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

M UÑOZ -C ASTRO ET AL . I DENTIFICABILIDAD EN MODELOS HIDROLÓGICOS GR4J R UTAS H IDROLÓGICAS 41 existen otros aportes que influyen en el balance hídrico de la cuenca y se suma a las aprensiones manifestadas al analizar la Figura 4, donde ya se preveía que la precipitación por sí sola no podía explicar la generación de escorrentía y existían sesgos asociados a su valor promedio a escala de cuenca. La Figura 11 muestra el rendimiento, en términos espaciales, del conjunto de parámetros consistentes de las 127 cuencas. En el panel superior se observa que el KGE y NSE reportan, en su mayoría, resultados favorables en todo el dominio, con indicadores por sobre 0,6 (82% KGE y 58% NSE). En cuanto al caudal medio anual (Qm), se tienen sesgos entre -23 – 86%, aunque en su mayoría los valores se encuentran en torno a 1,6 ± 11,6%. El Índice de Flujo Base (BFI), calculado según lo indicado en el trabajo de Beck et al. (2016), no muestra grandes variaciones, al igual que el centro de masa del hidrograma de escorrentía diaria (T50), presentando valores en torno a 5,3 ± 6,9% y -0,8 ± 6,2%. Cabe mencionar que, para obtener el Qm, BFI y T50, se calculó un valor de sesgo por año y luego se obtuvo el promedio en el periodo de análisis, considerando año válido cuando el número de días con registros de caudal fuese mayor a 320 días. En el panel inferior, se presentan algunos índices de sesgo derivados de la curva de duración (CD), definidos por Yilmaz et al. (2008), los cuales evalúan el sesgo de la CD simulada respecto a la observada en su segmento superior (BiasFHV), medio (BiasFMS) e inferior (BiasFLV). A su vez, se muestra el sesgo asociado a los percentiles del 10 y 90% de la CD. De allí se desprende que el principal problema radica en las simulaciones de caudales bajos o flujos bases (i.e., Q < Q85). Basta con observar los resultados del BiasFLV y Q90 para dar cuenta de ello. En los otros casos, las tonalidades son más cercanas al color blanco (óptimo), salvo en algunas cuencas ubicadas, principalmente en el Norte. Si bien podríamos esperar resultados similares, las diferencias entre el BFI (i.e., sesgo entre el volumen de flujo base del hidrograma simulado y observado) y el FLV (i.e., diferencia de volumen del segmento bajo de la curva de duración) condicionan sus resultados, ya que, por ejemplo, en el caso del BFI se pueden compensar ciertos sesgos de la simulación. Para evaluar la transferibilidad de parámetros, se analizan los parámetros que reportan una mayor consistencia hidrológica de manera independiente por subperiodo de evaluación (i.e., calibración, validación 1 y validación 2). Los resultados obtenidos se presentan en la Figura 12, donde, en el panel superior, se muestra el histograma de frecuencia absoluta de las funciones objetivo de calibración que reportan los parámetros consistentes en las 127 cuencas de estudio. De allí se desprende que las funciones multiobjetivo implícitas (Log-NSE+KGE y sqrt-NSE+ sqrt-KGE) y el Split KGE en raíz cuadrada (sqrt-Split KGE) son las funciones que más se repiten en los 3 subperiodos de análisis. En Figura 11. Desempeño de las simulaciones utilizando el conjunto de parámetros consistentes asociados a cada cuenca. En el caso del KGE y NSE, las tonalidades azules indican mejor rendimiento (i.e., NSE/KGE = 1 es óptimo), mientras que en el resto de los indicadores el color blanco indica el óptimo (i.e., sesgo igual a 0).