Please use this identifier to cite or link to this item: http://hdl.handle.net/10201/50539

Title: Estimación de variables y parámetros hidrológicos y análisis de su influencia sobre la modelización hidrológica: aplicación a los modelos Témez y Swat
Issue Date: 25-Jul-2016
Date of creation: 14-Jan-2016
Related subjects: 55 - Geología. Meteorología
Keywords: Hidrología
Precipitaciones atmosféricas
Cimatología
Ordenación del territorio
Abstract: El objetivo de esta tesis es ensayar diversos procedimientos para generar capas espaciales de las variables de entrada y parámetros necesarios para ejecutar un modelo hidrológico. En concreto precipitación, temperatura, humedad relativa, evapotranspiración potencial y usos del suelo. La temperatura, precipitación y humedad relativa se han interpolado utilizando métodos de regresión global (GLM), de interpolación local (media ponderada por el inverso de la distancia, polígonos de Thiessen, krigeado ordinario y universal y métodos basados en Splines: TPS y B-Splines) o combinados (regresión con krigreado de los residuos). Los métodos basados en regresión son los que obtienen mejores resultados con la temperatura y la humedad, de forma más clara a nivel mensual. Para la precipitación son los métodos geoestadísticos y basados en Splines los más exactos. No obstante, se llega a la conclusión de que es recomendable, y factible, probar diferentes métodos para seleccional aquel que minimice el error en vez de utilizar un único modelo considerado óptimo. La evapotranspiración potencial se ha modelizado utilizando los métodos más habituales: Penman-Monteith, Hargreaves y Thornthwaite. Se han evaluado varios modos de calibración de los parámetros de Hargreaves, destacando por sus resultados el de parámetros mensuales; en este caso se han creado modelos de distribución de los parámetros para poder extrapolar este modelo a puntos no conocidos. Se ha conseguido obtener con un método que requiere pocos datos (Hargreaves parametrizado) valores de ET0 muy similares a los obtenido con Penman-Monteith (considerado el método más exacto pero al mismo tiempo el más difícil de utilizar ya que requiere un gran número de variables). Respecto a los usos del suelo, se han obtenido mapas para los años 2000 a 2010 a partir de imágenes multiespectrales del sensor Landsat TM. Además de la información espectral, se ha comprobado como la utilización de información textural, multitemporal (varias imágenes para un mismo año) y contextual (altitud y pendiente) permite mejorar los resultados de la clasificación. Los métodos de clasificación supervisada que se han probado han sido Máxima Verosimilitud (método parámetrico clásico), SMAP (método de clasificación multiescala) y métodos no paramétricos como Random Forest o Máquinas de Vectores Soporte con kernel radial. Se demuestra como la integración de una imagen por estación y la incorporación de variables texturales y derivadas del relieve mejora los resultados. El método que mejores resultados obtiene es SMAP. Una vez generadas y evaluadas las diferentes variables, se han definido diferentes conjuntos de variables para evaluar el impacto de las estimaciones de cada una de ellas en los resultados de un modelo hidrológico. Los modelos que se han utilizado son el modelo mensual de Témez distribuido, programado en GRASS, y el modelo diario Soil and Water Assessment Tool (SWAT). Además, en este último se ha desarrollado un protocolo específico para la generación de la información necesaria. Ambos modelos se ha ejecutado en las cuencas de los ríos Vinalopó y Monnegre, dentro del Sistema de Explotación Vinalopó-Alacantí, con unos 1.750 km2. Se trata de cuencas características de zonas semiáridas mediterráneas con fuerte presión antrópica. Sin embargo, las capas climáticas y de usos de suelo se calcularon tanto para este sistema como para toda la cuenca del Segura. Se ha desarrollado una metodología basada en el uso de software abierto de trabajo para estandarizar y automatizar el proceso de trabajo, concretamente en el uso de GRASS como Sistema de Información Geográfica y del programa de análisis de datos R. Este entorno permite una gran interoperabilidad entre programas. Además, su uso posibilita la reproducibilidad en otros estudios y permite incluir nuevos métodos al concebirse de forma modular. ABSTRACT: The aim of this thesis is to test various methods for generating spatial layers of the input variables and parameters required to run a hydrological model: precipitation, temperature, humidity, potential evapotranspiration and land use. Temperature, precipitation and humidity are interpolated using global regression methods (GLM), local interpolation (inverse of the distance weighted average, Thiessen polygons, ordinary and universal kriging and splines based methods: TPS and B- Splines) or combined methods (regression with kriging of the residuals). Regression-based methods are those that obtain best results with the temperature and humidity, especially with monthly data. Precipitation is more accurately modelized with geostatistical methods or splines. However, we conclude that it is advisable and feasible, to try different methods and to select the one that minimizes the error, rather than using a single model considered optimal. Several models were used to estimate potential evapotranspiration: Penman-Monteith, Hargreaves and Thornthwaite. Various calibrarion modes have been also evaluated for Hargreaves model. The best results were obtained using a monthly parametrization. Spatial distribution models for such parameters were also calculated. Finally, a method that requires little data (Hargreaves parameterized) estimates ET0 values very similar to those obtained with Penman-Monteith (considered the most accurate but also the most difficult to use method because it requires a large number of variables). Regarding land use maps, they were obtained for the years 2000-2010 with multispectral images from Landsat TM sensor. In addition to the spectral information, textural, multi-temporal (several images to a single year) and contextual information (altitude and slope) improves the classification results. The supervised classification methods that have been tested are Maximum Likelihood (a classic parametric method), SMAP (multiscale method of classification) and nonparametric methods as RandomForest or Support Vector Machines with a radial kernel. The results show that using an image per season and incorporating textural and relief-derived variables improves the accuracy of the results. The most accurate classification method was SMAP. Once these variables were generated and evaluated, different sets of variables were defined to evaluate the impact of different estimatations on the results of a hydrological model. The models that have been used are the Témez distributed monthly model and the Soil and Water Assessment Tool (SWAT) daily model. In addition, a specific protocol to generate the needed information was created for the latter model. Both models have been executed in the basins of the rivers Vinalopó and Monnegre within the System Vinalopó-Alacantí. This area has about 1,750 km2 and is a typical Mediterranean semi-arid area with a strong human pressure. However, climate and land use layers were calculated for both the system and the entire Segura basin. The methodology of the thesis is based on the ose of open software to estandarize and automatize the work process. Especifically, GRASS GIS and the data analysis software R were used. This environment allows great interoperability between programs. In addition, their use enables reproducibility in other studies and allows new methods to be included because of its modular design.
Primary author: Gomariz Castillo, Francisco José
Director: Alonso Sarriá, Francisco
Faculty / Departments / Services: Facultad de Biología
Published in: Proyecto de investigación:
URI: http://hdl.handle.net/10201/50539
Document type: info:eu-repo/semantics/doctoralThesis
Number of pages / Extensions: 861
Rights: info:eu-repo/semantics/openAccess
Appears in Collections:Ciencias

Files in This Item:
File Description SizeFormat 
Francisco José Gomariz Castillo Tesis Doctoral.pdf379,51 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons