Revista de Ciencias Hidrológicas

ISSN: (Imprimir) (En línea) Página de inicio de la revista: https://www.tandfonline.com/loi/thsj20

Hacia un modelado ecohidrológico más consistente a través de

la calibración multiobjetivo: un estudio de caso en la cuenca
andina del río Vilcanota, Perú

Carlos Antonio Fernandez-Palomino, Fred F. Hattermann, Valentina Krysanova,

Fiorella Vega-Jácome y Axel Bronstert

Para citar este artículo: Carlos Antonio Fernandez-Palomino, Fred F.Hattermann, Valentina Krysanova, Fiorella
Vega-Jácome & Axel Bronstert (2020): Hacia un modelado ecohidrológico más consistente a través de la calibración
multiobjetivo: un estudio de caso en la cuenca andina del río Vilcanota, Perú , Revista de Ciencias Hidrológicas, DOI: 10.1080
/ 02626667.2020.1846740

Para vincular a este artículo: https://doi.org/10.1080/02626667.2020.1846740

Publicado online: 30 de noviembre de 2020.

Envíe su artículo a esta revista

Vistas del artículo: 134

Ver artículos relacionados

Ver datos de Crossmark

Los términos y condiciones completos de acceso y uso se pueden encontrar en

https://www.tandfonline.com/action/journalInformation?journalCode=thsj20
REVISTA DE CIENCIAS HIDROLÓGICAS

https://doi.org/10.1080/02626667.2020.1846740

Hacia un modelado ecohidrológico más consistente a través de la calibración multiobjetivo: un estudio

de caso en la cuenca andina del río Vilcanota, Perú
Carlos Antonio Fernandez-Palomino a, b , Fred F. Hattermann un , Valentina Krysanova un , Fiorella Vega-Jácome C

y Axel Bronstert b, d

un Departamento de Investigación II - Resiliencia climática, Instituto de Potsdam para la investigación del impacto climático, Potsdam, Alemania; segundo Instituto de Ciencias Ambientales y Geografía, Universidad

de Potsdam, Potsdam, Alemania; C Hidrología - Estudios e Investigaciones Hidrológicas, Servicio Nacional de Meteorología e Hidrología del Perú, LIMA, Perú; re Water Science Group, Instituto de Potsdam para

la Investigación del Impacto Climático, Potsdam, Alemania

RESUMEN HISTORIA DEL ARTÍCULO

La mayoría de los estudios hidrológicos se basan en un modelo calibrado utilizando únicamente la descarga. Sin embargo, juzgar la confiabilidad del Recibido el 5 de junio de 2020

modelo en base a dicha calibración es problemático, ya que no garantiza la representación correcta de los procesos hidrológicos internos. Este Aceptado el 14 de septiembre de 2020

estudio tiene como objetivo (a) desarrollar un marco integral de calibración multiobjetivo utilizando datos de vegetación de teledetección y firmas
EDITOR
hidrológicas (curva de duración del flujo - FDC e índice de flujo base) además de la descarga, y (b) aplicar este marco para Calibración de la
A. Castellarin
Herramienta de Evaluación de Suelos y Aguas (SWAT) en una cuenca típica andina. En general, nuestro enfoque de calibración superó las
estrategias de calibración tradicionales basadas en descargas y basadas en firmas FDC en términos de simulación de vegetación, flujo de corriente y EDITOR ASOCIADO
división de flujo. Los nuevos conocimientos hidrológicos para la región son los siguientes: El caudal base es el componente principal del caudal que V. Samadi

sostiene el caudal prolongado de la estación seca, y las áreas de pastos ofrecen mayor rendimiento de agua y caudal base que otros tipos de
PALABRAS CLAVE
cobertura terrestre. El enfoque propuesto podría utilizarse en otras regiones con escasez de datos y topografía compleja.
Andes; ecohidrología;
APLASTAR; hidrológico
firmas; Sensores remotos;
equifinalidad

1. Introducción medidas relacionadas (por ejemplo, eficiencia de Nash-Sutcliffe, NSE) la mayoría en

La comprensión de los procesos hidrológicos y la dinámica de la vegetación dentro de una
cuenca es fundamental para mejorar los recursos hídricos.
administración. Para ello, los modelos hidrológicos que poseen los
Integrar procesos hidrológicos, vegetación y biogeobeen utilizados, a menudo
ciclos químicos (carbono, nitrógeno y fósforo) (Krysanova y Arnold 2008
llamados modelos ecohidrológicos de cuencas hidrográficas, los modelos son la
). Ejemplos de Arnold bien apoyado et al. 1998 ), Capacidad del modelo al. 2018 , las estrategias se han centrado en mejorar la calibración para Para ello,
Herramienta de Evaluación de Suelos y Aguas (SWAT; (SWIM) (Krysanova et al. 1998
integrado de agua y suelo (VIC) (Liang et al. 1994 ) e hidrológico
), Predicciones variables de infiltración para el medio ambiente (HYPE) (Lindström et
al.
2010 ). En este estudio se aplica SWAT por ser una internacionalización de los recursos
aceptado como una herramienta robusta para el modelado interdisciplinario
hídricos de la cuenca (Gassman et al. 2007 , Abbaspour et
se utiliza comúnmente como función objetivo porque descarga aguas arriba. Sin
la salida de la cuenca integra todos los procesos hidrológicos basados únicamente
embargo, se ha argumentado que la calibración del modelo es un modelo hidrológico, ya
en la descarga no garantiza la credibilidad de ser tergiversado a pesar de que las
que los componentes del balance hídrico pueden ser precisos (Hattermann et al. 2005 ,
estadísticas de desempeño sean Guse et al. 2016 , Pfannerstill et al. 2017 , Larabi et
Pokhrel y Yilmaz 2012 , Acero Triana et al. 2019 ). Reconociendo esta deficiencia, otras
representan mejor los procesos hidrológicos y la dinámica del sistema. series de tiempo
firmas hidrológicas derivadas en su mayoría de corrientes. La aplicación de firmas
de flujo, por ejemplo, la curva de duración del flujo (FDC), han proporcionado más
relacionadas con FDC proporciona cuenca modelada (Hrachowitz et al. 2014 ) y su
información sobre los comportamientos hidrológicos de los procesos (Yilmaz et al. 2008 ,
base se ha utilizado para la evaluación del modelo (Yilmaz et al. 2008 , Pokhrel
Gupta et al. 2009 ). FDC tiene a menudo y Yilmaz 2012 , Hrachowitz et al. 2014 ,

Alabama., 2017 ) y servicios ecosistémicos (Francesconi et al. 2016 ). It y regiones
ha sido aplicado y evaluado en diversos climas desde áridos
semiáridas (Brouziyne et al. 2017 , Jajarmizadeh et
Alabama. 2017 ) a áreas húmedas y tropicales (Strauch y Volk 2013 Independientemente
Alemayehu et al. 2017 ).
de la elección del modelo hidrológico, uno de los parámetros principales del modelo
La tarea en cualquier modelo hidrológico es la determinación de debido al desajuste
durante el procedimiento de calibración del modelo, los datos capaces (Devak y Dhanya 2017precisa basada en firmas y la reducción de estos enfoques no garantizan
entre la complejidad del modelo y la disponibilidad La estimación de los parámetros del
, Razmkhah et al. 2017 ). enfoques de calibración manual y automática, con descarga-
modelo se realiza comúnmente utilizando
Pfannerstill et al.
2014 , 2017 ) y últimamente como objetivo en la calibración de modelos
(Shafii y Tolson 2015 , Chilkoti et al. 2018 , Sahraei et al.
2020 ). Estos estudios han demostrado que una simulación de descarga más
Los enfoques de calibración (usando descarga y FDC) conducen a una incertidumbre
pronunciada. Sin embargo, Shafii et al. ( 2017 ) argumentó que la partición entre las
necesariamente el flujo correcto al modelar procesos relacionados con la
diferentes rutas de flujo, que es fundamental
hidrología como el soluto.

CONTACTO Carlos Antonio Fernandez-Palomino Potsdam, cafpxl@gmail.com Departamento de Investigación II - Resiliencia climática, Instituto de Potsdam para la investigación del impacto climático,

Alemania

© 2020 IAHS
2 CA FERNANDEZ-PALOMINO ET AL.
transporte, erosión, escorrentía superficial y contribución al flujo base. Por lo tanto,
para reproducir adecuadamente la partición del flujo, en este estudio se propone la
inclusión de otra firma hidrológica como el índice de flujo base (la relación entre el flujo
base medio a largo plazo y el flujo total) en el marco de calibración multiobjetivo. El
índice de caudal base representa el componente de caudal base del caudal, que es
fundamental para regular la distribución estacional de los caudales de los ríos, y está
asociado con las características climáticas y fisiográficas (por ejemplo, tipo de suelo,
con una nueva forma de entender los procesos ecohidrológicos de cuencas con
geología, topografía y vegetación) de la cuenca (Beck et al. 2013 , Mohammed y Scholz 2018
, Singh et al. 2019 ). El flujo base, o índice de flujo base, es crucial para desarrollar
estrategias apropiadas de gestión de los recursos hídricos, como la preservación del
ecosistema acuático, la generación de energía hidroeléctrica y la predicción de
caudales bajos (Beck et al. 2013 , Singh et al. 2019 ). Los enfoques de calibración
anteriormente mencionados y propuestos se han centrado principalmente en la
identificación de parámetros físicos relacionados con el caudal, la evapotranspiración y
los componentes del caudal. Sin embargo, la identificación adicional de los parámetros
de la vegetación es crucial para los modelos que integran la dinámica de la vegetación.
De hecho, el índice de área foliar (LAI) es un impulsor clave del balance hídrico de un
paisaje y se considera en SWAT para la estimación posterior de otros procesos, como
la evapotranspiración, la acumulación de biomasa, los sedimentos, el flujo base y la
escorrentía superficial (Ma et al. 2019 ). Solo unos pocos estudios hidrológicos en
general y publicaciones relacionadas con SWAT en particular han considerado la
calibración del modelo combinado de LAI y la dinámica del caudal y han demostrado
que esta calibración conduce a simulaciones mejoradas de caudal y
evapotranspiración (Strauch y Volk 2013 , Alemayehu et al. 2017 , Ja et al. 2018 , Rajib et básico de los procesos hidrológicos de los Andes tropicales del Perú. Para ello,
al. 2018 ). Estos estudios también demostraron la utilidad de los datos de LAI de
detección remota para calibrar los parámetros relacionados con SWAT LAI (es decir,
los parámetros de la planta) en cuencas con escasez de datos. Es importante
mencionar que la estimación SWAT LAI se basa en unidades de calor (Neitsch et al.
2011 ), y para eso, el usuario debe estimar el número total de unidades de calor
necesarias para que la planta madure (PHU_PLT) para la simulación del
crecimiento de la vegetación. Estudios previos han utilizado LAI basado en
satélites para identificar parámetros de plantas SWAT considerando un valor
PHU_PLT constante para cada tipo de planta en toda la cuenca. Sin embargo,
esto podría ser crítico, especialmente en cuencas con topografía compleja - en
particular altas diferencias altitudinales - ya que la temperatura del aire (variable
biofísica) que controla el PHU_PLT (Neitsch et al.
2011 ) depende de la altitud. Para superar esto, utilizamos los datos LAI basados
en satélites para identificar no solo los parámetros de la planta sino también
PHU_PLT para cada planta en cada unidad de respuesta hidrológica (HRU).
Además, investigamos la relación entre la elevación y PHU_PLT, que podría ser
útil para su aplicación en otras regiones con escasez de datos y con topografía
compleja.
En general, algunos estudios previos han informado los beneficios de
incorporar firmas hidrológicas (por ejemplo, firmas FDC) y datos de teledetección
(por ejemplo, LAI) en la calibración de modelos hidrológicos (Shafii y Tolson). 2015
, Chilkoti et al. 2018 , Ja
et al. 2018 , Rajib et al. 2018 , Sahraei et al. 2020 ). Sin embargo, hasta donde
sabemos, ningún estudio previo ha tenido en cuenta ambos conjuntos de datos
para la calibración del modelo hidrológico. Consideramos que la inclusión de
estas variables, además del caudal, en la calibración puede mejorar el modelo
confiabilidad en la representación del sistema hidrológico. Por lo tanto, uno de los
objetivos de este estudio es desarrollar un marco de calibración multiobjetivo que
explote los beneficios de usar tanto firmas hidrológicas como datos LAI basados
en satélites para modelos ecohidrológicos. Este estudio es el primero de su tipo
que considera estos beneficios para un modelado hidrológico más realista no solo
del flujo de los arroyos sino también de la dinámica de la vegetación y la división
del flujo. Como tal, esperamos contribuir a la ciencia de la modelación hidrológica
topografía compleja para una gestión eficiente de los recursos hídricos.
Realizamos nuestro estudio en los Andes tropicales del Perú donde hay escasez de
investigación. La mayoría de los estudios existentes relacionados con la hidrología de
los Andes se han centrado principalmente en las cuencas andinas dominadas por
ecosistemas de páramo, que abarcan la región andina de Venezuela, Colombia,
Ecuador y el norte de Perú (por ejemplo, Buytaert et al. 2007 , Guzmán et al. 2015 ,
Mosquera et al. 2015 , Colina et al. 2018 , Carrillo-Rojas et al.
2019 ). Sólo unos pocos estudios se han centrado en la hidrología de las cuencas
andinas peruanas, y la mayoría de ellos en pequeñas cuencas dominadas por un
glaciar (Somers et al. 2019 ), bosque (Clark et al. 2014 ), páramo y bioma de puna
(Ochoa-Tocachi
et al. 2016 ). Por tanto, otro objetivo de este estudio es contribuir al conocimiento
seleccionamos la cuenca del río Vilcanota (VRB), que está dominada por usos de la
tierra como pastos del bioma puna, bosque y agricultura, para comprender mejor su
hidrología (por ejemplo, presupuesto hídrico) y analizar los servicios hidrológicos
ofrecidos. por cada tipo de uso de la tierra con respecto al rendimiento de agua y el
caudal base.
Para este propósito, nuestro nuevo marco de calibración multiobjetivo propuesto
para modelos ecohidrológicos como SWAT, y para cuencas con terreno complejo
como el VRB, consiste en un esquema de calibración paso a paso. Primero, los
parámetros relacionados con SWAT LAI se calibran utilizando datos de satélite LAI.
En el segundo paso, se calibran los parámetros relacionados con el caudal, la
evapotranspiración y los componentes del caudal. Para el último paso, proponemos
la inclusión del índice de flujo base además de las métricas y firmas de rendimiento
relacionadas con la descarga basadas en FDC dentro de un enfoque de calibración
multiobjetivo para restringir mejor la partición del flujo durante el proceso de
calibración. Este enfoque se compara con los enfoques de calibración
convencionales basados en descargas y basados en firmas para probar la
capacidad del modelo para simular la dinámica de la vegetación, el flujo de
corrientes, y partición de flujo en el VRB andino. Además, abordamos cómo las
estrategias de calibración de caudal impactan en la identificabilidad y equifinalidad de
los parámetros.
2. Materiales y métodos
2.1 Área de estudio
El VRB está ubicado en los Andes del sur del Perú en la región de Cuzco ( Figura 1 ).
Su área de drenaje es de 9617 km 2, y la topografía dentro de la cuenca se
caracteriza por un terreno con pendientes pronunciadas y elevaciones que van
desde 2136 a 6301 m snm. Los suelos predominantes son Litosoles (67%) y
Kastanozems (23%) (FAO-UNESCO 1988 ). El uso de la tierra está dominado por
pastos naturales (68%) con una contribución menor de bosque mixto.

