A flow duration curve (FDC) defines the relation between the flow amount of any time (daily, yearly, or another time) and its frequency. Moreover, FDCs are used in many water resources projects. However, the ungauged basins or limited amount of gauging in a basin is a common problem. Therefore, regional FDCs are needed to be developed in ungauged basins. Oltu basin has been chosen as the study area, which is located in the north-eastern part of Turkey in &Ccedil / oruh Basin. Two parametric approaches and a statistical approach have been applied to develop regional flow duration curves (FDCs) in Oltu Basin. Parametric approaches cover two different models, namely Model Kocatepe, which is a five parameter model depending on the regression analysis between discharge having certain probability of occurrences and geomorphologic and climatic factors / Model Quimpo, which is a two parameter model proposed by Quimpo. Lognormal distribution has been used in the statistical approach. Several performance indices have been evaluated to decide on if the model dependable or not. As a result of these analysis, it is concluded that, Model Quimpo gives good results in small basins, whereas, Model Kocatepe is effective in large areas. Statistical approach is not an appropriate method to use while regionalizing FDCs in Oltu basin.The analysis performed for short-term duration has revealed that 5-years record lengths of discharges are enough to develop a dependable FDC compared to regional FDC. The validation results and the performance indices are presented with the analysis results.

The study was aimed at developing a simple methodology for flow prediction in ungauged basins using existing data resources. For this purpose, the streamflow measurements across the Kentucky River Basin located in Kentucky, USA were obtained from United States Geological Survey (USGS) archive. The flow transferring characteristics of the subbasins of the Kentucky River Basin were obtained by combining downstream and upstream stream gauges. The flow transferring function thus derived were related to watershed, channel and flow characteristics of the subbasins by multiple regression analysis. The gauge pairs were divided into two classes of subbasins representing Upper and Lower Kentucky, which were characterized mainly by the geology of the watersheds. The regression models corresponding to the two groups of subbasins were applied to example gauge pairs to evaluate the efficiency of the proposed model to predict streamflow in downstream channel. The estimated hydrographs agreed with the observed hydrographs with the performance efficiency of greater than 90%. The proposed method was tested for its applicability in first-order streams in the Goose Creek, a tributary to the Kentucky River. The overland flow component for the first-order streams was determined using TOPMODEL with topography, soil and climatic factors as inputs. The overland flow was routed to the Goose Creek outlet using the transfer function obtained from measured flow records. The simulated hydrographs were reproduced with 80% accuracy when compared with the observed hydrographs. The flow prediction of first-order ungauged streams was automated by the back-calibration algorithm. The algorithm is supported by the Shuffled Complex Evolution - University of Arizona algorithm for its optimization routine. The back-calibration procedure optimizes each first-order stream with the aid of the flow transferring function. The back-calibration procedure was imbedded in a Visual Basic.NET environment to automatically predict flow on a daily time scale and predicted was published on the internet using ESRI Arc Internet Mapping Server (ArcIMS). The project thus provides daily streamflow estimation for streams on a first-order level on every day basis, which will facilitate flow prediction of streams regardless of the size of the watersheds.

En Europe, les crues éclair affectent principalement les régions méditerranéennes et montagneuses. Les bassins concernés sont le plus souvent de petite taille. Anticiper ce type d'événements demeure un exercice ardu parsemé de multiples difficultés. Cette thèse s'inscrit dans le cadre d'un projet commun à IRSTEA et Météo-France (projet RHYTMME) et ses deux objectifs sont :l'adaptation de modèle hydrologique de la méthode AIGA aux régions montagneuses, en tenant compte des caractéristiques de cet environnement ;l'évaluation du nouveau modèle sur des bassins de petite taille, qui sont réellement non-jaugés.Pour atteindre le premier objectif, le modèle est complexifié (prise en compte de la neige), testé sur 118 bassins versants jaugés et régionalisé. Quant au second but, des relevés de dégâts, issus de la base de données des services de Restauration des Terrains en Montagne (RTM), sont utilisés afin d'évaluer le modèle sur 123 très petits bassins dans des conditions aussi proches que possible de la réalité du terrain.Pour réaliser ce second objectif, une méthode d'évaluation est développée, fondée sur des statistiques de contingence, illustrant la concomitance entre dégâts observés et dépassement de seuil des débits simulés. Il est proposé un graphe renseignant le taux de détection (POD) et le taux de succès (SR) pour différents seuils simultanément à l'instar des courbes de ROC. Le principal résultat est qu'une évaluation sur bassins jaugés est une première étape nécessaire mais pas suffisante. En effet, les travaux illustrent le fait que les meilleurs modèles sur les bassins jaugés ne le sont pas forcément sur les petits bassins non-jaugés, sujets aux crues éclair. / In Europe, flash floods primarily occur in the Mediterranean and mountainous areas. The concerned basins are often small and ungauged with a short lag time. Anticipating such events is a tricky task with many difficulties. This thesis is part of a common project between Irstea and Météo-France (RHYTMME project) with two objectives : the adaptation of the hydrological model of AIGA method to the mountainous areas, taking into account the environment characteristics the evaluation of the new model on small basins, which are actually ungauged. To achieve the first objective, the model is complicated by the integration of a snow modelling on 118 gauged basins. Then the model is regionalized. The second objective is to use flood reports from the mountain area restoration services database (services de Restauration des Terrains en Montagne (RTM)). The model is evaluated with these reports on 123 very small basins under conditions as close to as possible the reality. To overcome the second objective, an evaluation method is developed, based on contingency statistics, illustrating the coincidence between observed damages and threshold crossing by simulated flows. A graphic with the probability of detection (POD) according to the success rate (SR) is introduced for different thresholds. Thereby, a multi-threshold approach is used to compare hydrological models like ROC-curves. The main result, highlighted by this thesis is an evaluation on gauged basins is a necessary first step but not sufficient. Indeed, the works illustrate that the decided compromises on the large gauged basins don?t lead automatically to the best performances on the small basins occurring flash floods.

