ihacres_payande
TRANSCRIPT
-
8/16/2019 IHACRES_Payande
1/5
Análisis Cuenca del río Coello – Simulación utilizando la herramienta
IHACRES
Nicolás Duque Gardeazábal, Pedro F. Arboleda O.
Resumen:Para la adecuada gestión del recurso, se requiere de conocer la hidrología de la zona. Esta
puede estudiarse a partir de mediciones o a través de la modelación de los sistemas que componen
la cuenca (en este caso la del río Coello). Se analizan las series de precipitación y temperatura que
han sido proporcionadas y se rellenan con una metodología propuesta. Se utiliza una metodología
para analizar las variaciones de los parámetros con respecto al tiempo. Por último, se analizan los
resultados de la modelación.
Palabras Clave:, modelación matemática, modelos conceptuales, función objetivo.
Introducción
El río Coello es uno de los principales ríos del
departamento del Tolima. Su nacimiento se
produce en el nevado de dicho departamento,
ubicado en la cordillera central de los Andes
colombianos. En su recorrido inicial de 9.8
km tiene una pendiente media de 18% y
recibe el nombre de río Toche; luego se
denomina río Coello y su pendiente media se
reduce a 5.4% en una longitud de 17.9 km.
Tiene varias subcuencas dentro de las cuales
se debe destacar la del río Combeima, dedonde se extrae agua para abastecer a la
capital del departamento, Ibagué. Así mismo,
de sus aguas dependen un gran número de
actividades económicas e industriales dentro
de las que resalta la agricultura por su alta
dependencia del recurso hídrico.
Para realizar una adecuada gestión del
recurso, se requiere de conocer la hidrología
de la zona. Para ello se debe tener en cuenta
tanto la meteorología de la zona, que se mide
a través de estaciones en tierra o por otro tipo
de información como por ejemplo la
teledetectada por satélites, ó la simulada por
esquemas de asimilación de datos y
reanálisis. Como consecuencia de los
forzantes meteorológicos, en especial la
lluvia, la cuenca responde con ciertos
fenómenos como lo son la evapotranspiración
y la escorrentía, representada en los caudales
que pasan por los ríos y que son registrados
en estaciones hidrométricas. Además de las
mediciones, la gestión del recurso hídricopuede realizarse a través de modelos que
pueden ser físicos o matemáticos.
Los modelos matemáticos han sido
difundidos ampliamente durante los últimos
50 años, debido a su relativa facilidad de
aplicación y bajos costos de implementación
(en comparación con los modelos físicos). Se
clasifican por su tipo de formulación en:
empírica, conceptual o física; por manejo del
comportamiento de las variables enagregados, distribuidos osemi-distribuidos; y
por su proceso de modelación en:
determinísticos y estocásticos. Los más
usados son aquellos que: manejan una
formulación conceptual, un comportamiento
agregado de las variables y que utilizan
procesos determinísticos para solucionar los
fenómenos naturales. El modelo IHACRES
(Identification of Unit Hydrograph And
Componnets from Rainfall, Evaporation and
Streamflow data) es un modelo mecanístico-
conceptual que fue desarrollado por el Centro
de Ecología e Hidrología inglés (CEH) y la
Universidad Nacional de Australia con el que
se pretende hacer un análisis de la
escorrentía, en diferentes periodos de estudio,
para la cuenca del río Coello hasta la estación
Payande. La modelación tiene como fin de
evaluar el comportamiento de los parámetros
obtenidos para los diferentes periodos.
-
8/16/2019 IHACRES_Payande
2/5
Marco Teórico
Los procesos de lluvia escorrentía pueden ser
representados de muchas maneras. Se puedentener en cuenta diferentes fenómenos y
despreciar la influencia de otros, y por esta
razón es que existen diversos modelos
hidrológicos. En este caso el modelo
IHACRES, es capaz de simular eventos y
periodos de estudio continuos que se ha usado
satisfactoriamente en cuencas de hasta
100000 km2, no obstante la formulación no
contiene una base física o conceptual que
represente los fenómenos naturales, sus
parámetros tiende a asociarse a característicasde la cuenca simulada.