Figura 1. ( a) Ubicación de la Cuenca del Río Vilcanota (VRB); (b) Elevación del terreno, subcuencas y red fluvial; y (c) mapa de uso de la tierra. Las áreas discontinuas representan ubicaciones de sitios de muestra para las principales clases de
vegetación (1: FETZ, 2: AGRL, 3: FRST y 4: PAST) que se utilizaron para enmascarar el MODIS (espectrorradiómetro de imágenes de resolución moderada) LAI.
(15%), agricultura (8%) y bosque siempre verde (4%). Este último se extiende
principalmente por el área cercana a la salida de la cuenca ( Figura 1 ) y experimenta
mayores cantidades de precipitación. La precipitación media anual es de 748,5 mm /
año (1985-2015), y más del 80% de la precipitación se produce durante la temporada
de lluvias (octubre-marzo). Hidrológicamente, VRB muestra una alta variabilidad de
descarga diaria, que van desde 20 m 3 / s en la estación seca a 1100 m 3 / s en la
temporada de lluvias, y una descarga diaria promedio de 120 m 3 / s (período
1985-2015). En VRB hay varios lagos naturales, pero desde 1996, el lago
Sibinaccocha ( Figura 1 ) ha sido represado para almacenamiento de agua durante la
temporada de lluvias y para abastecer de agua a la Central Hidroeléctrica Machu
Picchu (empresa EGEMSA) durante la temporada seca (Catacora- Acevedo 2008 ).
Esta presa tiene 120 hm 3 volumen de almacenamiento activo con una pequeña
superficie de la cuenca de sub-drenaje (137 km 2 siendo el 1,4% del área VRB). El río
Vilcanota proporciona agua para beber, irrigación y producción de energía, por lo
que comprender el sistema hidrológico y la simulación precisa del caudal son
importantes para la gestión adecuada de los recursos hídricos.
2.2 modelo SWAT
El modelo SWAT es un modelo de cuenca hidrográfica orientado a procesos,
semidistribuido y continuo en el tiempo que se utiliza para simular procesos
hidrológicos, así como la dinámica de la vegetación, nutrientes, pesticidas y cargas
de sedimentos dentro de una cuenca (Arnold et al. 1998 , Neitsch et al. 2011 ).
También es posible incluir actividades de gestión del agua como embalses para
simulación hidrológica de cuencas gestionadas (Neitsch et al. 2011 ). SWAT divide
una cuenca en subcuencas, que luego se subdividen en HRU que representan
combinaciones únicas de uso de la tierra, tipo de suelo y clases de pendiente
(Neitsch et al. 2011 ). SWAT diferencia entre la fase terrestre que controla el agua,
sedimentos,
REVISTA DE CIENCIAS HIDROLÓGICAS 3
y cargas de solutos al canal principal en cada subcuenca y la fase de enrutamiento que
define el agua, solutos y sedimentos, movimiento a través de la red de canales hasta la
salida de la cuenca (Arnold et al. 1998 , Neitsch et al. 2011 ). El cálculo del balance
hídrico se realiza a nivel de HRU considerando cuatro tipos de almacenamiento de
agua (nieve, perfil del suelo y acuíferos poco profundos y profundos), de la siguiente
manera:
X norte
ΔS¼ re PAGS WYLD ET pérdidas Þ (1)
yo ¼ 1
donde Δ S es el cambio en el almacenamiento de agua (mm); norte es el tiempo en días; y PAG,
WYLD, ET y pérdidas son las cantidades de precipitación (mm), rendimiento de agua
(mm), evapotranspiración (mm) y pérdidas de agua subterránea (mm), respectivamente. El
rendimiento de agua (WYLD) viene dado por la contribución de la escorrentía superficial
(Qsurf), el flujo lateral (Qlat) y el flujo de retorno (Qgw) de los acuíferos (poco profundos y
profundos).
En SWAT, la dinámica de la vegetación (por ejemplo, LAI) se simula en base a la
versión simplificada del modelo de crecimiento de plantas de Política Ambiental
Integrada de Clima (EPIC) (Neitsch et al.
2011 ). El crecimiento de la vegetación se simula en función de las unidades de calor
acumuladas diarias (requisitos de calor de las plantas), lo que refleja el hecho de que el
crecimiento de las plantas solo se produce en los días en que la temperatura media diaria
supera la temperatura base para el crecimiento (Neitsch
et al. 2011 ). Esto significa que la temperatura es el principal factor de control del
crecimiento de la vegetación en SWAT, pero está restringida por la temperatura, el agua
y el estrés por nitrógeno o fósforo (Neitsch et al. 2011 ). Para obtener una descripción
detallada del módulo de vegetación SWAT, se recomienda a los lectores que lean
Neitsch et al.
( 2011 ).
En este estudio, usamos SWAT-T (Alemayehu et al. 2017 ), una
versión SWAT modificada basada en SWAT 2012 (Rev.627), que proporciona un
módulo de crecimiento de vegetación mejorado para un
4 CA FERNANDEZ-PALOMINO ET AL.

mejor simulación de la dinámica del crecimiento de las plantas en las regiones tropicales.
SWAT-T utiliza el índice de humedad del suelo, un cociente de lluvia y evapotranspiración
potencial, como indicador para iniciar un nuevo ciclo de crecimiento dentro de un período
predefinido como los meses en los que comienza la temporada de lluvias, por ejemplo, de
octubre a noviembre para las cuencas andinas. Esta característica SWAT-T se introdujo
para superar las deficiencias de SWAT en la simulación de los ciclos de crecimiento
estacional de árboles y plantas perennes en los trópicos, donde la lluvia en lugar de la
temperatura es el factor dominante de control del crecimiento de las plantas (Strauch y
Volk 2013 , Alemayehu et al. 2017 ). Además, SWAT-T utiliza una función logística para
simular la curva LAI durante la etapa de senescencia (Strauch y Volk
2013 ), en lugar de la curva LAI lineal decreciente que podría subestimar la
evapotranspiración (Wei et al. 2018 ). SWAT-T se denomina SWAT en este
documento.
2.3 Datos de entrada
Los datos de entrada (por ejemplo, topografía, uso de la tierra, suelo y
y sus fuentes se resumen en tabla 1 . Como mapa geográfico de uso de la tierra
meteorología), un modelo de elevación digital (DEM) de resolución de 90 m, una
obtenido de la Agencia Espacial Europea y LC), y un mapa de suelos del
Iniciativa de cambio climático - Proyecto de cobertura terrestre (ESA CCIDatabase
modelo hidrológico del suelo mundial armonizado. Los datos de forzamiento
(HWSD) que incluye propiedades del suelo se utilizaron para datos interpolados de
meteorológico diario cuadriculados de PISCO (Observaciones Hidrológicas del
la Climatología y
Perú)
Tabla 1. Tipo de datos, resolución y fuente de datos. Tipo de datos
(precipitación, y temperatura máxima y mínima) para conducir las simulaciones
del modelo SWAT, proporcionado por el Servicio Nacional de Meteorología e
Hidrología del Perú (SENAMHI). Se utilizaron datos controlados de flujo de
salida de la presa Sibinaccocha para considerar su impacto en la escorrentía río
abajo desde 1996.
2.4 Datos de referencia para la calibración y verificación del modelo
2.4.1 Índice de área foliar
los basado en satélites Moderar Resolución Imágenes
Espectrorradiómetro (MODIS) Producto LAI (Yuan et al. 2011 ) se utilizó como
referencia para calibrar la dinámica LAI de plantas perennes. Se ha demostrado que
MODIS LAI es capaz de reproducir la vegetación de manera oportuna y precisa (Yuan et
al. 2011 , Ma et al.
2019 ) y se ha utilizado con éxito en la calibración y / o validación de los
parámetros de la planta SWAT (por ejemplo, Strauch y Volk
2013 , Alemayehu et al. 2017 , Ja et al. 2018 , Rajib et al. 2018 ). Para derivar los datos LAI
de referencia, seleccionamos 200 píxeles para pastos, 100 para el bosque mixto, 405
para el bosque siempre verde,
y 35 para agricultura, utilizando como máscara el correspondiente del mapa de uso del suelo
área representativa (polígono) definida en Figura 1 con la ayuda de estos subconjuntos,
y las imágenes de Google Earth. Luego, de cada uno de los tipos de uso del suelo. Tenga en
obtuvimos la serie de tiempo LAI mediana de 8 días para áreas tivas para áreas de
cuenta que la representación identificada fuera de la cuenca ( Figura 1 ). Esto fue necesario
bosque siempre verde y bosques mixtos Píxeles de MODIS LAI con mejores patrones
para obtener áreas de bosque ubicadas dentro de la cuenca que en su mayoría presentan
temporales de LAI, porque series de tiempo con rupturas, que podrían atribuirse a la
contaminación ruidosa de LAI del MODIS LAI en esas áreas.
nube