[EN] Water is the foundation for all biological life on Earth and one of the basic links between the biosphere and atmosphere. It is equally fundamental for humans and nature (Tolba, 1982). In an environment of growing scarcity and competition for water, increasing the understanding of all fluxes of the water cycle lies at the heart of the scientific community's goals. Traditionally, water and vegetation have been considered as different systems. However, it is necessary to take a holistic approach which considers the question of the water cycle in an integrated manner by taking into account both: blue water and green water (Birot et al., 2011). Around this idea, the new discipline Ecohydrology emerged in the early 20th century and, from then; it has grown steadily as shown by the increasing number of research lines and scientific papers related to this new field. However, most of the current hydrological models includes the vegetation as static parameter and not as state variable. There are some exceptions taking explicitly the vegetation as state variable but in those cases, the models' complexity and parametrical requirements increase substantially. In practice, we have to deal against the 'data scarcity - high parametrical requirements' issue really often. To reduce that issue, two strategies can be applied: (1) simplification of the models' conceptual scheme and (2) increase of data availability by incorporating new sources of information. In this thesis, we explored the use of a distributed parsimonious ecohydrological modelling (with low parametrical requirements) calibrated and validated exclusively with remote sensing data. First, we used the parsimonious ecohydrological model proposed by Pasquato et al. (2015) in an experimental plot located in a semi-arid Mediterranean forest. The results in this previous stage suggested that the model was able to adequately reproduce the dynamics of vegetation as well as the soil moisture variations. In other words, it has been shown that a parsimonious model with simple equations can achieve good results in general terms. But, as long as we applied the model at plot scale, the challenging task to reproduce the spatial variation of the vegetation and water cycle remained. To explore the spatio-temporal variation of the vegetation and the water cycle, the distributed version of the parsimonious ecohydrological model used previously was applied in a basin located in Kenya, concretely in the Upper Ewaso Ngiro River basin. In order to explore the potential applicability of the satellite data, we calibrated the model using exclusively the NDVI provided by NASA. First of all, we had to deal with the fact that we were not calibrating the model with only one temporal series such as historical streamflow as usual. In fact, satellite data is composed by one temporal series per pixel. We had to identify how to use spatio-temporal (and not only temporal) data during models' calibration and validation. In that sense, unfortunately, there is still a deep lack in literature. A methodology based on the use of Empirical Orthogonal Function analysis was proposed and successfully applied. This experience provided amazing and promising results. The obtained results demonstrated that: (1) satellite data of vegetation dynamics contains an extraordinary amount of information that can be used to implement ecohydrological models in scarce data regions; (2) the proposed semi-automatic calibration methodology works satisfactorily and it allows to incorporate spatio-temporal data in the model parameterization and (3) the model calibrated only using satellite data is able to reproduce both the spatio-temporal vegetation dynamics and the observed discharge at the outlet point. It is important to highlight the positive consequences of this last result particularly in ungauged basins where the use of satellite data could be an alternative in order to obtain a proxy of the streamflow at outlet point. / [ES] El agua es la base de toda vida biológica en la Tierra y uno de los enlaces básicos entre la biosfera y la atmósfera. Es igualmente fundamental para los seres humanos y la naturaleza (Tolba, 1982). Tradicionalmente, el agua y la vegetación se han considerado como sistemas diferentes pero es claramente necesario tomar un enfoque holístico que considere la cuestión del ciclo del agua de una manera integrada, teniendo en cuenta tanto el agua azul como el agua verde (Birot et al., 2011). Alrededor de esta idea surgió la nueva disciplina llamada Ecohidrología a principios del siglo XX y desde entonces, no ha dejado de crecer tal y como demuestran el creciente aumento de líneas de investigación y publicaciones científicas relacionadas con este nuevo campo. Sin embargo, la mayoría de los modelos hidrológicos actuales incluye la vegetación como un parámetro estático y no como una variable de estado. Hay algunas excepciones que toman explícitamente la vegetación como variable de estado, pero en esos casos, la complejidad y el número de parámetros a determinar de los modelos aumentan sustancialmente. En la práctica, tenemos que hacer frente a la temible combinación de "escasez de datos - alto número de parámetros a determinar" con mucha frecuencia. Para reducir este problema, se pueden aplicar