Estimación de caudales a partir de ensambles hidrológicos multimodelo a diferentes escalas temporales en la cuenca del río Prado

Los modelos hidrológicos son imperfectos y sus incertidumbres difieren para la predicción de un mismo evento hidrológico. Esto se debe a que la estructura de los modelos es una representación simplificada del comportamiento agregado de procesos naturales muy complejos y muy variables. En los últimos años, la estimación de caudales por medio de ensambles hidrológicos ha ganado espacio en los centros de predicción hidrológica del mundo, ya que no solo mejora las estimaciones, sino que ofrece un rango de los posibles resultados, es decir que los ensambles permiten abordar la incertidumbre asociada a diferentes fuentes y obtener resultados más útiles y confiables para la toma de decisiones. En la búsqueda de mejorar la estimación de caudales, se construyeron y evaluaron ensambles hidrológicos multimodelo para la cuenca del río Prado y dos de sus subcuencas (Cunday y San Pablo), tanto a escala diaria como mensual, para el periodo 1981-2011. La estimación se basó en establecer mejores ensambles promedio, desde el resultado de dos métricas determinísticas y una probabilística, evaluadas en las posibles combinaciones de las series de caudales resultantes de 17 modelos hidrológicos con escalas espaciales, estructuras, conceptos y enfoques diferentes (i. e., model-driven y data-driven). Posteriormente, los miembros (modelos) de los mejores ensambles promedio según cada métrica fueron valorados mediante el método del Modelo Bayesiano Promedio (en inglés BMA) para conocer su participación o peso dentro de estos mejores ensambles. Con los pesos conocidos se generaron tres nuevos ensambles que fueron evaluados en su desempeño frente a los anteriores ensambles promedio y los mejores modelos para las dos escalas temporales evaluadas, tanto a escala de cuenca como de sus subcuencas. Por otra parte, el BMA permitió establecer que los modelos de escala local (SWAT y algoritmo deep learning) tienen mayor importancia en la mejora de la estimación de caudales, ya que sus pesos en el ensamble fueron mayores a los demás modelos evaluados. Finalmente, modificando los pesos, anteriormente obtenidos, se estimó la franja de incertidumbre de cada ensamble, con el fin de evaluarla mediante tres criterios. El desempeño de los tres ensambles que consideran los pesos según las métricas determinísticas y probabilística aumentó permitiendo mejorar la estimación de los caudales y la franja de incertidumbre evaluada en los tres ensambles mostró que el ensamble según la métrica probabilística se redujo

• Autores: Cañón Hernández, Jeffer
• Fecha de publicación: 2019
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/77320
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/77320; http://bdigital.unal.edu.co/74983/
• Palabra clave: Ensamble hidrológico; Estimación de caudales; BMA; Río Prado; Deep Learning; SWAT; Hydrological ensemble prediction
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional