Jeffer Cañón Hernández, magíster en Ingeniería – Recursos Hidráulicos de la Universidad Nacional de Colombia (UNAL), trabajó en la construcción y evaluación de ensambles de modelos hidrológicos en los que se aprovechan las fortalezas de cada uno de estos con diferentes enfoques, partiendo de la noción de que combinar varios puntos de vista puede llevar a una interpretación más aproximada a la realidad.
Según el magíster, los modelos hidrológicos para pronosticar el comportamiento de los ríos son imperfectos y muchas veces pueden diferir en la predicción de un mismo evento, ya que su estructura es una representación simplificada del comportamiento real de procesos naturales que son muy complejos y variables.
Para eso trabajó en un ensamble conformado por 17 modelos, 4 desarrollados durante su trabajo de grado y 13 recopilados del proyecto eartH2Observe en el que la UNAL participó en 2017. Los modelos se aplicaron a la cuenca del río Prado y dos de sus subcuencas: Cunday y San Pablo, para el periodo 1981-2011, a escala diaria y mensual.
Esta cuenca está ubicada en el costado oriental del Tolima, en la margen derecha del río Magdalena, pasando por los municipios de Cunday, Villarrica, Prado, Dolores, Purificación, Icononzo y Melgar. Según la Corporación Autónoma Regional del Tolima (Cortolima), en las cabeceras municipales de esta zona cerca de 50.000 personas demandan 170 litros de agua por habitante al día, mientras en las zonas rurales es de 120 litros.
El sector se escogió como caso de estudio por sus servicios ecosistémicos –como la provisión (tanto de acueductos como para riego agrícola, pecuario y piscicultura) y la regulación (generación hidroeléctrica– y culturales (recreación y turismo), entre otros.
Además cuenta con estaciones hidrometeorológicas que proporcionan información del comportamiento de la cuenca, y en los actores involucrados en la zona existe una preocupación latente por la conservación del agua, sus cambios y las formas sostenibles de usarla.
De los 4 modelos desarrollados por el magíster para la escala local de la cuenca estudiada, 2 se basan en procesos con la herramienta SWAT (soil water and assessment tool) y los otros 2 en datos con la herramienta Keras, que permite implementar algoritmos de aprendizaje de máquina, particularmente de redes neuronales profundas (deep learning).
Junto con los otros 13 modelos hidrológicos (globales y regionales) se evaluaron múltiples estructuras de ensambles para identificar los que tenían mejor desempeño y que brindaran mejores estimaciones de caudales.
Después se comprobó en los mejores ensambles el peso de la participación de cada modelo para alcanzar los resultados óptimos, para lo cual se aplicó el modelo bayesiano promedio (BMA en inglés). Con los pesos conocidos se generaron dos nuevos ensambles cuyo desempeño fue evaluado frente a los anteriores y en relación con cada uno de los mejores modelos en las distintas áreas de estudio.
El BMA permitió establecer que los modelos de escala local diseñados por el magíster mejoraron la estimación de caudales, ya que sus pesos en el ensamble fueron mayores a los demás modelos evaluados.
Sobre el trabajo, el magíster Cañón resalta que “en el país es importante empezar a realizar este tipo de ensambles hidrológicos de modelos de diferentes naturaleza, en los cuales no se han utilizado todas las herramientas y sobre el que este trabajo abre un nuevo campo para conseguir estimaciones más precisas que faciliten una mejor gestión y conservación de los recursos hídricos”.