dos estrategias: (1) simplificar la complejidad conceptual de los modelos y así reducir el número de parámetros a calibrar, y/o (2) aumentar la disponibilidad de datos mediante la incorporación de nuevas fuentes de información. En esta tesis, hemos explorado el uso de un modelo ecohidrológico distribuido y parsimonioso (con pocos parámetros a determinar) que ha sido completamente calibrado y validado exclusivamente con datos de teledetección. En primer lugar, se utilizó el modelo ecohidrológico parsimonioso propuesto por Pasquato et al. (2015) en una parcela experimental situada en un bosque mediterráneo semiárido. Los resultados obtenidos en esta primera etapa de la tesis sugirieron que el modelo era capaz de reproducir adecuadamente la dinámica de la vegetación, así como las variaciones de humedad del suelo. En otras palabras, se pudo demostrar que un modelo parsimonioso con ecuaciones simples puede lograr buenos resultados en términos generales. Pero, como el modelo había sido aplicado a escala de parcela, todavía quedaba como tarea pendiente reproducir la variación espacial de la vegetación y del ciclo hidrológico. Para explorar la variación espacio-temporal de la vegetación y del ciclo del agua, se aplicó la versión distribuida del modelo ecohidrológico y parsimonioso utilizado previamente en una cuenca situada en Kenia. Con el fin de explorar la posible aplicabilidad de los datos de satélite, calibramos el modelo utilizando exclusivamente el NDVI proporcionada por la NASA. Se aplicó con éxito una metodología basada en el uso de la identificación de las funciones ortogonales empíricas (EOF por sus siglas en inglés). Esta última prueba proporcionó resultados prometedores: (1) los datos de satélite contienen una cantidad extraordinaria de información que puede ser usado para implementar modelos ecohidrológicos en regiones donde no se dispone de tal cantidad de información; (2) la metodología de calibración propuesta funciona satisfactoriamente y permite incorporar datos espacio-temporales en el proceso de parametrización del modelo, y (3) el modelo calibrado sólo con datos de satélite es capaz de reproducir tanto la dinámica espacio-temporal de la vegetación así como el caudal observado en el punto de desagüe de la cuenca. Es importante destacar las consecuencias positivas de este último resultado sobre todo en cuencas no aforadas, donde el uso de datos de satélite podría ser una alternativa para obtener una aproximación del recurso en el punto de desagüe. / [CAT] L'aigua és la base de tota vida biològica a la Terra i un dels enllaços bàsics entre la biosfera i l'atmosfera. És igualment fonamental per als éssers humans i la naturalesa (Tolba, 1982). Tradicionalment, l'aigua i la vegetació s'han considerat com a sistemes diferents però és clarament necessari prendre un enfocament holístic que considere la qüestió del cicle de l'aigua d'una manera integrada, tenint en compte tant l'aigua blava com l'aigua verda (Birot et al., 2011). Al voltant d'aquesta idea va sorgir la nova disciplina anomenada Ecohidrología a principis del segle XX i des de llavors, no ha deixat de créixer tal com demostren el creixent augment de línies de recerca i publicacions científiques relacionades amb aquest nou camp. No obstant això, la majoria dels models hidrològics actuals inclou la vegetació com un paràmetre estàtic i no com una variable d'estat. Hi ha algunes excepcions que prenen explícitament la vegetació com a variable d'estat, però en aquests casos, la complexitat i el nombre de paràmetres a determinar dels models augmenten substancialment. En la pràctica, hem de fer front a la temible combinació de "escassetat de dades - alt nombre de paràmetres a determinar" amb molta freqüència. Per reduir aquest problema, es poden aplicar dues estratègies: (1) simplificar la complexitat conceptual dels models i així reduir el nombre de paràmetres a calibrar, i/o (2) augmentar la disponibilitat de dades mitjançant la incorporació de noves fonts d'informació. En aquesta tesi, hem explorat l'ús d'un model ecohidrològic distribuït i parsimoniòs (amb pocs paràmetres a determinar) que ha estat completament calibrat i validat exclusivament amb dades de teledetecció. En primer lloc, es va utilitzar el model ecohidrològic i parsimoniòs proposat per Pasquato et al. (2015) en una parcel·la experimental situada en un bosc mediterrani semi-àrid. Els resultats obtinguts en aquesta primera etapa de la tesi van suggerir que el model era capaç de reproduir adequadament la dinàmica de la vegetació, així com les variacions d'humitat del sòl. En altres paraules, es va poder demostrar que un model parsimoniòs amb equacions simples pot aconseguir bons resultats en termes generals. Però, com el model havia estat aplicat a escala de parcel·la, encara quedava com a tasca pendent reproduir la variació espacial de la vegetació i del cicle hidrològic. Per explorar la variació espai-temporal de la vegetació i del cicle de l'aigua, es va aplicar la versió distribuïda del model ecohidrològic i parsimoniòs utilitzat prèviament en una conca situada a Kenya. Al mateix temps, amb la finalitat d'explorar la possible aplicabilitat de les dades de satèl·lit, calibrem el model utilitzant exclusivament el NDVI proporcionat per la NASA. Es va aplicar amb èxit una