AIHR AIIH

XXII CONGRESO LATINOAMERICANO DE HIDRÁULICA

CIUDAD GUAYANA, VENEZUELA, OCTUBRE 2006

RECURSOS HÍDRICOS EN LA COMUNIDAD AUTÓNOMA

DEL PAÍS VASCO USANDO MODELACIÓN DISTRIBUIDA Y
CALIBRACIÓN AUTOMÁTICA

Jorge Julián Vélez Upegui y Félix Francés García

Departamento de Ingeniería Civil, IDEA, Universidad Nacional de Colombia sede Manizales, Carrera 27 N64-60,
Manizales, Colombia. jjvelezu@unal.edu.co
Instituto de Ingeniería del Agua y Medio Ambiente, IIAMA, Universidad Politécnica de Valencia, España, Camino de
Vera s/n, 46022. Valencia, España. francés@hma.upv.es

RESUMEN:

El estudio sobre la disponibilidad de los recursos hídricos en la Comunidad Autónoma del

País Vasco, (CAPV, España) ha sido realizado y algunos de los principales resultados se han
incluido en este artículo. La metodología empleada se basa en la modelación hidrológica de cuencas
naturales, empleando el modelo TETIS desarrollado en el Instituto de Ingeniería del Agua y Medio
Ambiente de la Universidad Politécnica de Valencia (IIAMA-UPV). Se trata de un modelo
distribuido de tipo conceptual, inicialmente concebido para el estudio de las avenidas pero que ha
sido extendido y adaptado para trabajar en modelación continua y que ha arrojado resultados muy
satisfactorios en España y Francia. Se ha incluido al modelo TETIS un método de optimización
automática para obtener el conjunto de factores correctores óptimos que emplea el modelo. Se
concluye que el método de calibración automática seleccionado, el SCE-UA ha mostrado rapidez y
fiabilidad, permitiendo obtener un conjunto de factores correctores para todas las cuencas
estudiadas. Los resultados del estudio de recursos han sido muy satisfactorios y muestran que la
simulación hidrológica en cuencas naturales mediante modelos conceptuales distribuidos y
calibración automática es factible y eficiente. Finalmente, el uso de un factor de interpolación de
lluvia con la elevación mejora los resultados de la calibración en algunas cuencas.

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.

PALABRAS CLAVES: Modelación distribuida, Modelos conceptuales, Calibración automática.

INTRODUCCIÓN

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.

Existen numerosas formas de modelar el comportamiento del agua en cuencas naturales. El

modelo TETIS ha sido desarrollado en el Instituto de Ingeniería del Agua y Medio Ambiente,
IIAMA y corresponde a un modelo distribuido de tipo conceptual, el cual ha sido escogido por
tratarse de una metodología eficiente que ha arrojado muy buenos resultados, Vélez (2001), Vélez
et al. (2002a, 2002b). Además, según Grayson et al. (1992), los modelos conceptuales son mejores
que los modelos físicamente basados puesto que son más rápidos, tienen un menor número de
parámetros, siempre y cuando se trabaje a la escala adecuada.

El modelo TETIS emplea la metodología de la onda cinemática en combinación con

características geomorfológicas de la cuenca para realizar la traslación del flujo por el cauce, en lo
que se conoce según Vélez (2001) como la Onda Cinemática Geomorfológica (en adelante, OCG).

La calidad en los resultados de salida de un modelo conceptual lluvia escorrentía depende de

la calidad de los datos de entrada, de la estructura del modelo y del proceso de calibración,
(Sorooshian et al., 1993; Madsen, 2000 y Lidén y Harlin, 2000). Así mismo, los modelos
conceptuales tienen una gran capacidad de compensación de los errores en los datos de entrada y
son difíciles de calibrar porque han sido creados para unas condiciones muy específicas. Según
Beven (2000) la calibración de un modelo tiene las mismas características de un ajuste por
regresión múltiple, en donde los parámetros óptimos serán tales que minimicen los errores
residuales, pero si hay residuales implica que existe incertidumbre en el modelo calibrado. De la
misma forma que en una regresión, durante la validación estas incertidumbres son mayores a
medida que las condiciones son más extremas o distintas a las empleadas durante la calibración.

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.

La validación del modelo es el proceso encargado de demostrar que se están simulando

apropiadamente los procesos físicos dominantes en un sitio específico. Siendo capaz de realizar
predicciones que satisfagan los criterios de precisión previamente establecidos, (Klemeš, 1988;
Refsgaars y Knudsen, 1996; Senarath et al., 2000; Andersen et al., 2001).
 A continuación se presenta una breve descripción del modelo utilizado y de la metodología
empleada para la calibración automática. Luego se presenta el caso de estudio para la CAPV.
Finalmente, se exponen algunas conclusiones obtenidas durante el estudio.

