Está en la página 1de 33

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

MAESTRIA EN RECURSOS HDRICOS

MTODOS DE ANLISIS DE LOS RECURSOS HDRICOS

ROBINSON FABRICIO PEA MURILLO.

Cdigo: 20160879

TRABAJO SEMESTRAL
RAINFALL-RUNOFF MODELLING BY USING SM2RAINDERIVED AND STATE-OF-THE-ART SATELLITE
RAINFALL PRODUCTS OVER ITALY
LIMA PER
2016

RESUMEN
Los productos de precipitaciones por satlite (SRP) son cada vez ms precisos, con mayor
resolucin espacial y temporal. Esta evolucin puede ser beneficioso para aplicaciones
hidrolgicas, proporcionando nuevas fuentes de informacin y que permite conducir modelos,
en zonas sin datos de aforo. A pesar de la gran disponibilidad de los datos de lluvia por satlite,
su uso en el modelado lluvia-escorrenta es todava muy escasa, muy probablemente debido a
problemas de medicin (sesgo, precisin) y la aceptabilidad de la comunidad hidrolgica de
productos satelitales.
En este estudio, la versin en tiempo real (3B42-RT) del anlisis de Precipitacin Tropical
Misin de Medicin multi-satlite, TMPA, y una nueva SRP basada en la aplicacin del
algoritmo de SM2RAIN a la ASCAT (dispersmetro avanzado) producto de la humedad del
suelo, SM2RASC, se utilizan para conducir un modelo hidrolgico agrupados en cuatro cuencas
en Italia durante el perodo de 4 aos 2010-2013.
La necesidad de la calibracin de los valores de los parmetros del modelo para cada SRP se
pone de relieve, siendo un requisito importante para su uso adecuado en la modelizacin de
inundaciones. Los resultados muestran que los SRPs proporcionados, en la mayora de los
casos, las puntuaciones de rendimiento son ligeramente ms bajos que los obtenidos mediante
el uso de datos observados con una reduccin de la eficiencia de Nash-Sutcliffe (NS) de menos
de 30% cuando se utiliza el producto SM2RASC mientras TMPA se caracteriza por una
deterioro significativo durante el perodo de validacin 2012-2013.
Por otra parte, la integracin entre los datos de las precipitaciones observadas y el satlite
tambin se investiga. Curiosamente, el procedimiento de integracin simple aqu aplicado
permite obtener conjuntos de datos ms precisos de precipitaciones de entrada con respecto a
la utilizacin de las observaciones de tierra solamente, para 3 de 4 cuencas. De hecho, las
simulaciones de descarga mejoran cuando las observaciones de precipitaciones suelo y el
producto SM2R ASC se integran, con un incremento del NS entre el 2 y el 42% para las 3
cuencas en centro y el norte de Italia. En general, el estudio pone de manifiesto la viabilidad
del uso de SRPs en aplicaciones hidrolgicas sobre la regin mediterrnea con beneficios en
simulaciones de descarga tambin en reas bien calibradas.

TABLA DE CONTENIDOS
RESUMEN

I.

INTRODUCCIN .........................................................................................................1

A.

OBJETIVOS ..................................................................................................................4

1.

OBJETIVO GENERAL ......................................................................................4

2.

OBJETIVOS ESPECIFICOS: .............................................................................4

II.

MATERIALES Y MTODOS .....................................................................................5

A.

AREAS DE ESTUDIO ..................................................................................................5

B.

PRODUCTOS DE PRECIPITACIN ........................................................................6

C.

CORRECCIN DE SESGO .........................................................................................7

D.

LA PRECIPITACIN MEDIA AREAL .....................................................................8

E.

ESQUEMA DE INTEGRACIN .................................................................................8

F.

MISDc MODELO LLUVIA-ESCORRENTA ...........................................................9

G.

MEDICIONES DE RENDIMIENTO ........................................................................10

A.

COMPARACIN DE CONJUNTOS DE DATOS DE PRECIPITACIONES ......12

IV. APLIACIN DE LA INVESTIGACION EN EL PER .........................................26


V.

CONCLUSIONES........................................................................................................28

VI. REVISIN BIBLIOGRAFICA ..................................................................................30

I. INTRODUCCIN
Las inundaciones son una de las amenazas naturales ms comunes y peligrosas, causando cada
ao miles de vctimas y daos en todo el mundo. La principal herramienta para evaluar el
riesgo de inundaciones y la reduccin de daos est representado por los sistemas de alerta
temprana hidrolgicos que permiten pronosticar las inundaciones mediante el uso de datos en
tiempo real obtenidos a travs de las redes de monitoreo de tierra (por ejemplo, pluvimetros
y radares). Sin embargo, el uso de estos datos, sobre todo las precipitaciones, se ve afectada
por muchos problemas: (1) la representatividad espacial limitada de las mediciones locales,
(2) la densidad de la red (3) problemas de reflectividad relacionados con los radares
meteorolgicos.
Una manera de superar estos problemas puede ser el uso de productos de precipitacin basados
en satlites (SRP) que hoy en da estn disponibles a escala mundial en el cada vez presentan
mayor resolucin y precisin espacial/temporal. Para las reas remotas, las SPRS son la nica
fuente de informacin. A pesar de la gran disponibilidad de SRP: por ejemplo, la Misin de
Medicin de Lluvias Tropicales (TRMM), Anlisis de precipitacin multi-satlite (TMPA); el
Fondo de aplicaciones satelitales sobre el apoyo a la hidrologa operativa y gestin del agua
(H-SAF), y la reciente Misin de Medicin Global de la Precipitacin (GPM), datos de
precipitacin obtenidos por teledeteccin son escasamente utilizadas en la modelacin
hidrolgica. Las razones pueden estar relacionados con: (1) la estimacin inexacta de la lluvia
que provoca una subestimacin general de las cantidades totales de precipitacin, (2) la
resolucin espacial/temporal, (3) la puntualidad, que es a menudo insuficiente para fines
operativos. (4) la aceptabilidad de la comunidad hidrolgica de productos satelitales.
De hecho, en la literatura cientfica, slo un pequeo nmero de estudios se llevaron a cabo,
sobre todo en relacin con la validacin hidrolgica de los SPRs tratando de esbozar algunas
pautas para el uso de datos de satlite como entrada para el modelado hidrolgico. A modo de
ejemplo, el caudal simulado en tres cuencas en Amrica. Obligaron a un modelo lluviaescorrenta de ruta mediante el uso de un conjunto de datos por satlite precipitaciones sinttica
de 10 aos y llevaron a cabo tres pruebas diferentes: (1) el modelo fue calibrado y validado
con los datos de las precipitaciones observadas; (2) el modelo se calibr con los datos de