metodologia basada en l'ús de la identificació de les funcions ortogonals empíriques (EOF per les seues sigles en anglès). Aquesta última prova va proporcionar resultats sorprenents i prometedors. De fet, els resultats obtinguts van demostrar que: (1) les dades de satèl·lit contenen una quantitat extraordinària d'informació que pot ser usada per implementar models ecohidrològics en regions on no es disposa de tal quantitat d'informació; (2) la metodologia de calibratge proposat funciona satisfactòriament i permet incorporar dades espai-temporals en el procés de parametrització del model, i (3) el model calibrat només amb dades de satèl·lit és capaç de reproduir tant la dinàmica espai-temporal de la vegetació així com el cabal observat en el punt de desguàs de la conca. És important destacar les conseqüències positives d'aquest últim resultat sobretot en conques no aforades, on l'ús de dades de satèl·lit podria ser una alternativa per obtenir una aproximació del recurs en el punt de desguàs. / Ruiz Pérez, G. (2016). On the use of satellite data to calibrate a parsimonious ecohydrological model in ungauged basins [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/72639 / TESIS

<p>Streamflow prediction in ungauged basins (PUB) is a process generating streamflow time series at ungauged reaches in a river network. PUB is essential for facilitating various engineering tasks such as managing stormwater, water resources, and water-related environmental impacts. Machine Learning (ML) has emerged as a powerful tool for PUB using its generalization process to capture the streamflow generation processes from hydrological datasets (observations). ML’s generalization process is impacted by two major components: data splitting process of observations and the architecture design. To unveil the potential limitations of ML’s generalization process, this dissertation explores its robustness and associated uncertainty. More precisely, this dissertation has three objectives: (1) analyzing the potential uncertainty caused by the data splitting process for ML modeling, (2) investigating the improvement of ML models’ performance by incorporating hydrological processes within their architectures, and (3) identifying the potential biases in ML’s generalization process regarding the trend and periodicity of streamflow simulations.</p><p>The first objective of this dissertation is to assess the sensitivity and uncertainty caused by the regular data splitting process for ML modeling. The regular data splitting process in ML was initially designed for homogeneous and stationary datasets, but it may not be suitable for hydrological datasets in the context of PUB studies. Hydrological datasets usually consist of data collected from diverse watersheds with distinct streamflow generation regimes influenced by varying meteorological forcing and watershed characteristics. To address the potential inconsistency in the data splitting process, multiple data splitting scenarios are generated using the Monte Carlo method. The scenario with random data splitting results accounts for frequent covariate shift and tends to add uncertainty and biases to ML’s generalization process. The findings in this objective suggest the importance of avoiding the covariate shift during the data splitting process when developing ML models for PUB to enhance the robustness and reliability of ML’s performance.</p><p>The second objective of this dissertation is to investigate the improvement of ML models’ performance brought by Physics-Guided Architecture (PGA), which incorporates ML with the rainfall abstraction process. PGA is a theory-guided machine learning framework integrating conceptual tutors (CTs) with ML models. In this study, CTs correspond to rainfall abstractions estimated by Green-Ampt (GA) and SCS-CN models. Integrating the GA model’s CTs, which involves information on dynamic soil properties, into PGA models leads to better performance than a regular ML model. On the contrary, PGA models integrating the SCS-CN model's CTs yield no significant improvement of ML model’s performance. The results of this objective demonstrate that the ML’s generalization process can be improved by incorporating CTs involving dynamic soil properties.</p><p>The third objective of this dissertation is to explore the limitations of ML’s generalization process in capturing trend and periodicity for streamflow simulations. Trend and periodicity are essential components of streamflow time series, representing the long-term correlations and periodic patterns, respectively. When the ML models generate streamflow simulations, they tend to have relatively strong long-term periodic components, such as yearly and multiyear periodic patterns. In addition, compared to the observed streamflow data, the ML models display relatively weak short-term periodic components, such as daily and weekly periodic patterns. As a result, the ML’s generalization process may struggle to capture the short-term periodic patterns in the streamflow simulations. The biases in ML’s generalization process emphasize the demands for external knowledge to improve the representation of the short-term periodic components in simulating streamflow.</p>

Floods and droughts are frequent in Central America and cause large social, economic and environmental impacts. A crucial step in disaster risk reduction is to have a good understanding of the causing mechanisms of extreme events and their spatio-temporal characteristics. For this, a key aspect is access to a dense network of long and good-quality hydro-meteorological data. Unfortunately, such ideal data are sparse or non-existent in Central America. In addition, the existing methods for hydro-climatic studies need to be revised and/or improved to find the most suitable for the region’s climate, geography and hydro-climatic data situation. This work has the ultimate goal to support the reduction of risks associated with hydro-climatic-induced disasters in Central America. This was sought by developing ways to reduce data-related uncertainties and by improving the available methods to study and understand hydro-climatic variability processes. In terms of data-uncertainty reduction, this thesis includes the development of a high resolution air temperature dataset and a methodology to reduce uncertainties in a hydrological model at ungauged basins. The dataset was able to capture the spatial patterns with a detail not available with existing datasets. The methodology significantly reduced uncertainties in an assumed-to-be ungauged catchment. In terms of methodological improvements, this thesis includes an assessment of the most suitable combination of (available) meteorological datasets and drought indices to characterise droughts in Central America. In addition, a methodology was developed to analyse drought propagation in a tropical catchment, in an automated, objective way. Results from the assessment and the drought propagation analysis contributed with improving the understanding of drought patterns and generating processes in the region. Finally, a methodology was proposed for assessing changes in both hydrological extremes in a consistent way. This contrasts with most commonly used frameworks that study each extreme individually. The method provides important characteristics (frequency, duration and magnitude), information that can be useful for decisions within risk reduction and water management. The results presented in this thesis are a contribution, in terms of hydro-climatic data and assessment methods, for supporting risk reduction of disasters related with hydro-climatic extremes in Central America. / Översvämningar och torka inträffar ofta i Mellanamerika och orsakar stora skador på samhälle, ekonomi och miljö. En kritisk del av riskreduceringen är förståelsen av mekanismerna bakom extremhändelserna, och deras rumsliga och tidskarakteristik. En nyckelfaktor är tillgång till långa tidsserier av rumsligt täckande hydrometeorologiska data av bra kvalitet. I Mellanamerika är sådana ideala data tyvärr sällsynta eller saknas helt. Dessutom behöver befintliga metoder för hydro-klimatisk analys revideras och/eller förbättras för att identifiera de mest lämpade metoderna för regionens klimat, geografi och situationen vad gäller hydrologiska och meteorologiska data. Det övergripande syftet med denna avhandling har varit att stödja arbetet med riskreducering i Mellanamerika vid hydrologiska extremhändelser som sätts igång av extrema väderhändelser. För att bidra till detta utvecklades metoder för att minska datarelaterade osäkerheter och för att förbättra tillgängliga metoder för att studera och förstå de processer som ligger bakom variabiliteten i hydrologi och klimat. Dataosäkerheten minskades genom utveckling av ett nytt dataset för lufttemperatur med hög rumslig upplösning och en metodik för att begränsa osäkerheten i modellberäknad vattenföring i ett område där det saknas observationer. Det nya datasetet kunde fånga rumsliga mönster på en detaljnivå som hittills inte varit möjlig. Metodiken möjliggjorde en klar minskning i osäkerheten hos vattenföringen i ett avrinningsområde som behandlades som om det saknade data. Avhandlingen innehåller också en metodik för att fastlägga den mest lämpade kombinationen av tillgängliga klimatdataset och torkindex för att karakterisera torka i Mellanamerika. Därutöver utvecklades en metod för att studera torkans fortplantning i ett tropiskt avrinningsområde på ett objektivt och automatiserat sätt. Slutligen föreslås en metod för att hantera förändringar av både översvämning och torka på ett konsistent sätt  som förenklar användningen av resultaten  för en beslutsfattare. Dessa metoder bedömdes användbara för att förbättra karakteriseringen och förståelsen av extrema hydrologiska händelser i Mellanamerika. Resultaten i denna avhandling ger bidrag till förståelsen av hydrologiska och klimatextremer genom förbättrade data och analysmetoder som i förlängningen kommer att stödja riskreduceringsarbetet i Mellanamerika. / Las sequías e inundaciones son frecuentes en Centroamérica y causan grandes problemas sociales, económicos y ambientales. Un aspecto crucial en la reducción del riesgo consiste en entender los mecanismos que causan dichos eventos, y sus características espacio-temporales. Para lograr esto es necesario tener acceso a una red de datos hidro-meterológicos densa, con series largas, y de buena calidad. Desafortunadamente, este no es el caso en Centroamérica. Además, los métodos para hacer estudios hidro-climáticos