Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Estimación de la conductancia fluvial a partir de

información previa para mejorar la calibración
de modelos superficie-subsuperficie
por Yohann Cousquer1,2 , Alexandre Pryet3 , Nicolas Flipo4 , Ce'lestine Delbart2,3,5 , y Alain Dupuy3

Resumen
La mayoría de los modelos de aguas subterráneas simulan las interacciones corriente-acuífero con una condición de
contorno de flujo dependiente de la altura basada en una conductancia fluvial (CRIV). La CRIV suele calibrarse con otros
parámetros mediante el ajuste histórico. Sin embargo, el problema inverso de los modelos de aguas subterráneas suele estar
mal planteado y es probable que los parámetros individuales del modelo estén mal restringidos. El problema puede resolverse
mediante la regularización de Tikhonov con un conocimiento previo de los valores de los parámetros. La dificultad con un
parámetro global como CRIV, que no se puede medir en el campo, es encontrar valores iniciales y de regularización adecuados.
Se han propuesto varias formulaciones para la estimación del CRIV a partir de parámetros físicos. Sin embargo, estos métodos
son demasiado simples para proporcionar una estimación fiable de CRIV, o demasiado complejos para ser fácilmente
implementados por los modeladores de aguas subterráneas. Este trabajo aborda la cuestión con una herramienta flexible y operativa
basada en un modelo numérico 2D en una sección transversal vertical local, donde la conductancia del río se calcula a partir de
parámetros geométricos e hidrodinámicos seleccionados. A diferencia de otros enfoques, también se tienen en cuenta el tamaño
de la malla del modelo regional y la anisotropía de la conductividad hidráulica del acuífero. Un análisis de sensibilidad global
indica la fuerte sensibilidad del CRIV a estos parámetros. Esta mejora de la estimación a priori del CRIV es un paso adelante
para la calibración y el análisis de incertidumbre de los modelos superficie-subsuperficie. Es especialmente útil para los objetivos
de modelización que requieren que el CRIV sea bien conocido, como el uso conjunto de aguas superficiales y subterráneas.

Declaración de impacto del artículo: Presentamos una

Introducción herramienta eficiente para estimar la conductancia fluvial a
Los modelos numéricos se utilizan cada vez más para partir de información previa sobre parámetros físicos.
explorar las interacciones entre arroyos y acuíferos en el Recibido en mayo de 2016, aceptado en noviembre de 2016.
2017, Asociación Nacional de Aguas
ámbito de la protección y la gestión de los recursos Subterráneas. doi: 10.1111/gwat.12492
hídricos (Kalbus et al. 2006; Fleck- enstein et al. 2010;
Flipo et al. 2014). Debido a la continuidad entre estas dos
entidades, es probable que el desarrollo o la
contaminación de una afecte a la otra

1Autor correspondiente: Yohann Cousquer, EA 4592

Georessources n Environment, Bordeaux INP and Bordeaux
Montaigne University, ENSEGID, 1 alle'e F.Daguin, 33607 Pessac
cedex, France; +33(0) 5 56 84 69 56; yohann.cousquer@gmail.com
2Le LyRE, SUEZ Environnement, Domaine du Haut-Carre' 43,
rue Pierre Noailles, 33400 Talence, Francia.
3EA 4592 Georessources n Environment, Bordeaux INP y
Univ. Bordeaux Montaigne, ENSEGID, 1 alle'e F. Daguin, 33607
Pessac cedex, Francia.
Departamento de Geociencias, MINES ParisTech, Universidad
de Investigación PSL, 35 rue Saint-Honore', 77305 Fontainebleau,
Francia.
5Universite
' Franc¸ois Rabelais de Tours, EA 6293 Ge'HCO, Parc
de Grandmont, 37200 Tours, Francia.
408 Vol. 55, No. 3 - Aguas subterráneas - mayo-junio de 2017 NGWA.org
(páginas 408 - 418)
(Sophocleous 2002). En tales contextos, el flujo
corriente-acuífero debe cuantificarse cuidadosamente.
En los modelos de aguas subterráneas, el flujo
arroyo-acuífero puede considerarse con tres tipos de
condiciones de contorno: cabeza prescrita (tipo
Dirichlet), flujo dependiente de la cabeza (tipo Cauchy)
y flujo especificado (tipo Neumann). El último tipo de
condición de contorno se utiliza raramente para simular
corrientes. Cuando se emplea una cabeza prescrita, la
cabeza hidráulica en el arroyo se impone en las celdas
del acuífero atravesadas por el arroyo. Este tipo de
condición límite se limita más a menudo al estudio del
flujo hiporreico a escala local (Cárdenas y Wilson 2007;
Tonina y Buffington 2007; Cárdenas 2009; Boano et al.
2011; Zlotnik et al. 2015) o en el caso de modelos
acoplados superficie-subsuelo (Discacciati et al. 2002;
Furman 2008; Sulis et al. 2010). Sin embargo, el uso de
condiciones de contorno de cabeza prescritas para
simular arroyos es poco frecuente a escala regional
(Peyrard et al. 2008).
El flujo del arroyo al acuífero se parametriza
normalmente con una conductancia del río (CRIV)
utilizando una condición de contorno de flujo
dependiente de la altura (tipo Cauchy) (por ejemplo,
Furman 2008; Ebel e t al. 2009; Goderniaux et al. 2009;
Flipo et al. 2014) tal como se implementa en el paquete
fluvial MODFLOW (McDonald y Harbaugh 1988;
Furman 2008). El flujo de intercambio corriente-acuífero
se calcula como el

