VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

Validacin de un modelo de cuenca sin calibracin

http://onlinelibrary.wiley.com/doi/10.1029/2002WR001940/full
(traducido en google)

[1] Los enfoques tradicionales para la validacin de modelos de cuencas se enfocan en la '' bondad
de ajuste '' entre las predicciones del modelo y las observaciones. Es posible que un modelo de
cuenca muestre un "buen" ajuste, pero no representen con exactitud los procesos hidrolgicos;
por lo tanto "bondad de ajuste" puede ser engaosa. En su lugar, se introduce un enfoque que
evala la capacidad de un modelo para representar la estructura de covarianza observada de la
entrada (clima) y la salida (flujo de flujo) sin calibrar nunca el modelo. Una ventaja de este enfoque
es que no se confunde con el error del modelo introducido durante el proceso de calibracin.
Ilustramos que una vez que se calibra un modelo de cuenca, el error inevitable del modelo puede
nublar nuestra capacidad de validar (o invalidar) el modelo. Hacemos hincapi en que el modelo
de prueba de hiptesis (validacin) debe realizarse antes e independiente de la estimacin de
parmetros (calibracin), en contra de la prctica tradicional en la que los modelos de cuencas son
generalmente validados despus de la calibracin del modelo. Nuestro enfoque se prueba usando
dos modelos de cuencas diferentes en varias cuencas hidrogrficas diferentes en los Estados
Unidos.

Covarianza: En probabilidad y estadstica, la covarianza es un valor que indica el grado de

variacin conjunta de dos variables aleatorias respecto a sus medias. Es el dato bsico para
determinar si existe una dependencia entre ambas variables y adems es el dato necesario para
estimar otros parmetros bsicos, como el coeficiente de correlacin lineal o la recta de regresin.

1. Introduccin

[2] Desde el advenimiento de las tecnologas informticas, las estructuras determinsticas del
modelo de la cuenca han crecido cada vez ms sofisticadas y complejas. Las estructuras del
modelo de cuenca han evolucionado de agrupadas a distribuidas, requiriendo enormes aumentos
tanto en los datos de entrada como en la caracterizacin de los parmetros del modelo. Los
algoritmos de solucin numrica han evolucionado desde resolucin gruesa en el tiempo y el
espacio hasta una resolucin mucho ms fina. Por ejemplo, los pasos de tiempo del modelo han
evolucionado de anual y mensual a diario y cada hora, requiriendo enormes aumentos en los
requisitos de computacin. Teledeteccin las tecnologas y los sistemas de gestin de bases de
datos han mejorado de modo que actualmente los sistemas de monitoreo por satlite y los
sistemas de informacin geogrfica se utilizan habitualmente para supervisar y administrar fuentes
de datos distribuidas. Con estos desarrollos se han producido mejoras significativas en nuestra
comprensin y capacidad para calibrar y validar modelos deterministas de cuencas hidrogrficas.
Al mismo tiempo, a medida que las estructuras ms sofisticados y complejos, su calibracin y
validacin plantean desafos an mayores.

[3] La utilidad de los modelos de cuencas hidrogrficas como herramientas para predecir las
respuestas de cuencas hidrogrficas sigue siendo cuestionable al igual que la validez de la
dinmica interna de procesos de cuencas hidrogrficas dentro de cada modelo. Esto se debe a
que en la mayora de las aplicaciones hay pocos o ningn dato disponible aparte de los datos de
entrada y salida utilizados para calibrar el modelo. En consecuencia, las respuestas simuladas de
la cuenca (distintas de los caudales) permanecen "internas" al modelo y no estn sujetas al tipo
de escrutinio cientfico que se esperara de ejercicios de modelado. Ms recientemente, se han
intentado examinar los procesos internos de algunos modelos de cuencas para ayudar en la
validacin de modelos [Seibert et al Al., 1997]. Cuando se considera la amplia gama de modelos

1
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

de cuencas hidrogrficas y el gran nfasis en su calibracin [Duan et al., 2003], es sorprendente

la poca atencin que se ha prestado al problema de la validacin de modelos. En tres revisiones
recientes del modelado de cuencas hidrogrficas [Singh, 1995; Hornberger y Boyer, 1995; Singh
y Woolhiser, 2002] y la calibracin del modelo de cuenca [Duan et al., 2003], se prest poca
atencin a los desarrollos en el rea de validacin de modelos.

[4] La investigacin sobre el modelado de cuencas hidrogrficas ha evolucionado

considerablemente, junto con nuestra conciencia de que las estructuras de los modelos y sus
conjuntos de parmetros de modelos asociados no son nicos y que existen infinitas
representaciones matemticas plausibles.

