Assessing the impact of climate variability on seasonal streamflow forecasting in the Iberian Peninsula
- Autores: Jose Manuel Hidalgo Muñoz
- Directores de la Tesis: Antonia Yolanda Castro Díez (dir. tes.), Sonia Raquel Gamiz Fortis (dir. tes.), María Jesús Esteban-Parra (dir. tes.)
- Lectura: En la Universidad de Granada ( España ) en 2015
- Idioma: español
- Tribunal Calificador de la Tesis: Francisco José Olmo Reyes (presid.), Francisco Rueda Valdivia (secret.), Maria Manuela Portela (voc.), Sergio Martín Vicente Serrano (voc.), Concepción Rodríguez Puebla (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: DIGIBUG
- Resumen
- español
RESUMEN La escasez de agua representa para algunas regiones, en especial para la Península Ibérica (PI), uno de los factores limitantes más severos para poder mantener un desarrollo sostenible, debido a que los recursos hídricos juegan un papel fundamental en la satisfacción de las necesidades socioeconómicas y ambientales, tales como la agricultura, industria, la industria hidroeléctrica y el sector turístico. Asimismo, el problema de escasez del recurso hídrico es probable que se agrave en el futuro, de acuerdo a las proyecciones de disminución y de la disponibilidad de agua y el aumento en la demanda. En consecuencia, la motivación de este trabajo de Tesis radica en la necesidad de avanzar en el entendimiento de la variabilidad climática relacionada con la variabilidad del caudal de los ríos ibéricos, lo cual se convierte en la base para la predicción del caudal a escalas temporales de gran importancia para la gestión de embalses, manejo de regadíos, protección medioambiental o mitigación de los daños provocados por sequías e inundaciones.
Durante la primera parte de este trabajo se llevo a cabo un profundo análisis de la base de datos de caudales disponible. En particular, se realizó un estudio para identificar posibles inhomogenidades en las series de datos, las cuales derivan principalmente de la actuación de procesos de regulación de caudales (coincidiendo muchas de ellas con puestas en marcha de embalses en las cabeceras de determinados ríos). La metodología llevada a cabo para identificar estas inhomogeneidades consistió en una combinación del test de Pettitt y de un test que analiza el porcentaje de área común que encierra las curvas del caudal intraanual antes y después del posible punto de ruptura de la serie. Como resultado, de la base de datos original formada por 1380 estaciones de medida de caudal, 382 fueron seleccionadas como adecuadas para este estudio, cumpliendo, además del criterio de homogeneidad utilizado, que cubran el periodo temporal 1975-2008 con menos de un 10% de datos faltantes.
La segunda parte de este trabajo consistió en identificar los factores climáticos más importantes que influyen en la variabilidad del caudal estacional de los ríos ibéricos en un futuro cercano (entre 1 y 4 estaciones), así como en discutir sobre los posibles mecanismos físicos que hay detrás de estas relaciones. En primer lugar se evaluó la potencial predictibilidad de los índices de teleconexión, los cuales son una representación de los principales modos de variabilidad climática. En segundo lugar, es utilizó la técnica de descomposición del valor singular (SVD, por sus siglas en inglés) para determinar los principales modos de variabilidad acoplada entre el caudal estacional y una serie de variables climáticas (temperatura de la superficie del mar, altura geopotencial a 500 hPa en el Hemisferio Norte, y valores de temperatura y precipitación globales) precediendo al caudal entre 1 y 4 estaciones. Una vez que se identificaron los principales predictores climáticos, se llevó a cabo un ejercicio de predicción del caudal estacional. Para ello se optó por un enfoque de validación cruzada y se utilizaron modelos de regresión lineal múltiple, combinando el test de factor de inflación de la varianza y la selección por pasos para evitar problemas derivados de la correlación excesiva entre predictores y elegir el mejor conjunto de predictores. La metodología de predicción se basa en la creación de 4 escenarios de predicción, de acuerdo a diferentes (hasta 4) numero de estaciones de adelanto con las cuales las predicciones son efectuadas, desde cuatro estaciones (escenario 4S) hasta una estación previa (escenario 1S) al caudal estacional a predecir. El coeficiente de correlación (RHO), el coeficiente de mejora respecto a la climatología de la raíz cuadrada del error cuadrático medio (RMSESS) y el parámetro de Gerrity (GSS) se utilizaron para evaluar la calidad de las predicciones.