precipitaciones observadas y luego validado mediante el uso de los datos del satlite
sinttico; (3) el modelo fue calibrado y validado con datos de satlite.
Encontraron una subestimacin de la precipitacin media areal y, por lo tanto, sesgadas
simulaciones de flujo de la corriente cuando el modelo se calibr con los datos observados y
se forz con el conjunto de datos por satlite sinttico. Tambin encontraron un incremento de
los errores como el rea de la cuenca disminuye. Utilizaron el producto Administracin
Ocenica y Atmosfrica Nacional (NOAA), Centro de Prediccin del Clima (CPC) producto
para el sistema de alerta temprana para impulsar un modelo hidrolgico semidistribuido de
base fsica en cuatro cuencas en Asia y frica.
Encontraron que SRPs se puede utilizar para forzar un modelo hidrolgico siempre que la
recalibracin de los valores de los parmetros del modelo se lleva a cabo. Utilizaron TMPA
3B42 del producto en tiempo real para conducir un modelo hidrolgico ms de una cuenca en
Kentucky concluyendo de que se necesita una correccin de sesgo antes de utilizar los datos
de satlite en tiempo real en la prediccin de crecidas.
Se forz un modelo hidrolgico distribuido sobre la cuenca del ro Senegal con diferentes SRP:
3B42 TMPA V6, tcnica de Centro de Prediccin Climtico Morphing (CMORPH), CPC
FEWS la v.2, estimacin de la precipitacin a partir de informacin de sensores remotos
utilizando redes neuronales (PERSIANN) y un producto local basada en la duracin de la nube
fra (CCD). Ellos encontraron que los SRPs necesitan una correccin del sesgo debido a las
diferencias en las estimaciones de los productos analizados (por ejemplo, el nmero de das de
lluvia y la intensidad registrada).
Sin embargo, Stisen y Sandholt (2010) afirmaron que los datos de satlite pueden ser muy
tiles debido a su continuidad espacial y temporal y se deben considerar para impulsar modelos
hidrolgicos, sobre todo en zonas remotas y no aforadas.
Thieming et al., (2013) realizaron un validacin hidrolgica teniendo en cuenta TMPA 3B42
v6, CMORPH, PERSIANN, producto del reanlisis por el Centro Europeo de predicciones de
fenmenos meteorolgicos (ECMWF) ERA-Interim y una estimacin de la precipitacin local,
calibrado sobre el continente africano en dos cuencas en frica.

Indicaron que una recalibracin modelo con cada uno de SRP y una correccin de la
polarizacin son necesarios con el fin de mejorar el rendimiento de las simulaciones de flujo
de corriente. En resumen, las SPRs se puede utilizar de forma beneficiosa para el modelado
lluvia-escorrenta, pero la correccin de sesgo y el modelo de calibracin se requieren etapas
de pre-procesamiento.
La investigacin tuvo como objetivos el explorar la factibilidad del uso de los SPRs en un
modelo hidrolgico agrupando la versin en tiempo real (3B42-RT) del anlisis de
Precipitacin Tropical Misin de Medicin multi-satlite, TMPA, y una nueva SRP basada en
la aplicacin del algoritmo de SM2RAIN a la ASCAT (dispersmetro avanzado) producto de
la humedad del suelo, SM2RASC, se utilizan para conducir un modelo hidrolgico agrupados
en cuatro cuencas en Italia durante el perodo de 4 aos 2010-2013.
En segundo lugar, la integracin entre las estimaciones de las precipitaciones observadas y
basados en satlites con el fin de obtener ms precisos y fiables conjuntos de datos de
precipitaciones que puedan mejorar la simulacin de inundaciones con respecto al uso
solamente de la observacin de tierra.
Vale la pena sealar que este documento no pretende proporcionar una evidencia general y
fuerte que la precipitacin derivada de un conjunto de datos satlites se puede utilizar con
seguridad dentro de la modelizacin hidrolgica. En lugar de ello el objetivo es mostrar cmo
la integracin de las diferentes fuentes de lluvia puede proporcionar un beneficio para la
modelizacin hidrolgica bajo algunas condiciones, ya que ninguno de los conjuntos de datos
se puede considerar libre de errores. En este marco, se muestra que la metodologa tiene una
alta potencialidad, pero al mismo tiempo requiere ser aplicado a un mayor nmero de cuencas
en todo el mundo con el fin de evaluar la utilidad de los datos de precipitacin por satlite y la
humedad del suelo en la modelizacin hidrolgica en los regmenes de precipitaciones ms
complejas y las caractersticas fisiogrficas.

A. OBJETIVOS
1. OBJETIVO GENERAL
-

Analizar el artculo cientfico Rainfall-runoff modelling by using SM2RAIN-derived


and state-of-the-art satellite rainfall products over Italy

2. OBJETIVOS ESPECIFICOS:
-

Describir el propsito de la investigacin.

Analizar si la investigacin efectuada puede ser aplicada en el pas.

II. MATERIALES Y MTODOS


A. AREAS DE ESTUDIO
Se consideran en este anlisis cuatro cuencas en todo el territorio italiano, en concreto las
cuencas de Brenta, el Tanaro (norte de Italia), el Tber (centro de Italia) y el Volturno (sur de
Italia). La cuenca de Tanaro es la cuenca ms grande y se caracteriza por una zona montaosa
aguas arriba y una gran llanura de inundacin aguas abajo. Brenta es el ms pequeo,
predominantemente montaoso y se caracteriza por el rgimen de precipitacin ms alta. Estas
dos primeras cuencas se caracterizan por zonas montaosas donde podra ocurrir la cada de
nieve durante el invierno. La cuenca del Tber se caracteriza por una llanura bastante grande
de inundacin en la zona central de la cuenca, rodeada de colinas y tiene el rgimen de lluvias
ms bajo. La cuenca del Volturno es principalmente plana, con la presencia de algunas
montaas de baja elevacin en la parte sur de la cuenca. Las cuencas estn seleccionadas en
cuatro sectores del territorio italiano (Norte-Este, Norte-oeste, centro y sur de Italia) con el fin
de investigar las diferentes condiciones fisiogrficas y climticas. Por otra parte, la seleccin
de cuenca es promovida desde la disponibilidad de meteorolgica de buena calidad, y de la
idoneidad del modelo hidrolgico empleado, MISDc, ya que no incorpora un mdulo de fusin
de la nieve.

Figura 1. Ubicacin geogrfica y la elevacin de los (a) Las cuencas hidrogrficas Tanaro, (b)
la cuenca del ro Brenta, (c) cuenca del ro Tber y de la cuenca (d) del ro Volturno (no en
escala)

Tabla 1. Principales caractersticas de las cuencas investigadas: estacin de aforo, rea de


drenaje, la precipitacin media anual (MAR), la temperatura media anual (MAT), elevacin
media (en m s n m) y la inclinacin (en grados).
Cuenca

Tanaro
Brenta
Tber
Volturno

Estacin de
Aforo
Asti S.
Martino
Berzizza
Ponte
Felcino
Solopaca

Superficie
(km2 )

MAR
(mm)

MAT (
C)

Inclinacin
()

8.94

Altitud
media
(msnm)
1025

3229.7

1125

1506.3
1879

2123.8
967,76

7.04
13.22

1239
518

22.53
10,76

2578.8

1208.1

13.33

543

8.80

15.59

B. PRODUCTOS DE PRECIPITACIN
Datos registrados en la tierra de precipitacin, temperatura y descarga de datos en resolucin
temporal horaria son proporcionados por la red hidrometeorolgica italiana del Departamento
Nacional de Proteccin Civil. Especficamente, el conjunto de datos precipitacin observada
es proporcionado por la interpolacin de ms de 3000 pluvimetros de todo el territorio
italiano.
Los SRPS considerados en este estudio son el producto TMPA 3B42-RT en adelante TMPA,
y el conjunto de datos obtenidos mediante la aplicacin del algoritmo de SM2RAIN con los
datos de SM (humedad del suelo) dispersmetro avanzado (ASCAT), en lo sucesivo SM2RASC.
El producto TMPA combina estimaciones de la lluvia de varios sensores de satlites.
La plataforma multisatlite utiliza TRMM Microwave Imager (TMI), el Sensor Microwave
Imager Especial (SSM / I) satlites Programa de Satlites Meteorolgicos de Defensa (DMSP)
a bordo, el Sistema Avanzado de microondas Scanning Radiometer-Observacin de la Tierra
(AMSR-E) y el sondeo avanzado de microondas Unidad-B (AMSU-B) a bordo de los satlites
de Administracin Ocenica y atmosfrica Nacional (NOAA). Adems, el producto TMPA
tambin utiliza datos geoestacionarios (GEO) satlite infra-rojo (IR), que se caracteriza por la
resolucin espacial y temporal ms altos que los sensores de microondas (MW), a travs de
una constelacin de satlites GEO. El producto TMPA es proporcionada por la NASA
(NASA, http://trmm.gsfc.nasa.gov/ ) con una resolucin temporal de 3 horas y una resolucin
6