Modeladores de aguas subterrneas [Konikow y Bredehoeft, 1992], modeladores de ciencias de

la tierra [Oreskes et al., 1994], modeladores de cuencas [Kirchner et al., 1996; Wagener et al.,
2003], y otros [Oreskes y Belitz, 2001] han llegado a la conclusin de que los cientficos han
comprendido al menos desde Popper [1959] que, como hidrlogos, nunca podemos validar una
hiptesis de modelo de cuenca. Esto es similar al enfoque de un estadstico para la prueba de
hiptesis. La aceptacin o el rechazo de un modelo estadstico son filosficamente idntico a la
aceptacin o rechazo de un modelo de cuenca hidrogrfica determinista ya que todos los modelos
deterministas contienen una inevitable componente estocstico [Vogel, 1999]. Oreskes y Belitz
[2001] sostienen que el trmino "validacin" es desafortunado porque su raz, '' vlida '', implica
una legitimidad que no estamos justificados en afirmar.

[5] El Departamento de Energa de los Estados Unidos [1986] define la validacin como la
determinacin de que el cdigo o modelo refleja el comportamiento del mundo real.
El Organismo Internacional de Energa Atmica [1982] define un modelo validado como uno que
proporciona "una buena representacin de los procesos reales que ocurren en un sistema real".
Aunque existe un acuerdo aproximado sobre el objetivo de la validacin del modelo, no existe un
acuerdo uniforme Metodologa para ejecutar la validacin del modelo.

[6] Los enfoques tradicionales para la validacin de modelos de cuencas son normalmente
variaciones en la tcnica de muestra dividida. La idea tradicional de validacin es asegurar que el
modelo puede hacer predicciones precisas y reproducibles fuera del perodo de tiempo durante el
cual fue calibrado [Klemes, 1986; Tsang, 1991; Flavelle, 1992; Refsgaard y Knudsen, 1996].
Klemes [1986] introdujo un esquema jerrquico para la validacin de modelos hidrolgicos que
prueba la capacidad de un modelo para hacer predicciones fuera del perodo de calibracin
(muestra dividida), en diferentes cuencas (proxy-cuenca) y bajo diferentes regmenes climticos
muestra). Refsgaard y Knudsen [1996] son los nicos que podemos localizar quin aplic el
enfoque jerrquico de Klemes [1986] para la validacin de modelos.

[7] Los enfoques tradicionales de validacin de modelos se concentran en la transposabilidad

espacial y temporal [Klemes, 1986] de modelos, que son cuestiones centrales para la aplicacin
de modelos. Sin embargo, los ejercicios de validacin podran generalizarse an ms para incluir
todos los enfoques que den fundamento a la credibilidad de un modelo dado. El marco de las
pruebas de hiptesis estadsticas proporciona un marco cuantitativo para determinar la credibilidad
o la validez del modelo [Hooper, 2001]. Luis y McLaughlin [1992] y Flavelle [1992] introdujeron un
marco estadstico para la validacin de modelos de cuencas hidrogrficas. Sus objetivos son
similares a los aqu; Sin embargo, su enfoque difiere del nuestro porque sus pruebas de hiptesis
se centran en si los errores del modelo son insignificantes. Por lo tanto, sus pruebas de hiptesis
enfocan la atencin en los errores de modelo, lo que implica que el modelo ya es apto para los

2
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

datos (calibrado), y por lo tanto su enfoque sigue centrndose en la "bondad de ajuste" del modelo
a las observaciones, en el contexto de algunos pre especificados funcin objetiva.

[8] Nuestro enfoque es aumentar el paradigma actual de calibracin / validacin con un mtodo
que no se centra nicamente en la "bondad de ajuste" tradicional de las predicciones del modelo
a las observaciones. Ms bien, nuestro enfoque se centra en la capacidad de la hiptesis de la
estructura del modelo de cuenca para representar la estructura de covarianza observada de la
serie de tiempo de entrada y salida sin calibrar nunca el modelo. Dado que nuestro enfoque se
centra en la estructura de covarianza modelada de las series de entrada y salida, denominamos
nuestro enfoque un enfoque de covarianza para la validacin de modelos. En la siguiente seccin
demostraremos nuestro enfoque de covarianza usando un modelo de cuenca lineal simple para el
cual las covarianzas pueden ser derivadas analticamente. Siguiendo esto por ejemplo, se
demuestra la aplicacin de nuestro enfoque de covarianza a un modelo de cuenca no lineal ms
realista que requiere un enfoque numrico para estimar las covarianzas.

2. Un Ejemplo Analtico del Mtodo de Covarianza para la Validacin de Modelo de

Cuenca

[9] En esta seccin presentamos un modelo de cuenca lineal simple con el propsito de demostrar
cmo las covarianzas pueden ser empleadas para la validacin de un modelo de cuenca. Dado
que el modelo es lineal, las covarianzas se derivan analticamente. Despus de introducir el
modelo y derivar varias covarianzas, presentamos nuestra metodologa de validacin propuesta y
demostrar algunas de sus ventajas sobre los mtodos de validacin existentes.

