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 43 CONCLUSIONES Respecto a los objetivos dispuestos inicialmente, se puede concluir lo siguiente: • La función objetivo condiciona el valor de los parámetros óptimos calibrados y, por lo tanto, su identificabilidad, existiendo diferencias de hasta un 50% del rango de variación del espacio de parámetros. • Los coeficientes de correlación entre idenficabilidad y atributos de cuencas ( | | ≥ 0,5 ) demuestran que la primera puede estar fuertemente relacionada con descriptores físicos, climáticos e hidrológicos. • El conjunto de parámetros seleccionado como consistentes reporta buenos resultados en términos de condiciones promedio anuales (e.g., Qm, T50, BFI), flujos altos (e.g., BiasFHV, Q10) y pendiente media de la curva de duración (i.e., BiasFMS), pero muestran sesgos mayores a ±30% en la representación de caudales bajos (e.g., BiasFLV, Q90). En términos generales, se debe considerar que la influencia o importancia de los parámetros pocos identificables en la respuesta del modelo estará condicionada a la sensibilidad del parámetro en cuestión. Dado lo anterior, es necesario caracterizar dicha sensibilidad a modo de poder intersectar la información obtenida del estudio del problema de identificabilidad de parámetros por la función objetivo de calibración y la sensibilidad intrínseca del parámetro. Respecto a las simulaciones con el conjunto de parámetros consistentes, se observa que existen problemas en la modelación de los caudales bajos o flujos base, lo cual puede estar condicionado por errores en la medición de caudal (i.e., errores instrumentales). En base a lo anterior, resulta necesario analizar la incertidumbre asociada a las observaciones y trabajar en una estrategia que permita agregar dicha incertidumbre en el proceso de calibración de los modelos hidrológicos. Adicionalmente, se propone adoptar funciones objetivo de calibración que combinen características de análisis meta-objetivos basados en el tiempo y búsqueda multi- objetivo implícitos, a modo de poder asegurar la estabilidad temporal de parámetros y la consistencia hidrológica. Finalmente, se concluye que los modelos conceptuales precipitación-escorrentía GR4J y el módulo de acumulación/derretimiento nival CemaNeige logran representar la hidrología de las cuencas de Chile continental con gran desempeño respecto a indicadores estadísticos e índices hidrológicos. De este modo, queda propuesto como trabajo futuro evaluar alternativas de regionalización de parámetros para construir modelos consistentes de cuencas controladas y no controladas con el fin de cuantificar la oferta natural del recurso hídrico y, así, disponer de una herramienta de código abierto y gratuita para la gestión y el estudio de los recursos hídricos en Chile. A GRADECIMIENTOS . Los autores agradecen el aporte de Diego Hernández y Tomás Gómez en la corrección por subcaptación del producto CR2met, y a Nicolás Vásquez por facilitar resultados de sus estudios de clasificación de cuencas y contribuir con ideas para el desarrollo del trabajo. EMC agradece el apoyo, los consejos, las conversaciones filosóficas, y las enseñanzas de sus mentores, guías y, a estas alturas, familia hidrológica: Ximena Vargas y Pablo Mendoza. R EFERENCIAS Addor, N., Rössler, O., Köplin, N., Huss, M., Weingartner, R., Seibert, J., 2014. Robust changes and sources of uncertainty in the projected hydrological regimes of Swiss catchments. Water Resour. Res. 50, 7541–7562. https://doi.org/10.1002/2014WR015549 Alvarez-Garreton, C., Mendoza, P.A., Pablo Boisier, J., Addor, N., Galleguillos, M., Zambrano-Bigiarini, M., Lara, A., Puelma, C., Cortes, G., Garreaud, R., McPhee, J., Ayala, A., 2018. The CAMELS-CL dataset: Catchment attributes and meteorology for large sample studies-Chile dataset. Hydrol. Earth Syst. Sci. 22, 5817–5846. https://doi.org/10.5194/hess-22-5817-2018 Alvarez-Garreton, C., Ryu, D., Western, A.W., Crow, W.T., Robertson, D.E., 2014. The impacts of assimilating satellite soil moisture into a rainfall-runoff model in a semi-arid catchment. J. Hydrol. 519, 2763–2774. https://doi.org/10.1016/j.jhydrol.2014.07.041 Beck, H.E., van Dijk, A.I.J.M., de Roo, A., Miralles, D.G., McVicar, T.R., Schellekens, J., Bruijnzeel, L.A., 2016. Global-scale regionalization of hydrologic model parameters. Water Resour. Res. https://doi.org/10.1002/2015WR018247 Beck, H.E., van Dijk, A.I.J.M., de Roo, A., Miralles, D.G., McVicar, T.R., Schellekens, J., Bruijnzeel, L.A., 2010. Global-scale regionalization of hydrologic model parameters. Water Resour. Res. 52, 3599–3622. https://doi.org/10.1002/2015WR018247.Received Bergstrom, S., 1992. The HBV model-its structure and applications, in: Singh, V.P. (Ed.), Computer Models of Watershed Hydrology. Water Resources Publications, Highlands Ranch, CO. Beven, K., Freer, J., 2001. Equifinality, data assimilation, and uncertainty estimation in mechanistic modelling of complex environmental systems using the GLUE methodology. J. Hydrol. 249, 11–29. https://doi.org/10.1016/S0022- 1694(01)00421-8 Chegwidden, O.S., Nijssen, B., Rupp, D.E., Arnold, J.R., Clark, M.P., Hamman, J.J., Kao, S.C., Mao, Y., Mizukami, N., Mote, P.W., Pan, M., Pytlak, E., Xiao, M., 2019. How Do Modeling Decisions Affect the Spread Among Hydrologic Climate Change Projections? Exploring a Large Ensemble of Simulations Across a Diversity of Hydroclimates. Earth’s Futur. 7, 623–637. https://doi.org/10.1029/2018EF001047 Clark, M.P., Kavetski, D., 2010. Ancient numerical daemons of conceptual hydrological modeling: 1. Fidelity and efficiency of time stepping schemes. Water Resour. Res. 46. https://doi.org/10.1029/2009WR008894 Coron, L., Delaigue, O., Thirel, G., Perrin, C., Michel, C., 2020. airGR: Suite of GR Hydrological Models for Precipitation-Runoff Modelling. R package version 1.4.3.65. https://doi.org/doi: 10.15454/EX11NA Coron, L., Thirel, G., Delaigue, O., Perrin, C., Andréassian, V., 2017. The suite of lumped GR hydrological models in an R package.