espacial de 0,25 para el 50 Norte-Sur banda de latitud. Aunque una versin del producto
TMPA 3B42 calibrado corregido tambin est disponible, en este estudio tal producto no se
utiliza con el fin de evaluar la viabilidad del uso de las SPRs en un marco operativo, es decir,
para la prediccin de crecidas en tiempo real.
El segundo conjunto de datos se obtiene mediante la aplicacin del algoritmo SM2RAIN a la
humedad superficial del suelo (SSM) producto obtenido de ASCAT, un dispersmetro que
funciona a 5,3 GHz a bordo de MetOp A y B satlites.
Especficamente, la obtencin de productos de paquetes de agua (WARP) 5,51 se utilizan en
este estudio para estimar la precipitacin a partir de datos SM. El producto tiene una resolucin
de 25 km y se proporciona dentro del proyecto H-SAF. El algoritmo SM2RAIN es una
aplicacin que utiliza para la prediccin de inundaciones a travs de SM situ.
Ambos SRPS y los datos de las precipitaciones observadas se re asignan a travs de una rejilla
con separacin del 12,5 km, utilizando el algoritmo del vecino ms cercano. La precipitacin
acumulada un da a las 00:00 GMT + 1 para cada conjunto de datos analizados se considera
en este estudio. Aunque los datos TMPA se proporcionan dentro de una ventana de tiempo
90 min del tiempo nominal (0000,0300,..., 2100 GMT), todos los datos restantes se liberan en
el tiempo local, es decir, GMT + 1. Esto permite comparar los datos con TMPA los otros
conjuntos de datos con slo 30 minutos de retraso.
Con el fin de que coincida con las diferentes resoluciones temporales, el anlisis se lleva a
cabo a una escala de tiempo todos los das, y por lo tanto, la media observada de descarga,
significa que la temperatura y la precipitacin acumulada en un da se calculan y se considera
en la secuela.
C. CORRECCIN DE SESGO
Con el fin de tener en cuenta los errores sistemticos debido a la medicin indirecta de la
precipitacin por los sensores satlite, una correccin de polarizacin se aplica a cada SRP. La
correccin aplicada permite para que coincida con la media y la desviacin estndar de SRPs
con los datos de precipitacin observados. La correccin aplicada en este estudio se expresa
por:


= (
) +

Donde es el sesgo corregido SRP, es el original SRP, es la media temporal de


la SRP, es la desviacin estndar de SRP, es la media temporal de la precipitacin
observada, y es la desviacin estndar de la precipitacin observada. Esta formulacin,
aplicado permite corregir el sesgo del SPRs. La correccin se aplica en el periodo de
calibracin antes de que el clculo de la media de una autntica lluvia. En el perodo de
validacin, la misma correccin se aplica sin cambiar los coeficientes de correccin.

D. LA PRECIPITACIN MEDIA AREAL


La precipitacin media areal para cada cuenca se obtiene considerando la contribucin de
cada pxel dentro de la cuenca mediante el uso de la siguiente ecuacin:

=
=1

Donde es la cantidad media de precipitaciones areal, pi es la precipitacin para el


pxel i dentro de un polgono de la zona de ai que representa la parte de la superficie de la
cuenca cubierto por el pixel i, y es el rea total de la cuenca.
E. ESQUEMA DE INTEGRACIN
La integracin de conjunto de datos de satlite y terrestres de precipitacin se lleva a cabo
mediante el siguiente esquema de empuje:
() = () + [ () ()]
Donde t es el tiempo, es la precipitacin integrada, es la precipitacin por
satlite, es la precipitacin observada, y K es el factor de peso que oscila entre 0 y 1.
Para = 1, slo la precipitacin observada es considerado, mientras que para K = 0 slo los
productos de satlite se usan como entrada en el modelo. Los K-valores se obtienen a travs
de la calibracin, al maximizar el ndice de eficiencia de Nash-Sutcliffe (NS) entre la descarga
observado y simulado durante el periodo de calibracin.

En resumen, un total de 5 diferentes conjuntos de datos de precipitacin se utilizan en este


estudio:
-

Precipitaciones observadas (en adelante OBS).

Sesgo corregido conjunto de datos derivados de las precipitaciones SM2RAIN


(SM2RASC).

Sesgo corregido TMPA 3B42-RT (TMPA).

Conjunto de datos de lluvia integrado entre este sndrome y SM2RASC (en adelante
SM2RASC + OBS).

Conjunto de datos de lluvia integrado entre este sndrome y TMPA (en adelante TMPA +
OBS).

F. MISDc MODELO LLUVIA-ESCORRENTA


El modelo lluvia-escorrenta MISDc, es un nico modelo de capas y fue desarrollado
especficamente para fines de prediccin de crecidas, como consecuencia, puede tener
limitaciones en reproducir con precisin las condiciones de bajo flujo que a su vez pueden
determinar errores de volumen en la comparacin a largo plazo entre el alta observada y
simulada. Parejas MISDc un mdulo de enrutamiento con un nico mdulo de balance hdrico
del suelo. El Balance hdrico del suelo se basa en la siguiente ecuacin:
()
= [() ()] () ()

Donde () es el contenido de agua del suelo en el momento t, p (t), pe (t), e (t) y g (t) son la
precipitacin, precipitacin efectiva, las tasas de evapotranspiracin y percolacin reales,
respectivamente. En la ecuacin, e(t) se calcula como una funcin lineal entre la evaporacin
potencial y la saturacin del suelo. La relacin no lineal se utiliza para el clculo de la
velocidad de percolacin, g(t). El exceso de lluvia, pe (t), se calcula utilizando el mtodo bien
conocido de Conservacin de Suelos Nmero-Curve Servicio (SCS-CN) para la estimacin de
las prdidas que incorporan la relacin entre la saturacin del suelo y el parmetro S (suelo
potencial mxima retencin) del mtodo SCS-CN. Tres componentes diferentes contribuyen a
generar el vaciado, la escorrenta superficial, el exceso de saturacin y el componente

subsuperficial escorrenta. Los dos primeros se suman y se encaminan a la salida por el


geomorfolgica del hidrograma unitario instantneo (GIUH). El escurrimiento subsuperficial
se transfiere a la seccin de salida por un enfoque de depsito lineal.