requieren ser evaluados y/o mejorados para asegurar su aplicabilidad en la región (su clima, su geografía y los datos disponibles). Este trabajo tiene como meta apoyar la reducción del riesgo de desastres asociados a eventos hidro-meteorológicos extremos en Centroamérica. Esto se consigue a partir de la reducción de incertidumbres asociadas a los datos, y de la mejora de métodos para el estudio de la variabilidad hidro-climática. Para reducir la incertidumbre de los datos, este trabajo incluye el desarrollo de una base de datos de temperatura de alta resolución y el desarrollo de una metodología para reducir las incertidumbres en datos simulados de caudal. Con la nueva base de datos se logra reconocer patrones espaciales a un nivel de detalle no antes captado por otras bases de datos. Por otro lado, la metodología redujo significativamente las incertidumbres de los datos simulados de caudal. En cuanto a métodos, esta tesis incluye una evaluación para encontrar la mejor combinación de índices de sequía y base de datos para la caracterización de sequías en la región. Además, se desarrolló una metodología para analizar la propagación de la sequía en una cuenca tropical, de una manera objetiva y automatizada. Los resultados de estos dos pasos ayudaron a mejorar la comprensión de los patrones y los mecanismos de generación de las sequías. Finalmente, se incluyó un método para evaluar los cambios en los patrones de sequías e inundaciones de una manera consistente, y no de manera individual como usualmente se ha hecho. Así fue posible obtener la frecuencia, duración y magnitud en ambos extremos hidrológicos. Esta información podría constituir una herramienta  útil para el manejo del riesgo y del recurso hídrico.

The Håga river, located west of the Swedish city Uppsala, is currently without a proper gauging station. Knowing the streamflow is nonetheless important to, for example, be able to calculate the nutrient transport in the river. This project aimed to evaluate different indirect methods of streamflow estimation to investigate how they perform, in particular in relation to SMHI’s S-HYPE model. Two of the methods used were based on transferring streamflow of nearby catchments to Håga, either by using relationships between the mean and standard deviation of the streamflow time series (MOVE), or by simply scaling relative to catchment size (DAR). Furthermore, a hydrological model, HBV, was calibrated for Håga using different amounts and types of calibration data. All the methods were then compared to streamflow data from a previously active gauging station in Håga.  It was found that the overall best method to estimate the streamflow in Håga was using the MOVE method with one particular donor catchment. However, the performance of the simpler MOVE and DAR methods varied a lot from catchment to catchment. HBV was found to be able to produce better performing simulations than S-HYPE, despite being a simpler model. Even HBV-calibrations using alternative or limited data could perform rather well, although rarely at the level of a calibration utilising all available streamflow data. A big uncertainty of the study was the fact that the most recent available validation data for the Håga catchment was from two decades ago, when the old gauging station was decommissioned. Most likely the methods that worked well during the 90s would work well today as well, but this is a matter that could be studied further. / Hågaån, ett vattendrag som ligger väster om Uppsala, saknar i nuläget en mätstation för vattenföring. Att känna till flödet är dock ändå intressant, bland annat för att kunna beräkna näringstransporten i ån. Syftet med detta projekt var därmed att utvärdera och jämföra olika metoder för att uppskatta vattenflödet i Hågaån, särskilt för att undersöka hur de presterade i jämförelse med SMHI:s S-HYPE-modell. Två av metoderna som användes för detta baserades på att överföra flöden från närliggande vattendrag till Håga, antingen genom att använda förhållanden mellan medelvärde och standardavvikelse för flödes-datan (MOVE), eller genom att bara utgå från skillnader i områdenas storlek (DAR). Utöver det kalibrerades även den hydrologiska modellen HBV för Håga med olika typer och mängder av kalibreringsdata. Alla metoderna jämfördes sedan med data från en mätstation som tidigare funnits i Hågaån. Resultaten visade att den över lag bästa metoden för att uppskatta flödet i Håga var MOVE-metoden i kombination med ett av de närliggande vattendragen. Hur väl dessa simplare MOVE- och DAR-metoder presterade varierade dock mycket beroende på vilket vattendrag som användes som donator. Det visade sig även att det gick att erhålla bättre resultat med HBV än de som gavs av S-HYPE, trots att HBV är en enklare modell. Även HBV-kalibreringar baserade på alternativ eller begränsad data kunde producera välpresterande simulationer, dock sällan på samma nivå som den kalibrering som använt all tillgänglig flödesdata. En stor osäkerhet i projektet kretsar kring att den nyaste tillgängliga valideringsdatan från Hågaån var över två decennier gammal, då den mätstation som funnits stängdes ner. Med stor sannolikhet kommer metoderna som fungerade väl under 90-talet även fungera bra i modern tid, men detta är något som kräver vidare studier.