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 409

producto del CRIV por la diferencia de altura entre la
corriente y la celda en la que se aplica la condición límite
de tipo Cauchy:
QS = CRIV × (Hs - H )c (1)
donde QS [L3 /T] es el flujo arroyo-acuífero, Hs [L] es el
nivel de agua del arroyo, Hc [L] es la altura hidráulica en
el centro de la celda donde se aplica la condición límite
tipo Cauchy. La CRIV tiene en cuenta numerosos
procesos y propiedades; es un parámetro global que no
puede medirse sobre el terreno (McDonald y Harbaugh
1988; Rushton 2007; Ebel et al. 2009). En consecuencia,
el valor de CRIV se suele calibrar mediante el ajuste
histórico junto con otros parámetros hidráulicos
desconocidos (Engeler et al. 2011; Pryet et al. 2015).
Los modelos superficie-subsuperficie se ven
afectados por la naturaleza mal planteada cuasi
sistemática de los problemas inversos hidrogeológicos,
que ahora se conoce ampliamente (Carrera et al. 2005;
Zhou et al. 2014). Los problemas mal planteados pueden
conducir a la no unicidad, la no existencia y la no
estabilidad de la solución del modelo inverso (Zhou et al.
2014). Un número infinito de conjuntos de parámetros
puede calibrar igualmente bien el modelo. Para hacer
frente a este problema, se han propuesto varias opciones.
Entre ellas, la regularización de Tikhonov con
información previa sobre los parámetros del modelo ha
demostrado su eficacia (Tihonov 1963; Hunt et al. 2007).
La calibración con regularización de Tikhonov tiene en
cuenta los conocimientos previos sobre los parámetros del
modelo en la calibración, p a r a obtener un problema
bien planteado (Doherty y Skahill 2006; Aster et al.
2005). Para realizar una calibración con regularización de
Tikhonov, se necesita conocimiento blando sobre los
parámetros del modelo. En general, el conocimiento
blando proviene de mediciones de campo, literatura o
conocimiento experto. Por ejemplo, las propiedades
hidrodinámicas del acuífero, como la transmisividad y la
porosidad, pueden caracterizarse a partir de pruebas de
acuífero y permeabilidad en el campo o en el laboratorio.
Sin embargo, como el CRIV es un parámetro global que
engloba muchos procesos que controlan el flujo corriente-
acuífero, es difícil estimar valores iniciales y de
regularización adecuados.
Cuando Prickett y Lonnquist (1971) introdujeron el
concepto de conductancia fluvial, consideraron un
modelo conceptual simplificado en el que el flujo
corriente-acuífero está controlado por el espesor y la
conductividad hidráulica vertical de los depósitos del
lecho fluvial. Este enfoque, ampliamente utilizado, se
describe en el paquete fluvial MODFLOW (McDonald y
Harbaugh 1988) y es el siguiente:
Kr × L × W
CRIV = (2)
M
donde W [L] es el ancho del arroyo, L [L] es la longitud
408 Vol. 55, No. 3 - Aguas subterráneas - mayo-junio de 2017
(páginas 408 - 418)
Harbaugh 1988), con el fin de incluir parámetros
adicionales como el gradiente hidráulico a lo largo de la
corriente y las secciones transversales complejas del río.
Estas formulaciones basadas en el modelo de Prickett
y Lonnquist (1971) y utilizadas en la familia de códigos
MODFLOW suponen que todas las pérdidas de carga se
producen en el lecho del arroyo. No se tienen en c u e n t a
l a s propiedades hidrodinámicas del acuífero ni el
tamaño de la malla. De hecho, el v a l o r d e C R I V
depende de numerosos parámetros adicionales c o m o
l a conductividad hidráulica del acuífero y también debe
tener en cuenta el efecto de las pérdidas de carga
adicionales debido al flujo convergente/divergente que no
puede ser considerado en un modelo horizontal 2D
(Rushton 2007; Morel-Seytoux 2009). Además, se ha
demostrado recientemente que el valor de CRIV difiere
hasta en un 122% en función de la resolución de la malla
del modelo (Mehl y Hill 2010).
Se han propuesto varias alternativas para la
estimación del CRIV, basadas en métodos analíticos o
numéricos (Anderson 2003a, 2003b, 2005; Rushton 2007;
Morel-Seytoux 2009; Mehl y Hill 2010; Morel-Seytoux et
al. 2014).
En línea con Anderson (2003a, 2003b), Morel-
Seytoux (2009) propone una formulación que t i e n e en
cuenta la convergencia/divergencia del flujo en las
proximidades de la corriente con la teoría del potencial
complejo. En Morel-Seytoux et al. (2014), este método se
amplía a geometrías de arroyos parcialmente penetrantes
más complejas. Sin embargo, no se tiene en cuenta la
presencia de depósitos en el lecho del arroyo ni la
dependencia del CRIV del tamaño de la cuadrícula.
Aunque su importancia ha sido destacada por Nield et al.
(1994), no se considera la importancia de la anisotropía
de la conductividad hidráulica del acuífero.
Como alternativa, Rushton (2007) propone estimar el
CRIV con un m o d e l o numérico vertical 2D. El
modelo 2D de malla fina representa una única celda del
modelo regional centrada sobre el arroyo. La
conductancia del río se deduce entonces de la regresión
entre el flujo arroyo-acuífero, por un lado, y la diferencia
de altura entre la celda del acuífero y el arroyo, por otro.
Este trabajo señala la influencia predominante de la
conductividad hidráulica horizontal del acuífero en
comparación con la conductividad hidráulica vertical del
cauce para determinadas configu- raciones. Rushton
(2007) explica que para un lecho de arroyo relativamente
delgado (0,2 m) con una conductividad hidráulica de 0,05
m/d, menos de un tercio de las pérdidas de carga se
producen en el lecho del arroyo, el resto se debe a flujos
convergentes/divergentes en el acuífero en las
proximidades del arroyo. Sin embargo, este método no
tiene en cuenta la anisotropía ni el tamaño de la malla.
En este trabajo se detalla en primer lugar una
ampliación del método numérico
enfoque desarrollado por Rushton (2007) para la
estimación del CRIV. Numerosos parámetros a menudo
descuidados hasta ahora
del tramo del río dentro de la celda de la cuadrícula, M [L]
NGWA.org
es el espesor del lecho del arroyo, y Kr [L/T] es la
conductividad hidráulica del lecho del arroyo. Más
métodos parametrizados h a n sido implementados en
MODFLOW, como SFR1 y SFR2 (Prudic et al. 2004;
Niswonger et al. 2005). Estos métodos amplían la
expresión original (McDonald y
NGWA.org
se tienen en cuenta. El uso del método se ilustra con una
aplicación sintética, en la que se estima el valor d e l
CRIV y se le proporciona un intervalo de confianza. A
continuación, se realiza un estudio paramétrico para
describir los efectos respectivos y la sensibilidad del
CRIV a los parámetros de control. A continuación se
discuten las ventajas y limitaciones de la metodología.
Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 411
 (B)

HS

QQs CCRRIVIV((HHcc-H-Hss))
s ==
HL RRHH
HC

(A) Cabezal fijo

HS

HB Cabeza fija
HL HC RRH
H
HB Cabeza fija

Figura 1. El modelo local 2D vertical de elementos finitos transversal al río (frente, A) se utiliza para la estimación del CRIV
controlando la condición de contorno de Cauchy en el modelo regional 2D horizontal de diferencias finitas (fondo, B).

Además, es compatible con mallas no estructuradas, que

Enfoque proporcionan un refinamiento flexible
El enfoque propuesto en este trabajo consiste en
calcular el CRIV utilizado en un modelo de diferencias
finitas a gran escala horizontal 2D a partir de un modelo a
escala local vertical 2D transversal a la corriente (Figura
Qs [m2 s-1]

1). Aunque a veces puede observarse una componente

longitudinal (Woessner 2000), se supone que el flujo del
acuífero es estrictamente perpendicular a la corriente.
Además, se imponen condiciones de contorno para que la
corriente y el acuífero permanezcan conectados
hidráulicamente. El flujo transitorio y la desconexión
están fuera del alcance de este estudio, más información
sobre el tema se puede encontrar en Brunner et al. (2009a,
2009b), Brunner et al. (2010), Rivie`re et al. (2014). El
modelo vertical se ejecuta varias veces, con la misma
geometría utilizando diferentes diferencias de altura entre
la corriente y el acuífero. Tras estas ejecuciones del
modelo vertical, el CRIV se obtiene por regresión lineal
entre el flujo arroyo-acuífero y la diferencia de altura
entre el arroyo y la celda del acuífero donde se aplica la
condición de contorno de Cauchy (Figura 2).

El modelo 2D vertical de malla fina

El modelo 2D de sección transversal vertical a escala
local cubre la extensión de tres celdas del modelo
horizontal en dirección transversal a la corriente (Figura
1). Se impone una condición límite de altura fija, HS , a
los nodos situados en el límite entre la corriente y el
acuífero. El método presentado considera condiciones de
cabeza simétricas. Una cabeza fija, HB , se aplica a ambos
lados de los límites laterales del modelo (Figura 1).
Los demás límites del modelo local son
impermeables. La ecuación de flujo se resuelve con el
código de elementos finitos de saturación variable
SUTRA (Voss 1984). Se eligió este modelo porque puede
simular un acuífero no confinado en un plano vertical.

