Durante la última década, diversos grupos de investigación se han enfocado en el desarrollo de la
tecnología de sensores de satélites y su explotación con el fin de obtener en tiempo real una
estimación de la lluvia a escala global. Y es clara la utilidad de estas mediciones, tanto para los
modelos de circulación global como para la modelización hidrológica en escalas menores, como
sería el caso de cuencas poco o nada instrumentalizadas y con ello, fortalecer la capacidad de
gestión de los recursos hídricos, mejorar la predicción del clima y desastres naturales y ofrecer rigor
científico que ayude a tomar decisiones informadas. Actualmente, la lluvia estimada por satélite
está sujeta a diversos errores debido a problemas instrumentales, naturaleza del sistema de
medición, simplificaciones teóricas y relaciones complejas entre las variables observadas y la lluvia,
entre otras razones (Nikolopoulos et al., 2010; Semire et al., 2012); esto podría limitar su uso en
aplicaciones hidrológicas, por lo que la reducción de este error es clave para su aplicación
hidrológica.
El objetivo de la tesis es evaluar la utilidad de dos productos de lluvia estimada de satélite, a
través de un modelo hidrológico distribuido en una cuenca mediterránea extratropical, como una
alternativa de estimación de la precipitación en aquellas regiones donde los pluviómetros
convencionales son escasos o inexistentes. La zona de estudio es la cuenca del río Júcar que está
localizada al este de la península Ibérica (Valencia, España) con un área drenada de 21,500 km2
,
caudal medio de 43 m3
/s, lluvia media de 500 mm y temperatura media de 14º C. El relieve está
formado por cadenas de montañas del sistema Ibérico, una meseta continental y una llanura costera;
con altitudes máximas de 1770 msnm. Los productos de satélite tienen una resolución temporal
diaria y resolución espacial de 0.25º (PERSIANN) y 0.04º (PERSIANN-CCS). Estos productos
estiman la lluvia a partir de información de múltiples satélites geosincrónicos (GOES, GMS,
MeteoSat) que se actualizan con información de satélites con sensores de microondas pasivos
(TRMM, NOAA, DMSP). La información hidrometeorológica con base en tierra (lluvia, caudal,
temperatura e información de embalses) ha sido proporcionada por la Agencia Española de
Meteorología (AEMET) y el Sistema Automatizado de Información Hidrológica de la
Confederación Hidrográfica del río Júcar (SAIH-CHJ) para un período de tiempo del 01 de Enero
del 2003 y el 31 de Octubre del 2009.
Para caracterizar el error de la lluvia estimada de satélite, se comparó con la lluvia de referencia
con base en tierra, a través de herramientas estadísticas que permiten sintetizar el análisis y tener
una visión más detallada del error. Así, para cuantificar el grado de dependencia se usó el análisis
de correlación con test estadístico de Pearson y Kendall. Además, se obtuvieron: índice de
eficiencia de Nash¿Sutcliffe (E), ratio de la raíz del error cuadrático medio y la desviación estándar
de las observaciones (RSR), error en volumen (Ev), estadísticos de detección, curva doble masa y
técnicas gráficas. Respecto al desempeño del modelo hidrológico, se evaluó a través de índices de
eficiencia y técnicas gráficas, en calibración, validación y propagación del error.
Los resultados, específicos para la zona de estudio, indican que las correlaciones espaciales entre
la lluvia estimada a partir de satélite y la lluvia de referencia, es aceptable a escala anual, menos aceptable a escala mensual, pero pobre a escala diaria. En invierno la correlación diaria es más
débil, debido a que las lluvias se concentran más en las zonas montañosas y tal vez, este efecto
orográfico no está bien detectado por los satélites. Por el contrario, en verano se observa el patrón
opuesto, con correlación positiva significativa, posiblemente por la mayor presencia de días sin
lluvia (valor cero). Esto se ve reflejado en valores más altos con el coeficiente de Pearson en
verano, ya que la presencia de ceros favorece una mayor correlación; en cambio el coeficiente de
Kendall representa mejor estos casos, ya que resiste el efecto de valores extremos (valores mínimos
en este caso). También se obtienen errores altos con lluvias máximas y con frecuencia
sobrestimación de lluvias ligeras.
En general, la lluvia PERSIANN-CCS sobrevalora, mientras que PERSIANN subestima a
diferentes escalas de agregación de cuenca. Además, PERSIANN tiene mayor probabilidad de
detección de lluvia, pero también de falsas alarmas. La detección de lluvia es menor en la
subcuenca del río Albaida (zona costera con lluvias torrenciales y probables SCM en otoño) que en
la subcuenca de Pajaroncillo (zona montañosa con lluvias orográficas). Es decir, estas diferencias
en la detección por los dos productos de satélite, están siendo influenciadas por las características
climáticas y fisiográficas de la zona, que coincide con lo reportado por Hossain y Huffman (2008).
El error en volumen (Ev) de la lluvia, para todas las escalas de agregación de cuenca, subestima
con PERSIANN y sobrestima con PERSIANN-CCS. Este error tendrá consecuencias en la
modelación hidrológica; sin embargo, desde el punto de vista de la modelación, el error se corrige
mejor con la sobrestimación que con la subestimación de la lluvia. La cuenca Albaida (1301 km2
)
tienen mejor rendimiento en términos del índice de eficiencia de Nash-Sutcliffe (E) en la estimación
de la lluvia con los dos productos de satélite posiblemente por la mayor presencia de lluvias
convectivas que el satélite identifica mejor, y que coincide con lo reportado por Ebert et al (2007).
En cambio la cuenca más pequeña Pajaroncillo (861 km2
) tiene mejor rendimiento en Ev pero solo
con el producto PERSIANN-CCS. Al respecto, la lluvia orográfica en Pajaroncillo (altitud de
1009 a 1726 msnm) no está siendo bien detectada por el satélite debido a que las montañas emiten
una radiación muy variable que dificultan la detección de los satélites con sensores de microondas
pasivos, reportado por Levizzani (2008); sin embargo este efecto pareciera que disminuye con una
mejor resolución de satélite.
La calibración de los parámetros del modelo hidrológico TETIS ha permitido elevar el
rendimiento en la modelación. También, diversos autores realizaron una calibración de su modelo
hidrológico para mejorar el rendimiento con los productos de lluvia estimada de satélite (Stisen y
Sandholt, 2010; Bitew y Gebremichael, 2011b; Bitew et al., 2011; Jiang et al., 2012; Moreno et al.,
2012). Es así que, en la modelación hidrológica, se obtienen rendimientos ¿insatisfactorios¿ con
PERSIANN, mientras que con PERSIANN-CCS los rendimientos pasan a ser ¿satisfactorios¿. Los
resultados son alentadores con lluvia PERSIANN-CCS y tal parece que una mejor resolución de los
datos raster de la lluvia, una menor FBIAS y un error de sobrestimación en el volumen de la lluvia,
ocasionan que este producto de satélite se adapte mejor en la modelación hidrológica. Similares resultados respecto a productos de satélite con mejor resolución espacial, son reportados por
Nikolopoulos et al. (2010) con el producto KIDD (4 km) de mejor resolución espacial, respecto
de los productos TRMM-3B42 (0.25º) y KIDD (25 km). Por el contario, en la modelación con
lluvia PERSIANN, una resolución espacial grosera de los datos raster de la lluvia y el error de la
subestimación en el volumen de la lluvia están afectando negativamente a la modelación, ya que
hay insuficiente lluvia que alimente el Ciclo Hidrológico, pero esto posiblemente se esté
amortiguando con la mayor probabilidad de detección de la lluvia PERSIANN.
Como el modelo hidrológico trata de mantener un comportamiento similar al caudal observado
(ya que la estrategia de calibración es una función de este caudal y no de algún componente del
balance hídrico), se obtiene que el factor corrector de evapotranspiración se reduce un 71% con
PERSIANN e incrementa un 32% con PERSIANN-CCS para finalmente obtener una
evapotranspiración que se reduce con PERSIANN e incrementa con PERSIANN-CCS. Un
comportamiento similar es reportado en el componente de evapotranspiración con subestimación de
lluvia PERSIANN, por Bitew y Gebremichael (2011b) y Moreno et al. (2012).
