Académique Documents
Professionnel Documents
Culture Documents
RESUMEN
<A8BE@35<xA 67? 3EG<5H?B
La investigación se realizó en la cuenca Ramis, ubicado al norte de l a región hidrográfica del
>mo* O`^d]d_j .1+h\tj+.,-1
Titicaca(lado peruano), teniendo como objetivo validar lasprecipitacionesestimadas por satélite
>mo* >^`ko\_j -/+\bjnoj+.,-1
\[YV[R2 -0+n`od`h]m`+.,-1
y su apl icaci ón en la modelación hidrol ógica del rio Ramis. La validación de precipitaciones
estimadas por satéli te, se realizó mediante una comparación entre datos observados en ambos
casos parael periodo enero de1998 adiciembre2013, l oscualesfueron evaluados mediante los
C3?34E3F 5?3I72 i ndicadores estadísticos de sesgo porcentual y coeficiente de determinación. Para el caso de la
& Igpqd\ kjm n\o gdo` modelación hidrológica, seefectuó medianteel modelo hidrológico GR2M el cual consistió en las
& hj_`gj cd_mjg bd^j DO.J etapas decalibración y validación. Lasignificancia estadísticadelassimulacionesdecaudalesfue
& QOJJ evaluada mediante los indicadores de eficiencia de Nash-Sutcliffe y el sesgo porcentual. Los
resul tados obtenidos indican en considerar fiable la lluvia estimada por satél ite y se puedan
utilizar como al ternati va en zonassin información, dado queel coeficiente dedeterminación en
la validación de preci pitacioneses igual a0.86 con un sesgo porcentual de +21.7% y como datos
deentradaen lamodelaci ón hidrol ógica para transformar lluviaen escorrentía, es aceptabl econ
eficiencias de Nash-Sutcliffe igual 0.78 en l a etapa de cali braci ón y 0.75 en la validación. Se
concl uye que el producto de estimaci ón satelital es válido en la cuencadel rio Ramis.
,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$* !$$#!
01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9
!$$$! ,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*
B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j
Modelo hidrológico GR2M muy bueno 0.90, bueno de 0.80 – 0.90, aceptabl e de 0.65 -
0.80 e insatisfactorio <0.65 según Ritter y Muñoz (2013).
Sebasaen laconceptualización del ciclo hidrológico, propuesto
para reconstrui r caudal es a partir de la precipi taci ón y Sesgo porcentual (BIAS)
evapotranspiración. En térmi nosgenerales, el modelo GR2M
es un model o conceptual de dos depósitos o reservorios, el I ndica la tendencia promedio de l os datos simulados de ser
reservorio suelo quecorresponde a la función deproducci ón; mayores o menores que l os datos observados (Gupta,
y el reservorio de agua gravitacional, donde el aporte es Sorooshian y Yapo, 1999). Un BIAS positivo implica que la
instantáneo al inicio y despuéscon el paso del tiempo sevacía tendenciadel modelo esasimular valoresalai zquierda delas
gradualmente, el nivel de este reservori o determina el gasto observaciones, y vi ceversa cuando es negati vo. Moriasi,
que puede liberar (Mouelhi, Michel, Perrin y Andréassian, Arnold, Van Liew, Bingner, Harmel y Veith (2007), menciona
2006). Su evaluación puede ser de manera cuantitativa y que el valor óptimo del BIAS es 0.0, con valores de baja
cualitativa, la primera consi steen determinar el valor óptimo magnitud queindican modelosdesimulación precisa (Ec. 2).
de una función objetivo, el cual se reali za con técni cas de
optimización, l a función obj etivo resume los resultados de Coeficiente de determinación (R2 )
comparación entre l os valores observados y los valores
cal cul ados por el modelo. Por otra parte, la eval uación El coeficiente de determi nación describe la proporci ón de la
cualitati va sebasaen lacomparación gráficaentre losvalores varianza en l osdatos observados quepuede ser explicada por
calculados y los valores observados una descripción más el modelo (Legates y McCabe, 1999). El R2 fue clasificado
detall ada sepuede encontrar en Mouelhi et al. (2006). baj o los criterios de muy bueno >0.95, bueno de0.85 – 0.95,
satisfactorio de0.65 - 0.85 e insatisfactorio <0.65 (Andersen,
Evaluación estadística Refsgaard y Jensen, 2001). Lasexpresiones matemáticas son:
El criterio numérico utilizado para cuantifi car los resultados NSE # 1 " i#1
N
(1)
fue propuesto por Nash y Sutcl iffe (1970) como i ndicador
adi mensional dela bondad deajuste el cual midecuanto de la
' ( yi " y ) 2
i #1
,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$* !$$%!
01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9
2
+ N 2
.
.
' ( yi y)( y" i " y" ) .
.
R2 # , i #1
0.5 N 0.5 3
. ( ( y y) 2 / ( ( y " y ) 2 / .
N (3)
. )' i 0 )' " i 0 .
- * i #1 1 * i #1 1 4
RESULTADOS Y DISCUSIONES
Validación de precipitaciones
Los valores obtenidos de precipitaci ón total mensual de las Fig. 2. Coeficiente dedeterminación (R ) espacial entre
estimaciones por satéliteTRMM producto 3B43 considerados valores observados y simulados
para el periodo enero 1998 a diciembre de 2013, indican un
comportami ento si mil ar al observado. El coefi ciente de Así mismo losvaloresmediosdeprecipitación deambasbases,
determinación espacial en lacuencaRamisvaríade0.49 a0.91 i nt erpol ados con el método de K ri gi ng muestran un
(Fi g. 2), resultados similares fueron obtenidos por Lavado et comportami ento similar a la estacionalidad de los val ores
al. (2009); Li et al. (2014); Mantas et al. (2015) al utilizar observados(Fig. 3a) con un coeficientededeterminación igual
productosdesatélite TRMM. Lasestimacionesdel algoritmo a 0.86 representando un ajuste «bueno» (Fig. 3b), estos
3B43 del TRMM para la cuenca Ramis, muestran una baja resultadosdeR , son aceptadossegún los criteriosestablecidos
cal idad en la zona este de la cuenca donde se encuentran por Andersen et al. (2001). Mantas et al. (2015) afirman que
ubicadoslasestacionesmeteorológicas deCrucero y Ananea, l as regionescon mayores coeficientes de correl ación y mejor
teniendo una mejor representación en el resto de la cuenca Bi as son general mente aquel los con fuertes gradientes de
Ramis. Las estimaciones del TRMM, repl ican de manera precipitación estaci onal (temporada «húmedo» y «seco»),
eficiente los valores observados de las estaciones Progreso, además indican que los datos del TRMM son especialmente
Chuquibambi ll a, Muñani, Pucara, Arapa, Ayaviri, Azángaro, útilescuando se suman a las escalas de tiempo más largas (de
L lall y, Lampa, Pampahuta, Huancané, Puti na, Taraco y 16 días a mensual). Así mismo Collischonn et al. (2008)
Muñani con indi cadores estadísticos R comprendidos entre encontraron resultados alentadoresen su trabajo, concluyendo
0.65 y 0.91, considerados como «satisfactorios» y «buenos» que l as estimaci ones del TRMM, todavía dif ieren de l as
según la clasificación de Andersen et al. (2001) tal como se medicionespuntuales, pero, cuando losdatos son promediados
muestra en l a(Fig. 2). sobre la cuenca, l os resul tados son muy simil ares a los
obtenidos a partir de datos pluviométricos.
En la Fig. 3a se observa que los valores son sobrestimados en mayor parte de la serie histórica, tanto en lo que respecta meses de
avenidas y estiaje, presentando poca frecuencia de subestimaciones en los peri odosdeavenidas como el 2004, 2005, 2007, 2009 y
2013, pero eval uando ambasbaseshistóricas con el indicador estadístico BIAS, indicauna sobreestimación de+21.7% paratodo el
periodo analizado, loscuales no son significativos y losvaloresestimadosson «aceptables»según lasdiscrecionesde Mori asi et al.
(2007) y Gupta et al. (1999).
Fig. 3. a) Distribución temporal y b) diagrama de dispersi ón de precipitación areal mensual observada y estimada por el
algoritmo TRMM 3B43 en lacuenca Rami s: periodo de análisis enero de1998 a diciembre del 2013.
!$$&! ,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*
B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j
Los resultadosen la fase decalibración del modelo hidrológico utilizando datosobservados deprecipitaci ón para la cuencadel rio
Ramis, muestran eficiencias de NSE = 0.90, mientras que los caudales simulados por la l luvia estimada de satélite TRMM al ser
comparados estadísticamente con l os caudales observados alcanzan una efici encia de 0.78 (Tabl a 1), para ambos casos según la
referencia de Ritter y Muñoz (2013) son interpretados como ajuste «muy bueno» y «aceptable» respectivamente. Así mismo el
indicador BIAS en estafase, muestrasubestimacionesde-0.30%y -10.7% paraambos casos, lassubestimacionesno son significativos
y l as simulaciones según Moriasi et al. (2007), son precisas. Loshidrogramascomparativosentrecaudales observadosy simulados
para la fasede calibración, se muestran en laFig. 4.