410 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org

 CRIV = -
pendiente

Hc - Hs [m]

Figura 2. El valor de CRIV puede deducirse por regresión

lineal del caudal del acuífero por unidad de longitud del
río, Qs [L2 /T] frente a la diferencia de altura hidráulica
entre la celda del acuífero (Hc ) y la corriente (Hs ). Qs es
una salida del modelo vertical. El efecto del tamaño de la
malla se tiene en cuenta a través de Hc , calculado con la
Ecuación 6.

y una buena representación de la geometría del fondo de

la corriente. La malla del modelo se compone de
elementos cuadriláteros generados con Gmsh en función
de la geometría del modelo seleccionada (Geuzaine y
Remacle 2009).

Extensión vertical del modelo y tamaño horizontal de la

cuadrícula Celda
En este estudio, consideramos que CRIV tiene en
cuenta todas las pérdidas de carga debidas a flujos
convergentes/divergentes en las proximidades de la
c o r r i e n t e . En consecuencia, la celda de malla del
modelo horizontal donde se aplica una condición de
contorno tipo Cauchy debe ser lo suficientemente grande
como para incluir todos los flujos
convergentes/divergentes asociados con el arroyo. Por
estas razones, la distancia lejos del arroyo donde el flujo
de agua subterránea es horizontal, Xfar , debe

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 411

estimarse. En otras palabras, Xfar corresponde a la
distancia de la corriente en la que la aproximación Entrada/salida del
Dupuit-Forchheimer es válida. Se puede utilizar una usuario 1
"longitud de fuga característica" λ [L] para aproximar Xfar Gmsh
2
, ya que el 95% de los flujos convergentes/divergentes
6
están incluidos en 3λ desde la orilla del agua superficial script Python de
(Haitjema et al. 2001; Hunt et al. 2003; Haitjema 2006). pre y
Aquí, Xfar puede inferirse fácilmente del modelo vertical postprocesamie 3
nto
en la configuración donde Xfar es la mayor, es decir, con por
ΔH
cada
el gradiente de cabeza máximo entre la corriente y el en [-5,
acuífero. Supondremos que Xfar se alcanza cuando la 5]
SUTRA 4
relación entre l o s componentes vertical y horizontal del 5

flujo de agua subterránea es inferior al 5%. Asumiendo

que el arroyo está localizado en el centro de la celda en el Figura 3. Representación esquemática del script Python
modelo horizontal donde se aplica una condición de utilizado para el cálculo de la conductancia del río con el
frontera tipo Cauchy, esta celda debe ser al menos tan modelo vertical. El programa Gmsh construye la malla y el
código numérico SUTRA resuelve la ecuación de Richard.
grande como 2 Xfar . El cálculo de Xfar es un paso
preliminar al cálculo del CRIV, ya que limita la
resolución de la malla de las celdas del río en el modelo el caudal calculado entre el arroyo y el acuífero y la
horizontal a gran escala. diferencia de altura entre el arroyo y el acuífero (HC - HS
) (Figura 2). Dada la linealidad entre el caudal arroyo-
Determinación de la conductancia fluvial acuífero y la diferencia de altura entre el arroyo y el
El flujo arroyo-acuífero se calcula con el modelo acuífero conectado (Figura 2), la regresión lineal del paso
vertical para un conjunto de valores de gradiente de carga (5) puede reducirse a una simple relación considerando
entre el arroyo y el acuífero. Para e l l o , se imponen sólo dos d i f e r e n c i a s d e a l t u r a d i s t i n t a s .
diferentes valores de HB en los límites laterales del Sin embargo, considerar múltiples diferencias de
modelo local mientras que el nivel del arroyo, HS , a l t u r a (aproximadamente 10) es un control de calidad,
permanece fijo (Figura 1). Las interacciones entre las que hace que el método sea más robusto frente a posibles
distintas partes del modelo se gestionan con un script de fallos del modelo. El CRIV obtenidou [L/T] tiene en
Python: (1) el usuario define las variables de entrada cuenta el flujo corriente-acuífero por unidad de longitud
enumeradas en la Tabla 1, que consisten en propiedades del río. CRIVu debe por lo tanto ser multiplicado por la
hidrodinámicas y ajustes geométricos (Figura 3); (2) se longitud del alcance del arroyo dentro de la celda de la
ejecuta el software Gmsh para construir la malla con la rejilla (L) para obtener CRIV [L2 /T] como se usa en
geometría definida por el usuario; (3) se generan los MODFLOW.
archivos de entrada SUTRA a partir de las coordenadas
de la malla y los parámetros hidrodinámicos (por Dependencia del tamaño de malla de las condiciones de
ejemplo, Tabla 1); (4) los siguientes pasos (4a) y (4b) se contorno de Cauchy
repiten para diferentes valores de diferencia de altura Una de las dificultades de este enfoque es obtener el
entre arroyo y acuífero: (a) se ejecuta SUTRA (b) los valor de Hc en el modelo vertical, que corresponde a la
archivos de salida de SUTRA se post-procesan para cabeza en el centro de la celda media en el modelo
extraer el flujo arroyo-acuífero; finalmente, (5) el horizontal (Figura 4). Debido a los flujos
coeficiente de conductancia del río de longitud unitaria divergentes/convergentes, Hc no puede obtenerse del
(CRIVu ) se infiere por regresión lineal entre modelo vertical en su ubicación correspondiente. Por el
contrario, los nodos de la malla de elementos finitos en
Cuadro 1 los centros de las celdas adyacentes (L y R, Figura 4)
Parámetros geométricos e hidrodinámicos están situados lo suficientemente lejos de la corriente
utilizados en el caso ilustrativo como para que el flujo vertical sea despreciable, de modo
que HL y HR pueden deducirse directamente del modelo
Parámetro Valor UnidadRango GSA vertical. Para abordar la cuestión, puede establecerse una
relación entre HL , HR , y HC a partir de la ecuación de
Espesor del acuífero (ct) 30 [m] - difusividad en diferencias finitas expresada en
condiciones estacionarias para la celda central del modelo
horizontal
(Figura 4). El flujo de las células izquierda y derecha a la
Anchura horizontal de la 100 [m] [15, 200]
celda del modelo (cw ) célula intermedia se deduce de la ley de Darcy:
Anchura del río (w ) 10 [m] [5, 10]
Profundidad del río (d ) 1 [m] [1, 5] 1
Ángulo de inclinación (a) 90 [ ]◦ [90, 100] QL = TL -C × (HL - HC ) × ×L (3)
Espesor del lecho del río (m) 0 [m] [1, 10]
cw
Hidráulica horizontal del 10-3 [m s ]−1 [1e-5, 1e-1] 1
acuífero
412 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
 conductividad (K )h QR = TR -C × (HR - HC ) × ×L (4)
Conductividad hidráulica - [m s−1 ][1e-5, 1e- cw
vertical del lecho del río 1]
(K )vb
Anisotropía (anis) 0.1[- ] [1e-3, 1] donde Q(L/R) [L2 /T] es el flujo entre las celdas
derecha/izquierda y
Notas: La segunda columna proporciona el valor más probable para cada parámetro; la
cuarta es el intervalo elegido para realizar el muestreo probabilístico para el Análisis de
célula central, H(L/R) [L] es la altura hidráulica en el
Sensibilidad Global. centroide de la célula derecha/izquierda, HC [L] es la
altura hidráulica en el centroide de la célula central; cw
[L] es la anchura de las células.