Figura 2. Esquematizacin del modelo lluvia-escorrenta MISDc con la representacin de los


procesos hidrolgicos simulados.
MISDc utiliza 8 parmetros, es decir, la capacidad mxima de agua del suelo, el ndice de
tamao de poro de distribucin, la conductividad hidrulica saturada, la fraccin de agua
percolado que genera el flujo de base, el coeficiente de relacin de retraso del rea y de un
parmetro de correccin para la evapotranspiracin, la abstraccin inicial coeficiente del
mtodo SCS-CN y el coeficiente de la relacin relativa SM a la condicin inicial del mtodo
SCS-CN. Como datos de entrada, el modelo necesita series de tiempo de precipitacin y
temperatura constantes. La etapa de calibracin se lleva a cabo en MATLAB medio ambiente
mediante el uso de un mtodo estndar basado en gradiente de optimizacin automtica y la
maximizacin del ndice de eficiencia Nash-Sutcliffe se considera como funcin objetivo.
G. MEDICIONES DE RENDIMIENTO
La evaluacin de las actuaciones modelo, impulsado por las observaciones de precipitaciones
de tierra y SRP, se lleva a cabo en trminos de eficiencia de Nash-Sutcliffe (NS), el coeficiente
de correlacin (R) y el error porcentaje en volumen (Ev). NS se utiliza a menudo para el
modelado hidrolgico evaluacin y oscila entre - y 1. Cuanto ms cerca est el ndice de 1,
mejor ser el rendimiento. NS ndice se define como:
10

= 1

=1( )2
=1(
)2

Donde y son los observados y simulados de descarga en el tiempo t, mientras


es la media temporal de la descarga observado.
Los errores de volumen porcentual, Ev, se expresa por la siguiente ecuacin:
=

=1 =1
100
=1

Valores positivas Ev indican la subestimacin de descarga mientras los negativos, una


sobreestimacin. Las mtricas de rendimiento se calculan tanto durante el perodo de
calibracin y validacin, para cada conjunto de datos de entrada de las lluvias.
Para cada cuenca, los eventos ms importantes de la inundacin se extraen con el fin de evaluar
la capacidad de los conjuntos de datos de precipitaciones considerados en la reproduccin del
hidrograma de crecida, el volumen y el pico en el evento a gran escala. La evaluacin se lleva
a cabo teniendo en cuenta los ndices descritos anteriormente, calcula para cada evento de
inundacin, y utilizando el porcentaje de error en la descarga mxima, expresada por la
siguiente ecuacin:
=

( ) ( )
( )

Un error negativo destaca sobreestimacin, mientras que un valor positivo significa que la
subestimacin.

11

III. RESULTADOS Y DISCUSIN


La validacin hidrolgica de conjuntos de datos de precipitaciones por satlite se describe
tanto para la calibracin y el perodo de validacin, para cada uno de los 5 conjuntos de datos
de precipitacin, y ms de las 4 cuencas seleccionadas consideradas en el estudio.
A. COMPARACIN DE CONJUNTOS DE DATOS DE PRECIPITACIONES
En primer lugar, una intercomparacin de los conjuntos de datos de precipitacin se lleva a
cabo con el fin de evaluar la calidad de los datos de entrada utilizados para conducir modelo
MISDc.
Este anlisis se lleva a cabo teniendo en cuenta R y la raz del error cuadrtico medio (RMSE)
entre el suelo todos los das y el satlite precipitacin media areal durante los periodos de
calibracin y validacin.
Resultados, presentados en la Tabla 2 , muestran un acuerdo de manera satisfactoria entre el
suelo y conjuntos de datos de precipitacin derivado por satlite. SM2RASC proporciona
puntuaciones de rendimiento inferiores a TMPA: esto es probablemente debido al
procedimiento de calibracin algoritmo, basado en 5 das de lluvia acumulada ( Ciabatta et al,
2015b. ).
Todos los conjuntos de datos analizados proporcionan R valores superiores a 0,48 y los valores
RMSE bastante bajo.
Los valores ms altos RMSE son de la cuenca del Brenta debido al alto rgimen de lluvias y la
presencia de montaas que podran afectar a la precisin de recuperaciones satelitales. Los
resultados obtenidos estn en lnea con los mostrados por Ciabatta et al. (2015b) que obtuvo
la mediana de R valores a lo largo del territorio italiano igual a 0,44 y 0,59 para SM2RASC y
TMPA, respectivamente, para 1 da de lluvia acumulada.
Adems, los resultados similares tambin se obtienen por Stampoulis y Anagnostou
(2011) y Nikolopoulos et al. (2013) que evalu el producto TMPA en tiempo real sobre el
norte de Italia.

12

Tabla 2. Los coeficientes de correlacin ( R ) y el error cuadrtico medio ( RMSE ) de los


productos analizados por satlite (SM2RASC y TMPA) en contra de las precipitaciones
observadas durante la calibracin (CAL) y los perodos de validacin (VAL).
Cuenca

Brenta
tanaro
Tber
Volturno

SM2R ASC
R
0.56
0.60
0.54
0.63

B. SIMULACIN

TMPA

CAL
RMSE
14.97
7.56
7.00
6.10

R
0.49
0.48
0.49
0.60

VAL
RMSE
14.91
6.96
7.66
5.80

DE

DESCARGA

R
0.70
0,79
0,71
0.64

CON

CAL
RMSE
12.78
5.94
5.73
6.07

R
0.66
0.69
0.83
0.63

PRECIPITACIONES

VAL
RMSE
13.55
6.52
9.25
5.78
SUELO

OBSERVADA
Las puntuaciones de los resultados obtenidos forzando modelo MISDc con OBS son evaluados
con el fin de evaluar la capacidad del modelo para reproducir las descargas observadas y se
utilizan como referencia para resaltar cualquier incremento (o deterioro) en la exactitud del
modelo cuando se utiliza SRP.
Figura 3., muestra las series de tiempo de descarga simulados obtenidos forzando MISDc con
los datos OBS. Como se puede observar, el modelo es capaz de reproducir el desempeo
observado bien, mostrando NS valores de 0,72, 0,76, 0,77 y 0,86 durante el perodo de
calibracin

(2010-2011)

para

las

cuencas

Brenta,

Tanaro,

Tiber

Volturno,

respectivamente. Durante el perodo de validacin (2012-2013), las simulaciones


proporcionan NS valores de 0,76, 0,68, 0,52 y 0,77 con slo un ligero deterioro del rendimiento
del modelo. En trminos de correlacin, el modelo proporciona R valores superiores a 0,86
(0,77) durante el perodo de calibracin (validacin). Lo que se refiere a los errores en el
volumen, las simulaciones MISDc proporcionan Ev valores inferiores a 23% en la calibracin
y menor que 15% durante la etapa de validacin. Estos errores no insignificantes en volumen
se deben en parte a las dificultades del modelo en la reproduccin de los flujos de baja y a la
funcin objetivo usada para la calibracin del modelo (maximizacin de la NS ), que est
dirigido principalmente para la reproduccin de flujos altos. Adems, como se puede apreciar
por la figura. 3, algunos picos de descarga no se identifican correctamente, ya que ms cuenca
del Brenta durante el perodo de calibracin y otra Tanaro en 2011. Estos errores pueden
13

deberse a diferentes causas, por ejemplo, la inexactitud de las observaciones de entrada y la


estructura de modelado, al efecto de espacial variabilidad que se descuida aqu, y para el paso
de tiempo diaria utilizada para la simulacin que podra ser no del todo adecuado para
responder rpida cuencas. A pesar de estas limitaciones, MISDc confirma su buena capacidad
en la simulacin de inundaciones, tambin en diferentes condiciones fisiogrficas y climticas
en Italia, por lo que representa una herramienta til para probar el potencial valor aadido de
las SRPs para la prediccin de crecidas. Todas las puntuaciones de los resultados obtenidos
con cada producto precipitaciones, para el perodo de calibracin y validacin, se resumen en
la Tabla 3 .

Figura 3. Comparacin de la descarga observada y simulada obtenida forzando modelo


MISDc con la precipitacin observada en Brenta (arriba-izquierda), Tanaro (arriba-derecha),
Tiber (abajo-izquierda) y Volturno cuencas (inferior derecha), durante todo el perodo de
anlisis (2010-2013).

