Evaluación de la Incertidumbre de la Precipitación en un Modelo de Simulación Hidrológica y su Aplicación a la Cuenca del Rio Combeima, Municipio de Ibagué- Departamento del Tolima

• Autores: Félix Salgado Castillo
• Directores de la Tesis: Miguel Ignacio Barrios Peña (dir. tes.)
• Lectura: En la Universidad del Tolima ( Colombia ) en 2023
• Idioma: español
• Enlaces
  • Tesis en acceso abierto en: repository.ut.edu.co
• Resumen
  • español

    Introducción Objetivos Objetivo general Objetivos específicos Capítulo 1. El Problema a Investigar Capítulo 2. Marco Teórico Capítulo 3. Marco de Referencia Capítulo 4. Resultados y Discusión Recomendaciones y Futuras Líneas de Investigación Referencias

  • español

    La predicción o simulación de eventos hidroclimatológicos, al igual que los caudales, hoy por hoy se han convertido en una necesidad imperativa en los procesos de gestión de sistemas de cuencas hidrográficas. De ahí que la evaluación de los recursos hídricos cuenta con herramientas tecnológicas fundamentales como la modelación matemática.

    Desde hace varias décadas muchos modelos hidrológicos se han venido desarrollando en donde la precipitación es una de las variables de entrada más importantes, pues se ha demostrado que de ella depende la calidad y distribución de los recursos hídricos y es considerada como un detonante ante algunos fenómenos naturales como la remoción en masa, avalanchas e inundaciones que cobran un número importante de vidas humanas.

    La precipitación tropical es de alta variabilidad en el tiempo y en todas las escalas espaciales, desde la micro escala hasta la escala sinóptica. Dicha variabilidad tiene implicaciones en la modelación y simulación espacial de los caudales, que se dan como resultado de la interacción no lineal de la dinámica hidrológica. De ahí la importancia de evaluar la incertidumbre puesto que los resultados de la modelación no se pueden considerar como el valor real de los mismos, como frecuentemente se hace en la práctica, por lo que se hace necesario su estudio con el objeto de cuantificar la incertidumbre en la lluvia y estimar su efecto en la incertidumbre de caudales, pero no se abordan todas las fuentes de incertidumbre en la simulación del caudal (paramétrica, estructural, otros inputs diferentes a la lluvia).

    Por lo anterior, con la presente Tesis Doctoral se evaluó la incertidumbre asociada a la variable precipitación en un modelo hidrológico distribuido como TETIS implementado en la Cuenca Alto Andina del Río Combeima, utilizando para ello un enfoque de simulación bayesiana, que evalúa un modelo de error, en donde la verosimilitud de los errores de la precipitación es un modelo de distribución skew normal el cual se implementó en el software WINBUGS. Siendo la implementación del modelo de error bajo la distribución probabilística Skew Normal, es este uno de los principales aportes de esta tesis, junto con la aplicación de la concepción del problema inverso.

  • español

    La modelación hidrológica ha evolucionado en las últimas décadas gracias al crecimiento del poder computacional, la mayor disponibilidad de datos hidrológicos y una mejor comprensión de la física y dinámica de los sistemas hidrológicos, para los cuales existen modelos cada vez más robustos. Paradójicamente, frente a este evidente avance en el campo de la simulación hidrológica, también se ha incrementado la necesidad de desarrollar e implementar métodos específicos para estimar y evaluar la incertidumbre asociada a los modelos. Actualmente, se reconoce ampliamente que la consideración adecuada de la incertidumbre en las predicciones hidrológicas es esencial para fines de investigación y el desarrollo de herramientas de modelado operativo (Liu y Gupta, 2007).

    La variable más utilizada en los modelos lluvia-escorrentía es la precipitación, cuya estimación y grado de representación de la variabilidad espacial constituye una fuente de error que se propaga hacia las predicciones de los caudales. Por lo tanto, para mejorar el proceso de modelado, es relevante caracterizar su incertidumbre (Kavetski et al., 2006a). Un método ampliamente utilizado para cuantificar la incertidumbre en la precipitación es modificar la precipitación observada y volver a ejecutar el modelo hasta que se encuentre una respuesta razonable entre el resultado del modelo y la escorrentía observada (Moradkhani y Sorooshian, 2008). En la última década, Kavetski (2003, 2006b) utilizó una constante denominada multiplicador de tormentas, que se utiliza para corregir la precipitación observada. Asimismo, Montanari (2008) propuso como estrategia la generación de lluvia sintética utilizando para ello el modelo de pulso rectangular de Neyman-Scott (1958). Esta lluvia sintética se emplea como datos de entrada para el modelo hidrológico HYMOD. Posteriormente, Renard et al. (2011) utilizaron un modelo de error gaussiano con varianza desconocida como método para determinar la incertidumbre de la precipitación, afirmando que la incertidumbre está dominada por la descripción incompleta de los campos espaciales de precipitación utilizando pluviómetros. Utilizaron un método geoestadístico para generar múltiples réplicas de los campos de precipitación en función de los valores de precipitación observados por el equipo de medición. Sin embargo, concluyeron que los eventos de precipitación simulados de menos de 2 mm sobrestiman su valor y no son realistas.