Para la etapa de val idaci ón de caudales medi os mensuales del río Ramis con apl icaci ón del modelo GR2M, util izando datos de
precipitaci ón observada para el peri odo enero 2009 a diciembre 2013, muestran como resultado una efici enci a de NSE = 0.87,
mientras que al utilizar precipitaciones estimadas por satéliteTRMM se obtiene un NSE = 0.75 (Tabla 1). Nash y Sutcliffe(1970)
i ndican que no hay nadapreciso en el sentido deeste criterio debido aque los gradosde libertad del modelo son desconocidos. Sin
embargo, sepuede afirmar queun criterio demenosde0.60 o 60% no proporcionaun resultado satisfactori o entre loshidrogramas
observados y los si mulados por el modelo (Niel, Paturel y Servat, 2003).
Fig. 5. Caudales medios mensuales observados y simulados – fase de validación. Las abreviaturas Q observado, P TRMM-Q y
P observada-Q son caudales observados rio Ramis, caudales simulados con precipitación obtenida por satélite TRMM y
caudalessi mulados con precipitación observada respectivamente.
Tabla 1. Indicadores estadísticos de Nash y Sutcl iffe (NSE), sesgo porcentual (BIAS), calibración 70% del total de datos (enero
1998-diciembre2008), validación 30% del total de datos(enero 2009- diciembre 2013).
,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$* !$$'!
01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9
CONCLUSIONES Huffman, G. J., Adl er, R.F., Bolvin, D.T., Gu, G., Nelkin, E.J.,
Bowman, K.P., Hong, Y., Stocker, E.F., y
Las precipi taciones estimadas por el al goritmo 3B43 del Wol ff , D.B. (2007). The TRM M
TRMM paralazonaevaluada, muestran unaeficiencia buena, MultisatellitePrecipitation Analysis(TMPA):
afirmando que reproducen con cierta precisión el patrón del Quasi-Global, Multiyear, Combi ned-Sensor
ciclo estacional considerándosedatosfiables, loscualespueden Precipitation Estimatesat FineScales. Journal
ser utilizadoscomo datos deentradaen modelos hidrológicos of Hydrometeorology, 8, 38-55.
en zonas sin información, constituyendo como unaalternativa
en el fortalecimiento de l a gestión de recursos hídricos en Joyce, R.J., Janowiak, J.E., Arkin, P.A. y Xi e, P. (2004).
cuencashidrográficas. CMORPH: a method that produces global
preci pi tati on esti mates f rom passi ve
AGRADECIMIENTOS microwave and i nfrared data at high spatial
and temporal resol uti on. Journal of
Los autores desean agradecer muy especialmente al Servicio Hydrometeorology, 5 (3), 487-503.
Nacional de Meteorología e Hidrología (SENAMHI) que
f aci li taron l a i nformaci ón hi drometeorol ógica, para l a Kizza, M., Westerberg, I., Rodhe, A., y Ntale, H. L. (2012).
realización del presente trabajo de investigaci ón. Estimating areal rainfall over lake Victoriaand
its basin usi ng ground-base and satellite data.
BIBLIOGRAFIA Journal of Hidrology, 464, 401-411.
Aghakouchak, A., Nasroll ahi , N., y Habib, E. (2009). Lavado, W. S., Labat, D., Guyot, J.L., Ronchail, J. y Ordoñez,
Accounti ng for uncertainties of the TRMM J. J. (2009). Validación de lluvia utilizando
satelliteestimates. Remote Sensing, 1(3), 606- TRMM en dos cuencas amazónicas peruanas
619. y su apli caci ón en modelos mensuales de
bal ance hídri co. Revista Peruana Geo-
A lmazroui , M . (2011). Cal i brati on of TRMM rai nfal l atmosférica, 1, 11-19.
climatol ogy over Saudi Arabia during 1998–
2009. Atmospheric Research, 99, 400-4014. Legates, D. R., y McCabe, G. J. (1999). Evaluati ng the use of
goodness-of-ût measures in hydrologic and
Andersen, J., Refsgaard, J., y Jensen, K.H. (2001). Distributed hydrocl i mati c model val i dati on. Water
hydrological modelli ng of the Senegal River Resources Research, 35(1), 233–241.
basi n—model constructi on and vali dati on.