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)

El modelo de infiltración y el modelo de traslación presentados en TETIS incluyen unos

factores correctores que corrigen de forma global los diferentes mapas con las características del
suelo o parámetros de calibración, permitiendo una corrección rápida y ágil de los diferentes
procesos representados. Estos factores correctores son los valores que deben encontrarse mediante
la calibración automática.

En general, si se ha calibrado adecuadamente el modelo TETIS estos valores no deben variar de

una cuenca a otra. Parte de la información suministrada consta de las tasas anuales del cambio de la
precipitación con la altura sobre el nivel de mar. Datos que han sido suministrados según un estudio
realizado para cada sistema hidrológico en el País Vasco. Estas tasas pueden convertirse mediante
el número de días que llueve al año en un factor de interpolación de lluvia, que ha sido llamado β y
está dado en (mm/m).

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

Tradicionalmente la calibración de los modelos hidrológicos más complejos se ha realizado

mediante la calibración manual, utilizando el ensayo y error como metodología más adecuada. En
este tipo de calibración es necesario que el usuario sea un experto en el modelo para obtener
resultados de forma rápida y confiable. Los procedimientos automáticos de calibración, requieren
de una región inicial de los parámetros (valores factibles, que pueden ser de cuencas vecinas o
cuencas climatológica o hidrológicamente parecidas), Boyle et al., (2000).

El rendimiento de un algoritmo de optimización está definido por:

• Robustez. Es la probabilidad de encontrar el mismo óptimo partiendo de varios ensayos
diferentes.
• Eficiencia. Número de evaluaciones de la función en cada algoritmo para lograr la
convergencia hacia el óptimo.
• Efectividad. Que tan cerca al óptimo global llega el algoritmo.

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.

El coeficiente de eficiencia E que se estima según la siguiente expresión:

∑
n
(Qˆ i − Qi ) 2
E = 1− n i =1
[3]
∑i=1 (Qi − Qi ) 2
Siendo Qi el valor medio de los caudales observados. También es conocido como el índice
de eficiencia de Nash y Sutcliffe.

EL CASO DE ESTUDIO EN LA COMUNIDAD AUTÓNOMA DEL PAÍS VASCO

La CAPV comprende un área muy extensa, la cual ha sido dividida en cuencas

hidrográficas. A continuación se muestra una breve descripción de la información utilizada durante
el estudio.

La información cartográfica

La información suministrada corresponde a un MDT con tamaño de celda de 25 m x 25 m,

pero se ha seleccionado como escala de trabajo un tamaño de celda de 500 m x 500 m. La
información básica que se extrae del MDT es la siguiente:
• Mapa con las direcciones de drenaje, para establecer las conectividades entre las diferentes
celdas.
• Área de drenaje acumulada en cada celda. Se requiere para la estimación de la velocidad y el
área del flujo en la metodología de traslación por medio de la OCG.
• Mapa de pendientes, necesario para estimar la velocidad superficial de la escorrentía y para
determinar la velocidad y el área del flujo mediante la metodología de la OCG.

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

La información meteorológica ha sido suministrada por diferentes entidades, entre ellas:

Instituto Nacional Meteorológico, INM; El Gobierno Vasco, GV; El Gobierno de Navarra, GN;
Diputación Foral de Guipúzcoa, DFG; Diputación Foral de Vizcaya, DFV y la Confederación
Hidrográfica del río Ebro, CHE.

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

El proceso de calibración automática se llevo a cabo utilizando el SCE-UA de forma

independiente para cada cuenca o sistema hidrológico, teniendo en cuenta que aquellas cuencas
cercanas deben tener un comportamiento hidrológico similar. Adicionalmente, para la calibración se
seleccionó una división de acuerdo a la localización geográfica, es así como se han agrupado las
cuencas del norte y las cuencas del sur que a priori deben tener comportamientos diferentes entre sí,
pero similares dentro de cada región.

El modelo TETIS permite escoger el tipo de función objetivo durante el proceso de

calibración, por lo que en el caso del País Vasco se ha seleccionado el RMSE. Adicionalmente, es
necesario un rango de valores para los factores correctores, los cuales se pueden observar en la
Tabla 1. Sin embargo, en cada caso particular algunos de estos valores se han reducido o ampliado,
según sea el caso o lo estime conveniente el hidrólogo.

Tabla 1.- Rango y valor inicial de los factores correctores utilizados en la calibración automática SCE-UA
Factor Corrector Mínimo Máximo Valor inicial

FC1–Almacenamiento estático 0.50 3.00 1.00

FC2–Evapotranspiración 0.70 1.50 1.00
FC3–Infiltración 0.00 0.40 0.10
FC4–Escorrentía 0.00 0.80 0.30
FC5–Percolación 0.00 0.40 0.05
FC6–Flujo subsuperficial 100 2000 300
FC7–Pérdidas subterráneas 0.00 0.20 0.00
FC8–Flujo base 20 200 50
FC9–Velocidad flujo 0.60 1.50 1.00
β–Factor de Interpolación de la lluvia 0.00 0.05 0.001

Para la calibración es necesario realizar un proceso iterativo, en donde se estiman

automáticamente los factores correctores, luego se realiza un análisis de los resultados, revisando el
sentido hidrológico de los factores correctores y el balance hídrico en cada sistema hidrológico,
fundamento principal del estudio realizado.