IHACRES tiene varias opciones de
modelación. Contiene 5 combinaciones de
tanques, donde se incluyen tanques de acción
instantánea y de decaimiento exponencial.
Estos pueden estar dispuestos de forma
paralela o en serie permitiendo así adecuar el
modelo para obtener mejores resultados
(teniendo en cuenta que IHACRES es de tipo
mecanístico o empírico). De la mismamanera, el software genera correlaciones
entre la precipitación y el caudal para hallar
tiempos de retardo y aplicarlos a las
respuestas. Igualmente el modelo tiene un
modulo no lineal para la estimación de la
precipitación efectiva y uno lineal para
realizar la convolución con los diferentes
tipos de hidrográmas instantáneos.
El software además contiene un módulo para
generar calibración de los parámetros a través
de una metodología no estocástica de GLUE
y para ello permite seleccionar diferentes
funciones objetivo como: Nash-Sutcliffe
efficiency method, el bias, el bias relativo y
diversas variantes del efficiency method pero
para caudales bajos, con logaritmos, entre
otros.
Por otra parte, la modelación hidrológica se
ve muchas veces limitada por falta de
información, y es necesario un llenado de
datos de forzamiento para su aplicación. Sin
embargo, en años recientes se handesarrollado simulaciones atmosféricas
globales conocidas como reanálisis
meteorológicos.
ERA-Interim es uno estos reanálisis
meteorológicos, fue desarrollado por el
European Center for Medium-Range Weather
Forecast (ECMWF), utilizando un sistema
secuencial de asimilación de datos; eso quiere
decir que combina datos observados con
datos simulados generados por un modelo depronóstico para estimar la evolución de la
atmósfera de todo el planeta y de la superficie
de éste (Dee et al., 2011). El modelo de
pronóstico usado para producir el reanálisis,
está basado en el modelo conocido como
Integrated Forecasting System (IFS) versión
Cy31r2 que tiene tres módulos para la
atmósfera.
Ilustración 1. Ubicación de las estacioneslimnimétricas y su cuenca
Ilustración 2. Ubicación de las estacionesmeteorológicas y sus poligonos de Thiessen
-
8/16/2019 IHACRES_Payande
3/5
Metodología
Como se mencionó, el río Coello se encuentra
en el departamento del Tolima y su cuenca hasido cerrada en varios puntos de
concentración, siendo el punto más aguas
abajo el correspondiente a la estación
Payande. Para encontrar las diferentes áreas
de dichas cuencas se ha de utilizar un sistema
de información geográfica (se utilizó el
software libre SAGA-GIS®) en conjunto con
un modelo digital de elevación (DEM), que el
escogido para este caso fue el SRTM 90 m;
dicho DEM fue producido por la NASA en la
misión Shuttle Radar Topographic Mission(SRTM). La delimitación de las cuencas hasta
las nueve estaciones limnimétricas
suministradas se puede ver en la ilustración 1.
Seguido de esto, se procede a encontrar los
polígonos de Thiessen producidos por las 16
estaciones con información de lluvia y su
correspondiente porcentaje de influencia
sobre cada una de las subcuencas delimitadas.
Esto puede verse en la ilustración 2 y los
valores pueden observarse en la tabla 1.
Ya habiendo obtenido los parámetros
necesarios para ver la influencia de las
estaciones sobre la cuenca, se procede a
evaluar los datos faltantes, los valores
anómalos y la homogeneidad las series de
tiempo de precipitación. Se empieza por
encontrar los valores anómalos, que para este
caso se obtuvieron por el diagrama de cajas y
bigotes generado con el software R; sin
embargo, dichos valores extremos sevalidaron o rechazaron bajo la siguiente
metodología. Al obtener un dato anómalo en
la estación , se extrajeron los datos de las 3
estaciones más cercanas a dicha estación
denominados , y . A todos ellos se les
calculo los siguientes estadísticos: promedio
y desviación estándar de las 4 estaciones,
para así generar una banda de validación bajo
la siguiente formulación:
= ± 1.3 ∙
Así mismo se estableció que para los casos en
que solo se tuviera dato en una o dos de las 3estaciones más cercanas, se utilizaría la
varianza poblacional la cual tiene un criterio
más excluyente que la muestral. La lista de
estaciones y sus 3 más cercanas pueden verse
en la tabla 2. El procedimiento anterior se
realizó día a día.