2.1. El modelo '' abc ''

[10] Fiering [1967] introdujo el modelo "abc", originalmente concebido por Harold A. Thomas, como
una herramienta pedaggica para modelar las relaciones entre la precipitacin, la
evapotranspiracin, el almacenamiento de agua subterrnea y el caudal utilizando slo tres
parmetros del modelo. Dado que el modelo es lineal y carece de un componente de humedad del
suelo, no se espera que funcione bien, pero concuerda con la intencin original de Fiering [1967],
este modelo proporciona una gran cantidad de oportunidades pedaggicas para demostrar
problemas hidrolgicos y estadsticos fundamentales asociados con el modelado de cuencas.
Otras aplicaciones del modelo abc incluyen estudios de Salas y Smith [1981], Kuczera [1982], y
Rogers y Fiering [1990]. La estructura lineal del modelo abc nos permite derivar relaciones
analticas entre momentos de la entrada (precipitacin), salida (flujo), error de modelo y parmetros
del modelo. Cuando tales relaciones analticas no estn disponibles, se puede recurrir al uso de
mtodos numricos, como se discute en la siguiente seccin. Los momentos analticos del modelo
abc que se deriva a continuacin difieren de los estudios previos, porque las derivaciones previas
de los momentos modelados [Fiering 1967; Rogers y Fiering, 1990] ignoraron el error del modelo.

[11] El modelo abc es un balance hdrico definido por una ecuacin de continuidad para las
componentes superficiales y de aguas subterrneas saturadas del ciclo hidrolgico. Si la
precipitacin en el tiempo t est representada por Pt, entonces la infiltracin es If = aPt y la
evapotranspiracin es Et = bPt, donde a y b representan la fraccin de precipitacin que se infiltra
y se evapora, respectivamente. El componente restante de la precipitacin, P t It Et = (1 a
b) Pt, da como resultado un escurrimiento superficial al canal de la corriente. El almacenamiento
del agua subterrnea en el tiempo t es Gt, y el flujo de agua subterrnea al canal de la corriente
es una fraccin fija cG t-1 de almacenamiento de agua subterrnea en el perodo anterior. Por

3
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

ltimo, el flujo de flujo, Qt, se da como la combinacin de las aportaciones de agua superficial y
subterrnea adems del error de modelo t

Qt = (1 a b) Pt + cGt-1 + t (1)
El almacenamiento de agua subterrnea Gt se deriva por continuidad como almacenamiento
anterior de agua subterrnea G t-1 menos flujo de agua subterrnea ms infiltracin y error de
modelo t
Gt = (1- c) G t-1 + aPt + t (2)
El modelo se nombra despus de sus tres parmetros, a, b, y c, que se presume para tener cierto
grado de interpretacin fsica. Dado que los parmetros representan fracciones, tienen lmites
superior e inferior 0 a, b, c 1, y puesto que la infiltracin y la evapotranspiracin combinadas
no pueden exceder la precipitacin total, 0 a + b 1.
2.2. Momentos del modelo '' abc ''
[12] Ignorando los trminos de error t y t , Fiering [1967] y Rogers y Fiering [1990] derivaron la
media y la varianza del flujo de flujo de las ecuaciones (1) y (2) para el caso de estado estacionario
en el que E [Gt] = E [G t-1]. El error del modelo es un papel fundamental en la validacin del modelo
y no puede ser ignorado. Kuczera [1982] muestra cun importante es explicar, en lugar de ignorar,
los errores en las ecuaciones (1) y (2), particularmente cuando el inters de uno en la estimacin
de parmetros de modelo. Al dejar caer los subndices, se puede demostrar que la media, la
varianza y la correlacin en serie de lagunas del flujo son dadas por

E Q = Q = (1- b)P (3)

Donde p y 2 son la media y la varianza de la Precipitacin, respectivamente, y 2 y 2 son

la varianza De los residuos modelo. En este ejemplo inicial, los residuos Se supone que tienen
una media cero y que son independientes de unos y otros. Cuando 2 = 0 y 2 = 0, las ecuaciones
(4) y (5) Reducir a las expresiones derivadas por Fiering [1967] y Rogers y Fiering [1990], que
ignoraron esos errores condiciones. Tambin se puede demostrar que la correlacin entre
(Precipitacin) y la salida (flujo de la corriente) es dada por

(1)
(, ) = (6)

4
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

[13] Suponemos que las mediciones de aguas subterrneas no estn disponibles, y por lo tanto
es imposible estimar 2 . En su lugar, hacemos una suposicin acerca de la relacin entre los
residuos t y t. Asumimos que el error de prediccin relativo asociado con el flujo Qt es el mismo
que el error relativo de prediccin asociado con el almacenamiento de agua subterrnea Gt, i, e.,
/ Q = / G. Dado que Q = (1 - b) P y G = aP / c, obtenemos la relacin

(1b)c
= (7)
a

Finalmente, asumimos que los errores de tierra y agua de superficie no estn correlacionados de
modo que la varianza total del error del modelo sea la suma de la varianza de los errores del
modelo de agua superficial y superficial
2
= 2 + 2 (8)

2.3. Uso de Covariances para Invalidar el Modelo de Cuencas "'abc' '

[14] Las tcnicas para la validacin de modelos de cuencas hidrogrficas deben reflejar las metas
del ejercicio de modelizacin. Si el objetivo es reproducir los picos de descarga, los criterios de
rendimiento del modelo deben reflejar esa meta. Comenzamos por usar covarianzas para evaluar
un modelo de cuenca con respecto a un objetivo de modelado deseado, aunque se pueden usar
otras estadsticas tales como descargas de pico de flujo o inundacin. Asumir el objetivo es que el
modelo reproduzca la correlacin serial observada lag-one de la salida (flujo), 1, y la correlacin
cruzada observada entre la entrada (precipitacin) y la salida (flujo), (P, Q), usando un paso de
tiempo anual.
Este objetivo puede ser importante para la planificacin del suministro de agua a largo plazo,
donde es importante mantener la estructura de correlacin de la produccin del modelo. Esta idea
se ilustra en la Figura 1. La Figura 1 est construida de tal manera que ilustra el espacio de muestra
completo de valores de 1 y (P, Q) que el modelo es capaz de reproducir usando un paso de
tiempo anual. Se muestran en puntos sombreados los resultados de 5000 experimentos de Monte
Carlo que utilizaron las ecuaciones (3) - (8) para calcular la relacin entre 1 y (P, Q).

Estos puntos sombreados se obtienen mediante muestreo de los parmetros del modelo a, b y c
de una distribucin uniforme en el intervalo [0,1] (con 0 < a + b 1) para representar todos los
posibles momentos modelados correspondientes a todos los posibles Combinaciones de
parmetros del modelo. Este esquema de generacin de parmetros se hizo por simplicidad; En
la prctica, se pueden restringir los parmetros del modelo para asegurar valores de parmetros
realistas. De forma similar, se muestrea el coeficiente de variacin del caudal y la precipitacin de
una distribucin uniforme sobre el rango de valores de estas estadsticas observadas para series
temporales anuales en todo el territorio de los Estados Unidos [Vogel et al., 1998].

El resultado neto es la regin formada por los puntos sombreados en la Figura 1a, que ilustra el
espacio de muestra posible de estas dos covarianzas que este modelo en particular puede
reproducir, sin error de modelo ( = = = 0). A modo de comparacin, trazamos los valores
de la muestra media regional de estas dos estadsticas usando grandes crculos slidos. Los
valores medios regionales de 1 se obtuvieron de Vogel et al. [1998], y se utiliz un enfoque similar
para obtener valores regionales de (P, Q) para las 18 principales regiones de recursos hdricos

5
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

de los Estados Unidos. Las estadsticas de muestra regionales ilustradas en la Figura 1 resumen
las propiedades de estas dos covarianzas en 1557 cuencas hidrogrficas a lo largo de los Estados
Unidos, basadas en los registros de flujo de la Geological Survey de los Estados Unidos [Slack et
al., 1993].

Es importante enfatizar que las estimaciones de la muestra regional de los momentos ilustrados
en la Figura 1 no dependen de ningn supuesto del modelo, y dado que se basan en informacin
regional, tambin tienen un error de muestreo muy pequeo. Dado que el modelo abc no puede
reproducir los momentos observados, podemos rechazar el modelo abc en la escala de tiempo
anual para todas las regiones de los Estados Unidos.

[15] La Figura 1b se construye de forma diferente a la de la Figura 1a porque asume que existe
un ligero error de modelo ( / Q = 0.1). El error del modelo siempre se introduce cuando un
modelo se calibra a datos. En la figura 1b, ahora parece que el modelo abc puede reproducir los
momentos necesarios. Este experimento documenta cmo la introduccin del error del modelo
(que normalmente ocurre durante el proceso de calibracin) puede confundirnos en pensar que un
modelo es aceptable, cuando en realidad no lo es. Este experimento tambin documenta lo
prometedor que puede ser este enfoque, ya que en este caso se cre una sola imagen grfica
para invalidar el uso de un modelo de cuenca anual abc, para el objetivo elegido, para todas las
regiones de los Estados Unidos.

Figura 1. Los puntos sombreados representan la relacin entre la correlacin cruzada de la

precipitacin anual y flujo de corriente, (P, Q) y lag-una correlacin en serie del caudal anual 1
correspondiente a casi todas las combinaciones posibles de parmetros del modelo abc. Los
crculos slidos indican las estimaciones regionales de los momentos (P, Q) y 1 basados en
1337 cuencas hidrogrficas en los Estados Unidos continentales.
[16] El enfoque de Monte Carlo tomado en la Figura 1 para desarrollar el espacio muestral
completo de momentos que el modelo es capaz de representar es anlogo al anlisis de

6
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

sensibilidad generalizado introducido por Spear y Hornberger [1980] y utilizado posteriormente por
otros con el fin de evaluar la sensibilidad de un criterio de bondad de ajuste a todas las posibles
combinaciones de parmetros del modelo.
La metodologa descrita anteriormente es nica debido a que el modelo abc es lineal, lo que nos
permite derivar expresiones analticas para varios momentos de flujo en funcin de momentos de
precipitacin. Adems, el uso de una escala de tiempo anual nos permiti generalizar el
comportamiento del caudal y la precipitacin para todas las regiones de los Estados Unidos. En la
siguiente seccin ilustramos nuestro enfoque en un entorno ms realista en el que el modelo de
la cuenca es no lineal y la escala de tiempo es mensual.

