Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Página 1
Universidad de Uppsala
Departamento de Ciencias de la Tierra
Hidrología
LIBRO DE TEXTO
DE
MODELOS HIDROLÓGICOS
(Lärobok i Avrinningsmodeller)
(edición 2002)
Chong-yu Xu
2002-10-20
Suecia Upsala
https://translate.googleusercontent.com/translate_f 1/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 2
Página 3
PREFACIO
_____________________________________________________________________________________
https://translate.googleusercontent.com/translate_f 2/148
10/9/2020 MODELOS HIDROLÓGICOS
0-1
Página 4
https://translate.googleusercontent.com/translate_f 3/148
10/9/2020 MODELOS HIDROLÓGICOS
Acepto la total responsabilidad por cualquier omisión, deficiencia o error que
permanecer. Me beneficiaría y estaría agradecido si los lectores me transmitieran algún error,
omisiones o críticas.
Esta nota de clase está destinada únicamente para uso interno.
Chong-yu Xu
Docente en Hidrología
2002-08-05
Nueva edición
0-2
Página 5
CONTENIDO
_____________________________________________________________________
PREFACIO 0-1
https://translate.googleusercontent.com/translate_f 4/148
10/9/2020 MODELOS HIDROLÓGICOS
sentido de la teoría del sistema y en el sentido de regresión estadística 1-8
1.4.5 La distinción entre modelos invariantes y variantes en el tiempo 1-8
1.4.6 La distinción entre modelos agrupados y distribuidos 1-9
1.4.7 La distinción entre modelos deterministas y estocásticos 1-10
1.5 El uso de modelos hidrológicos 1-10
1.7 Metodología para el uso de modelos hidrológicos 1-10
Referencias 1-11
yo
Página 6
II
Página 7
https://translate.googleusercontent.com/translate_f 6/148
10/9/2020 MODELOS HIDROLÓGICOS
6.4 Verificación del modelo (prueba) 6-15
6.4.1 Introducción 6-15
6.4.2 Métodos de validación del modelo 6-16
6.4.3 Elementos que se probarán en la validación del modelo 6-17
6.4.4 Comparación de series de tiempo de escorrentía modeladas y observadas 6-23
6.5 Parametrización regional de modelos hidrológicos 6-23
6.5.1 Los objetivos y principios de la regionalización 6-23
6.5.2 Los métodos de parametrización regional 6-23
6.5.2.1 Métodos de estimación puntual 6-24
6.5.2.2 Métodos de estimación por intervalos 6-26
Referencias 6-27
III
Página 8
https://translate.googleusercontent.com/translate_f 7/148
10/9/2020 MODELOS HIDROLÓGICOS
IV
Página 9
CAPÍTULO 1
MODELADO EN HIDROLOGÍA
_____________________________________________________________________________________
Recientemente, los modelos matemáticos se han hecho cargo de las tareas más importantes en
resolución de problemas en hidrología (UNESCO, 1985). Muchas discusiones sobre modelado
han aparecido en la literatura científica, pero la razón fundamental para la construcción de modelos fue
quizás mejor expresado por Rosenblueth y Wiener (1945):
Ninguna parte sustancial del universo es tan simple que pueda ser
captado y controlado sin abstracción. La abstracción consiste
en la sustitución de las partes del universo en consideración por un
modelo de estructura similar pero más simple. Modelos, formales o
intelectual por un lado, o material por el otro, son,
necesidad central del procedimiento científico.
La mayoría de los sistemas hidrológicos son extremadamente complejos y no podemos esperar comprender
ellos con todo detalle. Por lo tanto, la abstracción es necesaria si queremos comprender o controlar
algunos aspectos de su comportamiento. De hecho, el hombre ha descubierto por experiencia que
comprender y predecir el comportamiento de cualquier parte significativa de su entorno
requiere abstracción.
Los modelos hidrológicos de cuencas se han desarrollado por muchas razones diferentes.
y por lo tanto tienen muchas formas diferentes. Sin embargo, en general están diseñados para cumplir
uno de los dos objetivos principales. Un objetivo de la modelización de cuencas hidrográficas es obtener una
mejor comprensión de los fenómenos hidrológicos que operan en una cuenca y de cómo
los cambios en la cuenca pueden afectar estos fenómenos. Otro objetivo de captación
El modelado es la generación de secuencias sintéticas de datos hidrológicos para el diseño de instalaciones.
o para uso en pronósticos. También son valiosos para estudiar el potencial
impactos de cambios en el uso de la tierra o el clima. La variedad de usos y el rápido aumento tanto
en la comprensión científica y en el apoyo técnico, de los sistemas de recopilación de datos y
tecnología informática, han producido una enorme variedad de niveles de sofisticación.
1-1
https://translate.googleusercontent.com/translate_f 8/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 10
Ch1. Modelado en hidrología
Q p = CiA (1,1)
1-2
Página 11
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 9/148
10/9/2020 MODELOS HIDROLÓGICOS
expresado en términos de pocos parámetros a estimar a partir de la cuenca
características o mediante procedimientos estadísticos: momentos, regresión,
máxima probabilidad, etc., un florecimiento de estos modelos dio lugar a una increíble
variedad de soluciones: una cascada de depósitos lineales, canales lineales, lineal
canales y embalses, embalses no lineales (Prasad, 1967). Sin embargo, en
derivando la forma del gráfico unitario a partir de datos reales, se hicieron muy pocos avances
antes de la obra de Tikhonov (1963a, b) y la introducción de la continuidad y
restricciones de regularización en la fase de estimación (Eagleson et al, 1965; Natale
y Todini, 1977) estimaciones más realistas y fiables del hidrograma unitario
se obtuvieron.
• Desde la década de 1960 : muchos otros enfoques para el modelado de lluvia-escorrentía fueron
considerado en la década de 1960. En busca de una interpretación más física de la
proceso uno podría representar el comportamiento de componentes individuales del
ciclo hidrológico, a escala de captación, mediante el uso de una serie de
elementos conceptuales, cada uno de los cuales representaba el propsito de un
subsistema. Una gran cantidad de modelos conceptuales agrupados de lluvia-escorrentía
que aparecieron a partir de entonces incluyen: Dawdy y O'Donnell (1965), Stanford Model IV
(Crawford y Linsley, 1966), Modelo de Sacramento (Burnash et al., 1973), el
El modelo HBV (Bergström y Forsman, 1973), el modelo Tank (OMM, 1975)
que representaban de manera diferente los subsistemas interconectados y eran
considerados los modelos líderes de los años sesenta y setenta.
• En la década de 1970 :
o Box y Jenkins (1970) proporcionaron a los hidrólogos un modelo alternativo
tipo, es decir, el modelo de media móvil autorregresiva (ARMA) y otros
formas de modelos estocásticos de series de tiempo.
o Los modelos de pronóstico en tiempo real como respuesta a la necesidad de alerta en
áreas propensas a inundaciones y como herramienta para embalses o estructura hidráulica
se desarrollaron la gestión. Generalmente basado en actualizaciones recientes y
técnicas de recalibración como los filtros de Kalman (Kalman, 1960; Kalman
y Bucy, 1961; Todini, 1978; Todini y Wallis, 1978; O'Connell,
1980; Wood, 1980; Wood y O'Connell, 1985).
o Uno de los modelos de observación desarrollados a finales de la década de 1970 es el TOPMODEL
(Beven y Kirkby, 1979) que se basa en la idea de que la topografía
ejerce un control dominante sobre la ruta del flujo a través de las cuencas de captación
llamado. TOPMODEL calcula no solo el hidrograma de caudal sino también
información que es útil para vincular los cálculos hidrológicos a
modelos hidroquímicos.
• En la década de 1980: para satisfacer la necesidad de pronosticar (1) los efectos del uso de la tierra
cambios, (2) los efectos de entradas y salidas espacialmente variables, (3) la
movimientos de contaminantes y sedimentos, y (4) la respuesta hidrológica de
cuencas no calibradas donde no hay datos disponibles para la calibración de una concentración
modelo, se desarrollaron los modelos de parámetros distribuidos basados físicamente. los
los modelos más sofisticados tienen una visión tridimensional del intercambio de agua,
con mallas superpuestas verticalmente. Estas técnicas han abierto el camino para
avances importantes en el modelado vinculándolos con modelos de elevación
(DTM / DEM) derivados de mapas o con otros datos derivados de
Imágenes de satélite, que pueden indicar cobertura vegetal, patrones de humedad del suelo.
y líneas de drenaje subterráneo. El Systéme Hydrologique Européen (SHE)
modelo desarrollado durante la década de 1980 en un programa multinacional estimulado por
1-3
Pagina 12
Ch1. Modelado en hidrología
https://translate.googleusercontent.com/translate_f 10/148
10/9/2020 MODELOS HIDROLÓGICOS
yEnvariabilidad
segundo lugar, los hidrólogos
y cambio climáticoyenadministradores del agua
un amplio dominio están interesados
geográfico. en los efectos del uso de la tierra.
Tercero, hay
Existe una necesidad creciente de utilizar modelos hidrológicos como base para estimar puntos y
fuentes difusas de contaminación que se cargan en los arroyos. Cuarto, hidrólogos y
Los modeladores atmosféricos han percibido debilidades en la representación de
Procesos hidrológicos en modelos atmosféricos regionales y globales. Ejemplos de
Los modelos hidrológicos a macroescala respaldados por SIG incluyen los desarrollados por
Vörösmarty y col. (1989), el modelo VIC (Wood et al., 1992) y el Macro-
PDM (Arnell, 1999). Estos modelos son herramientas de vanguardia para evaluar
recursos hídricos a escala regional y continental.
• Hoy en día, los modelos matemáticos se han hecho cargo de las tareas más importantes en
resolución de problemas en hidrología.
Comenzamos por definir algunos términos que se utilizarán a lo largo de este curso.
- un sistema hidrológico : Dooge (1973) da una definición más general. en un
De manera simplificada, se puede decir como un conjunto de procesos físicos, químicos y / o biológicos.
actuando sobre una variable de entrada o variables, para convertirlas en una variable de salida
(o variables).
- una variable : se entiende como una característica de un sistema que puede ser
medido, que asume diferentes valores cuando se mide en diferentes momentos. Diario
lluvia, escorrentía, evaporación, temperatura, infiltración, humedad del suelo, etc.son algunos de los
ejemplos.
- un parámetro : es una cantidad que caracteriza a un sistema. Puede o no permanecer
constante en el tiempo (en la mayoría de los casos de modelado lo consideramos como constante de tiempo).
- un modelo: es una representación simplificada de un sistema complejo. En consecuencia, un
modelo siempre describe los componentes básicos y más importantes de un sistema complejo,
o como señala Dooge (1977), un modelo implica semejanza sin identidad y
simula algunas, pero no todas las características del sistema prototipo.
La cuenca se puede considerar como un sistema hidrológico. El límite del sistema es
dibujada alrededor de la cuenca al proyectar la división de la cuenca verticalmente hacia arriba y
hacia abajo a los planos horizontales en la parte superior e inferior (Fig1.1). La lluvia es la entrada,
distribuido en el espacio sobre el plano superior; el caudal es la salida, concentrada en
espacio en la salida de la cuenca. La evaporación y el flujo subterráneo también son salidas. Por
utilizando el concepto de sistema, el esfuerzo se dirige a la construcción de un modelo que relacione las entradas
y salidas en lugar de la tarea extremadamente difícil de la representación exacta de la
detalles del sistema, que pueden no ser significativos desde un punto de vista práctico o no
ser conocida. Sin embargo, el conocimiento del sistema físico ayuda a desarrollar un buen
modelo y verificando su exactitud.
El objetivo del análisis del sistema hidrológico es estudiar el funcionamiento del sistema y
predecir su salida. Un modelo de sistema hidrológico es una aproximación del sistema real;
1-4
Página 13
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 11/148
10/9/2020 MODELOS HIDROLÓGICOS
Figura 1.1 La cuenca como sistema hidrológico (de Chow et al, 1988)
Un modelo general del sistema hidrológico se puede derivar de la siguiente manera. Deja la entrada
y la salida se expresará como funciones del tiempo, I (t) y Q (t) respectivamente, para t pertenecientes
al intervalo de tiempo T considerado. El sistema realiza una transformación del
entrada en la salida representada por
tQ) (
=Ω =C (1,4)
tI) (
S = kQ (1,5)
donde k es una constante que tiene las dimensiones del tiempo. Por continuidad, la tasa de tiempo de
cambio de almacenamiento dS / dt es igual a la diferencia entre la entrada y la salida
1-5
Página 14
Ch1. Modelado en hidrología
dS
= tQtI
)( - )( (1,6)
dt
dQ
k + tItQ
) () =( (1,7)
dt
entonces
tQ) ( 1
=Ω = (1,8)
tI) ( 1 + kD
Los modelos hidrológicos se pueden clasificar de diversas formas. Uno de los métodos de clasificación
utilizado por Singh (1988) se utiliza aquí que distingue los modelos hidrológicos como (1)
material y (2) simbólico o formal. (Figura 1.2)
https://translate.googleusercontent.com/translate_f 12/148
10/9/2020 MODELOS HIDROLÓGICOS
1-6
Página 15
Modelos hidrológicos
Un modelo material (también llamado modelo físico en la literatura, por ejemplo, Chow et al,
1988) es la representación del sistema real por otro sistema, que tiene similar
propiedades, pero es mucho más fácil trabajar con él. Los modelos materiales (físicos) se pueden clasificar
como modelos icónicos, a escala o "similares" y modelos analógicos. Un modelo a escala representa el
sistema en una escala reducida y tiene un parecido físico con el sistema prototipo.
Los ejemplos en esta clase pueden incluir cuencas hidrográficas de laboratorio, lisímetros y sistemas hidráulicos.
modelo de aliviadero de una presa. Los modelos analógicos miden sustancias físicas diferentes a las
prototipo (es decir, utilizar otro sistema físico que tenga propiedades similares a las del
prototipo), como el flujo de corriente eléctrica que representa el flujo de agua. Un
El modelo analógico no se parece físicamente al prototipo, pero depende de la
correspondencia entre los modelos simbólicos que describen el prototipo y el análogo
sistema.
Los modelos de materiales son útiles en los siguientes casos:
1). Pueden ayudar al investigador a reemplazar un fenómeno en un entorno desconocido.
campo.
2). Un modelo material puede permitir que los experimentos se realicen bajo más
condiciones favorables que estarían normalmente disponibles con el sistema prototipo.
Un modelo material que no implique un cambio de escala puede ser valioso
porque los experimentos se pueden realizar de manera más conveniente o se pueden repetir a voluntad.
Algunos sistemas experimentales de cuencas hidrográficas instalados en el área del proyecto NOPEX pueden
considerado de escala prototipo.
Un modelo formal (también llamado modelo abstracto en la literatura, por ejemplo, Chow et al.,
1988) es una expresión simbólica en términos lógicos de un idealizado, relativamente simple
situación que comparte las propiedades estructurales del sistema original. Los modelos simbólicos pueden
expresarse de diversas maneras, en este curso nos ocupamos de modelos simbólicos de
naturaleza matemática.
Un modelo matemático expresa el comportamiento del sistema mediante un conjunto de ecuaciones,
tal vez junto con enunciados lógicos que expresan relaciones entre variables y
parámetros. La ecuación (1.9) es un ejemplo de un modelo matemático,
https://translate.googleusercontent.com/translate_f 13/148
10/9/2020 MODELOS HIDROLÓGICOS
* (,
y t = fxx ⋅⋅⋅ +clubε británico
tt - 1 , Xt - 2 ,;⋅⋅⋅ y t - 1 , y t - 2 ,;⋅⋅⋅,,) Automóvil
12 t (1,9)
donde x t es la variable de entrada, f * () ⋅ es una función de forma especificada y a i , i = 1,2, ..., son
parámetros medidos o estimados, y ε t es un residuo que expresa falta de ajuste entre
salida observada y t y salida ajustada f * () ⋅ . Para clasificar modelos es necesario
considere qué características tienen en común y en qué se diferencian. los
característica que todos los modelos matemáticos tienen en común es que la salida observada
variable y t (a menudo descarga de una cuenca) derivada de sus valores ajustados f * () ⋅ por un
cantidad residual ε t ; los aspectos en los que difieren son las suposiciones hechas sobre
f * () ⋅ y suposiciones sobre ε t . Los términos más importantes, que a menudo se ven
en la literatura hidrológica, se explican en los siguientes párrafos.
1-7
Página 16
Ch1. Modelado en hidrología
Los modelos, ya sean teóricos, conceptuales o empíricos, pueden ser lineales o no lineales.
El uso del término linealidad tiene al menos dos significados. Un modelo es lineal en el sistema
sentido teórico (LST) si el principio de superposición se cumple: es decir, dado que y1 (t), y2 (t)
son las salidas correspondientes a las entradas x1 (t), x2 (t), un modelo es LST si la salida
correspondiente a la entrada x1 (t) + x2 (t) es y1 (t) + y2 (t). Este es el sentido en el que la linealidad es
más utilizado en la literatura. Sin embargo, la linealidad tiene un significado alternativo; el
modelo es lineal en el sentido de regresión estadística (LSR) si es lineal en los parámetros a
ser estimado, y es en este sentido que es utilizado por los modelistas matemáticos en campos
https://translate.googleusercontent.com/translate_f 14/148
10/9/2020 MODELOS HIDROLÓGICOS
que no sea hidrología. Por tanto, si la entrada x (t) y la salida y (t) estuvieran relacionadas mediante la ecuación y =
a + bx + cx 2 , este modelo es lineal en el sentido de regresión estadística, pero no lineal en el
sentido de la teoría del sistema; lo contrario es cierto para y = a + x / b.
1-8
Página 17
Modelos hidrológicos
que se aplica la entrada. Los modelos que no tienen esta propiedad se denominan variantes en el tiempo.
La mayoría de los sistemas hidrológicos varían en el tiempo debido a variaciones en la actividad solar durante el
variaciones diurnas y estacionales durante el año. Por simplicidad, se supone que son
invariante.
https://translate.googleusercontent.com/translate_f 15/148
10/9/2020 MODELOS HIDROLÓGICOS
1-9
Página 18
Ch1. Modelado en hidrología
Si alguna de las variables xytt ,, T ε en la ecuación (1.8) se consideran como variables aleatorias
teniendo distribuciones en probabilidad, entonces el modelo es un modelo estocástico: estocástico,
en lugar de estadístico (probabilístico), para enfatizar la dependencia del tiempo de la
variables hidrológicas relacionadas por el modelo. Si todas las variables de la ecuación (1.8) son
considerado libre de variación aleatoria, de modo que no se piensa que ninguno tenga un
distribución en probabilidad, entonces el modelo se considera aquí determinista.
Los dos métodos de clasificación más utilizados son los que según la descripción
de los procesos físicos, los modelos hidrológicos pueden clasificarse como conceptuales y
físicamente, y de acuerdo con la descripción espacial de los procesos de captación como
agrupado y distribuido. A este respecto, se agrupan dos tipos de modelos típicos conceptuales
y los distribuidos basados físicamente. Ejemplos típicos de conceptos conceptuales agrupados
Los códigos modelo son el modelo de cuencas hidrográficas de Stanford (Crawford y Linsley, 1966), el HBV
modelo (Bergström, 1976) y Sacramento (Burnash, 1995). Modelos típicos de
distribuidos físicamente son el SHE (Abbott et al., 1986a, b), el IHDM (Beven et al., 1986a, b)
al., 1987) y Thales (Grayson et al., 1992a, b). Un código como TOPMODEL
(Beven y Kirkby, 1979) pueden caracterizarse como distribuidos conceptualmente.
Los modelos teóricos o de base física se utilizan a menudo con fines de investigación para obtener un
mejor comprensión de los fenómenos hidrológicos que operan en una cuenca y de cómo
los cambios en la cuenca pueden afectar estos fenómenos. Los fenómenos hidrológicos que
calcular se definen generalmente por las leyes de continuidad, energía y momento. Como
Estos modelos rara vez se utilizan para generar datos sintéticos.
Todos los demás tipos de modelos, varían de forma determinista, utilizando mucha información
sobre los procesos físicos involucrados, a formas de "caja negra", donde los procesos físicos
no están involucrados, se utilizan con fines operativos para generar secuencias sintéticas de
datos hidrológicos para el diseño de instalaciones o para su uso en pronósticos.
Dooge (1972) esbozó una metodología racional para el uso de modelos hidrológicos.
Esta metodología consta de varios pasos. Estos, con ligeras modificaciones, son como
sigue (véase también Singh, 1988):
1. Defina el problema.
2. Especifique el objetivo.
3. Estudie los datos disponibles.
4. Determine las instalaciones informáticas disponibles.
5. Especifique las limitaciones económicas y sociales.
6. Elija una clase particular de modelos hidrológicos.
7. Seleccione un tipo particular de modelo de la clase dada.
8. Calibre el modelo (es decir, optimice los parámetros).
9. Evalúe el desempeño del modelo.
10. Utilice el modelo con fines de predicción.
11. Incruste el modelo en un modelo más general.
1-10
Página 19
https://translate.googleusercontent.com/translate_f 16/148
10/9/2020 MODELOS HIDROLÓGICOS
Modelos hidrológicos
En una aplicación sistemática de la metodología, los pasos 6 a 9 podrían repetirse hasta que
Se obtuvo un modelo satisfactorio. Sin embargo, el paso 9 es crucial en toda esta operación.
Solo cuando un modelo ha sido calibrado y evaluado objetivamente se puede aplicar a una
problema específico con la garantía de que se está haciendo el mejor uso de los datos y que
se sabe algo sobre el orden de magnitud de la precisión de la predicción. Ahí
Existe una multitud de modelos hidrológicos. Sin embargo, una metodología racional para su
La elección aún no se ha desarrollado.
1-11
Página 20
Ch1. Modelado en hidrología
https://translate.googleusercontent.com/translate_f 17/148
10/9/2020 MODELOS HIDROLÓGICOS
sistema de modelado, y 2: Estructura de un modelado distribuido basado físicamente
sistema. J. Hydrol . 87, 45-59 y 61-77.
Arnell, NW, 1992. Factores que controlan los efectos del cambio climático en los regímenes de caudal de los ríos en un
ambiente templado húmedo, J. Hydrol ., 132: 321-342.
Becker, A. y P Serban, 1990. Modelos hidrológicos para el diseño de sistemas de recursos hídricos
y funcionamiento. Ginebra, Informe de hidrología operativa de la OMM No 34: 80pp.
Bergström, S., 1976. Desarrollo y aplicación de un modelo conceptual de escorrentía para
Cuencas escandinavas. Informe SMHI, Nr. RHO 7.
Beven, KJ y MJ Kirkby, 1979. Un área de contribución variable con base física
modelo de hidrología de cuenca, Hydrological Sciences Bulletin 24: 43-69.
Beven, KJ, Calver, A. Y Morris, EM, 1987. El Instituto de Hidrología distribuyó
modelo. Informe 98 del Instituto de Hidrología, Wallingford, Reino Unido.
Brutsaert, W. y JA Mawdsley, 1976. La aplicabilidad de la capa límite planetaria
teoría para calcular la evapotranspiración regional. Recurso de agua. Res. 12: 852-858.
Burnash, RJC, Ferral, RL y McGuire, RA, 1973. A generalized streamflow
sistema de simulación: modelado conceptual para computadoras digitales, Departamento de
Comercio, Servicio Meteorológico Nacional y Estado de California, Departamento de Agua
recursos.
Chow, VT, et al., 1988. Applied Hydrology. Serie McGraw-Hill en Recursos hídricos.
Crawford, NH y RK Linsley, 1966. Simulación digital en hidrología. Stanford
Modelo de Cuenca IV. Stanford, Departamento de Ingeniería Civil, Universidad de California,
Informe técnico no 39.
Dawdy, DR y O'Donnell, T., 1965. Modelos matemáticos de comportamiento de cuencas.
Actas de la Sociedad Estadounidense de Ingenieros Civiles: Journal of the Hydraulics
Divisiones de la ASCE 91 (HY4): 123-137.
Dooge, JC, 1972. Modelos matemáticos de sistemas hidrológicos. Actas del
Simposio internacional sobre técnicas de modelización en sistemas de recursos hídricos,
Ottawa, Canadá, vol. 1, 171-189.
Dooge, JC, 1977. Problemas y métodos de modelización de lluvia-escorrentía. En: TA Ciriani,
V. Malone y JR Wallis (Eds). Modelos matemáticos para hidrología de aguas superficiales.
John Wiley and Sons Ltd. Londres, Inglaterra.
Dooge, JCI, 1973. Teoría lineal del sistema hidrológico. Boletín Técnico No 1468.
Servicio de Investigación Agrícola, USDA. Washington DC
Eagleson, PS, Mejia, R. y March, F., 1965. El cálculo del óptimo realizable
hidrogramas unitarios de datos de lluvia y escorrentía. Informe de laboratorio hidrodinámico No
84, MIT. 1970 Hidrología dinámica, Nueva York, McGraw-Hill.
Freeze, RA, 1971. Flujo tridimensional, transitorio, saturado-insaturado en un
cuenca de agua subterránea. Recurso de agua. Res. 7 (2): 347-366.
Grayson, RB, Moore, ID y McHahon, TA, 1992a, b. Hidrológico de base física
modelado. Investigación de recursos hídricos 28 (10), 2639-2658.
Jones, JAA, 1997. Hidrología global , Pearson Education Limited, Edinburgh Gate,
Harlow, Inglaterra.
Kalman, RE y Bucy, R., 1961. Nuevos resultados en filtrado lineal y predicción. J. Básico
Ing. (ASME), 83D, 95-108.
1-12
Página 21
Modelos hidrológicos
Kalman, RE, 1960. Un nuevo enfoque para problemas de predicción y filtrado lineal. J.
Ing. Básico (ASME), 82D, 35-45.
Kuichling, E. 1889. La relación entre la lluvia y la descarga de alcantarillas en
distritos populosos. ASCE Trans., 20: 1.56.
Morel-Seytoux, HJ, 1978. Derivación de ecuaciones para infiltración de lluvia variable.
Recurso de agua. Res. 14 (4): 561-568.
Mulvaney, TJ, 1850. Sobre el uso de medidores de lluvia e inundaciones con registro automático. Trans. Inst.
Civ. Ing. Irlanda, 4 (2): 1-8.
Nash, JE, 1958. La forma del hidrograma unitario instantáneo. IUGG Gen. Assem.
Toronto, Vol III Publ No 45, IAHS, Gentbrugge, p114-121.
Nash, JE, 1960. Un estudio de hidrograma unitario con especial referencia a los
captaciones. Proc Inst Civ Eng.
Natale, L. y Todini, E., 1977. Una técnica de estimación de parámetros restringidos para
modelos lineales en hidrología. Modelos matemáticos para hidrología de aguas superficiales,
https://translate.googleusercontent.com/translate_f 18/148
10/9/2020 MODELOS HIDROLÓGICOS
Ciridni, PE,
O'Connell, TA y1980.
col. (Eds), Wiley,
Previsión Nuevahidrológico
y control York. en tiempo real, Rep. Inst.
Hydrol., Wallingford.
Prasad, R., 1967. Un modelo de respuesta del sistema hidrológico no lineal. J. Hydraul. Div.,
ASCE HY4.
Rosenblueth, A. y N. Wiener, 1945. Papel de los modelos en la ciencia. Filosofía de
Ciencias. 7 (4): 316-321.
Sherman, LK, 1932. Caudal procedente de la lluvia mediante el método de gráfico unitario. Ingenieria
News Record, 108: 501-505.
Singh, VP, 1988. Hydrologic Systems. Volumen 1: Modelado de lluvia-escorrentía. Aprendiz
Hall, Nueva Jersey.
Tikhonov, AN, 1963a. Solución de problemas formulados incorrectamente y
método de regularización. Sov. Matemáticas. 4, 1035-1038.
Tikhonov, AN, 1963b. Regularización de problemas planteados incorrectamente. Sov. Matemáticas. 4,
1624-1627.
Todini, E. y Wallis, JR, 1978. Un modelo de lluvia-escorrentía en tiempo real para una inundación en línea
sistema de alarma. Proc. AGU Chapman Conf. Apl. Tecnología de filtrado de Kalman. Hidrol.,
Hydraul., Water Resour., Departamento de Ingeniería Civil de la Universidad de Pittsburgh, Pensilvania.
Todini, E., 1978. Estimación de parámetros de estado mutuamente interactivos (MISP). Proc. AGU
Chapman Conf. Apl. Tecnología de filtrado de Kalman. Hydrol., Hydraul., Water Resour.,
Departamento de Ingeniería Civil de la Universidad de Pittsburgh, Pensilvania.
Todini, E., 1988. Modelado de lluvia-escorrentía: pasado, presente y futuro. Diario de
Hydrology 100: 341-352.
UNESCO, 1985. Materiales didácticos en hidrología, Universitaires de France, Vendome.
Vörösmarty, CJ, Moore, B., Grace, AL, et al., 1989. Modelos de agua a escala continental
equilibrio y transporte fluvial: una aplicación a América del Sur. Biogeochem global. Ciclos
3, 241-265.
OMM, 1975. Intercomparación de modelos conceptuales utilizados en operaciones hidrológicas
previsión. Oper. Hydrol. Informe 7, OMM No 429, Ginebra.
Wood, EF y O'Connell, PE, 1985. Pronóstico en tiempo real. Hidrológico
Pronóstico, Anderson, MG y Burt, TP (Eds).
Wood, EF, 1980. Desarrollos recientes en la predicción / control del agua en tiempo real
sistemas de recursos (Vansteenkiste, GE ed), Amsterdam: North Holland Publishing.
Wood, EF, Lettenmaier, DP, Zartarian, VG, 1992. Una hidrología de la superficie terrestre
parametrización con variabilidad de subcuadrícula para modelos de circulación general. J. Geophys. Res. 97,
D3, 2717-2728.
1-13
Página 22
CAPITULO 2
ANÁLISIS DE SERIES DE TIEMPO Y MODELADO ESTOCÁSTICO
_____________________________________________________________________________________
2.1 INTRODUCCION
Las medidas o valores numéricos de cualquier variable que cambie con el tiempo.
constituyen una serie de tiempo. En muchos casos, el patrón de cambios puede atribuirse a una
causa obvia y se comprende y explica fácilmente, pero si hay varias causas
para la variación en los valores de las series de tiempo, se vuelve difícil identificar los diversos
efectos individuales. En la figura 2.1, el gráfico superior muestra una serie de observaciones que cambian
con el tiempo a lo largo de la abscisa; el eje de ordenadas representa los valores cambiantes de y con
tiempo, t. A partir de la inspección visual de la serie, hay tres características discernibles en el
patrón de las observaciones. En primer lugar, hay un aumento general gradual regular en el tamaño
de valores; esta tendencia, graficada como un componente separado y 1 (t), indica un aumento lineal en
el tamaño medio de y con el tiempo. El segundo patrón regular obvio en el compuesto
la serie es una variación cíclica, representada por separado por y 2 (t), el componente periódico.
La tercera característica destacable de la serie puede considerarse la más destacada, la
pico alto único a la mitad de la serie. Esto suele ser el resultado de una rara catástrofe.
evento que no forma parte de un patrón reconocible. La definición de la función
y 3 (t) necesita una consideración muy cuidadosa y puede que no sea posible. El restante escondido
2-1
Página 23
Ch2. Análisis de series de tiempo y modelos estocásticos
Los dos primeros términos son deterministas en forma y pueden identificarse y cuantificarse de manera razonable.
fácilmente; los dos últimos son estocásticos con elementos aleatorios principales, y algunos
efectos de persistencia, menos fáciles de identificar y cuantificar.
https://translate.googleusercontent.com/translate_f 20/148
10/9/2020 MODELOS HIDROLÓGICOS
2-2
Página 24
Modelos hidrológicos
XE) ( t = µ
2
( σt =
Var ) X
Cov , (XXt + ) =
Teniente λL
En hidrología, los momentos de tercer orden y superiores rara vez se consideran porque
de la falta de fiabilidad de sus estimaciones. Estacionariedad de segundo orden, también llamada covarianza
estacionariedad, suele ser suficiente en hidrología. Un proceso es estrictamente estacionario cuando el
distribución de X t no depende del tiempo y cuando todas las distribuciones simultáneas de
las variables aleatorias del proceso solo dependen de su desfase mutuo. En
En otras palabras, se dice que un proceso es estrictamente estacionario si su n-ésimo (n para cualquier número entero)
los momentos de pedido no dependen del tiempo y dependen únicamente de su desfase temporal.
https://translate.googleusercontent.com/translate_f 21/148
10/9/2020 MODELOS HIDROLÓGICOS
XE) ( t = µt
2-3
Página 25
Ch2. Análisis de series de tiempo y modelos estocásticos
( t = σ t2
Var ) X
Cov , (XXt + ) =
Teniente λ tL,
XE) ( t = µ
2
( σt =
Var ) X
Cov , XX
( t + Lt 0)= para todo L ≠ 0
Los registros de las precipitaciones y el caudal de los ríos forman secuencias de datos adecuadas que pueden estudiarse
por los métodos de análisis de series de tiempo . Las herramientas de este tema especializado en
Las estadísticas matemáticas proporcionan una valiosa ayuda a los ingenieros para resolver problemas.
que involucran la frecuencia de ocurrencia de eventos hidrológicos importantes. En particular,
cuando sólo se dispone de un registro de datos relativamente corto, la formulación de una serie de tiempo
modelo de esos datos puede permitir que se generen largas secuencias de datos comparables para
proporcionan la base para mejores estimaciones del comportamiento hidrológico. Además, el tiempo
análisis de series de lluvia, evaporación, escorrentía y otros registros secuenciales de
Las variables hidrológicas pueden ayudar en la evaluación de cualquier irregularidad en esos registros.
La correlación cruzada de diferentes series de tiempo hidrológicas puede ayudar en la comprensión de
Procesos hidrológicos.
Si una serie de tiempo hidrológica está representada por X 1 , X 2 , X 3 , ..., X t , ..., entonces
simbólicamente, se puede representar la estructura de la X t por:
X t ⇔ TPE
tt
,t
https://translate.googleusercontent.com/translate_f 22/148
10/9/2020 MODELOS HIDROLÓGICOS
elemento de aleatoriedad. El tercer componente, estocástico, contiene tanto aleatorio
2-4
Página 26
Modelos hidrológicos
Esto puede ser causado por un cambio climático a largo plazo o, en el flujo del río, por
cambios en la respuesta de una cuenca a la lluvia debido a cambios en el uso de la tierra. A veces el
la presencia de una tendencia no se puede identificar fácilmente.
- 1 norte
norte
S = ∑∑ sgn xxj - yo) (2,5)
yo= 1+ ij= 1
0 si 1 θ >
sgn θ ) = 0 si 0 θ = (2,6)
0 si 1- θ <
SE0) ( = (2,7)
q
- (1 ( norte
nn) 52) -+ ∑ ttpáginas
( - 2) (1t pags
+)5
=1
pags
SV) ( = (2,8)
18
2-5
https://translate.googleusercontent.com/translate_f 23/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 27
S -1
0S >
Var ) s(
Z MK = 0 0S = (2,9)
S +1
0S <
Var ) s(
Z MK > Z (2,10)
1 -α 2
dónde Z es el valor leído de una tabla de distribución normal estándar con α siendo
1 -α 2
Y ⋅ +βα
= T (2,11)
ββ- o
t= (2,12)
Sβ
donde esS la
β desviación estándar del coeficiente β con
Sβ = S (2,13)
norte
∑( - 2)
yo TT
yo=1
2-6
Página 28
Modelos hidrológicos
norte
https://translate.googleusercontent.com/translate_f 24/148
10/9/2020 MODELOS HIDROLÓGICOS
S = 1 ∑( - ) ˆ2 (2,14)
-2
norte yo YYyo
=1
yo
La hipótesis, es decir,
H o sin tendencia, se rechaza si tt > 1 - α 2, 2 norte
/-
Modelos de tendencia:
La forma de la tendencia depende de los antecedentes del fenómeno estudiado. Alguna
La tendencia suave que es discernible se puede cuantificar y luego restar de la muestra.
serie. Los modelos comunes de tendencia pueden adoptar las siguientes formas:
Los coeficientes a, b, c, d, ... generalmente se evalúan mediante ajuste por mínimos cuadrados. El número
de los términos requeridos en una tendencia polinomial impuesta principalmente por la interpretación de
el fenómeno estudiado. El número de términos generalmente se basa en análisis estadístico,
que determina los términos que contribuyen significativamente a la descripción y la
interpretación de la serie temporal. Se hace una restricción a los términos significativos debido a
el principio de parsimonia sobre el número de parámetros desconocidos (constantes)
utilizado en el modelo. Se desea utilizar el menor número posible de parámetros,
porque en la mayoría de los casos la adición de un parámetro complementario disminuye la
precisión de los demás parámetros. También los procedimientos de predicción y control son
influenciado por un número exagerado de parámetros. Este principio de parsimonia no es
sólo importante con respecto a la selección de la función de tendencia, pero también con respecto a
otras partes del modelo.
2-7
Página 29
Ch2. Análisis de series de tiempo y modelos estocásticos
1 n -L 1 norte
rL = ∑ ( X t - X ) ( X t L+ - X )/ ∑ ( X t - X )2 (2,17)
-
nL t =1 norte
t =1
https://translate.googleusercontent.com/translate_f 25/148
10/9/2020 MODELOS HIDROLÓGICOS
L r que
indica las observaciones son linealmente independientes entre sí. los
El correlograma para una serie de tiempo aleatoria tan completa se muestra en la figura 2.2 (a).
X t = Xa
1 t -1 + Xa
2 t-2 + Xa
3 t-3 ++L εt (2,18)
2-8
Página 30
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 26/148
10/9/2020 MODELOS HIDROLÓGICOS
PAGS=
Tt+ PAGS
t para todo t
PAGS
+
nTt = PAGS
t para todo t y para todo entero n.
1
frecuencia =
período
α sin ( ω t + β )
2-9
Página 31
Ch2. Análisis de series de tiempo y modelos estocásticos
2π
ω = = 2π ⋅ frecuencia
período
CmP
t
+= π Tt (
) / 2pecado (2,19)
La curva del coseno se repite cada T unidades de tiempo en todo el correlograma con r L = 1 para
L = 0, T, 2T, 3T,…. Así, las periodicidades en una serie de tiempo están expuestas por ciclos regulares en
los correlogramas correspondientes.
Una vez identificadas las periodicidades significativas, P t , y cuantificadas por µ t (la
medias) y σ t (las desviaciones estándar) se pueden eliminar de los tiempos originales
serie junto con cualquier tendencia, T t , de modo que se forma una nueva serie de datos, E t :
mTX
t −− t
mit = t
(2,21)
https://translate.googleusercontent.com/translate_f 27/148
10/9/2020 MODELOS HIDROLÓGICOS
s t
{licenciado
ep t + = [ enπ(sin
) (12/2 ct - ) ]
Letras }
+
donde de nuevo t es el tiempo en el mes. El signo más al final es necesario para evitar
valores negativos de ep que
t de lo contrario pueden ocurrir en casos raros. Nuevamente los parámetros a, b
yc son características de la cuenca.
2-10
Página 32
Modelos hidrológicos
cuantificar cualquier persistencia (correlación en serie (automática)) en los datos y cualquier residuo
aleatoriedad independiente. Primero está estandarizado por:
mit - mi
Zt = (2,22)
s mi
Z t = r1Z t -1
+ mit (2,23)
-= (2,24)
t ZrZet 1-t 1
https://translate.googleusercontent.com/translate_f 28/148
10/9/2020 MODELOS HIDROLÓGICOS
mismas propiedades estadísticas que la serie de datos original.
2-11
Página 33
Ch2. Análisis de series de tiempo y modelos estocásticos
Figura 2.3 Río Támesis en Teddingtom Weis (82 años de caudales mensuales, de Shaw, 1988)
La producción de una serie de datos sintéticos simplemente invierte el procedimiento del tiempo.
análisis de series. Primero, para tantos elementos de datos como se requieran, una secuencia comparable de
Los números aleatorios, extraídos de la distribución e t , se generan utilizando una computadora estándar.
paquete. En segundo lugar, los valores de Z t sintéticos correspondientes se calculan de forma recursiva utilizando
ecuación 2.23 (comenzando la serie con el último valor de la serie histórica Z t como Z t-1
valor). En tercer lugar, la serie E t se deriva de la ecuación 2.22 a la inversa:
t
=
EsZE Et
+ (2,25)
https://translate.googleusercontent.com/translate_f 29/148
10/9/2020 MODELOS HIDROLÓGICOS
Xt msET
+=t tt
+ t (de la ecuación 2.21) (2,26)
La incorporación del componente tendencial T t produce entonces una serie sintética de X t
tener propiedades estadísticas similares a las de la serie de datos históricos.
2-12
Página 34
Modelos hidrológicos
En última instancia, las decisiones de diseño deben basarse en un modelo estocástico o una combinación
de modelos estocásticos y deterministas. Esto se debe a que cualquier sistema debe diseñarse para
operar en el futuro. Los modelos deterministas no están disponibles para generar futuros
aportes de cuencas hidrográficas en forma de precipitación, radiación solar, etc., ni es probable que
Los modelos deterministas para estas entradas estarán disponibles en un futuro próximo. Estocástico
Se deben utilizar modelos para estas entradas.
Posiblemente el proceso estocástico más simple de modelar es donde los eventos pueden ser
se supone que ocurren en momentos discretos con el tiempo entre eventos constantes, los eventos en
cualquier momento son independientes de los eventos en cualquier otro momento, y la distribución de probabilidad
del evento es conocido. La generación estocástica de un modelo de este tipo simplemente asciende
para generar una muestra de observaciones aleatorias a partir de una probabilidad univariante
distribución. Por ejemplo, las observaciones aleatorias para cualquier distribución normal pueden ser
generado a partir de la relación,
y = Rσ N µ+ (2,27)
donde R N es una desviación normal aleatoria estándar (es decir, una observación aleatoria de un
distribución normal estándar) y µ y σ son los parámetros de la normal deseada
distribución de Y.Las rutinas de computadora están disponibles para generar estándares aleatorios
distribución normal.
Donde la persistencia está presente, las secuencias sintéticas no se pueden construir tomando un
sucesión de valores muestrales de una distribución de probabilidad, ya que esto no
cuenta de la relación entre cada número de sucesiones y las que le preceden.
Considere una serie de tiempo estacionaria de segundo orden, como una serie de tiempo anual, compuesta
de una parte determinista y una parte aleatoria. La parte determinista se selecciona para
reflejan el efecto de persistencia, mientras que se supone que la parte aleatoria tiene una media cero
y una varianza constante. Uno de los modelos para simular tal serie es el
Modelo autorregresivo. La forma general de un modelo autorregresivo es
( y t - βµ
)= 1
( y t - 1 + -βµ
) 2
( y t - 2 ++µ-...) β k ( ykt- + -εµ) t
(2,28)
2-13
https://translate.googleusercontent.com/translate_f 30/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 35
Ch2. Análisis de series de tiempo y modelos estocásticos
y t = -βµ 1
( y1 t - + -εµ) t
(2,29)
ha encontrado una aplicación particular en hidrología. Cuando se usa la ecuación (2.29) para modelar
serie de descarga anual, el modelo establece que el valor de y en un período de tiempo es
dependiente sólo del valor de y en el período de tiempo anterior más un valor aleatorio
componente. También se supone que ε t es independiente de y t .
La ecuación (2.29) es el modelo de Markov de primer orden bien conocido en la literatura. Tiene
tres parámetros a estimar: µ , β 1 y. σ ε2
Para el método de momento de estimación de parámetros, el parámetro µ se puede calcular
de la serie de tiempo como la media aritmética de los datos observados.
En cuanto a β 1, la ecuación de Yule-Walker (Delleur, 1991) muestra que
PAGS
ρ k = ∑ ρβjkj - , k> 0 (2,30)
j =1
1 =⋅ =
ρβρ 1 o β 1 ya queρ o = 1 (2,31)
de manera similar, podemos derivar las ecuaciones para calcular β 1 y β 2 para el AR (2)
modelo como
2
ρ 1 1 (- ρ 2 ) ρρ2 - 1
β1 = β2 = (2,32)
1- ρ 12 1-
ρ 1
2
2
Se puede demostrar queσestá σ y (la varianza de la y
2
ε relacionado con serie t ) por:
σ ε2 = yσ 2 1 (- β 12 ) (2,33)
σy
Si la distribución de y es N ( µ y ,) entonces la distribución de ε es N (0,). σValores
2
ε
2
aleatorios y t
σ ε N (0,). Si z es
ahora se puede generar seleccionando ε t aleatoriamente de una distribución
2
z σ ε zor σ
N (0,1) entonces año 1
- β12 es N (0,).σPor
ε
2
lo tanto, un modelo para generar Y que son
2
N ( µy ,)σy ysiguen el modelo de Markov de primer orden es
2-14
Página 36
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 31/148
10/9/2020 MODELOS HIDROLÓGICOS
La figura 2.4 muestra un análisis de regresión de q j + 1 sobre q j , pares de flujos mensuales sucesivos para
los meses (j + 1) yj durante los años de registro donde j = 1, 2, 3, ..., 12 (enero, febrero, ...
Dec) y cuando j = 12, j + 1 = 1 = Jan (habría 12 de tales regresiones). Si el
coeficiente de regresión del mes j + 1 en j es b j , entonces los valores de la línea de regresión de a
flujo mensual, qˆ + 1j , se puede determinar a partir del flujo q j del mes anterior , por el
ecuación:
qˆ j +1 = +q j 1 + qbjj( - q j) (2,35)
Para tener en cuenta la variabilidad en los puntos graficados sobre la línea de regresión
reflejando la varianza de los datos medidos sobre la línea de regresión, otra
se agrega el componente:
Z s⋅ j+ 1 ( r j2 )
1-
2-15
Página 37
Ch2. Análisis de series de tiempo y modelos estocásticos
desviación aleatoria distribuida normalmente con media cero y desviación estándar unitaria. los
la forma general puede escribirse como
https://translate.googleusercontent.com/translate_f 32/148
10/9/2020 MODELOS HIDROLÓGICOS
1 al año n . Otros símbolos son los mismos que los mencionados anteriormente.
1
(a) el flujo medio q j = ∑ q ij, ; ( Ji= 12, + j 24, + j ),L
norte
yo
∑ ( q ij, - q j ) 2
(b) la desviación estándar Sj = yo
-1
norte
(d) la pendiente de la ecuación de regresión que relaciona el flujo del mes con el flujo en el
mes anterior:
S j +1
sij = r j
S j
2-16
Página 38
Modelos hidrológicos
(3) Para generar una secuencia de flujo sintética, calcule (genere) un número aleatorio
secuencia {Z 1 , Z 2 ,…} y sustituir en el modelo.
La forma modelo:
La media móvil se ha utilizado con frecuencia para suavizar varios tipos de
series de tiempo hidrológico como la temperatura del aire diaria o semanal, tasas de evaporación, viento
velocidad, etc. El proceso de media móvil utilizado en la generación estocástica hidrológica
los datos son algo diferentes. En este uso, el proceso de media móvil describe la
desviaciones de una secuencia de eventos de su valor medio.
} t x como
Un proceso { definido
https://translate.googleusercontent.com/translate_f 33/148
10/9/2020 MODELOS HIDROLÓGICOS
con φ 1 = - θ 1 , φ 2 = - θ 2 , ..., φ q = - θ q.
[
γ k = eE( t - θ 1mi ... θ qtqmi-
t - 1 −− )mikt(- - θ 1 mi
kt−− 1 −−... θ qktq
mi−− )] (2,39)
q
2 2 2 2
σ = σγo = mi1 (+ θθ1 + 2 ++... θ q2 ) = σ mi
2
∑θ 2
j (2,40)
j=0
con la convención θ o = -1
kq-
σγk = 2
mi( + θθθ
-k 1 k +1 + θθ2 k+2 ++... θθqkq- 2
) = σ mi ∑ θθj kj+
para k ≤ q (2,41)
j =0
2-17
Página 39
Ch2. Análisis de series de tiempo y modelos estocásticos
kq-
∑ θθj kj+
γk j=0
ρk = = q
, qk ≤
γo (2,43)
∑ θ 2j
j=0
=0 qk >
Las ecuaciones (2.40) y (2.41) se pueden utilizar para la estimación de los parámetros por método
de momentos. Para ello se reescriben de la siguiente manera:
2 γo
σ mi = (2,44)
1 + θθ12 + 2
2 ++... θ q2
γj
θ j - =( - θθ1 j +1 + θθ2 j+ 2 ++... θθqjq- ) (2,45)
σ mi
Equ. (2.44) y (2.45) se utilizan de forma recursiva. Por ejemplo para el modelo MA (1)
x t = e t - θ 1 e t-1 (2,46)
tenemos
2 γˆ o ˆ γˆ1
https://translate.googleusercontent.com/translate_f 34/148
10/9/2020 MODELOS HIDROLÓGICOS
σˆ mi = ˆ1+ θ 12 θ = σˆ mi
1 2 (2,47)
dónde γyoγ 1 son estimaciones de la covarianza automática y se calculan a partir de los datos.
Forma modelo:
En hidrología estocástica, los modelos ARMA se conocen como movimiento auto-regresivo
Modelos promedio (ARMA). Combinan cualquier propiedad de autocorrelación directa de un dato.
serie con los efectos suavizantes de una media de ejecución actualizada a través de la serie. los
Se describen dos componentes del modelo para una serie de datos x t , por ejemplo, caudales fluviales anuales.
por:
Autoregresión (AR (p))
Xt = β1 Xt - 1 + β 2 Xt - 2 ++L β ptpX - + mi
t (2,48)
2
donde e t son números aleatorios con media y varianza cero. σ mi
El modelo de media móvil autorregresiva (ARMA (p, q)) se define como:
2-18
Página 40
Modelos hidrológicos
Uno de los méritos del proceso ARMA es que, en general, es posible ajustar un modelo
con un pequeño número de parámetros, es decir, p + q . Este número es generalmente menor que el
número de parámetros que serían necesarios utilizando un modelo AR o un MA
modelo. Este principio se llama parsimonia de parámetros.
El modelo de primer orden ARMA (1, 1) es:
Xt = β1 Xt mi θ 1mi (2,52)
- 1++ t t -1
γ k = γβ1 k -1 + exe
( tkt- ) - θ 1 exe
( -
tkt ) -1 (2,53)
γ o = γβ11 + exe
) (tt - θ 1 exe
) (tt -1
pero
exe
) (tt = eexE
β1 [ t -1 t ++ t2 θ 1eet - 1 t ]= σ2 mi
https://translate.googleusercontent.com/translate_f 35/148
10/9/2020 MODELOS HIDROLÓGICOS
y
exe
( tt - 1 ) = exeβ1 [ t -1 t -1 + eett -1 + θ 1 mi2
t -1 ]
β1[
= exe t -1 t -1
]- σθ1 2
mi (2,54)
2
= ( σθβ
1 - 1) mi
Así
2 2
γ o = σγβ
11 + mi - σθβθ
11( - 1) mi (2,55)
2
1 =- +01
γβγ 0 σθ1 mi
2-19
Página 41
Ch2. Análisis de series de tiempo y modelos estocásticos
2 2 2 2
γ o = σθβγβ
1 o - 11 mi + σ mi - σθβθ
11( - 1) mi
2
1 + θ 1 - 2 θβ11
γo = (2,56)
1 - β12
( θβ - 1) (- θβ ) 2
γ1 = 1 1 11
σ mi (2,57)
1 - β 12
Para k ≥ 2
ρ k= 1 k=0 (2.59a)
( θβ1 - 1 1) (- θβ11 )
= k=1 (2.59b)
1 - θ+1 2 θβ11
= γβ1 - k 1 k≥2 (2.59c)
y el ACF es
2-20
Página 42
Modelos hidrológicos
después del retardo q + 1, el ACF se reduce como para un proceso AR (p). Para los primeros q rezagos, el ACF
depende de los parámetros AR y MA.
Z t = CSt - 1 + dX t (2,62)
SSt = t -1 + hacha
t - CSt - 1 (2,63)
S t - =) 1 ( Carolina
t - 1 + hacha
del tSur (2,64)
Reescritura (2,62)
Z t -1 = CSt - 2 + dX t - 1
1 re
St - 2 = Z t -1 + X t -1 (2,65)
C C
https://translate.googleusercontent.com/translate_f 37/148
10/9/2020 MODELOS HIDROLÓGICOS
2-21
Página 43
Ch2. Análisis de series de tiempo y modelos estocásticos
S t - 1 - =) 1 ( Carolina
t - 2 + del
hacha
Sur
t -1 (2,66)
Z t - =) 1 ( Zc t -1 + dX t - [re) 1−−
(C Xac] t -1 (2,67)
que tiene la forma de un ARMA (1, 1), es decir, el modelo de la ecuación (2.52) cuando el
precipitación, X t es una serie independiente y cuando (1-c) = β 1 , d = 1 y [d (1-c) -ac)] =
θ 1 ..
2-22
Página 44
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 38/148
10/9/2020 MODELOS HIDROLÓGICOS
Los modelos de algunos procesos hidrológicos son tales que no se pueden clasificar
en cualquiera de las categorías anteriores. Varios modelos de lluvia entran en este grupo. Ya que
estos son bastante importantes desde el punto de vista de los modelos estocásticos, se mencionan
aquí. Sin embargo, dado que fueron desarrollados para modelar un proceso específico y no
modelos generales del proceso de escorrentía, no se describirán extensamente. Lectores que
están interesados en este tipo de modelo específico, puede encontrar fácilmente muchos ejemplos en el
literatura con la palabra clave "modelos de lluvia".
2-23
Página 45
Ch2. Análisis de series de tiempo y modelos estocásticos
descarga máxima con un período de retorno de T años (es decir, tal que se repita con
frecuencia una vez cada T años, a largo plazo). Un enfoque a este problema es examinar
el registro de descarga en el sitio para el que se requiere la estimación, para resumir la
descarga instantánea máxima para cada año de registro, y para representar la
distribución de la descarga instantánea máxima anual por una probabilidad adecuada
función de densidad. La abscisa, yo , digamos, que se excede en una proporción 1 / T de la
luego, la distribución estima la inundación del año T.
https://translate.googleusercontent.com/translate_f 39/148
10/9/2020 MODELOS HIDROLÓGICOS
Sin embargo, sucede con frecuencia que la longitud del registro de alta disponible es
corto, digamos diez años o menos. Por otro lado, un registro mucho más largo de alta puede
estar disponible para otro sitio de medición, de modo que las descargas máximas en los dos sitios sean
correlacionado. En determinadas circunstancias, entonces se permite representar la relación
entre las descargas máximas anuales en los dos sitios mediante una ecuación de regresión y
utilizar esta ecuación ajustada para estimar las descargas instantáneas máximas anuales para
el sitio con breve historial.
2-24
Página 46
Modelos hidrológicos
Box, GEP y Jenkins, GM, 1970. Análisis de series de tiempo, pronóstico y control.
Halden-day, San Francisco. 543p.
Clarke, RT, 1973. Una revisión de algunos modelos matemáticos utilizados en hidrología, con
observaciones sobre su calibración y uso. J. Hydrol. 19: 1-20.
Clarke, RT, 1994. Modelado estadístico en hidrología, John Wiley & Sons Ltd.
Delleur, JW, 1991. Análisis de series de tiempo aplicado a hidrología. VUB-Hydrologie
(19), Universidad Libre de Bruselas.
Fiering, MB y Jackson, BB, 1971. Synthetic Streamflows. Recursos hídricos
Monografía 1, Amer. Geophys. Union, Washington, DC, 1-98.
Haan, CT, 1976. Métodos estadísticos en hidrología. The Iowa University Press, Ames,
p378.
https://translate.googleusercontent.com/translate_f 40/148
10/9/2020 MODELOS HIDROLÓGICOS
Haan, CT, Johnson, HP y Brakenslek, DL, 1982. Modelado hidrológico de pequeños
Cuencas hidrográficas. Una monografía número 5 de ASAE en una serie publicada por American
Sociedad de Ingenieros Agrónomos.
Jenkins, GM y Watts, DG, 1968. Análisis espectral y sus aplicaciones, Holden
Día, 525pp.
Kendall, MG y Stuart, A., 1968. La teoría avanzada de estadística. Vol3: diseño y
Análisis y series de tiempo, Hafner, 557pp.
Kendall, MG, 1975. Métodos de correlación de rango. Griffin, Londres.
Mann, HB, 1945. Pruebas no paramétricas contra tendencia. Econometrica 13, 245-259.
O'Connell, PE, modelos de ruido de disparo en hidrología sintética. En: Modelos matemáticos para
hidrología de aguas superficiales por Ciriani, Maione y Wallis. John Wiley e hijos. Pp19-
26.
Salas, JD y Smith, RA, 1980. Base física de modelos estocásticos de flujos anuales.
Investigación de recursos hídricos.
Shaw, EM, 1988. Hydrology in Practice 2ª edición . Van Nostrand Reinhold (Reino Unido) Co.
Limitado.
Weiss, G., 1973. Modelos de ruido de disparo para generación sintética de multisitio diario
datos de caudal. Simposio Organización Meteorológica Mundial de la UNESCO, Intr.
Assoc. de Hydrol. Sci., Madrid.
Weiss, G., 1977. Modelos de ruido de disparo para la generación de datos sintéticos de caudal.
Investigación sobre recursos hídricos 13 (1).
Xu, CY y Vandewiele, GL, 1995. Parsimonious mensuales modelos de lluvia-escorrentía para
cuencas húmedas con diferentes requerimientos de insumos, Advance in Water Resources 18: 39-
48.
2-25
Página 47
CAPÍTULO 3
PRECIPITACIÓN EN MODELOS DE CAPTURA
_____________________________________________________________________________________
3.1 INTRODUCCION
Las precipitaciones incluyen lluvias, nevadas y otros procesos por los cuales el agua cae
la superficie de la tierra, como granizo y aguanieve. Las dos primeras formas constituyen la mayor parte de
precipitación y son de importancia en los modelos hidrológicos.
La nieve y las nevadas juegan un papel importante en el régimen hidrológico en muchas partes de
el mundo. La nieve ha recibido atención como recurso hídrico, principalmente en el norte
parte de América del Norte, Europa y Asia. Toda Suecia recibe nieve en
Cantidades hidrológicamente significativas. Para fines hidrológicos, el contenido de agua es más
importante que la profundidad, a menos que uno esté interesado en las propiedades aislantes de la nieve como
en estudios de congelación de suelos. El equivalente de agua de nieve y la densidad de la nieve son más útiles para
modelado hidrológico.
Si la precipitación cae en forma de lluvia o nieve puede tener una influencia muy significativa en
la estimación de la escorrentía, especialmente para los flujos de primavera. Por tanto, el rendimiento del modelo es
sensible a las decisiones tomadas sobre la forma de precipitación. El problema con
La determinación de la forma de precipitación generalmente se resuelve de una manera bastante simple en
la mayoría de los procesos de modelado. La temperatura del aire se acepta como factor determinante
3-1
Página 48
Ch3. Precipitación en modelos de captación
lo que significa que la acumulación de nieve comienza tan pronto como la temperatura es inferior a un cierto
valor umbral. Cabe señalar que algunos modelos utilizan un valor fijo del umbral
temperatura, mientras que otros la tratan como un parámetro de calibración. Este método ha sido
utilizado por el Cuerpo de Ingenieros de EE. UU. (1956), Anderson (1973) y el modelo HBV entre
otros. Según una investigación realizada por el Cuerpo de Ingenieros de EE. UU.,
El valor umbral puede variar entre -1,7 o C y +4,4 o C cuando se estudian valores horarios. Un
La investigación de los valores diarios realizada en la estación climática de Lilla Tivsjön en Suecia es
mostrado en la figura 3.1 (Bergström, 1975). Esta investigación muestra que el valor umbral
puede variar entre -2,5 o C y +4,0 o C cuando se estudian los valores diarios.
Figura 3.1. La nota del observador sobre la forma de precipitación relacionada con la media diaria
temperatura. Cada punto representa un día con precipitación.
P s = 0, P r = P t cuando T a ≥ T o (3,1)
P r = 0, P s = P t cuando T a <T o
https://translate.googleusercontent.com/translate_f 42/148
10/9/2020 MODELOS HIDROLÓGICOS
Dónde
P r = cantidad de precipitación en forma de lluvia (mm)
P s = cantidad de precipitación en forma de nieve (mm)
P t = precipitación total (mm)
T a = temperatura media diaria del aire ( o C)
T o = Temperatura umbral ( o C)
Y T o se calcula por
To - =Tuna (TT
una- +
re 008.012.0) ( Tuna
) (3,3)
3-2
Página 49
Modelos hidrológicos
dónde
T d = temperatura del punto de rocío, y otras notaciones tienen el mismo significado que en
ecuación 3.1.
(3) Willen (1971) y Moussavi (1988) utilizaron la siguiente ecuación para estimar la
forma de precipitación en sus modelos de escorrentía:
P s = 0, P r = P t cuando T min ≥ T o
P r = 0, P s = P t cuando T max <T o (3.4)
porcentaje de lluvia = [(t max - t o ) / (t max - t min )] × 100 cuando T min ≤ T o ≤ T max
donde: t max es la temperatura máxima diaria del aire, t min es el aire mínimo diario
temperatura y otras notaciones tienen el mismo significado que antes.
(4) Shih et al (1972) especifican la división por las funciones que se muestran en la ecuación (3.5)
P s = 0, P r = P t cuando T a ≥ T r
P r = 0, P s = P t cuando T a ≤ T s (3,5)
⌈T - T ⌉
una s
r = PAGS
PAGS t│ │ cuando T s ≤ T a ≤ T r
⌊ Tr - Ts ⌋
dónde
T r = temperatura límite por encima de la cual la precipitación será lluvia, por ejemplo, 38 o F (3.3 o C)
T s = temperatura límite por debajo de la cual la precipitación será nieve, por ejemplo, 30 o F (-
1,1 o C). Otras notaciones tienen el mismo significado que antes.
(5) Xu y col. (1996) utilizaron la siguiente ecuación en el balance mensual de nieve y agua
modelo.
s = pags
PAGS { ]}
t 1 - Exp [- (T una- T r )/ (T r - T s )
2
+
Tr≥Ts (3,6)
Pr=Pt-Ps
dónde
T r = temperatura umbral por encima de la cual la precipitación será lluvia (2 o C).
T s = temperatura umbral por encima de la cual comienza el proceso de deshielo (-2 o C).
Otras notaciones tienen el mismo significado que antes.
https://translate.googleusercontent.com/translate_f 43/148
10/9/2020 MODELOS HIDROLÓGICOS
3-3
Página 50
Ch3. Precipitación en modelos de captación
El enfoque del balance de energía utiliza una forma de la ecuación del balance de energía para un
manto de nieve que se puede escribir como (Ejército de los EE. UU., 1956):
H = H sn + H en + H C + H mi+ H gramo
+ H pags
+ Hq (3,7)
dónde
H = energía disponible para el deshielo (transferencia neta de calor a la capa de nieve desde su
ambiente).
H sn = radiación neta de onda corta
H ln = radiación neta de onda larga
H c = flujo de calor convectivo
H e = flujo de calor latente
H g = conducción de calor desde el suelo
H p = contenido de calor de las gotas de lluvia
H q = cambio en el contenido energético de la capa de nieve.
Si H es el cambio neto total de energía, la masa fundida M se calcula como (Haan et al., 1982):
M=H/Lf (3,8)
El uso de la técnica del balance de energía da como resultado un modelo que puede estar muy cerca de
ser correcto, pero que puede ser difícil de manejar, excepto en casos muy especializados, altamente
situaciones instrumentadas (Kuzmin, 1973; Haan et al., 1982). Entre las variables
necesario para un cálculo completo del balance de calor de acuerdo con la ecuación (3.7),
mencionado:
https://translate.googleusercontent.com/translate_f 44/148
10/9/2020 MODELOS HIDROLÓGICOS
-temperatura del aire,
3-4
Página 51
Modelos hidrológicos
Además de estas variables, algunos parámetros físicos que gobiernan el intercambio de calor
con la atmósfera, transferencia de calor dentro de la capa de nieve, contenido de agua líquida en el
la nieve y el drenaje del manto de nieve, tendrían que estimarse. Límites en el
disponibilidad de algunos de estos datos y técnicas para extrapolar mediciones puntuales
a valores medios reales han restringido la mayoría de las aplicaciones de la ecuación (3.7) al deshielo
estudios en un punto o en pequeñas parcelas (Leavesley, 1989). Algunos modelos a escala de cuenca que utilizan
la ecuación (3.7) se está desarrollando y probando actualmente; estos modelos incluyen el
Institute of Hydrology Model, IHDM (Morris, 1980) y el modelo SHE (Jonch-
Clausen, 1979).
Para trabajar con los límites impuestos por la disponibilidad de datos en el enfoque de balance energético,
muchos investigadores han estudiado la importancia relativa de los diversos equilibrios energéticos
componentes, esto ayuda en gran medida a simplificar los cálculos cuando la situación
lo justifica o no se dispone de datos más detallados. Varias versiones modificadas de
se han utilizado la ecuación (3.7). En la mayoría de estos modelos, H sn , H ln , H p y son H q
calculado utilizando datos medidos y los componentes restantes se parametrizan y
ajustados, o se supone que son insignificantes. Los ejemplos incluyen la precipitación y la escorrentía
Modeling System, PRMS (Leavesley et al., 1983) y el modelo Snowmelt,
MELTMOD (Leaf & Brink, 1973).
3.3.2 Simplificaciones
Zuzel y Cox (1975) midieron valores diarios de viento, temperatura del aire, vapor
presión, radiación neta y fusión en un punto. Descubrieron que para un área con continua
La capa de nieve, la presión de vapor, la radiación neta y la carrera del viento explicaron el 78% de la
variaciones en la masa fundida, mientras que la temperatura del aire y la radiación neta explicaron el 60%.
La temperatura sola tuvo un coeficiente de determinación de 0,51 y la radiación neta fue de 0,40.
Raffelson (1974) investigó el balance energético de ventisqueros aislados en
Wyoming durante el derretimiento. Encontró que los componentes de calor latente y sensible estaban
mismo tamaño, y ambos sustancialmente más grandes que el componente de radiación. O'Neill (1972)
y Gray y O'Neill (1974) encontraron que la radiación neta era la energía predominante
fuente de deshielo para las praderas canadienses cuando la capa de nieve era continua,
suministrando el 93% de la energía de fusión. Para cobertura no continua, advección de calor de
suelo desnudo a derivas aisladas causaron que el 44% de la energía de fusión fuera suministrada por calor sensible
transferencia y 56% por radiación neta. Para una deriva aislada, Cox y Zuzel (1976) encontraron que
El 69% de la energía disponible para la fusión y la evaporación provino del aporte de calor sensible.
Los cultivos de ingenieros (1960) asignaron un valor constante a la radiación de onda corta durante
períodos de lluvia. King y Molnau (1976) observaron que los métodos de índice de temperatura parecen
funcionan bien para calcular el deshielo durante los períodos nublados, lo que indica que la radiación
fue relativamente poco importante durante esos períodos. Kuzmin (1973) exploró cinco
simplificaciones del método básico de balance energético. Descubrió que el uso de
la temperatura era posible para las llanuras cuando la temperatura media diaria era superior a 2 ° C.
En modelos hidrológicos conceptuales, se ha puesto énfasis en determinar el deshielo
mediante el uso de la temperatura del aire o un índice de temperatura debido a la facilidad de obtener aire
temperaturas y porque la temperatura es el método meteorológico más fácil de extrapolar
variable.
3-5
https://translate.googleusercontent.com/translate_f 45/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 52
Ch3. Precipitación en modelos de captación
Por lo general, un enfoque de índice de temperatura del aire tiene la forma de:
M = C m (T a -T b ) (3,9)
dónde
M = nieve derretida (mm / día);
C m = coeficiente de grado día (mm / día / o C);
T a = temperatura del aire ( o C); y
T b = una temperatura base ( o C).
En la mayoría de los casos, se supone que T b es constante. Puede ser determinado por
experiencia, por ejemplo, Granger y Male (1977) utilizaron T b = 0, o se estimaron por modelo
calibración.
C m y T un se supone que integrar los efectos de varios de los energía individuo
componentes presupuestarios en la ecuación (3.7). Esta es una suposición muy amplia y es una fuente de
error para una variedad de condiciones. Para minimizar este error, la mayoría de los modelos de índice de temperatura
aplique una serie de ajustes a C my T a. C m se ajusta para incorporar conocimientos
de las relaciones entre ella y variaciones espaciales y temporales mensurables en la cuenca y
características climáticas. Anderson (1973) permite que C m varíe desde un mínimo en
21 de diciembre hasta un máximo el 21 de junio, utilizando una curva sinusoidal. Para una cuenca de Iowa con
sin cobertura forestal, la C m osciló entre 7,3 y 3,6 mm / ° C / día. McKay (1968) presenta
curvas de factores de grado día para una capa de nieve de pradera poco profunda. Gartska (1944) señaló una
Fuerte correspondencia entre la escorrentía acumulada y los grados-hora acumulados por encima de 0
° C. Esta relación parecía consistente dentro de una tormenta, pero variaba entre tormentas. Rey
(1976) utilizaron el método de grados-día en pequeñas cuencas hidrográficas en Palouse Prairie. El usó
C m en función de grados-horas acumulados con buen éxito. Sin embargo, descubrió que
diferentes funciones pueden ser necesarias para cuencas con diferentes aspectos debido a la
topografía ondulada.
Bengtsson (1976) desarrolló la idea de una temperatura de equilibrio para usar en el lugar
de la temperatura base. Esta es la temperatura a la que no hay transferencia neta de calor entre
se produce el aire y la nieve. Al equiparar el enfoque del balance energético con el grado-día
factor, encontró que C m podría determinarse como una función de la velocidad del viento para un bosque
cuenca hidrográfica y una función de la radiación solar para áreas no forestadas
Modelo HBV (Bergström, 1976, 1995) y el modelo de escorrentía de fusión de nieve, SRM
(Martinec et al., 1983) utilizan un valor diferente de C m en cada zona de cuenca dependiendo de la
características de la vegetación de la zona. El modelo HBV mantiene constante cada valor de C m
durante toda la temporada de deshielo, mientras que el SRM varía C m en función de la densidad del manto de nieve. En
modelos distribuidos, se utilizan diferentes valores de C m para cada zona de cuenca o celda de cuadrícula,
también varían la magnitud de C m durante la temporada de deshielo para tener en cuenta los efectos de
variación estacional en la duración del día en C m . La síntesis y el embalse del caudal
Modelo de regulación, SSARR (US Army, 1975) utiliza un índice de temperatura antecedente para
ajustar C m estacionalmente.
3-6
Página 53
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 46/148
10/9/2020 MODELOS HIDROLÓGICOS
1) M = C m (T máx - T b ) (Martinec y Range, 1986)
2) M = C m T máx. (Poder, 1986)
3) M = C m (T máx. ) 2 (Woo, 1972)
4) M = C m (T máx - T b ) + b (Lang, 1984)
5) M = C m (T máx - T mín ) + b (Moussavi, 1988)
METRO {
t = sp t 1 - Exp [(T una- T s )/ (TT
r - s )2
+
]} (3,10)
3-7
Página 54
Ch3. Precipitación en modelos de captación
https://translate.googleusercontent.com/translate_f 47/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.3.3 Diagrama de bloques de deshielo para el modelo de la Universidad Estatal de Ohio (de Ricca,
1972)
3-8
Página 55
Modelos hidrológicos
Anderson, EA, 1973. Sistema de pronóstico de ríos del servicio meteorológico nacional - Snow
modelo de acumulación y ablación. Memorando Técnico de NOAA NWS HYDRO-
17, Silver Spring, MD.
Bengtsson, L., 1976. Snowmelt estimado a partir de estudios de balance energético. nórdico
Hidrología 7: 3-18.
Bergström, S., 1975. El desarrollo de una rutina de nieve para el modelo HBV-2. nórdico
Hidrología, 6 (2).
Bergström, S., 1976. Desarrollo y aplicación de un modelo conceptual de escorrentía para
Cuencas escandinavas. Informe SMHI, Nr. RHO 7.
Bergström, S., 1995. El modelo HBV. En: Singh, VP (Ed.) Modelos informáticos de
Hidrología de cuencas. Publicación de recursos hídricos, Highlands, Ranch, CO, EE. UU.,
págs. 443-476.
Cox, LM y JF Zuzel, 1976. Un método para determinar la transferencia de calor sensible a
ventisqueros tendidos. Conf. De nieve occidental Proc. 44: 23-28.
Crops of Engineers, 1960. Escorrentía del deshielo. Cultivos de ingenieros del ejército estadounidense.
Gartska, WU, 1944. Hidrología de pequeñas cuencas hidrográficas en condiciones invernales de nieve
cubierta y suelo congelado. Geophys. Union Trans., Parte 6: 838-871.
https://translate.googleusercontent.com/translate_f 48/148
10/9/2020 MODELOS HIDROLÓGICOS
Granger, RJDH Male, 1977. Derretimiento de una capa de nieve de pradera. americano
Sociedad Meteorológica, Proc. 2 nd Conf. Sobre hidrometeorol. págs. 261-268.
Gray, DM y ADJ O'Neill, 1974. Aplicación del presupuesto de energía para predecir
escorrentía de deshielo. En: Henry S. Stanford y James L. Smith (ed.), Advanced
Conceptos y técnicas en el estudio de los recursos de nieve y hielo, Nacional
Academia de Ciencias.
Haan, CT, et al., 1982. Modelado hidrológico de pequeñas cuencas hidrográficas, Sociedad Americam
de Ingenieros Agrónomos.
Hydrocomp, Inc. 1969. Manual de operación de programación de simulación de Hydrocomp (segundo
edición). Hydrocomp, Inc., Palo Alto, CA.
Jonch-Clausen, T., 1979. Systeme Hydrologique Europeen: una breve descripción. ELLA
Informe 1, Instituto Danés de Hidráulica, Horsholm, Dinamarca.
King, DL, 1976. Simulación de la hidrología de la nieve de Paluse Prairie. Universidad de
Idaho, Tesis de Maestría en Ciencias.
Kuzmin, PP 1973. Derretimiento de la capa de nieve. Programa de Traducción Científica de Israel,
publicado para la National Science Foundation, Translation TT 71-50095.
Lang, H., 1984. Pronóstico de la escorrentía de agua de deshielo de áreas cubiertas de nieve y de glaciares
lavabos. En: JR Moll (Ed), Pronóstico del caudal de los ríos en tiempo real. Escuela Landbhouwhoge,
Wageningen, Países Bajos, Informe 6: 113-146.
Leaf, CF y Brink, GF, 1973. Simulación por computadora del deshielo dentro de un Colorado
cuenca subalpina. Departamento de Agricultura de EE. UU., Servicio Forestal, Documento de investigación RM-99.
Leavesley, 1989
Leavesley, et al., 1983
Martinec, et al., 1983
Martinec, J. y A. Rango, 1986. Valores de los parámetros para el modelado de la escorrentía de deshielo. J.
Hydrol., 84: 197-219.
Mckay, GA, 1968. Problemas de medición y evaluación de la capa de nieve. En la nieve
Hidrología, Proc. Of Workshop Seminar, Canadian Nat. Comm. Para el Int. Hydrol.
Década, págs. 49-65.
3-9
Página 56
Ch3. Precipitación en modelos de captación
Molnau, M., 1971. Comparación de la escorrentía de una almohada de nieve de captación y una pequeña
cuenca boscosa, Western Snow Conf. Proc. 39: 39-43.
Morris, EM, 1980. Modelando el flujo de masa y energía dentro de una capa de nieve para
previsión hidrológica. Ana. Glaciol., 4: 198-203.
Moussavi, M., 1988. Modelización de sistemas hidrológicos de cuencas hidrográficas montañosas en
Regiones semiáridas. Tesis doctoral, Katholieke Universiteit Leuven, Bélgica.
O'neill, ADJ, 1972. La energía de las bolsas de nieve de pradera poco profundas. Universidad de
Saskatchewan, tesis doctoral.
Power, JM, 1986. Estudio de caso de Canadá: suministro de agua. En: G. Young (Ed). Técnicas para
predicción de la escorrentía de áreas glaciarizadas. Publ de la IAHS. No. 149. Instituto de
Hidrología, Wallingford, Oxfordshire, Reino Unido.
Raffelson, CN, 1974. Evaporación de ventisqueros en condiciones de oasis. Universidad
de Wyoming, Tesis de Maestría en Ciencias.
Ricca, VT, 1972. La versión de la Universidad Estatal de Ohio del flujo de corriente de Stanford
modelo de simulación: Parte 1 - Aspectos técnicos. Universidad Estatal de Ohio, Agua
Centro de recursos.
Riley, JP et al., 1969. Snowmelt simulation. Conf. De nieve occidental Proc. 37: 49-56.
Shih, GB, et al., 1972. Modelado informático de una cuenca hidrográfica de un bosque de coníferas. En edad
de Prioridades cambiantes para la tierra y el agua, ASCE.
Ejército de Estados Unidos, 1975
Cultivos de ingenieros de Estados Unidos, 1956. Snow Hydrology. Ejército de EE. UU., Cultivos de ingenieros, Norte
División del Pacífico, Portland.
Vandewiele, GL y Ni-Lar-Win, 1993. Modelos mensuales de balance de agua y nieve en
escala de cuenca, En: Modelado de rendimiento de sedimentos y escorrentía, K. Banasik y A. zbikowski
(eds), Varsovia, 83-88.
Willen, DW, et al., 1971. Simulación del equivalente y el derretimiento diario de agua de nieve. occidental
Actas de la conferencia de nieve, Billings, Mont .: 1-8.
Wilson, WT, 1941. Un esbozo de la termodinámica del deshielo. A.m. Geophys.
Union Trans., Parte 1: 182-195.
https://translate.googleusercontent.com/translate_f 49/148
10/9/2020 MODELOS HIDROLÓGICOS
OMM,MK,
Woo, 1986.
1972. Un modelo de simulación numérica para el almacenamiento de nieve en pequeñas costas
cuencas, sur de la Columbia Británica. IAHS Publ. No. 107, 2: 992-1014.
Xu, CY, S. Halldin y J. Seibert, 1996. Modelización del balance hídrico regional en el
Área NOPEX: desarrollo y aplicación de modelos de balance hídrico mensual. J.
Hydrol. 180: 211-236.
Zuzel, JF y LM Cox, 1975. Importancia relativa de las variables meteorológicas en
deshielo. Recurso de agua. Res. 11 (1): 174-176.
3-10
Página 57
CAPÍTULO 4
EVAPOTRANSPIRACIÓN EN MODELOS HIDROLÓGICOS
_____________________________________________________________________________________
4.1 GENERALIDADES
En este curso se utilizan tres términos. (1) El término evaporación, ET 0 se utiliza para
Evaporación de agua abierta / libre, es decir, el proceso físico que implica un cambio de fase de
de líquido a vapor por el cual el agua se devuelve a la atmósfera desde lagos y embalses
y, en algunos casos, de canales fluviales en una cuenca hidrográfica. (2) El término actual
evapotranspiración, AET describe todos los procesos por los cuales el agua líquida en o cerca del
La superficie terrestre se convierte en vapor de agua atmosférico. Mirando un promedio global, dos tercios
de la precipitación que cae sobre los continentes es evapotranspirada. De esta cantidad, el 97%
proviene de superficies terrestres y el 3% es evaporación en aguas abiertas. (3) El término potencial
evapotranspiración, ET es la tasa máxima de evapotranspiración de un vegetado
captación en condiciones de suministro de humedad ilimitado. De los tres términos, el
La evapotranspiración potencial o la evaporación del agua libre se suele utilizar como entrada.
junto con la precipitación a muchos modelos hidrológicos. El término actual
la evapotranspiración es un resultado importante para la mayoría de los modelos hidrológicos.
Se requieren estimaciones espaciales y temporales precisas de la evapotranspiración para
modelos hidrológicos. Muchos métodos para estimar la evapotranspiración, ya sea para
Se han desarrollado modelos hidrológicos o programación de riego. En general, el
El procedimiento es estimar primero una evapotranspiración potencial basada en datos meteorológicos.
factores, luego calcule la cantidad de ese potencial que es utilizada por el
procesos de evapotranspiración, dado el estado actual de la planta y la humedad del suelo
características relacionadas.
4-1
Página 58
Ch4. Evapotranspiración en modelos hidrológicos
En ciertas regiones del mundo, los datos meteorológicos y climatológicos pueden ser bastante
limitado. Los modelos basados casi exclusivamente en la temperatura del aire se pueden utilizar en tales casos para
proporcionar estimaciones de ET. Los métodos de temperatura son algunos de los primeros métodos para
estimación de ET (Jensen et al., 1990). Si las estimaciones se realizan por períodos de varias semanas
o un mes, son posibles aproximaciones razonables. Algunos de los mas comunes
los modelos basados en temperatura se describen a continuación. La mayoría de las ecuaciones basadas en la temperatura toman
la forma:
ΕΤ = cT una (4,1)
ΕΤ = do 1 d l T (do 2 -c 3 h) (4,2)
Paso 1 : El valor anual del índice de calor I se calcula sumando índices mensuales
durante un período de 12 meses. Los índices mensuales se obtienen de la ecuación
T 51,1
yo =( un ) (4.3a)
5
12
yo= ∑ j yo
(4.3b)
j=1
en el que I = índice de calor anual; i = índice de calor mensual para el mes j, (que es cero
https://translate.googleusercontent.com/translate_f 51/148
10/9/2020 MODELOS HIDROLÓGICOS
cuando la temperatura media mensual es de 0 ° C o menos); T a = temperatura media mensual del aire
(grado Celsius); yj = número de meses (1 - 12).
4-2
Página 59
Modelos hidrológicos
Paso 2 : La ecuación general de Thornthwaite, Eq. 4a, calcula mensualmente sin ajustar
valores de evapotranspiración potencial, ET '(en mm), basados en un mes estándar de 30
días, 12 horas de luz solar / día.
4-3
https://translate.googleusercontent.com/translate_f 52/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 60
Ch4. Evapotranspiración en modelos hidrológicos
período utilizado (diario o mensual) del total de horas diurnas del año (365 × 12), y k es
coeficiente de uso consuntivo mensual, dependiendo del tipo de vegetación, ubicación y
temporada. Según Blaney-Criddle, para la temporada de crecimiento (mayo a octubre) k varía
de 0,5 para naranjo a 1,2 para vegetación natural densa.
1.3
ET = 0.34 p T a (4,7)
ET = 0,55 D 2 Pt (4,9)
donde ET es la evapotranspiración potencial en pulgadas / día, D son las horas de luz del día para un
dado el día en unidades de 12 horas, y Pt es un término de densidad de vapor de agua saturado calculado
por:
062.0 ( aT )
95,4 mi
Pt = (4.10)
100
4-4
Página 61
Modelos hidrológicos
Teo ) (re
rh. = (4.12)
Teo ) (una
en donde e ° (T) es la presión de vapor saturada calculada por (ver Bosen, 1960):
= (
Teo 8679,33) [(. 00738 T + 8072. .) 8
- 000019 8.1 T + 48 + .001316 ] (4,13)
Un estudio comparativo de los métodos basados en la temperatura discutidos anteriormente fue realizado por
Xu y Singh (2001).
El enfoque basado en la radiación ha tenido una amplia aplicación en la estimación del potencial
evapotranspiración (ET) de áreas terrestres. Se han derivado muchas fórmulas empíricas
basado en este enfoque (Jensen et al., 1990; Xu y Singh, 1999). Ciertos métodos
basado en la radiación solar también implica un término de temperatura.
Ecuaciones empíricas basadas en radiación para estimar la evaporación potencial en general
se basan en el balance energético (Jensen et al., 1990). La mayoría de las ecuaciones basadas en radiación
coje la forma:
T
mit = 013.0 ( R s + ) 50 para RH ≥ 50 (4,15)
T + 15
T 50 - RH
mit = 013.0 ( R s + 1) (50+ ) para RH <50 (4,16)
T + 15 70
4-5
Página 62
Ch4. Evapotranspiración en modelos hidrológicos
donde T es la temperatura del aire en ºC, R s es la radiación solar total en cal / cm 2 / día, y
RH es la humedad relativa en porcentaje.
Makkink (1957) estimó la ET en milímetros por día durante períodos de 10 días para
Tierras con césped bajo condiciones climáticas frescas de los Países Bajos como:
∆ Rs
ET = 61,0 - 012.0 (4,17)
+ ∆ γ 5.58
https://translate.googleusercontent.com/translate_f 54/148
10/9/2020 MODELOS HIDROLÓGICOS
donde ∆ es la pendiente de la curva de presión de vapor de saturación (en mb / ºC), γ (en mb / ºC) es el
constante psicromática. Estas cantidades se calculan como (véase también Singh, 1989):
Ordenador
pags personal
/ ( =C°
γ ) megabyte (4,19)
622.0 λ
P = 1013-0,1055 EL (4,21)
donde EL es la elevación (en metros), λ (en calorías por gramo) es el calor latente y P (en
milibares) es la presión atmosférica. El calor específico del aire c p (en cal / g / ºC) varía ligeramente
con presión atmosférica y humedad, que van desde 0,2397 a 0,260. Un promedio
el valor de 0,242 es razonable.
Sobre la base de una investigación posterior en los Países Bajos y en Tåstrup, Hansen (1984)
propuso la siguiente forma de la ecuación de Makkink
∆ Rs
ET = 7.0 (22)
+ ∆ λγ
donde todas las notaciones tienen el mismo significado y unidades que en (4.17).
Jensen y Haise (1963) evaluaron 3000 observaciones de ET según lo determinado por el suelo
procedimientos de muestreo durante un período de 35 años, y desarrolló la siguiente relación:
λ ET = RTTC
t( - sx) (4,23)
4-6
Página 63
Modelos hidrológicos
Todas las variables tienen el mismo significado y unidades que antes. El método de Hargreaves fue
derivado de ocho años de datos del lisímetro de hierba de festuca Alta de Davis,
California.
https://translate.googleusercontent.com/translate_f 55/148
10/9/2020 MODELOS HIDROLÓGICOS
ET = una+ ∆ γ R s + si (4,25)
-2 -3
= 066.1 - 13,0 × 10
una RH + 045.0 U re - 20,0 × 10 RH × U re
-4 2 -2 2
(4,26)
- 315.0 × 10 RH - 11,0 × 10 U re
donde ET está en cm / día durante un período mensual, T está en grados Fahrenheit y R s está en
cal / cm 2 / día.
Abtew (1996) utilizó un modelo simple que estima la ET de la radiación solar de la siguiente manera
Rs
ET = K (4,28)
λ
4-7
Página 64
Ch4. Evapotranspiración en modelos hidrológicos
∆ Rnorte
ET = α (4,29)
+ ∆ λγ
Penman (1948) fue uno de los primeros en desarrollar un método considerando los factores de
tanto el suministro de energía como el transporte turbulento de vapor de agua lejos de una evaporación
superficie. Los principios físicos combinan los dos enfoques, es decir, la transferencia de masa y
el balance energético. Las ecuaciones básicas se modifican y reorganizan posteriormente para usarlas
constantes meteorológicas y mediciones de variables realizadas regularmente en
https://translate.googleusercontent.com/translate_f 56/148
10/9/2020 MODELOS HIDROLÓGICOS
estacionesdeclimatológicas.
derivado Siguiendo a Shaw (1989), la ecuación de Penman (4.34) puede ser
la siguiente manera:
En una ecuación de balance de energía simplificada:
EH=o + Q (4,30)
donde H es la energía térmica disponible, E o es la energía para la evaporación (flujo de calor latente) y
Q es energía para calentar el aire (flujo de calor sensible).