    El problema de la incertidumbre en el modelado hidrológico ha sido ampliamente investigado. Según Gupta et al. (2005) las fuentes de error en el proceso de modelado están relacionadas con los datos de entrada, las condiciones de contorno, los errores relacionados con la conceptualización del modelo de los procesos hidrológicos reales, los errores relacionados con la estimación de los parámetros del modelo, en los que se incluyen los efectos de escala. De muchos intentos de separar y analizar las fuentes de error que se han abordado, no se han encontrado enfoques satisfactorios o generales, (Rosbjerg and Madsen 2005, Todini 2005, Gupta 2005). La incertidumbre de los datos está asociada con los errores introducidos en el proceso de modelado a través de las observaciones de los flujos de entrada y salida, su investigación se ha centrado en el error de precipitación, sin embargo, dada la alta variabilidad espacial y temporal de la lluvia, se necesita más investigación para estimar estas fuentes de error. La incertidumbre estructural está asociada con errores en los modelos perceptivos y matemáticos de los procesos hidrológicos. Finalmente, la incertidumbre de los parámetros está relacionada con la identificabilidad de conjuntos confiables de parámetros para el modelo.

    Los efectos de la incertidumbre de la lluvia en la calibración y simulación de un modelo hidrológico han sido estudiados mediante simulación estocástica Andreassian et al. (2001); Pappenberger et al. (2005); Bárdossy y Das (2008); Younger et al. (2009) o mediante la incorporación del modelo de error de lluvia en los modelos de error total dentro del marco de incertidumbre, según lo reportado por Goetzinger y Bárdossy (2008); Kavetski et al. (2011) y Kavetski et al. (2006b).

    Algunos autores, como Moradkhani et al. (2006) han argumentado que la clave para mejorar el potencial de los modelos lluvia-escorrentía está asociada con la caracterización de la incertidumbre de la precipitación, que generalmente se considera la causa más influyente de incertidumbre en la predicción de inundaciones. Uno de los métodos más utilizados es mejorar la respuesta del modelo modificando manualmente la entrada observada y volviendo a ejecutar el modelo hasta que se logre iterativamente un ajuste adecuado entre el flujo simulado y el observado (Moradkhani & Sorooshian, 2008).

    Biermans et al. (2009) cuantificaron la distribución global de la incertidumbre en las estimaciones anuales y estacionales de la precipitación, que se definió como las variaciones entre siete conjuntos de datos de precipitación rasterizados globales a escala de cuenca. La incertidumbre resultante en el caudal se estimó como las diferencias relativas en los caudales simulados a través de modelos hidrológicos. Los resultados muestran un alto efecto de la propagación de la incertidumbre de la precipitación en las estimaciones de caudal; por lo tanto, se propaga con una gran incertidumbre relativa para la simulación de caudales.

    A pesar de los muchos trabajos realizados sobre la incertidumbre en el modelado hidrológico, pocos desarrollos se enfocan en cuantificar la incertidumbre asociada con la precipitación y su propagación hacia la simulación de caudales con un modelo hidrológico distribuido. En consecuencia el presente estudio contempla la cuantificación de la incertidumbre asociada a la precipitación y su efecto en la simulación hidrológica a través de la aplicación de un modelo hidrológico distribuido en la cuenca del río Combeima, Colombia Los propósitos fundamentales de este trabajo fueron: i) cuantificar la incertidumbre de la precipitación bajo un enfoque de simulación bayesiano que evalúa un modelo de error, en donde la probabilidad de los errores de precipitación se representa con un modelo de distribución skew normal, y ii) estimar el efecto de la propagación de la incertidumbre en la precipitación sobre el caudal, utilizando un modelo hidrológico distribuido aplicado en una cuenca andina tropical.

  • English

    The prediction or simulation of hydroclimatological events, just like the flows, have become an imperative necessity in watershed systems management processes. Hence, the evaluation of water resources, as well as floods, have fundamental technological tools such as mathematical modeling.

    For several decades, many hydrological models have been developed where precipitation is one of the most important input variables, since it has been shown that the quality and distribution of water resources depend on it and is considered as a trigger for some phenomena. Natural as the mass removal, avalanches and floods that charge a significant number of human lives.

    Tropical precipitation is highly variable over time and at all spatial scales, from the micro scale to the synoptic scale. This variability has implications in the modeling and spatial simulation of the flows, which occur as a result of the non-linear interaction of the hydrological dynamics. Hence the importance of evaluating uncertainty since the results of modeling cannot be considered as the real value of them, as is often done in practice, so it is necessary to study them in order to quantify rainfall uncertainty and estimate its effect on streamflow uncertainty.

    Therefore, the present study evaluated the uncertainty associated with the precipitation variable in a distributed hydrological model such as TETIS implemented in the Alto Andina Basin of the Combeima River, using a Bayesian simulation approach that evaluates an error model, in where the verisimilitude of precipitation errors is a normal skew distribution model which was implemented in the WINBUGS software. The implementation of the error model under the previous probabilistic distribution is one of the main contributions of this thesis, together with the application of the inverse problem conception.

    Keyworks: Hydrological simulation, uncertainty, rainfall uncertainty, propagation of uncertainty, rainfall-runoff modeling, skew-normal distribution