En lo que respecta a la propagación del error de la estimación de la lluvia a la simulación
hidrológica, el error en volumen de la lluvia se amortigua a través del proceso de transformación
lluvia-escorrentía. Al contrario del error de la lluvia en términos de E y RSR, que empeoran con la
modelación hidrológica, excepto en las cuencas más pequeñas como Pajaroncillo (861 km2
) y
Albaida (1,301 km2
).
De cara a mejorar las posibilidades de uso práctico de la lluvia de satélite, se implementó un
modelo Bayesiano para combinar información de pluviómetros con lluvia PERSIANN-CCS con
diferentes densidades de pluviómetros en la subcuenca montañosa de Pajaroncillo. Los resultados,
específicos para la zona de estudio, indican que el valor medio de la lluvia estimada con
PERSIANN-CCS mejora a partir de densidades menores a 100 km2
/pluviómetro. Por el contrario,
para densidades mayores de 100 km2
/pluviómetro, el valor medio empeora en un rango del 20 al
200%, según aumente la densidad de la red de pluviómetros. Se encontró un comportamiento
similar con el resto de estadísticos. Así, es clara una mejora significativa en los estadísticos para una
densidad menor a 100 km2
/pluviómetro, con incremento de POD, CSI, PC y HSS, y reducción de
FAR. Además, se observa una mejora notable del FBIAS en todas las densidades de pluviómetros,
con la excepción de la densidad de 45 km2
/pluviómetro. Los índices de eficiencia de lluvia E, RSR
y Ev, se estabilizan a una densidad menor a 100 km2
/pluviómetro.
En lo que respecta a la modelación hidrológica utilizando el modelo Bayesiano de combinación
de lluvia, se obtienen rendimientos ¿buenos¿ a ¿muy buenos¿ con densidades menores a 100
km2
/pluviómetro, obteniendo el mejor rendimiento para una densidad de 72 km2
/pluviómetro en el
que su hidrograma reproduce adecuadamente el flujo base y la forma de la curva de recesión,
detecta la mayoría de caudales máximos y días en que ocurren, pero subestima su valor máximo en
un 37%. No se debe descartar que esta subestimación podría deberse a que en regiones montañosas, como Pajaroncillo, las estaciones pluviométricas tienden a estar en los valles y con ello subestimar
la lluvia orográfica (Ebert et al., 2007; Álvarez, 2011). Respecto a la propagación del error de la
lluvia, resulta que el error en volumen de la lluvia se amortigua en todas las densidades de
pluviómetro (a excepción con una densidad de 431 km2
/pluviómetro), pero empeora en términos de
E y RSR, excepto para densidades menores a 172 km2
/pluviómetro.
Como conclusión final se puede decir que el nuevo producto de estimación de lluvia
PERSIANN-CCS, además de incrementar su resolución espacial, también mejora en cuanto a su
fiabilidad de uso en la modelación hidrológica, especialmente si se combina con datos de
pluviómetro, convirtiéndose en el punto de partida de futuras investigaciones. / Ramos Fernández, L. (2013). Estudio de la utilidad de la lluvia estimada de satélite en la modelación hidrológica distribuida [Tesis doctoral]. Editorial Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/27548 / Alfresco
| Identifer | oai:union.ndltd.org:upv.es/oai:riunet.upv.es:10251/27548 |
| Date | 07 March 2013 |
| Creators | Ramos Fernández, Lia |
| Contributors | Francés García, Félix Ramón, Universitat Politècnica de València. Departamento de Ingeniería Hidráulica y Medio Ambiente - Departament d'Enginyeria Hidràulica i Medi Ambient |
| Publisher | Editorial Universitat Politècnica de València |
| Source Sets | Universitat Politècnica de València |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/acceptedVersion |
| Source | Riunet |
| Rights | Reserva de todos los derechos, info:eu-repo/semantics/openAccess |
Page generated in 0.003 seconds