Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN:
ABSTRACT:
The water resources study at the Basque Country (Spain) was performed and the main
results are described in this paper. The selected methodology was based on natural basin
hydrological modeling. TETIS model was developed at the Water Engineering and Environmental
Institute at the Technical University of Valencia (IIAMA-UPV). This model is a conceptual
distributed model, it has been developed to simulate events but it has been extended to simulate
continuous modeling with satisfactory results in France and Spain. The automatic optimization
process was adapted to the model in order to estimate the correction factors used by the model. It
was concluded that automatic procedure using SCE-UA methodology have shown to be fast and
reliable allowing to obtain correction factors at each sub basin along Basque Country. The water
resources study results have been satisfactory and show up how conceptual distributed modeling
coupled to automatic calibration is feasible and efficient. Finally, an additional factor to interpolate
the rainfall with the elevation allows obtaining better results in some basins during calibration
process at the Basque Country.
Dentro del marco del desarrollo sostenible, propuesto por las Naciones Unidas, es necesario
conocer la disponibilidad de agua en cuencas naturales, en especial desde que se acepta que el agua
es un bien escaso y que debe ser utilizado de forma óptima. Por lo tanto, en aquellas regiones en
donde tradicionalmente se ha dispuesto de abundante agua, como es el caso del País Vasco
(España), es importante tener un conocimiento de la cantidad de agua disponible, con el fin de
realizar una buena proyección de las obras futuras y garantizar una buena gestión de la misma.
Una limitación de los modelos de tipo conceptual según Gan y Burges (1990) es que no son
“interpolativos” y no hay garantía que el modelo prediga exactamente un valor cuando se usa más
allá del rango de calibración y de validación. Así mismo, se recomienda que un modelo sea probado
en un rango dramáticamente diferente del empleado durante la calibración. Lidén y Harlin (2000)
mencionan que el riesgo de obtener un mal rendimiento en un modelo conceptual lluvia escorrentía
aumenta a medida que disminuye el estado de humedad inicial de la cuenca.
Según Refsgaars y Knudsen (1996) los criterios principales para la evaluación del
rendimiento de un modelo hidrológico incluyen la visualización conjunta de los hidrogramas
observado y simulado, el balance general de agua, los coeficientes de eficiencia y los diagramas de
dispersión.
EL MODELO TETIS
Se trata de un modelo de cinco tanques conectados entre sí. Un esquema conceptual del
movimiento vertical del agua para cada celda se puede observar en la Figura 1. Las relaciones entre
los distintos tanques son diferentes para cada caso, pero siempre se han empleado relaciones
simples de tipo concpetual. Una descripción más detallada del modelo se presenta en Vélez et al.
(2002a) y Francés et al. (2002).
PRECIPITACIÓN
EVAPOTRANSPIRACIÓN
EXCEDENTES
Almacenamiento
Estático
INFILTRACIÓN
ESCORRENTÍA
DIRECTA
Almacenamiento
Superficial
PERCOLACIÓN
INTERFLUJ O
Almacenamiento
Gravitacional
PÉRDIDAS
SUBTERRÁNEAS
FLUJO BASE
Acuífero
Cauce
Figura 1.- Esquema conceptual del modelo TETIS a nivel de celda
El primer tanque corresponde al almacenamiento estático, en donde las salidas son las
producidas por la evapotranspiración. Luego se presenta el almacenamiento en superficie, en donde
toda el agua que no es infiltrada esta disponible para ser escurrida superficialmente. La capacidad
de infiltración del suelo está asociada a la conductividad hidráulica saturada del suelo. El tercer
tanque representa al almacenamiento gravitacional, dentro del cual se percola la cantidad que el
subsuelo en estado de saturación es capaz de trasportar en sentido vertical, el resto queda disponible
para conformar el flujo subsuperficial. El último tanque corresponde al acuífero, en donde se tiene
que el agua que ingresa en profundidad representa a las pérdidas del sistema y el flujo horizontal es
el flujo base.