Los valores de E o y Q pueden definirse mediante las ecuaciones aerodinámicas:
mio = eeuf
) (( s - re ) (4,31)
Q = γ TTuf
1 ) (( s - )
una (4,32)
γ es la constante higrométrica (0,27 mm de mercurio / ºF) para mantener la consistencia de las unidades. Es
generalmente asumido que uf) =( ) ( . Si la ecuación aerodinámica (4.31) se basa en la
1 uf
humedad del aire usando la temperatura del aire T
a , entonces:
miuna= eeuf
) (( una- re ) (4,33)
4-8
Página 65
Modelos hidrológicos
ee -
Delaware eeuna-
=∆ ≈ s re
≈ re
(si los gradientes son pequeños)
dT TTs - re una-
TT re
() ( [
Q = γ TTuf s - re ()- una-
TT re ) ]
( ees - re () eeuna- re )
= γuf) ( -
∆ ∆
γmio γmiuna
= -
∆ ∆
γmio γmiuna
E o - =H +
∆ ∆
+ mi
∆o +o ∆ = H
γmi γmiuna
∆ γ
E o = ET = H + miuna (4,34)
+∆ γ +∆ γ
Esta ecuación final es la fórmula básica de Penman para la evaporación en aguas abiertas. Requiere
valores de H y E a así como ∆ para su aplicación.
Si se dispone de medidas de radiación neta, entonces H, el calor disponible puede ser
obtenido directamente. Con mayor frecuencia, H se calcula a partir de la entrada (R I ) y la salida (R O )
radiación determinada a partir de registros de insolación, temperatura y humedad, utilizando:
https://translate.googleusercontent.com/translate_f 57/148
10/9/2020 MODELOS HIDROLÓGICOS
RH=−−
) 1yo( Rr O (4,35)
= -r 1 (
R yo95,0) + ( Nn
Runa) /55.018.0 (4,36)
4
R O = σ T una
(0,56 - 0,09 de ) (0,10 + 0,90 n / N) (4,37)
4-9
Página 66
Ch4. Evapotranspiración en modelos hidrológicos
4
Donde σ T es la radiación teórica del cuerpo negro en T
una a que luego es modificado por
T una temperatura media del aire durante una semana, 10 días o un mes, ºF o ºC
e d presión de vapor media para el mismo período, mm de mercurio
n sol brillante durante el mismo período, h día -1
u 2 velocidad media del viento a 2 m sobre la superficie, millas día -1
ρ CEE
sp( - )
una
+ ∆−
( R norte GRAMO
)
runa
ET = (4,39)
rs
λ + ∆ γ 1+
runa
https://translate.googleusercontent.com/translate_f 58/148
10/9/2020 MODELOS HIDROLÓGICOS
transporte. G = flujo de calor del suelo.
El enfoque de Penman-Monteith, como se formuló anteriormente, incluye todos los parámetros que
gobiernan el intercambio de energía y el correspondiente flujo de calor latente (evapotranspiración) de
extensiones uniformes de vegetación. Este modelo requiere datos sobre r a y r ques no son
fácilmente disponibles. La FAO (Allen et al. 1998) recomendó ecuaciones para calcular
r a y y los sustituyó en la ecuación (4.39). Del original Penman-Monteith
sr
4-10
Página 67
Modelos hidrológicos
900
- GRAMO
408,0 ∆ ( R norte ) +γ eeu
2( s - )
una
T una+ 273
ET = (4.39a)
+ ∆ γ 34,01
+ ( tu2 )
26,5
293 - 0065.0 z
= 3.101
PAGS
293
27.17 T una
611,0)=(
Tecomo Exp
T una+ 3.237
donde: e s (T a ) = función de presión de vapor de saturación [kPa] y T a = temperatura del aire [° C].
27.17 T re
re =(
Teuna611,0) Exp
T re + 3.237
https://translate.googleusercontent.com/translate_f 59/148
10/9/2020 MODELOS HIDROLÓGICOS
4-11
Página 68
Ch4. Evapotranspiración en modelos hidrológicos
donde: e a (T d ) = función de presión de vapor real [kPa] y T d = temperatura del punto de rocío
[° C].
27.17 T una
2504 Exp
4098 Tecomo
)( T una+ 3.237
=∆ =
2 2
( Tuna+ ) 3.237 (T una+ ) 3.237
donde: ∆ = curva de presión de vapor en pendiente [kPa C -1 ] y T a = temperatura del aire [° C].
Constante psicrométrica ( γ )
ordenador
pags personal
- PAGS
γ = × 10 3 = .0 00163
ελ λ
donde: γ = constante psicrométrica [kPa C -1 ], c p = calor específico del aire húmedo = 1.013 [kJ
kg -1 ° C -1 ], P = presión atmosférica [kPa], ε = relación peso molecular del agua
vapor / aire seco = 0,622 y λ = calor latente de vaporización [MJ kg -1 ].
donde: R so = radiación de onda corta en un día de cielo despejado [MJ m -2 d -1 ], z = elevación de la estación
[m], R un = radiación extraterrestre [MJ m -2 d -1 ].
La radiación extraterrestre, R una , para cada día del año y para diferentes latitudes es
estimada a partir de la constante solar, la declinación solar y la época del año mediante:
) 60 (24
R una= dGrsc [ω s pecado( δ ) + porque
ϕ pecado() ωs ] )
ϕ cos () δ pecado()
π
4-12
Página 69
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 60/148
10/9/2020 MODELOS HIDROLÓGICOS
La radiación neta de onda corta resultante del equilibrio entre la entrada y la reflejada
la radiación solar viene dada por:
R ns = (1- α ) R s
Donde: R ns = radiación solar neta o de onda corta [MJ m -2 día -1 ], α = albedo o dosel
coeficiente de reflexión, que es 0,23 para el cultivo hipotético de referencia de hierba
[adimensional] y R s = la radiación solar entrante [MJ m -2 día -1 ].
4 4
(34,0 - 14.0 )
T max, K
+ T min, K Rs
R nl = σ miuna 35,1 - 35,0
2 R entonces
Radiación neta (R n )
R n = R ns - R nl
Para la superficie cubierta de vegetación y los pasos de tiempo de cálculo son 24 horas o más, un
procedimiento de cálculo propuesto por la FAO (Allen et al., 1998), basado en la idea de que el
la temperatura del suelo sigue a la temperatura del aire es la siguiente,
TT
yo
- -1
yo
cG = s
∆z
∆t
donde: G = flujo de calor del suelo [MJ m -2 día -1 ], c s = capacidad calorífica del suelo [MJ m -3 ° C -1 ], T i = aire
temperatura en el tiempo i [° C], T i-1 = temperatura del aire en el tiempo i-1 [° C],
t ∆ = período de tiempo
intervalo [día], = profundidad
z∆ efectiva del suelo [m], que para un intervalo de tiempo de uno o varios días
mide aproximadamente 0,10 - 0,20 m. Allen et al. Proponen diferentes ecuaciones. (1998) en
calculando G dependiendo de los períodos de tiempo de cálculo.
4-13
Página 70
Ch4. Evapotranspiración en modelos hidrológicos
El método de transferencia de masa es uno de los métodos más antiguos (Dalton, 1802; Meyer, 1915;
Penman, 1948) y sigue siendo un método atractivo para estimar la superficie de agua libre.
evaporación, ET 0 , debido a su simplicidad y precisión razonable. La transferencia de masa
Los métodos se basan en la ecuación de Dalton que para la superficie del agua libre se puede escribir
https://translate.googleusercontent.com/translate_f 61/148
10/9/2020 MODELOS HIDROLÓGICOS
como:
ET 0 = C (e s -e a ) (4,40)
ET 0 = f (u) (e s -e a ) (4,41)
donde f (u) es la función del viento. Esta función depende, entre otros factores, de la
Alturas de observación de las mediciones de la velocidad del viento y la presión de vapor. Aunque el
dos alturas no tienen por qué ser iguales, se debe utilizar el mismo diseño experimental para un
valor particular de la función. El método de transferencia de masa ha tenido una amplia aplicación en
la estimación de la evaporación del lago y se han derivado muchas fórmulas empíricas
basado en este enfoque (Singh, 1989). Ejemplos de ecuaciones empíricas de este tipo son
incluido en la Tabla 4.1.
Una inspección de las ecuaciones basadas en la transferencia de masa anteriores revela que tres importantes
Los factores meteorológicos que se considera que afectan la evaporación son (1) gradiente de presión de vapor,
(2) velocidad del viento y (3) temperatura. La presión del aire, la densidad del fluido y la superficie del agua.
La elevación de un lugar determinado puede no afectar mucho la tasa de evaporación. Tabla 1 también
muestra que las fórmulas específicas han resultado del análisis de limitaciones y sitios específicos
datos meteorológicos. Los procedimientos de recopilación de datos no solo son variados, sino
frecuentemente inconsistente. Por lo general, tales inconsistencias son una fuente importante de problemas específicos del sitio.
modificaciones y adaptaciones de este tipo de ecuaciones. Específicamente, las elevaciones en
qué temperatura y presión de vapor se miden varían ampliamente. Como resultado, estimaciones
del gradiente de humedad y la velocidad del viento se ven afectados.
4-14
Página 71
Modelos hidrológicos
Tabla 4.1 Algunas ecuaciones de evaporación basadas en transferencia de masa para la estimación de
evaporación.
______________________________________________________________________
https://translate.googleusercontent.com/translate_f 62/148
10/9/2020 MODELOS HIDROLÓGICOS
(.44 + .118u) (e s -e a ) pulg. de Hg.
6) Penman (1948) ET 0 (in./da)=.35(1+.24u 2 ) (e s -e a )
7) Harbeck et al (1954) ET 0 (in./da)=.0578u 8 (e s -e a )
ET 0 (in./da)=.0728u 4 (e s -e a )
La velocidad del viento (media mensual) u se mide en millas por hora y la presión de vapor e,
en pulgadas de Hg. Los subíndices adjuntos a u se refieren a la altura en metros a la que
se toman medidas; ningún subíndice se refiere a mediciones cerca del suelo o del agua
superficie.
4-15
Página 72
Ch4. Evapotranspiración en modelos hidrológicos
( q 2 - Uq
1) ( -U1)
k2
ET = ρ una 2
(4,42)
2
en zz2 ) / 1
donde ρ a = densidad del aire húmedo, k = constante de von Karman. Sobre un áspero recortado
superficie z - d se sustituye por z. Thompson ofrece un análisis de errores de este método.
y Pinker (1981).
Siguiendo el trabajo de Thornthwaite y Holzman, muchos otros (p. Ej., Pasquil, 1950;
Pruitt, 1963; Dyer, 1974) han propuesto métodos aerodinámicos con corrección de estabilidad para
estimando el flujo de vapor. Los métodos aerodinámicos requieren rigurosamente
observaciones de la velocidad del viento y la humedad específica o la presión de vapor en una serie de
alturas sobre la superficie, así como medición de temperatura para permitir la estabilidad
correcciones a realizar. Debido a sus orígenes en la teoría clásica de dinámica de fluidos,
Los métodos aerodinámicos han sido populares entre los científicos. Sin embargo, los métodos tienen
no han alcanzado un grado de desarrollo que los haga aplicables para uso rutinario, para
ejemplo, en modelización hidrológica.
https://translate.googleusercontent.com/translate_f 63/148
10/9/2020 MODELOS HIDROLÓGICOS
Bowen (1926) introdujo una relación entre el flujo de calor latente, λ E y sensible
flujo de calor, H conocido como la ración de Bowen β . Esto está definido por
ordenador personal ∂T ∂T
H pags METRO Kh ∂z = γ K h ∂z
β = = una
(4,43)
λ mi λ METRO K ∂ mi K ∂ mi
w w w
∂z ∂z
donde M w y M a son los pesos moleculares del vapor de agua y el aire, K h y K w son los
Coeficientes de intercambio turbulento para calor sensible y vapor de agua. Otras notaciones son
previamente definido.
Esta relación generalmente se simplifica asumiendo que el intercambio turbulento
coeficiente para el transporte de calor K h = el coeficiente de intercambio para el transporte de vapor de agua K w
y eso ) ∂∂
//zT() ∆∆≈∂∂
/( ze eT/ donde ∆ T = T
2 - T 1 , y ∆ e = e 2 - e 1 . Ecuación
(4.43) luego se convierte en
∆T
γβ ≈ (4,44)
∆ mi
una forma simplificada de ecuación de balance de energía en la superficie de la tierra se puede escribir como:
R n ++SHEλ =+ 0 (4,45)
4-16
Página 73
Modelos hidrológicos
+S
R norte +S
R norte
λ mi- = -= (4,46)
1+ β ∆ +
1 γ T
∆ mi
La evaporación medida de una olla de agua poco profunda es una de las más antiguas y comunes
métodos para estimar ET 0 . Es una integración indirecta de la principal atmósfera
variables relacionadas con ET 0 . Las cacerolas son económicas, relativamente fáciles de mantener y sencillas de
funcionar. En regiones húmedas, los recipientes también pueden dar estimaciones realistas del potencial
evapotranspiración, ET. Sin embargo, se debe tener cuidado al relacionar la evaporación de las bandejas
a ET en climas áridos (Rosenberg et al., 1983, página 262). Dada cierta estandarización
de la forma de la sartén, el entorno ambiental y el funcionamiento, se han obtenido buenas correlaciones
desarrollado entre la evaporación de la bandeja, E p , y la evaporación potencial, ET, por un simple
relación
ET = C ET E pags (4,47)
donde C ET es un coeficiente.
Los coeficientes pan-a-ET (C ET ) son necesarios porque la evaporación para un recipiente es
generalmente más que para una superficie con vegetación bien mojada, o incluso un estanque, debido a la
Exposición excesiva de la sartén y menor reflectancia de la radiación solar. Los valores de C ET
varían normalmente de 0,5 a 1,0. El valor real depende, entre otros factores, de la
tipo de recipiente, la ubicación de la medición y la temporada. Aunque específico
Los valores de coeficiente para la aplicación a cualquier situación o plato dado pueden tener que ser encontrados por
calibración, los valores medios mensuales generalmente se muestran en una tabla o se muestran gráficamente en un
https://translate.googleusercontent.com/translate_f 64/148
10/9/2020 MODELOS HIDROLÓGICOS
mapa de algunas de las principales estaciones o regiones meteorológicas.
ET = f ET 0
Donde f es un factor de corrección estacional que cubre los efectos de diferentes insolaciones.
intensidad, duración del día, respuesta estomática y geometría. Concluyó de la
experimentar que:
4-17
Página 74
Ch4. Evapotranspiración en modelos hidrológicos
En los últimos años se han desarrollado una gran cantidad de métodos para la ET real
Cada predicción tiene sus propios requisitos y énfasis. El rango de métodos disponibles
de bastante simple a muy complejo. El método realista más complejo y físico
utilizado para el cálculo de la evapotranspiración real utilizado en los modelos físicos es el
Ecuación de Penman-Monteith (Ecuación 4.39a) como se discutió en la sección anterior. Es
visto que este método requiere muchas variables que pueden no estar disponibles. Para la mayoría
modelos hidrológicos conceptuales, este método es demasiado sensible a los requisitos de datos.
En los modelos conceptuales de captación, la mayoría de los investigadores han considerado necesario
derivar la evapotranspiración "real" en función de la evapotranspiración potencial y la
sequedad del suelo (Palmer, 1965; Saxton y McGuinness, 1982; Dyck, 1983). Como el
La relación de almacenamiento del modelo (el almacenamiento real de humedad del suelo dividido por el almacenamiento máximo) es
representativo de la 'humedad' del suelo, sería conceptualmente aceptable extraer
humedad a la tasa potencial cuando el almacenamiento estaba lleno, es decir, a la capacidad de campo, y
Reducir la extracción a cero cuando el almacenamiento estaba vacío (cuando el déficit de humedad del suelo
había alcanzado su máximo). Sin embargo, la naturaleza de la función que estima la
Se desconoce la evapotranspiración para condiciones entre estos límites. Un numero de
Las funciones que operan entre los límites de la tasa potencial y cero han sido probadas por un
número de modelistas. Una forma general de tales ecuaciones se puede mostrar como
donde SMT es el almacenamiento de humedad del suelo real, y SMC es el almacenamiento de humedad del suelo en
capacidad de campo.
Algunos ejemplos de f (SMT / SMC) y otras funciones se dan en la Tabla 4.2. los
La relación entre la evapotranspiración real (AET) y la evapotranspiración potencial (ET) varía con
secado del suelo y que la forma de esta curva difiere, cantidad de otros factores, con la
https://translate.googleusercontent.com/translate_f 65/148
10/9/2020 MODELOS HIDROLÓGICOS
tipo de suelo, como se ilustra en la Figura 4.1.
4-18
Página 75
Modelos hidrológicos
2 RATA
2 × RATA × 1 / (1 +( RATA) ) (4,57)
RATA
2 × RATA × 1 / (1+( RATA) ) (4,58)
2/1 2/1
RATA + ( RATA - RATA) (4,59)
2
RATA (4,60)
RATA (4,61)
VALORES DE 5 DÍAS
Renger y col. (1974) +
0.22.0 × RATA - 2.1 × RATA2 (4,62)
VALORES MENSUALES
Budyko y Zubenok (1961) RATA (4,63)
(( SMT + PAGS
) /)ET
Xu y col. (1996) 1 - una
1
yo- 1 yo
(4,64)
_____________________________________________________________________
Donde: SMT = humedad real del suelo; SMC = humedad del suelo a capacidad de campo; SMTj, i-1 =
humedad real del suelo en la zona j-ésima al final del día anterior (i-1); Zj = fracción de
humedad del suelo disponible a la cual AET <ET y el estrés de la planta se establece; Kj = fracción de suelo
extracción de humedad en esa zona; γ = parámetro libre; b = constante específica del suelo; M =
densidad del dosel de la vegetación.
https://translate.googleusercontent.com/translate_f 66/148
10/9/2020 MODELOS HIDROLÓGICOS
4-19
Página 76
Ch4. Evapotranspiración en modelos hidrológicos
Fig.4.1 El gráfico compara las tasas de reducción de la evapotranspiración a medida que el suelo se seca.
(de derecha a izquierda) para arena, marga y arcilla, cuantificado como una proporción de la retención total de agua
capacidad de la zona de la raíz, la parte del suelo que contiene agua disponible para las plantas ("la
capacidad de agua disponible ”). En la arena, las plantas pueden extraer agua a todo su potencial hasta cerca de su
punto de marchitamiento, pero en la arcilla el suministro está restringido por poros más pequeños del suelo de modo que la absorción y
las tasas de transpiración pueden caer rápidamente por debajo del potencial mucho antes. Basado en Dunne y Leopold
(1978), ver también Jones (1997).
4-20
Página 77
https://translate.googleusercontent.com/translate_f 67/148
10/9/2020 MODELOS HIDROLÓGICOS
Modelos hidrológicos
4-21
Página 78
Ch4. Evapotranspiración en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 68/148
10/9/2020 MODELOS HIDROLÓGICOS
Mitteilungen des Deutschen Wetterdienstes, nº 11, Band 2, Bad Kissingen.
Helfrich, KR, Adams, EE, Godbey, GE y Harleman, DRF, 1982. Evaluación de
los modelos para predecir la pérdida de agua por evaporación en los embalses de refrigeración. Palo
Alto, Calif .: Electric Power Res. Inst. (Informe provisional nº CS-2325).
Horton, RE, 1917. Intercepción de lluvia. Revisión meteorológica mensual 47 (9) : 603-23.
Hounam, CE, 1971. Problemas de evaluación de la evaporación en el balance hídrico. Reporte
No 3 sobre proyectos OMM / DHI, Ginebra.
Jain, PK y Sinai, G., 1985. Modelo de evapotranspiración para regiones semiáridas. diario
de Ingeniería de Riego y Drenaje 111 (4): 369-379.
Jensen, ME y Haise, HR, 1963. Estimación de la evapotranspiración solar
radiación. Revista de la División de Riego y Drenaje, Proceedings of the American
Sociedad de Ingenieros Civiles 89 , 15-41.
Jensen, ME, 1973. Uso consuntivo de agua y requisitos de riego. ASAE, nuevo
York.
Jensen, ME, Burman, RD y Allen, RG, 1990. Evapotranspiración e irrigación
Requerimientos de agua . Sociedad Estadounidense de Ingenieros Civiles, Nueva York, 1990.
Jones, DMA, 1966. Variabilidad de la evapotranspiración en Illinois. Circular 89, Illinois
Encuesta estatal de agua, Urbana, Ill.
Jones, JAA, 1997. Hidrología global: procesos, recursos y medio ambiente
administración. Pearson Education Limited, Harlow, Inglaterra, 399pp.
Kharrufa, NS, 1985. Ecuación simplificada para la evapotranspiración en regiones áridas .
Beiträge zur Hydrologie , Sonderheft 5.1, 39-47.
Klemes, V., 1986. Pruebas operativas de modelos de simulación hidrológica, Hydrol. Sci.,
J., 31 (1): 13-24.
Kohler, MA, 1957. Aspectos meteorológicos de los fenómenos de evaporación, 421-436. IUGG
Reunión celebrada en septiembre en Toronto, Canadá.
Kohler, MA, Nordenson, TJ y Fox, WE, 1955. Evaporación de bandejas y lagos.
Documento de investigación de la Oficina Meteorológica 38, Departamento de Comercio de EE. UU., Washington,
corriente continua
Koitzsch, R. y Golf, W., 1983. Algorithmus zur Berechnung der realen verdunstung.
Konstantinov, AR, 1968. Evaporación en la naturaleza, Leningrado.
Kuzmin, PO, 1957. Investigaciones hidrofísicas de aguas terrestres. Internacional
Publicación 3 de la Asociación de Hidrología Científica : 468-78.
Linacre, ET, 1977. Una fórmula simple para estimar las tasas de evaporación en varios
climas, utilizando únicamente datos de temperatura. Meteorología agrícola, 18, 409-424.
Linsley, RK, Jr., MA Kohler y JLH Paulhus, Hidrología para ingenieros , McGraw-
Hill, Nueva York, 1982.
Makkink, GF, 1957. Prueba de la fórmula de Penman mediante lisímetros . Diario de
la Institución de Ingenieros del Agua , 11, 277-288.
McCulloch, JSG, 1965. Tablas para el cálculo rápido de la estimación de Penman de
evaporación. Revista Agrícola y Forestal de África Oriental XXX (3): 286-95.
McGuinness, JL y Bordne, EF, 1972. Una comparación del potencial derivado del lisímetro
evapotranspiración con valores calculados. Tech. Toro. 1452, 71pp. Agric. Res. Serv.,
Departamento de Agricultura de los Estados Unidos, Washington, DC, 1972.
4-22
Página 79
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 69/148
10/9/2020 MODELOS HIDROLÓGICOS
Serie no Canadá.
Ottawa, 4 , Subdivisión de Aguas Interiores, Departamento de Energía, Minas y Recursos,
Morton, FI, 1990. Estudios en evaporación y sus lecciones para el medio ambiente.
Ciencias Revista Canadiense de Recursos Hídricos 15 (3): 261-285.
Morton, FI, 1994. Investigación sobre evaporación: una revisión crítica y sus lecciones para la
Ciencias Ambientales. Revisiones críticas en ciencias ambientales y
Tecnología , 24 (3): 237-280.
Nash, JE y Sutcliffe, J., 1970. Pronóstico del caudal de los ríos mediante modelos conceptuales
Parte I. Una discusión de principios. J. Hydrol. , 10: 282-290.
Norero, AL, 1969. Una fórmula para expresar la evapotranspiración en función del suelo.
demandas de humedad y evaporación de la atmósfera. Tesis de la Universidad del Estado de Utah.
Palmer, WC, 1965. Sequía meteorológica. Res. Papilla. US Weather Bur., 45, p58.
Pasquill, F., 1950. Algunas consideraciones adicionales de las mediciones y
evaluación de la evaporación natural. QJRoy. Meteorol. Soc. 76: 287-301.
Penman, HL, 1948. Evaporación natural de aguas abiertas, suelo desnudo y pasto.
Proceedings, Royal Society, Londres 193: 120-45.
Priestley, CHB y Taylor, RJ, 1972. Sobre la evaluación del flujo de calor superficial y
evaporación utilizando parámetros a gran escala. Monthly Weather Review , 100, 81-92.
Pruitt, WO, 1963. Aplicación de varios balance de energía y evaporación aerodinámica
ecuaciones bajo un amplio rango de estabilidad. Informe final para USAEPG, Univ. de
California-Davis. pp107-124.
Renger, M. y col. 1974. Beurteilung bodenkundlicher, kulturtechnischer und
hidrologista Fragen mit Hilfe von klimatischer Wasserbilanz und
bodenphysikalischen Kennwerten. Z. Kulturtechnik u. Flurbereinigung 15, 148-160.
Roberts, PJT, 1978. Una comparación del desempeño de modelos conceptuales seleccionados
del proceso de lluvia-escorrentía en cuencas de captación semiáridas cerca de Grahamstown , Informe
1/78, Unidad de Investigación Hidrológica, Universidad de Rhodes, Grahamstown.
Rohwer, C., 1931. Evaporación de superficies de agua libre. Departamento de Estados Unidos de
Agricultura, Boletín técnico 271, Washington, DC
Remanenko, VA, 1961. Cálculo de la humedad del suelo en otoño utilizando un
relación para un área grande. Proc. de la Investigación Hidrometeorológica de Ucrania
Instituto, No 3, Kiev.
Rosenberg, NJ, et al., 1983. Microclimate: The Biological Environmental . Wiley, nuevo
York, 495p.
Saxton, KE y McGuinness, JL, 1982. 'Evapotranspiración'. En: hidrológico
Modelado de pequeñas cuencas hidrográficas , Haan, CT, Johnson, HP y Brakensiek, DL,
4-23
Página 80
Ch4. Evapotranspiración en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 70/148
10/9/2020 MODELOS HIDROLÓGICOS
medir la evaporación. Actas, Conferencia de ASAE sobre Evapotranspiración y
Su papel en la gestión de los recursos hídricos, 45-48, celebrada del 5 al 6 de diciembre en Chicago,
Enfermo.
Thompson, OE y RT Pinker, 1981. Un análisis de errores de Thornthwaite-Holzman
ecuaciones para estimar los flujos de calor sensible y latente sobre las copas de los cultivos y los bosques.
J. Appl. Meteorol. 20: 250-254.
Thornthwaite, CW y Holzman, B., 1939. La determinación de la tierra y el agua
superficies. Repaso mensual del clima 67 : 4-11.
Thornthwaite, CW y Holzman, B., 1942. Medición de la evaporación de la tierra y
superficie del agua. USDA Tech. Toro. 817: 1-75.
Thornthwaite, CW y Mather, JR, 1955. The water balance. Publ. Climatol. Laboratorio.
Climatol. Dresel Inst. Technol. , 8 (1): 1-104.
Thornthwaite, CW, 1944. Una contribución al informe del Cttee. sobre la inspiración y
evaporación, Trans. AGU , 25: 686-693.
Thornthwaite, CW, 1948. Un enfoque hacia una clasificación racional del clima.
Geogr. Rev., 38 (1): 55-94.
Turc, L., 1961. Estimación de las necesidades de agua de riego, potencial
evapotranspiración: una fórmula climática sencilla evolucionada hasta la fecha. Anales de
Agronomía , 12: 13-49.
Van Bavel, CHM, 1968. Discusión sobre "Clima y evaporación de cultivos".
Revista de la División de Riego y Drenaje, Proceedings of the American
Sociedad de Ingenieros Civiles 68: 533-5.
Visentini, M., 1936. Association international d'hydrologie scientifique. Boletín No 22:
119-137.
Weisman, RN, 1975. Comparación de ecuaciones de evaporación de agua caliente. Diario de
División de Hidráulica, Actas de la Sociedad Estadounidense de Ingenieros Civiles
101 (HY10) : 1303-13.
4-24
Página 81
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 71/148
10/9/2020 MODELOS HIDROLÓGICOS
4-25
Página 82
CAPÍTULO 5
ESCORRIDO EN MODELOS HIDROLÓGICOS
_____________________________________________________________________________________
5.1 INTRODUCCION
Escorrentía, que se puede denominar de diversas formas como flujo de corriente , descarga de corriente o río , o
captación o rendimiento de la cuenca , normalmente se expresa como un volumen por unidad de tiempo. los
m 3 / s , es decir, un metro cúbico por segundo. La escorrentía también se puede expresar como profundidad
equivalente en una cuenca, es decir, milímetros por día, mes o año. Esto es un
unidad particularmente útil para comparar tasas de precipitación y escorrentía y totales desde
la precipitación se expresa casi invariablemente de esta manera.
La escorrentía o flujo de corriente comprende el movimiento por gravedad del agua en canales que
puede variar en tamaño desde el que contiene el goteo más pequeño mal definido hasta los
que contiene el gran río. En un sentido general, esta agua que representa el exceso de
lluvia sobre la evapotranspiración, cuando se tiene en cuenta el almacenamiento en y debajo de la
superficie del suelo.