Resolución Descripción / fuente

Topografía 90 m Elevación digital del radar Shuttle

Producto Topografía Mission (SRTM v. 4.1) (Jarvis et al. 2008
2.4.2 Flujo de corriente
) ( http://srtm.csi.cgiar.org/ ) Se utilizó la serie de descargas diarias observadas (1958-2015) en la estación de aforo
Uso del suelo 300 metros Representante de clasificación de uso de la tierra para
km-105 ubicada en la salida de la cuenca del VRB ( Figura 1 ) para la calibración del
año 2010 obtenido de ESA CCI-LC ( http: //
maps.elie.ucl.ac.be/CCI/viewer/ )
modelo y la validación de la simulación del caudal.
Suelo 1000 metros Propiedades del suelo específicas del horizonte para cada suelo

tipo basado en el HWSD (Abbaspour y Ashraf

Vaghefi 2019 )
Suelo 1000 metros Datos globales cuadriculados del espesor del suelo (Pelletier
2.5 Configuración del modelo SWAT
grosor et al. 2016 ) utilizado para implementar espesores de suelo
variables en HRU
El modelo SWAT se configuró para el VRB en función de los datos de entrada
Hidrológico 250 metros Datos globales de grupos hidrológicos de suelos en cuadrículas

grupo de suelos (Ross et al. 2018 ) se utiliza para actualizar el parámetro del número de
disponibles enumerados en tabla 1 . El modelo incluye un embalse, 53 subcuencas y 320
curva (CN) en las HRU después de la creación del modelo; Este paso HRU ( Figura 1 ). El método modificado del número de curva del servicio de conservación
ayudó a identificar los valores apropiados de CN, principalmente en las
de suelos, el método de Hargreaves y el método de almacenamiento variable se
áreas urbanas actuales.
utilizaron para simular la escorrentía e infiltración superficial, la evapotranspiración
Temperatura Diaria / 10 km Temperatura de cuadrícula (máxima y potencial y la ruta del flujo del río, respectivamente. El flujo de salida del embalse
(1981-2016) mínimo) conjunto de datos para Perú (temperatura
Sibinaccocha se simuló usando una opción de flujo de salida diaria predefinida en
PISCO V1.1, Huerta et al. 2018 ) proporcionado por
SENAMHI (ftp: //
SWAT para tener en cuenta los efectos de esta presa en la escorrentía río abajo. Para
publi_dgh2: 123456@ftp.senamhi.gob.pe /) obtener más detalles sobre la configuración del modelo SWAT, consulte Neitsch et al. ( 2011
Precipitación Diaria / 10 km Conjunto de datos de lluvia en cuadrícula para Perú (PISCO
).
(1981-2016) precipitación V2.1, Aybar et al. 2019 ) proporcionado
por SENAMHI (ftp: //
publi_dgh2: 123456@ftp.senamhi.gob.pe /) Los períodos considerados para el calentamiento, la calibración y la validación del
Reservorio Diario Datos de flujo de salida controlado de Sibinaccocha
modelo para la simulación de LAI fueron 2001–2004, 2005–
(1996-2015) Presa obtenida de la Empresa Generadora de Electricidad
de Machupicchu (EGEMSA) Datos de caudal en la estación
2010 y 2011-2015, y los correspondientes al caudal fueron 1981–
Descarga Diario hidrológica km-105 1984, 1985–1990 y 1991–2015, respectivamente. Tenga en cuenta que la calibración
(1958-2015) (EGEMSA)
del modelo para el caudal se llevó a cabo en el período previo a la represa del río,
LAI 8 días / 1000 m Se mejoraron los datos de MODIS LAI basados en

(2000-2016) Colección MODIS 5 producto LAI (MOD15A2) (Yuan et

mientras que los períodos de calibración y validación del LAI se limitaron en función de
al. 2011 ) ( http: //globalchange.bnu. edu.cn/research/lai ) la disponibilidad de datos del LAI.

2.6 Marco de evaluación y calibración SWAT
Proponemos el siguiente marco paso a paso para la calibración del modelo SWAT para
cuencas con terreno complejo ( Figura 2 ). Primero, los parámetros relacionados con
SWAT LAI se calibran utilizando MODIS LAI de 8 días como referencia para cada tipo
de vegetación tropical perenne (por ejemplo, pastos, bosques mixtos, bosques
siempreverdes y agricultura) a nivel de HRU. Para hacerlo
(a) El LAI simulado se calibra contra MODIS LAI para
identificar los parámetros relacionados con SWAT LAI (ver Sección
3.2 ) para una HRU específica. Este procedimiento ayuda a construir una base de
datos de plantas SWAT (plant.dat) para el área de estudio, que se utiliza para los
siguientes pasos.
(b) Como el número total de unidades de calor necesarias para llevar la
El parámetro de madurez de la planta (PHU_PLT) depende de los datos de
temperatura (Neitsch et al. 2011 ), PHU_PLT se calibra para cada HRU
utilizando MODIS LAI como referencia, ya que la temperatura varía con la
altura en las regiones montañosas. Este paso es importante para un mejor
modelado de la dinámica LAI de la vegetación en las HRU definidas por
árboles y plantas perennes.
En este estudio, NSE se utiliza como función objetivo para la calibración LAI
y PHU_PLT.
La segunda parte de la estrategia de calibración se ocupa de la calibración de los
parámetros SWAT que controlan principalmente los componentes de flujo,
evapotranspiración y descarga. Para este propósito, proponemos un enfoque de
calibración multiobjetivo que incluye el índice de flujo base para restringir la calibración
del modelo, además de métricas de desempeño relacionadas con la descarga y firmas
hidrológicas relacionadas con FDC. Este enfoque se compara con los enfoques
aplicados anteriormente, donde solo se utilizaron métricas de bondad de ajuste del
hidrograma (por ejemplo, NSE o el log NSE, lNSE) y firmas relacionadas con FDC. Tabla de esta medida indica una sobreestimación (subestimación). Las firmas FDC (Speak,
2 muestra los enfoques de optimización de uno y varios objetivos probados en este
estudio, y Tabla 3 muestra las métricas objetivas. En la formulación de enfoques de
calibración multiobjetivo, seleccionamos lNSE en lugar de NSE como parte de los
objetivos de sincronización y magnitud del flujo para evitar el sobreajuste de los picos
de descarga, ya que NSE es
Figura 2. Diagrama de flujo del marco de calibración del modelo SWAT. OF: función objetivo, PHU_PLT: número total de unidades de calor necesarias para que la planta alcance la madurez. En el caso de la calibración LAI, la
eficiencia de Nash-Sutcliffe (NSE) es el OF. El OF para la calibración de flujo y partición de flujo se define en Tabla 2 para cada estrategia de calibración aplicada en este estudio.
REVISTA DE CIENCIAS HIDROLÓGICAS 5
Tabla 2. Problemas de optimización. En el proceso de optimización, NSE e lNSE (log NSE) se maximizaron
mientras que los valores absolutos de FDCsign (firma FDC) y BIAS_BFI (sesgo del índice de flujo base) se
minimizaron.
Número Acercarse Formulación Problema de optimizacion
1 Aplicado antes Objetivo único NSE
2 Aplicado antes Objetivo único INSE
3 Aplicado antes Bi-objetivo INSE, FDC firmar
4 Propuesto en este estudio Multi-objetivo INSE, FDC firmar, BIAS_BFI
más sensible a errores más grandes que a menudo ocurren en períodos de alto flujo
(Krause et al. 2005 , Gupta et al. 2009 ). Para cuantificar el comportamiento general y el
brillo de la cuenca, se consideraron varios aspectos de la FDC para evaluar el
desempeño del modelo al emular la FDC. Siguiendo a Chilkoti et al. ( 2018 ), La FDC se
divide en cuatro segmentos, de volumen de flujo máximo (0-2%), volumen de flujo alto
(2-20%), pendiente del segmento medio (20-70%) y volumen de flujo bajo (70-100% ). La
respectiva partición FDC representa eventos de flujo máximo que ocurren raramente,
escorrentía rápida (debido al derretimiento de la nieve y / o lluvia), la rapidez de la
respuesta de una cuenca y los componentes del flujo base del flujo del arroyo (Yilmaz et
al. 2008 , van Werkhoven et al. 2009 , McMillan et al. 2017 , Chilkoti et al.
2018 ). Para reproducir correctamente la partición de flujo, el índice de flujo base se utiliza
para restringir el componente de flujo lento.
Para la evaluación del modelo, estadísticas de descarga y firmas hidrológicas
individuales definidas en Tabla 3 son usados. Las métricas de bondad de ajuste del
hidrograma convencional (NSE, lNSE y porcentaje de sesgo (PBIAS)) se utilizan para
evaluar el rendimiento del modelo en la simulación de flujo de agua (Krause et al. 2005 ,
Moriasi et al. 2007 ). Tenga en cuenta que en este estudio, PBIAS no se incluye como
una función objetiva para la calibración del modelo, sino que solo se utiliza para evaluar
el rendimiento del modelo. PBIAS mide la tendencia media de la descarga simulada, que
puede ser mayor o menor que los valores medidos. El valor óptimo de PBIAS es 0.0, con
valores bajos que indican una simulación precisa del modelo. Un valor positivo (negativo)
Shigh, Smid y Slow) se utilizan para evaluar el rendimiento del modelo a través de
sesgos en la respuesta de distribución del flujo (Chilkoti et al. 2019 ). PBIAS_BFI
(introducido en este estudio) se utiliza para evaluar la capacidad del modelo en la
simulación de partición de flujo en términos del índice de flujo base. El objetivo general
de
6 CA FERNANDEZ-PALOMINO ET AL.

Tabla 3. Formulación matemática de métricas de bondad de ajuste y firmas hidrológicas. O y S se observan y simulan el flujo, respectivamente (en m 3 / s); EP es la probabilidad de excedencia; P, H, y L son los
índices de flujo mínimo de los segmentos de flujo máximo, flujo alto y flujo bajo, respectivamente.

Criterio (referencia) Ecuación Descripción

Medidas de desempeño relacionadas con el alta

PAGS norte
Eficiencia de Nash-Sutcliffe (Nash y ¼
re ENTONCES
yo yo Þ2 O unes el promedio del flujo observado y norte es el número de observaciones
NSE ¼ 1 PAGS yo 1
Sutcliffe 1970 ) bajo evaluación
norte

re O yo O un Þ 2
PAGS
yo 1
norte
¼

Registro de eficiencia de Nash-Sutcliffe (Krause et re en re S yo Þ en re OyoÞÞ 2

l NSE ¼ 1 PAGS yo ¼ 1 norte re en re O yo Þ en re O pag Þ Þ2
Alabama. 2005 )
PAGS norte yo ¼ 1

Sesgo porcentual re S yo O yo Þ
PBIAS ¼ PAGS norte O yo
yo ¼ 1
100
(Gupta et al. 1999 )
yo ¼ 1

Medidas de la firma
PAGS PAGS j S pag O pag j 100
Sesgo porcentual en el segmento de pico de FDC p = 1, 2,. . ., PAGS son índices de flujo ubicados dentro del segmento de flujo máximo FDC (EP
PAGS
S pico ¼
pag ¼1

volumen PAGS

O
inferior al 2%)
¼1 PAGS
(Yilmaz et al. 2008 )
pag

PAGS H
Sesgo porcentual en el segmento alto de FDC j S h O h j 100 h = 1, 2,. . ., H son índices de flujo ubicados dentro del segmento de flujo alto (2-20%
PAGS
S alto ¼ h¼ 1 HO

volumen flujo EP)

h¼1h
(Yilmaz et al. 2008 )
Sesgo porcentual en la pendiente del segmento medio de FDC S medio ¼ jð S metro 1 S metro 2 Þ ð O metro 1 O metro 2 Þj 100 metro 1 y metro 2 son el EP de flujo más bajo y más alto, respectivamente, dentro del
re O metro 1 O metro 2 Þ
(van Werkhoven et al. 2009 ; Yilmaz et al. 2008 ) segmento (20-70%)

PAGS L
Sesgo porcentual en FDC de segmento bajo j ENTONCES l j 100 l = 1, 2,. . ., L son índices de flujo ubicados dentro del segmento de flujo bajo (70-100%
PAGS
S bajo ¼
l¼ 1
l LO

volumen flujo EP)

l¼1l
(Yilmaz et al. 2008 )
Firma FDC FDC firmar ¼ 1 FDC firmar es la firma FDC agregada
4 S pico þ S alto þ S medio þ S bajo
(Chilkoti et al. 2018 )
Sesgo del índice de flujo base BIAS BFI ¼ SWAT BFI BFI SWAT_BFI es el índice de flujo base simulado y BFI la referencia