14

Tabla 3. La eficiencia de Nash-Sutcliffe ( NS ), el coeficiente de correlacin ( R ) y el error


porcentaje en volumen (Ev) obtenida al forzar modelo hidrolgico MISDc con el observado,
por satlite (SM2R ASC y TMPA) e integrado (SM2R ASC + OBS y TMPA + OBS)
precipitaciones los datos, durante la calibracin (2010-2011) y (2012-2013) perodos de
validacin. En negrita se indican las mejores puntuaciones de rendimiento de cada cuenca,
mientras que las puntuaciones son en cursiva si mejores que los obtenidos con la tierra
observaron precipitaciones (OBS). El rendimiento ms alto de la integral SM2RASC + OBS
producto de Brenta, Tanaro y cuencas de los ros Tber es evidente.
Cuenca
NS
OBS
0,72
Brenta
0.76
tanaro
0,77
Tber
Volturno
0.86
SM2R ASC
0.63
Brenta
0.60
tanaro
0.66
Tber
0.63
Volturno
TMPA
0.32
Brenta
0.76
tanaro
0.53
Tber
0.37
Volturno
SM2R ASC + OBS
Brenta
0,78
tanaro
0,78
Tber
0,81
0,77
Volturno
TMPA + OBS
0,77
Brenta
0,79
tanaro
0,77
Tber
0.75
Volturno

Calibracin (2010-2011)
R
Ev (%)

Validacin (2012-2013)
NS
R
Ev (%)

0.86
0.89
0.88
0.93

6
23
16
14

0.76
0.68
0.52
0,77

0.88
0.83
0,77
0.88

4
11
-15
5

0,73
0,78
0,81
0,79

-2
13
3
-3

0.52
0.48
0.48
0.48

0,73
0.70
0.70
0,72

-4
-10
-1
-32

0,6
0.89
0,73
0.61

9
19
16
6

0.20
-0.22
-0.23
0.07

0.49
0.49
0.42
0.36

6
-4
-27
36

0.89
0.89
0.90
0.88

1
21
10
1

0,79
0,71
0.74
0.63

0.88
0.85
0.86
0.82

-5
9
-6
-34

0.88
0.90
0.88
0.87

3
20
17
5

0.74
0.47
0.36
0.61

0.87
0,73
0,81
0,81

-4
3
-14
-26

C. SIMULACIN DE DESCARGA CON PRODUCTOS DE PRECIPITACIONES


POR SATLITE

15

Antes de introducir la correccin de la polarizacin y los pasos de recalibracin en el flujo de


trabajo, simulaciones de descarga se llevan a cabo mediante el uso de la SRP prima. A modo
de ejemplo, Fig. 4 muestra los hidrogramas observados y simulados para la cuenca Tanaro
obtenidos forzando MISDc con TMPA conjunto de datos precipitaciones sin y con la
aplicacin de la etapa de correccin de sesgo. Como se puede observar, si el modelo es forzado
con los datos de polarizacin corregido y despus de la calibracin, se obtienen rendimientos
ms altos. De hecho, las puntuaciones de rendimiento obtenidos, antes y despus de la
correccin del sesgo y el modelo de recalibracin, aumentan de NS = 0,40, R = 0,71 y E v =
35%, a NS = 0,53, R = 0,77 y E v = 9%. Aunque la mejora no es tan significativa, el efecto
de los dos pasos de preprocesamiento es evidente. En la mayora de los casos (resultados no
se muestra por razones de brevedad) las simulaciones llevadas a cabo mediante el uso de datos
corregidos proporcionan mayores puntuaciones de rendimiento que los obtenidos mediante el
uso de los datos en bruto. Hay excepciones para el Brenta y Tanaro durante el perodo de
validacin de TMPA y de Brenta y Volturno durante el perodo de calibracin para
SM2RASC. Estos resultados pueden deberse a la alta variabilidad del rgimen de lluvias de un
ao a que podra exigir una correccin dinmica de la polarizacin o su recalibracin ms
frecuentes. Sobre esta base, la correccin del sesgo es en general beneficioso, pero tambin
puede proporcionar incertidumbres adicionales en caso de que la precipitacin presenta un
carcter no estacionario alta. Por otra parte, se consigue que despus de la recalibracin, todos
los valores de los parmetros se mantuvieron en un rango fsicamente de variacin aceptable
asegurando as la consistencia de las simulaciones hidrolgicas. La pequea pero constante
mejora en el rendimiento del modelo hidrolgico despus de la correccin del sesgo TMPA
producto (y el modelo de calibracin) se obtiene tambin por Artan et al. (2007) para los dos
sub-cuencas del ro Mekong en el sur de Asia, Stisen y Sandholt (2010) para la cuenca del ro
Senegal en frica occidental, Tarnavsky et al. (2013) en Senegal y Tnez, y Zhao et
al. (2015) en la cuenca del ro Weihe en China. Por lo tanto, debido a las actuaciones mejorado
en general, en el siguiente mostramos slo se produce en la que se corrige el sesgo de SRP a
travs de observaciones en tierra y los valores de los parmetros del modelo se vuelve a calibrar
para cada SRP (en el periodo de calibracin).

16

Figura 4. Hidrogramas observados y simulados obtenidos forzando modelo MISDc con los
datos TMPA antes (panel superior) y despus de recalibracin (panel inferior) de correccin
de sesgo y el modelo.

La comparacin entre la descarga observada y simulada obtenida mediante el uso de TMPA y


SM2RASC como entrada se presenta en la Figura 5. A pesar de un acuerdo general entre la
descarga observada y simulada es reconocible, no se identifican algunos picos (principalmente
en la cuenca del Brenta) o sobreestimados (cuencas Tanaro y Tiber) probablemente debido a
errores en los SRPs utilizados aqu como datos de entrada.

17

Figura 5. La comparacin de descarga diaria observado y simulado obtenido al forzar modelo MISDc
con los dos satlites productos lluvia SM2RASC y TMPA para Brenta (arriba-izquierda), Tanaro
(arriba-derecha), Tiber (abajo-izquierda) y Volturno (inferior derecha) cuencas , durante todo el
perodo de anlisis (2010-2013).

Ms especficamente, cuando SM2RASC se utiliza como entrada, se encuentra un deterioro de


los resultados con respecto a los obtenidos mediante el uso de OBS, con NS valores de 0,63
(0,52) para Brenta, 0,60 (0,48) para Tanaro, 0,66 (0,48) para Tber y 0,63 (0,48) para Volturno
durante el perodo 2010-2011 (2012-2013). Las puntuaciones ms bajas se deben
probablemente a SM2RAIN limitaciones del algoritmo, es decir, la subestimacin de las
lluvias, cuando el terreno est cerca de la saturacin y de la presencia de montaas y / o nieve
dentro de la cuenca que afecta a la calidad de los datos SM (y, por lo tanto, de la SM2RAIN
precipitaciones -derivado). El primer nmero se puede observar fcilmente a travs de la
cuenca del Tber a finales de 2012, cuando un pico de descarga de ms de 500 3/ no es
identificado. La ltima cuestin es evidente por todas las cuencas Brenta y Tanaro se
caracterizan por una mayor incertidumbre en los datos de SM y una subestimacin general del
caudal de los ros. En trminos de coeficiente de correlacin, SM2R ASC todava proporciona
justas R valores para todas las cuencas analizadas: durante el periodo de calibracin
(validacin) R valores superiores a 0,73 (0,70) se obtienen de las cuencas analizadas. En
18

