Integración del modelo TETIS en el sistema de alarma temprana ...

Tema B: Hidrología y Gestión del AguaIntegración del modelo TETIS en el sistema de alarmatemprana DELFT FEWS para predicción de avenidas entiempo real en algunas cuencas de la C.H. del JúcarJuan Camilo Múnera juancmunera@yahoo.es y Félix Francés ( ffrances@hma.upv.es)Instituto de Ingeniería del Agua y Medio Ambiente, Universidad Politécnica de ValenciaResumenEn este trabajo se describe la implementación y adaptación del modelo hidrológico TETIS en el sistema depredicción de avenidas DELFT FEWS. La filosofía subyacente en este entorno es proporcionar una serie deherramientas que permitan la integración de cualquier modelo hidrológico o hidráulico de propagación deavenidas en ríos con disponibilidad de datos hidrometeorológicos y previsiones numéricas a partir de modelosmeteorológicos. En las dos cuencas de la CHJ para las que se ha implementado el modelo TETIS-FEWS se hanrealizado calibraciones y validaciones espacio-temporales y se ha hecho una evaluación de la resolucióntemporal de la información hidrológica, con discretización temporal en el rango comprendido entre 5 minutos(resolución mínima de las observaciones del SAIH) y 1 hora. De este análisis se ha adoptado un ∆t de 10minutos para la implementación del modelo de predicción, porque en esta escala se representan adecuadamentelas características de los hidrogramas sin atenuación significativa de los picos observados a la escala originalcincominutal. Los resultados del proceso de calibración y validación son muy satisfactorios, obteniéndosevalores del índice de eficiencia de Nash-Sutcliffe en calibración de 0.85 y 0.89 para las cuencas de la Rambla delPoyo y el río Albaida, respectivamente. En la validación temporal de la primera cuenca se obtuvieron índices deeficiencia entre 0.54 y 0.69, mientras que en las validaciones espacio-temporales de la segunda se obtuvieronvalores entre 0.80 y 0.92.1 IntroducciónEn este trabajo se describe la implementación y adaptación del modelo hidrológico TETIS (Francés et al, 2007),desarrollado en la Universidad Politécnica de Valencia, en el sistema de predicción de avenidas DELFT FEWSde Delft Hydraulics - Deltares (Reggiani et al, 2003; Werner et al, 2004). DELFT FEWS se puede considerar unsistema de apoyo a la decisión (SAD) para la predicción de avenidas y emisión de alarmas tempranas por riesgode inundación. Su filosofía subyacente es proporcionar una serie de herramientas que permitan la integración decualquier modelo hidrológico o hidráulico de propagación de avenidas en ríos con disponibilidad de datoshidrometeorológicos y previsiones numéricas a partir de de modelos meteorológicos (Reggiani et al, 2003).Figura 1Entorno FEWS de la CHJ. Cuencas y puntos de simulación en la Rambla del Poyo y el río Albaida

Tema B: Hidrología y Gestión del AguaAl mismo tiempo, en este artículo, se describen los principales elementos considerados en el proceso deintegración del modelo TETIS en el SAD de la CHJ (SADJUCAR), y los procesos de calibración y validacióndel modelo para dos de las cuencas instrumentadas por esta Confederación: La rambla del Poyo y el río Albaida(figura 1). A partir del modelo en su versión original TETIS v7.3 se ha generado una versión específica para suutilización en tiempo real en el sistema SADJUCAR, que se ha denominado TETIS-FEWS. El objetivo de estemodelo es la predicción de caudales en tiempo real en el corto plazo en algunas cuencas medianas de la CHJ, conun horizonte de predicción asumido a priori de 24 horas. En este caso de aplicación, el modelo se haimplementado con una alta resolución temporal (∆t = 10 minutos) para aprovechar esta característica de lainformación disponible del sistema SAIH.El modelo TETIS-FEWS se ha implementado de modo que permita utilizar como datos de entrada informaciónde diversas fuentes disponible en tiempo real, como son los registros de estaciones SAIH, los campos históricosde precipitación estimados a partir de imágenes de radar y los campos futuros de precipitación predichos por elmodelo meteorológico HIRLAM (estos dos últimos proporcionados por la AEMET). Además, se puedeintroducir como entrada al modelo los campos de precipitación histórica calculados con el modelo de lluviaRAINMUSIC (Progea, 2007), mediante combinación de las series puntuales de los pluviómetros con los camposde radar y/o de imágenes de satélite. Este modelo permite estimar el campo de lluvia por interpolación de losdatos observados en las estaciones SAIH incorporando la estructura de variabilidad espacial del