Este diseño de evaluación multicriterio tiene como objetivo evaluar con qué realismo el en comparación con una gama de algoritmos multiobjetivos de última generación
modelo representa la respuesta del sistema hidrológico, que es crucial tanto para los (Hadka y Reed 2012 , 2013 ). Además, se aplicó con éxito en la calibración de SWAT en
modelos hidrológicos destinados a operar en modo predictivo como para proyectar los la que las métricas de bondad de ajuste del hidrógrafo y las firmas relacionadas con la
impactos del cambio climático (Krysanova et al. 2018 ). FDC se incluyeron en la función objetivo (Chilkoti et al. 2018 ). El Borg MOEA es un
algoritmo de optimización autoadaptable que utiliza una búsqueda basada en la
población para encontrar las soluciones archivadas no dominadas (conjunto aproximado
de Pareto) al final de la optimización. La parametrización Borg MOEA se basó en sus
2.7 Estimación del índice de flujo base
valores de parámetros recomendados predeterminados (Hadka y Reed 2013 ). El tamaño
El índice de flujo base de referencia (BFI) se estimó a partir del flujo de la de la población inicial se estableció en 100, generado en base a un muestreo de
corriente usando dos técnicas de separación de flujo base. El programa de parámetros aleatorios. Para lograr una compensación razonable entre los objetivos, el
filtrado de flujo base (BFLOW, http://swat.tamu.edu/ ) (Arnold y Allen 1999 ) y se nivel de precisión ε se estableció en 0.01 para la familia NSE
aplicó el filtro Eckhardt utilizando el sistema de herramienta de análisis de
hidrogramas basado en Web GIS (QUÉ, https://engineering.purdue.edu/mapserve/
QUÉ / ) (Lim et al. 2005 ). Para una descripción detallada de los métodos de y una diferencia del 1% para FDC firmar y BIAS_BFI. El número total de objetivos
filtrado, se remite al lector a Arnold et al. ( 1995 ), Arnold y Allen ( 1999 ) y Lim et al. para la evaluación se estableció en 500 para LAI
( 2005 ). BFLOW y WHAT se han utilizado con éxito en muchos estudios calibración, 500 para PHU_PLT y 1000 para caudal. Para obtener más detalles sobre la teoría

relacionados con el modelo SWAT (por ejemplo, Luo et al. 2012 , Meaurio et al. 2015y las características de BorgMOEA, se recomienda a los lectores que consulten Hadka y Reed
, Yesuf et al. 2016 , Jang et al. 2018 ). Siguiendo a Jang et al. ( 2018 ), el índice de ( 2013 ).
flujo base simulado

3. Resultados y discusión

(SWAT_BFI) se calculó de la siguiente manera: 3.1 Estimación BFI

SWAT BFI ¼ ½ Qlat þ Qgws þ Qgwd = La estimación del índice de caudal base (la relación entre el caudal base medio a
(2) largo plazo y el caudal total) se realizó a partir de los datos de caudal diario
½Qsurf þ Qlat Qgws
þ Qgwd þ
registrados en la estación hidrológica km-105 para 1964-1990, ya que este período
donde Qsurf es la escorrentía superficial, Qlat es el flujo lateral, Qgws es el flujo de no incluye los efectos potenciales de la represa Sibinaccocha en escorrentía
retorno del acuífero poco profundo y Qgwd es el flujo de retorno del acuífero (desde 1996 en adelante). Los índices de flujo base estimados por BFLOW y
profundo. WHAT fueron 0,76 y 0,78, respectivamente. La media de estos valores se
consideró el índice de flujo base de referencia (BFI = 0,77); significa que alrededor
del 77% de la descarga del río en el manómetro km-105 puede atribuirse al caudal
2.8 Algoritmo de optimización multiobjetivo
base. Este último es consistente con el índice de flujo base reportado para la
Aplicamos el algoritmo evolutivo multiobjetivo de Borg (Borg MOEA) (Hadka y Reed 2013cuenca andina vecina de Kosñypata con geología, topografía y vegetación similar,
) para lograr las soluciones óptimas para los parámetros SWAT basadas en las donde el 77% del flujo anual se atribuyó al flujo base (Clark et al.
estrategias de calibración definidas en Sección 2.6 , ya que Borg MOEA tiene un
rendimiento superior
 REVISTA DE CIENCIAS HIDROLÓGICAS 7

2014 ). Además, BFLOW estimó la constante de recesión del flujo del acuífero
poco profundo (ALPHA_BF igual a 0.0351) que se utilizó para reemplazar el
valor predeterminado ALPHA_BF del modelo.
3.2 Rendimiento de la simulación LAI
Cuadro 4 presenta los valores optimizados de los parámetros de plantas para bosque
mixto (FRST), bosque de hoja perenne (FETZ), pastos (PAST) y áreas agrícolas
(AGRL). Usando estos valores de parámetro óptimos, el parámetro PHU_PLT (unidad
principal) se calibró para todas las HRU cubiertas por plantas perennes para que el LAI
simulado por SWAT imite el LAI de 8 días de MODIS lo más cerca posible. Tenga en
cuenta que AGRL se consideró perenne en este estudio para simular la disminución de
LAI durante la senescencia utilizando una función logística (una característica de la
versión SWAT utilizada aquí), ya que la curva AGRL MODIS LAI sigue una curva
logística en lugar de una curva lineal durante la etapa de senescencia. ( Figura 3 (b, c )).
Esto está de acuerdo con Wei et al. ( 2018 ), quien recomendó el uso de la curva LAI
logística durante la senescencia para cultivos agrícolas.
La simulación LAI que se encuentra aquí aumenta la calidad de la simulación de estos
procesos.
Figura 3 (c ) muestra un patrón LAI estacional similar para PASADO,
FRST y AGRL, y sigue el patrón de lluvia estacional de los Andes. Sin embargo,
el inicio / final (febrero-marzo / octubre-noviembre) del desarrollo de LAI para
FETZ se retrasa con respecto al inicio / final (octubre / marzo) de la temporada
de lluvias en el área de la selva tropical. Este comportamiento también se
observó en otras regiones tropicales con ecosistemas naturales (por ejemplo,
Alemayehu et al. 2017 ).
Encontramos en la literatura que solo unos pocos estudios relacionados con SWAT
han informado la calibración de los parámetros de la planta, y la mayoría de estos solo han
considerado un valor PHU_PLT constante para cada tipo de planta. Sin embargo, para
simular adecuadamente la dinámica de la vegetación y los procesos hidrológicos que
dependen del LAI, la calibración de los parámetros de la planta es crucial, en particular el
parámetro que controla el desarrollo de la planta como el PHU_PLT, que varía con la
altitud en las cuencas de montaña, como se demuestra en este estudiar. Creemos que
nuestros resultados y la estrategia de calibración de LAI propuesta pueden ayudar a los
modeladores a una mejor simulación de la dinámica de la vegetación.

Figura 3 (a ) muestra la fuerte relación negativa

(R 2 ≥ 0,83) entre los valores PHU_PLT calibrados y la elevación para PAST, AGRL y
FRST. Esto significa que el número total de unidades de calor requeridas para que
una planta alcance la madurez (PHU_PLT) disminuye con la altitud, y esto se puede
utilizar como una variable descriptiva para estimar PHU_PLT en cuencas que
muestran gradientes de elevación elevados. Como resultado, los parámetros de la
planta y la relación entre PHU_PLT y la elevación derivada en este estudio se pueden
utilizar en otras cuencas andinas.
Comparando la variación temporal de la dinámica LAI ( Figura 3 (b )),
En general, el LAI simulado por SWAT se corresponde bien con los datos de MODIS LAI
durante los períodos de calibración y validación para todas las plantas perennes. Esta
observación está respaldada por buenas estadísticas de rendimiento del modelo (NSE ≥
0,63, R 2 ≥ 0,76, y PBIAS dentro de límites razonables ± 15%) en la simulación de la
dinámica de LAI para ambos períodos de evaluación como se muestra en Cuadro 5 .
Adicionalmente, Higos 3 (c ) y A1 (ver Apéndice) muestran que la variabilidad
espacio-temporal del LAI estacional simulado por SWAT concuerda bien con MODIS LAI
para todas las plantas perennes. Dado que LAI en SWAT influye en la simulación de
procesos hidrológicos y de vegetación como la evapotranspiración, la acumulación de
simulaciones calibradas objetivas se muestran en Higos 5 (a, b ) y 6,
biomasa, el caudal y los sedimentos (Strauch y Volk 2013 , Alemayehu et al. 2017 , Ja et al. 2018
, Rajib et al. 2018 , Ma et al. 2019 ), el buen comportamiento del modelo en
3.3 Rendimiento del modelo en simulación de caudal
El enfoque Borg MOEA (ver Sección 2.8 ) se utilizó para calibrar el modelo SWAT de
acuerdo con las estrategias de calibración antes mencionadas (ver Tabla 2 ) y los
parámetros obtenidos se muestran en Tabla 6 . Estos parámetros del modelo fueron
elegidos para corregir las deficiencias del modelo no calibrado (por ejemplo, la
subestimación sistemática del flujo es mayor durante los períodos de flujo bajo,
descargas máximas simuladas fuertes, etc.), para lo cual el conocimiento de los
autores sobre las características de la cuenca, la estructura del modelo y cómo Cada
parámetro del modelo influye en los procesos hidrológicos fue importante.
Para la calibración de un solo objetivo, biobjetivo y multiobjetivo, se obtuvo la
solución del frente de Pareto que consta de uno, tres y seis conjuntos de
parámetros, respectivamente. Figura 4
resume los resultados de diferentes estrategias de calibración. Además, los
hidrogramas, las FDC y la dinámica de flujo estacional medio de las diferentes
respectivamente.
En términos de la variación temporal de la dinámica de descarga ( Figura 5 (a )),
FDC ( Figura 5 (b )) y dinámica de descargas estacionales

Cuadro 4. Valores de parámetros de planta SWAT calibrados para HRU con plantas perennes: bosque mixto (FRST), bosque de hoja ancha siempreverde (FETZ), pastos (PAST) y áreas agrícolas (AGRL).

Parámetro Descripción de parámetros Valores calibrados

PASADO AGRL FRST FETZ

BIO_E Eficiencia de uso de radiación ((kg / ha) / (MJ / m 2)) 17.04 13,92 1,10 0,56
BLAI Índice de área foliar potencial máxima (m 2 / metro 2) 1,10 2,74 1,70 5.30
FRGRW1 Fracción de PHU correspondiente al primer punto de la curva de desarrollo óptimo del área foliar Fracción de BLAI 0,06 0,07 0,02 0,10
LAIMX1 correspondiente al primer punto de la curva de desarrollo óptimo del área foliar Fracción de PHU correspondiente al segundo 0,02 0,17 0,10 0,20
FRGRW2 punto de la curva de desarrollo óptimo del área foliar Fracción de BLAI correspondiente a el segundo punto en la curva de 0,49 0,38 0,44 0,50
LAIMX2 desarrollo óptimo del área foliar Fracción del PHU total cuando el área foliar comienza a disminuir 0,90 0,92 0,98 0,90
DLAI 0.48 0,59 0.40 0.48
ALAI_MIN Índice mínimo de área foliar para la planta durante el período de inactividad (m 2 / metro 2) 0,31 0,58 0,32 0,90
T_BASE Temperatura mínima para el crecimiento de las plantas (° C) Temperatura 2,07 3,46 2,00 0,05
T_OPT óptima para el crecimiento de las plantas (° C) 18.16 10.00 14,50 13.18
PHU_PLT Número total de unidades de calor necesarias para que la planta madure Variable para cada HRU
8 CA FERNANDEZ-PALOMINO ET AL.

Figura 3. ( a) (a) Diagrama de dispersión de PHU_PLT contra elevación. (b) LAI diario simulado (rango sobre HRU y HRU media ponderada por área) y el LAI MODIS de 8 días. (c) LAI promedio diario a largo plazo
(2005-2015) (8 días) basado en SWAT (MODIS). La línea gris vertical marca el final del período de calibración y el comienzo del período de validación. R 2 es el coeficiente de determinación.

Cuadro 6. Parámetros seleccionados y sus rangos para la calibración del modelo para caudal. En la columna
Cuadro 5. Métricas de rendimiento del SWAT para simular LAI en el período de calibración (validación). Tenga en
"Tipo de cambio", R se refiere a un cambio relativo de los valores de los parámetros durante la calibración y V al
cuenta que el rendimiento se refiere a datos agregados de 8 días. R 2 es el coeficiente de determinación.
cambio absoluto. “Valor ajustado” se refiere a los valores medios de los parámetros asociados con el conjunto de
Pareto obtenido en el escenario multiobjetivo.
PASADO AGRL FRST FETZ

NSE 0,78 (0,72) 0,77 (0,63) 0,91 (0,83) 0,81 (0,81)