cuanto a los errores en el volumen, bastante baja Ev se observan valores durante el periodo de
calibracin (validacin): -2% (-4%) para Brenta, 13% (10%) de Tanaro, 3% (-1%) de Tber y
-3% (-32%) para Volturno. Los valores negativos, obtenidos principalmente durante los
ltimos dos aos del perodo de anlisis, ponen de manifiesto una sobreestimacin de descarga.
Cuando MISDc es forzado con TMPA, menores NS se obtienen valores, incluso negativo
durante el perodo de validacin. R valores son mayores que 0,60 (0,36) durante el perodo de
calibracin (validacin) y una subestimacin general de descarga se observa con Ev valores
inferiores a 6 % y el 36% en el perodo de calibracin y validacin, respectivamente. Es
probable que las puntuaciones de rendimiento inferiores son debido a la precisin del producto
TMPA, que est muy afectada por cuestin topogrfica y por el tipo y la intensidad de la
precipitacin. De hecho, Ciabatta et al. (2015b) ha destacado que TMPA producto tiene bajo
rendimiento en el sur de Italia y en las zonas que se caracterizan por un rgimen de lluvias
intensas (por ejemplo, cuenca del Brenta). Adems, las puntuaciones bajas e incluso negativos
obtenidos durante el perodo de validacin son probablemente debido a la necesidad de una
correccin ms frecuente de la polarizacin con el fin de tener en cuenta su variabilidad debido
tambin a los cambios en los algoritmos de recuperacin y los sensores de medicin (nota que
el producto TMPA se basa en las mediciones de una constelacin de sensores de los satlites
que estn cambiando en el tiempo). Un anlisis mensual (no mostrado) tambin se llev a cabo
con el fin de investigar las razones del bajo rendimiento de MISDc usando TMPA durante el
perodo de validacin y mediante el anlisis de los dos datos de precipitacin y de descarga. El
anlisis ha demostrado que el rendimiento en trminos de reproduccin precipitaciones
(mediante el uso de observaciones en tierra como punto de referencia) de TMPA durante el
perodo de validacin son muy variables (mucho ms que en el perodo de calibracin), con
algunos meses en la que el rendimiento alcanza valores muy bajos (por ejemplo, R <0,2). Por
lo tanto, parece que cualquier reduccin de errores o el rendimiento en la estimacin de las
precipitaciones tienen un impacto significativo en la simulacin hidrolgica y se propaga hacia
adelante en el tiempo durante varios meses. Como resultado, cualquier corto perodo en el que
las estimaciones de las precipitaciones son menos precisos produce errores notables en la
simulacin de la descarga y es la principal razn para el bajo rendimiento observado de TMPA
en el perodo de validacin.

19

En Italia, slo una obra por Nikolopoulos et al. (2013) evaluaron la fiabilidad de diferentes
SRP para la simulacin de descarga, pero su estudio fue dirigido a la simulacin de slo un
nmero limitado de eventos de inundacin y no una simulacin continua como la que hemos
realizado aqu. Los rendimientos obtenidos estn de acuerdo todos modos con los obtenidos
en estudios previos en diferentes regiones del mundo (Artan et al., 2007 y Zhao et al.,
2015 ). Observamos tambin que la simulacin de descarga en las zonas mediterrneas es ms
compleja de lo que uno de los grandes cuencas en frica o Asia del Sur que se caracterizan
por un ciclo estacional constante y pronunciada y que son las cuencas en las que la mayor parte
de los estudios se llevaron a cabo mediante el empleo SRP. Por lo tanto, los resultados aqu
obtenidos ponen de manifiesto que las SRPs se pueden emplear con un poco de habilidad
tambin en las cuencas ms pequeas de la regin mediterrnea.

D. APROBACIN DE LA GESTIN DE SIMULACIN MEDIANTE EL USO DE


LOS CONJUNTOS DE DATOS INTEGRADOS LLUVIA
El procedimiento de integracin entre la masa observada y precipitaciones por satlite
utilizando la Ec. ( () = () + [ () ()) proporciona mejoras en las
puntuaciones de los resultados, mostrando NS valora la mayor parte de las veces (para 3 de 4
cuencas) superiores a los obtenidos mediante el uso de las precipitaciones observadas,
principalmente para SM2R ASC + OBS producto (ver los nmeros en negrita en la Tabla
3). Tabla 4 informa K valores obtenidos durante el periodo de calibracin para cada conjunto
de datos de precipitaciones.
El esquema de integracin simple aqu propuesto implica valores muy altos de K, a excepcin
de TMPA + OBS en la cuenca Tanaro que muestra la ms baja Kvalor igual a 0,5. Cabe sealar
que el alto peso dado a tierra observaciones se espera debido a la alta calidad de la tierra
observando conjuntos de datos de precipitacin usados en este anlisis. Como se puede
observar en la Fig. 6 , el uso de los conjuntos de datos integrados en MISDc permite obtener
una simulacin de descarga precisa sobre las cuatro cuencas analizadas. Vale la pena notar que
algunos de los picos de descarga todava no estn debidamente identificados por la descarga
simulada. Esto no es debido a la calidad SRPs, ya que los mismos eventos no son tambin bien
capturados en las simulaciones llevadas a cabo mediante el uso de OBS como entrada (ver Fig.
20

3 ). Por lo tanto, estos errores tienen que ser atribuido a las deficiencias modelo MISDc en
representar el comportamiento hidrolgico de las cuencas a lo largo del ao.
Tabla 4. Coeficiente de Integracin (K) para las cuencas consideradas utilizando como modelo
de entrada de los productos integrados entre los productos satelitales (SM2RASC + OBS y
TMPA + OBS) y observado.
Cuenca
Brenta
Tanaro
Tber
Volturno

SM2R ASC + OBS


0,8
0,8
0,7
0,8

TMPA + OBS
0,9
0,5
0,9
0,9

Figura 6. La comparacin de descarga diaria observada y simulada obtenida forzando modelo


MISDc con los dos productos lluvia integrados SM2RASC + OBS y TMPA + OBS para Brenta
(arriba-izquierda), Tanaro (arriba-derecha), Tiber (abajo-izquierda) y Volturno (parte inferior
-RIGHT) cuencas, durante todo el perodo de anlisis (2010-2013).
La integracin entre la precipitacin observada y por satlite mejora el rendimiento modelo
para todas las cuencas, excepto Volturno cuenca. Fig. 7 muestra las variaciones porcentuales
positivas en su mayora de NS valores obtenidos mediante el uso de unidades mviles y los
productos integrados en los cuatro cuencas, tanto durante el perodo de calibracin y
validacin. Durante la calibracin, SM2RASC + OBS (TMPA + OBS) proporciona NS valores
21

superiores a 0,77 (0,75), mientras que durante la validacin NS valores se obtienen mayor que
0,63 (0,36). En trminos de correlacin, se obtienen resultados similares. Es decir, SM2RASC +
OBS proporciona R valores superiores a 0,88 y 0,82 durante la calibracin y validacin,
respectivamente, mientras que TMPA + rendimientos de conjunto de datos OBS R mayor que
0,87 y 0,73. El uso de conjuntos de datos de lluvia integrado proporciona tambin una
reduccin del error en volumen, para todas las cuencas.

Figura 7. ndice de eficiencia de Nash-Sutcliffe (NS variacin) porcentaje obtenido al forzar


modelo MISDc con SM2RAIN precipitaciones derivados (SM2RASC), producto TMPA
3B42-RT (TMPA) y los productos integrados entre lo observado y los datos de lluvia por
satlite (SM2RASC + OBS y TMPA + OBS) durante la calibracin (cuadrados azules) y
validacin (estruendos verdes). Los cuadros de texto muestran las variaciones porcentuales
en NS obtenidos para TMPA durante el perodo de validacin que exceda el lmite del eje.