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 413

 W

d
Kh, anis Kvb m

QS
QL QR
.
ct . .
HL HC RRH
H

l
L C R

cw

Figura 4. Sección transversal idealizada de un acuífero en interacción con una corriente en tres celdas del modelo regional
horizontal, que corresponde a la extensión del modelo vertical. HL , HC , y HR son las alturas hidráulicas en el centro de la
celda izquierda, media y derecha del modelo horizontal, respectivamente. Para más definiciones de los parámetros, véase el
cuadro 1.

T (L/R)- C [L2 /T] es la transmisividad equivalente entre la
célula derecha/izquierda y la célula central.
Suponiendo que la componente del flujo de agua
subterránea longitudinal a la corriente es despreciable, la
ecuación de conservación de masa en estado estacionario
expresada para la celda media es la siguiente:
QL + QR + QS = 0 (5)
donde QS es el flujo desde la corriente a la celda central.
Combinando las ecuaciones 3, 4 y 5 obtenemos:
µ ¶
1 QS × cw
HC = + HL - HR (6)
2 T×L
donde los valores de Qs , HL y HR son proporcionados por
el modelo vertical, y T es la transmisividad del acuífero,
que se supone homogénea e independiente de la altura
hidráulica en las tres celdas de interés (TL-C = TR-C ). HL
y HR se toman en un único nodo en el centroide de las
celdas L y R del modelo vertical. Utilizando esta última
expresión de Hc para la regresión de QS contra (HC - HS
) , consideramos la dependencia del tamaño de la rejilla
horizontal, cw , para el cálculo de la conductancia del río.
también es útil para el análisis de incertidumbre posterior a
la calibración.
Estimación de la conductancia del río a partir de los
valores esperados de los parámetros
Los valores de los parámetros más probables para
este caso sintético (Tabla 1) se establecen en el script de
Python, que genera la malla de elementos finitos y ejecuta
el modelo para varias diferencias de altura entre la
corriente y el acuífero. Xfar se calcula primero con la
herramienta para tener en c u e n t a el tamaño de la malla.
Con una Xfar de unos 50 m, el tamaño de la celda del río
en el modelo horizontal debe fijarse en 100 m. Con estos
valores de los parámetros para este caso sintético, CRIVu
es
estimado en 6,69 × 10−5 m/s con un tiempo de cálculo
inferior a un minuto. Multiplicado por la longitud del
precisa del flujo corriente-acuífero es esencial, los valores
iniciales y de regularización deben ser cuidadosamente
elegidos para la calibración del CRIV. Además, la
distribución probabilística de CRIV antes de

Aplicaciones de la metodología
Para ilustrar el interés del planteamiento,
consideramos un modelo horizontal 2D de aguas
subterráneas a gran escala en el que el acuífero simulado
interactúa con un arroyo. Las características del acuífero
y del arroyo se e l i g e n para que correspondan a un
contexto clásico (Tabla 1). El valor de CRIV utilizado en
el modelo horizontal a gran escala se ajustará
eventualmente mediante calibración junto con otros
parámetros del modelo, pero esto está fuera del alcance de
este estudio. Sin embargo, cuando la cuantificación
414 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
alcance dentro de la celda cuadriculada del modelo (100
m), el valor de CRIV es de 6,69 × 10−3 m2 /s. Este valor
puede utilizarse como valores iniciales y de
regularización para la calibración del modelo horizontal
(véase, por ejemplo, Hunt et al. 2007).

Distribución probabilística previa de la conductancia

del río La distribución probabilística CRIV también
puede obtenerse con la herramienta presentada mediante
muestreo aleatorio a partir de las distribuciones
estadísticas previas de los parámetros de entrada.
Asumimos una distribución normal para los
p a r á m e t r o s geométricos y log-normal para los
parámetros hidrodinámicos (Tabla 1, Figura 5). A
continuación se calcula el CRIV para cada uno de los
conjuntos de parámetros. La distribución CRIV resultante
(Figura 5) es un elemento esencial para realizar análisis
de incertidumbre de parámetros y predicciones (véase,
p o r ejemplo, Gallagher
y Doherty 2007).

Sensibilidad de la Conductancia Fluvial

a los parámetros hidrodinámicos y geométricos
El efecto de los parámetros considerados en este
estudio sobre el CRIV se ilustra primero con variaciones
de los parámetros, tomadas una a una, a partir de la
configuración de referencia de la corriente descrita en la
Tabla 1. Este análisis paramétrico

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 415

 200 250 160
σ = 1 [m] σ = 0,1 [m] σlog = 0,1 [-]
Frecuenci

Frecuenci

Frecuenci
a

a
0 0 0
7 10 13 0.6 1 1.4 -2 -1 0
w [m] d [m] log(anis) [-]
140 140 400
σlog = 1e-5 [-] σlog = 1e-5 [-] = 8e-6 [-]
σlog
media = 6,7e-5 [m s-1]
Frecuenci

Frecuenci

Frecuenci
a

a
0 0 0
-6 -3 0 -5.5 -3 -1 -4. -4.73-
log(Kh) [-] log(Kvb) [-] 3.9
log(CRIV) [-]
Figura 5. La distribución probabilística del CRIV (abajo a la derecha) se obtiene con la herramienta presentada a partir de las
distribuciones de los parámetros de entrada.

es útil para describir cómo cada parámetro puede afectar (2000). Nuestros resultados ponen de relieve que un valor
al CRIV en una configuración corriente-acuífero regular. inadecuado de la anisotropía puede implicar un gran error
A continuación, se realiza un análisis de sensibilidad en las estimaciones del flujo corriente-acuífero.
global para clasificar las sensibilidades de CRIV a sus
parámetros en una amplia gama de valores de parámetros
realistas.

Análisis paramétrico
Los valores CRIV han sido calculados para un rango
de valores probables de conductividad hidráulica del
acuífero (Kh ) y anisotropía (anis), tamaño de la malla
horizontal (cw ), y conductividad hidráulica vertical del
lecho del arroyo (Kvb ) (Figura 6). Cuando se fijan, los
parámetros se mantienen en los valores de referencia del
estudio de caso sintético (Tabla 1).
Varios estudios basan únicamente la estimación de
CRIV en Kh (Rushton 2007; Pryet et al. 2015). Este
enfoque se valida aquí, porque Kh es uno de los factores
de control más importantes de los intercambios acuífero
arroyo para este caso (Figura 6A). Una modificación de
un orden de magnitud de Kh produce una modificación de
un orden de magnitud de CRIV.
La influencia de la anisotropía (Figura 6B) (que
representa Kv /Kh donde Kv es la conductividad hidráulica
vertical del acuífero [L/T]) se explica por la ocurrencia de
flujo vertical en la vecindad del a r r o y o . Un valor
alto de anisotropía impide la ocurrencia de flujo
convergente/divergente y reduce el flujo corriente-
acuífero. Un aumento de un orden de magnitud de anis
(de 1 y 0,1) conduce a un aumento del CRIV en un factor
cercano a 30. Los modelizadores suelen elegir un valor
bastante arbitrario de 0,1 para anis (Doppler et al. 2007;
Derx et al. 2010; Engeler et al. 2011) siguiendo a Chen