Journal Hydrological, 247, 200–214. Li, X. H., Zhang, Q., y Xu, C. Y. (2012). Suitabil ity of the
TRM M satel l i t e r ai nf al l s i n dri vi ng a
Collischonn, B., Collischonn, W., y Tucci, C.E. (2008). Daily di stri buted hydrol ogical model f or water
hydrological modeling i n the Amazon basin bal ance computati ons i n the X i nj i ang
using TRMM rainfall estimates. Journal of catchment, Poyang lake basin. Journal of
Hydrology, 360, 207-216. Hydrology, 426-427, 28-38.
Dinku T., Connor, S., y Ceccato, P. (2010). Comparison of Li, X ., Zhang, Q., y Xu, C., 2014. Assessing the performance
CM ORPH and TRM M -3B42 over of satellite-based precipitation products and
mountai nous regi ons of Af ri ca and Soth its dependence on topography over Poyang
America. Satellite for Surface Hydrology, 193- L ake basi n. Theoret i cal and A ppl i ed
204. Climatology, 115, 713–729.
Gupta, H. V., Sorooshian, S. y Yapo, P. O. (1999). Status of Mantas, V. M., Liu, Z., Caro, C., y Pereira, A.J.S.C. (2015).
automati c calibration for hydrologic models: Val i dati on of TRM M mul t i -satel l i te
Comparison with multilevel expert calibration. precipi tati on analysi s (TMPA) products in
Journal of Hydrologic Engineering, 4(2), 135- the Peruvian Andes. Atmospheric Research,
143. 163, 132-145.
Huffman, G.J., y Bolvin, D.T. (2014). TRMM and Other McCuen, R.H., Knight, Z. y Cutter, A.G. (2006). Eval uation
Data Precipitation Data Set Documentation. of theNash SutcliffeEfficiency Index. Journal
Laboratory for Atmospheres, NASA Goddard Hydrology Engineering, 11, 597-602.
SpaceFlight Center and ScienceSystems and
Appl i cat i ons. Recuperado de: f tp: // Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R.
pr eci p. gsf c. nasa. gov / pub/ t r mmdocs/ L., Harmel, R. D., y Veith, T. L. (2007). Model
3B42_3B43_doc.pdf Eval uati on Gui del i nes f or Systemati c
Quanti fi cati on of Accuracy i n Watershed
!$$(! ,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*
B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j
Simulation. Transactions of the ASABE, 50(3), Ouma, Y. O., Owiti, T., Kiporir, E., Ki biiy, J., y Tatei shi R.
885-900. (2012). Multi temporal comparative analysis
of TRMM-3B42 satellite-estimated rainfall
Mouelhi, S., C. Michel, C. Perri n, y Andréassian, V. (2006), with surface gauge data at basin scales: daily,
Stepwise devel opment of a two-parameter decadal and monthly evaluations. International
monthl y water balance model . Journal of Journal of Remote Sensing, 33(24), 7662-7684.
Hydrology, 318, 200-214.
Ritter, A., y Muñoz, R. (2013). Performance evaluation of
Nash, J.E. y Sutcliffe, J.V. (1970). River flow forecasting hydrological models: Statistical significancefor
through conceptual model s, part I : A reduci ng subj ecti vi ty i n goodness-of -fi t
discussion of principles. Journal of Hydrology, assessments. Journal of Hydrology, 480, 33-
10(3), 282–290. 45.
Niel, H., Paturel, J. E. y Servat, E. (2003). Study of parameter Su, F., Hong, Y., y Lettenmaier, D. P. (2008). Evaluati on of
stability of a lumped hydrologic model in a TRMM Multisatellite Precipitation Analysis
context of cl imatic vari abil ity. Journal of (TM PA ) and i ts Uti l i ty i n Hydrol ogi c
Hydrology, 278, 213–230 Prediction in the La Plata Basin. Journal of
Hydrometeorology, 9, 622-640.
Nóbrega, R.S., Souza, E. P. y SouzaF.A.S. (2008). Análiseda
util ização de dados do satéli te TRMM em Qui roz, K .J., Col l i schonn, W. y Lavado W.S. (2011).
modelo hidrológico Semidistribuido na bacia Modelizacion hidrológica usando estimaciones
do rio Jamari. Revista Brasileira de Geografia de l luvia por satélite en la cuenca del rio
Física, 1(1), 47-61. Hual l aga, Perú. Revist a Pe ruana Geo-
atmosferica, 3, 51-62.
Organización MeteorológicaMundial (2011). Guíadeprácticas
hidrológicas, gestión de recursos hídricos y
apli cación deprácticas hidrológicas. Volumen
II.
,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$* !$$)!
!$$*! ,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*