22

E. EL RENDIMIENTO DEL MODELO DE EVENTOS DE INUNDACIN


El anlisis de los resultados se ha llevado a cabo en un total de 43 eventos de inundacin
extrados de las series de tiempo analizadas: 11 para la cuenca Tanaro, 12 para la cuenca del
Brenta, 10 de cuencas Tiber y Volturno. Los eventos fueron extrados mediante la seleccin
de las que se caracterizan por una precipitacin total de ms de 20 mm. Un evento se distingue
de otro si una precipitacin total de menos de 1 mm se produjo durante al menos 6 h. En
concreto, el rendimiento se evala considerando los hidrogramas obtenidos forzando MISDc
con los diferentes conjuntos de datos de precipitacin, y por lo tanto, se efecta una
recalibracin basado en eventos de inundacin. En la Fig. 8 se muestran las puntuaciones de
los resultados obtenidos para cada evento de inundacin y lavado. Se puede observar que si
MISDc es forzado con datos OBS, se obtienen valores bastante altos NS, a excepcin de
cuenca Tiber que se caracteriza por puntuaciones de rendimiento inferiores. Estos resultados
estn de acuerdo con los obtenidos por Brocca et al. (2011b) en el centro de Italia y
por Massari y col. (2015) en todo el territorio italiano que obtuvo NS valores en el evento a
gran escala que oscila entre 0,50 y 0,95.
Si se utilizan TMPA y SM2RASC conjuntos de datos como datos de entrada, el rendimiento
ms bajo se puede observar con una reduccin media de NS igual a -40% y -36% para TMPA
y SM2R ASC, respectivamente. Ms detalladamente, TMPA ofrece el peor rendimiento con
varios valores NS negativos sobre cuencas y Tanaro Brenta (por ejemplo, caso 8 para Tanaro
y el evento 11 de Brenta). SM2RASC ofrece NS valores comparables con los obtenidos
forzando MISDc con OBS sobre cuencas Tanaro, Brenta y Tiber, mientras que NS es
consistentemente ms baja para la cuenca Volturno. Los productos integrados proporcionan
resultados comparables y, a veces superiores a los obtenidos mediante el uso de OBS, a
excepcin de evento 8 sobre cuenca Tanaro, donde TMPA + producto OBS produce
un NS valor de alrededor de -2.

23

Figura 8. Las puntuaciones de rendimiento obtenidos durante los eventos de inundacin


simulaciones sobre el cuencas Tanaro (TA), Brenta (BR), Tiber (TI) y Volturno (VO) forzando
modelo MISDc con los datos observados (OBS, lnea verde fijo), SM2RAIN precipitaciones
derivados (SM2R ASC , lnea discontinua roja), los datos TmpA (TMPA, La lnea azul),
producto integrado entre SM2R ASC y datos OBS (SM2R ASC + OBS, lnea discontinua negro)
y el producto integrado entre los datos OBS (TMPA + OBS, magenta discontinua TMPA y
lnea). ndice de eficiencia de Nash-Sutcliffe ( NS , panel superior), porcentaje de error en la
descarga mxima (EQp , panel central) y el porcentaje de error en el volumen de escorrenta
directa (E v , panel inferior). En el grfico de panel superior, el eje y truncado a 0 para fines de
visualizacin.
En trminos de EQp, una subestimacin general del caudal mximo se puede observar mediante
el uso OBS como datos de entrada. Incluso en este caso, las simulaciones ms de la cuenca
Tiber proporcionan las peores puntuaciones de rendimiento, con un error de aproximadamente
50% para los eventos 3, 4, 6, 7, 8 y 9 y aproximadamente -100% para el evento 7. El Producto
TMPA proporciona una subestimacin de los picos de descarga de ms de cuencas Tanaro,
Brenta y Tiber. SM2R ASC se caracteriza por una subestimacin general sobre todos los cuatro
cuencas analizados, principalmente para cuencas Tber y Volturno. TMPA + OBS y
SM2R ASC + OBS productos proporcionan EQp valores similares a los obtenidos si MISDc es
impulsado con valores de error an ms bajos y OBS (con respecto a la OBS) sobre la cuenca
del Brenta. En trminos de Ev , los datos OBS proporcionan las mejores puntuaciones de
rendimiento, principalmente para la cuenca del Volturno. TMPA y SM2R ASC productos se
caracterizan por una subestimacin general para las cuencas Tanaro, Brenta y Tiber, mientras
24

que las simulaciones llevadas a cabo para la cuenca del Volturno proporcionan mejores
resultados con respecto a las otras cuencas, excepto para el evento 10.
Para resumir, en trminos de la mediana de NS en todos los eventos de inundacin
seleccionados, el uso de productos integrados proporciona resultados comparables con los
obtenidos mediante el uso de OBS con el mejor rendimiento obtenido por el ro Tber para
SM2R ASC + OBS (+ 54%) y el Brenta las cuencas mediante la TMPA + OBS (+ 14%) y los
peores obtenidos para Volturno con TMPA + OBS (-18%). En el resto de los casos, tanto
SM2R ASC + OBS y TmpA + valores rendimientos OBS cerca de OBS con mejores resultados
obtenidos por SM2R ASC + OBS. Los pobres resultados obtenidos para la cuenca Volturno
pueden explicarse por calidad de los datos OBS relativamente alta cuando se utilizan como
entrada en MISDc. Se obtuvieron resultados similares para EQp (Ev) con una reduccin de error
de aproximadamente el 28% (38%) para la cuenca del Tber mediante el uso de SM2R ASC +
OBS y el 43% (16%) para la cuenca del Brenta mediante el uso de TMPA + OBS.
Si se compara con el estudio de Massari et al. (2014) , quien forz un modelo lluvia-escorrenta
a travs de una pequea cuenca en Francia mediante el uso de un producto de la precipitacin
estimada obtenida por la aplicacin de SM2RAIN en observaciones in situ SM, se observa un
buen acuerdo en los resultados obtenidos. De hecho, Massari et al. (2014) encontraron que el
uso de la precipitacin SM2RAIN derivados proporciona resultados razonables, pero ms baja
que usando observaciones pluvimetros tradicionales. Sin embargo, en consecuencia nuestro
estudio, la integracin de la observada (de pluvimetros) y estimado precipitaciones (de
SM2RAIN) proporcion el mejor rendimiento con un aumento en la media de NS igual al 38%
(0,48 a 0,66).

25

IV. APLIACIN DE LA INVESTIGACION EN EL PER


Destacar la importancia de la investigacin y sobre todo pueda ser repliacada en cualquier
parte del mundo es as que en Per se ha efectuado trabajos de investigacin relacionados
como Modelado Hidrolgico Distribuido De La Cuenca Amazonica Peruana Utilizando
Precipitacin Obtenida Por Satlite
La simulacin de caudales a partir de modelos de lluvia-escorrenta es a menudo insatisfactoria
debido a que la variabilidad espacial de la lluvia est pobremente representada en regiones donde
los datos son escasos, principalmente por la falta de estaciones pluviomtricas. Considerando que
la captacin de estaciones pluviomtricas convencionales es representativa de solo un pequeo
radio alrededor del instrumento, es necesario para un mejor detalle, el monitoreo de grandes
extensiones de territorio. Una posible alternativa de solucin a este problema es el uso de lluvia
estimada por sensoramiento remoto, ya que estos se encuentran uniformemente distribuidos. Sin
embargo, la incertidumbre de la estimacin de la precipitacin se incrementa con la disminucin
de la densidad de estaciones pluviomtricas, especialmente para eventos convectivos locales,
resultando de importancia el poder evaluar el nivel de rendimiento de estas estimaciones como
variable de entrada a un modelado hidrolgico distribuido. Estos modelos a diferencias de los
modelos concentrados ha sido poco estudiado y aplicado en el Per. Los acontecimientos recientes
en la modelizacin hidrolgica de cuencas hidrogrficas se centran en pronsticos de caudales en
cuencas no aforadas, lo que implica la necesidad de mejorar los pronsticos de caudales para
identificacin de eventos extremos en caso de emplear precipitacin estimada en tiempo real.