3. Ejemplo de un enfoque de covarianza para la validacin de un modelo de cuenca mensual

[17] En esta seccin introducimos un modelo de cuenca no lineal ms realista que en el ejemplo
anterior y documentamos cmo nuestro enfoque de covarianza para la validacin de modelos se
aplicara en una situacin ms realista en un solo sitio.

3.1. El modelo '' abcd ''

[18] En contraste con el modelo abc lineal, que slo acepta Precipitacin como insumo y slo
modela el agua subterrnea el modelo abcd es un modelo de balance de agua no lineal que acepta
la precipitacin y la evapotranspiracin potencial como insumos y captura la mecnica de la
humedad del suelo, las aguas subterrneas saturadas, Y flujo de corriente. El modelo abcd fue
introducido originalmente por Thomas [1981] y aplicado con un paso de tiempo anual.
Sankarasubramanian y Vogel [2002] evaluaron la bondad de ajuste de un modelo anual de abcd
a 1337 cuencas hidrogrficas en los Estados Unidos. Alley [1984] y Vandeweile et al. [1992]
encontraron que un modelo de abcd mensual se compara favorablemente con varios otros
modelos mensuales de balance hdrico. Fernndez et al. [2000] evaluaron el desempeo del
modelo de abcd mensual en 33 cuencas hidrogrficas del sureste de Estados Unidos e introdujo
un enfoque regional para la estimacin de los parmetros del modelo. Desde Thomas [1981], Alley
[1984], Fernndez et al. [2000] y Sankarasubramanian y Vogel [2002] resumen el modelo abcd,
no reproducir aqu la estructura del modelo.

3.2. Uso de Covariances para Invalidar el Modelo Anual '' abcd ''

[19] Comenzamos aplicando nuestro enfoque de validacin a una versin anual del modelo abcd,
y luego en la siguiente seccin exploraremos una versin mensual del mismo modelo. Dado que
el modelo abcd es un modelo no lineal, no es posible derivar expresiones analticas exactas para
varios momentos de salida del modelo, como fue el caso anterior para el modelo abc. Sin embargo,
siempre es posible estimar las covarianzas entre el modelo de entrada y salida para diferentes
combinaciones de parmetros del modelo utilizando la simulacin por ordenador. En esta seccin
aplicamos el enfoque de covarianza descrito en la seccin anterior al modelo abcd en el ro
Coosawhatchi cerca de Hampton, Carolina del Sur (USGS Site 02176500) y el ro St. Johns cerca
de Deland, Florida (USGS Site 02236000). Los datos de flujo de corriente Q para estos dos sitios
se obtienen de la US Geological Survey [Slack et al., 1993] durante el perodo de 37 aos 1951-
1988. El Apndice A resume los procedimientos empleados para estimar las series mensuales y
anuales de tiempo de entrada de la precipitacin P y la evapotranspiracin potencial PE requerida
para los siguientes experimentos.

[20] Las Figuras 2 y 3 comparan los valores simulados y observados relaciones entre la correlacin
cruzada de la precipitacin anual y el flujo de flujo, (P, Q), y el lag-una correlacin en serie del

7
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

flujo de flujo, 1, y entre la correlacin cruzada de evapotranspiracin potencial anual y caudal,

(PE, Q) y 1 para el ro Coosawhatchie y St. Johns Cuencas fluviales, respectivamente.

Figura 2. Comparacin de relaciones simuladas y observadas Entre (a) correlacin cruzada de la

precipitacin anual y flujo de flujo, (P, Q) y lag-una correlacin en serie de Flujo de flujo 1 y (b)
correlacin cruzada del potencial anual Evapotranspiracin y flujo, (PE, Q) y lag-one Correlacin
serial del flujo anual 1 para el Coosawhatchie Cuenca del ro cerca de Hampton, Carolina del Sur,
Utilizando un modelo anual abcd.

Los momentos simulados en Las figuras 2 y 3 se basan en 50.000 conjuntos independientes de

Parmetros del modelo abcd. Los parmetros del modelo a, c, y d se generan a partir de una
distribucin uniforme (0, 1) Y el parmetro b del modelo se genera en el intervalo (0, 2000) mm. El
parmetro b es el lmite superior de la suma De humedad y evapotranspiracin del suelo, y por lo
tanto una Para b sera aproximadamente el doble del valor de la media anual precipitacin. Un
lmite superior de b = 2000 se utiliz para Ambas cuencas hidrogrficas. Para cada uno de los
50.000 generados abcd Conjuntos de parmetros de modelo, 50.000 juegos correspondientes de
flujo de flujo Los registros Q fueron generados usando las Series temporales de P y PE para cada
cuenca. Para cada uno de los 50.000 conjuntos generados de P, PE y Q, 50.000 conjuntos
correspondientes de covarianzas simuladas (P, Q), (PE, Q) y 1 se calcularon e informaron en
las Figuras 2 y 3 usando puntos sombreados. Tambin se muestran en las Figuras 2 y 3 las

8
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

covarianzas de muestra observadas (P, Q), (PE, Q) y 1 mostradas usando grandes crculos
slidos. Las Figuras 2 y 3 documentan que el modelo abcd es incapaz de reproducir las relaciones
entre las covarianzas observadas. En las Figuras 2a, 2b y 3b, los momentos observados (P, Q),
(PE, Q), y 1 se encuentran fuera del espacio de muestra de covarianzas que el modelo abcd
anual es capaz de reproducir. Este experimento documenta que un modelo anual abcd no puede
reproducir la estructura de covarianza anual observada entre las series de tiempo de entrada y
salida en cualquiera de las cuencas hidrogrficas. Por lo tanto, concluimos que un modelo anual
abcd es incapaz de capturar la estructura de covarianza bsica de las series anuales de clima y
corriente-flujo en estas dos cuencas hidrogrficas. Concluimos que podemos rechazar el modelo
abcd en la escala de tiempo anual para estas dos cuencas hidrogrficas.