Se han desarrollado modelos de procesos de escorrentía para una amplia variedad de propósitos,
desde el diseño 'único' de estructuras de ingeniería y sistemas de suministro de agua hasta modernos
modelos en tiempo real utilizados continuamente en los esquemas de regulación fluvial, también están proporcionando
valioso para estudiar los impactos potenciales de los cambios en el uso de la tierra o el clima. Modelo
Los resultados varían desde predicciones de descargas máximas o volúmenes totales de flujo de inundación hasta
especificación completa de la distribución del flujo a lo largo del tiempo, ya sea para tormenta individual
eventos en modelos de eventos o para secuencias continuas de flujos en continuo o secuencial
modelos. En este capítulo, modelos basados en eventos y modelos continuos de procesos de escorrentía
se discuten por separado y se dan más detalles sobre el primero. Este énfasis tiene
elegido porque los modelos orientados a eventos proporcionan un medio directo de
simulación. Se pueden obtener simulaciones continuas especificando un
entrada de precipitación.
5-1
Página 83
Ch5. Escorrentía en modelos hidrológicos
flujo superficial
El flujo terrestre comprende el agua que, al caer para infiltrarse en la superficie, viaja
la superficie del suelo hacia un canal de corriente ya sea como flujo laminar cuasi-laminar o, más
generalmente, como flujo anastomosante en pequeños goteos y riachuelos menores. La principal causa de
El flujo terrestre es la incapacidad del agua para infiltrarse en la superficie y en vista de la alta
valor de la característica de infiltración de la mayoría de las superficies cubiertas de vegetación no es
Sorprende que el flujo terrestre sea un fenómeno raramente observado (excepto en laboratorio
modelos!). Las condiciones en las que asume una importancia considerable incluyen la
saturación de la superficie del suelo, la naturaleza hidrófoba de algunos suelos muy secos, la
efectos nocivos de muchas prácticas agrícolas sobre la capacidad de infiltración y la congelación de
la superficie del suelo. La escorrentía superficial puede definirse entonces como la parte de la escorrentía total
que viaja sobre la superficie del suelo para llegar a un canal de corriente y de allí a través del
canal para llegar a la salida de la cuenca de drenaje.
Interflujo
Agua que se infiltra en la superficie del suelo y luego se mueve lateralmente a través del suelo superior
horizontes hacia los canales de la corriente, ya sea como flujo insaturado o, más generalmente, como
https://translate.googleusercontent.com/translate_f 73/148
10/9/2020 MODELOS HIDROLÓGICOS
El flujo saturado posado poco profundo por encima del nivel principal del agua subterránea se conoce como
interflujo. Los términos alternativos que se encuentran en la literatura incluyen flujo de tormentasubterráneo,
infiltración de tormentas y flujo base secundario. La condición general que favorece la
5-2
Página 84
Modelos hidrológicos
Deshielo
En algunas áreas, particularmente en altitudes elevadas o en latitudes altas, una gran proporción de
El flujo de la corriente puede derivarse del derretimiento de la nieve y los glaciares. Aunque, en términos
de la relación de fase entre precipitación y escorrentía, acumulación de nieve y deshielo
plantean problemas particulares, en términos de la presente discusión, el deshielo no representa
un caso especial o que merece ser considerado como un quinto componente de la escorrentía. Nieve cayendo
directamente sobre la superficie del arroyo ya se ha discutido bajo el título de
Canal de precipitación, mientras que el agua generada por el proceso de deshielo fluirá
sobre la superficie del suelo como flujo superficial o se infiltrará para convertirse en interflujo y
flujo de agua subterránea dependiendo de si la superficie del manto de nieve está saturada y / o
congelado.
5-3
https://translate.googleusercontent.com/translate_f 74/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 85
Ch5. Escorrentía en modelos hidrológicos
5-4
Página 86
Modelos hidrológicos
Modelo Horton
El modelo de Horton (Horton, 1939, 1940) es uno de los modelos de infiltración más conocidos en
hidrología. Horton reconoció que la capacidad de infiltración disminuyó con el tiempo hasta que
se acercó a una tasa más o menos constante. Expresó la opinión de que la disminución de
La capacidad de infiltración fue controlada probablemente más por los factores que operan en el suelo.
superficie que por el proceso de flujo en el cuerpo del suelo.
Horton (1940) planteó la hipótesis de que la infiltración es similar al proceso de agotamiento
según el cual la tasa de trabajo realizado es proporcional a la cantidad de trabajo
Queda por realizar. En caso de infiltración, el trabajo restante por realizar
en cualquier momento t es igual al de cambiar la tasa de infiltración f a su constante última
valor f c . La tasa de trabajo realizado es df / dt . La cantidad de trabajo que queda por hacer
realizado es ( f - f c ). Dado que f disminuye con t,
df
- = ffk( - C) (5,1)
dt
donde k es un factor de proporcionalidad que depende del tipo de suelo y el contenido de humedad inicial.
La condición inicial es:
Cuando t = 0, f = f 0 ,
ff = C + ( Fo - efC) - kt (5,2)
dF - kt
= FC + ( efo - C) donde f = dF / dt (5,3)
dt
5-5
Página 87
Ch5. Escorrentía en modelos hidrológicos
Este modelo es simple y se adapta bien a los datos experimentales. La principal debilidad de este
El modelo radica en la determinación de sus parámetros f o , f c y k . Estos tienen que ser determinados
por ajuste de datos. Los parámetros f o , f c y k pueden estimarse de dos formas (ver Singh,
1989).
• Primero tomando el logaritmo de la ecuación (5.2)
en ff - C) = en Fo - FC ) - kt (5,5)
La ecuación (5.5) representa una línea recta en una gráfica semilogarítmica cuya pendiente, -k e intersección,
en de -ff C ) , se puede determinar fácilmente (Toebes, 1963). Para datos de infiltración dados, fc es
https://translate.googleusercontent.com/translate_f 76/148
10/9/2020 MODELOS HIDROLÓGICOS
tomado como el valor más bajo de f donde tiende a volverse constante. El valor de (f - f c )
en t = 0 es ( f o - FC . )
• En segundo lugar, se puede utilizar un método de mínimos cuadrados (Blake, et al., 1968) directamente para estimar
parámetros de la ecuación (5.3), que tiene la forma
- kt 1
= 0+ 1 - 0
eataaF , 0 =
una ( Fo - FC), 1 = FC
una
k
Esta ecuación se puede ajustar a los datos experimentales. Durante los últimos 5 minutos más o menos
(asumiendo que el experimento se continúa hasta que la escorrentía se vuelve constante), la
término exponencial se vuelve pequeño. Por lo tanto,
+ =10
taaF
los valores de a o y a 1 se pueden estimar utilizando los datos para este intervalo de tiempo.
Para determinar k, podemos escribir
F < ( taa
0 + 1 )
El método Green-Ampt:
Green y Ampt propusieron un modelo conceptual simple, basado en la ley de Darcy.
(1911). Para obtener detalles sobre los supuestos, el procedimiento de derivación, etc., consulte el curso
“ Hidrología de procesos ”. La sección presenta solo el procedimiento de cálculo del método
(ver también Chow et al., 1988):
Siguiendo el diagrama de flujo (Fig.5.2):
Paso 1 : Calcule la tasa de infiltración potencial actual, f t a partir del valor conocido de
infiltración acumulada F t . Para el método Green-Ampt, se usa
5-6
Página 88
Modelos hidrológicos
⎛Ψ∆ θ ⎞
│ + 1│
t =
Kf │ │ (5,6)
⎝ Ft ⎠
dónde:
θ es el contenido de humedad, es decir, la relación entre el volumen de agua y el volumen total,
- θ= ∆ 1 ( s eeθ) es el cambio de contenido de humedad,
s e es la saturación efectiva,
θ e es la porosidad efectiva
Ψ es cabezal de succión,
K es conductividad hidráulica
⌈F Ψ∆ + θ ⌉
Ftt∆ + = F t Ψ∆ + θ en │ tt∆ + │ ∆ =tK (5,7)
⌊ F t Ψ∆ + θ ⌋
Caso 2: si f t > i t y no hay estancamiento al comienzo del intervalo. Asume que esto
https://translate.googleusercontent.com/translate_f 77/148
10/9/2020 MODELOS HIDROLÓGICOS
permanece así durante todo el intervalo, entonces la tasa de infiltración es i t y un valor tentativo para
La infiltración acumulada al final del intervalo de tiempo es
F 'tt∆∆++ = tiF
t t (5,8)
K Ψ∆ θ
=
F pags (5,9)
t -
Ki
+ ' ,t dónde
El tiempo de estancamiento es ∆entonces t
- Ft
F pags
= t∆ ' (5,10)
yo
t
5-7
Página 89
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 78/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.5.2 Diagrama de flujo para determinar el tiempo de infiltración y estancamiento bajo lluvia variable
intensidad (según Chow et al., 1988).
5-8
Página 90
Modelos hidrológicos
flujo superficial⎫
⎬ componentes rápidos
interflujo rápido⎭
interflujo lento ⎫
⎬ componentes lentos
flujo base ⎭
Se necesita la simulación de flujo de corriente para tormentas individuales para resolver una amplia variedad de agua
problemas de recursos, incluido el diseño de estructuras hidráulicas como presas, alcantarillas,
puentes, aliviaderos; drenaje urbano y vial; planificación de obras de control de inundaciones;
fuente de contaminación; eliminación de material de desecho; evaluación de impactos ambientales de
prácticas de manejo y uso de la tierra; y planificación de obras de conservación de suelos.
Se han desarrollado muchos modelos de simulación de caudal basados en eventos (Renard et
al., 1982; Singh, 1988). Algunos de los modelos se resumen en la Tabla 5.1. El objetivo
de esta sección es para presentar los conceptos generales de simulación de flujo de corriente basada en eventos
y luego hacer algunos comentarios sobre los modelos. No se intenta describir todos los
modelos. Los detalles completos de los modelos se pueden encontrar en las referencias citadas.
5-9
Página 91
Ch5. Escorrentía en modelos hidrológicos
1
V re
Vre = ∑ Qcarné
, ∆ de
t identidad r (5,11)
d= captación zona
yo= 1
METRO
rre = ∑ ( Rmetro
Φ∆− t ) (5,12)
=1
metro
En caso de que los datos del caudal no estén disponibles, el ERH se puede calcular a partir de
ya sea el método de número de curva SCS o el método de abstracción de infiltración (Chow et al.,
1988).
En esta etapa, se debe tomar una decisión sobre el tipo de modelo que se utilizará en
a la luz de los datos disponibles. Este enfoque abarca desde el uso de una transferencia matemática
función, o enfoque de "caja de bloques", como el método de área de tiempo y el hidrograma unitario
método (Para más detalles consultar el curso de “Hidrología de procesos”), al método conceptual,
como el canal lineal y el depósito lineal (Nash, 1957).
Supongamos que se elige un modelo conceptual lineal para este propósito. Entonces el IUH
(hidrograma unitario instantáneo) para este modelo debe derivarse así como un método para
estimación de los parámetros de la IUH. A partir de entonces, el IUH se complica con el ERH
estimado ya para obtener el DRH. En resumen, se realizan tres tareas para este
elección: (a) cálculo del IUH, (b) determinación de los parámetros del IUH, y (C)
convolución de la IUH con la ERH.
https://translate.googleusercontent.com/translate_f 80/148
10/9/2020 MODELOS HIDROLÓGICOS
5-10
Página 92
Modelos hidrológicos
S = KQ (5,14)
Yo - Q = dS / dt (5,15)
I -Q = KdQ / dt (5,16)
dQ / dt + Q / K = I / K (5,17)
Q = yo (1-e -t / K ) (5,18)
5-11
https://translate.googleusercontent.com/translate_f 81/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 93
Ch5. Escorrentía en modelos hidrológicos
dQ / d +τ Q / K = 0 (5,19)
-τ/K
QQ=e o (5,20)
Q0=S0/K (5,21)
-t K
Q = (/)SK
/o e (5,22)
() (/)=/ 1
Utah K e t K- para t ≥ 0 (5,23)
u (t) = 0 fot t <0
como se muestra en la figura 5.3 (izquierda). Si la entrada fuera un pulso unitario de duración D, UH u (D, t),
como se muestra en la figura 5.3 (derecha), y la escorrentía directa Q (t) (ignorando las dimensiones de u (D, t)
y Q (t)) sería
) ( = ); (
ItDutQ = [ 1 - mi- kt/ ], t≤D (5,24)
−−( kDt /)
); ()=(
eQtDutQ = pags t> D (5,25)
[ 1 - mi
Q pags= yo
- kD/
] (5,26)
Aquí I = 1 / D. el pico del hidrograma ocurrirá al final de la duración del pulso unitario.
Cuando t → ∞, Q (t) = I (t). Esto implica condiciones de equilibrio: la salida se convierte
igual a la entrada. Cuando t → 0, Q = 0. Cuando I (t) termina en t = D, comienza la recesión.
inmediatamente. Para una entrada instantánea, que llena el depósito de almacenamiento S en t = 0,
Q p = S / k. La ecuación de salida es simplemente
S -
tQ) ( = mi kt/ (5,27)
k
Para una entrada unitaria, S = 1 e I (t) = δ (t). En consecuencia, Q (t) → u (t), la IUH es la misma
como lo da la ecuación 5.23.
5-12
Página 94
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 82/148
10/9/2020 MODELOS HIDROLÓGICOS
Utah)
A = CQ (5,28)
5-13
Página 95
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 83/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.5.5 Reservorios en cascada del modelo de Nash. Captaciones con considerable impermeabilidad
áreas, como pequeñas cuencas urbanas, comúnmente exhiben IUH de la forma de uno o dos reservorios
debido a la rápida respuesta. Por el contrario, las grandes cuencas agrícolas planas que tienen poco canal
La formación exhibe el retraso considerable de un gran número de rutas de embalse.
t - τ/K - (-t τ ) /
Q 2 = ∫0 Yo
()τ (ut - τ )τre = ∫ (/)
1 Ke (/)
1 Ke K τre
(5,29)
2 - t /K
= (/)
tKe
1 −−
norte
1
= tu) ( =
Qnorte ) Kt
/( miKt/ (5.30)
nK)! 1-(
5-14
Página 96
Modelos hidrológicos
re 1 - mi1 = K
METROMETROnorte (5,31)
y
METRO
re 2
- METRO
mi2
= nn( + 1) K 2 + 2 nKM mi1 (5,32)
en el cual:
M D1 = primer momento del DRH sobre el origen del tiempo dividido por la escorrentía directa total
M D2 = segundo momento del DRH sobre el origen del tiempo dividido por el total directo
escapada
M E1 = primer momento del ERH sobre el origen del tiempo dividido por el total efectivo
lluvia
M E2 = segundo momento del ERH sobre el origen del tiempo dividido por el total efectivo
https://translate.googleusercontent.com/translate_f 84/148
10/9/2020 MODELOS HIDROLÓGICOS
lluvia
El valor nK, como lo indica la ecuación (5.31), representa el lapso de tiempo entre
centroides de las curvas de precipitación y escorrentía.
Un ejemplo : Dados el ERH y el DRH que se muestran en la figura 5.6, determine ny K para el
IUH.
Solución: Determine los momentos del hietograma de exceso de lluvia y la escorrentía directa
hidrograma. Cada bloque en ERH y DRH tiene una duración de 6 h = 6 × 3600 s = 21600 s.
La precipitación se ha convertido a unidades de m 3 / s multiplicando por el área de la cuenca para
ser dimensionalmente consistente con la escorrentía. La suma de las ordenadas en el ERH y en
el DRH es 700 m 3 / s, por lo que el área debajo de cada gráfico = 700 × 6 = 4200 (m 3 / s) h.
6
= [100 + 3× 300 + 9× 200 + 15
× 100 × ] 21
4200
= 57.11 h
El segundo momento del área se calcula utilizando el teorema del eje paralelo.
= 166,3 h 2
5-15
Página 97
Ch5. Escorrentía en modelos hidrológicos
M D 1 = 28,25 horas
M D 2 = 882,8 h 2
nK = MD1 - ME1
= 28,25 - 11,57
= 16,68
M D2 - M E2 = n (n + 1) K 2 - 2nKM E1
= n 2 K 2 + nK × K + 2nKM E1
Por lo tanto
Así
n = 16,68 / K
https://translate.googleusercontent.com/translate_f 85/148
10/9/2020 MODELOS HIDROLÓGICOS
= 16,68 / 3,14
= 5.31
Estos valores de ny K
se puede sustituir en
Eq. (5.30) para determinar
la IUH de esto
cuenca. Usando el
métodos descritos en
Hidrología de procesos
Por supuesto, el
unidad correspondiente
el hidrograma puede ser
determinado para un
lluvia específica
duración. Superficie
escorrentía (directa)
hidrograma de cualquier Fig.5.6 Hetógrafo de exceso de lluvia (ERH) y escorrentía directa
el evento de lluvia puede entonces hidrograma (DRH) para el cálculo de n y K en un lineal
modelo de yacimiento (de Chow et al., 1988).
ser calculado.
5-16
Página 98
Modelos hidrológicos
La simulación de flujo continuo (CSS) tiene muchas aplicaciones, como (1) extender
registros de caudal, (2) pronóstico de caudal, (3) evaluación del efecto de las prácticas de uso de la tierra
sobre la respuesta de la cuenca, (4) diseño de drenaje urbano, alcantarillas de carreteras, embalses y
como, modelado de la calidad del agua, (5) planificación y gestión del riego. Una extensa
James et al (1982) ofrecen una lista de aplicaciones de los modelos CSS.
Como sugiere su nombre, los modelos CSS permiten la simulación del caudal durante períodos prolongados
de tiempo y, por lo tanto, utilizar más plenamente la capacidad de la computadora digital. Estos modelos
Mantener una contabilidad más o menos continua del agua almacenada en la cuenca.
Debido a largos períodos de tiempo, procesos hidrológicos como la evaporación y
transpiración, infiltración, intercepción, almacenamiento de depresión, flujo subterráneo y
el flujo base asume un significado adicional. Estos procesos se calculan por separado en la mayoría
modelos conceptuales. En la simulación de caudal basada en eventos, algunos de estos procesos son
https://translate.googleusercontent.com/translate_f 86/148
10/9/2020 MODELOS HIDROLÓGICOS
descuidados, algunos se agrupan y otros se consideran con una aproximación considerable,
para el período de simulación suele ser tan largo como la duración del DRH. El énfasis
en CSS se basa en la simulación de toda la fase terrestre del ciclo hidrológico, mientras que
El énfasis en EBSS está en modelar el DRH o sus características máximas. Por lo tanto, CSS
Los modelos son modelos del ciclo hidrológico, mientras que los modelos EBSS son modelos de
ciclo de lluvia-escorrentía. Es lógico decir que los modelos CSS son más generales y
abarcan los modelos EBSS como sus casos especiales.
Entonces, naturalmente, la discusión de los modelos CSS involucra lo que ya se ha presentado
acerca de los modelos EBSS más una discusión de los componentes no incluidos en los modelos EBSS, como
como, evapotranspiración (capítulo 4), deshielo (capítulo 3), escorrentía subsuperficial
(escorrentía de agua subterránea más interflujo retardado, que se discutirá en la sección), suelo
almacenamiento de humedad (que se discutirá en esta sección).
5-17
Página 99
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 87/148
10/9/2020 MODELOS HIDROLÓGICOS
5-18
Página 100
Modelos hidrológicos
SSt =t - 1 ∆− ∆+
tOtI (5,33)
dónde
= agua total almacenada en el tiempo t
tS
I = una suma de las tasas de entrada como infiltración o filtración de entrada.
O = una suma de flujo de salida como evapotranspiración, filtración de flujo de salida
(flujo base, interflujo, etc.)
Las tasas de salida del subsuelo generalmente se expresan como funciones de la cantidad de
agua subterránea que queda almacenada.
Por ejemplo, en el modelo HBV, el flujo intermedio y el flujo de agua subterránea se calculan
por las siguientes ecuaciones, respectivamente:
Q 1 = K 1 S uz (5,34)
Q 2 = K 2 S lz (5,35)
{ }
q yo= (0,1- IRC )96/1 ⋅ SRGX (5,36)
dónde
q i = volumen entre flujos que ingresa al canal durante un intervalo de tiempo de 15 minutos
IRC = tasas de recesión diarias de interflujo (1/96 se convierte en un intervalo de 15 minutos)
SRGX = volumen de almacenamiento entre flujos.
https://translate.googleusercontent.com/translate_f 88/148
10/9/2020 MODELOS HIDROLÓGICOS
5-19
Página 101
Ch5. Escorrentía en modelos hidrológicos
La descarga de agua subterránea para cada intervalo de tiempo de 15 minutos se calcula mediante:
1 /96
GRAMO((1 KK 24 ) ( 1 + KU S⋅ ) S gw (5,37)
g= -
dónde
KK24 = constante de recesión de agua subterránea diaria mínima observada
KU = parámetro variable de recesión del agua subterránea
S = pendiente del agua subterránea
S gw = almacenamiento de agua subterránea
5-20
Página 102
https://translate.googleusercontent.com/translate_f 89/148
10/9/2020 MODELOS HIDROLÓGICOS
Modelos hidrológicos
5-21
Página 103
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 90/148
10/9/2020 MODELOS HIDROLÓGICOS
5-22
Página 104
Modelos hidrológicos
Una forma tradicional de evaluación de los recursos hídricos se basó en el promedio a largo plazo
ecuación de balance hídrico sobre una cuenca en forma de
= AE + Q
PAGS (5,38)
https://translate.googleusercontent.com/translate_f 91/148
10/9/2020 MODELOS HIDROLÓGICOS
Los primeros intentos de vincular la evapotranspiración real con la precipitación y el potencial
La evapotranspiración se realizaron en los primeros años del siglo pasado sobre la base de
mediciones de la precipitación y la escorrentía de la cuenca. El supuesto fundamental en el
fórmulas comúnmente sugeridas para el balance hídrico a largo plazo de las cuencas es que la
La relación entre la evapotranspiración real y la potencial puede expresarse en función de la relación
de la precipitación a la evapotranspiración potencial. Fórmulas conocidas de este tipo
incluyen a Schreiber (1904); ver también Dooge (1992),
AE ⌈
PAGS ⎞⌉
⎛ EDUCACIÓN FÍSICA
= │1 - Exp│- ││ (5,39)
EDUCACIÓN
EDUCACIÓN
⌊ FÍSICA⎝FÍSICA
PAGS
⎠⌋
AE ⎛ PAGS
⎞
= tanh │ │ (5,40)
EDUCACIÓN ⎝EDUCACIÓN
FÍSICA
⎠ FÍSICA
Budyko y Zubenok (1961) examinaron los datos del balance hídrico a largo plazo para 1200
regiones de la URSS y encontró que estos datos se encontraban dentro de los límites del
fórmulas propuestas por Schreiber y Ol'dekop. Turc (1954) propuso una fórmula más simple
basado en mediciones de cuencas africanas, que luego se modificó algo
por Pike (1964) sobre la base de otras mediciones:
PAGS
AE EDUCACIÓN FÍSICA
= (5,41)
EDUCACIÓNPAGS
1+ 2()
FÍSICA
EDUCACIÓN FÍSICA
El método de balance hídrico a largo plazo para estimar los recursos hídricos renovables de
Los datos meteorológicos, aunque son muy simples, tienen una serie de desventajas esenciales.
Primero, en las regiones áridas y semiáridas, la escorrentía fluvial es muy pequeña en valor absoluto y
cercano al error de determinación de la evaporación y precipitación. Segundo, es
imposible estimar los recursos hídricos por estaciones y meses. Estos datos son cruciales
5-23
Página 105
Ch5. Escorrentía en modelos hidrológicos
para la planificación moderna de la gestión del agua. En tercer lugar, esta técnica es inaplicable a
estimar los recursos hídricos de los países y regiones ubicados en las cuencas de
ríos internacionales. En este caso, un mayor volumen de escorrentía fluvial proviene del exterior.
en lugar de formarse en el territorio en cuestión.
Modelos simples de balance hídrico que simulan hidrogramas de flujo de agua sobre la base de
Se han utilizado los datos meteorológicos disponibles y pocos parámetros físicamente relevantes.
por hidrólogos e ingenieros agrícolas en la evaluación de los recursos hídricos regionales.
Tales modelos fueron desarrollados por primera vez en la década de 1940 por Thornthwaite (1948) y desde entonces
adoptado, modificado y aplicado a un amplio espectro de problemas hidrológicos (p. ej.
Alley, 1984; Schaake y Liu, 1989; Xu, 1999). Una revisión general del agua mensual.
Los modelos de equilibrio que se utilizan en todo el mundo son fabricados por Xu y Singh (1998).
La estructura general de todos los modelos de balance hídrico es similar y la construcción de tal
El modelo implica escribir ecuaciones que relacionen las tasas de cambio de las propiedades del agua.
dentro del volumen de control para que fluyan esas propiedades a través de la superficie de control. por
ejemplo, un modelo simple de balance hídrico del suelo para un volumen de control dibujado alrededor de un bloque
de la capa superior del suelo es:
Donde S (t) representa la cantidad de humedad del suelo almacenada en el momento t, es decir, en el
https://translate.googleusercontent.com/translate_f 92/148
10/9/2020 MODELOS HIDROLÓGICOS
comienzo de un mes, S (t + 1) el almacenamiento en el momento posterior t + 1, es decir, al comienzo de
el próximo mes, y el flujo a través de la superficie de control durante el intervalo [t, t + 1], es decir
durante el mes considerado, consiste en la precipitación P (t), la evapotranspiración real,
AE (t) y el excedente de humedad del suelo, Q (t), que suministra caudal y agua subterránea
recargar. Resolver esta ecuación requiere tratar con series de tiempo de las cuatro variables: S,
P, AE, Q y posiblemente de otras variables relacionadas con ellos. Los modelos de balance hídrico
difieren en cómo AE y Q se consideran conceptualmente y se representan matemáticamente.
Una de las limitaciones de los modelos de balance hídrico mensual es su incapacidad para
tener en cuenta los posibles cambios en las características individuales de la escorrentía de tormentas en los pasos de tiempo
se aplican.
Muchos modelos conceptuales de parámetros agrupados se han desarrollado desde la década de 1960 con
el objetivo principal de la previsión de crecidas en las cuencas hidrográficas. Desde entonces también se utilizan
con fines de simulación para el diseño hidrológico y la evaluación de los recursos hídricos en
diferentes escalas. A continuación se mencionarán brevemente algunos modelos representativos como
ejemplos y para detalles se deben consultar las referencias citadas.
El notable modelo IV de la cuenca de Stanford de Crawford y Linsley (1964)
representa el primer gran éxito en la combinación de todos los principales procesos hidrológicos
dentro de un modelo de computadora. Este modelo es ampliamente conocido y se ha aplicado a muchos
captaciones en todo el mundo. Se han seguido varios modelos, desarrollando el
concepto más lejos. Un modelo de uso frecuente en este grupo es Sacramento Soil Moisture
Modelo contable (Burnash et al., 1973). Este modelo ha sido utilizado por muchos
investigadores como una de las herramientas estándar en los Estados Unidos en el pronóstico de inundaciones, agua
evaluación de recursos y estudios sobre el impacto del cambio climático. El modelo HBV
(Bergström, 1976) se utiliza ampliamente en los países nórdicos como una herramienta estándar para pronosticar
5-24
Página 106
Modelos hidrológicos
inundaciones de arroyos, para evaluar los recursos hídricos superficiales y para simular los efectos del cambio climático.
Se han realizado aplicaciones de los modelos HBV en unos 30 países (Bergström,
1992). En China y otros países asiáticos, el modelo Xinanjiang se utiliza como estándar
herramienta para una serie de propósitos de simulación hidrológica. El modelo fue desarrollado en 1973
y publicado en 1980 (Zhao et al., 1980; Zhao, 1992). También ha sido probado en el
Estados Unidos, Alemania, Bélgica, Francia y Suecia.
Muchos otros modelos que tienen una estructura similar pero con un proceso diferente
conceptualizaciones, se han utilizado en muchas regiones del mundo (véase también Leaveley,
1994). Entre otros, el modelo del Instituto de Meteorología Real de Bélgica (Bultot y
Dupriez, 1976) se ha aplicado a cuencas en Bélgica (Bultot et al., 1988) y
Suiza (Bultot et al., 1992). El modelo HYDROLOG (Porter y McMahon,
1971) se aplicó a dos cuencas en Australia del Sur (Nathan et al., 1988). los
Programa de simulación hidrológica - modelo FORTRAN (HSPF) (USEPA, 1984)
aplicado a una cuenca en Terranova, Canadá (Ng y Marsalek, 1992).
En comparación con los modelos de balance hídrico mensual, parámetro agrupado conceptual
Los modelos permiten una evaluación más detallada de la magnitud y el momento del proceso.
respuesta al cambio climático. Sin embargo, estas capacidades van acompañadas de un aumento
en el número de parámetros de proceso y en la cantidad y tipos de datos de entrada necesarios
para ejecutar las simulaciones.
• Primero, para una variedad de propósitos operativos y de planificación, los administradores de recursos hídricos
responsables de las grandes regiones necesitan estimar la variabilidad espacial de los recursos
sobre grandes áreas, con una resolución espacial más fina que la que pueden proporcionar los datos observados
solo.
• En segundo lugar, los hidrólogos y los administradores del agua están interesados en los efectos del uso de la tierra.
https://translate.googleusercontent.com/translate_f 93/148
10/9/2020 MODELOS HIDROLÓGICOS
y variabilidad y cambio climático en un amplio dominio geográfico.
