Bogotá - Ingeniería - Maestría en Ingeniería - Recursos Hidráulicos · 2022
Evaluación del modelo hidrológico Dynamic Water Balance a escala diaria en cuencas tropicales
Este trabajo final de maestría presenta los resultados de la evaluación del modelo Dynamic Water Balance (DWB) a escala diaria para representar escorrentía en cuencas tropicales. El presente proyecto utilizó como insumo diferentes conjuntos de datos generados en el marco del Estudio Nacional del Agua del año 2018 (ENA2018) desarrollado por el IDEAM. La información suministrada corresponde a un total de 497 cuencas, de las cuales seleccionaron 30 para este estudio. La selección de las cuencas se realizó a través del algoritmo de clasificación no supervisada k-means que consideró variables morfométricas, hidroclimatológicas, demográficas y geográficas y su relación con una variable que cuantificó el cambio de las coberturas. De esta forma, se identificaron 8 clusters o grupos de cuencas con comportamiento similar y de características heterogéneas. A las 30 cuencas seleccionadas se les realizó una modelación hidrológica con DWB siguiendo el protocolo de modelación hidrológica, así que se hizo la evaluación de la incertidumbre dada por los parámetros del modelo. Dados los resultados encontrados en la revisión bibliográfica, se adoptó una función multiobjetivo que combinó el KGE y RVE con el fin de mejorar el desempeño de la escorrentía diaria, haciendo énfasis en la representación de la curva de duración de caudales siendo esta la mayor ventaja identificada por los desarrolladores del modelo en esta escala. El proceso de evaluación de los resultados arrojó que el modelo DWB logra reproducir las curvas de duración de caudales con excepción de los caudales bajos. Al evaluar la representación temporal a través de análisis de la función objetivo, el modelo arrojó resultados entre muy buenos y satisfactorios en más del 70% de las cuencas de los clusters 1, 5, 7 y 8, estas cuencas con buenos resultados se ubican principalmente sobre las cordilleras. Como resultado general, este trabajo condujo a la identificación de oportunidades de adaptación del modelo DWB con miras a mejorar la representación de la escorrentía diaria. Se identificó que se debe incluir el proceso de tránsito hidrológico y para este fin se presentaron dos estrategias que podrían ser aplicadas, la primera basada en la inclusión de este proceso dentro del modelo como es el caso de la convolución del hidrograma unitario que ha sido implementado en otros modelos hidrológicos parsimoniosos y la segunda basada en el acople con algoritmos externos que han sido diseñados para realizar este proceso. (Texto tomado de la fuente).
Texto completo 93 páginas con texto de 95
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 15
- Balance (DWB)p. 18
- Formulación matemáticap. 20
- Implementaciones de previas del modelo DWBp. 24
- DWBmodelUNp. 27
- Determinación de las cuencas objeto de estudiop. 29
- Metodología para la selección de cuencasp. 30
- Caracterización de las cuencasp. 30
- Parámetros morfométricosp. 30
- Variables hidroclimatológicasp. 32
- Caracterización demográficap. 33
- Variables geográficasp. 34
- Índices para estimar cambio de coberturasp. 34
- Clasificación no supervisadap. 35
- Identificación de variables independientesp. 35
- Algoritmo K-meansp. 35
- Muestreo aleatorio estratificadop. 36
- Selección de cuencas a modelarp. 36
- Modelación y evaluación del desempeño de DWB a escala diariap. 44
- Definición de las condiciones de modelaciónp. 44
- Periodos de modelaciónp. 44
- Función objetivop. 45
- Algoritmo de calibración e incertidumbrep. 49
- Métricas para evaluar la curva de duración de caudalesp. 51
- Análisis de la serie de escorrentía simuladap. 53
- Envolventes de las series simuladasp. 61
- Estimación de la curva de excedencia de caudales diariosp. 66
- Oportunidades de adaptación de DWB a la escala diariap. 70
- Fortalezas encontradas en la modelación de series diariasp. 70
- Debilidades encontradas en la modelación de series diariasp. 71
- Alternativas para el planteamiento de una estructura diariap. 71
- Alternativa 1: Inclusión de tránsitop. 71
- Alternativa 2: Acople del tránsitop. 74
- Conclusiones, recomendaciones y logrosp. 75
- Conclusionesp. 75
- Recomendacionesp. 78
- Logrosp. 79
- Trabajo en desarrollop. 79
- Anexosp. 80
- Figura 1-1. Resumen gráfico del capítulo 1p. 18
- consumo α. Adaptado de Wang et al. (2011)p. 19
- Figura 1-3. Primera fase del modelo DWBp. 20
- Figura 1-4. Segunda fase del modelo DWBp. 21
- Figura 1-5. Tercera fase del modelo DWBp. 21
- Figura 1-6. Cuarta fase del modelo DWBp. 22
