Redacción iAgua
Connecting Waterpeople
Baseform
Hach
Red Control
Molecor
AGS Water Solutions
GS Inima Environment
Vector Energy
Barmatec
Fundación Botín
ONGAWA
AECID
Rädlinger primus line GmbH
Fundación CONAMA
Almar Water Solutions
DATAKORUM
J. Huesa Water Technology
Confederación Hidrográfica del Segura
ACCIONA
Agencia Vasca del Agua
ISMedioambiente
s::can Iberia Sistemas de Medición
Consorcio de Aguas Bilbao Bizkaia
SCRATS
Sacyr Agua
Filtralite
Aqualia
FENACORE
ADECAGUA
Centro Nacional de Tecnología de Regadíos (CENTER)
Catalan Water Partnership
Grupo Mejoras
HRS Heat Exchangers
FLOVAC
Hidroconta
Lama Sistemas de Filtrado
Amiblu
TEDAGUA
Sivortex Sistemes Integrals
Likitech
ICEX España Exportación e Inversiones
IAPsolutions
Asociación de Ciencias Ambientales
Minsait
RENOLIT ALKORPLAN
Fundación Biodiversidad
TRANSWATER
Innovyze, an Autodesk company
ESAMUR
CAF
Global Omnium
KISTERS
LACROIX
Schneider Electric
Idrica
Ministerio para la Transición Ecológica y el Reto Demográfico
Ingeteam
Saint Gobain PAM
TecnoConverting
AMPHOS 21
Laboratorios Tecnológicos de Levante
Xylem Water Solutions España

Se encuentra usted aquí

El IIAMA desarrolla una técnica que mejora los sistemas de predicción hidrológica a nivel local

  • IIAMA desarrolla técnica que mejora sistemas predicción hidrológica nivel local
  • El estudio realizado por Héctor Macián y Manuel Pulido, en colaboración con investigadores del Instituto Sueco de Meteorología e Hidrología, ha sido publicado en la revista científica “Journal of Hydrometeorology”.
  • La investigación aplica técnicas de post-procesado basadas en sistemas de lógica difusa en los modelos hidrológicos.

Sobre la Entidad

IIAMA
El IIAMA-UPV se creó en 2001 para impulsar la investigación orientada a la transferencia de tecnología y colaboración con empresas y organismos públicos, promover la docencia y asesoramiento en temas de agua.

“El método desarrollado es una técnica innovadora que mejora y reproduce más fielmente la realidad de la cuenca del Júcar para generar predicciones hidrológicas más fiables a escala local. Además, es sencilla de utilizar y no depende de la predicción meteorológica que se emplee, sirve para todas ellas”.

Este es la principal conclusión del artículo “Fuzzy Postprocessing to Advance the Quality of Continental Seasonal Hydrological Forecasts for River Basin Management”, realizado por los investigadores del IIAMA Héctor Macián y Manuel Pulido, y los técnicos del SMHI (Swedish Meteorological and Hydrological Institute) Ilias Pechlivanidis y Louise Crochemore, y que ha sido publicado en la revista científica “Journal of Hydrometeorology”.

“El problema de los modelos hidrológicos europeos es que pueden no reflejar fielmente la hidrología particular de un lugar concreto”

El estudio, desarrollado en el marco del proyecto europeo IMPREX (H2020), parte de la realidad de que los modelos hidrológicos a gran escala (continente) permiten una anticipación y gestión coordinada, eficiente y armonizada de los riesgos relacionados con el agua (sequías, inundaciones). Sin embargo, el uso directo de los pronósticos de dichos modelos a escala de cuenca hidrográfica sigue siendo un desafío debido a la peculiaridad y características hidrológicas de cada cuenca.

“El problema de los modelos hidrológicos europeos es que pueden no reflejar fielmente la hidrología particular de un lugar concreto, al determinar la información hidrológica de una demarcación en función de una serie de factores e hipótesis que se asumen como válidas para todo el territorio cubierto por el modelo, en este caso para todo un continente. Esto hace que en ocasiones el comportamiento del modelo a escala local sea mejorable, y las subcuencas del Júcar son un claro ejemplo”, expresa Héctor Macián Sorribes, investigador del IIAMA.

Por este motivo, la investigación busca mejorar los pronósticos de caudal estacional obtenida por modelos hidrológicos a gran escala mediante técnicas innovadoras de post-procesado.

Tradicionalmente el post-procesado de predicciones hidrológicas se ha realizado mediante métodos estadísticos, siendo el más popular hoy en día la corrección por cuantiles, donde básicamente observas la distribución de probabilidad de tu zona y corriges los resultados del modelo para que se asemejen a ella. El problema de esta técnica es que necesitas muchos datos para obtener resultados de calidad, y a veces el ajuste no es directo”, afirma el Dr. Macián Sorribes.

El artículo propone una técnica de post-procesado basada en sistemas lógicos difusos que ajusten el sesgo estacional y corrijan las desviaciones entre el modelo hidrológico europeo E-HYPE y la realidad hidrológica local

Metodología desarrollada

El artículo plantea aplicar una técnica de post-procesado basada en sistemas lógicos difusos que ajusten el sesgo estacional y corrijan las desviaciones entre el modelo hidrológico europeo E-HYPE y la realidad hidrológica local.

“Mediante sistemas lógicos difusos ajustamos los pronósticos estacionales de un modelo hidrológico a gran escala, comparando sus caudales observados con la realidad local, pudiendo incluir además pronósticos de diferentes áreas cercanas donde sabemos que la predicción es buena para generar predicciones mejores a escala de cuenca”, asevera el miembro del IIAMA.

La técnica se ha implementado en las 7 subcuencas del Júcar, obteniendo unos resultados esperanzadores al obtener predicciones de mejor calidad que aquellas corregidas con métodos estadísticos

Esta técnica se ha implementado en las 7 subcuencas del Júcar, obteniendo unos resultados esperanzadores al obtener predicciones de mejor calidad que aquellas corregidas con métodos estadísticos.

“Si analizamos la predicción estacional a 7 meses, nuestra propuesta mejora los resultados que se obtienen con métodos estadísticos y podemos aseverar que los resultados son capaces de generar predicciones de calidad a 2 o 3 meses vista dependiendo de la época del año”, resalta el investigador del IIAMA.

Manuel Pulido, director del IIAMA, pone en valor el estudio desarrollado, ya que considera que la aplicación de métodos de post-procesado hidrológico “reduce el margen de error y permite obtener mejores predicciones”.

La redacción recomienda