Modelo matemático para la predicción de caudales en una cuenca andina mediante correlación de Pearson con temperaturas oceánicas
DOI:
https://doi.org/10.61799/2216-0388.958Palabras clave:
caudales medios mensuales, modelos matemático predictivo, recurso hídrico, temperatura oceánicaResumen
La predicción de caudales constituye una herramienta fundamental en la toma de decisiones para el manejo del recurso hídrico y en el manejo de la gestión del riesgo. Se estudió la posibilidad de implementar un modelo matemático para la predicción de caudales en una cuenca andina, identificando mediante el coeficiente de correlación de Pearson, las mejores correlaciones entre las series de tiempo de caudales medios mensuales y de la temperatura superficial del océano (SST), considerando hasta 11 rezagos. Los datos de la SST mensual se obtuvieron del sensor MODIS-NASA procesados en la plataforma Ocean Color, seleccionando celdas de 2° longitud y 4° latitud para cubrir la franja +180°lon / -180°lon, desde -20°lat / +20°lat, analizando un total de 3600 celdas. El recurso hídrico se caracterizó mediante los Caudales Medios Mensuales (Qmm) de la estación La Donjuana sobre el río Pamplonita (Norte de Santander, Colombia). La ventana temporal estudiada fue de julio 2002 a diciembre 2015 (162 meses). Se construyeron modelos lineales para cada mes seleccionado el rezago que producía la máxima correlación y verificando valores del estadístico p, los cuales fueron muy inferiores a 0.001. Los modelos se evaluaron mediante el error medio cuadrático y la eficiencia de Nash-Sutcliffe, diferenciando años Normales, años El Niño y años La Niña. Resultados satisfactorios fueron encontrados para la predicción en años Niña (húmedos) con rezagos superiores a tres meses. Se espera extender la investigación para considerar una mayor franja de latitudes y considerar otras cuencas andinas.
Descargas
Citas
D.I. Jeong and Y.O. Kim, “Rainfall runoff models using artificial neural networks for ensemble streamflow prediction”, Hydrological Process, vol. 19, no. 19, pp. 3819-3835, December 2005
L.E. Besaw, D.M. Rizzo, P.R. Bierman and W.R. Hackett, “Advances in ungauged streamflow prediction using artificial neural networks”, Journal of Hydrology, vol. 386, no. 1-4, pp. 27-37, May 2010
M. Küçük, and N. Ağirali˙ oğlu, “Wavelet regression technique for streamflow prediction”, Journal of applied statistics, vol. 33, no. 9, pp. 943-960, November 2006
T. Razavi and P. Coulibaly, “Streamflow prediction in ungauged basins: review of regionalization methods”, Journal of hydrologic engineering, vol. 18, no. 8, pp. 958-975, August 2013
P. Pieper, A. Düsterhus and J. Baehr, “Improving seasonal predictions of meteorological drought by conditioning on ENSO states”, Environmental Research Letters, vol. 16, no. 9, pp.1-11, August 2021
W.U., Hassan and M.A. Nayak, “Global teleconnections in droughts caused by oceanic and atmospheric circulation patterns”, Environmental Research Letters, vol. 16, no. 1, pp. 1-12, December 2020
B. T. Jong, M. Ting and R., Seager, “El Niño's impact on California precipitation: Seasonality, regionality, and El Niño intensity”, Environmental Research Letters, vol. 11, no. 5, pp. 1-11, May 2016
M.B. Switanek, P.A. Troch and C.L. Castro, “Improving seasonal predictions of climate variability and water availability at the catchment scale”, Journal of Hydrometeorology, vol 10, no. 6, pp. 1521-1533, December 2009
V.M. Cvetkovic and J. Martinović, “Innovative solutions for flood risk management”, International Journal of Disaster Risk Management, vol. 2, no. 2, pp. 71-100, December 2020
P. Muñoz, J. Orellana-Alvear, P. Willems and R. Célleri, “Flash-flood forecasting in an Andean mountain catchment—Development of a step-wise methodology based on the random forest algorithm”, Water, vol 10, no. 11, pp. 1519, November 2018
P.J. Werdell and C.R. McClain, “Satellite remote sensing: ocean color” (No. GSFC-E-DAA-TN65587). Elsevier, 2019. Available at: https://pace.oceansciences.org/docs/werdell_and_mcclain_2019_eos3.pdf
H.M. Dierssen and K. Randolph, Remote sensing of ocean color. New York: Earth System Monitoring. Springer, 2013
K. Pearson, “Mathematical contributions to the theory of evolution. On a form of spurious correlation which may arise when indices are used in the measurement of organs”, Proceedings of the Royal Society of London, vol. 60, no. 359-367, pp. 489-498, December 1897
J.E. Nash and J.V. Sutcliffe, “River flow forecasting through conceptual models - Part I—A discussion of principles”, Journal of hydrology, vol. 10, no. 3, pp. 282-290, April 1970
K.E. Trenberth, El niño southern oscillation (ENSO). Encyclopedia of Ocean Sciences (Third Edition), Academic Press, 2019
S. Córdoba-Machado, R. Palomino-Lemus, S.R. Gámiz-Fortis, Y. Castro-Díez and M.J. Esteban-Parra, “Influence of tropical Pacific SST on seasonal precipitation in Colombia: prediction using El Niño and El Niño Modoki”, Climate Dynamics, vol. 44, no. 5-6, pp. 1293-1310, March 2015
A.M. Grimm, V.R. Barros and M.E. Doyle, “Climate variability in southern South America associated with El Niño and La Niña events”, Journal of climate, vol. 13, no. 1, pp. 35-58, January 2000
N. Hoyos, J. Escobar, J.C. Restrepo, A.M. Arango and J.C. Ortiz, “Impact of the 2010–2011 La Niña phenomenon in Colombia, South America: the human toll of an extreme weather event”, Applied Geography, vol. 39, pp. 16-25, May 2013
P.N. DiNezio, C. Deser, Y. Okumura and A. Karspeck, “Predictability of 2-year La Niña events in a coupled general circulation model", Climate dynamics, vol. 49, no. 11, pp. 4237-4261, December 2017
J.J. Luo, G. Liu, H. Hendon, O. Alves and T. Yamagata, “Inter-basin sources for two-year predictability of the multi-year La Niña event in 2010–2012”, Scientific reports, vol. 7, no. 1, pp. 1-7, May 2017
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