La utilizacin de precipitacin estimada por satlite como entrada a modelos hidrolgicos es


una alternativa atractiva en regiones con datos limitados o falta de datos observados.
Estos datos ha sido utilizados principalmente en los estudios hidrolgicos de la cuenca
Amaznica Brasilea. En esta investigacin, la precipitacin estimada por satlite fue
empleada en la evaluacin de un modelado lluvia - escorrenta. Tres productos de precipitacin
deducidos de los datos satelitales (TMPA V7, CMORPH y PERSIANN) se utilizaron como
datos forzantes para las simulaciones de caudales diarios usando el modelo hidrolgico de
cuencas de gran escala MGB IPH, para el perodo 2003-2009. Se emplearon datos de
caudales diarios de 13 estaciones hidromtricas provenientes del observatorio ORE-HYBAM.
Los resultados de este estudio sugieren que el producto TMPA V7 es ms representativo que
los otros y se puede utilizar como entrada para un modelado hidrolgico lluvia-escorrenta
26

sobre la cuenca amaznica peruana. Sin embargo, los anlisis indican un efecto contrario en
las subcuencas situadas entre las regiones del norte y sur de la cuenca amaznica peruana, en
especial para capturar la fase y magnitud de los eventos extremos. Esto demuestra la dificultad
de representar hidrogramas observados en regiones cercanas a la lnea ecuatorial con
precipitaciones estimadas de satlite, que se caracteriza por una dbil variabilidad estacional
(Zubieta, 2013).

27

V. CONCLUSIONES
Simulacin descarga diaria con el modelo MISDc agrupado se lleva a cabo en cuatro cuencas
en todo el territorio italiano y mediante el uso de suelo datos de precipitacin obtenidos por
satlite y observado. El anlisis arroj resultados satisfactorios y prometedores y destac los
efectos beneficiosos del uso de productos de precipitaciones por satlite en la modelizacin de
inundaciones durante las cuatro cuencas analizadas. En cuanto a los resultados obtenidos, las
siguientes conclusiones pueden extraerse:
-

MISDc modelo hidrolgico es capaz de reproducir con precisin las descargas ms de 4


cuencas, caracterizadas por diferentes condiciones fisiogrficas y climticas,
especialmente en condiciones de alto flujo. Simulaciones MISDc forzados por
observacin de precipitaciones proporciona valores de eficiencia de Nash-Sutcliffe mayor
que 0,72 y 0,52 durante el perodo de calibracin y validacin.

Productos de la lluvia mediante satlites se pueden emplear para la simulacin de


inundaciones, pero la correccin de polarizacin y el modelo de parmetros de calibracin
son necesarios antes de su uso. Las simulaciones han proporcionado resultados
prometedores en trminos de eficiencia de Nash-Sutcliffe, el coeficiente de correlacin y
el error de volumen, principalmente durante el perodo de calibracin. Sin embargo, este
anlisis ha puesto de manifiesto algunos resultados contrastantes (como los
negativos NS valores de TMPA en el perodo de validacin) que tienen que ser evaluada
en estudios adicionales mediante el anlisis de un perodo ms largo y teniendo en cuenta
la variabilidad de ao a ao de los regmenes de lluvias.

Actuaciones de SM2RASC confirman la buena capacidad del algoritmo de SM2RAIN en


la estimacin de las precipitaciones, lo que permite aplicar con xito el mtodo tambin
para la simulacin de inundaciones. Si MISDc es impulsado por SM2RASC datos, se
obtienen incluso mejores puntuaciones de rendimiento que el producto TMPA.

Conjunto de datos de lluvia observado en tierra pueden verse afectados por problemas de
representatividad espacial y pueden conducir a simulaciones de descarga equivocadas: el
esquema de integracin sencilla propuesta en este estudio pone de manifiesto la capacidad
de los productos de precipitaciones por satlite para mejorar las estimaciones de
precipitacin. A pesar de las mejoras no son tan evidentes, simulaciones MISDc
28

impulsados por SM2RASC + OBS y TMPA + OBS proporcionan las puntuaciones de


rendimiento, en la mayora de los casos (3 de cada 4 cuencas), mejores que los obtenidos
utilizando slo datos observados del suelo. Esperamos que los esquemas de integracin
ms avanzados pueden ayudar a mejorar an ms los resultados.
-

A pesar de los resultados obtenidos estn relacionados con la habilidad, disponibilidad y


la fiabilidad de los datos suelo observados, este estudio proporciona resultados
prometedores y representa uno de los primeros intentos de integrar la planta observado y
conjuntos de datos de precipitaciones por satlite para la simulacin de inundaciones,
principalmente en reas bien calibradas. Un anlisis ms detallado se abordar en el futuro
con el fin de comprender mejor y mejorar la capacidad de SRPs en el modelado
hidrolgico, mediante el uso de diferentes formulaciones de correccin de sesgo, un
esquema de integracin ms sofisticados (por ejemplo, asimilaciones de datos tcnica) y
mediante la seleccin de un mayor nmero de Cuencas de estudio en todo el mundo. La
integracin entre las SPRs sin el uso de los datos de precipitacin observada en tierra se
analizar tambin.

29

VI. REVISIN BIBLIOGRAFICA

Artan, G., Gadain, H., Smith, J.L., Asante, K., Bandaragoda, J., Verdin, J.P., 2007.Adequacy
of satellite derived rainfall data for stream flow modeling. Nat.Hazards 43, 167185.
Bober, W., 2013. Introduction to Numerical and Analytical Methods with MATLAB for
Engineers and Scientists. CRC Press, Inc., Boca Raton, FL, USA.
Brocca, L., Melone, F., Moramarco, T., 2008. On the estimation of antecedentwetness
conditions in rainfall-runoff modelling. Hydrol. Process. 22 (5), 629642.
Wagner, W., Hahn, S., Kidd, R., Melzer, T., Bartalis, Z., Hasenauer, S., Figa, J., deRosnay, P.,
Jann, A., Schneider, S., Komma, J., Kubu, G., Brugger, K., Aubrecht, C.,Zuger, J.,
Gangkofner, U., Kienberger, S., Brocca, L., Wang, Y., Bloeschl, G.,Eitzinger, J., Steinnocher,
K., Zeil, P., Rubel, F., 2013. The ASCAT soil moistureproduct: a review of its specifications,
validation results, and emergingapplications. Meteorol. Z. 22 (1), 533.
Wake, B., 2013. Flooding costs. Nat. Clim. Change 3, 778.
Xie, P., Arkin, A.P., 1997. Global precipitation: a 17-year monthly analysis based ongauge
observations, satellite estimates, and numerical model outputs. Bull.Am. Meteorol. Soc. 78
(11), 25392558.
Zhao, H., Yang, S., Wang, Z., Zhou, X., Luo, Y., Wu, L., 2015. Evaluating the suitabilityof
TRMM satellite rainfall data for hydrological simulation using a distributedhydrological
model in the Weihe River catchment in China. J. Geog. Sci. 25 (2),177195.
Zubieta, Ricardo, 2013 Modelado Hidrolgico Distribuido De La Cuenca Amazonica Peruana
Utilizando Precipitacin Obtenida Por Satlite Lima Per

30