Parámetro Descripción Rango Cambio Equilibrado
R2 0,79 (0,76) 0,81 (0,76) 0,91 (0,85) 0,82 (0,81)
tipo valor
PBIAS% −0,90 (−6,20) 0,20 (−1,10) 1,90 (0,00) 1,00 (2,20)
CN2 Número de curva de escorrentía para [−0,15, R 0,06
condición de humedad II 0,15]
SURLAG Coeficiente de retardo de escorrentía superficial [0,1, 2] V 0,11
( Figura 6 ), la simulación calibrada NSE se corresponde bien con la descarga diaria SOL_BD Densidad aparente en húmedo [−0,25, R 0,09
0,25]
observada durante la temporada de descarga alta, pero falla (subestimación del flujo)
SOL_K Conductividad hidráulica del suelo [−0,25, R −0,15
durante la temporada de descarga baja. Esta observación está respaldada por el valor 0,25]
de rendimiento más alto (más bajo) para NSE (lNSE) como se muestra en Figura 4 . SOL_AWC Capacidad de agua disponible del [−0,5, R −0,31
capa de suelo 0,25]
Además, las firmas hidrológicas basadas en FDC ( Figura 4 ) muestran que este
GW_DELAY Tiempo de retraso del agua subterránea [1, 100] V 42,16
enfoque de calibración se centra principalmente en los flujos pico, alto y medio a RCHRG_DP Percolación profunda del acuífero [0.05, 1] V 0,52
expensas de las mejoras en las predicciones de flujo bajo. Este hallazgo es fracción

congruente con estudios previos (Krause

et al. 2005 , Chen et al. 2018 , Zhang et al. 2018b ). Sin embargo, las simulaciones calibradas
del INSE coinciden bien con la descarga observada en todos los aspectos del hidrograma ( Figuraotro en alto grado Figura 5 ) y todas las medidas de desempeño (bondad de
5 ) aunque las descargas se subestiman moderadamente durante la temporada de altas ajuste y métricas de firma FDC; Figura 4 ) muestran que estas formulaciones son
descargas ( Figura 6 ). Por lo tanto, lNSE se utiliza en este estudio como parte de los superiores a los resultados de los enfoques de objetivo único. Este hallazgo
enfoques de calibración multiobjetivo para impulsar el modelo en la simulación de todos los demuestra que la inclusión de firmas FDC además de las medidas de
aspectos del hidrograma en la calibración. desempeño basadas en la descarga dentro de una calibración multiobjetivo
conduce a una simulación de descarga mejorada, que está de acuerdo con
Los resultados de los enfoques biobjetivo y multiobjetivo muestran que los estudios previos (Pokhrel y Yilmaz 2012 , Hrachowitz et al.
hidrogramas observados y simulados coinciden
 REVISTA DE CIENCIAS HIDROLÓGICAS 9

Figura 4. Gráfico de coordenadas paralelas de las soluciones óptimas del frente de Pareto obtenidas mediante diferentes estrategias de calibración. Para cada solución, se muestran los valores óptimos de los parámetros, las medidas
de rendimiento basadas en la descarga (NSE, lNSE y PBIAS) y las firmas hidrológicas (Speak, Shigh, Smid, Slow y BIAS_BFI). _cal (_val) indica las medidas para el período de calibración (validación). Qsurf es la escorrentía
superficial media en mm. Se proporciona una descripción de los parámetros SWAT en Tabla 6 . Se proporciona una descripción de las funciones objetivas (OF) en Tabla 3 .

Figura 5. Comparación de las descargas diarias observadas (línea negra) y simuladas (línea / área roja) (a) y (b) FDC simulada y observada para cuatro estrategias de calibración. En el caso de la optimización
biobjetivo (lNSE y FDCsign) y multiobjetivo (lNSE, FDCsign y BIAS_BFI), el área roja indica soluciones de Pareto óptimas y NSE y PBIAS son la media de las soluciones de Pareto. La línea gris marca el final
del período de calibración y el comienzo del período de validación.

2014 , Shafii y Tolson 2015 , Pfannerstill et al. 2017 , Chilkoti
et al. 2018 , Sahraei et al. 2020 ).
En cuanto al rendimiento del modelo en la simulación de los componentes del
flujo, Figura 4 muestra los valores más pequeños de PBIAS_BFI para el enfoque
de calibración multiobjetivo, que demuestra que nuestro enfoque conduce a un
enfoque más preciso
representación del flujo dividido en escorrentía superficial y flujo base.
Mientras que los enfoques aplicados antes (enfoques de un solo objetivo y
biobjetivo) fallan en la simulación de la partición en componentes de flujo de
acuerdo con el índice de flujo base, esto concuerda con los hallazgos de
Shafii. et al.
( 2017 ), quien informó que las tradicionales firmas
10 CA FERNANDEZ-PALOMINO ET AL.
Figura 6. La dinámica estacional media de la descarga simulada (línea / área roja) y la descarga observada (línea negra) para cada estrategia de calibración en el período de calibración (izquierda) y período de validación (derecha).
La calibración (utilizando descarga y FDC) no garantiza necesariamente la
distribución correcta del flujo en una aplicación de modelo hidrológico de modelo
hidrológico (HYMOD).
Considerando los criterios de calificación de desempeño de Moriasi et al.
( 2007 ), NSE superior a 0,75 y PBIAS inferior al 10% son indicativos de muy buen
rendimiento del modelo para la simulación de caudal; por lo tanto, el rendimiento del
modelo fue muy bueno tanto en la calibración (NSE ≥ 0.8, | PBIAS | ≤ 10%) como en la
validación (NSE ≥ 0.8, | PBIAS | ≤ 8.7%) para la simulación de flujo diario en todas las
estrategias de calibración realizadas en este estudio. Los resultados de este estudio ( Figura
4 ), sin embargo, demuestran claramente que los profesionales deben tener cuidado al
juzgar la credibilidad del modelo utilizando solo estas métricas basadas en la descarga, ya
que un buen rendimiento del modelo para el flujo de corriente y la simulación de FDC no
garantiza la consistencia interna de todos los procesos simulados (por ejemplo, escorrentía
superficial y flujo base ).
En este estudio, estrategias de calibración adicionales (Apéndice
Figura A2 ) que no incluyen firmas FDC, y sus resultados sugieren que
nuestro enfoque multiobjetivo propuesto es mucho más sólido.
3.4 Identificabilidad de parámetros
La identificación de conjuntos de parámetros de modelo físicamente plausibles,
representativos y sólidos para la cuenca bajo investigación es una tarea importante en
el modelado hidrológico (Wagener et al.
2001 , Shafii y De Smedt 2009 ). Para este propósito, nos enfocamos en el rango
de valores de parámetros asociados con las soluciones óptimas de Pareto, como
sugiere Gupta. et al. ( 1998 ), y particularmente en los parámetros retenidos por las representación adecuada del índice de caudal base, así como a la simulación de caudal y
estrategias de calibración biobjetivo y multiobjetivo. Un parámetro se vuelve más
identificable cuando el rango del parámetro es más estrecho y / o sus valores
óptimos se encuentran en una región particular del rango factible.
Figura 4 muestra que en el escenario de calibración de dos objetivos, la
cuatro parámetros (densidad aparente húmeda (SOL_BD), suelo hidráulico
conductividad (SOL_K), la capacidad de agua disponible del suelo
capa (SOL_AWC), y Agua subterránea retrasar hora
(GW_DELAY)) son identificables y tres parámetros (Número de curva de escorrentía
para la condición de humedad II (CN2), Coeficiente de retardo de escorrentía
superficial (SURLAG) y Fracción de percolación del acuífero profundo
(RCHRG_DP)) son apenas o no identificables, ya que diferentes valores de estos
parámetros dan resultados similares en combinación con los otros parámetros. De
lo contrario, seis parámetros (CN2, SURLAG, SOL_K, SOL_AWC, GW_DELAY y
RCHRG_DP), que influyen en los procesos hidrológicos principales, como la
escorrentía superficial, el flujo lateral, la evapotranspiración y el flujo de retorno de
los acuíferos, son bien identificables y solo el parámetro SOL_BD es apenas
identificable en la estrategia de calibración multiobjetivo. El mayor número de
parámetros identificables en el último enfoque se debe a la inclusión del índice de
flujo base en la calibración multiobjetivo, que guía el algoritmo de optimización para
identificar los parámetros relacionados con los procesos que impactan el índice de
flujo base. Por lo tanto, cuando se introduce (se requiere) más información
(objetivos) en la calibración del modelo, también aumentará el número de
parámetros identificables.
Al comparar la robustez de los conjuntos de parámetros obtenidos por cada estrategia
de calibración, los conjuntos de parámetros de los modelos calibrados con base en la
optimización de un solo objetivo y biobjetivo se desempeñaron satisfactoriamente en la
simulación del caudal pero para la representación poco realista de la escorrentía superficial
( Figura 4 ) así como del índice de caudal base de la cuenca. Por el contrario, los conjuntos
de parámetros obtenidos mediante una estrategia multiobjetivo condujeron a una
FDC, por lo que estos conjuntos de parámetros pueden catalogarse como representativos
de la cuenca de estudio. La superioridad de la estrategia multiobjetivo en la simulación de
partición de flujo está relacionada con la mejor identificación del parámetro CN2,