Water is essential for human well-being and healthy ecosystems, but population growth and changes in climate and land-use are putting increased stress on water resources in many regions. To ensure water security, knowledge about the spatiotemporal distribution of these resources is of great importance. However, estimates of global water resources are constrained by limitations in availability and quality of data. This thesis explores the quality of both observational and modelled data, gives an overview of models used for large-scale hydrological modelling, and explores the possibilities to deal with the scarcity of data by prediction of flow-duration curves. The evaluation of the quality of observational data for large-scale hydrological modelling was based on both hydrographic data, and model forcing and evaluation data for basins worldwide. The results showed that a GIS polygon dataset outperformed all gridded hydrographic products analysed in terms of representation of basin areas. Through a screening methodology based on the long-term water-balance equation it was shown that as many as 8–43% of the basins analysed displayed inconsistencies between forcing (precipitation and potential evaporation) and evaluation (discharge) data depending on how datasets were combined. These data could prove disinformative in hydrological model inference and analysis. The quality of key hydrological variables from a numerical weather prediction model was assessed by benchmarking against observational datasets and by analysis of the internal land-surface water budgets of several different model setups. Long-term imbalances were found between precipitation and evaporation on the global scale and between precipitation, evaporation and runoff on both cell and basin scales. These imbalances were mainly attributed to the data assimilation system in which soil moisture is used as a nudge factor to improve weather forecasts. Regionalisation, i.e. transfer of information from data-rich areas to data-sparse areas, is a necessity in hydrology because of a lack of observed data in many areas. In this thesis, the possibility to predict flow-duration curves in ungauged basins was explored by testing several different methodologies including machine learning. The results were mixed, with some well predicted curves, but many predicted curves exhibited large biases and several methods resulted in unrealistic curves. / Vatten är en förutsättning för människors och ekosystems hälsa, men befolkningsökning och förändringar av klimat och markanvändning förväntas öka trycket på vattenresurserna i många regioner i världen. För att kunna säkerställa en god tillgång till vatten krävs kunskap om hur dessa resurser varierar i tid och rum. Tillförlitligheten hos skattningar av globala vattenresurser begränsas dock både av begränsad tillgänglighet av och kvalitet hos observerade data. Denna avhandling utforskar kvaliteten av såväl observations- som modellbaserade data, ger en överblick över modeller som används för storskalig hydrologisk modellering och utforskar möjligheterna att förutsäga varaktighetskurvor som ett sätt att hantera bristen på data i många områden. Utvärderingen av observationsbaserade datas kvalitet baserades på hydrografiska data och driv- och utvärderingsdata för storskaliga hydrologiska modeller. Resultaten visade att en uppsättning data över hydrografin baserad på GIS-polygoner representerade avrinningsområdesareorna bättre än alla de som byggde på rutor. En metod baserad på långtidsvattenbalansen identifierade att kombinationen av drivdata (nederbörd och potentiell avdunstning) och utvärderingsdata (vattenföring) var fysiskt orimlig för så många som 8–43 % av de analyserade avrinningsområdena beroende på hur olika datauppsättningar kombinerades. Sådana data kan vara desinformativa för slutsatser som dras av resultat från hydrologiska modeller och analyser. Kvaliteten hos hydrologiskt viktiga variabler från en numerisk väderprognosmodell utvärderades dels genom jämförelser med observationsdata och dels genom analys av landytans vattenbudget för ett flertal olika modellvarianter. Resultaten visade obalanser mellan långtidsvärden av nederbörd och avdunstning i global skala och mellan långtidsvärden av nederbörd, avdunstning och avrinning i både modellrute- och avrinningsområdesskala. Dessa obalanser skulle till stor del kunna förklaras av den data assimilering som görs, i vilken markvattenlagret används som en justeringsfaktor för att förbättra väderprognoserna. Regionalisering, som innebär en överföring av information från områden med god tillgång på mätdata till områden med otillräcklig tillgång, är i många fall nödvändig för hydrologisk analys på grund av att mätdata saknas i många områden. I denna avhandling utforskades möjligheten att förutsäga varaktighetskurvor för avrinningsområden utan vattenföringsdata genom flera metoder inklusive maskininlärning. Resultaten var blandade med en del kurvor som förutsas väl, och andra kurvor som visade stora systematiska avvikelser. Flera metoder resulterade i orealistiska kurvor (ickemonotona eller med negativa värden).