radar.TETIS es un modelo con base física pero de tipo conceptual y distribuido en el espacio, lo que le permite simularla respuesta hidrológica en cualquier punto del dominio espacial de la cuenca. El modelo tiene la capacidad desimular los procesos hidrológicos más relevantes en la cuenca, incluyendo la variabilidad espacial de lascomponentes del balance, y se puede utilizar a cualquier escala temporal. Además, tiene una novedosa estructurade parámetros que hace una distinción entre la variabilidad espacial de las características físicas a escala decuenca, representadas mediante la estimación a priori de mapas de parámetros a partir de la informaciónmedioambiental disponible, y por otro lado, los parámetros efectivos que se deben emplear en el modelo a escalade celda, considerando la incertidumbre en la información de entrada, las características particulares de la cuencay los efectos de escala espacial y temporal. La relación entre los mapas de parámetros estimados a priori y losmapas efectivos se considera como una función de corrección, que en su forma más simple, constituye un factorcorrector (FC) que modifica globalmente los primeros. Esta estructura diferenciada reduce drásticamente elnúmero de parámetros a calibrar al conjunto de FC posibilitando su calibración automática (Vélez, 2003; Vélezand Francés, 2004; Francés et al, 2007; Vélez et al, 2009).La representación de la producción de escorrentía en el modelo se basa en el concepto de exceso de saturación, omecanismo de Dunne (1970). En esta aproximación, el estado de humedad al inicio de la tormenta juega un rolfundamental en la generación de escorrentía directa y demás componentes del flujo, y por tanto, en lamodelación del fenómeno de crecida. Para una reproducción adecuada de estas condiciones, es recomendableprecalentar el modelo simulando un período de tiempo precedente al inicio de la crecida, de modo que losalmacenamientos de agua en los diferentes tanques del modelo, para cada celda del dominio espacial,representen las condiciones existentes al inicio de la avenida. La importancia relativa del estado inicial en cadauno de los tanques del modelo es función de las características de la cuenca y el tipo de respuesta predominante(flujo rápido, intermedio o lento). En términos generales, la mayor sensibilidad de la respuesta hidrológica es conrespecto al almacenamiento estático en el suelo, en el acuífero y en los cauces.Por otro lado, TETIS emplea el método de la onda cinemática para la propagación del flujo en la red de drenaje,y utiliza nueve parámetros geomorfológicos para caracterizar la resistencia al flujo y las dimensiones de lasección transversal, basándose en la teoría de geometría hidráulica (Leopold y Madock, 1953). Finalmente, elmodelo tiene un módulo de embalses para realizar el tránsito de avenidas en estos cuerpos de agua. Para unadescripción más detallada de TETIS, también se puede consultar la ponencia de Dávila et al. (2009), presentadaen este mismo congreso.2 Localización y descripción de las cuencas de estudio: Larambla del Poyo y el río AlbaidaLa “Rambla del Poyo” también conocida como Barranco de Torrent está localizada al sur de la ciudad deValencia, vinculada a la cuenca del río Turia. Es una cuenca típicamente mediterránea, con clima semiárido detipo subtropical, temperaturas suaves y amplitud térmica reducida, siendo una región más lluviosa y cálida a lohabitual para este tipo de clima. Según Guichard (2005), la cuenca reúne los rasgos geomorfológicos ehidrológicos de las ramblas, con un régimen espasmódico, lechos amplios y pedregosos. El cauce principal

Tema B: Hidrología y Gestión del Aguarecorre más de 40 kilómetros en dirección Noroeste - Sureste hasta desembocar en La Albufera de Valencia. Elrégimen de flujo es efímero, pero sujeto a la ocurrencia de avenidas considerables con cierta frecuencia. Lavariabilidad temporal de las precipitaciones en el ciclo anual es alta, siendo característico el tiempo seco enverano e invierno, y lluvias torrenciales en primavera y en otoño, en parte debido a su exposición a tormentasconvectivas de mesoescala, comúnmente vinculadas al fenómeno meteorológico de la “Gota Fría”, que sepresenta con mayor probabilidad en la estación otoñal.El río Albaida nace en las laderas de la Sierra del Benicadell, aguas arriba de la ciudad de Albaida, al Sur de laprovincia de Valencia, y es uno de los afluentes principales del río Júcar por su margen derecha. La cuenca tieneuna superficie de unos 1300 km 2 y el cauce principal una longitud de unos 52,3 km. Sus principales afluentes sonlos