En realidad se trata de un modelo tridimensional, en donde cada celda está conectada con la
celda contigua mediante la red de drenaje de la cuenca. En la Figura 2 se observa el
comportamiento del flujo horizontal en el modelo TETIS. Todas las celdas drenan hacia la celda
aguas abajo hasta que alcancen una celda con un cauce definido. Una vez se alcance el cauce se
realiza la traslación del flujo según la metodología de la OCG.
La información de entrada necesaria para la ejecución del modelo se basa en las series
temporales de lluvia, evapotranspiración y aforos. En cuanto a la información cartográfica, se
emplea el formato tipo ráster. Se requiere de un Modelo Digital del Terreno (MDT) y de los mapas
con las características del suelo, estos últimos se obtienen con base en estudios de suelos, cobertura
vegetal, mapas geológicos, información edafológica, mapas hidrogeológicos y demás temas
ambientales que puedan ser de interés y que se encuentren disponibles para la zona de estudio.
Figura 2.- Movimiento horizontal del flujo en el modelo TETIS (Tomado de Vélez, 2001)
En el estudio realizado para la CAPV se supone inicialmente que no existe correlación entre la
lluvia y la cota (β=0.0), lo cual contradice a lo observado en las estaciones de lluvia de la zona. Sin
embargo, en aquellos casos en los cuales no fue posible realizar una buena calibración debido a
falta de agua en el sistema se utiliza este factor de interpolación de lluvia como una variable
adicional a calibrar. En algunos casos se emplea el factor que se ha estimado previamente para cada
sistema, pero en general, se obtienen mejores resultados cuando el factor ha sido calibrado
automáticamente.
Para la traslación del flujo por el cauce mediante OCG, el modelo TETIS emplea nueve
parámetros geomorfológicos según las relaciones geomorfológicas de tipo potencial. Los
coeficientes y los exponentes de estas relaciones potenciales se obtienen mediante un estudio
geomorfológico regional para las zonas homogéneas. El estudio realizado en la CAPV se emplean
los parámetros geomorfológicos recomendados en la literatura, puesto que no se efectuó un estudio
geomorfológico detallado en la zona.
Se ha considerado que son cinco almacenamientos los que tienen relevancia dentro del estado
inicial de humedad del suelo en la cuenca, ellos son: El almacenamiento estático, que está dado
como un porcentaje de la capacidad máxima del almacenamiento capilar. El estado de humedad en
la ladera, esta dada como una cantidad de agua disponible desde el inicio del episodio en mm. El
estado de humedad en el suelo, esta dada como una cantidad de agua disponible desde el inicio del
episodio en mm. El estado inicial del acuífero, dado como una cantidad de agua al inicio del evento
en mm. Finalmente, el estado inicial en los cauces, que es un porcentaje del caudal a sección llena.
Estas variables de estado son globales, es decir, son iguales para todas las celdas en cada una de las
regiones geomorfológicamente homogéneas. Para cada evento estos valores son variables y deben
ser calibrados mediante un procedimiento de ensayo y error. En el caso del País Vasco se tiene que
el modelo utiliza la escala diaria, por lo que se puede emplear un período anterior al de calibración
para que genere un estado de humedad lo más parecido a la realidad. Normalmente se ha empleado
un rango entre uno y dos meses como período anterior a la calibración para obtener un estado de
humedad inicial.
El modelo TETIS emplea el método conocido como inverso de la distancia al cuadrado para
efectuar la interpolación espacial de la lluvia y la evapotranspiración. Al disponer de numerosas
estaciones es necesario indicarle al modelo el número de estaciones cercanas a cada celda que son
necesarias para realizar la interpolación espacial, en el caso del País Vasco han sido tres estaciones.
LA CALIBRACIÓN AUTOMÁTICA
En los últimos años se han desarrollado numerosas técnicas para la obtención automática de
los parámetros en modelos conceptuales. En donde los métodos de búsqueda global son los más
populares, entre ellos se destacan según Madsen (2000) los algoritmos genéticos y el “Shuffled
Complex Evolution – University of Arizona”, por sus siglas en inglés conocido como SCE-UA.