que impacta directamente la escorrentía superficial y la división de infiltración y
altera los componentes del balance hídrico (Arnold et al. 2012 , Qi et al. 2020 ). Aquí,
solo se describen los parámetros representativos, y los rangos más estrechos de
CN2, SURLAG y RCHRG_DP obtenidos por el enfoque multiobjetivo indican que la
respuesta de la cuenca es muy sensible a la escorrentía superficial y la contribución
del acuífero profundo. Los valores óptimos obtenidos para CN2 ( Figura 4 ) debe
conducir al aumento de la escorrentía superficial y, en consecuencia, a la simulación
de picos altos. Por lo tanto, los valores de SURLAG contribuyeron a suavizar el
hidrograma simulado en el canal debido al retraso en la liberación de escorrentía
superficial de las HRU (Neitsch et al. 2011 ). Los valores óptimos resultantes de
SOL_K (SOL_AWC) se identificaron para superar el problema inicial del movimiento
rápido del agua a través del suelo (subestimación del flujo). Los valores óptimos de
RCHRG_DP (valor medio 0,52) indican que del agua total para la recarga del
acuífero, aproximadamente el 52% (48%) recarga el acuífero profundo (acuífero
poco profundo). El alto porcentaje de agua que llega al acuífero profundo es
importante para que el flujo de retorno de este acuífero mejore la simulación del flujo
en el período de flujo bajo. Esto concuerda con el hallazgo de Clark. et al. ( 2014 ),
quien demostró la importancia del flujo de retorno de los acuíferos profundos para
explicar el flujo sostenido de la estación seca en la cuenca andina vecina de
Kosñypata.
3.5 Equifinalidad
Figura 4 muestra que cada estrategia de calibración produce un modelo o varios
modelos con buen desempeño en la simulación de caudal a pesar de que cada modelo
tiene un conjunto diferente de parámetros. Este resultado demuestra que las salidas del
modelo están sujetas a los efectos de la equifinalidad o al problema de la no unicidad
(diferentes conjuntos de parámetros en el procedimiento de calibración que dan como
resultado simulaciones similares; consulte 2006 ). Este problema es común en modelos
complejos no lineales como SWAT (Shen et al. 2012 , Ficklin y Barnhart 2014 , Ella y
chaubey 2015 , Zhang et al. 2018a ), que presenta interacciones entre sus parámetros
según lo informado por Zhang et al. ( 2018a ).
Controlar la equifinalidad para llegar a soluciones y conjuntos de parámetros
significativos es un desafío. Por ejemplo, Figura 4 muestra que las estrategias de
calibración convencionales basadas en la optimización de la bondad de ajuste del
hidrograma (enfoques 1 y 2 con NSE o lNSE solamente) producen modelos
pseudoprecisos (con valores de parámetros poco realistas), que muestran estadísticas de
rendimiento precisas en la simulación de flujo de corriente mientras que representa
incorrectamente algunos procesos de cuencas internas. Este estudio también revela que
incluso la estrategia de calibración biobjetivo que incluye la firma FDC como criterio
además de lNSE no mejora la equifinalidad. Sin embargo, nuestra estrategia de
calibración multiobjetivo propuesta mejora la identificabilidad de los parámetros y reduce
la equifinalidad porque la inclusión del índice de flujo base como parte de la función
objetivo conduce a una mejor identificación del parámetro CN, que controla la división del
flujo en escorrentía superficial y flujo base.
En general, la calibración del modelo usando sólo la descarga no es suficiente
para juzgar la validez de un modelo en la representación del sistema hidrológico.
Por lo tanto, sugerimos incluir más variables (por ejemplo, LAI, evapotranspiración,
nieve, flujo base y firmas hidrológicas) para restringir mejor el proceso de
calibración (que también fue sugerido por Krysanova et al. 2018 ). Igualmente,
REVISTA DE CIENCIAS HIDROLÓGICAS 11
Sugerimos el uso de algoritmos evolutivos multiobjetivo que busquen
compensaciones aceptables entre objetivos, ya que estos métodos pueden ayudar
a mitigar la incertidumbre del parámetro debido en parte a la equifinalidad durante
la calibración. De lo contrario, los profesionales deben tener cuidado al utilizar
algoritmos de optimización de objetivo único, ya que ningún esquema de diseño de
muestreo utilizado en estos algoritmos considera las interacciones entre los
parámetros (Song et al. 2015 , Devak y Dhanya 2017 ,
Razmkhah et al. 2017 ) y, por tanto, la solución puede someterse a equifinalidad.
3.6 Balance hídrico de la cuenca y respuesta de la vegetación
Para comprender mejor el presupuesto de agua para VRB, Tabla 7
muestra los valores anuales promedio a largo plazo (período 1985-2015) para los
componentes de flujo y balance hídrico más relevantes. Los resultados muestran que la
precipitación anual en la cuenca es de 748 mm, de los cuales alrededor del 50% se
pierde del sistema por evapotranspiración (ET = 375 mm), y el 50% es el rendimiento de
agua de la cuenca (WYLD = 373 mm). Se informaron proporciones similares
(44,6–51%) de ET sobre precipitación en las cuencas andinas ecuatorianas (Guzmán et
al. 2015 , Mosquera et al. 2015 , Carrillo-Rojas et al.
2019 ). En cuanto a los componentes de WYLD, la contribución del caudal base (BF =
291 mm, 78%) es mayor que la de la escorrentía superficial (Qsurf = 82 mm, 22%). El
componente principal del flujo base es el flujo lateral (Qlat = 137 mm, 47%), seguido
del flujo de retorno del acuífero profundo (Qgwd = 79 mm, 27%) y el flujo de retorno del
acuífero poco profundo (Qgws = 75 mm, 26 %). Nuestros resultados indican que la
gran contribución del flujo base juega un papel clave en la modulación del régimen de
flujo de VRB, y la importante contribución del agua subterránea explica el flujo base de
la estación seca. Este resultado es consistente con los hallazgos de las cuencas
andinas peruanas que desembocan en el río Amazonas, como el Kosñypata (Clark et
al. 2014 ) y la cuenca alta del río Marañón (Cerro et al. 2018 ), donde la descarga
sustancial de la estación seca se atribuyó al flujo de retorno de los acuíferos profundos.
Para evaluar el papel de la vegetación andina tropical en los rendimientos de agua y el
flujo base, el índice de flujo base estimado por SWAT - SWAT_BFI (relación entre el
rendimiento de agua y la precipitación) para cada tipo de uso de la tierra y su variabilidad
espacial a nivel de HRU se muestra en Figura 7e, c (Figura 7d, b) . Los resultados muestran
que la mayor proporción (~ 0.63) de rendimiento de agua sobre precipitación se produce en
áreas de pastos (PASADO) que se extienden por la parte media y alta de la cuenca
principalmente ( Figura 1 ). Las áreas urbanas (URML) y estériles (BARR) pueden producir
agua
Cuadro 7. Balance hídrico anual promedio a largo plazo (período 1985-2015) para el VRB.
Componentes del balance hídrico Valor
Precipitación, PAG ( mm) 748
Evapotranspiración, ET (mm) 375
Rendimiento de agua, WYLD (mm) 373
Escorrentía superficial, Qsurf (mm) 82
Flujo base, BF = Qlat + Qgws + Qgwd (mm) Flujo 291
lateral, Qlat (mm) 137
Flujo de retorno del acuífero poco profundo, Qgws (mm) Flujo de retorno 75
del acuífero profundo, Qgwd (mm) Comprobaciones 79
BFI 0,77
SWAT_BFI 0,79
BIAS_BFI 0,02
ET / P 0,50
12 CA FERNANDEZ-PALOMINO ET AL.
Figura 7. Arriba está (a) la variabilidad espacial en el nivel de precipitación HRU, (b) la proporción de rendimiento de agua (WYLD) sobre la precipitación, y (c) índice de flujo base simulado (SWAT_BFI). A continuación se muestra (d) la proporción de WYLD sobre la
precipitación y (e) SWAT_BFI para cada tipo de uso de la tierra.
rendimientos de ~ 43% y ~ 52% de precipitación, respectivamente, contribuidos
principalmente por la escorrentía superficial, ya que los valores del índice de flujo base
(SWAT_BFI) son muy bajos en estos usos de la tierra. Si bien las áreas de bosque latifoliado
siempreverde (FETZ) ubicadas alrededor de la desembocadura de la cuenca experimentan la
mayor cantidad de precipitación, el rendimiento de agua en esas áreas es menor (<37% de
precipitación), como por ejemplo en áreas agrícolas (AGRL) y bosque mixto ( FRST).
Figura 7 (e ) muestra valores más bajos de índices de flujo base para la agricultura
áreas agrícolas, en comparación con pastos, por ejemplo, lo que puede indicar la pobre
capacidad de regulación hidrológica de las áreas cultivadas. De lo contrario, los bosques
mixtos, los bosques latifoliados siempreverdes y los pastizales exhiben tasas más altas (> ~
0,89) de flujo base a rendimiento de agua, lo que resalta las características de estos usos de
la tierra para mejorar los procesos de infiltración y subsuperficiales. Sin embargo, observamos
que los pastos presentan servicios hidrológicos importantes como mayores rendimientos de
agua y mayores tasas de caudal base simultáneamente en comparación con el bosque, que
muestra un caudal base más alto pero un rendimiento de agua pobre en VRB. Los impactos
negativos del bosque en el rendimiento del agua son consistentes con los hallazgos de
estudios previos en las cuencas andinas (por ejemplo, Buytaert et al. 2007 , Ochoa-Tocachi et
al. 2016 ).
Finalmente, la verificación de BIAS_BFI es igual a 0.02 (2%;
Tabla 7 ) destaca la capacidad del modelo SWAT para simular la escorrentía superficial y el
flujo base, que es esencial para ayudar a la gestión de los recursos hídricos locales, incluidos
los servicios de suministro de agua, la identificación de áreas críticas para la intervención de
conservación del suelo, la producción de energía hidroeléctrica y la prevención de
inundaciones y sequías.
3.7 Limitaciones y perspectivas
A pesar de los esfuerzos de este estudio para reducir la incertidumbre de los parámetros
durante el procedimiento de calibración, observamos que nuestros resultados aún están
sujetos a incertidumbres en los datos de entrada (p. Ej.
clima, suelo y uso de la tierra), los datos utilizados para la calibración del modelo (p.
gramo. descarga, BFI y LAI) y la estructura del modelo debido a la simplificación de los
procesos hidrológicos, así como a las incertidumbres en los parámetros restantes del
modelo. Por ejemplo, a pesar de la utilidad de los datos climáticos utilizados en este
estudio para impulsar el modelo hidrológico en una cuenca con escasez de datos,
como VRB, los datos climáticos cuadriculados están sujetos a incertidumbres en los
datos observados y los procedimientos de interpolación espacial. En particular, la
precipitación puede tener un sesgo sistemático causado por el viento, que es inherente
a las mediciones de precipitación e introduce un error no cuantificado (Pollock et al. 2018
). Asumimos que el BFI, que se estimó utilizando métodos de filtro digital basados en
la descarga diaria y utilizado para restringir la división del flujo, da un resultado
físicamente plausible. Sin embargo, el trabajo futuro debería implicar el uso de
trazadores y / o isótopos estables para estimar el BFI y validar los métodos indirectos
utilizados en este estudio. Confiamos en los datos de descarga de la estación
hidrométrica km-105 para la calibración y validación del modelo. Sin embargo, los datos
de descarga pueden tener errores debido a las incertidumbres inherentes en la
medición del flujo y las curvas de clasificación (Tomkins 2014 ). En las cuencas andinas
de Colombia se reportaron incertidumbres de hasta ± 20% en la medición de flujo
utilizando el método tradicional de área-velocidad y el medidor de corriente (Parra et al. 2016
). Por lo tanto, se necesitan estudios futuros para cuantificar las incertidumbres en el
modelado hidrológico debido a errores en los datos de descarga observados en las
cuencas andinas. Finalmente, en este estudio, solo se utilizó un medidor de corriente
para la calibración y validación del modelo debido a la escasez de datos, pero
confiamos en la solidez de nuestra metodología, que se puede utilizar en cuencas
instrumentadas para realizar la calibración / validación en múltiples sitios dentro de la
cuenca, e incluso en cuencas no calibradas donde la FDC y el índice de flujo base
pueden obtenerse mediante enfoques de regionalización (por ejemplo, Beck et al. 2013 ,
Atieh et al. 2017 ).
 REVISTA DE CIENCIAS HIDROLÓGICAS 13

4 Resumen y conclusiones Los pastos ofrecen mejores servicios hidrológicos en cuanto a rendimiento
hídrico y caudal base en comparación con otros usos del suelo. La capacidad
Este estudio desarrolló un marco de calibración gradual y multiobjetivo aplicado al modelo
del modelo SWAT para simular de manera realista la dinámica de la
SWAT para la simulación de la dinámica de la vegetación, el caudal y la partición del
vegetación, el caudal y el caudal base puede contribuir a mejorar la gestión de
caudal. La primera parte del marco trata sobre la calibración del modelo de la dinámica
los recursos hídricos del VRB y captaciones de agua similares.
del índice de área foliar, para lo cual los parámetros relacionados con SWAT LAI de
plantas perennes se calibraron utilizando datos de MODIS LAI como referencia y
siguiendo el esquema de calibración de LAI propuesto en este estudio (ver Sección 2.6 ).
En general, nuestro marco de calibración y validación propuesto
La segunda parte de la estrategia de calibración se ocupa de la calibración del modelo del
para modelos hidrológicos como SWAT aumenta las posibilidades de obtener la
caudal y la división del caudal, para lo cual se propone la inclusión del índice de caudal
respuesta correcta por la razón correcta en el modelado hidrológico, que es un paso
base, así como las firmas de descarga y FDC dentro de un enfoque de calibración
crucial hacia aplicaciones hidrológicas más realistas. Los ejemplos incluyen una
multiobjetivo. Este enfoque se compara con estrategias de calibración basadas en
mejor comprensión de la hidrología de la cuenca y los recursos hídricos y una
descargas (objetivo único, por ejemplo, NSE) y basadas en firmas (bi-objetivo, que incluye
evaluación de los impactos de los cambios en el uso del suelo y el cambio climático.
criterios para descargas y firmas FDC). La cuenca del río Vilcanota, con escasez de
El marco de calibración propuesto se puede aplicar en cualquier cuenca montañosa
datos, ubicada en los Andes peruanos, sirvió como estudio de caso para demostrar las
y se puede adaptar a la calibración de otros modelos hidrológicos físicos o basados
ventajas del marco de calibración del modelo propuesto, con miras a proporcionar una
en procesos.
mejor comprensión de los procesos hidrológicos internos de la cuenca. Las siguientes
conclusiones pueden extraerse del estudio:

Agradecimientos

Este trabajo fue apoyado por el proyecto de Capacidades Climáticas de África Oriental Perú India
(EPICC). Este proyecto es parte de la Iniciativa Climática Internacional (IKI). El Ministerio Federal
● El esquema de calibración LAI condujo a un buen desempeño del modelo.
de Medio Ambiente, Conservación de la Naturaleza y Seguridad Nuclear (BMU) apoya esta
mance en la simulación de LAI en comparación con iniciativa sobre la base de una decisión adoptada por el Bundestag alemán. También
MODIS LAI. Además, nuestros hallazgos arrojan luz sobre el hecho de que en las agradecemos al Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI) por la pro
cuencas con gradientes de alta elevación, el calor
viding el conjunto de datos hidrometeorológicos.
las unidades cambian con la altitud; por lo tanto, el parámetro SWAT que
controla el crecimiento de las plantas (PHU_PLT) disminuye con la altura, y
su calibración es crucial para una correcta simulación de LAI en regiones
Declaración de divulgación
montañosas.
● Nuestros resultados también muestran que se logra un mejor rendimiento del Los autores no informaron ningún conflicto de intereses potencial.

modelo en la simulación de flujo, FDC y partición de flujo cuando el modelo se

calibra utilizando el enfoque de calibración multiobjetivo propuesto, mientras
ORCID
que los enfoques de calibración aplicados previamente condujeron a una
representación poco realista de la partición de flujo aunque Con estas Carlos Antonio Fernandez-Palomino http://orcid.org/0000-0002-
estrategias se logra un buen rendimiento del modelo para la simulación de 0573-4025

caudal. Fiorella Vega-Jácome http://orcid.org/0000-0003-4580-9324

Axel Bronstert http://orcid.org/0000-0002-6369-8536

● Se observó que la metodología propuesta aumentaba la identificabilidad de los

parámetros SWAT relacionados con la evapotranspiración, el caudal y la
partición del caudal, mientras que los valores de los parámetros obtenidos
mediante métodos de calibración anteriores no eran realistas.
● Este estudio muestra que la solución del modelo SWAT, que presenta
Referencias
Abbaspour, K. y Ashraf Vaghefi, S., 2019 . Suelo mundial armonizado
base de datos en formato SWAT. doi: 10.1594 / PANGAEA.901309
Abbaspour, K., Vaghefi, S. y Srinivasan, R., 2017 . Una guía para la calibración exitosa y el
análisis de incertidumbre para la evaluación del suelo y el agua: una revisión de los

interacciones entre sus parámetros (Zhang et
Alabama. 2018a ), el uso de enfoques de calibración previos es sub-
sometido a equifinalidad ya que estos enfoques produjeron modelos
pseudo-precisos, mostrando un buen desempeño del modelo para la simulación
de flujo de agua mientras representa incorrectamente algunos procesos internos
artículos de la conferencia internacional SWAT de 2016. Agua, 10, 6. doi: 10.3390 /
w10010006
Acero Triana, JS, et al., 2019 . Más allá de las métricas del modelo: los peligros de calibrar
modelos hidrológicos. Revista de hidrología, 578, 124032. doi: 10.1016 / j.jhydrol.2019.124032
Alemayehu, T., et al., 2017 . Un módulo mejorado de crecimiento de vegetación SWAT y su

de la cuenca. Por el contrario, se observó que la calibración multiobjetivo evaluación para cuatro ecosistemas tropicales. Hidrología y Ciencias del Sistema Terrestre, 21
(9), 4449–4467. doi: 10.5194 / hess-21- 4449-2017
propuesta, que incluye el índice de flujo base, reduce la equifinalidad del
parámetro.
Arnold, JG y Allen, PM, 1999 . Métodos automatizados para estimar el caudal base y la recarga de
● En cuanto a la ecohidrología de la cuenca andina del río Vilcanota, se agua subterránea a partir de registros de caudal. diario
encontró que la evapotranspiración representa el 50% de la de la Asociación Estadounidense de Recursos Hídricos, 35 (2), 411–424.

