Rutas hidrológicas : recordando a un colega por los senderos de la hidrología

R ECORDANDO A UN COLEGA POR LOS SENDEROS DE LA HIDROLOGÍA R UTAS H IDROLÓGICAS 8 (Chen et al. , 1996; Oleson et al. , 2010) – que incorporan cada vez mayores niveles de complejidad en la representación de procesos físicos (ver detalles en Clark et al. , 2017) ha sido un factor clave en esta revolución. Lo anterior se ha visto complementado por nuevas tecnologías de medición remotas (e.g., Deems et al. , 2013; McCabe et al. , 2017), y un giro hacia una evaluación de modelos orientada a los procesos simulados (Gupta et al. , 2008; Coron et al. , 2014). Finalmente, hemos visto una vertiginosa evolución hacia plataformas de modelación flexibles – es decir, que permiten testear hipótesis respecto a representaciones matemáticas (Pomeroy et al. , 2007; Clark et al. , 2008b, 2015; Fenicia et al. , 2011; Niu et al. , 2011; Coxon et al. , 2019; Knoben et al. , 2019) –, así como nuevos y mejores métodos para la estimación de parámetros (Samaniego et al. , 2010; Gharari et al. , 2013; Shafii and Tolson, 2015; Dembélé et al. , 2020), entendidos como los coeficientes dentro de la estructura de ecuaciones de un modelo. El desarrollo de los primeros modelos en Hidrología tuvo un enfoque mecanístico, basado en la formulación e integración de ecuaciones de conservación de masa y momentum, válidas a la escala de laboratorio y/o escalas hidrodinámicas (e.g., ecuación de Richards, ecuaciones de Saint-Venant). En otras palabras, este enfoque – conocido como Newtoniano – busca derivar, mediante la experimentación, leyes universales para procesos físicos utilizando un razonamiento inductivo y derivaciones matemáticas (Sivapalan, 2018). Lo anterior se puede lograr a través de cuencas piloto, que son lugares típicamente reservados para una instrumentación más densa espacialmente, permitiendo una identificación y diagnóstico de procesos físicos dominantes que – en combinación con modelos numéricos – nos ayuda a mejorar nuestra comprensión fenomenológica local con el fin de realizar predicciones (Figura 1). Ejemplos de enfoques Newtonianos abundan en la literatura, tanto en Chile (e.g., Pellicciotti et al. , 2008; Ragettli et al. , 2014) como en el resto del mundo (e.g., Mott et al. , 2010; Clark et al. , 2011; Winstral et al. , 2013; Rasouli et al. , 2015). Sin embargo, la disponibilidad de nuevas y más completas bases de datos (Andréassian et al. , 2006) ha dado lugar a estudios con muestras considerables (i.e., decenas o centenares) de cuencas, sub-disciplina conocida como Large Sample Hydrology (Gupta et al. , 2014; Addor et al. , 2019). Este tipo de estudios ha logrado demostrar la dependencia entre el comportamiento hidrológico (e.g., coeficiente de escorrentía anual, estacionalidad, flujos base), descriptores climáticos (e.g., precipitación anual, estacionalidad, fracción de precipitación en forma de nieve, temperatura) y características fisiográficas (e.g., topografía, composición de suelos y geología, cubierta vegetal). Dicha dependencia – muchas veces llamada co- evolución – da cuenta de una compleja interacción de factores que determina la respuesta de sistemas hidrológicos (Sawicz et al. , 2011; Berghuijs et al. , 2014; Addor et al. , 2018), y que es muy característica del funcionamiento de los sistemas ecológicos. Así es como ha ido emergiendo la Hidrología Darwiniana (Harman y Troch, 2014), que busca comprender cómo se ha gestado dicha co-evolución a partir de la diversidad de nuestras cuencas. Como se ilustra en la Figura 1, esta rama de la Hidrología tiene por objetivo la comprensión generalizada de los principales factores que determinan el comportamiento de nuestras cuencas, a partir de la evaluación comparativa de una muestra lo suficientemente grande (i.e., representativa de la población), con el fin último de realizar predicciones. Por lo tanto, la Hidrología Darwiniana puede ser entendida como un complemento de la Hidrología Newtoniana para el desarrollo de teorías nuevas y la generación de predicciones hidrológicas a partir del aprendizaje recopilado a nivel regional o global. Figura 1 . Comparación entre las ramas de la Hidrología Newtoniana y Darwiniana. La figura combina elementos de Mendoza et al. (2012) y Sivapalan et al. (2018). Una de las grandes contribuciones de la Hidrología Darwiniana ha sido la mejor comprensión del concepto de similitud hidrológica – ayudado por el uso de índices hidrológicos (Addor et al. , 2018) – y su posible conexión con similitud física y climática (Oudin et al. , 2010; Sawicz et al. , 2011; Jehn et al. , 2020). Avances en este ámbito han sido facilitados en gran parte por ejercicios de clasificación de cuencas (Wagener et al. , 2007), cuyo fin práctico es encontrar sets de descriptores climáticos y/o físicos que permitan definir conjuntos o clústeres de cuencas hidrológicamente similares (Knoben et al. , 2018), guiando de esta manera la transferencia de información (e.g., parámetros de modelos hidrológicos) hacia cuencas sin información fluviométrica. De este modo, la Hidrología Darwiniana ha sido clave en la propuesta de soluciones a problemas de Predicción de Caudales en Cuencas No Controladas (PUB, por sus siglas en inglés), agrupando a la comunidad hidrológica en torno a una iniciativa internacional que duró una década (Hrachowitz et al. , 2013). Contrario a lo que se pudiese imaginar, la aplicación de principios Darwinianos en Hidrología no es nueva en Chile. Por ejemplo, Verni y King (1977) utilizaron información de 12 cuencas entre los ríos Quilimarí e Imperial – específicamente, precipitación máxima diaria y área pluvial aportante – para desarrollar una fórmula