ríos Clariano y Cañoles; éste último nace en las montañas de Fuente la Higuera cerca del puerto de Almansay cubre una superficie de 642 km 2 en un recorrido de unos 40 km. Las características climáticas de la cuenca delAlbaida son muy similares a las de la rambla del Poyo, y una característica importante de esta región es laocurrencia de núcleos convectivos de mesoescala, que pueden generar tormentas de gran intensidad.3 Influencia de la discretización temporal de los hietogramas ehidrogramas observados en la rambla del PoyoEs importante conocer el efecto que tendrá el ∆t adoptado para el modelo hidrológico, debido al carácter nolineal de la respuesta de algunos procesos hidrológicos, como la infiltración, la escorrentía directa y el interflujo,los cuales pueden ser altamente sensibles a la intensidad de la lluvia. En este sentido, se ha hecho una evaluaciónde la influencia que tiene la agregación temporal de la información de precipitación y caudales observados en laestación SAIH de la Rambla del Poyo, con una resolución original cincominutal, para diferentes intervalos deagregación temporal de la información para ∆ts de 10, 15, 30 y 60 minutos. Este análisis permite establecer cuáles la incidencia del cambio de resolución temporal sobre la variabilidad de la intensidad de la lluvia al interior dela tormenta, y en particular, conocer cómo se afectan las máximas intensidades registradas, al igual que loscaudales pico de los hidrogramas generados por estas tormentas (Figuras 2 y 3).En la Figura 2 se observa como, para el evento ocurrido en octubre del 2000, la intensidad pico observada en laescala cincominutal (146.4 mm/h) se reduce al 45.6 % del valor original cuando la información se agrega a un ∆tde 30 minutos y al 29.2 % para un ∆t de una hora. También se destaca que si se adopta esta última discretización,la intensidad máxima del evento del 2000 coincide en magnitud con la estimada para el evento de 1989, noobstante, en el registro cincominutal original, la intensidad máxima registrada en el segundo evento (88.8 mm/h)fue muy inferior a la del primero. Este caso pone de manifiesto el efecto de suavizado y la pérdida de lavariabilidad temporal resultante del proceso de agregación. En las tormentas registradas en la cuenca del ríoAlbaida se ha encontrado un comportamiento similar; por citar un caso, en el evento del 9 de octubre de 2008 seregistraron intensidades máximas de 160 mm/h en intervalos de 5 minutos, y un valor medio aproximado del50% en un intervalo de media hora que contiene al anterior. El efecto descrito es menos marcado en lastormentas de menor magnitud, como se puede observar en los eventos de 1998 y 2002.En contraste con el análisis de intensidades máximas de las tormentas, la influencia del cambio de escalatemporal en la representación de los caudales pico de las avenidas muestra una menor sensibilidad (Figura 3). Enreferencia al evento del año 2000, el caudal pico se reduce a un 97.8% del valor original para un ∆t de 30minutos y a un 93.4% para 60 minutos. Aunque la variación de la magnitud del caudal pico observado al cambiarel ∆t se manifiesta leve si se compara con el efecto producido sobre la intensidad de lluvia, las diferenciaspueden ser relevantes en la estimación de avenidas extremas, ya que podrían representar la diferencia en lapredicción acertada de la magnitud del caudal pico de una avenida, que a su vez podría representar un riesgo deinundación. Para otras avenidas observadas, diferentes a la antes citada de octubre de 2000, la atenuación delpico es mucho más importante, como es el caso del evento de 1989, cuya magnitud del caudal pico para un ∆t de30 minutos es el 85.8 % del registro cincominutal, y el 80.7 % para el ∆t de 60 minutos.De este análisis se ha adoptado un ∆t de 10 minutos para implementar el modelo de predicción en elSADJUCAR, ya que en esta escala temporal se representan adecuadamente las características de los hidrogramassin atenuación significativa de los picos observados con el ∆t cincominutal. Por otro lado, la resolución temporalde las predicciones cuantitativas de precipitación (QPF) es horaria, y por tanto, menor a la de las precipitacionesobservadas, por lo que esta información debe ser desagregada al ∆t de 10 minutos poder para ingresarla almodelo. El hecho de desagregarla a 10 minutos en lugar de 5 minutos implica una importante reducción en lacantidad de información a procesar e ingresar al modelo. Además, un aspecto deseable en aplicaciones en tiemporeal es reducir al mínimo posible el tiempo de computación sin sacrificar precisión.