precipitación promedio anual. La base- doi: 10.1111 / j.1752-1688.1999.tb03599.x

el caudal es el componente principal del caudal a largo plazo
(78% de ella, en promedio) con una importante contribución de los acuíferos
profundos que sustentan el caudal base de la estación seca. Nuestros hallazgos
ilustran aún más que las áreas cubiertas por
Arnold, JG, et al., 1995 . Técnicas automatizadas de análisis de recesión y separación de flujo base. Agua
subterránea, 33, 1010–1018. doi: 10.1111 / j.1745-
6584.1995.tb00046.x
Arnold, JG, et al., 2012 . Swat: uso, calibración y validación del modelo.
Transacciones de la ASABE, 55, 1491–1508. doi: 10.13031 / 2013.42256
14 CA FERNANDEZ-PALOMINO ET AL.
Arnold, JG, et al., 1998 . Evaluación y modelización hidrológica de gran superficie
parte i: desarrollo del modelo. Revista de los recursos hídricos estadounidenses
Asociación, 34 (1), 73–89. doi: 10.1111 / j.1752-1688.1998.tb05961.x
Atieh, M., et al., 2017 . Predicción de curvas de duración del flujo para cuencas no calibradas.
Revista de hidrología, 545, 383–394. doi: 10.1016 / j.jhydrol.2016.12.048
Aybar, C., et al., 2019 . Construcción de un conjunto de datos de lluvia en cuadrícula de alta resolución para
Perú desde 1981 hasta la actualidad. Revista de Ciencias Hidrológicas, 1-16. doi: 10.1080 /
02626667.2019.1649411
Beck, ÉL, et al., 2013 . Patrones globales en el índice de flujo base y la recesión basados en
observaciones de flujo de 3394 cuencas. Investigación de recursos hídricos, 49, 7843–7863.
doi: 10.1002 / 2013WR013918
Beven, K., 2006 . Un manifiesto para la tesis de la equifinalidad. Diario de
Hidrología, 320 (1–2), 18–36. doi: 10.1016 / j.jhydrol.2005.07.007
Brouziyne, Y., et al., 2017 . Calibración manual SWAT y análisis de sensibilidad de
parámetros en una cuenca semiárida en el noroeste de Marruecos. Revista árabe de
geociencias, 10 (19), 427. doi: 10.1007 / s12517-017-3220-9
Buytaert, W., Iñiguez, V. y Bièvre, BD, 2007 . Los efectos de la forestación y el cultivo sobre el
Hattermann, FF, et al., 2005 . Simulaciones de escorrentía a macroescala con el modelo
rendimiento hídrico en el páramo andino. Ecología y Manejo Forestal, 251 (1–2), 22–30. doi: 10.1016
/ j.foreco.2007.06.035
Carrillo-Rojas, G., et al., 2019 . La respiración del altiplano andino: intercambio neto de
ecosistemas y evapotranspiración sobre el páramo del sur
ern Ecuador. Meteorología agrícola y forestal, 265, 30–47.
doi: 10.1016 / j.agrformet.2018.11.006
Catacora-Acevedo, EA, 2008 . Predicciones del comportamiento de cau-
dales de la CH Machupicchu mediante análisis ARIMA de series
temporales. Lima, Perú: Universidad Nacional de Ingeniería. Disponible de: http://cybertesis.uni.edu.pe/handle/uni/585
Hill, AF, Stallard, RF y Rittger, K., 2018 . Clarificación de los controles hidrológicos regionales del río
Chen, Y., et al., 2018 . Hacia una calibración mejorada de SWAT utilizando optimización
multiobjetivo basada en estaciones: un estudio de caso en la cuenca de Jinjiang en el
sureste de China. Gestión de recursos hídricos,
32, 1193–1207. doi: 10.1007 / s11269-017-1862-8
Chilkoti, V., Bolisetti, T. y Balachandar, R., 2018 . Autocalibración multiobjetivo del modelo SWAT
para mejorar el rendimiento de flujo bajo en una pequeña cuenca de captación nevada. Revista
de Ciencias Hidrológicas, 63 (10), 1482-1501. doi: 10.1080 / 02626667.2018.1505047
Chilkoti, V., Bolisetti, T. y Balachandar, R., 2019 . Evaluación diagnóstica de modelos
hidrológicos empleando una curva de duración del flujo. Revista de Ingeniería Hidrológica, 24
(6), 05019009. doi: 10.1061 / (ASCE) HE.1943-5584.0001778
Clark, KE, et al., 2014 . El régimen hidrológico de un bosque tropical
Cuenca Andina. Hidrología y Ciencias del Sistema Terrestre, 18 (12),
5377–5397. doi: 10.5194 / hess-18-5377-2014
Devak, M. y Dhanya, CT, 2017 . Análisis de sensibilidad de modelos hidrológicos: revisión y
camino a seguir. Revista de Agua y Cambio Climático, 8 (4), 557–575. doi: 10.2166 /
wcc.2017.149
FAO-UNESCO, 1988 . Mapa de suelos del mundo, leyenda revisada. Roma: FAO, World Soil
Resources Reports 60.
Ficklin, DL y Barnhart, BL, 2014 . Incertidumbre del parámetro del modelo hidrológico SWAT y sus
implicaciones para las proyecciones hidroclimáticas en cuencas hidrográficas dependientes del
deshielo. Revista de hidrología, 519, 2081–
2090. doi: 10.1016 / j.jhydrol.2014.09.082
Francesconi, W., et al., 2016 . Uso de la herramienta de evaluación del suelo y el agua (SWAT) para modelar
los servicios de los ecosistemas: una revisión sistemática. Revista de hidrología, 535, 625–636. doi: 10.1016
/ j.jhydrol.2016.01.034
Gassman, PW, et al., 2007 . La herramienta de evaluación del suelo y el agua: desarrollo
histórico, aplicaciones y direcciones de investigación futuras.
Transacciones de la ASAE, 50, 1211-1250. doi: 10.13031 / 2013.23637
Gupta, HV, et al., 2009 . Descomposición del error cuadrático medio y criterios de
rendimiento NSE: implicaciones para mejorar la modelización hidrológica. Revista de
hidrología, 377 (1–2), 80–91. doi: 10.1016 / J. JHYDROL.2009.08.003
Gupta, HV, Sorooshian, S. y Yapo, PO, 1998 . Hacia una mejor calibración de los modelos
hidrológicos: medidas de información múltiples e inconmensurables. Investigación de
recursos hídricos, 34 (4), 751–763. doi: 10.1029 / 97WR03495
Gupta, HV, Sorooshian, S. y Yapo, PO, 1999 . Estado de la calibración automática para
modelos hidrológicos: comparación con el experto multinivel
calibración. Revista de Ingeniería Hidrológica, 4 (2), 135-143.
doi: 10.1061 / (ASCE) 1084-0699 (1999) 4: 2 (135)
Guse, B., et al., 2016 . Desenmascaramiento de la información integrada de descarga: avance del
análisis de sensibilidad para considerar diferentes componentes hidrológicos y sus tasas de
cambio. Investigación de recursos hídricos, 52 (11), 8724–8743. doi: 10.1002 / 2016WR018894
Guzmán, P., et al., 2015 . Análisis comparativo de las características del caudal base de dos cuencas
hidrográficas andinas, Ecuador. Procesos hidrológicos, 29 (14), 3051-3064. doi: 10.1002 / hyp.10422
Ja, L., et al., 2018 . Calibración de procesos hidrológicos distribuidos espacialmente y parámetros del
modelo en SWAT utilizando datos de teledetección y un procedimiento de autocalibración: un
estudio de caso en una cuenca fluvial vietnamita. Agua, 10, 212. doi: 10.3390 / w10020212
Hadka, D. y Reed, P., 2012 . Evaluación diagnóstica de controles de búsqueda y modos de
falla en la optimización evolutiva de muchos objetivos.
Evolutivo Cálculo, 20 (3), 423–452. doi: 10.1162 /
EVCO_a_00053
Hadka, D. y Reed, P., 2013 . Borg: un marco informático evolutivo de muchos objetivos
autoadaptativo. Computación evolutiva, 21 (2), 231-259. doi: 10.1162 /
EVCO_a_00075
ecohidrológico SWIM en la cuenca del Elba - Validación y análisis de incertidumbre. Procesos
hidrológicos, 19, 693–714.
doi: 10.1002 / hyp.5625
Ella, Y. y Chaubey, I., 2015 . Impacto del número de observaciones y parámetros de calibración sobre la
equifinalidad, el rendimiento del modelo y la incertidumbre de los resultados y los parámetros. Procesos
hidrológicos, 29 (19), 4220–4237. doi: 10.1002 / hyp.10487
Marañón, Perú, a través de una evaluación rápida para informar los enfoques de planificación de
cuencas en todo el sistema. Elementa: ciencia del antropoceno, 6, 37. doi: 10.1525 / elementa.290
Hrachowitz, M., et al., 2014 . Consistencia de procesos en modelos: la importancia de las firmas del
sistema, el conocimiento experto y la complejidad del proceso.
Investigación de recursos hídricos, 50 (9), 7445–7469. doi: 10.1002 / 2014WR015484
Huerta, A., Aybar, C. y Lavado-Casimiro, W., 2018 . PISCO tempera-
tura v.1.1. Lima-Perú: SENAMHI - DHI-2018. Jajarmizadeh, M., et al., 2017 . Calibración
óptima y análisis de incertidumbre de SWAT para un clima árido. Investigación del aire, el suelo
y el agua, 10,
117862211773179. doi: 10.1177 / 1178622117731792
Jang, WS, Engel, B. y Ryu, J., 2018 . Método de calibración de flujo eficiente para una estimación
precisa del flujo base utilizando un modelo hidrológico a escala de cuenca (SWAT). Ingeniería
Ecológica, 125, 50–67. doi: 10.1016 / j. ecoleng.2018.10.007
Jarvis, A., et al., 2008 . SRTM lleno de agujeros para el globo Versión 4, disponible
de la base de datos CGIAR-CSI SRTM 90m. Consorcio CGIAR para
Información espacial (CGIAR-CSI).
Krause, P., Boyle, DP y Bäse, F., 2005 . Comparación de diferentes criterios de eficiencia para
la evaluación de modelos hidrológicos. Avances en Geociencias, 5, 89–97. doi: 10.5194 /
adgeo-5-89-2005
Krysanova, V. y Arnold, JG, 2008 . Avances en modelización ecohidrológica con SWAT-a
review. Revista de Ciencias Hidrológicas, 53, 939–947. doi: 10.1623 / hysj.53.5.939
Krysanova, V., et al., 2018 . Cómo se relaciona el desempeño de los modelos hidrológicos con la
credibilidad de las proyecciones bajo el cambio climático. Revista de Ciencias Hidrológicas, 63 (5),
696–720. doi: 10.1080 / 02626667.2018.1446214
Krysanova, V., Müller-Wohlfeil, DI y Becker, A., 1998 . Desarrollo y prueba de un modelo hidrológico / de
calidad del agua distribuido espacialmente para cuencas hidrográficas de mesoescala. Modelado
ecológico, 106, 261-289. doi: 10.1016 / S0304-3800 (97) 00204-4
Larabi, S., et al., 2018 . Calibración basada en procesos de múltiples criterios utilizando análisis de datos
funcionales para mejorar el realismo del modelo hidrológico.
Gestión de recursos hídricos, 32 (1), 195-211. doi: 10.1007 / s11269-017-1803-6
Liang, X., et al., 1994 . Un modelo simple basado en la hidrología del agua superficial terrestre y los
flujos de energía para modelos de circulación general.
Revista de investigación geofísica, 99 (D7), 14415-14428.
doi: 10.1029 / 94jd00483
Lim, KJ, et al., 2005 . HIDROGRAFÍA AUTOMATIZADA BASADA EN WEB GIS
HERRAMIENTA DE ANÁLISIS, QUÉ. Revista de los recursos hídricos estadounidenses
Asociación, 41 (6), 1407-1416. doi: 10.1111 / j.1752-1688.2005.tb03808.x

Lindström, G., et al., 2010 . Desarrollo y prueba del modelo de calidad del agua HYPE
(predicciones hidrológicas para el medio ambiente) para diferentes escalas espaciales. Investigación Modelado y Evaluación Ambiental, 22, 503–521. doi: 10.1007 /
en hidrología, 41 (3–4), 295–319.
doi: 10.2166 / nh.2010.007
Luo, Y., et al., 2012 . Simulación de flujo base utilizando el modelo SWAT en una cuenca fluvial interior en
las montañas Tianshan, noroeste de China. Hidrología y Ciencias del Sistema Terrestre, 16 (4),
1259-1267. doi: 10.5194 / hess-16-1259-2012
Ma, T., et al., 2019 . Mejora de SWAT con LAI de detección remota para mejorar el modelado del
proceso ecohidrológico en los subtrópicos. Revista de hidrología, 570, 802–815. doi: 10.1016 /
J.JHYDROL.2019.01.024
McMillan, H., Westerberg, I. y Branger, F., 2017 . Cinco pautas para la selección de
firmas hidrológicas. Procesos hidrológicos, 31, 4757–
4761. doi: 10.1002 / hyp.11300
Meaurio, M., et al., 2015 . Evaluación del rendimiento de los modelos SWAT para simular el
origen espacial del caudal. El caso de una pequeña cuenca boscosa. Revista de
hidrología, 525, 326–334. doi: 10.1016 / J.
JHYDROL.2015.03.050
Mohammed, R. y Scholz, M., 2018 . Integración de la curva de duración del caudal en algoritmos de
filtrado digital para simular la variabilidad climática en función del caudal base del río. Revista de
Ciencias Hidrológicas, 63, 1558-1573. doi: 10.1080 / 02626667.2018.1519318
Moriasi, DN, et al., 2007 . Pautas de evaluación de modelos para la cuantificación sistemática de la
precisión en simulaciones de cuencas hidrográficas. Transacciones de la ASABE, 50, 885–900. doi: 10.13031 aplicado a la región del embalse de Three Gorges,
/ 2013.23153
Mosquera, GM, et al., 2015 . La escorrentía de los pastizales alpinos tropicales aumenta con la
extensión de los humedales. CADENA, 125, 120-128. doi: 10.1016 / J.CATENA.2014.10.010
Nash, JE y Sutcliffe, JV, 1970 . Pronóstico del caudal de los ríos a través de modelos
conceptuales parte I - Una discusión de principios. Revista de hidrología, 10 (3), 282–290.
doi: 10.1016 / 0022-1694 (70) 90255-6
Neitsch, SL, et al., 2011 . Documento teórico de la herramienta de evaluación de suelos y aguas
versión de mentación 2009. Instituto de Recursos Hídricos de Texas, TR-406 1–
647.
Ochoa-Tocachi, BF, et al., 2016 . Impactos del uso de la tierra en la respuesta hidrológica de las
cuencas de captación andina tropical. Procesos hidrológicos, 30, 4074–4089. doi: 10.1002 /
hyp.10980
Parra, BG, et al., 2016 . Incertidumbre de la estimación de descargas en alto grado
Arroyos andinos. Instrumentación y medición de flujo, 48, 42–50.
doi: 10.1016 / j.flowmeasinst.2016.02.005
Pelletier, JD, et al., 2016 . Un conjunto de datos globales en cuadrícula de suelos, regolitos intactos y espesores de
depósitos sedimentarios para la superficie terrestre regional y global.
modelado facial. Revista de avances en el modelado de sistemas terrestres, 8, 41–
65. doi: 10.1002 / 2015MS000526
Pfannerstill, M., et al., 2017 . Cómo restringir calibraciones multiobjetivo del modelo SWAT
utilizando componentes de balance hídrico. Diario JAWRA
de la Asociación Estadounidense de Recursos Hídricos, 53 (3), 532–546.
doi: 10.1111 / 1752-1688.12524
Pfannerstill, M., Guse, B. y Fohrer, N., 2014 . Métricas de firma inteligentes de flujo bajo para una
evaluación de desempeño general mejorada de los modelos hidrológicos. Revista de
hidrología, 510, 447–458. doi: 10.1016 / J. JHYDROL.2013.12.044
Pokhrel, P. y Yilmaz, KK, 2012 . Calibración de criterios múltiples de un modelo de cuenca
distribuida mediante la regularización espacial y firmas de respuesta. Revista de hidrología,
418–419, 49–60. doi: 10.1016 / J. JHYDROL.2008.12.004
Pollock, médico, et al., 2018 . Cuantificar y mitigar la captura insuficiente inducida por el viento en las
mediciones de lluvia. Investigación de recursos hídricos, 54, 3863–3875. doi: 10.1029 /
2017WR022421
Qi, J., et al., 2020 . Efectos de la escorrentía superficial y los métodos de división por infiltración en el
modelado hidrológico: una comparación de cuatro esquemas en dos cuencas hidrográficas en el
noreste de EE. UU. Revista de hidrología, 581. doi: 10.1016 / j.jhydrol.2019.124415
Rajib, A., et al., 2018 . La predictibilidad del modelo hidrológico mejora con la calibración
espacialmente explícita que utiliza la evapotranspiración y los parámetros biofísicos de detección
remota. Revista de hidrología, 567, 668–683. doi: 10.1016 / j.jhydrol.2018.10.024
Razmkhah, H., AkhoundAli, A.-M. y Radmanesh, F., 2017 . Parámetros correlacionados de
propagación de la incertidumbre en un modelo de lluvia-escorrentía,
REVISTA DE CIENCIAS HIDROLÓGICAS 15
considerando 2-cópula; estudio de caso: Cuenca del río Karoon III.
s10666-017-9569-z
Ross, CW, et al., 2018 . HYSOGs250m, grupos hidrológicos de suelos en cuadrículas globales para modelado de
escorrentía basado en números de curvas. Datos científicos, 5,
180091. doi: 10.1038 / sdata.2018.91
Sahraei, S., Asadzadeh, M. y Unduche, F., 2020 . Calibración multiobjetivo y multimodelado basado
en firmas de modelos hidrológicos: aplicación en el pronóstico de inundaciones para praderas
canadienses. Revista de hidrología,
588, 125095. doi: 10.1016 / j.jhydrol.2020.125095
Shafii, M., et al., 2017 . Un enfoque de diagnóstico para restringir la partición del flujo en modelos
hidrológicos utilizando un marco de optimización multiobjetivo.
Investigación de recursos hídricos, 53 (4), 3279-3301. doi: 10.1002 / 2016WR019736
Shafii, M. y De Smedt, F., 2009 . Calibración multiobjetivo de un modelo hidrológico
distribuido (WetSpa) mediante algoritmo genético.
Hidrología y Ciencias del Sistema Terrestre, 13, 2137–2149. doi: 10.5194 /
hess-13-2137-2009
Shafii, M. y Tolson, BA, 2015 . Optimización de la consistencia hidrológica mediante la incorporación de
firmas hidrológicas en los objetivos de calibración del modelo.
Investigación de recursos hídricos, 51 (5), 3796–3814. doi: 10.1002 / 2014WR016520
Shen, ZY, Chen, L. y Chen, T., 2012 . Análisis de la incertidumbre de los parámetros en el modelado
hidrológico y de sedimentos utilizando el método GLUE: un estudio de caso del modelo SWAT
China. Hidrología y Ciencias del Sistema Terrestre, 16, 121-132. doi: 10.5194 /
hess-16-121-2012
Singh, SK, et al., 2019 . Hacia la caracterización del índice de flujo base a escala nacional en
Nueva Zelanda. Revista de hidrología, 568, 646–657. doi: 10.1016 / j.jhydrol.2018.11.025
Somers, LD, et al., 2019 . Amortiguadores de agua subterránea que disminuyen el deshielo de los glaciares en una
cuenca hidrográfica andina, pero no para siempre. Cartas de investigación geofísica,
46, 13016–13026. doi: 10.1029 / 2019GL084730
Canción, X., et al., 2015 . Análisis de sensibilidad global en modelización hidrológica: revisión
de conceptos, métodos, marco teórico y aplicaciones.
Revista de hidrología, 523, 739–757. doi: 10.1016 / j.jhydrol.2015.02.013
Strauch, M. y Volk, M., 2013 . Modificación del crecimiento de plantas SWAT para mejorar el
modelado de la vegetación perenne en los trópicos. Modelado ecológico, 269, 98-112. doi: 10.1016
/ J.ECOLMODEL.2013.08.013
Tomkins, KM, 2014 . Incertidumbre en las curvas de calificación de caudal: métodos, controles y
consecuencias. Procesos hidrológicos, 28, 464–481. doi: 10.1002 / hyp.9567
van Werkhoven, K., et al., 2009 . Reducción guiada por la sensibilidad de la dimensionalidad
paramétrica para la calibración multiobjetivo de modelos de cuencas hidrográficas. Avances en
recursos hídricos, 32, 1154-1169. doi: 10.1016 / J. ADVWATRES.2009.03.002
Wagener, T., et al., 2001 . Un marco para el desarrollo y la aplicación
de modelos hidrológicos. Hidrología y Ciencias del Sistema Terrestre, 5 (1), 13–
26. doi: 10.1038 / sdata.2018.91
Wei, Z., et al., 2018 . La aplicación de una versión modificada del modelo SWAT en la escala
temporal diaria y la escala espacial de la unidad de respuesta hidrológica: un estudio de caso
que cubre un distrito de riego en la cuenca del río Hei. Agua, 10, 1064. doi: 10.3390 / w10081064
Síuf, HM, et al., 2016 . Análisis de incertidumbre de predicción de caudal y verificación del
modelo SWAT en una cuenca tropical. Ciencias Ambientales de la Tierra, 75, 806. doi: 10.1007
/ s12665-016-5636-z
Yilmaz, KK, Gupta, HV y Wagener, T., 2008 . Un enfoque de diagnóstico basado en procesos
para la evaluación de modelos: aplicación al modelo hidrológico distribuido NWS. Investigación
de recursos hídricos, 44.
doi: 10.1029 / 2007WR006716
Yuan, H., et al., 2011 . Reprocesamiento de los productos del índice de área foliar MODIS para la
modelización de la superficie terrestre y el clima. Detección remota de
Ambiente, 115 (5), 1171-1187. doi: 10.1016 / J.RSE.2011.01.001
Zhang, J., Lei, X. y Li, Q., 2018a . Comparaciones de rendimiento de dos modelos con observaciones de varios
sitios basadas en métodos de incertidumbre para el modelado
dinámica hidrológica. Revista de ingeniería de riego y drenaje,
144 (1), 04017060. doi: 10.1061 / (ASCE) IR.1943-4774.0001284
Zhang, R., et al., 2018b . ¿Puede la calibración multiobjetivo del caudal garantizar una
mejor precisión del modelo hidrológico? Diario de
Hidroinformática, 20, 687–698. doi: 10.2166 / hydro.2018.131
dieciséis CA FERNANDEZ-PALOMINO ET AL.

Apéndice.

Gráfico A1. Variabilidad espacio-temporal de los valores LAI mensuales promedio para el período 2005-2015 estimados por MODIS y SWAT a nivel de HRU. La correlación espacial (r) entre MODIS y SWAT LAI se muestra
entre paréntesis.

Figura A2. Gráfica de coordenadas paralelas de las soluciones óptimas del frente de Pareto obtenidas por estrategias de calibración adicionales: la función biobjetiva tradicional basada en descarga solamente (NSE y PBIAS) y los
objetivos definidos por las medidas de descarga y el índice de flujo base, como “NSE y BIAS_BFI”, “lNSE y BIAS_BFI ”y“ NSE, PBIAS y BIAS_BFI ”. Para cada solución, se muestran los valores óptimos de los parámetros, las
medidas de rendimiento basadas en la descarga (NSE, lNSE y PBIAS) y las firmas hidrológicas (Speak, Shigh, Smid, Slow y BIAS_BFI). _cal (_val) indica las medidas para el período de calibración (validación). Qsurf es la escorrentía
superficial media en mm. Se proporciona una descripción de los parámetros SWAT en Tabla 6 . Se proporciona una descripción de las funciones objetivas (OF) en Tabla 3 . Todas las estrategias de calibración que se muestran en esta
figura funcionan peor que aquellas estrategias de calibración que incluyen lNSE, firmas FDC e índice de flujo base dentro de un marco de calibración multiobjetivo como se muestra en Figura 4 .