416 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org

 La influencia del tamaño de la cuadrícula del
modelo horizontal, cw , también es importante (Figura
6C). El CRIV disminuye en un factor de 25 cuando el
tamaño de celda de la cuadrícula aumenta de 10 a 110
m.
La influencia de Kvb es altamente no lineal (Figura
6D). Mientras Kvb sea mayor que Kh , Kvb no influye en
el CRIV. Por el contrario, cuando Kvb es menor que Kh ,
el CRIV disminuye con Kvb . Recordamos que en este
estudio, el C R I V se calcula para valores de la relación
Kvb /Kh que siguen siendo característicos de una
conexión entre el arroyo y el acuífero (Brunner et al.
2009a, 2009b).
En el rango de valores probables para los
parámetros del modelo hidrogeológico, los factores de
control más importantes del CRIV, en este caso, son, en
orden decreciente de importancia (Figura 5) Kh , que
puede cambiar el CRIV en seis órdenes de magnitud (1)
Kvb en cuatro órdenes de magnitud,
(2) cw en tres órdenes de magnitud, (3) anis en dos
órdenes de magnitud. Sin embargo, una variación de un
orden de magnitud en anis o cw tiene más impacto en el
CRIV que Kh y Kvb .
Este análisis paramétrico es pertinente para ilustrar
gráficamente cómo afecta cada parámetro al CRIV. Sin
embargo, este método depende mucho de la elección de
los valores de los parámetros de referencia y no
cuantifica el efecto de las variaciones conjuntas de los
parámetros. Estas cuestiones pueden abordarse con un
análisis de sensibilidad global.

Análisis de sensibilidad global del CRIV

La importancia de los parámetros utilizados para
calcular el CRIV se analiza aquí mediante un análisis de
sensibilidad global (GSA). En comparación con el
análisis de sensibilidad basado en la derivada local
(véase, por ejemplo, Hill y Tiedeman 2006), el GSA
puede aplicarse a modelos no lineales,

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 417

(a) (b)
b

CRIV [m s-1]
CRIV [m s-1]

[m s-1]

(c) (d)
CRIV [m s-1]

CRIV [m s-1]

Figura 6. Dependencia de CRIVu por unidad de longitud de río de los valores de los parámetros del modelo. (a) Conductividad
hidráulica del cauce (Kvb ). (b) Anisotropía del acuífero (anis). (c) Tamaño de la malla horizontal (cw ). (d) Conductividad
hidráulica del acuífero (Kh ). Las cruces indican los valores de los parámetros de referencia (Tabla 1).

y proporciona información más sólida sobre el efecto de
los parámetros respectivos en el resultado de un modelo,
en este caso el CRIV. Entre la gran variedad de métodos
GSA, el indicador de sensibilidad basado en la varianza
(Sobol) es el más utilizado (Sobol et al. 2001; Saltelli et
al. 2004; Welter et al. 2015). El método Sobol se basa en
el análisis de los valores de salida del modelo obtenidos a
partir de una amplia gama de conjuntos de parámetros
muestreados a partir de distribuciones probabilísticas
(Saltelli et al. 2004). Es aplicable a modelos no lineales.
La sensibilidad de cada parámetro se describe mediante el
índice de sensibilidad de primer orden, que es la
contribución de un único parámetro del modelo a la
varianza de la salida del modelo (Sobol et al. 2001):
Vi
Si = Vtot
(7)
donde Vi es la varianza del CRIV atribuida al parámetro i-
418 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418
el muestreador Saltelli (Saltelli et al. 2004) del script
Python SALib (2015).
La influencia de los parámetros hidrodinámicos
prevalece sobre los geométricos (figura 7). Los resultados
ponen de relieve la fuerte influencia de los parámetros
hidrodinámicos Kvb , Kh , y anis. En conjunto, representan
el 30% de la varianza total del CRIV, ya que explican
respectivamente el 14%, el 10% y el 6% de la varianza
del CRIV. Los parámetros geométricos como la
profundidad del arroyo y el ángulo de la orilla tienen un
efecto pequeño. En conjunto, explican aproximadamente
el 2% de la varianza CRIV. Sin embargo, el tamaño de la
celda de la cuadrícula (cw ) tiene más influencia en el
CRIV, con un 4,5% de la varianza del CRIV, así como el
grosor del lecho del río (m), con un 7% del CRIV.
varianza. En total, el 43,5% de la varianza total del CRIV
es
explicado por los parámetros tomados aisladamente, el
56,5% restante
ésimo y Vtot es la varianza del CRIV de salida del modelo.
Los límites inferior y superior de los parámetros figuran en
NGWA.org
 la Tabla 1. Se han calculado unos 15.000 valores CRIV
con una distribución uniforme de conjuntos de parámetros
obtenidos con
NGWA.org
se explica por las interacciones entre parámetros.
Los resultados del GSA confirman las observaciones
realizadas con el análisis paramétrico. Kh , Kvb y anis son
los principales factores de control; cw y m son factores de
control fuertes. Mientras que Kh y Kvb se tienen
generalmente en
Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 419
 0.16

0.14

0.12

0.1

Si [-]
0.08

0.06

0.04

0.02

0
cw w d a m anis kh kvb
Parámetros geométricos Parámetros hidrodinámicos

Figura 7. Análisis de sensibilidad global (GSA) del coeficiente CRIV a los parámetros del modelo donde Si es el índice de
sensibilidad de primer orden. Los principales factores de control del CRIV son Kvb , Kh , anis y m y, en menor medida, cw . Los
rangos de los parámetros se presentan en la Tabla 1.

en la estimación del CRIV, a menudo se ignora la
importancia de anis y cw. Nuestros resultados ponen de
relieve que descuidar la importancia de estos parámetros
puede inducir un error de varios órdenes de magnitud en
el valor del CRIV.
acuífero simulado en un número limitado de tramos que
compartan características comunes (propiedades del
acuífero, geometría fluvial, e t c . ) y estimar un v a l o r d e
C R I V para cada uno de los tramos respectivos.

