Vous êtes sur la page 1sur 2

Reseña sobre el artículo: “River basin flood potential inferred using GRACE

gravity observations at several months lead time1”


José Vásquez
En el mencionado artículo, los investigadores J.T.Reager, B.F.Thomas and J.S.
Famiglietti parten de la tesis de que la humedad de una cuenca, determina la respuesta
frente a las precipitaciones; estos abordan la importancia de tener información respecto
al almacenamiento total de agua, que incluye nieve, agua superficial, humedad del suelo
y agua subterránea, puesto que la misma, es útil para conocer la predisposición de una
región a ser inundada.
Esta información, puede ser lograda gracias al uso de hidrogramas, los cuales se dividen
en flujo de eventos, que son una respuesta a los incrementos de agua por precipitaciones
violentas y flujo base, que es una función del agua almacenada y lentamente liberada de
suelos y aguas subterráneas hacia dentro de la cuenca.
En este estudio, levantado sobre el caso de inundación del río Missouri del 2011, se
muestra que las estimaciones a escala de una cuenca de almacenamiento de agua,
derivadas de las observaciones satelitales de la gravedad variable en el tiempo (tomados
del programa de la NASA, GRACE), son útiles para caracterizar el potencial de
inundación en una región y pueden, en última instancia, ofrecer tiempos predictivos o de
advertencias más amplios.
Metodología:
En este caso, se puedo establecer una relación entre las descargas del río, medidas en
cada estación, y el almacenamiento de agua en toda la cuenca, medido a distancia por la
recuperación de la gravedad. Esto fue posible, aplicando un modelo autoregresivo en las
descargas del río, con lo cual se demostró que la información de almacenamiento total
de agua permite evaluar la predisposición de una cuenca fluvial a ser inundada con una
anticipación de 5 a 11 meses. Además, el rendimiento del modelo, se mide con dos
métricas: la predicción de una descarga del río mayor que el percentil 99, que describe la
capacidad del modelo para reconocer un evento potencial de alta descarga; y el error de
valor absoluto medio (MAE) entre el modelo y las observaciones, que describe la
precisión del modelo.

El modelo autoregresivo, se expresa según la siguiente relación:

Q (t) = a ∗ Q (t − τ) + b ∗ Q (t − 12)
donde Q es la descarga del río en el tiempo t, que se pronostican con cierto tiempo de
entrega, τ (expresado en meses), un componente climatológico que representa la
descarga del mismo mes pero del año anterior y los parámetros a y b.

1
J.T.Reager, B.F.Thomas and J.S. Famiglietti, River basin flood potential inferred using GRACE gravity
observations at several months lead time [en linea] 2014 (Junio) : [Fecha de consulta: 3 de enero de 2019] Disponible
en:https://www.researchgate.net/publication/264897682_River_basin_flood_potential_inferred_using_GRACE_gravi
ty_observations_at_several_months_lead_time? > ISSN
A este modelo, se agregó un tercer término que representa uno de los tres predictores
potenciales:
Q (t) = a ∗ Q (t − τ) + b ∗ Q (t − 12) + cSOIL ∗ Soil (t − τ)
Q (t) = a ∗ Q (t − τ) + b ∗ Q (t − 12) + cSNOW ∗ Snow (t − τ)
Q (t) = a ∗ Q (t − τ) + b ∗ Q (t −12) + cTWSA ∗ TWSA (t − τ)
Donde SOIL representa la información de la humedad del suelo de GLDAS, SNOW
representa el equivalente de agua y nieve de GLDAS y TWSA representa la serie de
anomalías de almacenamiento tomadas de GRACE, y c es un coeficiente
*(GLDAS= Sistema Global de Asimilación de Datos Terrestres)

Vous aimerez peut-être aussi