Uso de datos de precipitación grillada para mejorar la modelación hidrológica

Abstract

Uno de los fenómenos naturales más devastadores, capaces de causar una gran destrucción en muy poco tiempo son las inundaciones, producidas por las fuertes lluvias estacionales, que se caracterizan por su alta velocidad y poder destructivo. La precipitación es el principal aporte de recurso hídrico en una cuenca; pero al mismo tiempo es responsable de los eventos climático meteorológicos extremos, como sequías o inundaciones. Además, la cantidad limitada de estaciones terrestres, la dificultad en su obtención, ausencia de registros continuos de longitud considerable, son factores limitantes que asocian la incertidumbre a la variación temporal y espacial de la precipitación. Por lo tanto, para abordar la estimación de precipitaciones en lugares donde no se dispone de series de datos confiables, se considera como alternativa la interpolación espacial. La interpolación espacial es una técnica eficiente que permite generar precipitaciones grilladas, insumo de datos de entrada en los modelos hidrológicos distribuidos basados físicamente. El objetivo del estudio fue evaluar la mejora de la modelación hidrológica con datos grillados mediante la aplicación del modelo hidrológico HEC-HMS en cuenca interandina. Se plantearon tres objetivos específicos. Primero (Capitulo II), analizar la calidad y relleno de serie de precipitación diaria, esto se realizó mediante gráfica de serie de tiempo, diagrama de caja y prueba de homogeneidad; y para la completación de precipitaciones faltante se utilizaron técnica de regresión y machine learning. Segundo (Capitulo III), analizar el uso de parámetros morfométricos para el mapeo de áreas vulnerables a inundaciones, mediante la caracterización de los parámetros morfométricos se identificaron zonas vulnerables a inundaciones. Tercero(Capitulo IV), evaluar el desempeño de un modelo hidrológico utilizando datos grillados, se utilizaron como insumos de entrada información grillada de precipitación, topografía y numero de curva al modelo hidrológico. Capítulo V, se presentan las conclusiones generales, hipótesis y futuras investigaciones. Además, siguiendo la metodología desarrollada en la investigación, se menciona de gran importancia la evaluación la calidad de los datos, antes de ser usada como insumo en la generación de precipitación grillada extremas. Finalmente, esta investigación desarrolló una metodología que permitió mejorar la modelación hidrológica a partir de datos grillados.

One of the most devastating natural phenomena, capable of causing great destruction in a very short time, are floods, produced by heavy seasonal rains, which are characterized by their high speed and destructive power. Precipitation is the main source of water resources in a basin; but at the same time it is responsible for extreme climatic-meteorological events, such as droughts or floods. In addition, the limited number of ground stations, the difficulty in obtaining them, the absence of continuous records of considerable length, are limiting factors that associate uncertainty to the temporal and spatial variation of precipitation. Therefore, to address the estimation of precipitation in places where reliable data series are not available, spatial interpolation is considered as an alternative. Spatial interpolation is an efficient technique to generate gridded precipitation, input data for physically based distributed hydrological models. The objective of the study was to evaluate the improvement of hydrological modeling with gridded data through the application of the HEC-HMS hydrological model in the inter-Andean basin. Three specific objectives were set. First (Chapter II), to analyze the quality and filling of daily precipitation series, this was done by means of time series plot, box plot and homogeneity test; and for the completion of missing precipitation, regression and machine learning techniques were used. Second (Chapter III), analyze the use of morphometric parameters for the mapping of areas vulnerable to flooding, through the characterization of orphometric parameters were identified areas vulnerable to flooding. Third (Chapter IV), to evaluate the performance of a hydrological model using gridded data, gridded information on precipitation, topography and curve number were used as input to the hydrological model. Chapter V presents the general conclusions, hypotheses and future research. In addition, following the methodology developed in the research, the evaluation of the quality of the data, before being used as input in the generation of extreme gridded precipitation, is mentioned as being of great importance. Finally, this research developed a methodology that allowed improving the hydrological modeling from gridded data.