Debate
El método propuesto tiene por objeto restringir el
valor del CRIV a partir de un modelo vertical local dados
unos parámetros hidrodinámicos y geométricos. Estos
parámetros corresponden a propiedades físicas
potencialmente medibles en el campo o en el laboratorio.
Los parámetros geométricos c o m o e l ancho del
arroyo, la profundidad y el ángulo de la orilla, el acuífero
y el espesor del lecho del arroyo se pueden obtener
fácilmente a partir de mediciones directas, registros
geológicos o métodos geofísicos (Cárdenas y Markowski
2010). La variabilidad espacial de estos parámetros
también puede investigarse a partir de mediciones
hidrogeofísicas locales (Mouhri et al. 2013). Las
propiedades hidrodinámicas del acuífero y del lecho del
arroyo pueden caracterizarse a partir de pruebas de
bombeo y permeabilidad en el campo o en el laboratorio
(Chen 2000). La medición de las alturas hidráulicas a
diferentes profundidades cerca de un arroyo puede
proporcionar estimaciones de la anisotropía de la
conductividad hidráulica (Kalbus et al. 2006). Sin
embargo, h a y q u e reconocer que obtener estimaciones
fiables y representativas de cada uno de los parámetros
hidrodinámicos es todo un reto.
Como han demostrado numerosos autores (Gaffield et
al.
1998; Levy et al. 2011; Gianni et al. 2016), el uso d e un
valor constante temporal y espacialmente para el CRIV es
cuestionable y puede verse afectado por la obstrucción
biológica en el lecho del río (Newcomer et al. 2016). Sin
embargo, hasta ahora s e considera constante en los
modelos regionales. En cuanto al aspecto espacial, el
usuario puede dividir la red fluvial en interacción con el
420 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org
 La precisión de las estimaciones del CRIV
obtenidas con el método propuesto depende de la
incertidumbre de los parámetros del modelo vertical a
escala local, como muestra la distribución probabilística
del CRIV (Figura 5). Generalmente se necesita un paso
de calibración en el que el valor de CRIV estimado con
el enfoque presentado se utiliza como valores iniciales y
de regularización. La calibración mediante el ajuste de la
historia se lleva a cabo normalmente contra las
observaciones de las fluctuaciones del caudal y del nivel
de las aguas subterráneas (Engeler et al. 2011; Pryet et
al. 2015). Sin embargo, la obtención de un valor inicial a
partir de información previa puede ser crítica. Pryet et
al. (2015) basaron sus estimaciones iniciales en la
relación entre CRIV y conductividad hidráulica
horizontal desarrollada por Rushton (2007). Nuestro
método mejora este enfoque al incluir en la estimación
previa de CRIV numerosos parámetros a menudo
despreciados. La obtención de valores objetivos iniciales
y de regularización de CRIV a partir del enfoque
presentado en este trabajo supone una mejora
significativa respecto a la calibración uniformada y
evaluada de CRIV. Además, nuestro método tiene en
cuenta el efecto del tamaño de cuadrícula,
proporcionando un procedimiento de escalado
ascendente para la estimación del CRIV desde la escala
local hasta la escala de cuenca (∼10 a ∼1000 km2 )
(Mehl y Hill 2010; Flipo et al. 2014). Dados estos
elementos, es probable que el método descrito en este
estudio mejore la simulación de las interacciones entre
arroyos y acuíferos, especialmente a escala de cuencas
hidrográficas (Flipo et al. 2012).
El método presentado en este estudio se ha desarro-
oped con la suposición de configuraciones simétricas
con una corriente recta situada en el centro de una célula
horizontal del modelo. Por lo tanto, la precisión del
CRIV estimado con este enfoque puede llegar a ser
cuestionable cuando la configuración de interés se
desvía fuertemente de este modelo simplificado, como
una corriente muy sinuosa con meandros importantes
dentro de una única celd a
h o r izo n tal del mo d elo.
Tales configuraciones pueden requerir un modelo local
3D para la estimación del CRIV. Sin embargo, es
probable que la ganancia de precisión con un enfoque
tan complejo sea pequeña con respecto a la
incertidumbre irreducible atribuida a

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 421

las estimaciones de los parámetros de control, en para cada caso de validación. En primer lugar, se utiliza
particular las propiedades hidráulicas del acuífero y del una formulación analítica dada por Morel-Seytoux (2009)
lecho fluvial. El valor de CRIV obtenido con el enfoque a partir del enfoque de la teoría del potencial complejo.
presentado debe considerarse como una primera En este caso, la corriente está representada por una fuente
estimación, aunque objetiva, que puede ajustarse puntual sin el efecto de un depósito en el lecho de la
posteriormente mediante calibración. corriente y el flujo corriente-acuífero viene dado por:
⎧⎨ 1 ⎫⎬
2 KL
El programa informático ⎩³ '
Para simplificar la tediosa tarea de considerar QS = × ³
+ Brect+∆x '⎭
0,5 ×eB
múltiples configuraciones, se ha desarrollado un script Brect e
flexible en Python
y se proporciona como material complementario de este ¢
×Hs - Hr/l (A1)
artículo. Puede utilizarse para estimar un valor de CRIV a
partir de un único conjunto de parámetros, o para obtener
donde L [L] es la longitud del tramo del arroyo, K [L/T]
la distribución probabilística de CRIV dadas las
es la conductividad hidráulica del acuífero que se supone
distribuciones probabilísticas de los parámetros de
isotrópica, eB [L] es la profundidad del acuífero por
entrada. El código está disponible aquí:
debajo del fondo de la sección transversal del tramo, Brect
https://github.com/ rivtools/criv.
[L] es la anchura de la sección transversal del arroyo.
corriente, y e¯ [L] es el espesor medio del acuífero. ∆x
[L] es la distancia desde la orilla hasta los centroides de la
Conclusión celda adyacente Hr/l [L].
Se ha descrito un método para calcular el valor de Otro enfoque, propuesto por Herbert (1970),
CRIV con un modelo transversal de sección transversal considera un pequeño canal de corriente circular en
de malla fina vertical a la corriente. Este modelo es comparación con el espesor saturado del acuífero eB . Se
aplicable a una amplia gama de características de arroyos, supone que el flujo del acuífero a la corriente es radial.
propiedades de acuíferos y resoluciones de cuadrículas. El Entonces, adaptando la ecuación de Thiem:
valor de CRIV puede ahora estimarse a partir de
parámetros físicos que pueden medirse
sobre el terreno. Ahora se tienen en cuenta parámetros Hs³- H c '
que hasta ahora se habían pasado por alto: (1) la QS = π LK (A2)
ln 0,5×eB
anisotropía de la conductividad hidráulica del acuífero, y rs
(2) el tamaño de las celdas fluviales en l a malla del
modelo regional. El análisis de sensibilidad global
destacó la importancia de estos parámetros y justifica su donde rs [L] es el radio efectivo de la corriente. Cuando el
consideración. La estimación del CRIV a partir de Si el canal de un arroyo tiene una sección transversal
información previa puede constituir valores iniciales y de trapezoidal, debe utilizarse un radio efectivo del arroyo.
regularización para la calibración de un modelo Para una anchura de canal de 10 m y una profundidad de
superficie-subsuperficie. Esto es crucial cuando el agua de 1,0 m, el radio efectivo del arroyo es de 5,0 m
problema inverso está mal planteado, como suele ser el (Rushton 2007).
caso. El enfoque también proporciona la distribución Los valores de QS [L3 /T] obtenidos con estas dos
probabilística del CRIV dadas las distribuciones soluciones analíticas se comparan con los resultados del
probabilísticas de los parámetros de entrada, lo que es modelo numérico local con los parámetros presentados en
esencial para el análisis de incertidumbre posterior a la la Tabla
calibración. 2. El flujo corriente-acuífero obtenido con los tres
métodos es casi idéntico y valida el modelo numérico
vertical utilizado en el presente enfoque
Agradecimientos
Este trabajo se ha realizado en el marco del proyecto Cuadro A1
Mhyqadeau, apoyado por Suez Environnement (LyRE) y Parámetros de las soluciones analíticas utilizadas para el
el consejo regional francés de Aquitania. El sitio Validación del modelo numérico local
Los autores agradecen al Dr. Randal J. Hunt y a dos
dos revisores anónimos por sus valiosos comentarios Morel-Seytoux Herbert Método
por mejorar este manuscrito. También agradecemos a Clotilde Parámetros (2009) (1970) presenta
Thompson su ayuda para mejorar el inglés. do
e [m] 28 28 28
Nota de los autores: Los autores no tienen ningún conflicto de BBrect [m] 5 - 5
intereses que comunicar. Xfar [m] 95 - -
e [m] 30.5 - 30.5
422 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 HS - Hc [m] - 0.56 0.56
NGWA.org
∆H [m] 5 - -
rs [m] - 5 -
Anexo
El flujo arroyo-acuífero obtenido a partir del modelo
numérico 2D de sección transversal se valida con dos
soluciones analíticas que describen el flujo arroyo-
acuífero con geometrías simplificadas. Diseños similares
arroyo-acuífero

NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 423

 2012. Ajuste híbrido de un modelo de hidrosistema: Long-
Referencias term
Anderson, E.I. 2003a. Una solución analítica que representa la
interacción agua subterránea-agua superficial. Water
Resources Research 39, no. 3: 1071.
Anderson, E.I. 2003b. La resistencia efectiva al flujo vertical en
los modelos Dupuit. Advances in Water Resources 26, no.
5: 513 - 523.
Anderson, E.I. 2005. Modeling groundwater-surface water
interactions using the Dupuit approximation. Advances in
Water Resources 28, no. 4: 315 - 327.
Aster, R., B. Borchers y C. Thurber. 2005. Estimación de
parámetros y problemas inversos. Burlington, Vermont:
Elsevier Academic Press.
Boano, F., R. Revelli, y L. Ridolfi. 2011. Water and solte
exchange through flat streambeds induced by large
turbulent eddies. Journal of Hydrology 402, no. 3: 290 -
296.
Brunner, P., P.G. Cook y C.T. Simmons. 2009a. Hydrogeo-
logic controls on disconnection between surface water and
groundwater. Water Resources Research 45, no. 1: 1422.
Brunner, P., P.G. Cook y C.T. Simmons. 2009b. Hydrogeo-
logic controls on disconnection between surface water and
groundwater. Water Resources Research 45, no. 1.
Cárdenas, M.B. 2009. Stream-aquifer interactions and hyporheic
exchange in gaining and losing sinuous streams. Water
Resources Research 45, no. 6: 6429.
Cárdenas, M.B., y M.S. Markowski. 2010. Geoelectrical
imaging of hyporheic exchange and mixing of river water
and groundwater in a large regulated river. Environmental
Science & Technology 45, no. 4: 1407 - 1411.
Cárdenas, M.B., y J.L. Wilson. 2007. Exchange across a
sediment - water interface with ambient groundwater
discharge. Journal of Hydrology 346, no. 3: 69 - 80.
Carrera, J., A. Alcolea, A. Medina, J. Hidalgo y L.J. Slooten.
2005. Problemas inversos en hidrogeología. Revista de
Hidrogeología 13, nº 1: 206 - 222.
Chen, X. 2000. Measurement of streambed hydraulic conductiv-
ity and its anisotropy. Environmental Geology 39, nº 12:
1317 - 1324.
Derx, J., A. Blaschke, y G. Bloschl. 2010. Three-dimensional
flow patterns at the river - aquifer interface - a case study at
the Danube. Advances in Water Resources 33, no. 11: 1375
- 1387.
Discacciati, M., E. Miglio y A. Quarteroni. 2002. Mathe-
matical and numerical models for coupling surface and
groundwater flows. Applied Numerical Mathematics 43, nº
1: 57 - 74.
Doherty, J., y B.E. Skahill. 2006. An advanced regularization
methodology for use in watershed model calibration.
Journal of Hydrology 327, no. 3: 564 - 577.
Doppler, T., H.-J.H. Franssen, H.-P. Kaiser, U. Kuhlman y F.
Stauffer. 2007. Field evidence of a dynamic leakage coeffi-
cient for modelling river - aquifer interactions. Journal of
Hydrology 347, nº 1: 177 - 187.
Ebel, B.A., B.B. Mirus, C.S. Heppner, J.E. VanderKwaak, y
K. Loague. 2009. First-order exchange coefficient cou-
pling for simulating surface water-groundwater interactions:
Parameter sensitivity and consistency with a physics-based
approach. Hydrological Processes 23, no. 13: 1949 - 1959.
Engeler, I., H.H. Franssen, R. Muller y F. Stauffer. 2011. The
importance of coupled modelling of variably saturated
groundwater flow-heat transport for assessing river - aquifer
interactions. Journal of Hydrology 397, no.
3: 295 - 305.
Fleckenstein, J.H., S. Krause, D.M. Hannah y F. Boano. 2010.
Groundwater-surface water interactions: New methods and
models to improve understanding of processes and
dynamics. Avances en recursos hídricos 33: 1291 - 1295.
Flipo, N., C. Monteil, M. Poulin, C. Fouquet y M. Krimissa.

