Ayuda
Ir al contenido

Dialnet


Desarrollo de metodologías para desagregar, cuantificar y reducir la incertidumbre en las predicciones de cuencas sin aforos (PUBs)

  • Autores: Cristina Prieto Sierra
  • Directores de la Tesis: Nataliya Le Vine (dir. tes.), Eduardo García Alonso (dir. tes.), Raúl Medina Santamaría (dir. tes.)
  • Lectura: En la Universidad de Cantabria ( España ) en 2017
  • Idioma: español
  • Número de páginas: 206
  • Títulos paralelos:
    • Development of methodologies to disaggregate, quantify and reduce the uncertainty in predictions in ungauged basins (PUBs)
  • Tribunal Calificador de la Tesis: Han Dawei (presid.), Manuel del Jesus Peñil (secret.), Dimitri Kavetsky (voc.)
  • Programa de doctorado: Programa Oficial de Doctorado en Ciencias y Tecnologías para la Gestión de la Costa
  • Materias:
  • Enlaces
    • Tesis en acceso abierto en: UCrea
  • Resumen
    • español

      A catchment is a complex system where a multitude of interrelated energy, water and vegetation processes occur at different temporal and spatial scales. A rainfall-runoff model is a simplified representation of the system, and serves as a hypothesis about catchment inner working. In predictions for ungauged basins, a common practice is to use a pre-selected model structure for a catchment, while there is usually no justification for its suitability (due to the lack of observed flows).

      The overall objective of this thesis is to advance flow prediction capabilities for ungauged basins by developing methodologies for identifying, quantifying, and reducing the uncertainty associated with the various related sources of error.

      This thesis moves towards overcoming some of the major problems in hydrological modelling and focuses in the ‘one size fits all’ problem for predictions in ungagued basins: 1) a traditional assumption that a pre-selected model (which includes structure, inputs and parameter selection) is perfect; 2) an assumption that a pre-selected form of regionalization is suitable to represent behavior of an ungauged catchment; and 3) a way to identify dominant hydrological mechanisms to be represented in a system’s model. First, new developments in selection of hydrological indices (based on Principal Components Analysis) and regression methods (Random Forests) are incorporated into the hydrological regionalization procedure that provides information constraints in a Bayesian approach. Second, two metrics are proposed to assess the suitability and adequacy of a selected model and a regionalization procedure. The suitability metrics evaluate if a selected model or a selected regionalization procedure reproduce available hydrological information for an ungauged basin. The adequacy metrics evaluate gains in knowledge from considering a selected model, or considering a selected regionalization method. Third, dominant hydrological mechanisms (to be included into a model) are identified using the regionalized information via Bayesian approach.

      The methodological developments are applied to basins in northern Spain with varied hydroclimatological regimes. The results show that prediction quality is sensitive to model (or ensemble) error, quality of regionalized information, and available information content.

    • español

      Resumen:

      Una cuenca es un sistema complejo dónde ocurren una multitud de procesos de agua, energía y vegetación a diferentes escalas espaciales y temporales. Un modelo hidrológico representa de forma simplificada este sistema y sirve cómo hipótesis acerca del funcionamiento interno de una cuenca. En predicciones en cuencas sin aforos, una práctica común es usar una estructura de modelo preseleccionada para analizar todas las cuencas. Esto a pesar de que no hay una justificación acerca de que sea apropiado (debido a la falta de datos).

      El objetivo general de esta tesis es avanzar la capacidad de hacer predicciones en cuencas sin aforos mediante el desarrollo de metodologías para identificar, cuantificar y reducir la incertidumbre asociada a las distintas fuentes de error que intervienen.

      Esta tesis supone un paso adelante en algunos de los principales problemas del modelado hidrológico y se centra en el problema del ‘enfoque único’ para predicciones en cuencas sin aforos: 1) la hipótesis tradicional de que el modelo preseleccionado (que incluye su estructura, datos de entrada y parámetros muestreados) es perfecto; 2) la hipótesis de que la forma de regionalización seleccionada es adecuada para representar el comportamiento en cuencas sin aforos; y 3) una forma de identificar los mecanismos hidrológicos dominantes, que han de ser representados en el modelo del sistema.

      Primero, se incorporan en el procedimiento de regionalización los nuevos desarrollos en selección de índices hidrológicos (basados en análisis de componentes principales) y métodos de regionalización (bosques aleatorios); y la información regionalizada se emplea para condicionar las predicciones hidrológicas mediante una aproximación bayesiana. Segundo, se proponen dos métricas para evaluar la aptitud y adecuación de un modelo y/o procedimiento de regionalización seleccionado, en base a i) la capacidad de que el modelo y/o el procedimiento de regionalización reproduzcan el comportamiento hidrológico con alta probabilidad y ii) el conocimiento ganado al incorporar el modelo y/o la regionalización en las predicciones hidrológicas. Tercero, se propone un nuevo test para identificar los mecanismos hidrológicos que dominan el comportamiento de las cuencas, a partir de la información regionalizada, empleando una aproximación bayesiana. Dichos mecanismos dominantes definen la estructura mínima que ha de tener un modelo hidrológico.

      Los desarrollos metodológicos se demuestran para el caso práctico de predecir los caudales en las cuencas del norte de España. Los resultados muestran que la calidad de las predicciones es sensible al error del modelo (o conjunto de modelos), la calidad de la información regionalizada, y el contenido de información disponible.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno