ANÁLISIS DE DIFERENTES FUENTES DE PRECIPITACIÓN PARA LA REDUCCIÓN DE ESCALA DEL MODELO MIROC5 EN LA CUENCA GUADALQUIVIR, BOLIVIA
DOI:
https://doi.org/10.23881/idupbo.024.2-1iPalabras clave:
Precipitación, Sensores Remotos, HydroBID, Cuenca Guadalquivir, GCM-MIROC5 RCP8.8Resumen
El uso de datos de precipitación distribuida en modelos hidrológicos es importante para reflejar la variabilidad espacial de los procesos hidrológicos. En este estudio se ha implementado la herramienta HydroBID en la cuenca del río Guadalquivir utilizando tres productos de precipitación: i) estaciones pluviométricas; ii) GSMaP.v6_Gauge; iii) producto combinado GS. Este último se generó combinando el producto con base satelital y la red local de pluviómetros, a nivel de subcuenca. También se implementó el modelo hidrológico con los productos de precipitación y se obtuvo el caudal diario en la red hídrica, mostrando una óptima correlación de 0,99 y eficiencia de 0,96 durante el periodo 2000 – 2016 a nivel subcuenca. Los resultados simulados con el producto combinado GS presentaron mejor similitud a los caudales observados. Posteriormente, se aplicó el método de reducción de escala K-NN al modelo climático global MIROC5 RCP8.5 con las variables de precipitación y temperatura, considerando dos horizontes futuros de análisis, cercano (2031-2060) y futuro lejano (2061-2090). Los resultados muestran que la temperatura presenta patrones y comportamientos similares a los observados, con valores promedios 17 y 18°C, y variaciones de 1.5 y 2.7°C para los escenarios futuro cercano y lejano, respectivamente. En cambio, la precipitación mostró diferentes comportamientos en los tres productos empleados. Los valores de las estaciones pluviométricas y el producto GS presentan una reducción drástica al promedio observado histórico de precipitación empleado, con diferencias de hasta 230 mm/año en promedio. El producto GSMaP presentó valores de precipitación más altos, aproximadamente 80 mm/año sobre el promedio, los resultados de modelación empleando estos datos de precipitación indican que los caudales simulados presentan valores más bajos con respecto a los observados. Los caudales observados presentan un promedio máximo de 40 m3/s en marzo y un mínimo promedio de 3 m3/s en octubre. Por otro lado, los caudales simulados bajo efecto de cambio climático presentan un caudal máximo promedio de 22 m3/s en marzo y caudal mínimo de 3 m3/s en octubre, indicando una reducción de caudal en la época de lluvias.Descargas
Referencias
E. Moges, Y. Demissie, L. Larsen, and F. Yassin, "Review: Sources of Hydrological Model Uncertainties and Advances in Their Analysis," Water, vol. 13, no. 1, p. 28, Dec. 2020, doi: 10.3390/w13010028.
K. J. Beven, Rainfall-Runoff Modelling: The Primer, 2nd ed. Chichester, West Sussex; Hoboken, NJ: Wiley-Blackwell, 2012.
H. Chen, S. Huang, Y. Xu, R. Teegavarapu, Y. Guo, J. Xie, and H. Nie, "Quantitative Assessment of Impact of Climate Change and Human Activities on Streamflow Changes Using an Improved Three-Parameter Monthly Water Balance Model," Remote Sensing, vol. 14, no. 17, p. 4411, Sep. 2022, doi: 10.3390/rs14174411.
P. Darbandsari and P. Coulibaly, "Inter-comparison of lumped hydrological models in data-scarce watersheds using different precipitation forcing data sets: Case study of Northern Ontario, Canada," Journal of Hydrology: Regional Studies, vol. 31, p. 100730, Oct. 2020, doi: 10.1016/j.ejrh.2020.100730.
J. Li, Y. Zhao, P. Bates, J. Neal, S. Tooth, L. Hwaker, and C. Maffei, "Digital Elevation Models for Topographic Characterisation and Flood Flow Modelling along Low-Gradient, Terminal Dryland Rivers: A Comparison of Spaceborne Datasets for the Río Colorado, Bolivia," Journal of Hydrology, vol. 591, p. 125617, Dec. 2020, doi: 10.1016/j.jhydrol.2020.125617.
W. García F., M. Delfín S., M. Ledezma P., and B. Arévalo S., "Integrando métodos de evaluación de riesgos de deslizamientos e inundaciones en cuencas del Tunari y zona de Alto Cochabamba," Acta Nova, vol. 10, pp. 61-95, 2021.
N. A. Achá, O. C. Saavedra, and J. E. Ureña, "Modelación Hidrológica en la Cuenca del Río Rocha Incorporando Lineamientos de Caudal Ecológico," I&D, vol. 22, no. 1, Jul. 2022, doi: 10.23881/idupbo.022.1-5i.
M. Villazon and I. Maldonado, "Hourly Continuous Hydrologic Modelling of the Rocha River Basin," presented at the XIX Congreso Internacional Región II de Ingeniería Sanitaria y Ambiental AIDIS, La Paz, Bolivia, May 2022.
P. K. Paul, Y. Zhang, A. Mishra, N. Panigrahy, and R. Singh, "Comparative Study of Two State-of-the-Art Semi-Distributed Hydrological Models," Water, vol. 11, no. 5, p. 871, Apr. 2019, doi: 10.3390/w11050871.
Ministerio de Medio Ambiente y Agua (MMAyA), Ed., Balance Hídrico Superficial de Bolivia (1980 - 2016): Documento de Difusión. La Paz, Bolivia: Ministerio de Medio Ambiente y Agua, 2018.
F. Moreda, F. Miralles-Wilhelm, and R. Muñoz, "Hydro-BID: Un Sistema Integrado para la Simulación de Impactos del Cambio Climático sobre los Recursos Hídricos. Parte 2," BID, Dec. 2014.
J. Ureña, O. Saavedra, and T. Kubota, "The Development of a Combined Satellite-Based Precipitation Dataset across Bolivia from 2000 to 2015," Remote Sensing, vol. 13, no. 15, p. 2931, Jul. 2021, doi: 10.3390/rs13152931.
R. Knutti and J. Sedláček, "Robustness and Uncertainties in the New CMIP5 Climate Model Projections," Nature Climate Change, vol. 3, no. 4, pp. 369-373, Apr. 2013, doi: 10.1038/nclimate1716.
R. A. Gutierrez, C. Junquas, E. Armijos, A. A. Sörensson, and J.-C. Espinoza, "Performance of Regional Climate Model Precipitation Simulations Over the Terrain-Complex Andes-Amazon Transition Region," Journal of Geophysical Research: Atmospheres, vol. 129, no. 1, p. e2023JD038618, 2024, doi: https://doi.org/10.1029/2023JD038618.
O. Saavedra and J. Ureña, "Generation of Combined Daily Satellite-Based Precipitation Products over Bolivia," Remote Sensing, vol. 14, no. 17, p. 4195, Aug. 2022, doi: 10.3390/rs14174195.
O. Saavedra, J. Ureña, and M. Perales, "Implementation of HydroBID Model with Satellite-Based Precipitation Products in Guadalquivir Basin, Bolivia," Water, vol. 15, no. 18, p. 3250, Sep. 2023, doi: 10.3390/w15183250.
S. Gangopadhyay, M. Clark, and B. Rajagopalan, "Statistical Downscaling Using K-Nearest Neighbors," Water Resources Research, vol. 41, no. 2, p. 2004WR003444, Feb. 2005, doi: 10.1029/2004WR003444.
A. Moncada, C. F. Pérez, and H. Angarita, "Escenarios de Cambio Climático: Método k-NN," Stockholm Environment Institute, SEI Discussion Brief, 2020. [En línea]. Disponible en: https://www.sei.org/publications/escenarios-de-cambio-climatico-metodo-k-nn/
N. Lima-Quispe, C. Cleoni, W. Rincón, Z. Gutierrez, F. Zubieta, S. Nuñez, J. Iriarte, C. Saldías, D. Purkey, M. Escobar, y H. Angarita, "Delving into the Divisive Waters of River Basin Planning in Bolivia: A Case Study in the Cochabamba Valley," Water, vol. 13, no. 2, p. 190, Jan. 2021, doi: 10.3390/w13020190.
Archivos adicionales
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Jhonatan Ureña, Oliver Saavedra
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Reconocimiento-NoComercial-CompartirIgual
CC BY-NC-SA
Esta licencia permite a otros entremezclar, ajustar y construir a partir de su obra con fines no comerciales, siempre y cuando le reconozcan la autoría y sus nuevas creaciones estén bajo una licencia con los mismos términos.
Los autores pueden realizar acuerdos contractuales adicionales separados para la distribución no exclusiva de la versión publicada del artículo publicado en la revista (por ejemplo, publicarlo en un repositorio institucional o en un libro), sujeto a un reconocimiento de su publicación inicial en esta revista