• En tercer lugar, existe una necesidad creciente de utilizar modelos hidrológicos como base para estimar
Fuentes puntuales y difusas de carga de contaminación a los arroyos.
• Cuarto, los hidrólogos y los modelistas atmosféricos han percibido debilidades en
representación de procesos hidrológicos en modelos atmosféricos regionales y globales.
Los modelos líderes en esta categoría incluyen el desarrollado por Vörösmarty et al.
(1989), el modelo VIC (Wood et al., 1992) y el Macro-PDM (Arnell, 1999). Estas
modelos hidrológicos espaciales, en la literatura denominados modelos hidrológicos a macroescala
(MHM), son modelos conceptuales de contabilidad del balance hídrico, que se pueden aplicar
repetidamente sobre un gran dominio geográfico en una cuadrícula regular sin la necesidad de
calibración en la escala de captación. Esto se debe a que lo que es factible en la cuenca
escala, donde los parámetros pueden derivarse de observaciones cuidadosas o calibrarse utilizando
los datos observados no son factibles en un área grande. Comparado con el conceptual agrupado
modelos de parámetros los modelos a macroescala tienen considerablemente menos parámetros. Su
Además, los parámetros pueden estimarse a partir de conjuntos de datos espaciales, que cubren atributos como
diversos como cobertura terrestre, tipo de suelo y clima. Los modelos hidrológicos a macroescala están a la última
herramientas de última generación para evaluar los recursos hídricos a escala regional y continental.
5-25
Página 107
Ch5. Escorrentía en modelos hidrológicos
Los modelos de parámetros distribuidos siguen siendo el enfoque más objetivo para responder
preguntas tales como: ¿cómo cambiará el patrón de escorrentía en el área por encima de 500 m en
se planta una cuenca de captación de bosque; o, si ocurre un derrame accidental de una sustancia química tóxica en
el puente que cruza este arroyo, qué tan lejos se verá afectada la red de canales del río, cómo
cuánto tiempo durarán sus efectos y en qué medida se verán afectadas las aguas subterráneas. Agrupado
Los modelos de parámetros tienen poco que ofrecer para tales preguntas.
En los últimos años, sin embargo, se ha hecho un balance de lo que se está haciendo y puede ser
logrado mediante el uso de modelos distribuidos, incluso con la computadora más potente
apoyo. Grayson y col. (1992) expresó las dudas de la siguiente manera, en un artículo que analiza
direcciones futuras para modelos de parámetros distribuidos basados físicamente (es decir, aquellos en
qué parámetros que describen los procesos pueden variar espacialmente sobre el río
cuenca):
https://translate.googleusercontent.com/translate_f 94/148
10/9/2020 MODELOS HIDROLÓGICOS
El atractivo de del
características estos modelos
flujo es sudentro
en puntos potencial para
de las proporcionar
cuencas, pero lasinformación sobre actuales
representaciones la en
Los modelos basados en procesos suelen ser demasiado toscos para permitir una aplicación precisa a priori.
a problemas de predicción. Las dificultades se relacionan tanto con la percepción del modelo
capacidades y los supuestos y algoritmos fundamentales utilizados en los modelos.
Además, la escala de medición de muchos parámetros a menudo no es compatible
con su uso en modelos hidrológicos. Los usos más adecuados de los
modelo de parámetros distribuidos son para ayudar en el análisis de datos, para probar hipótesis
junto con estudios de campo, para mejorar nuestra comprensión de los procesos y
sus interacciones e identificar áreas de poca comprensión en nuestro proceso
descripciones. La percepción errónea de que la complejidad del modelo está correlacionada positivamente
5-26
Página 108
Modelos hidrológicos
En cuanto a las primeras características, requiere, por un lado, las ecuaciones y parámetros
debe ser físicamente relevante, y por otro lado, los modelos no deben ser demasiado
específico con respecto a las condiciones locales. Requiere algún tipo de generalidad y
promediando. El número de parámetros del modelo debe ser menor que el tradicional.
modelos distribuidos. Consulte las segundas características; surge la pregunta de cómo
estos elementos de área se pueden definir. Una opción es subdividir la cuenca en
denominadas "unidades de respuesta hidrológica (HRU)" que son similares con respecto a
https://translate.googleusercontent.com/translate_f 95/148
10/9/2020 MODELOS HIDROLÓGICOS
características
captación y que se modelan
en elementos por separado.
de cuadrícula cuadradosOtra opción esespaciados.
igualmente subdividir Los
la problemas relacionados con el primero
El método de subdivisión incluye qué características deben considerarse relevantes para el
5-27
Página 109
Ch5. Escorrentía en modelos hidrológicos
Procesos hidrológicos. Si son demasiados, la partición será muy detallada, lo que resultará en
es necesario manejar demasiados datos. Si son pocos, descuidamos la heterogeneidad de los demás.
Los problemas relacionados con el segundo método de subdivisión incluyen que el
Las características dentro de cada celda de la cuadrícula que se consideran homogéneas pueden ser altamente
heterogéneo, la reducción del tamaño de las celdas de la cuadrícula reduce la heterogeneidad, pero aumenta
tiempo de cálculo. Considerando el acoplamiento con modelos atmosféricos (GCM), el
segundo método de subdivisión, es decir, se utilizan celdas de cuadrícula regulares. Finalmente, considerando el
gran escala que se apliquen los modelos de distribución de nueva generación, encaminando el flujo tanto
dentro de las celdas de la cuadrícula y entre las celdas constituyen la parte importante de los modelos.
La estructura general de un modelo de distribución de nueva generación incluye tres partes:
• Generación de escorrentía en cada celda de la cuadrícula,
• Enrutamiento dentro de las celdas utilizando el método de área de tiempo,
• Enrutamiento entre celdas utilizando métodos de enrutamiento de flujo de río.
Tipo de modelo
De base física Conceptual / empírico
modelos distribuidos modelos modelo
Okay
1 km
1 ×
resolución ine
?
F < cada hora, diariamente
Escala
Okay
?
resolución aproximada
C 10 - 50 km semanales, mensuales
Fig.5.8 Matriz conceptual para modelado hidrológico y escala. Los análisis exitosos han
Se ha realizado utilizando modelos distribuidos basados físicamente con datos de resolución fina y
utilizando modelos hidrológicos conceptuales con datos de escala gruesa. (Modificado de Vörösmarty
et al., 1993).
El nuevo modelo distribuido de última generación es un sistema de modelado integrado que combina
Modelo SVAT, modelo de agua subterránea, modelo de nieve y modelo de enrutamiento hidrodinámico y
se acopla con GIS, DEM / DTM y GCM.
¿Qué es un GCM?
GCM es un modelo de circulación general del proceso atmosférico global. Las salidas de
tales modelos incluyen dirección / velocidad del viento, temperatura, humedad, presión del aire,
precipitación, evaporación, caudal, etc. Los principales insumos incluyen CO2 y otros
gases. La resolución espacial típica de un GCM es de 300 × 300 km.
5-28
https://translate.googleusercontent.com/translate_f 96/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 110
Modelos hidrológicos
Con el propósito original de la predicción meteorológica, los GCM se utilizan hoy en día en
predecir escenarios climáticos futuros (Loaiciga et al., 1996; Xu, 1999c).
¿Qué es un RCM?
RCM es un modelo atmosférico a escala regional, siendo similar a GCM en principio pero
con una resolución espacial más fina de 30 × 30 km. En la literatura también se le conoce como
modelo atmosférico de área y modelo climático regional. Es el resultado de dinámica
reducción de escala de un GCM (por ejemplo, Giorgi et al., 1990).
¿Qué es un SVAT?
SVAT es un esquema / modelo Suelo-Vegetación-Atmósfera-Transferencia con el objetivo de
simulando un rendimiento superior en términos de hidrología, biogeoquímica y
Procesos dinámicos de la vegetación. La estructura general de un SVAT se muestra en la figura 5.9.
5-29
Página 111
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 97/148
10/9/2020 MODELOS HIDROLÓGICOS
diferentes
• Para variablesSVAT
derivar modelos de proceso, parámetros
simplificados, y características
especialmente de uso
para su influencia.
en escalas más grandes, que son
capaz de simular procesos principales basados en un pequeño conjunto de parámetros clave, para ser
vinculado a las cantidades utilizadas en la descripción de los procesos de la superficie terrestre en el
escamas.
• Uno es mejorar los procesos de balance energético dentro de un sistema hidrológico existente.
modelo y permitiéndole acoplarse con un modelo atmosférico (por ejemplo, Xu et al., 1994).
• Otro enfoque es la mejora de los procesos hidrológicos en la superficie terrestre
modelos desarrollados para modelos atmosféricos (Kim et al, 2001).
5.8.4 Enfoques del acoplamiento de modelos hidrológicos con modelos atmosféricos (GCM)
Como se mencionó anteriormente, una de las motivaciones importantes del desarrollo del nuevo
generación de modelos distribuidos es mejorar la representación de los procesos hidrológicos
en modelos atmosféricos regionales y globales. Acoplando los modelos hidrológicos con el
GCM es quizás la mejor manera de hacerlo.
Los modelos hidrológicos tradicionales no se pueden acoplar directamente a los GCM
debido a una serie de brechas entre ellos (ver Tabla 5.3). Los enfoques que tienen
utilizado para vincular GCM y modelos hidrológicos se presentan en la figura 5.10.
Los GCM atmosféricos globales se han utilizado directamente para simular el caudal bajo
clima actual y predecir el impacto del cambio climático futuro en macroescala
captaciones. El análisis de la escorrentía predicha por GCM mostró que una
representación del ciclo hidrológico dentro de un modelo global de atmósfera general
la circulación conduce a una escasa capacidad de predicción hidrológica (por ejemplo, Kuhl y Miller, 1992). los
El problema desde un punto de vista hidrológico es que la mayoría de los MCG no contienen
transferencia de agua dentro de la fase terrestre.
Los resultados del estudio de la literatura mostraron que el acoplamiento de la macroescala hidrológica
modelo con el GCM produce una mejor representación del régimen de flujo registrado que
Predicciones de GCM de escorrentía para cuencas fluviales muy grandes. Sin embargo, los GCM no pueden 'ver'
cuencas hidrográficas de menor escala debido a su resolución gruesa de cuadrícula. Escala de subcuadrícula
Se necesitan modelos hidrológicos y esquemas de anidación para resolver el GCM a gran escala.
predicciones y predecir fenómenos hidrológicos a menor escala (Hostetler y Giorgi,
1993).
5-30
Página 112
Modelos hidrológicos
Tabla 5.3: Algunas brechas existentes entre la capacidad de los GCM y las necesidades hidrológicas
______________________________________________________________________
Mejor simulado Menos bien simulado No bien simulado
______________________________________________________________________
Escalas espaciales Global Regional Local
Discordancia 300 × 300 km 30 × 30 km 0 - 50 km
https://translate.googleusercontent.com/translate_f 98/148
10/9/2020 MODELOS HIDROLÓGICOS
5-31
Página 113
Ch5. Escorrentía en modelos hidrológicos
En los estudios recientes, los enfoques 3 y 4 han recibido más esfuerzos que otros.
Esto se debe a que los enfoques estadísticos de reducción de escala que vinculan a los GCM con
Los modelos hidrológicos resueltos a escalas más finas brindan la posibilidad de salvar las brechas
entre los GCM de resolución gruesa y el modelado hidroclimático en la cuenca del río
escala, mientras que el enfoque dinámico de reducción de escala y los esquemas de anidamiento brindan la posibilidad
de acoplamiento de doble vía entre modelado atmosférico e hidrológico. Este doble
El acoplamiento de formas es importante no solo porque proporciona mejores simulaciones de
escenarios hidrológicos, sino también porque proporciona una retroalimentación
modeladores que a su vez es importante para mejorar las habilidades de los GCM y RCM.
https://translate.googleusercontent.com/translate_f 99/148
10/9/2020 MODELOS HIDROLÓGICOS
2 MHM
3
Dinámica
GCM MHM
reducción de escala
Estadístico
4
reducción de escala
CHM
5 Hipotético
CHM Escenario de recursos hídricos
∆ T, ∆ P
Figura 5.10 Representación esquemática de los métodos para evaluar los recursos hídricos
bajo un clima cambiante
5-32
Página 114
Modelos hidrológicos
Abbott, MB, Bathurst, JC, Cunge, JA, O'Connell, PE y Rasmussen, J., 1986.
Introducción al sistema hidrológico europeo - Systeme Hydrologique
Europeen, "SHE", 1: Historia y filosofía de la física distribuida
sistema de modelado. J. Hydrol. 87: 45-59.
Abbott, MB, Bathurst, JC, Cunge, JA, O'Connell, PE y Rasmossen, J., 1986.
Introducción al sistema hidrológico europeo - Systeme Hydrologique
Europeen, "SHE", 2: Estructura de un sistema de modelado distribuido con base física.
J. Hydrol. 87: 61-77.
Alley, WM, 1984: Sobre el tratamiento de la evapotranspiración, contabilidad de la humedad del suelo
y recarga de acuíferos en modelos de balance hídrico mensual. Investigación de recursos hídricos
20 (8), 1137-1149.
Arnell, NW, 1993. Requisitos de datos para el modelado a macroescala de la hidrosfera, en:
Modelado a macroescala de la hidrosfera , publ. IAHS. Núm. 214, págs. 139-149.
Arnell, NW, 1999: Un modelo simple de balance hídrico para la simulación de caudal
sobre un gran dominio geográfico, Journal of Hydrology 217 (3-4), 314-335.
Bergström, S., 1976: Desarrollo y aplicación de un modelo conceptual de escorrentía para
Cuencas escandinavas. Departamento de Ingeniería de Recursos Hídricos, Lund
Instituto de Tecnología, Boletín Serie A-52, Meteorológico y
Instituto Hidrológico, Norrköping, Suecia.
Bergström, S., 1992: El modelo HBV: su estructura y aplicaciones. Informe SMHI RH
No 4. Instituto Meteorológico e Hidrológico, Norrköping, Suecia.
Blake, GJ, et al., 1968. Infiltración en la cuenca experimental Puketurua. J. Hydrol.
7 (1), 38-46.
Blank, D., JW Delleur y A. Giorgini, 1971. Funciones del núcleo oscilatorio en
modelos hidrológicos. Investigación de recursos hídricos 7 (5): 1102-1117.
https://translate.googleusercontent.com/translate_f 100/148
10/9/2020 MODELOS HIDROLÓGICOS
Bree, T., 1978. La estabilidad de la estimación de parámetros en el modelo lineal general,
Revista de hidrología 37 (1/2): 47-66.
Budyko, MI. y Zubenok, LI, 1961: Sobre la determinación de la evaporación del
superficie terrestre. Izv. Akad. Nauk SSSR Ser. Geogr. 6, 3-17.
Bultot, F. y Dupriez, GL, 1976: Modelo hidrológico conceptual para un
área de influencia: conceptos y relaciones. Revista de hidrología 29, 251-272.
Bultot, F., Coppens, A., Dupriez, GL, Gellens, D. y Meulenberghs, F., 1988:
Repercusiones de una duplicación de CO2 en el ciclo del agua y en el balance hídrico: a
estudio de caso para Bélgica. Revista de hidrología 99, 319-347.
Bultot, F., Gellens, D., Spreafico, M. y Schädler, B., 1992: Repercusiones del CO2
duplicar el balance hídrico - un estudio de caso en Suiza. Revista de hidrología
137, 199-208.
Burnash, RJC, Ferral, RL y McGuire, RA, 1973: A generalized streamflow
sistema de simulación, modelado conceptual para computadora digital. Departamento de Estados Unidos de
Comercio, Servicio Meteorológico Nacional y Estado de California, Departamento de Agua
Recursos, Sacramento, CA.
Chow, VT, 1964. Escorrentía, en Handbook of Applied Hydrology, sección 14. McGraw-Hill,
Nueva York.
Chow, VT, DR Maidment y LW Mays, 1988. Hidrología aplicada, McGraw-Hill
Compañía de libros.
5-33
Página 115
Ch5. Escorrentía en modelos hidrológicos
https://translate.googleusercontent.com/translate_f 101/148
10/9/2020 MODELOS HIDROLÓGICOS
modelo atmosférico. Investigación sobre recursos hídricos 28, 2029-2039.
Larson, CL et al., 1982. Algunos modelos de cuencas hidrográficas particulares. Capítulo 10 en Hidrológico
Modelización de cuencas hidrográficas agrícolas, (ed.) HT Haan, 409-434. Monografía de ASAE
No 5 St. Joseph, Michigan: Sociedad Estadounidense de Cuencas Agrícolas.
Lawler, 1964
Leavesley, GH, 1994: Modelado de los efectos del cambio climático en los recursos hídricos - A
revisión. Cambio climático 28, 159-177.
Liston, GE, Sud, YC y Wood, EF, 1994. Evaluación de la hidrología de la superficie terrestre de GCM
parametrizaciones calculando las descargas de los ríos utilizando un modelo de enrutamiento de escorrentía
aplicación a la Cuenca del Mississippi. Revista de meteorología aplicada 33, 394-404 .
Loaiciga, HA, Valdés, JB, Vogel, R., Garvey, J. y Schwarz, H. (1996) Global
el calentamiento y el ciclo hidrológico. Revista de hidrología 174 , 83-127.
5-34
Página 116
Modelos hidrológicos
Maidment, RD, 1996: SIG y modelado hidrológico: una evaluación del progreso.
Presentado en la Tercera Conferencia Internacional sobre SIG y Medio Ambiente
Modelado, 22-26 de enero, Santa Fe, Nuevo México.
Meriam, RA, 1960. Una nota sobre la ecuación de pérdida por intercepción. J. de geofísica
Investigación 65 (11): 3850-3851.
Meyer, AF, 1942. Introducción a la escorrentía. Capítulo 11A en Meinzer, OE (Ed.),
Hidrología, McGraw-Hill, Nueva York, 1942.
Morel-Seytoux, HJ, 1973. Flujos de dos fases en medios porosos. En: Avances en
Hydroscience, vol 9, editado por VT Chow, Nueva York: Academic Press, 119-201.
Nash, JE, 1957. La forma del hidrograma unitario instantáneo. Internacional
Publicación de la Asociación de Hidrología Científica 45 (3): 114-121.
Nathan, RJ, McMahon, TA y Finlayson, BL, 1988: El impacto del invernadero
efecto sobre la hidrología de la cuenca de captación y las relaciones almacenamiento-rendimiento tanto en invierno como en
zonas de lluvias de verano. En Pearman, GI (ed.), Greenhouse, Planning for Climate
Change, División de Investigación Atmosférica, CSIRO, East Melbourne, Australia.
Ng, HYF y Marsalek, J., 1992: Sensibilidad de la simulación de caudal a los cambios en
insumos climáticos. Hidrología nórdica 23, 257-272.
O'Donnell, T., 1960. Hidrograma unitario instantáneo por análisis armónico, Proc. Gen.
Culo. Helsinki, IASH, publicación 51, págs. 546-557.
Ol'dekop, EM, 1911: Sobre la evaporación de la superficie de las cuencas fluviales. Tr. Meteorol.
Observ. Iur'evskogo Univ. Tartu., 4.
Philip, JR, 1969. Teoría de la infiltración. En: Advances in Hydroscience, vol 5, editado por
VT Chow, Nueva York: Academic Press, 215-296.
Pike, JG, 1964: La estimación de la escorrentía anual a partir de datos meteorológicos en un
clima. Revista de hidrología 2, 116-123.
Porter, JW y McMahon, TA, 1971: Un modelo para la simulación de datos de caudal
a partir de los registros climáticos. Revista de hidrología 13, 297-324.
Renard, KG, WJ Rawls y MM Fogel. 1982. “Modelos disponibles actualmente”.
Capítulo 13 en Modelización hidrológica de cuencas hidrográficas agrícolas, (ed.) HT Haan,
507-522. Monografía No 5 de ASAE St. Joseph, Michigan: Sociedad Americana de
Cuencas hidrográficas agrícolas.
Rovey, CEK y EV Richardson, 1975. Modelo matemático de flujo en una corriente
sistema acuífero. Proc. 2nd Annual Symp. en Model Technology, San Francisco, CA.
(Publicado por ASCE, Nueva York) , págs439-457.
Schaake, JC y Liu, C., 1989: Desarrollo y aplicación del balance hídrico simple
modelos para comprender la relación entre el clima y los recursos hídricos. Nuevo
Instrucciones para el modelado de aguas superficiales (Actas del Simposio de Baltimore,
Mayo de 1989), IAHS Publ. no 181.
Schreiber, P., 1904: Sobre la relación entre la precipitación y la escorrentía de los ríos en
Europa Central, Z. Meteorol . 21, 441-452.
Singh, VP, 1988. Hydrologic Systems. Volumen 1: Modelado de lluvia-escorrentía. Aprendiz
Hall, Nueva Jersey.
Singh, VP, 1989. Hydrologic Systems, II, Watershed Modeling, Prentice Hall, New
Jersey.
Thornthwaite, CW, 1948: Un enfoque hacia una clasificación racional del clima.
https://translate.googleusercontent.com/translate_f 102/148
10/9/2020 MODELOS HIDROLÓGICOS
Geogr. Apocalipsis 38 (1), 55-94.
Toebes, C., 1963. Applied Hydrology 2: 37-59. Escuela Técnica por Correspondencia, Nueva
Departamento de Educación de Zelanda.
Turc, L., 1954: El balance hídrico de los suelos. Relación entre la evaporación por precipitación
y fluir. Ana. Agron . 5, 491-569.
5-35
Página 117
Ch5. Escorrentía en modelos hidrológicos
Agencia de Protección Ambiental de EE. UU. (USEPA), 1984: Manual del usuario para
programa de simulación hidrológica-FORTRAN (HSPF), EPA-600 / 3-84-066,
Laboratorio de Investigación Ambiental, Athens, GA.
Ullah, W. y WT Dickinson, 1979. Descripción cuantitativa del almacenamiento de depresión
modelo que utiliza el modelo de superficie digital: parte I y parte II, J. Hydrology 42: 63-99.
Vörösmarty, CJ, Moore, B., Gildea, MP, Peterson, B., Melillo, J., Kicklighter, D.,
Raich, J., Rastetter, E. y Steudler P., 1989: Un modelo de agua a escala continental
Equilibrio y transporte fluvial: Aplicación a América del Sur. Biogeoquímico global
Ciclos 3, 241-65.
Vörösmarty, CJ, Gutowski, WJ, Person, M., Chen, TC y Case, D. Linked
modelos de atmósfera-hidrología a macroescala. En: Modelado a macroescala del
Hydrosphere, Publicación IAHS No 214, 3-30.
Ward, RC, 1972. Estimación del caudal mediante el balance hídrico climático de Thornthwaite,
Weather , febrero pp-73-84.
Wigley, TML, Jones, PD, Briffa, KR y Smith, G., 1990. Obtención de subescala
información de la salida del modelo de circulación general de resolución gruesa . Diario de
Investigación geofísica 95, 1943-53.
Wood, EF, Lettenmaier, DP y Zartarian, VG, 1992: Una hidrología de la superficie terrestre
parametrización con variabilidad de subcuadrícula para modelos de circulación general. Diario de
Investigación geofísica 97, D3, 2717-2728.
Xu, CY, 1999a: Estimación de parámetros de un modelo conceptual de balance hídrico para
captaciones no calibradas. Gestión de recursos hídricos 13 (5), 353-368.
Xu, CY, 1999b. Cambio climático e modelos hidrológicos: una revisión de las brechas existentes y
desarrollos de investigación recientes. Gestión de recursos hídricos 13 (5): 369-382.
Xu, CY, 1999c. De los GCM al caudal de los ríos: una revisión de las técnicas de reducción de escala y
enfoques de modelado hidrológico. Progreso en geografía física 23 (2): 229-249.
Xu CY y Singh, VP, 1998: Una revisión de los modelos de balance hídrico mensual para el agua
investigaciones de recursos. Gestión de recursos hídricos 12, 31-50.
Xu, L., Lettenmaier, DP, Wood, EF y Burges, SJ, 1994. Una simple hidrológicamente
modelo basado en los flujos de agua y energía de la superficie terrestre para modelos de circulación general.
J. Geophys. Res. 99 (D7), 14415-14428.
Zhao, RJ, 1992: El modelo de Xinanjiang aplicado en China. Revista de hidrología 135,
371-381.
Zhao, RJ, Zhang, YL, Fang, LR, Liu, XR y Zhang, QS, 1980: El Xinanjiang
modelo. Actas de predicción hidrológica, Simposio de Oxford, IAHS Publ. 129,
351-356.
5-36
https://translate.googleusercontent.com/translate_f 103/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 118
CAPÍTULO 6
LA METODOLOGÍA DE LA EVALUACIÓN DE MODELOS
_____________________________________________________________________________________
En general, son necesarios varios niveles de evaluación antes de que el modelo deba ser
aplicada para estimar la producción de una cuenca (Ver Figura 6.1). Estos son:
6-1
Página 119
Ch6. La metodología de evaluación de modelos
https://translate.googleusercontent.com/translate_f 104/148
10/9/2020 MODELOS HIDROLÓGICOS
6-2
Página 120
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 105/148
10/9/2020 MODELOS HIDROLÓGICOS
utilizando parámetros estimados por técnicas de optimización. Si los valores óptimos de la
Los parámetros son muy sensibles al período particular del registro utilizado, o si varían
ampliamente entre cuencas hidrográficas similares, el modelo probablemente no será confiable. Finalmente,
Los modelos no deben ser extremadamente sensibles a las variables de entrada que son difíciles de medir.
Cualquiera que sea la forma del modelo que se elija, hay algunas constantes desconocidas que se utilizan para
representan el proceso físico. Estos llamados parámetros del modelo deben ser
asignados valores numéricos fijos antes de que el modelo se pueda utilizar para predecir la escorrentía, en
En otras palabras, es necesario estimar estos parámetros de manera que el mejor acuerdo
entre la escorrentía modelada y observada se puede obtener. El proceso por el cual el
se seleccionan los parámetros se llama modelo "calibración". El énfasis aquí está dirigido
hacia la calibración del modelo hidrológico “conceptual” de caudal.
6-3
Página 121
Ch6. La metodología de evaluación de modelos
modelo. Para los parámetros "físicos", las estimaciones se realizan mediante mediciones
obtenido de mapas en el campo. Los parámetros se fijan normalmente en estos
valores medidos y no se ajustan más a menos que se determine que es un error. por
Parámetros de "proceso", estimaciones del rango (valores mínimo y máximo)
de los posibles valores para estos parámetros se determinan en función del juicio y
comprensión de la hidrología de la cuenca. Esta incertidumbre en el
Las estimaciones de parámetros se reducen luego mediante el proceso de estimación de parámetros.
descrito abajo.
(b) Estimación de parámetros : aquí, utilizamos varias técnicas diseñadas para reducir la
incertidumbre en las estimaciones de los parámetros del proceso. Un enfoque típico es
primero seleccione una estimación inicial para los parámetros, en algún lugar dentro de los rangos
previamente especificado. A continuación, los valores de los parámetros se ajustan más
Haga coincidir el comportamiento del modelo con el de la cuenca. El proceso de ajuste
se puede hacer "manualmente" o utilizando métodos "automáticos" basados en computadora, como
se discute más adelante.
https://translate.googleusercontent.com/translate_f 106/148
10/9/2020 MODELOS HIDROLÓGICOS
Para calibrar un modelo, debemos seleccionar algún aspecto del comportamiento de la cuenca al que
el modelo debe coincidir: normalmente, podríamos seleccionar el hidrograma de flujo de corriente en una
o más ubicaciones en el río. Luego ajustamos los parámetros del modelo para obtener la simulación
hidrograma de flujo de corriente para parecerse al hidrograma observado para algunos datos históricos
período. En la calibración manual, utilizamos un proceso de prueba y error de ajuste de parámetros;
después de cada ajuste de parámetro, los hidrogramas simulados y observados son
comparado visualmente para ver si se mejora la coincidencia.
Con formación y mucha experiencia es posible obtener muy buenos
Calibración utilizando el enfoque manual. Sin embargo, para los inexpertos y no capacitados
persona, la calibración manual puede ser un ejercicio bastante frustrante y que requiere mucho tiempo. Esta
es principalmente porque la lógica por la cual los parámetros deben ser ajustados para mejorar la
La coincidencia es difícil de determinar (debido a los efectos compensadores que el modelo
los parámetros generalmente tienen en la salida del modelo). Desarrollos recientes en informática
Los gráficos han hecho que el proceso de calibración manual sea algo menos tedioso al
permitiendo observar rápidamente los efectos de un ajuste de parámetros y compararlos con
ensayos de parámetros previos (Brasil, 1988).
La principal debilidad de la calibración manual es que la ausencia de
Las medidas objetivas de comparación dificultan saber cuándo el proceso debe
terminarse, es decir, si se ha obtenido el "mejor" ajuste posible. Porque manual
La calibración implica una gran cantidad de juicio subjetivo, diferentes personas pueden obtener
valores de parámetros muy diferentes para la misma cuenca. Esto hace que sea difícil
Asignar explícitamente medidas de confianza al modelo calibrado y a sus simulaciones.
y predicciones.
