TENDENCIAS ACTUALES Y FUTURO

Porqu modelar?
En Hidrologa no se dispone de un desarrollo
matemtico que explique satisfactoriamente el
comportamiento del flujo en cuencas naturales

Debido fundamentalmente a:
Alta variabilidad espacial y temporal de los procesos
involucrados en el ciclo hidrolgico
Escasez y falta de datos
ES UNA REPRESENTACIN DE LA REALIDAD
 El concepto de modelo
Un modelo es la conceptualizacin de un sistema que
preserva las caractersticas esenciales para el fin que
nos ocupa, sin necesidad de preservar todas.

Cualquier pensamiento es un modelo, incluso lo que vemos

es un modelo creado por nuestra mente, basndose en la
informacin visual.

Los modelos son herramientas y hay que mirar sus

resultados con sentido crtico sin que sustituyan al
criterio del ingeniero.
CUIDADO!!!!
ENTRA BASURA SALE BASURA
(GARBAGE IN) (GARBAGE OUT)
RECOMENDACINES:
Conocer la estructura del modelo
Saber las condiciones para las que fue creado
Datos de entrada
Parmetros
Rango de aplicabilidad
Incertidumbre
El ciclo hidrolgico

6
El ciclo hidrolgico

7
El ciclo hidrolgico

8
 El ciclo
hidrolgico

9
 Recursos hdricos
Actualmente el manejo de los recursos hdricos
involucra al menos a tres grupos de personas:
Los que renen la informacin y los datos
(TECNICOS)
Los que conciben los diferentes modelos
hidrolgicos (INGENIEROS)
Las personas encargadas de tomar las
decisiones (POLTICOS)
TENDENCIAS ACTUALES Y FUTURO
 Datos e informacin

Dato: elemento o valor

aislado de un tema
determinado.

Informar es compartir
conocimiento

Informacin:
Datos + Conocimiento
 Gestin de datos
1 - Recogida de datos:
Cantidad - Cuanta informacin queremos o
necesitamos?
Calidad - Qu tan precisos y representativos
deben ser los datos?
Tiempo - De qu fechas deben ser los datos
y de qu extensin es el perodo que se
necesitan datos?
Lugar - Qu rea geogrfica hay que cubrir?
 Gestin de datos
2 - Catalogacin
Centros de informacin, SIG, Metadatos
3 - Evaluacin, proceso y anlisis
Grficos, tablas, resmenes
4 - Aspectos econmicos
 Tipos de modelos

Hay muchos tipos de modelos:

Descriptivos
Grficos
Experimental (modelos de juicio)
Analgicos
A escala o modelos fsicos
Matemticos
 Modelos matemticos simples
Modelo de agotamiento del caudal en un ro:
Q(t) = Q(to ) e-at
Variable de estado o condicin inicial, Q(to)
Parmetro a
Resultado para un t dado

Modelo de caudales mximos:

Qmax = c i A /3.6
Parmetros A y c
Variable de estado, Q(to)
Resultado para una intensidad i (mm/hr) conocida
 Modelos matemticos
Normalmente constan de tres componentes:
2) Parmetros
3) Variables (tiempo y espacio)
4) Restricciones

Son tiles porque:

Amplifican experiencia, por la facilidad y velocidad de
transmisin (computadores).
Organizan datos, resultados y alternativas.
Evalan alternativas, que en definitiva es lo que
contribuye a la toma de decisiones.
 Tipos de modelos matemticos
Existen numerosas clasificaciones:
Segn el proceso modelado se tienen modelos:
Lluvia-escorrenta
Avenidas - crecientes
Sntesis hidrolgica
Flujo subterrneo
Gestin de embalses
Escorrenta urbana
Estuarios y lagos, etc.
Pueden ser modelos de aguas superficiales o de aguas
subterrneas.
Si emplean distribuciones de probabilidad son modelos
estocsticos o determinsticos si las relaciones que se
emplean son determinadas o nicas.
 Tipos de modelos matemticos
Si se emplean datos fsicos reales se llama emprico y
conceptual si se emplean teoras sin coeficientes
empricos.
Si las relaciones matemticas son lineales y es aplicable
el principio de superposicin se llana lineal, de lo
contrario son no-lineales.
Se conoce como distribuido si se emplea una
caracterizacin espacial de las caractersticas fsicas, si
no se llaman agregados.
Un modelo estacionario es el que las relaciones entrada-
salida no dependen del tiempo, si no se llama no
estacionario o transitorio.
Segn el problema que pretenden resolver:
Simulacin, prediccin, optimizacin (segn la tcnica empleada),
descriptivos o de identificacin.
Segn las ecuaciones matemticas:
Modelos de ecuaciones diferenciales ordinarias, derivadas
parciales, estadsticos, etc.
 Los modelos son herramientas necesarias
Permiten comprender mejor el fenmeno
natural por medio de procesos de:
Estimacin
Simulacin
Anlisis de escalas
Agregacin, etc.
 Modelos Hidrolgicos
Tienen cinco componentes bsicas (Singh, 1995):
Procesos y caractersticas de la cuenca
Informacin de entrada (Input)
Ecuaciones que gobiernan la fsica de los procesos (caja
negra, conceptuales y fsicamente basados)
Condiciones iniciales y de borde
Informacin de salida (Output)
 Proceso de modelacin
Formulacin: descripcin del proceso
Calibracin de parmetros: obtener los
valores ptimos que minimizan las diferencias
entre los valores observados y los resultados
predichos por el modelo.
Perodo de calibracin
Funcin objetivo
(Tener presente las condiciones iniciales)
Validacin del modelo: comprobar la bondad
del modelo en un perodo distinto al de
calibracin.
 Simulacin
La simulacin es una tcnica para resolver
problemas que utiliza el siguiente esquema:
Desarrollo de un modelo (de simulacin)
Operacin del modelo usando datos controlables
Observacin e interpretacin de los resultados y
establecer si con nuevos datos controlables mejoran
las prestaciones del sistema, incluso se pueden
realizar mejoras al modelo para obtener mejores
resultados.
Los modelos de simulacin requieren de la
prueba de ensayo y error sin garantas de
encontrar un ptimo.
 Optimizacin
La optimizacin es una tcnica que utiliza los
siguientes pasos:
Desarrollo de un modelo (de optimizacin)
Operacin del modelo, los resultados optimizan unas
variables de control mediante un funcin objetivo.
Los modelos de optimizacin requieren que el
modelo representa adecuadamente el sistema
para obtener valores ptimos de las variables
de control.
Los procesos matemticos que involucra la
optimizacin son muy laboriosos y requieren
simplificaciones importantes del sistema, por lo
que el nivel de detalle siempre es menor que en
los modelos de simulacin.
 Etapas de la modelacin
Identificacin del sistema
Eleccin del tipo de modelo
Estimacin de los parmetros
Validacin de los parmetros
Utilizacin del modelo para un fin
predeterminado
Anlisis de sensibilidad
El proceso de modelacin es realmente un
proceso iterativo
 Algunas reglas bsicas son:
Empezar con un modelo sencillo, para que sea
entendido y aceptado por todos.
No hacer modelos muy generales y para todo fin,
porque normalmente necesitan muchos datos.
Involucrar a futuros usuarios y decidores en el
modelo
Desarrollar paralelamente la recogida de datos
y el desarrollo del modelo, ya que los datos
aportan informacin al modelo.
Documentar el modelo con manuales
Actualizar el modelo siempre que sea posible
Entrenar a los usuarios
 Modelos de simulacin de balance
continuo
Dentro de los modelos matemticos
determinsticos, destacan por su utilizacin los
modelos agregados de simulacin continua de la
cuenca, los cuales simulan el ciclo hidrolgico
completo de forma continuada en el tiempo,
estableciendo balances de humedad entre los
distintos procesos que tienen lugar desde el
momento en que llueve hasta que el agua fluye
por el ro. Es por esto por lo que suelen tambin
llamarse modelos determinsticos de balance de
humedad.
 Problemas de la variabilidad
Efectos de escala por promediacin de procesos no
lineales:

Agregacin temporal Agregacin espacial

40
35 f = 4 mm/h
30
25
mm/h

20
15
10
f = 65 mm/h
5
0
intervalos de 10 min

28
 Elementos de la cuenca
Ladera: columna de P ET

terreno formada por:

Vegetacin
F
Superficie ED
Suelo
R
Substrato FS

Acufero: formacin S
FB

geolgica saturada inferior

Cauce: recoge la escorrenta de ladera y acufero y

la traslada hasta el desage

29
 El Modelo Stanford
Sin duda el modelo ms famoso de este tipo es
el modelo de cuenca de Stanford (SWM)
(Crawford y Linsley, 1966). Si bien su primera
versin data de 1959, hay versiones de 1967
(HSP) y muchas otras versiones modificadas
(Ohio State, 1972).
En esencia el modelo utiliza datos (horarios)
de lluvia y de evapotranspiracin, y
posteriormente distribuye la lluvia entre
intercepcin, reas impermeables y agua
destinada a infiltrarse o a aparecer como
escorrenta superficial o como interflujo,
contribuyendo ambos al flujo en canales.
 El Modelo Stanford
Los perfiles de humedad del suelo y las
condiciones del acufero vienen reguladas por
tres zonas de humedad:
Zona superior, que permite respuestas rpidas de
escorrenta en pequeas cuencas y controla la
escorrenta superficial, infiltracin o interflujo.
Zona inferior, que es responsable de la infiltracin a
largo plazo.
Acufero, que producir caudales de recesin
subterrnea.
El agua infiltrada y la almacenada en la zona
superior eventualmente percola a la zona
inferior y/o al acufero.
El flujo total en ros es una combinacin de
escorrenta superficial, subterrnea e
interflujo
 Stanford
Watershed
Model,
SWM
El modelo necesita 15
parmetros, de los
cuales unos 10 son
ms o menos objetivos
y el resto subjetivos.
Tipos de modelos
hidrolgicos

Agregados (Toda la cuenca es un nico elemento)

- Lluvia uniforme
- Parmetros globales
- Condiciones iniciales uniformes

Pseudo Distribuidos
(Divisin en subcuencas y modelacin agregada en ellas)

Distribuidos (celdas rectangulares, triangulares,polgonos

irregulares)
 Modelos caja negra
Son modelos basados en los datos
No representan la fsica del fenmeno estudiado

PPT, ETP MODELO CAUDAL

(INPUT) (OUTPUT)

Estocsticos (Autorregresivos y de Media Mvil)

Redes neuronales
Funciones de transferencia
Lgica difusa
Etc
 Modelos fsicamente basados
Modelos de base fsica, emplean las ecuaciones
completas:
Balance, cantidad de movimiento y energa (nosiempre
vlidas en la escala del evento y de la cuenca)
Requieren de muchsima informacin:
Mediciones de campo detalladas y costosas
Condiciones de borde y condiciones iniciales muy
difciles de estimar
A nivel mundial slo se han podido realizar muy pocas
aplicaciones a nivel de investigacin
SHE, VSAS, IHDM, Catflow
Prdida del sentido fsico y trivializacin del modelo
 Modelos semi-distribuidos
Flujo en cauces mediante modelos hidrulicos simples
(generalmente linealizados)
Las subcuencas son unidades complejas y no zonas
homogneas
No es fcil la obtencin de parmetros en los modelos de
flujo

Modelos tradicionales de evento (HEC-HMS, GeoStorm,

WMS)
Modelos de Simulacin continua (SWMM, HYSIM, GR-3,
HFAM)
 Modelos conceptuales
Utilizan simplificaciones con sentido fsico:
reas homogneas, celdas o grupos de celdas.
Escorrenta superficial hortoniana
No dan mucha importancia a los flujos horizontales en el
interior del suelo
Para la transferencia de la escorrenta se utilizan
esquemas simples

Ejemplos:
Watflood, HBV, PRMS, SLURP, Palancia, Omega, HEC-
HMS, etc.
 Modelo abcd

