Geostatistical modeling of surface water balance (SWB) under variable soil moisture conditions in the Pao river basin, Venezuela

• Bettys Elena Farías ^[1] ; Adriana Márquez Romance ^[1] ; Edilberto Guevara ^[1] ; Demetrio Rey ^[1]
  1. [1] Universidad de Carabobo

     Universidad de Carabobo

     Venezuela

     
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 87, Nº. 213, 2020, págs. 192-201
• Idioma: inglés
• Títulos paralelos:
  • Modelación geoestadística del balance hídrico superficial (BHS) bajo condiciones variables de humedad del suelo en la cuenca del río Pao, Venezuela
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    El objetivo de este trabajo es desarrollar un modelo geoestadístico para la estimación del balance hídrico superficial (BHS) bajo condiciones de humedad variable en la cuenca del río Pao, Venezuela. Lo novedoso de la investigación consiste en identificar un modelo estadístico que prediga la variabilidad espacial de los datos hidrometeorológicos en la cuenca. Se utilizan series de datos meteorológicos de 25 estaciones para el período 2015-2017 y la técnica de kriging ordinaria. La variable infiltración se analizó para diferentes condiciones de humedad del suelo: seco, normal y húmedo. Para representar las semi varianzas de las variables hidrometeorológicas, se utilizó la función J-Bessel. Se ha encontrado un ajuste matemático adecuado entre los valores observados y estimados de las variables del balance hídrico expresados por el coeficiente de correlación (R), habiendo obtenido los siguientes rangos: para precipitaciones, 0.54-0.81; para la infiltración, 0.68-0.95; para escorrentía, 0.68-0.92: para evapotranspiración, 0.53-0.86; y para el volumen acumulativo, 0.53-0.95

  • English

    The aim of this paper is to develop a geostatistical model for the surface water balance (SWB) under variable soil moisture conditions of the Pao river basin, Venezuela. The novelty of the research consists in identifying a statistical model that will predict the spatial variability of hydro-meteorological data in the basin. A series of meteorological data from 25 stations for the period 2015-2017 were used in connection with the ordinary kriging technique. Infiltration values were analyzed considering three different soil moisture conditions: dry, normal and wet. To represent the semi variances of the SWB variables, the function J-Bessel was used. An adequate mathematical adjustment between observed and predicted values of SWB variables has been found expressed by the correlation coefficient (R) as followes: for precipitation, 0.54-0.81; for infiltration, 0.68-0.95; for runoff, 0.68-0.92: for evapotranspiration, 0.53-0.86; and for the accumulative volume, 0.53-0.95