Para el caso de predicciones basadas en los índices de teleconexión, y en el caso del caudal de otoño, predicciones de buena calidad (RHO > 0.5, RMSESS > 20%, GSS > 0.4) se encontraron para un tercio de las estaciones de caudal pertenecientes a la Cuenca Mediterránea Andaluza, siendo la Oscilación del Atlántico Norte del invierno previo el principal predictor. Predicciones moderadamente buenas (RHO > 0.44, RMSESS > 10%, GSS > 0.2) se obtuvieron para el escenario 3S en estaciones de caudal localizadas en el cuadrante noroeste de la PI (16 de las cuales estaban localizadas en las cuencas del Duero y Tajo). En el caso del caudal de invierno, moderadas predicciones se encontraron en hasta 168 estaciones de caudal (de hecho en bastantes de ellas se podrían clasificar de buenas) para el escenario 1S, siendo el Índice de Avance de la Nieve del Octubre previo el principal predictor. Finalmente, peores predicciones se obtuvieron para el caudal de primavera en comparación con el de otoño e invierno, pues solo 16 estaciones mostraron una calidad moderada en las predicciones en el escenario 1S, mayormente ubicadas en el cuadrante noroeste de la PI.
El uso de la metodología basada en SVD mejoró la calidad de las predicciones del caudal de otoño, en particular en el caso del escenario 3S. En este caso se incrementaron hasta 42 las estaciones con moderada predictibilidad (RHO > 0.44, RMSESS > 10%, and GSS > 0.2), sobre todo en la Cuenca Mediterránea Andaluza, siendo Zdjf2 y Adjf2 (relacionados con la Oscilación del Atlántico Norte) los principales predictores, así como en las cuencas del noroeste de la PI (Duero, Miño-Sil, Cantábrica y alto Ebro), siendo Rson1, Adjf1 y Rdjf1 (relacionados con el fenómeno del Niño). Así mismo, las predicciones del caudal de primavera mejoraron, especialmente en el escenario 3S, donde valores de RHO > 0.44, RMSESS > 10%, and GSS > 0.2 se obtuvieron en 21 estaciones de medida, mayormente localizadas en el cuadrante noroeste de la PI. En esos casos, Pjja1 (relacionado al desarrollo de fenómeno del Niño en verano), Zjja1 y Tjja (los cuales podrían estar ligados a la variabilidad del Modo Anular del Norte y la criosfera durante el verano, respectivamente). Por el contrario, en el caso del invierno apenas de encontró capacidad predictiva en casi ninguna estación de caudal, por lo cual el Índice de Avance de la nieve parece ser el único predictor válido en este caso de entre todos los estudiados.
En conclusión, esta Tesis presenta una valiosa contribución a los estudios relacionados con la predicción estacional del caudal de los ríos ibéricos. Algunas de sus características diferenciadoras son el hecho de usar una base de datos de caudales extensa, completa y cuya calidad ha sido comprobada, permitiendo describir con un alto grado de resolución espacial el potencial uso de diferentes señales climáticas como predictores del caudal estacional en diferentes regiones de la PI, lo cual es de gran utilidad para efectuar decisiones a nivel local acerca de gestión de los recursos hídricos. De igual modo, se exploran las relaciones entre señales climáticas y la variabilidad del caudal de los ríos ibéricos, no sólo evaluando los índices climáticos más comunes, sino analizando otras relaciones más allá de las cubiertas por los mismos. Finalmente, este estudio puede proporcionar una visión más completa de la relación entre la variabilidad climática y el caudal estacional de los ríos ibéricos de una forma que pueda ser utilizada con fines predictivos (con varios esquemas de predicción de acuerdo al tiempo de antelación con el cual las predicciones son efectuadas), dando lugar a tener la opción de desarrollar políticas de gestión de recursos hídricos con algunas estaciones de antelación, así como de modificar o ajustarlas a medida que se acerca la estación en cuestión.
- English
ABSTRACT The water shortage represents for some regions, in particular for the Iberian Peninsula (IP), one of the most severe limiting factors to maintain a sustainable development, since water resources play a crucial role in various socio-economic and environmental needs, such as agriculture, industry, hydropower industry, and tourism sector. The problem of water scarcity is likely to become more severe according to the projected decrease/increase in water availability/demand. Then, the motivation of this dissertation relies on the necessity to improve the understanding of the large-scale climate variability that drives the streamflow variability on the IP, which becomes the basis for developing streamflow forecast at scales that are of paramount importance for reservoir operations and irrigation management decisions, protection of the environment or in the reduction of expenses in flood and drought mitigation.