- Figura 1-7. Quinta fase del modelo DWBp. 22
- Figura 1-8. Sexta fase del modelo DWBp. 23
- Figura 1-9. Séptima fase del modelo DWBp. 23
- Figura 1-10. Octava fase del modelo DWBp. 24
- Figura 1-11. Novena fase del modelo DWBp. 24
- Figura 1-12. Países y años en los que se ha implementado el modelo DWBp. 24
- Figura 1-13. Estructura del paquete de R DWBmodelUNp. 28
- Figura 2-1. Resumen gráfico del capítulo 2p. 29
- Figura 2-2 Model Builder en ArcGIS para cálculo de población a partir de análisis de áreasp. 33
- estaciones de caudal que cumplen los criterios para filtrar las cuencas a modelarp. 36
- Figura 2-4. Ejemplos de series temporales de los índices (a) NDVI y (b) EVIp. 37
- Figura 2-5. Correlograma de Spearman entre las variables calculadas para cada cuencap. 38
- Figura 2-6. Método de siluetas para la selección del número de clústersp. 38
- Figura 2-7. Ganancia de compacidad para la selección del número de clústersp. 38
- Figura 2-8. Variables independientes vs C_EVI clasificadas por 8 gruposp. 39
- Figura 2-9. Diagramas de cajas que relacionan la variable con el clústerp. 40
- Figura 2-10. Localización geográfica de los clústers identificados por el algoritmo k-meansp. 41
- Figura 2-11. Cuencas seleccionadas para evaluar el modelo DWB a escala diariap. 42
- Figura 2-12. Cuencas más cercanas al centroide de cada clústerp. 43
- Figura 3-1. Resumen gráfico del capítulo 3p. 44
- Figura 3-2. Periodos de modelaciónp. 45
- Figura 3-3. Respuesta de la FO al aumentar y disminuir el caudal observadop. 48
- Figura 3-4. Respuesta de la FO al rezagar la respuesta simuladap. 48
- Figura 3-5. Diagrama del algoritmo DDS. Adaptado de Arboleda (2018)p. 50
- Figura 3-6. Diagrama del algoritmo DDS-AU. Adaptado de Tolson & Shoemaker (2008)p. 51
- Figura 3-7. Estructura de las firmas para analizar CDC. Adaptado de Casper et al (2011)p. 52
- Figura 3-8. Cuenca con mejor resultado obtenido en calibración – 26217050 Cañafisto – clúster 7p. 54
- Figura 3-10. FO en las etapas (a) calibración y (b) validaciónp. 55
- Figura 3-11. Clasificación de la FO en las etapas (a) calibración y (b) validaciónp. 55
- Figura 3-12. Mapa de la FO en las etapas (a) calibración y (b) validaciónp. 56
- al centroide de cada clústerp. 57
- etapa de validación - estación – Pto Araujo Automática (23127020) (clúster 1)p. 61
- Figura 3-15. Desviación estándar de la FO a partir de los conjuntos comportamentalesp. 62
- comportamentales (a) α1, (b) α2, (c) d y (d) Smaxp. 63
- Figura 3-18. Envolvente de incertidumbre paramétrica – Estación 24017590 Ancho (clúster 7)p. 64
- centroide de cada clústerp. 66
- Figura 3-20. Ejemplo de presentación de las CDC – Validación – 24037390 Capitanejo – clúster 4p. 67
- centroide de cada clúster (K)p. 68
- Figura 4-1. Resumen gráfico del capítulo 4p. 70
- Figura 4-2. Esquema del modelo GR4J. Adaptado de Tegegne et al. (2017)p. 73
- Figura 4-3. Propuesta inicial de inclusión del tránsito empleado dentro de GR4J en DWBp. 73
- Parámetros del modelo DWBp. 19
- Estimación de los tiempos de calibración según la cantidad de cuencasp. 30
- Parámetros morfométricos utilizados dentro de la caracterizaciónp. 31
- Productos empleados para la estimación de las variables hidroclimatológicasp. 32
- Etiqueta asignada a cada una de las variables calculadasp. 37
- Caracterización de los clústers de cuencas definidosp. 40
- Cantidad de cuencas seleccionadas por cada clústerp. 42
- clústerp. 40
- Comparación FO vs NSE caso caudal simulado sesgadop. 49
- Comparación FO vs NSE caso caudal simulado rezagadop. 49
- Resultados de las métricas evaluadas en la etapa calibraciónp. 58
- Resultados de las métricas evaluadas en la etapa validaciónp. 59
- Diferencias entre las métricas de la etapa de calibración y etapa de validaciónp. 59
- BIAS sin transformación de la CDC promediado para cada clústerp. 68
- Estadísticas de las firmas obtenidas en la etapa de calibraciónp. 69
- Estadísticas de las firmas obtenidas en la etapa de validaciónp. 69
- Modelos hidrológicos parsimoniosos de escala diariap. 71
- Anexo 1: Tabla con las 17 variablesp. 80
- Anexo 2: Clústers identificadosp. 80
- Anexo 3: Cuencas seleccionadasp. 80
- Anexo 4: Periodos de modelaciónp. 81
- Anexo 5: Hidrógrafas simuladas vs observadasp. 82
- Anexo 6: Resultados de la función objetivop. 82
- Anexo 7: Cantidad de URH por cada cuencap. 83
- Anexo 8: Envolventes de incertidumbrep. 84
- Anexo 9: Desviaciones estándarp. 84
- Anexo 10: CDCp. 85
- Anexo 11: Firmas CDCp. 85
- Anexo 12: Scripts utilizados en el proceso de modelaciónp. 86
- Anexo 13: Entradas al modelop. 86
- Anexo 14: Soportes de producción académicap. 86