424 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 NGWA.org

 al. 2013. Diseño de un sistema de muestreo multiescala de
Una visión del funcionamiento del acuífero de Beauce interfaces arroyo-acuífero en una cuenca sedimentaria.
(Francia). Water Resources Research 48, no. 5: 5509. Revista de Hidrología 504: 194 - 206.
Flipo, N., A. Mouhri, B. Labarthe, S. Biancamaria, A. Rivie`re
y P. Weill. 2014. Continental hydrosystem modelling: the
concept of nested stream - aquifer interfaces. Hydrology
and Earth System Sciences 18, no. 8: 3121 - 3149.
Furman, A. 2008. Modelización de procesos acoplados de flujo
superficial-subsuperficial: A review. Vadose Zone
Journal 7, nº 2: 741 - 756.
Gaffield, S.J., K. Bradbury y K.W. Potter. 1998. Hydrologic
assessment of the Kickapoo Watershed, southwestern
Wisconsin, Madison, Wisconsin: Wisconsin Geological
and Natural History Survey.
Gallagher, M., y J. Doherty. 2007. Parameter estimation and
uncertainty analysis for a watershed model.
Environmental Modelling & Software 22, nº 7: 1000 -
1020.
Geuzaine, C., y J.-F. Remacle. 2009. Gmsh: A 3-D finite ele-
ment mesh generator with built-in pre- and post-
processing facilities. International Journal for Numerical
Methods in Engineering 79, no. 11: 1309 - 1331.
Gianni, G., J. Richon, P. Perrochet, A. Vogel y P. Brunner.
2016. Rapid identification of transience in streambed
conductance by inversion of a flood-wave response.
Water Resources Research 52, no. 4: 2647 - 2658.
Goderniaux, P., S. Brouye`re, H.J. Fowler, S. Blenkinsop,
R. Therrien, P. Orban y A. Dassargues. 2009. Large scale
surface - subsurface hydrological model to assess climate
change impacts on groundwater reserves. Journal of
Hydrology 373, nº 1: 122 - 138.
Haitjema, H. 2006. El papel de los cálculos manuales en la
modelización del flujo de aguas subterráneas. Ground
Water 44, nº 6: 786 - 791.
Haitjema, H., V. Kelson y W. Lange. 2001. Selecting modflow
cell sizes for accurate flow fields. Groundwater 39, nº 6:
931 - 938.
Herbert, R. 1970. Modelización de ríos parcialmente
penetrantes en modelos de acuíferos. Groundwater 8, nº
2: 29 - 36.
Hill, M.C., y C.R. Tiedeman. 2006. Effective Groundwater
Model Calibration: With Analysis of Data, Sensitivities,
Predictions, and Uncertainty . John Wiley & Sons.
Hunt, R.J., H.M. Haitjema, J.T. Krohelski y D.T. Fein- stein.
2003. Simulating ground water-lake interactions: approaches
and insights. Ground Water 41, no. 2: 227 - 237. Hunt, R.J., J.
Doherty y M.J. Tonkin. 2007. ¿Son los modelos demasiado
simples? Arguments for increased parameterization. Ground
Agua 45, no. 3: 254 - 262.
Kalbus, E., F. Reinstorf y M. Schirmer. 2006. Measuring
methods for groundwater - surface water interactions: A
review. Hydrology and Earth System Sciences
Discussions 10, no. 6: 873 - 887.
Levy, J., M.D. Birck, S. Mutiti, K.C. Kilroy, B. Windeler, O.
Idris y L.N. Allen. 2011. El impacto de los eventos de
tormenta en un sistema de cauce y su conductividad
hidráulica en un sitio de infiltración inducida. Journal of
environmental management 92, no. 8: 1960 - 1971.
McDonald, M.G., y Harbaugh, A.W. 1988. A modular three-
dimensional finite-difference ground-water flow model.
Informe técnico, Reston, Virginia: USGS.
Mehl, S., y M.C. Hill. 2010. Grid-size dependence of Cauchy
boundary conditions used to simulate stream - aquifer
interactions. Advances in Water Resources 33, no. 4: 430
- 442.
Morel-Seytoux, H.J. 2009. El factor de inflexión en la
estimación de la infiltración arroyo-acuífero. Groundwater 47,
no. 2: 205 - 212. Morel-Seytoux, H . J . , S. Mehl, y K.
Morgado. 2014. Factores que influyen en el coeficiente de
intercambio de flujo arroyo-acuífero.
Aguas subterráneas 52, no. 5: 775 - 781.
Mouhri, A., N. Flipo, F. Re'jiba, C. De Fouquet, L. Bodet,
B. Kurtulus, G. Tallec, V. Durand, A. Jost, P. Ansart, et
NGWA.org Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418 425
Newcomer, M.E., S.S. Hubbard, J.H. Fleckenstein, U. Maier, C.
Schmidt, M. Thullner, C. Ulrich, N. Flipo e Y. Rubin.
2016. Simulación de los efectos de la bioobstrucción en la
permeabilidad e infiltración dinámicas del lecho fluvial.
Water Resources Research 52, no. 4: 2883 - 2900.
Nield, S.P., L.R. Townley y A.D. Barr. 1994. Un marco para el
análisis cuantitativo de la interacción agua superficial-agua
subterránea: Flow geometry in a vertical section. Water
Resources Research 30, no. 8: 2461 - 2475.
Niswonger, R.G., y D.E. Prudic. 2005. Documentation of the
streamflow-routing (SFR2) package to include unsaturated
flow beneath streams-A modification to SFR1. U.S. Depart-
ment of the Interior . Reston, Virginia: U.S. Geological
Survey.
Peyrard, D., S. Sauvage, P. Vervier, J.-M. Sánchez-Pérez, y
M. Quintard. 2008. A coupled vertically integrated model
to describe lateral exchanges between surface and
subsurface in large alluvial floodplains with a fully
penetrating river. Hydrological Processes 22, no. 21: 4257
- 4273.
Prickett, T.A., y C.G. Lonnquist. 1971. Selected digital
computer techniques for groundwater resource evaluation.
Informe técnico, Urbana, Illinois: Illinois Water Survey
Bulletin.
Prudic, D.E., L.F. Konikow y E.R. Banta. 2004. A new
streamflowrouting (sfr1) package to simulate stream-
aquifer interaction with modflow-2000. Technical report.
Reston, Virginia: USGS.
Pryet, A., B. Labarthe, F. Saleh, M. Akopian y N. Flipo. 2015.
Elaboración de informes sobre la distribución de caudales
entre arroyos y acuíferos a escala regional con un modelo
distribuido basado en procesos. Water Resources
Management 29, no. 1: 139 - 159.
Rivie`re, A., J. Goncalves, A. Jost y M. Font. 2014.
Experimental and nu- merical assessment of transient
stream-aquifer exchange during disconnection. Journal of
Hydrology 517: 574 - 583.
Rushton, K. 2007. Representation in regional models of
saturated river - aquifer interaction for gaining/losing
rivers. Journal of Hydrology 334, nº 1: 262 - 281.
SALib. 2015. Biblioteca de análisis de sensibilidad en Python
(Numpy). https://github.com/SALib/SALib.
Saltelli, A., S. Tarantola, F. Campolongo y M. Ratto. 2004.
Sensitivity analysis in practice: a guide to assess scientific
models. John Wiley & Sons.
426 Y. Cousquer et al. Groundwater 55, no. 3: 408 - 418
Sobol, I.M. 2001. Global sensitivity indices for nonlinear
mathematical models and their monte carlo estimates.
Mathematics and Computers in Simulation 55, nº 1: 271 -
280.
Sophocleous, M. 2002. Interacciones entre aguas subterráneas y
superficiales: estado de la ciencia. Revista de
Hidrogeología 10, nº 1: 52 - 67.
Sulis, M., S.B. Meyerhoff, C. Paniconi, R.M. Maxwell,
M. Putti, y S.J. Kollet. 2010. A comparison of two physics-
based numerical models for simulating sur- face water -
groundwater interactions. Advances in Water Resources 33,
no. 4: 456 - 467.
Tihonov, A.N. 1963. Solución de problemas formulados
incorrectamente y el método de regularización. Soviet
Mathematics Doklady 4: 1035 - 1038.
Tonina, D., y J.M. Buffington. 2007. Hyporheic exchange in
gravel bed rivers with pool-riffle morphology: Labora- tory
experiments and three-dimensional modeling. Water
Resources Research 43, no. 1: W01421.
Voss, C.I. 1984. SUTRA (Saturated-Unsaturated Transport). A
finite-element simulation model for saturated-unsaturated,
fluid-density-dependent ground-water flow with energy
transport or chemically-reactive single-species soluto trans-
port (no. USGS/WRI/84-4369). Reston, Virginia: Geologi-
cal Survey Water Resources Division.
Welter, D.E., White, J.T., Hunt, R.J., y Doherty, J.E. 2015.
Approaches in highly parameterized inversionest++
version 3, a parameter estimation and uncertainty analysis
software suite optimized for large environmental models.
Technical report. Reston, Virginia: USGS.
Woessner, W.W. 2000. Stream and fluvial plain ground water
interactions: Reescalando el pensamiento hidrogeológico.
Ground Water 38, no. 3: 423 - 429.
Zhou, H., J.J. Go'mez-Herna'ndez, y L. Li. 2014. Métodos
inversos en hidrogeología: Evolución y tendencias
recientes. Avances en Recursos Hídricos 63: 22 - 37.
Zlotnik, V.A., D. Toundykov, y M.B. Cardenas. 2015. Un
enfoque analítico para el análisis de flujo en acuíferos con
límite superior espacialmente variable. Groundwater 53,
no. 2: 335 - 341.
NGWA.org