Knowledge about spatial and temporal variability of hydrological processes is central for sustainable water-resources management, and such knowledge is created from observational data. Hydrologic models are necessary for prediction for time periods and areas lacking data, but are affected by observational uncertainties. Methods for estimating and accounting for such uncertainties in water-resources modelling are of high importance, especially in regions such as Central America. Observational uncertainties were addressed in three ways in this thesis; quality control, quantitative estimation and development of model-evaluation techniques that addressed unquantifiable uncertainties. A first step in any modelling study should be the quality control and concurrent analysis of the representativeness of the observational data. In the characterisation of the precipitation regime in the Choluteca River basin in Honduras, four different quality problems were identified and 22% of the daily data had to be rejected. The monitoring network was found to be insufficient for a comprehensive characterisation of the high spatiotemporal variability of the precipitation regime. Quantitative estimations of data uncertainties can be made when sufficient information is available. Discharge-data uncertainties were estimated with a fuzzy regression for time-variable rating curves and from official rating curves for 35 stations in Honduras. The uncertainties were largest for low flows, as a result of measurement uncertainties and natural variability. A method for calibration with flow-duration curves was developed which enabled calibration to the whole flow range, accounting for discharge uncertainty and calibration with non-overlapping time periods for model input and evaluation data. The method compared favourably to traditional calibration in a test using two models applied in basins with different runoff-generation processes. A post-hoc analysis made it possible to identify potential model-structure errors and periods of disinformative data. Flow-duration curves were regionalised and used for calibration of a Central-American water-balance model. The initial model uncertainty for the ungauged basins was reduced by 70%. Non-representative precipitation data were found to be the main obstacle to comprehensive regional water-resources modelling in Central America. These methods bridged several problems related to observational uncertainties in water-balance modelling. Estimates of prediction uncertainty are an important basis for all types of decisions related to water-resources management. / Kännedom om hur hydrologiska processer varierar i tid och rum är grundläggande för hållbar vattenresursförvaltning och skapas utifrån observerade data. Hydrologiska modeller är nödvändiga för att förutsäga vattenbalansen för tidsperioder och områden utan data, men påverkas av observationsosäkerheter. Metoder för att hantera sådana osäkerheter i vattenresursmodellering är av stor betydelse i regioner såsom Centralamerika. Observationsosäkerheter hanterades på tre olika sätt i denna avhandling; kvalitetskontroll, kvantitativ uppskattning och utveckling av modellutvärderingsmetoder för beaktande av icke kvantifierbara osäkerheter. Ett viktigt första steg är kvalitetskontroll och samtidig analys av datas representativitet. Vid karaktäriseringen av nederbördsregimen i Cholutecaflodens avrinningsområde i Honduras identifierades fyra olika kvalitetsproblem och 22 % av data sorterades bort. Stationsnätet var otillräckligt för en fullödig karaktärisering av nederbördsregimens variationer i tid och rum. Dessa var mycket stora som ett resultat av komplexiteten hos de nederbördsgenererande mekanismerna. Kvantitativ uppskattning av observerade datas osäkerhet kan göras när tillräcklig information är tillgänglig. Osäkerheter i vattenföringsdata uppskattades dels vid beräkning av vattenföring med en oskarp regression för en tidsvariabel avbördningskurva, dels från en analys av officiella avbördningskurvor från 35 stationer i Honduras. Osäkerheten var i båda fallen högst vid låga flöden som ett resultat av högre mätosäkerheter samt större naturlig variabilitet än vid höga flöden. En metod för modellkalibrering med varaktighetskurvor utvecklades och gjorde det möjligt att kalibrera för hela flödesintervallet samtidigt, ta hänsyn till osäkerheter i vattenföringsdata samt kalibrera med icke överlappande driv- och utvärderingsdata. Metoden testades med två olika modeller i två avrinningsområden med olika avrinningsbildningsprocesser, och visade goda resultat jämfört med traditionell modellkalibrering. En post hoc-analys gjorde det möjligt att identifiera troliga modellstrukturfel och perioder med disinformativa data. Varaktighetskurvor regionaliserades och användes för kalibrering av en regional vattenbalansmodell för Centralamerika, varvid den initiala modellosäkerheten minskades med 70 %. Icke representativa nederbördsdata identifierades som det största hindret för regional vattenresursmodellering i Centralamerika. De metoder som utvecklades i detta arbete gör det möjligt att överbrygga ett flertal problem orsakade av bristfällig tillgänglighet och kvalitet av data och leder därmed till en förbättrad uppskattning av osäkerheten i vattenbalanssimuleringar. Sådana osäkerhetsskattningar är ett viktigt underlag vid alla typer av förvaltningsbeslut som rör vattenresurser.