6.3.3.1 Introducción
6-4
Página 122
Modelos hidrológicos
(b) el hecho de que hay pocos expertos en calibración de modelos disponibles para cada cuenca
modelo; y
(c) la necesidad de asignar alguna medida de objetividad y confianza al modelo
predicciones.
https://translate.googleusercontent.com/translate_f 107/148
10/9/2020 MODELOS HIDROLÓGICOS
que se muestra en la Fig. 6.2 con fines ilustrativos. Este concepto se puede ampliar para un modelo con
n parámetros a una superficie de respuesta en (n + 1) espacio dimensional y obviamente no puede
ser representado visualmente. El conjunto de parámetros óptimo se define por el punto más bajo en el
superficie en el caso de minimización de la función objetivo. Este punto más bajo se conoce
como el óptimo global y el descubrimiento del óptimo se conoce como convergencia. Ahí
Puede haber otros puntos en la superficie que sean más bajos que todos los demás en su
vecindad, pero no inferior al óptimo global. Estos puntos se conocen como óptimos locales ,
como se muestra en la figura 6.2.
Un procedimiento típico de estimación automática de parámetros consta de cuatro
elementos:
6-5
Página 123
Ch6. La metodología de evaluación de modelos
https://translate.googleusercontent.com/translate_f 108/148
10/9/2020 MODELOS HIDROLÓGICOS
6.3.3.2a Funciones objetivas
Una función objetivo es una ecuación que se utiliza para calcular una medida numérica.
de la diferencia entre la salida simulada por el modelo (normalmente el caudal
hidrograma) y la producción de cuenca observada (medida). El propósito de la automática
La calibración del modelo es, por tanto: “ encontrar aquellos valores de los parámetros del modelo que
optimizar (minimizar o maximizar, según corresponda) el valor numérico del objetivo
función ”.
norte
F )θ( = ∑ qwt [ obs
t - qtsim )θ( ] 2 (6,1)
t =1
6-6
Página 124
Modelos hidrológicos
dónde:
obs
tq
= valor de caudal observado (medido) en el tiempo t;
sim
tq
( θ) = valor de caudal simulado del modelo en el momento t;
θ = vector de parámetros del modelo;
wt = peso en el tiempo t; y
norte = el número de puntos de datos que se van a comparar.
A este respecto, es importante señalar que, en general, existen compensaciones entre los
diferentes objetivos. Por ejemplo, uno puede encontrar un conjunto de parámetros que proporcionan una
buena simulación de caudales máximos, pero mala simulación de caudales bajos, y viceversa. los
las siguientes estadísticas numéricas de rendimiento que se definen aquí miden las diferentes
objetivos de calibración indicados anteriormente:
norte
∑ qwtt [ obs sim
- qt )θ( ]
t =1
F1 )θ( = (6.2)
norte
∑ wt
t =1
https://translate.googleusercontent.com/translate_f 109/148
10/9/2020 MODELOS HIDROLÓGICOS
norte
∑ qwtt2 [ obs
- q tsim )θ( ] 2
2/1
t =1
F2 )θ( = norte
(6,3)
∑ wt2
t =1
6-7
Página 125
Ch6. La metodología de evaluación de modelos
2/1
[ ]
norte
j 2
METRO ∑ qwtt2 obs
- q tsim )θ(
1 pags
F3 )θ( = ∑ t =1 norte
(6,4)
METRO
pagsj = 1
j
2
∑ wt
t =1
2/1
[ ]
norte
j
2
METRO
qwtt2
∑ obs
- qtsim )θ(
1 l
t =1
F4 )θ( = ∑ norte
(6,5)
METRO
l j =1
j
∑ wt2
t =1
∑ ( qobst
, - qsimt
, )r r> 2 (6,6)
∑ / 1 (q obst
, - / 1 qsimt
, )2 (6,7)
∑ (Iniciar
q obst ) - Iniciar
, sesión( q simt )) 2
, sesión( (6,8)
∑ ( qobst
,
- q simt
, )2 (6,9)
[ ]
norte 2
∑ qwtt2 obs
- q tsim
t =1
R 2 - =1 (6,10)
∑
norte
qwtt2 [ obs
- q obs ] 2
t =1
https://translate.googleusercontent.com/translate_f 110/148
10/9/2020 MODELOS HIDROLÓGICOS
6-8
Página 126
Modelos hidrológicos
Si se supiera que cualquiera de los supuestos (a) o (b), o ambos, eran inválidos, entonces la ecuación.
(6.1) y formas modificadas no sería la función objetivo más sensible; estimados
de los parámetros del modelo, por supuesto, todavía se obtendría minimizando la ecuación (6.1), pero
su interpretación sería falaz.
Clarke (1973) también afirmó que si se deben dar intervalos de confianza aproximados
Para los parámetros estimados del modelo, se debe hacer una suposición adicional sobre el
distribución de probabilidad de los residuos, es decir:
xf) (...)
1 dxxfdxxdxf
() ( 2 norte
[ norte
= ∏ yo
= 1 dxxf
) (yo ] n
norte
L = ∏ xf) (yo (6,11)
yo= 1
6-9
Página 127
Ch6. La metodología de evaluación de modelos
https://translate.googleusercontent.com/translate_f 111/148
10/9/2020 MODELOS HIDROLÓGICOS
Debido a que muchas funciones de densidad de probabilidad son exponenciales, a veces es más
conveniente para trabajar con la función de probabilidad logarítmica
norte
[ xf
en L = ∑ ) (en yo
] (6,12)
=1
yo
Dado que la función logarítmica es nonotónica, los valores de las θ que maximizan la
El logaritmo de la función de verosimilitud también maximiza la función de verosimilitud.
λ
xf) (yo = λ mi
- yo x
norte
[]xf
en L = ∑ ) (en yo
=1
yo
norte
- λ x yo
= ∑ en λ mi )
yo= 1
norte
= ∑ (en λλ- yo x
)
yo= 1
norte
= norte
en λλ- ∑
yo x
yo=1
∂ ) (enL nortenorte
-= ∑ =0
∂λ λ yo x
yo= 1
entonces
11 norte
= ∑
λ n 1yo= yo x
1
λ=
X
es decir, el parámetro λ es igual a uno sobre el promedio de la muestra.
El método de máxima verosimilitud es el método teóricamente más correcto de
ajustar las distribuciones de probabilidad hasta la fecha en el sentido de que produce el más eficiente
estimaciones de parámetros: aquellas que estiman los parámetros de población con la menor
error medio. Pero para muchas distribuciones de probabilidad, no existe una solución analítica para
todos los parámetros en términos de estadísticas de muestra; y la función logarítmica de verosimilitud debe
luego se maximiza numéricamente mediante un procedimiento iterativo, que puede ser bastante
difícil.
6-10
Página 128
Modelos hidrológicos
-1
/ 1 norte
norte norte
2
min HMLE ),λθ
( = w ε∑ tt ∏ wt
norte (6,13)
t =1 t =1
dónde
) 1λ(2-
wt = Ft (6,14)
La calibración basada en una única medida de rendimiento a menudo es inadecuada para medir.
correctamente la simulación de todas las características importantes del sistema que son
reflejado en las observaciones. Este aspecto es básicamente el que provoca cierto escepticismo en
la profesión hidrológica para aplicar la calibración automática. Rutinas automáticas que
Utilizar una formulación general multiobjetivo del problema de calibración.
en modelos de lluvia-escorrentía (Lindström, 1997; Liong et al., 1996, 1998; Gupta et al.,
1998; Yapo y col., 1998; Madsen, 2000).
Cuando se utilizan varios objetivos, el problema de calibración se puede plantear de la siguiente manera:
Se dice que el problema de optimización está restringido en el sentido de que θ está restringido al
espacio de parámetros factible Θ . El espacio de parámetros generalmente se define como un hipercubo por
especificando límites superior e inferior en cada parámetro. Estos límites se eligen según
a restricciones físicas y matemáticas en el modelo y / o del modelado
experiencias (conocimientos previos).
La solución de la ecuación (6.16) no será, en general, un conjunto único de parámetros
pero consistirá en el llamado conjunto de soluciones de Pareto (soluciones no dominadas),
6-11
Página 129
Ch6. La metodología de evaluación de modelos
según varias compensaciones entre los diferentes objetivos. Formalmente, cualquier miembro
θ del
j conjunto de Pareto tiene las propiedades (Gupta et al., 1998):
1) Para todos los no miembros j θ existe al menos un miembro i θ donde
Fik )θ( < Fk )θ( j para todo k = 1,2,…, p.
2) No es posible encontrar j θ dentro del conjunto de Pareto tal que Fk )θ( <j Fik )θ( para
todo k = 1,2,… p.
Con respecto a (1), el espacio de parámetros Θ se puede dividir en "bueno" (óptimo de Pareto) y
Soluciones "malas", y con respecto a (2) ninguna de las soluciones "buenas" se puede decir que sea
"Mejor" que cualquiera de las otras "buenas" soluciones. Un miembro del conjunto de Pareto será
mejor que cualquier otro miembro con respecto a algunos de los objetivos, pero debido a la
compensación entre los diferentes objetivos no será mejor con respecto a otros
objetivos.
Al resolver el problema de calibración multiobjetivo, el problema suele ser
https://translate.googleusercontent.com/translate_f 113/148
10/9/2020 MODELOS HIDROLÓGICOS
transformado en un problema de optimización de un solo objetivo mediante la definición de un escalar que
agrega las diversas funciones objetivo. Una de esas medidas agregadas es la euclidiana
distancia
donde se asignan las constantes de transformación a los diferentes objetivos, lo que permite
yo A
el usuario para seleccionar prioridades relativas a ciertos objetivos. La selección de la transformación
constantes, sin embargo, no es sencillo, ya que la prioridad también depende del valor
de sí mismo. Por ejemplo, si todos se ponen a cero, se dan implícitamente pesos mayores a
yo F yo A
objetivos con valores F más grandes. Para investigar todo el frente de Pareto, el agregado
La medida de distancia se puede adoptar realizando varias ejecuciones de optimización utilizando
diferentes valores de. yo A
En aplicaciones prácticas, todo el conjunto de Pareto puede ser demasiado caro de calcular,
y uno solo está interesado en una parte de las soluciones óptimas de Pareto. En este caso lo es
propuso utilizar una función objetivo agregada que pone igual peso en la
diferentes objetivos. Se puede definir una medida equilibrada asignando transformación
constantes en la ecuación (6.17) tales que + ) tienen aproximadamente la misma distancia al origen.
( todos
yo AF yo
Cuando se utiliza un algoritmo de optimización basado en la población (método de búsqueda global),
Se evalúa la población inicial dentro de la región factible. Los valores mínimos de
( min, ) se estiman a partir de esta población inicial, y cada una de las funciones objetivo
yo FFyo
se transforma a tener la misma distancia al origen que la función objetivo con
el mayor valor mínimo de, es decir
yo F
6-12
Página 130
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 114/148
10/9/2020 MODELOS HIDROLÓGICOS
dónde f yoy 1 - Fyo son
los valores de la función en el (i-1)th e i th pasos, respectivamente, y f ε
es el criterio de convergencia de funciones (por ejemplo, fε = 10-3 ).
dónde θ j )yo-(y)
1 ( θ j yo son los valores del parámetro j- ésimo en los pasos (i-1) -ésimo e i- ésimo ,
respectivamente, y ε es
θ el criterio de convergencia de parámetros (por ejemplo θε = 10-3 ).
6-13
Página 131
Ch6. La metodología de evaluación de modelos
copia de seguridad para evitar pérdidas de tiempo en la computadora; si el algoritmo no termina dentro de un
Número "razonable" de iteraciones, el código de computadora puede necesitar ser examinado para
"loco".
6.3.3.4d Limitaciones
En general, se acepta que la elección adecuada de los datos de calibración puede hacer mucho para
Reducir las dificultades encontradas durante la calibración de un modelo hidrológico. Sin embargo,
poco se sabe objetivamente sobre lo que constituyen datos de calibración "buenos". El criterio
Los problemas aquí son cuántos datos son necesarios y suficientes para la calibración y qué tipo
de datos dará los mejores resultados (estimaciones de parámetros especificadas con mayor precisión).
Ha sido una práctica común utilizar tantos datos como estaban disponibles para la
calibración, después de reservar parte del conjunto de datos para verificación (ver sección 6.4) del
resultados. Sin embargo, los estudios de Sorooshian et al (1983) y Xu y Vandewiele (1994)
indicó que el uso de conjuntos de datos más largos de lo necesario sólo servía para
mejorar marginalmente las estimaciones de los parámetros. En general, desde un punto de vista estadístico,
El conjunto de datos utilizado debe tener al menos una longitud de 20 veces el número de parámetros que se
estimado (por ejemplo, si hay 10 parámetros, entonces al menos 200 datos de caudal
los puntos deben usarse para calcular la función). Esta es, por supuesto, una regla aproximada.
de pulgar. Gupta y Sorooshian (1985) demostraron que el error estándar (j) del
La estimación del parámetro (j) disminuye con el tamaño de la muestra n aproximadamente de acuerdo con
fórmula:
https://translate.googleusercontent.com/translate_f 115/148
10/9/2020 MODELOS HIDROLÓGICOS
1
σ ) (j ∝ (6.21)
norte
Debido a que la mejora marginal en 1 / n se vuelve pequeña después de 500 a 1000 puntos de datos,
Esto sugiere que dos o tres años de datos de calibración deberían ser suficientes para una
modelo con no más de 10 parámetros, siempre que los datos sean del tipo correcto . Esta
nos lleva a una discusión sobre la calidad de los datos.
Desde el punto de vista de la calibración del modelo, la calidad de los datos depende de
la información (sobre los parámetros) contenida en los datos y el ruido (errores) en el
datos. Claramente, deseamos que el contenido de la información sea lo más grande posible y que el ruido
Sea lo más pequeño posible.
6-14
Página 132
Modelos hidrológicos
Informatividad
Cualitativamente, un conjunto de datos informativos es aquel que contiene o representa suficiente
variabilidad en el comportamiento de las cuencas hidrográficas que los diferentes modos de
Los procesos hidrológicos están debidamente representados. Por ejemplo, si los datos seleccionados son
de un año relativamente seco, ciertos procesos de escorrentía pueden no activarse, por lo tanto,
La respuesta del modelo será insensible a algunos de los parámetros del modelo que determinan la
reparto de la humedad entre los diversos componentes del flujo subterráneo y terrestre.
Sin embargo, si los datos seleccionados son de un año que es tan húmedo que la cuenca permanece
saturado la mayor parte del tiempo, la respuesta del modelo puede ser insensible a otros subsuperficies
parámetros de control de flujo. La mejor opción parece ser un conjunto de datos que contiene una gran cantidad de
“Variabilidad hidrológica”. Por tanto, cuanto más a menudo cambia el régimen hidrológico de
entre los modos seco, medio y húmedo, es probable que los datos sean más informativos.
Errores de datos
La presencia de errores de medición y registro en los datos hace que la calidad
deteriorarse, lo que resulta en una menor confianza en las estimaciones de los parámetros. En seleccion
datos para la calibración del modelo, es deseable que los datos se examinen cuidadosamente para varios
errores.
6.4.1. Introducción
Prueba o verificación o validación de un modelo después de que los valores de los parámetros sean
estimado es el tercer nivel de análisis del modelo. Como ningún modelo es perfecto, la verificación
Requiere juicios subjetivos y objetivos sobre muchos aspectos para determinar
si los resultados proporcionan información adecuada para responder la pregunta que enfrenta el
tomadores de decisiones, y se puede esperar que todos los modelos fallen al menos en algunas ocasiones.
Los resultados incorrectos pueden deberse a una variedad de causas, los problemas comunes pueden ser:
(1) Errores en los datos utilizados en la calibración. Tanto los datos utilizados como entrada al modelo
y los datos utilizados para comprobar la salida del modelo deben comprobarse con mucho cuidado. Datos con
grandes errores no deben utilizarse para la calibración. Además, los datos utilizados para calibrar o
a probar son siempre solo una muestra de la posible población de valores. Relativo a los valores
predichos por un modelo, los valores reales contienen un componente probabilístico o estocástico
como resultado de factores físicos que no se modelan en absoluto.
(2) Uso de un período de registro que no contiene suficientes eventos del
procesos necesarios para calibrar parámetros clave.
(3) Representación inadecuada o incorrecta por el modelo de procesos hidrológicos
encontrado en la cuenca. Los resultados del modelo deben compararse visualmente con los
series de datos para buscar variaciones consistentes.
https://translate.googleusercontent.com/translate_f 116/148
10/9/2020 MODELOS HIDROLÓGICOS
Por lo tanto, la prueba del modelo en algunos casos también se denomina "verificación de diagnóstico". Si el
modelo es lo suficientemente bueno, luego podemos pasar a la aplicación. Si no, uno comienza todo
proceso de nuevo cambiando una o más hipótesis de trabajo y comprobando el
datos utilizados. En qué dirección se debe cambiar el modelo aparece principalmente durante el modelo
prueba.
6-15
Página 133
Ch6. La metodología de evaluación de modelos
Klemes (1986) propuso un marco de validación de modelos para probar los conceptos
modelos hidrológicos según las tareas de modelado. Cuatro categorías principales, correspondientes
Las tareas de modelado y los métodos de prueba se resumen en la Tabla 6.1.
La prueba simple de muestra dividida implica dividir los datos de series de tiempo medidos disponibles
para la cuenca de prueba en dos conjuntos, cada uno de ellos debe usarse a su vez para la calibración
y validación, y los resultados de ambos acuerdos comparados. Para split diferencial
pruebas de muestra, se sigue el mismo enfoque, pero los datos se dividen según
tasa de lluvia o alguna otra variable en un intento de mostrar que el modelo tiene
validez en que puede predecir los valores de las variables de salida para condiciones diferentes
de aquellos para los que fue calibrado. Por ejemplo, si el modelo está destinado a simular
flujo de corriente para un escenario de clima húmedo, entonces debe calibrarse en un conjunto seco de la
récord histórico y validado en plató húmedo. Si se pretende simular caudales para un seco
escenario climático, se debe hacer lo contrario. En general, el modelo debe demostrar
su capacidad para funcionar bajo la transición requerida: de condiciones más secas a más húmedas o
opuesto. Las pruebas de captación indirecta utilizan datos para dos cuencas. Estas pruebas se pueden utilizar para
muestran que el modelo tiene una validez general aún mayor, ya que implican calibrar el modelo
contra los datos de una cuenca y luego ejecutar una prueba de validación utilizando datos para la otra
captación. Para las pruebas de captación diferencial proxy, la serie temporal medida disponible
Los datos de cada cuenca se dividen en dos conjuntos de acuerdo con la tasa de lluvia o alguna otra
variable. Luego, el modelo se calibra contra uno de los conjuntos (por ejemplo, los datos del período seco para
la primera cuenca) y una prueba de validación utilizando un conjunto de contraste (por ejemplo, el período húmedo
datos para la segunda cuenca). Se requiere calibración en los cuatro métodos de validación
discutido anteriormente.
Beven y col. (1984) y Loague (1990) utilizaron otro tipo de prueba en la que la
El modelo no está calibrado y las predicciones simplemente se comparan con las mediciones.
Recientemente, Ewen y Parkin (1996) propusieron un método, a saber, un enfoque "ciego". los
La característica central de este método es que implica hacer predicciones para una cuenca de prueba.
como si se tratara de una captación hipotética. Por lo tanto, el modelador no puede ver
los datos de salida para la cuenca de prueba (es decir, el método implicó pruebas 'ciegas'), y, como
resultado, no se puede calibrar el modelo para la cuenca de prueba.
Cuadro 6.1 Esquema jerárquico para pruebas operativas de modelos de simulación hidrológica
______________________________________________________________________
Condiciones estacionarias Condiciones transitorias
___________________________ ___________________________________
Cuenca A Cuenca B Cuenca A Cuenca B
______________________________________________________________________
Cuenca A Prueba de muestra dividida Prueba de cubeta proxyDiferencial diferencial de cuenca proxy de muestra dividida
prueba prueba de muestra dividida
Prueba de la cuenca B Proxy-cuencaPrueba de muestra dividida Diferencial de cuenca proxy Diferencial de muestra dividida
prueba de muestra dividida prueba
_____________________________________________________________________
https://translate.googleusercontent.com/translate_f 117/148
10/9/2020 MODELOS HIDROLÓGICOS
6-16
Página 134
Modelos hidrológicos
Análisis de parámetros:
La evaluación de los valores de los parámetros durante la optimización. La estabilización del
Los valores de los parámetros se pueden estudiar en los gráficos de los valores de los parámetros frente al número de
iteraciones. En la figura 6.3 se da un ejemplo de tales gráficos.
Análisis de residuos:
La cuestión básica en las pruebas de modelos es determinar si las estimaciones hidrológicas
(error residual) logrado por la calibración son aceptables. El análisis de residuos está comprobando
si los residuos ut se comportan como lo requieren las hipótesis del modelo, especialmente
si son independientes, homocedásticos y normalmente distribuidos con cero
expectativa.
Comprueba la independencia
La hipótesis de que los residuos no están correlacionados entre sí se puede verificar mediante
calcular las autocorrelaciones de los residuos, k ρ , con retardo de tiempo k y el
intervalo de confianza correspondiente. En general, las autocorrelaciones k ρ con retraso de tiempo k es
6-17
https://translate.googleusercontent.com/translate_f 118/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 135
Ch6. La metodología de evaluación de modelos
ρ k = xE[( t /)]
- µ) (X + kt - σµ 2 (6.22)
kn-
∑ ( xxx
t
- )( kt+
- X)
t =1
rk = (6.23b)
norte
∑ ( xxt - ) 2
t =1
r k%) 95 ( =
1
kn-
[± (96,11
- kn−− )1 ] (6.24)
Si el calculado cae fuera de estos límites de confianza, la hipótesis de que ρ kes cero
kr
(H o : kρ = 0 contra H a : k ρ ≠ 0) se rechaza. En la Figura se muestran ejemplos de las pruebas
6.4.
l
Alabama
idu0.40 idua0.40
s s
0,20 0,20
de re de re
norte
0,00 0,00
lacion latio
-0,20 -0,20
corre
a -0,40 tocorre
-0,40
Au 0 10 20 30 40 50 60 70 80 90100 Au 0 10 20 30 40 50 60 70 80 90100
Retrasos de tiempo Retrasos de tiempo
Figura 6.4. Autocorrelación de residuos. (Izquierda) Caso correlacionado. (Derecha) Sin correlación
caso.
6-18
Página 136
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 119/148
10/9/2020 MODELOS HIDROLÓGICOS
de estasposibilidades.
existen hipótesis. Son posibles combinaciones de estas infracciones y otras
El diagrama de respuesta residual versus esperada . Expectativas condicionales del
los residuos deben ser cero para todos los dt y las varianzas condicionales deben ser iguales. Esta
parece no ser el caso en la figura 6.6 donde el residual esperado parece aumentar
con dt y la varianza disminuye. Ambos aspectos dan lugar a serias dudas sobre la validez de
las hipótesis modelo.
Los diagramas de factores residuales versus observados . Considerando todos los residuos en el
mismo tiempo conduce a un diagrama marginal. Cuando solo se consideran los residuales donde todos o
parte de los otros factores observados se mantienen constantes aproximadamente, una condición
se obtiene el diagrama. Nuevamente, las violaciones están en el origen de la reformulación del modelo.
La figura 6.7 y la figura 6.8 son ejemplos de gramas de dispersión marginales, que parecen satisfacer
hipótesis modelo.
La prueba de Kruskal-Wallis, o prueba H, nos permite probar la hipótesis nula de que k
Las muestras aleatorias independientes provienen de poblaciones idénticas. Es un no paramétrico
prueba. El método asume que la variable tiene una distribución continua, pero nada es
dijo acerca de la forma de la distribución de la población o distribuciones de las cuales
Se extrajeron muestras. La prueba se basa en la estadística
k 2
12 Ryo
H = ∑ - ) 1norte
(3+ (6,25)
nn) 1 +( yo= 1 norte
yo
Comprueba la normalidad
La hipótesis de que los residuos se distribuyen normalmente es necesaria si la estimación
Se requieren regiones de confianza para los parámetros. La normalidad se puede probar usando
diferentes métodos. Aquí se analiza el método de prueba de Kolmogorov-Smirnov. La prueba tiene
varias ventajas. Es fácil de usar y el procedimiento es gráfico; un gran número de
las muestras se pueden analizar en la misma parcela; la prueba no es paramétrica y no está sujeta a
la muy pequeña limitación de la muestra. La prueba se realiza de la siguiente manera:
1) Sea F (x) la función de distribución acumulativa teórica completamente especificada
bajo la hipótesis nula.
mi
2) Sea F ) ( x ser la función de densidad acumulativa de la muestra basada en n observaciones.
6-19
Página 137
Ch6. La metodología de evaluación de modelos
mi
re = max xFxF
)( - )( (6,26)
https://translate.googleusercontent.com/translate_f 120/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.6.5 Diagramas de residuos versus tiempo. A: muestra que los residuos son homocedásticos
y no correlacionado; B: muestra que los residuos están autocorrelacionados; C: muestra un
componente periódico en los residuos.
6-20
Página 138
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 121/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.6.5 Diagrama de residuos versus tiempo. D: muestra que la varianza depende del tiempo
(heterocedasticidad); E y F: muestra que la media depende del tiempo (tendencia)
6-21
Página 139
Ch6. La metodología de evaluación de modelos
Fig.6.6 Diagrama de respuesta residual versus esperada. (El residual esperado aparece
para aumentar con dt y la varianza disminuye)
https://translate.googleusercontent.com/translate_f 122/148
10/9/2020 MODELOS HIDROLÓGICOS
Fig.6.7 Residuos versus precipitación.
6-22
Página 140
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 123/148
10/9/2020 MODELOS HIDROLÓGICOS
los parámetros
Para tener del modelo
éxito a las características
en el estudio de la cuenca
de regionalización, y / o ubicación
el siguiente principiogeográfica.
es importante:
• Las clases de parámetros (tipos de suelo, tipos de vegetación, zonas climatológicas,
capas geológicas, etc.) deben seleccionarse para que sea fácil, en un
forma objetiva, para asociar valores de parámetros.
• Debe evaluarse explícitamente qué parámetros se pueden evaluar desde el campo.
datos solos y que necesitan algún tipo de calibración.
• El número de parámetros de calibración reales debe mantenerse bajo, tanto desde
puntos de vista prácticos y metodológicos.
6-23
Página 141
Ch6. La metodología de evaluación de modelos
Los métodos de estimación puntual pretenden proporcionar un valor único de cada parámetro para el
captación no calibrada en el caso de modelos agrupados o para cada celda de la cuadrícula regular en caso de
modelos distribuidos. Los métodos de estimación puntual no suelen tener en cuenta
de la incertidumbre de los parámetros.
Se observa aquí que para tener mejores posibilidades de éxito en la regionalización
estudio es importante enumerar algunos requisitos básicos en el modelo, los parámetros del modelo
y las cuencas hidrográficas.
• Primero, para tener un análisis de regresión estadístico significativo, el número de mediciones
captaciones utilizadas para optimizar los parámetros del modelo y establecer ecuaciones de regresión
debe ser más de 20, en cualquier caso no menos de 10.
• En segundo lugar, el número de parámetros que deben regionalizarse debe mantenerse para
mínimos, es decir, el principio de parsimonia es importante en el análisis.
• En tercer lugar, se debe utilizar la técnica de optimización automática para obtener
y valor repetible para cada parámetro en cada cuenca calibrada. Con manual
calibración, cada persona que calibre el modelo obtendrá diferentes valores para la
mismo parámetro en la misma cuenca y uno nunca sabe qué valor debe ser
utilizado en el análisis de regresión.
• Cuatro, la mayoría de los métodos de regionalización asumen que los parámetros del modelo son independientes
y distribuidos de forma idéntica para todas las cuencas. Métodos de análisis estadístico de
Los valores de los parámetros, como se discutió en la sección 6.4.3 y más detalles en Xu (2001) deben
realizarse con el fin de probar la hipótesis, es decir, si no están correlacionados,
distribuidos de forma idéntica y estadísticamente significativos.
https://translate.googleusercontent.com/translate_f 124/148
10/9/2020 MODELOS HIDROLÓGICOS
La interpolación espacial de los parámetros del modelo también es un método común para
regionalización. Para obtener valores de parámetros regionales, los parámetros del modelo son
calibrado en primer lugar en todas las cuencas de captación calibradas de la región, los valores de los parámetros
6-24
Página 142
Modelos hidrológicos
Donde Y es una variable dependiente (parámetros del modelo en nuestro caso), X 1 , X 2 , ... son
variables independientes (atributos de la cuenca) y β 1 , β 2 , ... son regresión desconocida
parámetros.
Las variables dependientes e independientes pueden transformarse para dar cuenta de
relaciones no lineales como se muestra en algunas de las ecuaciones anteriores. Una regresión múltiple
El análisis se realiza para cada parámetro del modelo y qué características de la cuenca
incluir para cada parámetro es un punto esencial. Sefton y Howarth (1998) presentaron un
guía de cómo realizar el análisis, incluido el análisis exploratorio de correlación,
análisis de componentes principales, regresión escalonada y regresión múltiple.
6-25
https://translate.googleusercontent.com/translate_f 125/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 143
Ch6. La metodología de evaluación de modelos
2
1 metro
Runa+ Rsi2 + RC2 + ...