During the first part of this work, an analysis of the streamflow database was performed. A process to identified stations with inhomogeneities in data series, mainly derived from the regulation processes, was carried out using a combined methodology based on Pettitt test and Common Area Index over original database of 1380 gauging stations. As result, a total 382 stations were selected for this study, covering the period from October 1975 to September 2008. Also, the main spatial and temporal characteristics of streamflow variability in the IP were described.
The second part of this Thesis consisted on identifying the main climate factors that have a noteworthy influence on near future (lagging from one to four seasons) seasonal streamflow variability of the IP Rivers and provides an insight into the possible mechanisms and physical processes behind these relationships. Firstly, teleconnection indices, which represent most of the dominant sources of climate variability, were evaluated as potential predictors. Secondly, Singular Value Decomposition (SVD) technique was employed to identify and isolate the main modes of covariability between seasonal streamflow and the climate variables (sea surface temperature, geopotential height at 500 hPa in Northern Hemisphere and global temperature and precipitation) that precede it from one to four seasons. Once the main climatic predictors were identified, predictions based on them were conducted. A leave-one-out cross-validation approach based on a multiple linear regression approach that combining Variance Inflation Factor and Stepwise Backward selection was used to avoid multicollinearity and select the best subset of predictors. The forecasting methodology was developed for four forecasting scenarios, related to the number of seasons prior to which the forecasting is made, from one year (4S scenario) until one season (1S scenario) in advance, updating and improving the predictions seasonally. The correlation coefficient (RHO), Root Mean Square Error Skill Score (RMSESS) and the Gerrity Skill Score (GSS) were used to evaluate the forecasting skill.
For the predictions made based on teleconnection indices, in case of autumn streamflow, good forecasting skill (RHO > 0.5, RMSESS > 20%, GSS > 0.4) was found for a third of the stations located in the Mediterranean Andalusian Basin, the North Atlantic Oscillation of the previous winter being the main predictor. Also, fair forecasting skill (RHO > 0.44, RMSESS > 10%, GSS > 0.2) was found in stations in the northwestern IP (16 of these located in the Douro and Tagus Basins) with two seasons in advance. For winter streamflow, fair forecasting skill was found for one season in advance in 168 stations, with the Snow Advance Index as the main predictor. Finally, forecasting was poorer for spring streamflow than for autumn and winter, since only 16 stations showed fair forecasting skill in with one season in advance, particularly in the northwestern of IP.
The use of SVD improved the forecasting skills of the autumn streamflow, in particular relevant for 3S scenario. In this case, up to 42 stations present fair forecasting skills (RHO > 0.44, RMSESS > 10%, and GSS > 0.2), particularly in the Mediterranean Andalusian Basin, with Zdjf2 and Adjf2 (related to winter NAO) as predictors, but also in the north-northwestern IP (Douro, Miño-Sil, Cantabrian and upper Ebro Basins), being Rson1, Adjf1 and Rdjf1 (linked to ENSO) the main predictors. Also, a refinement in spring streamflow forecasting is observed, specially in 3S scenario, when values of RHO > 0.44, RMSESS > 10%, and GSS > 0.2 are obtained in 21 stations, mainly locate in the northeastern quadrant of IP. In those cases Pjja1 (linked to summer ENSO phenomenon), Zjja1 and Tjja1 (which could be associated with the summer Northern Annular Mode and with criosphere variability) were used as predictors. Conversely, winter streamflow was not forecasted in almost any stations. In this case, SAI appeared to be the only reliable predictor.
In conclusion, this Thesis presents a valuable contribution to the studies regarding seasonal streamflow forecasting of the IP Rivers. Some distinguishing features are that it relies on a long, complete, reliable and spatially well-distributed streamflow database, which enables to describe with a high spatial resolution the potential use of different climate signals as predictors of seasonal streamflow in different areas of the IP, which become very useful for making local decision in water resources management. Also, it explores the links between climate signal and streamflow variability of the IP Rivers, not only evaluating the most commonly used climate indices but also exploring further relationships between climate variability and streamflow in the following seasons. Finally, this study can provide a more comprehensive view of relationship of climate variability and streamflow on seasonal timescales in a way that can significantly contribute to streamflow forecasting purposes (with various forecasting schemes, according to the time in advance the predictions are made), providing the option of developing water-management policies some seasons in advance and with the possibility of modifying or adjusting these strategies as the predictions are updated.
- español