Modelo agregado
Balance continuo
Escala mensual

En ocasiones los
parmetros no tiene
sentido fsico
 Modelo T&M

Modelo agregado
Balance continuo
Escala mensual

En ocasiones los
parmetros no tiene
sentido fsico
 Modelo GR2M - GRJ3 (Francia)
Modelo agrtegado
Balance continuo
Escala mensual

En ocasiones los parmetros no tiene sentido fsico

Modelo Sacramento SAC-SMA
SAC-SMA
SAC-SMA
 XINANJIANG (China)

Modelo agregado de tipo conceptual

Flexible en escalas temporales y espaciales
Balance continuo y de eventos
 HBV
(Noruega)

Modelo semi-distribuido
de tipo conceptual
Simula la fusin de nieve
Balance continuo y de
eventos
SSARR
 TANK MODEL
(Inglaterra e India)

Modelo agregado de tipo

conceptual
Lluvia-escorrenta
Balance continuo y de
eventos
Topmodel (Inglaterra)

Modelo semi-distribuido
de tipo conceptual
Lluvia-escorrenta
Balance continuo y de
eventos
 Rhineflow (Noruega, Rusia )
Modelo distribuido de
tipo conceptual

Balance continuo
KINEROS
 Precipitacin
en estaciones de
registro

Interpolacin

Precipitacin
en la celda

Almacenada Excedente

Evapotranspiracin

Superficial

Almacenamiento Infiltracin
esttico en el suelo
Almacenamiento en
la ladera
Subsuperficial

SIMDIS Recarga Almacenamiento

dinmico en el suelo
Escorrenta

(Espaa) Escorrenta
Subsuperficial
directa

ACUIFERO
otras celdas

Flujo Base

Caudal
 Mike 11
(Dinamarca)
Modelo semi-distribuido
de tipo conceptual

Balance continuo y de
evento

Incluye modelos
hidrulicos, sedimentos y
calidad de agua
Es muy costoso
Boss WMS
HFAM
 Modelo TETIS (Espaa-Colombia)
Precipitacin

6 almacenamientos o
Nieve CELDA ( i, j )

Lluvia
tanques:
En ladera:
T0: Manto nieve
Evapotranspiracin
Fusin

Manto de nieve

Infiltracin Excedente
Esttico = abst.
T1: Alm. Est.

iniciales + agua capilar

del suelo superior Escorrenta
directa

Superficie de la
T2: Superficie

ladera

Percolacin
Gravitacional del T3: Alm. Grav.
Interflujo

suelo superior
Acufero
subterrneas
Prdidas Flujo base

Cauce T4: Acufero

T5: Cauce

56
 Calibracin automtica en el Deba
C A L IB R A C I N S C E -U A (R M S E ) - E s ta c io n A L T ZO L A

160 0

140

50
120
C au d al (m /s)

100
100

80

150
60

40 C A L IB R A C I N S C E -U A (R M S E ) - E s ta c io n A L T ZO L A (z o o m )
200

20
160 0

0 140 250 50
07/02/98

07/03/98

07/04/98

07/05/98

07/06/98

07/07/98

07/08/98

07/09/98

07/10/98

07/11/98

07/12/98

07/01/99

07/02/99

07/03/99

07/04/99

07/05/99

07/06/99

07/07/99

07/08/99

07/09/99

07/10/99

07/11/99

07/12/99

07/01/00

07/02/00

07/03/00

07/04/00

07/05/00

07/06/00

07/07/00

07/08/00

07/09/00

07/10/00

07/11/00

07/12/00
120 100

T i e m p o (h o r a s)
C au d al (m /s)
100 150

P p t M e d ia S im u la d o O b s e rva d o

80 200

60 250

40 300

20 350

0 400
07/09/98

07/10/98

07/11/98
T i e m p o (h o r a s)

P p t M e d ia S im u la d o O b s e rva d o

57
Modelo MIKE-SHE
 Otros modelos
ARNO (Italia), conceptual, lluvia-escorrenta, semi-
distribuido y de balance de humedad del suelo.
DBSIM (USA), conceptual, lluvia-escorrenta,
distribuido para la prediccin de crecientes
THALES (Australia y USA) distribuido, fsicamente
basado para simulacin del flujo en laderas.
SIMPA (Espaa), distribuido a escala mensual para
evaluacin de recursos hdricos
HBV (Noruega) conceptual, lluvia escorrenta, semi-
distribuido para balance hdrico (incluye la fusin de
nieve)
 Conclusiones y recomendaciones
Los resultados de la aplicacin de un modelo hidrolgico
dependen de la capacidad del modelo para representar la
realidad en la escala que nos interesa.
Existen muchos modelos hidrolgicos con un desempeo
excelente para sus respectiva aplicacin, es importante
conocer los fundamentos de los modelos para seleccionar el
ms adecuado para cada caso.
La tendencia actual apunta hacia el desarrollo de software
completo, que incluya prediccin, estimacin de la
incertidumbre y soporte a la toma de decisiones.
Incluir la variabilidad espacial de la precipitacin y de los
diferentes procesos fsicos.
Calibrar y validar el modelo ya sea de forma manual o
automtica
Contrastar los resultados con otros modelos y mtodos
 Conclusiones y recomendaciones
La calidad de los resultados depende de la calidad en los
datos, en la medida de los parmetros, en la estrategia
de calibracin, en los resultados de la validacin y en el
anlisis de incertidumbre
La mayora de los modelos convencionales se encuentran
versiones para UNIX, DOS , Windows, etc. Algunos
modelos comerciales, no son ms que interfaces grficas
para la operacin de modelos convencionales, en su
mayora de dominio pblico.
No se ha demostrado que los modelos ms complejos
sean mejores que los modelos ms simples.
PARSIMONIA
 Referencias
Alley, W.M. (1984). "On the treatment of evapotranspiration, soil moisture accounting and aquifer
recharge in monthly water balance models." Water Resources Research, Vol. 20, No. 8, pp. 1137-1149.
Bunne, T., and L. B. Leopold. (1978). Water in Environmental Planning, W.H. Freeman , San Francisco
Gleick, P.H. (1986). "Methods for evaluating the regional hydrologic impacts of global climatic changes."
Journal of Hydrology, Vol. 88, pp. 97-116
Makhlouf, Z., Michel, C. (1994). "A two-parameter monthly water balance model for French
watersheds." Journal of Hydrology, Vol. 162, pp. 299-318
Thomas, H.A. (1981). Improved methods for national water assessment. report, contract WR15249270,
U.S Water Resource. Counc. Washington, D. C.
Xiong, L. and Guo, S. (1999). "A two-parameter monthly water balance model and its application."
Journal of Hydrology, Vol. 216, pp. 111-123.
Guo, S., Wang, J., Xiong, L., Ying, A., Li, D. (2002). "A macro-scale and semi-distributed monthly water
balance model to predict climate change impacts in China." Journal of Hydrology, Vol. 268, pp.1-15.
Beven, Keith., 1989, Changing ideas in hydrology - The case of physically-based models. Journal of
Hydrology, 105, 157-172,
Beven, K.: Rainfal-runoff modelling. The Primer, John Wiley and sons Ltd. Chichester, U.K., Chap. 7, 21-
254, 2000.
Francs, F. and Benito, J., 1995. La modelacin distribuida con pocos parmetros de las crecidas.
Ingeniera del agua, 2, 4, 7-24.
Francs, F., Vlez, J. I., and Vlez. J.J.: Split-parameter structure for the automatic calibration of
distributed hydrological models, J. Hydrol., 332, 226-240, 2007.
Grayson, R. B., Moore, I. D. and McMahon T. A., 1992a, Physically based hydrologic modeling. 1. Terrain-
based Model for investigative purposes. Water resources research, 28, 10, 2639-2658.
Grayson, R. B., Moore, I. D. and McMahon, T. A., 1992b, Physically based hydrologyc modeling 2. Is the
concept realitic?. Water resources research. 26, 10, 1992, 2659-2666.
Kleme, V.: A hydrological perspective, J. Hydrol., 100, 3-28, 1988.
View publication stats