Aplicación práctica de un post-procesador para la estimación de la incertidumbre en la predicción estacional de precipitaciones y aportaciones de caudal mensuales
[ES] Los pronósticos mensuales y estacionales proporcionan una perspectiva a largo plazo de los cambios en el sistema hidrológico ya que brindan predicciones tempranas de eventos como olas de calor, periodos fríos, sequias, entre otros, además contribuyen a la gestión siendo útiles para el análisis...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Recursos: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | español |
| OAI Identifier: | oai:riunet.upv.es:10251/129509 |
| Acesso em linha: | https://riunet.upv.es/handle/10251/129509 |
| Access Level: | acceso abierto |
| Palavra-chave: | Pronóstico estacional Incertidumbre ECMWF Modelo hidrológico Post-procesador. INGENIERIA HIDRAULICA Máster Universitario en Ingeniería Hidráulica y Medio Ambiente-Màster Universitari en Enginyeria Hidràulica i Medi Ambient |
| Resumo: | [ES] Los pronósticos mensuales y estacionales proporcionan una perspectiva a largo plazo de los cambios en el sistema hidrológico ya que brindan predicciones tempranas de eventos como olas de calor, periodos fríos, sequias, entre otros, además contribuyen a la gestión siendo útiles para el análisis de los impactos de dichos eventos en sectores como la agricultura, la energía y el abastecimiento de agua. Sin embargo, dichos pronósticos generan grandes incertidumbres debido a errores en las condiciones iniciales, la estimación de parámetros, la conceptualización de los modelos atmosféricos y a la variabilidad propia del fenómeno a predecir. Es por esto que la finalidad de esta investigación es la estimación de la incertidumbre predictiva en los pronósticos estacionales y mensuales de precipitación y caudal usando un modelo de error a modo de post-procesador denominado Model Conditional Processor (MCP). Este modelo tiene como objetivo evaluar y cuantificar la incertidumbre en la predicción, permitiendo combinar las observaciones con uno o varios modelos de pronóstico, estimando así con que probabilidad se puede verificar la ocurrencia real de una variable de cierta magnitud, condicionada a la estimación que se ha realizado sobre esta con el modelo de pronóstico. Para garantizar la bondad del modelo de error, el primer paso es correrlo con predicciones históricas de precipitación en un cierto periodo de tiempo y contrastar el comportamiento de estas frente a las observaciones reales que se hicieron en ese periodo histórico, analizando diferentes estadísticos como la prueba de Kolmogorov-Smirnov, la precisión, la confiabilidad y la proporción de excedencia del 95%, asi como medidas de eficiencia tales como el indice de Nash-Sutcliffe, el criterio de Kling-Gupta, el coeficiente de correlacion de Pearson, entre otros, con lo que después se podrá justificar la validez de dicho modelo para predecir a futuro. Posteriormente se podrá analizar cuanta incertidumbre agrega la simulación hidrológica realizando el mismo procedimiento en la variable caudal. El primer caso de estudio se ubica en la cuenca del rio Oria en el País Vasco, en la cual se cuentan con datos históricos de precipitación y temperatura provenientes de Spain02 V05, datos históricos de aforo provenientes de la Diputación Foral de Gipuzkoa y datos de predicciones históricas de precipitación y temperatura del ECMWF (European Centre for Medium-Range Weather Forecasts); para este primer caso de estudio se implementará un modelo hidrológico distribuido llamado TETIS 9.0.1. Existe la posibilidad de implementar un segundo caso de estudio que se ubica en la cuenca del rio Júcar, en la cual se cuentan con datos históricos de precipitación y temperatura también provenientes de Spain02 V05, datos históricos de aforo provenientes del CEDEX y del SAIH de la Confederación Hidrográfica del Júcar y datos de predicciones históricas de precipitación y temperatura del ECMWF (European Centre for Medium-Range Weather Forecasts). Para la aplicación del modelo de error se tendrá una etapa de validación y calibración, las cuales serán 2000-2012 y 2013-2015 respectivamente. Al final se podrá analizar la bondad del modelo de error en la predicción de las variables precipitación y temperatura, y en los resultados de la modelación hidrológica con la prediccion de la variable caudal. |
|---|