Después de tener las series depuradas se
procede a mirar la homogeneidad de las
series. Una muestra para la estación El
Secreto se puede ver en la gráfica 1; en esta
se puede ver que no existen 2 tendencias en la
serie, lo que también se repite para las demás
estaciones.
Gráfica 1. Curva de doble masa para la estación ElSecreto
Terminado el proceso de depuración, se
procede a rellenar los datos faltantes
mediante una combinación del método de
interpolación del inverso de la distancia al
cuadrado en aquellos casos en los cuales se
tuviera menos de la mitad de las estaciones
con dato faltante. No obstante, para cuando se
tenga más de la mitad de estaciones con datofaltante, se utilizara el dato de la precipitación
simulado por el reanálisis meteorológico
ERA-Interim para rellenar el dato de dicho
día. Este procedimiento de rellenado de datos
se ejecuta día a día.
Con respecto a la variable temperatura,
primero se resolvió solo utilizar los datos de
la estación Cajamarca, debido a que las otras
2 estaciones disponibles poseen muchos datos
-
8/16/2019 IHACRES_Payande
4/5
faltantes. Segundo, se decidió depurar las
series mediante un intervalo de validación
que consiste en el promedio para cada una de
las temperaturas (es decir, la máxima, la
media y la mínima) y tres veces su respectiva
desviación estándar. A partir de estas series,
se sacaron los promedios de cada una de las
temperaturas pero de los 12 meses del año, es
decir las temperaturas mensuales
multianuales. Con estas temperaturas se
crearon las nuevas series rellenadas, donde a
cada día con dato faltante se le asigna la
temperatura mensual correspondiente.
Con las series de temperaturas completadas,se procedió a llevarlas a la altura media de la
cuenca. Esta se averigua con la curva
hipsométrica de la cuenca que para este caso
fue la delimitada hasta la estación Payande.
Para ello se utiliza el gradiente térmico
correspondiente a 6.5 °C/km y la diferencia
de alturas entre la estación Cajamarca y la
altura media.
Ejecutado todos los pasos anteriormente
mencionados, se puede forzar el modeloIHACRES. Además se definieron 3 periodos
para calibrar, 1984-1991, 1995-2000 y 2002-
2007, los cuales contienen años influidos por
la fase positiva del fenómeno ENSO, otros
influidos por su fase negativa y otros en fase
neutra. En cada uno de ellos se obtienen los
conjuntos de parámetros que generan la mejor
simulación, obteniendo así 3 conjuntos de
parámetros, los cuales son filtrados por el
coeficiente de eficiencia de Nash-Sutcliffe.
Ya con estos valores se ejecutan validaciones
con cada uno de los conjuntos de parámetros
para comparar la estabilidad de las eficiencias
de los parámetros.
Resultados y análisis
En la tabla 1 se muestran los resultados de las
calibraciones para cada periodo de tiempo
seleccionado, y su posterior validación en los
periodos de tiempo restante.
Adicional se muestran los resultados del Nash
para una calibración típica, con 2/3 del
periodo para calibración.
Así mismo, se presentan los valores de Nashque se encuentran dentro del periodo de
calibración utilizado, en negrilla.
Finalmente, se presentan los resultados de la
tabla en forma gráfica (Gráfica 2). En el eje
vertical se mide el valor de la función
objetivo (NSE) mientras que en el eje
horizontal se encuentra el periodo de tiempo
seleccionado. Se presentan tres curvas, una
por cada periodo de tiempo seleccionado para
calibración.Como se puede observar, todas las
calibraciones presentan los valores de Nash
más alto dentro de su mismo periodo de
calibración, mientras que el valor de la
función objetivo en otros periodos de tiempo,
presenta valores más bajos.
Esto sucede para todas las calibraciones
realizadas, incluyendo la calibración por el
método típico (2/3 del periodo de tiempo).
Tabla 1. Valores de NSE para validación durante los tres periodos de tiempo. Fuente: propia.