Figura 3. Comparacin de relaciones simuladas y observadas Entre (a) correlacin cruzada de la

precipitacin anual y el flujo de flujo, (P, Q), y la correlacin en serie lag-one de Flujo de flujo 1
y (b) correlacin cruzada del potencial anual Evapotranspiracin y flujo, (PE, Q) y lag-one
Correlacin serial del flujo anual 1 para el St. Johns Cuenca del ro cerca de Deland, Florida,
utilizando un abcd anual modelo.

9
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

[21] Obsrvese, sin embargo, que cuando se considera la bondad de ajuste de un modelo abcd
anual, la determinacin de la adecuacin o inadecuacin del modelo abcd no es tan definitiva como
cuando se usa el mtodo de covarianza para validar el modelo.

Figura 4. Comparacin de la serie anual de caudales observada con la serie de caudales anuales
modelados basada en un modelo anual abcd ajustado en ambas cuencas hidrogrficas.

El enfoque tradicional de la "bondad de ajuste" se ilustra en la Figura 4, que compara las series
anuales de flujo observadas con las series de flujo anuales modeladas en ambas cuencas basadas
en un modelo anual abcd calibrado. La calibracin del modelo abcd se realiza utilizando el
algoritmo de evolucin compleja barajada (SCE) desarrollado por Duan et al. [1992] para la
calibracin de modelos de cuencas hidrogrficas. El sesgo en la reproduccin de los flujos anuales
medios en ambas estaciones es insignificante, y la correlacin entre los flujos anuales observados
y simulados en ambas estaciones es de 0,81. Sobre la base de un criterio tradicional de bondad
de ajuste junto con la Figura 4, sera difcil rechazar este modelo. El mtodo de validacin
introducido aqu proporciona un criterio mucho ms objetivo para la aceptacin o rechazo de una
hiptesis del modelo que las evaluaciones estndar de bondad de ajuste del tipo ilustrado en la
Figura 4.

3.3. Uso de Covariances para validar el modelo '' abcd '' mensual

[22] Uno no debera sorprendernos que al usar un paso de tiempo anual, pudimos invalidar tanto
el abc lineal como los modelos abcd no lineales. Esto se debe a que los procesos hidrolgicos
10
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

fundamentales que describen la hidrologa anual se producen a intervalos de tiempo estacionales,

mensuales o ms cortos. En esta seccin exploramos la capacidad de un modelo mensual abcd
para capturar las relaciones observadas entre las covarianzas clave. Los Se repiti el mismo
procedimiento empleado en la seccin anterior usando un modelo de abcd mensual. Para resumir
los resultados usando el mismo tipo de diagrama empleado en las Figuras 2 y 3, las 50.000 huellas
de flujos mensuales generados se agregaron al nivel anual para producir 50.000 series de trazas
anuales agregadas de caudal. Los resultados se ilustran en las figuras 5 y 6. Las figuras 5 y 6
evalan la capacidad de un modelo de abcd mensual para reproducir las covariancias anuales
observadas (P, Q), (PE, Q) y 1. En las Figuras 5 y 6 los momentos observados (P, Q),
(PE, Q) y 1 se encuentran cerca del lmite o bien dentro del espacio muestral de covarianzas que
el modelo abcd mensual es capaz de reproducir. Este experimento documenta que un modelo de
abcd mensual es capaz de reproducir la estructura de covarianza anual observada entre las series
de tiempo de entrada y salida en cualquiera de estas dos cuencas hidrogrficas. Concluimos que
no podemos rechazar el modelo mensual de abcd para modelar flujos anuales en cualquiera de
estas dos cuencas hidrogrficas. En la Figura 5 el espacio muestral de los momentos modelados
es relativamente escaso cerca de los lmites, lo que conduce a conclusiones tentativas para ese
sitio. Se podran realizar ms experimentos de muestreo para aclarar los lmites De los momentos
modelo.

Figura 5. Comparacin de relaciones simuladas y observadas entre (a) correlacin cruzada de la

precipitacin anual y flujo de flujo, (P, Q) y lag-una correlacin en serie de flujo de flujo 1 y (b)

11
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

correlacin cruzada del potencial anual Evapotranspiracin y flujo, (PE, Q) y lag-one Correlacin
serial del flujo anual 1 para el Coosawhatchie Cuenca del ro cerca de Hampton, Carolina del Sur,
Usando un modelo abcd mensual.

Figura 6. Comparacin de relaciones simuladas y observadas entre (a) correlacin cruzada de la

precipitacin anual y el flujo de flujo, (P, Q), y la correlacin en serie lag-one de flujo de flujo 1
y (b) correlacin cruzada del potencial anual Evapotranspiracin y flujo, (PE, Q) y lag-one
Correlacin serial del flujo anual 1 para el St. Johns Cuenca del ro cerca de Deland, Florida,
utilizando un abcd mensual modelo.

[23] Los anlisis anteriores ignoran la variabilidad de muestreo asociada con las covarianzas
estimadas basadas en las secuencias hidrolgicas de 37 aos. Una nueva extensin de nuestro
Sera la adicin de una elipse de confianza alrededor de los crculos slidos de las Figuras 2, 3, 5
y 6, lo que explicara la variabilidad de muestreo asociada con las estimaciones de pequeas
muestras de las covarianzas notificadas.

[24] Nuevamente es instructivo comparar nuestro enfoque de validacin con el enfoque tradicional
de bondad de ajuste. La Figura 7 compara las series de flujo anual observadas con La serie de
flujo anual modelado en ambas cuencas basadas en un modelo de abcd mensual calibrado. La
calibracin del modelo de abcd mensual se realiza nuevamente utilizando la SCE algoritmo. Ahora
la bondad de ajuste del modelo abcd mensual calibrado es excelente y una mejora significativa

12
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

con respecto a los resultados mostrados anteriormente en la Figura 4 para el abcd anual modelo.
Estos son exactamente el tipo de resultados que uno espera Cuando un modelo funciona como
se esperaba; Es decir, no es fcil Invalidada y exhibe una excelente bondad de ajuste.

4. Conclusiones

[25] Cualquier hidrlogo podra hacer argumentos plausibles, pero tentativos y no totalmente
definitivos, de por qu un modelo de cuenca particular es o no una representacin adecuada de la
realidad. Sin embargo, todava no existe un mtodo o criterio cuantitativo definitivo para rechazar
un modelo de cuenca. El enfoque de validacin esbozado aqu ofrece una metodologa cuantitativa
para aceptar o rechazar un modelo de cuenca. Nuestra metodologa Implica el uso de un anlisis
de sensibilidad generalizado para explorar la capacidad de un modelo de cuenca para reproducir
las caractersticas estadsticas clave asociadas con los datos de entrada y salida que se utilizarn
ms adelante para calibrar el modelo. Aunque nuestro enfoque se centra inicialmente en la
capacidad del modelo para reproducir las covarianzas clave entre las huellas de entrada y salida,
nuestro enfoque puede ser fcilmente adaptado para considerar la capacidad de un modelo para
reproducir estadsticas que no son covarianzas tales como los flujos mximos de inundacin,
Flujos, volmenes de flujo u otras estadsticas importantes para una aplicacin de modelo
particular.

[26] Nuestra metodologa se aplic inicialmente a un modelo de cuenca anual abc lineal en 1337
cuencas hidrogrficas a travs de los Estados Unidos continentales. Estos experimentos revelaron
que un modelo ABC anual no es capaz de reproducir las covarianzas claves entre la precipitacin
y el caudal, as como la correlacin de lag-1 del caudal; Por lo que pudimos rechazar el modelo
abc en un paso anual, para todos los Estados Unidos. Esta es una conclusin muy poderosa que
habra sido difcil de alcanzar usando las evaluaciones tradicionales de la bondad de ajuste.

[27] En el siguiente experimento utilizamos nuestra metodologa para probar un modelo no lineal
abcd, usando pasos de tiempo mensuales y anuales, en dos cuencas hidrogrficas en el sureste
de Estados Unidos. De manera similar a los resultados del modelo ABC anual, se encontr que el
modelo ABCD anual no pudo reproducir las covarianzas observadas entre la precipitacin P, la
evapotranspiracin potencial PE y el caudal Q, por lo que pudimos rechazar el modelo abcd anual
en ambos Sitios. En comparacin, una evaluacin grfica tradicional de bondad de ajuste (Figura
4) que compar los valores observados y calibrados de Q no condujo a una conclusin tan
definitiva. Finalmente, se encontr que un modelo mensual de abcd podra generar corrientes
mensuales que, cuando se agregaran al nivel anual, podran reproducir covarianzas observadas
entre P, PE y Q. Por lo tanto, no pudimos rechazar (o invalidar) un modelo de abcd mensual para
Modelando flujos anuales en estos dos sitios.

[28] El mtodo de validacin descrito aqu es anlogo al enfoque utilizado por los modeladores de
flujo de flujo estocstico cuando realizan evaluaciones que prueban la capacidad de un modelo
estocstico para reproducir caractersticas estadsticas clave de los datos que se pretende imitar
[Stedinger y Taylor, 1982 ]. Nuestro mtodo de validacin propuesto puede ser implementado
analtica y numricamente para cualquier clase de modelos hidrolgicos, deterministas o
estocsticos. Tanto los modelos determinsticos como los estocsticos contienen trminos
inevitables de error de modelo adems de trminos deterministas, y por lo tanto no son tan
diferentes como uno podra pensar [Vogel, 1999].

