativa vigente [17].

Las series fueron ajustadas a distribuciones estadísticas comunes en hidrología: Normal, Lognormal, Gamma, Log-Pearson, Gumbel Máx, entre otras [6], [24]. La prueba de Kolmogorov-Smirnov fue empleada para seleccionar la distribución más adecuada, valorada por su carácter no paramétrico y su flexibilidad para distintos tamaños de muestra [25].

La distribución con mejor ajuste en la estación #48 Piendamó fue la Lognormal, utilizada para estimar precipitaciones asociadas a diferentes periodos de retorno (tabla 8), luego de evaluarse las pruebas de bondad de ajuste (tabla 7).

En este artículo se detalla el procedimiento aplicado a una estación con datos de precipitación como ejemplo representativo, aunque la misma metodología fue implementada en las 86 estaciones del departamento, cuyos resultados se presentan de forma conjunta.

Finalmente, los resultados se integraron en una plataforma de visualización web mediante ArcGIS Online, la cual permite consultar las curvas IDF y series de tiempo generadas. Esta plataforma está disponible para los lectores en el siguiente enlace: https://dicam.maps.arcgis.com/apps/instant/atlas/index.html?appid=799bdb386fe34d24bcc399069fb707aa&webmap=1a69a15eb55447f5902a026f1930b4ed

La integración de teledetección, sistemas de información geográfica (SIG) y análisis estadístico permitió desarrollar herramientas metodológicas replicables, accesibles y de bajo costo. La correlación C-CN y la elaboración de curvas IDF desde información incompleta o dispersa representan aportes innovadores con aplicación directa en entornos con limitaciones técnicas. Esta combinación de enfoques fortalece las capacidades locales para reducir la incertidumbre en el diseño hidráulico, optimizar la planificación territorial y mejorar la resiliencia frente a eventos hidrometeorológicos extremos.

A futuro, se propone fortalecer el modelo mediante la calibración de los coeficientes con registros de caudales y precipitaciones observadas. Aunque las metodologías empleadas son semicuantitativas, su simplicidad y bajo requerimiento de datos las hacen especialmente útiles para estudios regionales [26]. Incorporar variables dinámicas, como los cambios en el uso del suelo o los escenarios climáticos proyectados, podría ampliar la aplicabilidad del enfoque hacia una gestión más adaptativa y de largo plazo, alineada con políticas de sostenibilidad y riesgo.

Este estudio permitió establecer una correlación lineal significativa entre el coeficiente de escorrentía (C) y el número de curva (CN-II), con un coeficiente de determinación R² = 0,708. La herramienta desarrollada, C_CN_Calculator, fue aplicada exitosamente en 41 cuencas del Cauca, mostrando su potencial como metodología replicable. Su validación con datos obtenidos mediante vuelos de radar en la cuenca de la quebrada El Salado arrojó una coincidencia del 84 %, lo cual refuerza su utilidad en contextos regionales.

Uno de los hallazgos más relevantes fue la alta proporción de suelos tipo C (más del 50 % del área estudiada), asociados a escorrentía moderadamente alta en paisajes de uso mixto agrícola y natural. Este patrón sugiere la necesidad urgente de integrar criterios hidrológicos en la planificación territorial y de promover estrategias de conservación del suelo que mitiguen la degradación de cuencas.

La generación de curvas IDF, basada en 86 estaciones con series de más de 15 años, constituye un insumo técnico clave para el diseño hidráulico y la gestión del riesgo. No obstante, se identificaron inconsistencias en varias estaciones del litoral pacífico, lo que refuerza la necesidad de migrar hacia redes de monitoreo más robustas, incluyendo estaciones con capacidad de transmisión en tiempo real (telemetría).

Los productos generados (en particular la plataforma de acceso libre desarrollada en ArcGIS Online) representan un avance importante para facilitar la toma de decisiones informadas en el diseño de infraestructura, la gestión de cuencas y la adaptación al cambio climático. Desde una perspectiva de transferencia de conocimiento, se espera que esta herramienta sea útil no solo para profesionales y entidades gubernamentales, sino también para comunidades locales interesadas en comprender mejor los riesgos asociados a eventos extremos.