VALORES DE NASH Periodo de tiempo 1 Periodo de tiempo 2 Periodo de tiempo 3
Fecha 1-1-84/12-31-1 1-1-!/31-12-"" 1-1-"2/31-12-"#
Periodo de ca$i%raci&' 1 1-1-84/31-12-1 0.4635 "(4))# -3(3!8
Periodo de ca$i%raci&' 2 1-1-!/31-12-"" -"(28)8 0.5365 -"()1#
Periodo de ca$i%raci&' 3 1-1-"2/31-12-"# "(3"4 "(2!84 0.4976
*a$i%raci&' t+pica 1-1-8"/31-12-"1 0.3921 0.4949 -"(34!2
-
8/16/2019 IHACRES_Payande
5/5
Gráfica 2. Resultados de validación por periodos detiempo seleccionados. Fuente: propia.
Sin embargo, como se observa en la gráfica,
al realizar la calibración con el periodo 3, los
valores de la función objetivo parecen
mantenerse. Esta tendencia es incluso mejor
que para la calibración típica, que realiza
calibración para el periodo 1980-2012,
presentando un Nash para el primer periodo
de calibración de 0.39 y para el segundo
periodo de 0.5, pero cayendo para el tercer
lugar a -0.34. En su lugar, la calibración con
el periodo 3 presenta un Nash para el periodo
1 de 0.3, para el periodo 2 de 0.25, y para el
periodo 3 (el periodo calibrado) de 0.5. Lo
anterior implica que el periodo de calibración
3 es el más informativo de todos porque es elúnico que presenta valores positivos en todos
los periodos validados.
Las otras calibraciones realizadas presentan
tendencias similares: el periodo 1 presenta
buenos resultados para el periodo 1 (NSE
0.47) y para el periodo 2 (NSE 0.47) pero cae
para el periodo 3 (NSE -3.35). El periodo 2
presenta buenos resultados para el periodo 2
(NSE 0.52) pero malos para el periodo 1
(NSE -0.28) y para el periodo 3 (NSE -0.71).
Discusión y conclusiones
Los anteriores resultados indicarían que en
términos generales, el periodo 3 puede
realizar una mejor simulación de los datos
observados, aunque solo haya sido calibrado
sobre una fracción de los mismos.
Sin embargo, encontrar este periodo de
tiempo que permite realizar una calibración
cuyos resultados son aplicables a otros
periodos de tiempo no es fácil. Los resultados
para la cuenca del río Coello hasta Payandé
indicaron que solo un periodo de 3 posibles
era el que mantenía valores de Nash
positivos. Esto a pesar del cuidado que se
tuvo al escoger estos periodos de tiempo,
consultado la aparición de fenómenos ENSO,
así como la cantidad de datos faltantes, etc.
También es interesante hacer notar que este
periodo (periodo 3) parece comportarse mejor
que los resultados con calibración típica. Si
bien en el periodo 1 y periodo 2, la
calibración típica presenta mejores resultados
(lo que es lógico, pues estos periodos estánincluidos en el periodo de calibración típica),
para el periodo 3, el valor del Nash cae por
debajo de 0, mientras que, como ya se dijo,
los resultados de simulación calibrados en el
periodo 3 parecen mantenerse.
Todo lo anterior puede deberse
principalmente a que el modelo está
influenciado por las correlaciones entre los
datos de precipitación y los de escorrentía. En
consecuencia el modelo se desempeña bienen algunos casos y en otros no.
Bibliografía
Arboleda Obando, P. F., & Duque Gardeazábal,
N. (2016). Notas de clase: modelación matemática
en hidrología. Bogotá, Colombia: Universidad
Nacional de Colombia.
Chow, V., Maidment, D., & Mays, L. (1988).
Applied Hydrology. Singapore: McGraw-Hill
Book Co.CORTOLIMA. (2006). Proyecto plan de
ordenación y menejo para la cuenca hidrográfica
mayor del río Coello. Recuperado el 06 de Abril
de 2016, de
http://www.cortolima.gov.co/2006/images/stories/
centro_documentos/coello/A_1_CARACTERISTI
CAS_AREA_ESTUDIO.pdf