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.

En la Figura 3 se muestran, a modo de ejemplo, los resultados de la calibración automática

para la estación Altzola ubicada en la cuenca del río Deba, se observa un buen ajuste a nivel
mensual entre el volumen observado y el simulado. Resultados similares se obtuvieron para las
demás cuencas de la CAPV. Este tipo de ajustes es favorable cuando se trata de un estudio de
recursos hídricos ya que se captura el comportamiento hidrológico de las cuencas tanto en épocas
secas como en períodos húmedos manteniéndose el balance hídrico.
 Tabla 2.- Resumen del balance hídrico en el País Vasco durante el proceso de calibración
Estación o Punto Área E E PPT ETP Etr Apo Obs Apo Sim Pérd. ED FS FB
km² día mes mm/año mm/año mm/año mm/año mm/año mm/año % % %
E1Z1 Oiartzun 57.25 0.870 0.962 1975 856 791 1281.4 1181.8 0 10.8 49.4 39.7
CHN105 Ereñozu 213.00 0.824 0.928 2341 829 792 1598.1 1545.7 0 3.6 59.6 36.8
C9Z1 Lasarte 805.50 0.932 0.976 1643 822 754 797.1 886.3 0 26.7 38.6 34.7
C3T1 Amundarain 16.25 0.683 0.765 2167 632 602 1674.1 1565.8 0 24.5 59.2 16.3
CHN109 Etxabe 310.50 0.907 0.955 1589 794 720 933.7 867.3 0 23.5 41.2 35.3
A3Z1 Altzola 469.00 0.900 0.949 1597 851 758 635.7 837.3 0 27.7 47.8 24.5
AR01 Iruzubieta 25.50 0.596 0.666 1594 800 753 570.9 838.4 0 31.1 41.4 27.5
LE01 Aulestia 37.75 0.784 0.816 1519 726 664 692.2 856.8 0 30.1 35.2 34.7
OK01 Muxika 28.75 0.813 0.901 1497 763 671 787.5 824.3 0 32.1 37.2 30.7
NB05 Abusu 1021.00 0.793 0.904 1436 924 768 575.2 666.9 0 33.2 42.5 24.3
KD01 Balmaseda 208.75 0.777 0.779 1321 897 526 736.2 793.2 0 20.2 42.5 37.3
CHN186 Guerizo 118.75 0.732 0.799 1273 799 629 1256.7 640.4 0 36.2 41.3 22.5
KR01 Karrantza 114.75 0.864 0.888 1325 787 687 525.4 638.0 0 36.2 41.1 22.7
CHE188 Berguenda 345.75 0.749 0.936 776 956 529 244 246 0 28.4 24.4 47.2
CHE165 Miranda 306.75 0.813 0.897 1066 741 547 595 517 0 28.1 35.5 36.4
CHE074 Arce 1358.50 0.665 0.901 1012 934 518 441 491 0 11.9 39.0 49.1
OCIO Ocio 86.00 0.791 0.772 754 1026 596 200 110 48 16.3 1.4 82.3
G313 Ancin 472.50 0.821 0.910 871 655 487 270 369 14 2.4 28.0 69.6
SA05 Zarpia 11.00 0.499 0.476 1871 967 818 760 1049 0 0.0 1.5 98.5
G433 Etxarren 401.50 0.836 0.926 1314 765 559 692 751 0 24.7 44.8 30.5

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.

Validación del modelo

En el caso de la CAPV la validación puede ser espacial, temporal y/o espacio-temporal,

según la información disponible. La validación espacial se realiza utilizando el período de
calibración para una estación ubicada aguas arriba o aguas abajo, la validación temporal se realiza
empleando la misma estación calibrada pero para un período diferente y la validación espacio-
temporal se aplica a lugares diferentes con períodos distintos al utilizado en calibración.

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

Índice de Nash y Sutcliffe mensual

Índic e de Na sh y Sut clif f e mens ua l
0 .6 0 .6

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.

La división inicial propuesta en zona norte y sur se ve confirmada en los resultados

obtenidos, puesto que ambas regiones presentan características diferentes. De esta forma, las
cuencas del sur presentan un comportamiento hidrológico más seco, con una lluvia mayor y una
evapotranspiración menor. El factor de interpolación de la lluvia con la elevación es importante en
algunas cuencas de la CAPV y debe tenerse en cuenta durante la simulación.

En general, el uso de la modelación distribuida para la estimación de los recursos hídricos en

cuencas naturales es factible y eficiente, tal como se indica en la aplicación realizada para la CAPV.
Los resultados detallados de este estudio se observan en IIAMA-UPV, (2004) y Vašková et al.
(2004).

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.