Maximiza ∑ Ryo2 + (6,27)
metro
yo=1 norte
2
donde hay m = número de sitios en la región, representa el coeficiente
Ryo de
determinación para el sitio i que mide la bondad de ajuste de los logaritmos del
2
flujos modelados en el sitio i y ,,,R… Rsi2 RC2 el coeficiente de determinación
unarepresentan
asociado con cada uno de los modelos de regresión para los parámetros del modelo a, b, c, ..., en
2
características de la cuenca, respectivamente. Por ejemplo,
R una
es el coeficiente de determinación
para el parámetro a regresó sobre las características de la cuenca. La idea de la función objetivo en
La ecuación (6.27) es maximizar la bondad promedio de ajuste del modelo en todos los sitios.
así como para maximizar la bondad promedio de ajuste de las ecuaciones de regresión que relacionan
parámetros del modelo a las características de la cuenca. Los resultados del estudio mostraron que el uso de
El enfoque de calibración regional mejoró las relaciones regionales entre el modelo
parámetros y características de la cuenca significativamente en comparación con los
enfoque de regionalización escalonada, es decir, el enfoque de regresión múltiple.
El método bayesiano
La metodología, el procedimiento y los resultados de la aplicación se describen en detalle en
Engeland y col. (2001).
6-26
Página 144
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 126/148
10/9/2020 MODELOS HIDROLÓGICOS
6-27
Página 145
Ch6. La metodología de evaluación de modelos
https://translate.googleusercontent.com/translate_f 127/148
10/9/2020 MODELOS HIDROLÓGICOS
Lindström, G., 1997. Una sencilla rutina de calibración automática para el modelo HBV. nórdico
Hidrología 28 (3), 153-168.
Liong, SY et al., 1996. Construcción de superficie de respuesta de función multiobjetivo con
algoritmo genético y red neuronal. En: Proceedings of the International
Conferencia sobre recursos hídricos e investigación ambiental, 29-31 de octubre, Kyoto,
Japón, Vol.II, págs. 31-38.
Liong, SY et al., 1998. Derivación del frente de Pareto con convergencia genética acelerada
algoritmo, ACGA. En: Babovic, V. y Larsen, LC (eds.). Hidroinformática'98,
Balkema, Rotterdam, Países Bajos, págs. 889-896.
Loague, KM, 1990. R-5 revisitado 2. Reevaluación de una precipitación casi física
modelo de escorrentía con información complementaria, Water Res. Resour ., 21: 973-987.
Madsen, H. 2000. Calibración automática de un modelo conceptual de lluvia-escorrentía utilizando
múltiples objetivos, J. Hydrol. 235: 276-288.
Magette, WL, Shanholtz, VO y Carr, JC, 1976. Estimación de parámetros seleccionados para
el modelo de cuenca de Kentucky a partir de las características de la cuenca, Wat. Resour. Res .
12 (3): 472-476.
Motovilov, YG, Gottschalk, L, Engeland, K y Rodhe, A., 1999. Validación de un
modelo distribuido contra observaciones espaciales, meteorología agrícola y forestal
98-99, 257-277.
Nash, JE y Sutcliffe, JV, 1970. Pronóstico del caudal de los ríos mediante modelos conceptuales.
Parte I: una discusión de principios. J. Hydrol. , 10: 282-290.
Refsgaard, JC, 1997. Parametrización, calibración y validación de distribuidos
modelos hidrológicos, Journal of Hydrology 198, 69-97.
Sefton, CEM y Howarth, SM, 1998. Relaciones entre respuesta dinámica
características y descriptores físicos de las cuencas hidrográficas en Inglaterra y Gales, Journal
of Hydrology 211, 1-16.
Sorooshian, S. 1981. Estimación de parámetros de modelos de precipitación-escorrentía con
Errores de caudal heteroscedásticos: caso de datos no informativos, En: Y. Haimes y J.
Knolles (eds.), Water and Related Land Resources Systems, IFAC Symposium,
Cleveland, Ohio, del 28 al 31 de mayo. Pergamon Press, Nueva York, NY, págs. 477-485.
Sorooshian, S. y JA Dracup, 1980. Procedimientos de estimación de parámetros estocásticos para
modelos hidrológicos de lluvia-escorrentía: casos de error correlacionados y heterocedásticos, Agua
Resour. Res. 16 (2): 430-442.
Sorooshian, S. y VK Gupta, 1995. Capítulo 2: Calibración del modelo. En: VP Singh (ed.)
Modelos informáticos de hidrología de cuencas hidrográficas, publicaciones sobre recursos hídricos,
Colorado, Estados Unidos.
Sorooshian, S., 1978. Consideraciones de propiedades estocásticas en la estimación de parámetros
de modelos hidrológicos de lluvia-escorrentía, tesis doctoral, Universidad de California-
Los Ángeles, 1978.
6-28
Página 146
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 128/148
10/9/2020 MODELOS HIDROLÓGICOS
Yapo, PO et204,
Hydrol. al., 1998.
83-97.Optimización global multiobjetivo para modelos hidrológicos. J.
Yevjevich, VM, 1972. Probabilidad y estadística en hidrología. Recursos hídricos
Publicación, Fort Collins, Co.
6-29
Página 147
CAPÍTULO 7
ALGUNOS TEMAS DE OPTIMIZACIÓN
_____________________________________________________________________________
7.1 GENERALIDADES
X = ( x 1 , x 2 , ..., x n )
y donde las restricciones sobre X se imponen de antemano. Estas limitaciones implican que la
χ de R n , el conjunto de valores admisibles de X. En
el vector X solo toma valores en un subconjunto
En resumen, un programa matemático tiene la forma
óptimo f (X)
X∈χ
Una optimización puede ser una maximización o una minimización. Si tenemos un método para
maximizando f (X) , entonces tenemos al mismo tiempo un método para minimizarlo por
maximizando - f (X) .
En este contexto estamos hablando de optimización global, en contraposición a la búsqueda
para óptimos locales, que se encuentran solo en un vecindario, consulte la figura 7.1.
En algunos casos tenemos eso
χ=Rn ,
y luego se dice que el problema es un problema de optimización sin restricciones, pero sobre todo
χ es un subconjunto propio de R n , y luego se dice que es un problema de restricción
mejoramiento.
7-1
Página 148
Ch7. Algunos temas de optimización
Figura 7.1. Mínimos globales y locales de una función f (x) de una variable escalar x
Las diferentes estrategias de búsqueda local difieren en los métodos por los cuales se toman estas decisiones.
hecho. Basándose en tales diferencias, los métodos de búsqueda local pueden clasificarse además como
7-2
Página 149
Modelos hidrológicos
Una estrategia de optimización de búsqueda directa utiliza solo el valor de función (objetivo)
información en el proceso de decisión descrito anteriormente. Un método típico es el siguiente.
Comenzando en el punto inicial, la estrategia selecciona alguna dirección y tamaño de paso y
evalúa la función en el nuevo punto. Puede hacer esto para más de un punto nuevo.
Luego, en base a las diferencias en los valores de la función entre el punto (s) inicial y nuevo, un
Se hace una predicción de cuál es la mejor dirección para moverse para mejorar la función y
cuán grande es el paso que se debe dar en esa dirección. Cada estrategia de búsqueda directa tiene su
propia “idea” sobre cómo se debe hacer esto para resolver rápidamente el problema. Un paso
se toma en la dirección de prueba, y si el nuevo punto tiene un valor de función menor que el
punto anterior, reemplaza al anterior, y se repite el procedimiento. Si el nuevo punto
resulta ser peor que el punto anterior, el tamaño del paso se reduce y se hace otro intento
hecho en una nueva ubicación. La búsqueda se detiene cuando la estrategia no puede encontrar una dirección.
en el que la mejora es posible. En esta sección discutimos una serie de simples
métodos, la mayoría de los cuales se utilizan como base para métodos más complicados, que intentan
compensar las desventajas.
X = X 0 + λ re
fX
( 0
+ λ re ) < f X( 0
)
incluso podemos intentar encontrar un valor de λ tal que ( 0f+X λ re ) es lo más pequeño posible. Esta
es un problema de la denominada "minimización lineal".
Hay muchos algoritmos de búsqueda lineal. Hablamos de uno de ellos, el "duplicar
y algoritmo de reducción a la mitad "con fines ilustrativos; no es necesariamente un
algoritmo. Para n = 2, se ilustra en las figuras 7.2 a 7.4.
Supongamos que se sabe en cuál de ambas direcciones a partir de X 0 el criterio
la función disminuye; por ejemplo, para λ > 0. Comenzando con0un ( >valor
0 ) deλ ,λcomparamos
https://translate.googleusercontent.com/translate_f 131/148
10/9/2020 MODELOS HIDROLÓGICOS
fX
( ) 0yf ( X 0 + λ 0 re )
Si
f (X 0 + λ 0 re ) < f X
( 0
)
7-3
Página 150
Ch7. Algunos temas de optimización
probamos el punto X 0 + 2 0λ D
Si
f (X 0
+ 2 λ0 re ) < f (X 0
+ λ 0 re )
f (X 0 + λ 0 re ) > f X( 0 )
λ0
luego probamos X 0 + re
2
Si
λ0
f (X 0 + re ) ≥ f X( 0 ),
2
dividimos λ a la mitad nuevamente, hasta que el nuevo valor de la función sea menor que f (X 0 ). El nuevo (mejor)
el punto entonces es el último valor de λ .
Este algoritmo calcula los valores de la función excluyendo los cálculos del
derivados. Este algoritmo se puede mejorar fácilmente por orden cuadrático o superior
interpolaciones. No insistimos más en este punto.
Figura 7.2. El problema de minimización lineal para n = 2. Las curvas son contornos de f (X).
https://translate.googleusercontent.com/translate_f 132/148
10/9/2020 MODELOS HIDROLÓGICOS
7-4
Página 151
Modelos hidrológicos
7-5
Página 152
Ch7. Algunos temas de optimización
https://translate.googleusercontent.com/translate_f 133/148
10/9/2020 MODELOS HIDROLÓGICOS
Figura 7.5. Minimización a lo largo de las direcciones de los ejes. Las curvas son contornos de f (X).
Los métodos basados en el principio de direcciones conjugadas intentan evitar el bajo progreso
en valles estrechos como se menciona en las secciones 7.2.1.1ay 7.2.1.1b.
Se ilustra el procedimiento del algoritmo con direcciones conjugadas.
esquemáticamente en la figura 7.7 y con contornos en la figura 7.8.
D 1= X 2- X11
1
• Repita los pasos uno y dos. En general, la i-ésima iteración se optimiza a lo largo de
3
líneas con la dirección D, de las cuales una línea pasa a través de la vecina X . Estas
i-1
dos óptimos definen una línea con dirección
7-6
Página 153
Modelos hidrológicos
Dyo= X 2- Xi 1
yo
3
a lo largo del cual encontramos por optimización lineal el punto inicialXde
yo la (i + 1) -ésima
iteración.
El algoritmo de direcciones conjugadas se puede generalizar en n variables.
https://translate.googleusercontent.com/translate_f 134/148
10/9/2020 MODELOS HIDROLÓGICOS
7-7
Página 154
Ch7. Algunos temas de optimización
https://translate.googleusercontent.com/translate_f 135/148
10/9/2020 MODELOS HIDROLÓGICOS
punto, reemplace el peor punto por el punto de expansión. Si no, reemplace lo peor
punto por el punto de reflexión. Vaya al paso 7.
(5) Localice un nuevo punto (de contracción) a medio camino entre el peor punto y el
centroide (vea la figura 7.9c). Si el valor de la función en el punto de contracción es mejor
que el peor punto, reemplace el peor punto por el punto de contracción y vaya a
paso 7. Si no es así, vaya al paso 6.
(6) Reducir el simplex moviendo cada punto (excepto el mejor punto) a una ubicación
a medio camino entre su ubicación actual y el mejor punto (Fig. 7.9d).
(7) Repita los pasos del 1 al 6 hasta que el tamaño del simplex sea más pequeño que
criterio de convergencia. El punto con el mejor valor de función se selecciona como
estimación del óptimo.
7-8
Página 155
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 136/148
10/9/2020 MODELOS HIDROLÓGICOS
Θ yo − Θρ= UNA
+ 1 Θ∇⋅⋅yo yo
7-9
Página 156
Ch7. Algunos temas de optimización
dirección de mejora local. Cada método de gradiente utiliza diferentes métodos para seleccionar
ρ y A. Por ejemplo, el enfoque de "descenso más pronunciado" utiliza la matriz de identidad (todos
los valores diagonales son uno y los valores fuera de la diagonal son cero). En general, la mayor parte del gradiente
Los métodos utilizan alguna aproximación a la matriz "hessiana" (matriz de la segunda
derivadas de la función con respecto a los parámetros). Si la matriz hessiana exacta
se utilizaran, el método de optimización sería el conocido "método de Newton"
que es la forma más rápida de resolver un problema cuadrático.
Al igual que con los métodos de búsqueda directa, si el nuevo punto tiene un valor de función menor que
el punto anterior, el nuevo punto reemplaza al anterior, y se repite el procedimiento. Si
el nuevo punto resulta ser peor que el punto anterior, entonces se reduce el tamaño del paso
y se realiza otro intento en una nueva ubicación. La búsqueda se detiene cuando la estrategia es incapaz
para encontrar una dirección en la que sea posible mejorar. En este punto, el valor del gradiente
será numéricamente muy cercano a cero.
https://translate.googleusercontent.com/translate_f 137/148
10/9/2020 MODELOS HIDROLÓGICOS
Aspecto general:
Si la función de criterio f (X) es diferenciable, el vector de primeras derivadas se llama
el gradiente
7-10
Página 157
Modelos hidrológicos
∂2 f X() ∂ 2 f X()
=
∂ xx
∂yo j ∂ xx
∂Ji
1
fX
() = f X( 0
) + GX( 0
) ⋅( XX- 0
)T + ( XX- 0
) ⋅( HX 0
) ⋅( XX- 0
).T + ..
2
o para abreviar
1
fX
() = f 0G+ 0 ⋅ ( XX- 0 )T + ( XX- 0 ) ⋅ ⋅H 0 ( XX- 0 ) T + ...
2
F0 = f X( = GX(
), GRAMO ), H 0 = HX(
0 0 0 0)
GX() = GX( 0
) (+ XX- 0
) ⋅( HX 0
).+ ..
GX() = GRAMO
0
+ ( XX- 0 )⋅ +
H 0 . ..
https://translate.googleusercontent.com/translate_f 138/148
10/9/2020 MODELOS HIDROLÓGICOS
Si las segundas
~ derivadas de f (X) son continuas para todo X, entonces
~ es necesario ~
condición para X ser un mínimo local o global es que XG( 0)= , y eso XH( es)
~ ~
semidefinido positivo. Una condición suficiente es que XG( 0)= , y eso XH( es)
positivo definitivo.
Un método de solución obvio del problema de optimización es resolver el vector
~
ecuación XG( 0)= .
7-11
Página 158
Ch7. Algunos temas de optimización
Método de Newton-Raphson:
Cuando f (X) es una función cuadrática, su expansión de Taylor es un polinoma cuadrático en
X. El Hessiano H (X) no depende entonces de X (segundas derivadas de una cuadrática
~
¡función!). Esta función cuadrática tiene un mínimo de X si H (X) es positivo definido, y
tenemos
~
XG( 0)=
~ ~
XG( ) = XG() ( + XHXX
- 0)⋅ () =
o
~ -1
-=
XHXGXX ) () ( ⋅
~
Como consecuencia, comenzando con un punto arbitrario X, podemos encontrar el mínimo X por
computación del gradiente G (X) y H (X).
El algoritmo de Newton (también llamado algoritmo de Newton-Raphson) se basa en el
idea de que f (X) puede aproximarse mediante su expansión de Taylor truncada después de la cuadrática
términos en X; en consecuencia, f (X) sería una función cuadrática aproximadamente. Con un
punto arbitrario X asociamos la dirección
-
- GXHX
() () 1 ⋅
a lo largo del cual realizamos una optimización lineal. En el nuevo punto obtenido, repetimos este
operación, etc., hasta que una regla de detención detenga el algoritmo.
Este método requiere el cálculo de la primera y segunda derivadas de f y también
valores de función de f en vista de las minimizaciones de línea. Una desventaja importante en
muchas circunstancias es tener que calcular segundas derivadas e invertir la
Arpilleras. El arpillera puede incluso ser singular, por lo que la iteración es imposible. Localmente, lejos
del mnimo buscado, el hessiano puede ser incluso definido no positivo, lo que
hace que los métodos sean mucho menos atractivos.
En caso de que las derivadas de f (X) no estén disponibles (por ejemplo, f (X) no es diferenciable), uno
tiene que utilizar algoritmos de búsqueda directa. Por tanto, un primer criterio es la disponibilidad de
elementos necesarios para el algoritmo.
Observe que los métodos de gradiente se pueden transformar en algoritmos de búsqueda directa, por
aproximación de diferenciales por diferencias.
Un segundo criterio es la cantidad de cálculo, que es necesario para
acercándose al óptimo. El tiempo de la computadora depende del número de valores de función,
primera y segunda derivadas a calcular y en otros cálculos (inversión de
matrices, etc.) A menudo es difícil estimar la velocidad de convergencia de un algoritmo,
especialmente el número de iteraciones necesarias. Por lo tanto, los algoritmos se prueban en
las llamadas "funciones de prueba". Un criterio teórico es el número de optimizaciones lineales
tomado para alcanzar el óptimo de una función cuadrática.
El principal punto débil de los métodos de búsqueda local es que la mayoría de los problemas prácticos
https://translate.googleusercontent.com/translate_f 139/148
10/9/2020 MODELOS HIDROLÓGICOS
que involucran la calibración de modelos hidrológicos no lineales tienen superficies de respuesta que son
7-12
Página 159
Modelos hidrológicos
multimodal, es decir, hay varias ubicaciones del espacio de parámetros donde el valor
de la función es un "mínimo local". En tales casos, el punto donde una búsqueda local
El algoritmo termina dependerá de la ubicación donde se inicia. Como resultado, es
Es difícil, si no imposible, saber con certeza si el procedimiento ha localizado el
Mínimo “global” de la función.
Las estrategias de búsqueda global están diseñadas para descubrir de manera eficiente el mínimo de múltiples
funciones modales. Tales estrategias se dividen en tres categorías: deterministas, estocásticas o
combinación de determinista y estocástico. Las estrategias deterministas requieren que ciertos
Los criterios relacionados con la continuidad de la función y sus derivadas se satisfagan para
Garantizar la convergencia a la solución global. Estas condiciones generalmente no se cumplen en
la calibración de modelos hidrológicos no lineales. Solo estocástico (aleatorio) y
Se han aplicado métodos combinados a la calibración de modelos hidrológicos.
Los métodos de búsqueda aleatorios (estocásticos) utilizan los generadores de números aleatorios integrados
Computadoras digitales modernas para muestrear aleatoriamente el espacio de parámetros en busca de puntos.
con valores de función mejorados. Las muestras se generan según algunos
distribución de probabilidad aplicada al espacio de parámetros factible. En la búsqueda aleatoria "pura",
el muestreo se realiza mediante una distribución uniforme. Esto asume que no hay conocimiento previo de
donde en el espacio factible existe el mejor conjunto de parámetros. Sin embargo, debido al azar puro
la búsqueda no hace uso de la información del valor de la función obtenida durante la búsqueda
para guiar la búsqueda, no es muy eficiente, especialmente para problemas con muchos
parámetros. Se han desarrollado otros métodos de búsqueda aleatorios que ajustan de forma adaptativa
la distribución de probabilidad utilizada para el muestreo basada en la información del valor de la función
obtenido durante la búsqueda. Uno de esos métodos es la búsqueda aleatoria adaptativa (ARS)
propuesto por Masri et al. (1978) y modificado por Pronzato et al. (1984).
La estrategia de ARS es la siguiente (ver también Sorooshian y Gupta, 1995):
(0) Elija un punto focal (por ejemplo, este puede ser el "mejor" punto obtenido en el
proceso preliminar de definir el espacio de parámetros, o puede ser un proceso arbitrario
punto como el centroide del espacio factible);
(1) Genere un conjunto de N puntos distribuidos aleatoriamente en todo el espacio factible (para
ejemplo, según una distribución uniforme o normal) y centrado en el
punto focal. Almacene la ubicación del punto con el mejor valor de función;
(2) Repita el paso (1) un número preestablecido de veces, la iésima vez utilizando el
rango de parámetro dividido por 10 i y centrado en el punto focal (Fig.7.11) para
restringir el espacio de búsqueda. Cada vez, almacene la ubicación del punto con la mejor
valor de la función;
(3) Compare todos los puntos almacenados y determine el punto con la mejor función
valor. Redefina este punto para que sea el nuevo punto focal. Registre en que rango
nivel se encontró este punto; y
(4) Repita los pasos (1-3) hasta encontrar el mejor punto en el nivel de rango más pequeño a
número sucesivo de veces especificado por el usuario (digamos tres). Este punto se elige como
el conjunto de parámetros óptimo.
7-13
Página 160
https://translate.googleusercontent.com/translate_f 140/148
10/9/2020 MODELOS HIDROLÓGICOS
Los informes en la literatura de optimización indican que la estrategia ARS funciona bien en
práctica. Sin embargo, Duan et al. (1992) encontraron que el algoritmo no era efectivo ni
eficiente en un simple problema de calibración del modelo hidrológico. El mejor resultado fueron
pudo obtener una tasa de éxito del 30% (30 de cada 100 ensayos localizaron la región conocida de
el óptimo global) después de muestrear el espacio 250 000 veces.
7-14
Página 161
Modelos hidrológicos
https://translate.googleusercontent.com/translate_f 141/148
10/9/2020 MODELOS HIDROLÓGICOS
7-15
Página 162
Ch7. Algunos temas de optimización
https://translate.googleusercontent.com/translate_f 142/148
10/9/2020 MODELOS HIDROLÓGICOS
UNA
(1) Asignar pesos: Asigne una distribución de probabilidad trapezoidal a, es decir,
(2- + yo
) 1metro
ρ yo= yo=1,
, ..., metro
mm) 1 (+
k
UNA
(4) Reemplazar a los padres por descendencia : Reemplace B para usar las ubicaciones originales
k
UNA
almacenados en L. Ordenar en orden de valor de función creciente.
7-16
Página 163
Modelos hidrológicos
(5) Iterar : repita los pasos (1) a (4) β veces, donde β ≥ 1 es un valor especificado por el usuario
parámetro que determina cuántos descendientes se deben generar (qué tan lejos
cada complejo debe evolucionar).
La versión de SCE-UA utilizada por Duan et al. (1993) utilizó los valores m = (2n + 1), q =
(n + 1), α = 1 y β = (2n + 1). Por tanto, la única variable que debe especificar el usuario es la
número de complejos p. En Duan et al. (1992) y Sorooshian et al. (1993), fue
demostró que el rendimiento del método SCE-UA es muy superior al del
procedimiento de inicio múltiple simplex (MSX). Afirmó que el método SCE-UA parece
Ser el mejor método disponible actualmente para la estimación de parámetros de cuencas hidrográficas conceptuales.
modelos.
(i) Interdependencia entre los parámetros del modelo, por la cual un gran número de
combinaciones de valores de parámetros darán valores igualmente bajos del objetivo
https://translate.googleusercontent.com/translate_f 143/148
10/9/2020 MODELOS HIDROLÓGICOS
función: un cambio en el valor de un parámetro puede ser compensado por cambios
en uno o más de los otros parámetros. Para un modelo de dos parámetros, una larga
El valle con fondo da como resultado la superficie de respuesta, como se muestra en la Fig. 7.13. Un gran
número de combinaciones de valores de parámetros dará valores bajos similares de la
función objetiva. Los métodos de optimización progresan poco o nada a lo largo del
piso de dicho valle hacia su punto más bajo. Se podría argumentar, por supuesto, que
esta interdependencia no es un problema, ya que cualquiera de los pares de valores en el valle
es casi un óptimo y la secuencia de salida resultante no es peor para el
interdependencia. Sin embargo, si hay que atribuir algún significado a una
valores de los parámetros: si, por ejemplo, los valores de los parámetros deben correlacionarse con la cuenca
características - los valores obtenidos de tal optimización serían
sin sentido (Gorgens, 1983a, b).
(ii) Indiferencia de la función objetivo al valor de un parámetro, el calculado
la salida del modelo, y por lo tanto el valor de la función objetivo, no se ve afectado por
cambios en el valor de un parámetro porque el parámetro es redundante o
no está activo en el conjunto particular de datos de entrada y aún peor en una región en particular
del espacio de parámetros. La indiferencia causa cero gradientes en algunas áreas del
superficie de respuesta y los métodos de optimización no pueden hacer más progresos
de tales áreas, como se muestra en la figura 7.13 para valores altos de X1.
(iii) Discontinuidades, o puntos en la superficie de respuesta en los que funciona el objetivo,
aunque sigue siendo continuo, no es diferenciable.
(iv) Óptima local, estos son puntos en la superficie de respuesta que tienen valores más bajos de
la función objetivo que cualquier punto circundante, pero tienen valores mayores que
otro punto o puntos en otra región de la superficie de respuesta. Como se muestra en
Figura 6.2 para una superficie de respuesta bidimensional en la que hay más de una
contorno cerrado para un valor dado de F. El 'pico' P 1 dentro del contorno F = 3 es el
óptimo global. Si un método de búsqueda local comienza su búsqueda en el punto A de la figura 6.2,
encontraría, con toda probabilidad, un óptimo local cercano como P 2 . Una vez en el local
7-17
Página 164
Ch7. Algunos temas de optimización
https://translate.googleusercontent.com/translate_f 144/148
10/9/2020 MODELOS HIDROLÓGICOS
Figura 7.13 Una superficie de respuesta bidimensional (hipotética)
7-18
Página 165
Modelos hidrológicos
Además, las deficiencias en la estructura del modelo también pueden causar problemas en
optimización, ya que incluso los modelos más complejos son representaciones imperfectas de
procesos físicos y esta imperfección pueden conducir a dificultades en la optimización.
La elección y el papel de la función objetivo son aspectos de optimización que
También ofrecen serias dificultades al modelista. Es axiomático que el conjunto óptimo de
parámetros alcanzados por la optimización es de hecho óptimo sólo en el contexto de la
función objetivo utilizada durante el proceso. Una función objetivo sustancialmente diferente
puede converger en un conjunto de parámetros óptimos sustancialmente diferente, aunque otras condiciones
de optimización permanecen sin cambios (Diskin y Simon, 1977; Pilgrim, 1975).
O'Connell ha informado de estudios sobre algunos efectos de estas dificultades,
Nash y Farrell (1970), Mandeville, et al. (1970), Ibbitt y O'Donnell (1971), Plinston
(1971), Johnson y Pilgrim (1973, 1976); Pilgrim (1975) y Gorgens (1983a).
Se sugieren estrategias para superar algunos de estos problemas, aunque no todos los
los problemas pueden resolverse. Las posibles soluciones a estos problemas incluyen las siguientes
medidas (Gorgens, 1983a). El problema (i) puede solucionarse parcialmente optimizando
parámetros interdependientes individualmente en búsquedas separadas. El problema (ii) puede ser
evitado estableciendo parámetros indiferentes a valores constantes. El problema (iii) afecta solo
algoritmos de descenso más pronunciados y no se pueden resolver excepto mediante múltiples búsquedas desde
diferentes puntos en la superficie de respuesta. El problema (iv) a menudo se puede superar
cambiando los puntos iniciales. El punto (v) es menos problemático en la búsqueda directa que en la más empinada.
métodos de descenso y puede corregirse escalando los parámetros al mismo orden de
magnitud o ponderación de los pasos de búsqueda para parámetros individuales según
escala de parámetros.
Una medida que se utiliza a menudo para hacer frente a más de una de las dificultades anteriores.
es restringir los valores de cierto parámetro a un "rango probable" durante la optimización,
es decir, para evitar que los valores 'imposibles' sean elegidos por la rutina de búsqueda o para la
rutina para deambular por una de las áreas propensas a dificultades de la superficie de respuesta.
Sin embargo, Pilgrim (1975) argumenta que este procedimiento es injustificable porque un parámetro
El valor puede pasar por una región imposible durante la búsqueda, pero luego volver a una
nivel realista. La imposición de límites también implica que la estructura del modelo y la
Los parámetros son de hecho físicamente realistas y que los datos no contienen errores graves.
Chapman (1975) argumenta a la inversa, es decir, que los modeladores deben esforzarse conscientemente por
hacer que sus modelos tengan una base más física; entonces los parámetros cruciales deben restringirse
a límites físicos conocidos proporcionales a cada situación de captación.
https://translate.googleusercontent.com/translate_f 145/148
10/9/2020 MODELOS HIDROLÓGICOS
7-19
Página 166
Ch7. Algunos temas de optimización
https://translate.googleusercontent.com/translate_f 146/148
10/9/2020 MODELOS HIDROLÓGICOS
Sorooshian, S. y VK Gupta, 1983. Calibración automática de lluvia conceptual
modelos de escorrentía: la cuestión de la observabilidad y unicidad de los parámetros, Agua
Resour. Res. 19 (1): 251-259.
7-20
Página 167
Modelos hidrológicos
7-21
https://translate.googleusercontent.com/translate_f 147/148
10/9/2020 MODELOS HIDROLÓGICOS
Página 168
CAPÍTULO 8
ALGUNOS MODELOS DE CAPTURA PARTICULARES
______________________________________________________________________
https://translate.googleusercontent.com/translate_f 148/148