13
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

[29] Un objetivo importante de este estudio es educar a los hidrlogos para que vean la calibracin
y validacin de modelos deterministas de cuencas hidrogrficas de manera similar a los problemas
clsicos de estimacin de parmetros e hiptesis, respectivamente.

Figura 7. Comparacin de la serie de flujo anual observado con la serie de flujo anual modelada
basada en un modelo mensual abcd en ambas cuencas.

Un estadstico no intentara estimar los parmetros del modelo (calibracin) antes de la prueba de
hiptesis del modelo (validacin), sin embargo los hidrlogos calibran rutinariamente sus modelos
antes de la validacin. El modelo de prueba de hiptesis (validacin) debe llevarse a cabo antes e
independientemente de la estimacin de parmetros (calibracin), pero los modelos
determinsticos generalmente se validan despus de calibrar el modelo y observar la bondad de
ajuste del modelo estimado. Hosking y Wallis [1997] y otros han descrito los pasos en el desarrollo
de modelos hidrolgicos estadsticos que documentan claramente que la aceptacin o rechazo de
un modelo hidrolgico (validacin de modelo) debe basarse en una prueba de buen ajuste o una
prueba de hiptesis que no Dependen de la estimacin de parmetros, y slo despus de que el
paso es completo debe comenzar la estimacin de parmetros del modelo (calibracin) como el
paso final en el ejercicio de construccin del modelo. Young [2001] ha descrito la misma
separacin de etapas de modelado en (1) la identificacin del modelo seguida por (2) la estimacin
de parmetros del modelo tanto estadstica como fsicamente Modelos hidrolgicos. Hooper [2001]
sostiene que la bondad tradicional de ajuste entre las observaciones y las predicciones es una

14
VOGEL Y SANKARASUBRAMANIAN: VALIDACIN DE UN MODELO DE CUENCAS

condicin necesaria, pero no suficiente, para aceptar una hiptesis del modelo de la cuenca
hidrogrfica.

[30] Esperamos que los estudios futuros amplen nuestro enfoque de covarianza considerando (1)
otras estadsticas importantes que no son necesariamente covarianzas y (2) considerando las
propiedades de muestreo de los estimadores de covarianza de muestra, de manera que se pueda
implementar una prueba de hiptesis estadstica formal En lugar del enfoque aproximado utilizado
en este estudio inicial.

[31] Los procedimientos de validacin de covarianza descritos aqu pueden aplicarse a modelos
de cuencas ms complejos que los considerados aqu, aunque no sin desafos adicionales. En
este estudio inicial hemos evaluado modelos de cuencas hidrogrficas a escala anual, para
minimizar el nmero de grficos. En la prctica, es posible que se desee evaluar la capacidad de
un modelo para reproducir la estructura de covarianza observada en escalas de tiempo
subanuales. Tampoco est claro a priori cuntas, o cul, estadstica de covarianza incluir en el
anlisis. A medida que se incluyen ms estadsticas, es ms probable que el modelo se invalide.
Del mismo modo, a medida que aumenta el nmero de parmetros del modelo, ms difcil ser
invalidar dichos modelos. Cada vez ms, la tendencia es hacia el uso de modelos de cuencas
distribuidas con entradas distribuidas, parmetros y salidas. La seleccin de estadsticas de
covarianza apropiadas para la validacin de tales modelos distribuidos ser an ms difcil. Otro
reto ser el desarrollo de estrategias de muestreo adecuadas para el espacio de parmetros del
modelo asociado con los modelos de cuencas distribuidas.

Apndice A: Base de datos climtica utilizada para los experimentos modelo '' abcd ''

[32] En esta seccin se describen los procedimientos utilizados para desarrollar las series
mensuales y anuales de tiempo de precipitacin P y evapotranspiracin potencial PE, requerida
como entrada al modelo abcd. Se obtuvieron series temporales mensuales de precipitacin,
promedio mnimo y temperatura media mxima diaria durante el perodo 1951-1988 de 0.5 Series
temporales basadas en las regresiones de elevacin de precipitacin en el modelo de pendiente
independiente (PRISM) sistema de anlisis del clima [Daly et al., 1994]. PRISM utiliza una relacin
de regresin de precipitacin-elevacin para distribuir las mediciones puntuales a celdas de rejilla
uniformemente espaciadas. Estas series temporales fueron promediadas espacialmente en ambas
cuencas utilizando un sistema de informacin geogrfica. Para cumplir con esta tarea, se
delinearon los lmites de la cuenca utilizando el modelo de elevacin digital global GTOPO30.
Utilizando la serie temporal mensual de los datos promedio de temperatura mnima y media, junto
con la radiacin solar extraterrestre para cada cuenca, se obtuvieron estimaciones de
evapotranspiracin mensual utilizando un mtodo introducido por Hargreaves y Samani [1982]. La
radiacin solar extraterrestre se estim para cada cuenca mediante el clculo de la radiacin solar
superior a 0,1 Grids utilizando el mtodo introducido por Duffie y Beckman [1980] y luego
sumando esas estimaciones en toda la cuenca.

15