Sorooshian et al. (1993) realizan una comparación entre diferentes métodos, entre ellos el
MultiStart Simplex, MSX” y el SCE-UA destacando que éste último se comporta mejor porque los
parámetros obtenidos se encuentran más agrupados, se requiere de un número de evaluaciones de la
función objetivo menor y los criterios de estimación son más bajos.
Diferentes autores han realizado comparaciones entre los métodos de optimización tales
como el Algoritmos genéticos, el recocido simulado, el Simplex, MSX y el SCE-UA, siendo el
método del SCE-UA el que mejores resultados arroja, (Duan et al., 1992; Sorooshian et al., 1993;
Duan et al., 1994 y Yapo et al., 1998).
Gan y Burges (1990) mencionan que como criterio de convergencia en los procesos
iterativos es más eficiente si se emplea el balance de masa. Una inadecuada elección del criterio de
convergencia y una relajación pueden causar errores de balance que limiten el esquema numérico.
Sugieren que no existe un esquema universal y válido para calibrar un modelo conceptual siguiendo
procedimientos manuales o automáticos. Además recomiendan como algoritmo de optimización
aquellos que emplean patrones de búsqueda directa, por considerarlos más robustos.
Existen numerosos criterios para definir la función objetivo dentro del proceso de
optimización automática, entre ellos se tiene el error en el volumen (% errVol):
Vo − V p
%errVol = ×100% [1]
Vo
Siendo Vp el volumen total simulado y Vo el volumen total observado.
El error cuadrático medio, (RMSE) que es un medidor de eficiencia ampliamente usado:
n
∑ ((Q − Q )
i s
2
)
RMSE = i =1
[2]
n
Donde Qs el caudal simulado, Qi el caudal observado y n es el número de observaciones.
La información cartográfica
Con base en la información de topología, usos de suelo, litología y geología se han obtenido
cuatro mapas con las características del suelo (Puricelli y Francés, 2002), representadas por:
• Altura de agua útil (Hu). Incluye la capacidad de almacenamiento estático para la
generación de escorrentía superficial.
• Permeabilidad superficial o conductividad hidráulica saturada del suelo (ks). Para involucrar
la infiltración y el flujo subsuperficial.
• Capacidad de percolación o conductividad hidráulica saturada del estrato rocoso (ks).
Pretende incluir el proceso de percolación, las pérdidas subterráneas y el flujo base
• Índices de cobertura vegetal (λ). Pretende incluir la estacionalidad en el proceso de
evapotranspiración dada según el tipo de cobertura vegetal.
Información hidrológica
Para el caso de la CAPV se han empleado series diarias, las cuales al provenir de diferentes
fuentes tienen una hora inicial distinta. La información de los caudales presenta un retraso con
respecto a la lluvia, por lo que también fue necesario realizar una corrección para que la referencia
sea la misma en todas las estaciones.
Calibración automática
Tabla 1.- Rango y valor inicial de los factores correctores utilizados en la calibración automática SCE-UA
Factor Corrector Mínimo Máximo Valor inicial
Los resultados del balance hídrico empleando los factores correctores calibrados por el SCE-
UA en las estaciones donde se realiza la calibración del modelo TETIS se muestran en la Tabla 2,
siendo la precipitación, PPT, la Evapotranspiración potencial, ETP, la evapotranspiración real, Etr,
los aportes totales observados, Apo Obs, los aportes simulados, Apo Sim, las pérdidas encargadas
de cerrar el balance, Pérd., y las principales componentes del flujo son la escorrentía directa, ED, el
flujo subsuperficial, FS, y el flujo base, FB, estos últimos dados en porcentaje del flujo total.
También se incluyen en la tabla el área, el índice de Eficiencia diario, E día, y el índice mensual, E
mes, en donde se aprecia que para las cuencas pequeñas el índice empeora, lo cual se debe a un
efecto de escala, ya que se emplean celdas de 500 m x 500 m.
140
Vo l. Ob serv ad o
120
Vo l. Si mu lado
100
Volume n (Hm³)
80
60
40
20
0
Jun-96
Dic -96
Jun-97
Dic -97
Jun-98
Dic -98
Jun-99
Dic -99
Jun-00
Dic -00
Ma r-96
Sep-96
Ma r-97
Sep-97
Ma r-98
Sep-98
Ma r-99
Sep-99
Ma r-00
Sep-00
Figura 3- Resultados de la calibración automática en la estación Altzola ubicada en la cuenca del río Deba.
La validación realizada en la CAPV en general ha sido muy buena, con pocas excepciones,
en las cuales la mala validación puede ser explicada debido a mala calidad en la información o a
cuencas muy pequeñas. En la Figura 4 se muestra la comparación entre los índices de eficiencia
diario y mensual para las diferentes cuencas de la CAPV estimadas durante el proceso de
calibración y de validación. Los resultados indican que los índices mensuales mejoran con respecto
a los diarios. Se puede concluir que la validación ha sido satisfactoria y por lo tanto es posible
realizar una simulación fiable durante un período diferente.
1 .0
a) b) 1 .0
0 .8 0 .8
0 .4 0 .4
Z ona N ort e
Z on a N o rt e Z ona S ur
Z on a S u r R elación 1: 1
0 .2 0 .2
R ela ción 1: 1
0 0 .0
0 0 .2 0.4 0.6 0.8 1 .0 0.0 0.2 0.4 0.6 0.8 1.0
Índic e de Na sh y Sut clif f e diario Índice de Nash y Sutcliffe diario
Figura 4- Comparación de resultados entre calibración y validación. a) Relación entre índices de eficiencia
diarios y mensuales de calibración b) Relación entre el índice mensual y diario en validación
Simulación
El proceso de simulación emplea la información disponible desde 1951 hasta el año 2000 y
sus resultados se obtienen para los lugares cercanos a la desembocadura. Es de especial interés
observar el comportamiento de los diferentes flujos en cada subcuenca. En general se observa que
persiste el recurso agua en las diferentes cuencas, IIAMA-UPV (2004).
CONCLUSIONES
Este tipo de estudio sirve para determinar las condiciones hídricas de una cuenca. En donde
mediante el análisis del balance observado en los últimos años es factible prever el comportamiento
futuro del sistema hidrológico estudiado.
La calibración automática mediante el SCE-UA ha sido una buena herramienta para estimar
los valores de los factores correctores del modelo TETIS. Los resultados de la validación indican
que al igual que la calibración se obtienen los peores resultados en aquellas cuencas cuya área es
pequeña. En todos los casos los resultados son buenos.
Mediante el uso del modelo TETIS es posible obtener las diferentes componentes de la
escorrentía y observar el balance dentro de la cuenca. Dado el carácter distribuido del modelo
seleccionado es fácil obtener resultados en diferentes partes de la cuenca.
AGRADECIMIENTOS
Los autores quieren agradecer a INTECSA–INARSA, cuyo convenio con la UPV permitió
realizar este estudio. Agradecer a INM, GV, CHE, DFV, GN y la DFG por la colaboración prestada
y por la información suministrada. Del mismo modo al IIAMA por su apoyo a este tipo de estudios.
Y muy especialmente a Marino Puricelli por preparar los mapas con las características del suelo.
REFERENCIAS
Andersen, J., Refsgaard, J.C., Jensen, K.H. (2001). “Distributed hydrological modelling of the Senegal
river basin - model construction and validation”. J. Hydrol. 247, 200-214.
Beven, K.J. (2000). “Parameter Estimation and Predictive Uncertainty”. En: Beven, K.J., (Ed.), Rainfall-
Runoff Modelling. The Primer. John Wiley & Sons Ltd. Chichester. U.K. Cap 7.
Boyle, D.P., Gupta, H.V., Sorooshian, S. (2000). “Toward improved calibration of hydrologic models:
Combining the strengths of manual and automatic calibration”. Water Resour. Res. 36(12), 3663-3674.
Duan, Q., Sorooshian, S., Gupta, V.K. (1992). “Effective and efficient global optimization for conceptual
rainfall-runoff models”. Water Resour. Res. 24(7), 1163-1173.
Duan, Q., Sorooshian, S., Gupta, V.K. (1994). “Optimal use of the SCE-UA global optimization method
for calibrating watershed models.” J. Hydrol. 158, 265-284.
