Curso Internacional “Hidrología y Monitoreo Hidrológico en Ecosistemas Andinos” 10-14 de junio de 2013. Piura, Perú.
Presentación de Wouter Buytaert
Imperial College London
4. e.g., evapotranspiration
- Penman - Monteith
- Priestley - Taylor
- Thornthwaite
Infiltration
- Green-Ampt
- Horton
- Darcy's law
El modelo conceptual
The conceptual model
e.g., evapotranspiration
- Penman - Monteith
- Priestley - Taylor
- Thornthwaite
Infiltration
- Green-Ampt
- Horton
- Darcy's law
ET o=
Rna c p q ga
1ga / gsv
PET =a
sT a
sT a
K nLn
1
w v
PET =1.6
10T
I
a
F t=Ktln
[1
F t
]
F t= f c t
f 0− f c
k
1−e−kt
F=K [h0−−−L
L ]
The conceptual model
e.g., evapotranspiration
- Penman - Monteith
- Priestley - Taylor
- Thornthwaite
Infiltration
- Green-Ampt
- Horton
- Darcy's law
ET o=
Rna c p q ga
1ga / gsv
PET =a
sT a
sT a
K nLn
1
w v
PET =1.6
10T
I
a
F t=Ktln
[1
F t
]
F t= f c t
f 0− f c
k
1−e−kt
F=K [h0−−−L
L ]
5. #include "topmodel.h"
void run_topmodel(double *rain, double *ET0, int nidxclass, int i, int ntimestep)
{
int j, k;
double Aatb_r, _qo, _qv;
/* initialise the fluxes */
misc.qt[i][nidxclass] = 0.0;
misc.qo[i][nidxclass] = 0.0;
misc.qv[i][nidxclass] = 0.0;
misc.qs[i] = 0.0;
misc.f[i] = rain[i]; /* By default all rain infiltrates */
misc.fex[i] = 0.0; /* and therefore fex is zero */
/* calculate infiltration and redirect any excess infiltration to fex */
if(params.infex){
misc.f[i] = params.dt * get_f((i + 1) * params.dt, rain[i] / params.dt,
params.CD, params.K0, params.m, params.dt);
if(misc.f[i]<0) misc.f[i] = rain[i];
...
El modelo procedural
11. Tipos de modelos: series de tiempo
Modelos autoregresivos
- Análisis de series de tiempo
- ARMA(p,q) (Autoregressive moving average models)
o:
donde Xt es una serie de tiempo de datos, φi and θi son parametros,
Li es el operador lag, and εt son los errores
ej, modelo ARMA(1,0):
20. La calibración de los modelos
• Ajustar los parámetros del modelo
• Medidas de desempeño
• R2
• Sesgo
• Eficiencia Nash – Sutcliffe
• Muestreo de valores de parámetros
• Muestreo aleatorio
• Muestreos más inteligentes (e.g., Latin Hypercube)
€
OF =1−
xi − yi[ ]
i=1,N
∑
2
y − yi[ ]
i=1,N
∑
2
Q=
S
T
Q=
S
T
25. Análisis de incertidumbre
“Todos los modelos son erróneos, pero algunos sirven”
Entonces, como sabemos si un modelo sirve?
• “Todos los modelos son falsos, pero algunos pueden ser útiles”
• Como saber si un modelo es útil?
è Análisis de incertidumbre
è Análisis de riesgos, probabilidades
• Varios métodos, mucha investigación científica
• Método popular y sencillo: GLUE
26. Opciones
de
manejo
B
A
C
?
Análisis
de
los
impactos
Datos
disponibles
Resultados
No útilÚtil!
Colectar
más
información
♫
La modelación como un proceso interactivo