MAESTRÍA EN INGENIERÍA HIDRÁULICA E HIDROLÓGICA.

MÓDULO IV: SISTEMAS DE INFORMACIÓN GEOGRÁFICA

MODELACIÓN HIDROLÓGICA

BALANCE HIDRICO
DOCENTE: M.Sc. Ing. Jaime Sotero Rojas Aguirre
 El balance hídrico convencional, comúnmente conocido como el
balance hídrico de una cuenca, está tratado en todos los libros de texto
de hidrología.
 Un balance hídrico es una estimación de las diversas fases de transporte
del ciclo hidrológico en una cuenca. El siguiente es un balance hídrico
completo, que incluye tanto aguas superficiales como subterráneas:
ΔS = P - ( E + T + G + Q )
 en el que ΔS = cambio en almacenamiento, P = precipitación, E =
Evaporación, T = evapotranspiración, G = salida de agua subterránea, y
Q = escurrimiento superficial. La Ecuación 1 establece que en un lapso de
tiempo dado, el cambio en el volumen de almacenamiento en una
cuenca es la diferencia entre la entrada (precipitación) y la suma de
todas las salidas (evaporación, evapotranspiración, salida de agua
subterránea y escorrentía superficial).
BALANCES DE ENERGIA
 El balance de energía en superficie resulta fundamental en estudios
climáticos, meteorológicos, hidrológicos, etc.
 El balance de energía en superficie resulta fundamental en estudios
climáticos, meteorológicos o hidrológicos, entre otros. Las medidas a nivel
de suelo de los flujos de balance de energía tienen la limitación de tratarse
de mediciones puntuales con la consecuente dificultad de capturar la
variabilidad espacial de la superficie.
 Gracias a la Teledetección es posible proporcionar medidas frecuentes y
espacialmente continuas de las variables biofísicas necesarias para la
estimación y seguimiento de los flujos energéticos a diferentes escalas.
 Es ampliamente aceptado que la humedad del suelo juega un rol
importante en modular la atmósfera, a través del control que
puede ejercer sobre el balance energético e hidrológico en la
superficie terrestre. Mejoras en la caracterización de la variabilidad
de la humedad del suelo a escala regional/continental revisten
gran importancia, como así pueden ayudar a mejorar la
comprensión de las potenciales interacciones con la atmósfera. Sin
embargo, este tipo de estudios está limitado principalmente por la
escasez de mediciones de humedad del suelo. Una alternativa
interesante para caracterizar la humedad del suelo son las
simulaciones con modelos de suelo forzados con observaciones. En
este sentido se puede mencionar el Global Land Data Assimilation
System (GLDAS), el cual utiliza varios modelos de suelo forzados con
observaciones de precipitación y de radiación, con el objetivo de
generar estados del suelo y flujos óptimos. Pero, para realizar un
estudio en base a la humedad del suelo del GLDAS.
 GLDAS: Objetivos del proyecto
 El objetivo del Sistema Global de Asimilación de Datos Terrestres (GLDAS) es
ingerir productos de datos de observación basados en satélites y en tierra,
utilizando técnicas avanzadas de modelado de superficie terrestre y asimilación
de datos, para generar campos óptimos de estados y flujos de superficie
terrestre (Rodell et al. al., 2004a). El software, que ha sido simplificado y paralelo
por el proyecto hermano del Sistema de Información de la Tierra (LIS), maneja
múltiples modelos de superficie terrestre fuera de línea (no acoplados a la
atmósfera), integra una gran cantidad de datos basados en la observación, se
ejecuta globalmente a altas resoluciones ( 2.5 grados a 1 km), y es capaz de
producir resultados en tiempo casi real.
 Entre sus productos logra determinar: Evapotranspiración, humedad del suelo
multicapa, nevadas, derretimiento de nieve, equivalente de agua y nieve,
escorrentía superficial y subterránea.
 Short Name Description Unit
Swnet_tavg Net short wave radiation flux W m-2
Lwnet_tavg Net long-wave radiation flux W m-2
Qle_tavg Latent heat net flux W m-2
Qh_tavg Sensible heat net flux W m-2
Qg_tavg Heat flux W m-2
Snowf_tavg Snow precipitation rate kg m-2 s-1
Rainf_tavg Rain precipitation rate kg m-2 s-1
Evap_tavg Evapotranspiration kg m-2 s-1
Qs_acc Storm surface runoff kg m-2 per 3-hour
Qsb_acc Baseflow-groundwater runoff kg m-2 per 3-hour
Qsm_acc Snow melt kg m-2 per 3-hour
AvgSurfT_inst Average Surface Skin temperature °K
Albedo_inst Albedo %
SWE_inst Snow depth water equivalent kg m-2
SnowDepth_inst Snow depth M
SoilMoi0_10cm_inst Soil moisture kg m-2
SoilMoi10_40cm_inst Soil moisture kg m-2
SoilMoi40_100cm_inst Soil moisture kg m-2
SoilMoi100_200cm_inst Soil moisture kg m-2
SoilTMP0_10cm_inst Soil temperature °K
SoilTMP10_40cm_inst Soil temperature °K
SoilTMP40_100cm_inst Soil temperature °K
SoilTMP100_200cm_inst Soil temperature °K
PotEvap_tavg Potential evaporation rate W m-2
ECanop_tavg Canopy water evaporation W m-2
Tveg_tavg Transpiration W m-2
ESoil_tavg Direct Evaporation from Bare Soil W m-2
RootMoist_inst Root zone soil moisture kg m-2
CanopInt_inst Plant canopy surface water kg m-2
Wind_f_inst Wind speed m/s
Disponibilidad de datos GLDAS
  Existen algunas opciones que combinan datos de satélite con información
de superficie y suministran mapas de flujos energéticos en superficie. Por
ejemplo, el Global Land Data Assimilation System (GLDAS) proporciona
flujos cada 3 horas.

 Sin embargo, la resolución de estos mapas es demasiado baja, 0,25º (~25 km2).
 Modelos de reducción de escala
 El modelo de balance de energía que considera información GLDAS es el
modelo de STSEB se ha validado con éxito sobre gran variedad de
superficies y condiciones ambientales a escala local
 Conclusiones
 es necesario realizar primero una evaluación de la
representatividad de la humedad del suelo generada por el mismo.
 Realizar mediciones diarias de humedad del suelo.
 En el país de Argentina con el manejo de su satélite SAOCOM
(Satélite Argentino de Observación con Microondas) se ha logrado
destacar que la humedad del suelo superficial del GLDAS es
adecuada, con correlaciones en general mayores a 0.73. A su vez,
los errores sistemáticos mostraron ser del orden de -0.03 m3/m3, lo
cual implica que el GLDAS es más seco, así como también muestra
una menor variabilidad respecto a las observaciones. Si bien, el
buen acuerdo entre las simulaciones y las observaciones no se
puede extrapolar espacialmente, permite suponer un cierto grado
de confianza al analizar la variabilidad a escala diaria de la
humedad del suelo de GLDAS.
(https://www.researchgate.net/publication/279190340 )
Gracias por su atención