Francés, F., Vélez, J.J., Vélez, J.I., Puricelli, M. (2002). “Distributed modelling of large basins for a real
time flood forecasting system in Spain”. Proceedings Second Federal Interagency Hydrologic Modeling
Conference. Las Vegas, USA. July. CD Format.
Gan, T.Y., Burges, S.J. (1990). “An assessment of a conceptual rainfall-runoff model's ability to represent
the dynamics of small hypothetical catchments 1. Models, model properties, and experimental design.”
Water Resour. Res. 26(7), 1595-1604.
Grayson, R. B., Moore, I. D. and McMahon, T. A., (1992), “Physically based hydrologic modeling 2. Is
the concept realitic?”. Water resources research. 26, 10, 1992, 2659-2666.
IIAMA-UPV. (2004). Modelización de los recursos hídricos de las cuencas de los ríos de la Comunidad
Autónoma del País Vasco. Informe Técnico. Instituto de Ingeniería del Agua y Medio Ambiente.
Universidad Politécnica de Valencia.
Klemeš, V. (1988). A hydrological perspective. J. Hydrol. 100, 3-28.
Lidén, R., Harlin, J. (2000). “Analysis of conceptual rainfall-runoff modelling performance in different
climates.” J. Hydrol. 238, 231-247.
Madsen, H. (2000). “Automatic calibration of a conceptual rainfall-runoff model using multiple objectives.”
J. Hydrol. 235, 276-288.
Puricelli, M., Francés, F. (2002). “Estimación de parámetros hidrológicos del terreno en la modelación
hidrológica distribuida en grandes cuencas.” Proceedings 3ª Asamblea Hispano-Portuguesa de Geodesia y
Geofísica. Ed. UPV.Valencia, Spain. February 7-8, 1688-1692.
Refsgaars, J.C., Knudsen, J. (1996). “Operational validation and intercomparison of different types of
hydrological models.” Water Resour. Res. 32(7), 2189-2202.
Senarath, S., Ogden, F.L., Downer, C.W., Sharif, H.O. (2000). “On the calibration and verification of
two-dimensional distributed, Hortonian, continuous watershed models.” Water Resour. Res. 36(6), 1495-
1510
Sorooshian, S., Duan, Q., Gupta, V.K. (1993). “Stochastic parameter estimation procedures for hydrologic
rainfall-runoff models: Correlated and Heteroescedastic error cases.” Water Resour. Res. 29(4), 1185-1194.
Thyer, M., Kuczera, G., Bates, B.C. (1999). “Probabilistic optimization for conceptual rainfall-runoff
models: A comparison of the Shuffled complex evolution and simulated annealing algorithms.” Water
Resour. Res. 35(3), 767-773.
Vašková, I., Francés, F., Vélez, J.J. (2004). “Empleo de la modelación distribuida en el estudio de los
recursos hídricos del País Vasco.” Proceedings 4ª Asamblea Hispano-Portuguesa de Geodesia y Geofísica,
Figueira da Foz, Portugal. Febrero 3-7.
Vélez, J.I. (2001). Desarrollo de un modelo hidrológico conceptual y distribuido orientado a la simulación
de las crecidas. Tesis Doctoral. Universidad Politécnica de Valencia, Departamento de Ingeniería Hidráulica
y Medio Ambiente. 266 pp.
Vélez, J.J., Vélez, J.I., Francés, F. (2002a). “Simulación hidrológica de crecidas en grandes cuencas
mediante el uso de la modelación distribuida.” Proceedings 3ª Asamblea Hispano-Portuguesa de Geodesia y
Geofísica. Ed. UPV.Valencia, España. Febrero 7-8, 1682-1687.
Vélez, J.I., Vélez, J.J., Francés, F. (2002b). “Modelo distribuido para la simulación hidrológica de crecidas
en grandes cuencas.” Proceedings XX Congreso Latinoamericano de Hidráulica. La Habana, Cuba. Octubre.
Yapo, P.O., Gupta, H.V., Sorooshian, S. (1996). “Automatic calibration of conceptual rainfall-runoff
models: sensitivity to calibration data.” J. Hydrol. 181, 23-48.