A futuro, se recomienda profundizar en la calibración de los coeficientes C y CN mediante registros de caudales y precipitaciones observadas, e incorporar variables dinámicas como el cambio en el uso del suelo y escenarios climáticos proyectados. Estas mejoras permitirán escalar la aplicabilidad del enfoque hacia una gestión hidrológica más adaptativa, en coherencia con los principios de sostenibilidad, equidad territorial y reducción del riesgo de desastres.

Los autores agradecen al Grupo de Investigación en Hidráulica e Hidrología (GIHH) y al Semillero de Investigación HidroInnovación (SHI), cuya colaboración fue esencial para este trabajo. Al profesional William González (IDEAM), por el suministro de información hidrometereológica. A la Especialización en Ingeniería de Recursos Hídricos y al Doctorado en Ciencias Ambientales, ambos programas de la Universidad del Cauca por el suministro de licencias de ArcGIS.

CONTRIBUCIÓN DE LOS AUTORES

Agredo-Campuzano, O. F.: conceptualización, preparación de datos, análisis formal, investigación, metodología, administración de proyectos, recursos, software, supervisión, validación, visualización, redacción del borrador original, redacción - revisión y edición. Jiménez-Barón, D. L.: preparación de datos, análisis formal, investigación, software, validación, visualización, redacción del borrador original. Bolaños-Rodríguez, A. M.: análisis formal, obtención de fondos, investigación, supervisión, redacción - revisión y edición. Paredes-Guevara, M. J.: análisis formal, obtención de fondos, investigación, supervisión, redacción - revisión y edición.

Todos los autores han leído y aprobado la versión final del manuscrito.

Los autores declaran que no existe ningún conflicto de interés relacionado con la publicación de este artículo.

Los datos que respaldan los hallazgos de este estudio pueden obtenerse del autor correspondiente [Agredo-Campuzano, O. F.], previa solicitud razonable.

• [1]    V. T. Chow, D. R. Maidment y L. W. Mays, Applied Hydrology. New York, NY, USA: McGraw-Hill, 1988.

• [2]    R. Vargas y M. Díaz-Granados, “Curvas sintéticas regionalizadas de intensidad-duración-frecuencia para Colombia”, tesis de maestría, Universidad de los Andes, Bogotá, Colombia, 1998.

• [3]    L. D. Donado, S. A. Romero-Duque y D. A. Cortes-Ramos, “Regionalización de Caudales a partir de la Caracterización Morfoclimática de Cuencas. Caso de Estudio: Valle Medio de Magdalena - Colombia” (ponencia), en XXIV Seminario Nacional de Hidráulica e Hidrología, Barranquilla, 2021. Disponible en: https://sci.org.co/memorias-xxiv-seminario-nacional-de-hidraulica-e-hidrologia/. [Accedido marzo 2024].

• [4]    J. R. Témez, “Generalización y mejora del método racional”, Ingeniería Civil, vol. 82, pp. 51-56, 1991.

• [5]    M. Ajmal, M. Waseem, M. Jehanzaib y T.-W. Kim, “Development and testing of updated curve number models for efficient runoff estimation in steep-slope watersheds”, Journal of Hydrology, vol. 617, p. 129049, 2023. doi: https://doi.org/10.1016/j.jhydrol.2022.129049.

• [6]    F. Aparicio, Fundamentos de Hidrología de Superficie. Limusa, 1997.

• [7]    A. A. Méndez, “Transición energética en Colombia: Propuestas para promoverla a partir del potencial de las energías renovables y su nivel de implementación actual en el país” [En línea]. Disponible en: http://hdl.handle.net/11634/54075.

• [8]    IGAC - Instituto Geográfico Agustín Codazzi, “Diccionario Geográfico Gobernación del Departamento del Cauca”, 28 de agosto de 2023 [En línea]. Disponible en: https://diccionario.igac.gov.co/.

• [9]    University of Alaska Fairbanks, Alaska Satellite Facility, 2023 [En línea]. Disponible en: https://search.asf.alaska.edu/#/.

• [10]    Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Mapas Cobertura Tierra. Obtenido de Cobertura de la tierra periodo 2010 - 2012. Disponible en: http://www.siac.gov.co/catalogo-de-mapas.

• [11]    U.S. Geological Survey (USGS), “Earth Explorer”, 2023 [En línea]. Disponible en: https://earthexplorer.usgs.gov/.

• [12]    IGAC - Instituto Geográfico Agustín Codazzi, “Mapas de suelos del territorio colombiano a escala 1:100.000. Departamento: Cauca”, 2017 [En línea]. Disponible en: https://geoportal.igac.gov.co/contenido/datos-abiertos-agrologia.

• [13]    Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), “Consulta y descarga de datos hidrometeorológicos”, 2023[En línea]. Disponible en: http://dhime.ideam.gov.co/atencionciudadano/.

• [14]    R Core Team, “R: A Language and Environment for Statistical Computing”. R Foundation for Statistical Computing, 2024 [En línea]. Disponible en: https://www.R-project.org.

• [15]    Water Resources Council (actualmente United States Geological Survey), “Guidelines for determining flood flow frequency”, bulletin 17B, Reston, Virginia, 1981 [En línea]. Disponible en: https://water.usgs.gov/osw/bulletin17b/dl_flow.pdf.

• [16]    M. Polanco, Principios básicos de mecánica de suelos. Popayán, Colombia: Universidad del Cauca, 2009.

• [17]    Instituto Nacional de Vías (INVIAS), “Manual de drenaje para carreteras”, 2009 [En línea]. Disponible en: https://www.invias.gov.co/index.php/archivo-y-documentos/documentos-tecnicos/especificaciones-tecnicas/984-manual-de-drenaje-para-carreteras.

• [18]    G. Monsalve S., Hidrología en la Ingeniería, 2ª ed. Bogotá, D.C., Colombia: Editorial Escuela Colombiana de Ingeniería, 1999.

• [19]    ASCE/EWRI Curve Number Hydrology Task Committee, R. H. Hawkins, and Environmental and Water Resources Institute (US), Curve number hydrology: state of the practice, Reston, VA: American Society of Civil Engineers, 2009 [En línea]. Disponible en: https://search.worldcat.org/es/title/curve-number-hydrology-state-of-the-practice/oclc/698590607.

• [20]    E. Aristizábal, M. I. Arango Carmona e I. K. García López, “Definición y clasificación de las avenidas torrenciales y su impacto en los Andes colombianos”, Revista Colombiana de Geografía, vol. 29, nº. 1, 2020. doi: https://doi.org/10.15446/rcdg.v29n1.72612.

• [21]    Alcaldía Municipal de Páez - Cauca, Documentos importantes, Gestión del Riesgo, 31-Oct-2020 [En línea]. Disponible en: http://www.paez-cauca.gov.co/documentos-importantes/estudios-de-amenaza-vulnerabilidad-y-riesgos-por-movimientos.

• [22]    Servicio Geológico Colombiano, “Guía metodológica para zonificación de amenaza por avenidas torrenciales”, 2021 [En línea]. Disponible en: https://libros.sgc.gov.co/index. php/editorial/catalog/book/75.

• [23]    Z. W. Kundzewicz y A. J. Robson, “Change detection in hydrological records ‒a review of the methodology”, Hydrological Sciences Journal, vol. 49, nº. 1, pp. 7-19, 2004. doi: https://doi.org/10.1623/hysj.49.1.7.53993.

• [24]    A. Avilés, A. Solera y J. Paredes, «Análisis del rendimiento de sistemas hídricos en desarrollo mediante el acople de modelos estocásticos hidrológicos y optimización de redes de flujo», pp. 48-57, 2016. doi: https://doi.org/10.17163/ings.n15.2016.05.

• [25]    F. J. Massey, “The Kolmogorov-Smirnov test for goodness of fit”, Journal of the American Statistical Association, vol. 46, nº. 253, pp. 68-78, 1951 [En línea]. Disponible en: https://doi.org/10.2307/2280095.

• [26]    A. D. Díaz Carvajal y T. Mercado Fernández, “Determinación del número de curva en la subcuenca de Betancí (Córdoba, Colombia) mediante teledetección y SIG”, Ing. y Des., vol. 35, nº. 2, pp. 452-470, julio 2017. https://doi.org/10.14482/inde.35.2.10171.