Tema B: Hidrología y Gestión del Agua160.0(a)600.0(b)Intensidad máx. evento (mm/h)140.0120.0100.080.060.040.020.0Caudal pico evento (m 3 /s)500.0400.0300.0200.0100.00.00 10 20 30 40 50 60∆t (min)2000 Evento 1988 Evento 1989 Evento Evento 1998 Evento 2002(a)0.00 10 20 30 40 50 60∆t (min)Evento 2000 Evento 1988 Evento 1989 Evento 1998 Evento 2002(b)Figura 2 Influencia de la agregación temporal de la información sobre la magnitud de los valores extremos de lasvariables hidrológicas a representar en algunos eventos registrados en la Rambla del Poyo. (a) Intensidad máxima delas tormentas. (b) Caudal pico de las avenidas correspondientes4 Calibración del modeloLa estructura del modelo TETIS permite la calibración, en forma manual o automática, de los 9 factorescorrectores que influyen en los procesos de producción y propagación de la escorrentía, los 5 valores iniciales delas variables de estado (almacenamiento en tanques) y un coeficiente, denominado β, para introducir lavariabilidad espacial de la precipitación incorporando el efecto de la altitud, para un total de 16 parámetros. Enlas calibraciones se han utilizado algunos de los eventos de mayor magnitud registrados en la serie histórica,incorporando algunos eventos recientes en la cuenca del Albaida.En la Rambla del Poyo las predicciones se harán en la estación de aforos con el mismo nombre, y en el ríoAlbaida, en las tres estaciones de aforos localizadas en la cuenca: Montaverner sobre el río Albaida aguas arribadel embalse de Bellús, Moixent en la parte alta del río Cañoles, y Manuel, aguas abajo de la confluencia. Para lacalibración en esta cuenca se ha escogido la estación Montaverner.4.1 Calibración automática de parámetros utilizando el algoritmo de optimización SCE-UAEl modelo TETIS se ha calibrado para las dos cuencas de la CHJ usando el algoritmo automático deoptimización “Shuffled Complex Evolution - University of Arizona”, SCE-UA (Duan et al., 1992; Duan et al.,1994; Sorooshian et al., 1993; Yapo et al., 1998) acoplado al modelo TETIS (Vélez, 2003; Vélez and Francés,2004; Francés et al, 2007). Este método es reconocido como uno de los más robustos y eficientes para lacalibración de modelos lluvia-escorrentía. La finalidad del método de optimización es buscar el conjunto óptimode parámetros que minimizan una función objetivo que permita contrastar alguna variable observada con suequivalente simulada por el modelo, usualmente el caudal a la salida. Esta función se selecciona con algúncriterio estadístico en función de las características que se quieran preservar en la serie simulada. Algunas de lasfunciones objetivo disponibles en el modelo TETIS que se han utilizado en este estudio para la calibraciónautomática de los parámetros y para la validación del modelo han sido el error raíz cuadrático medio, RMSE, yel Índice de eficiencia de Nash y Sutcliffe (1970), NSE.El RMSE es el criterio empleado durante el proceso de calibración, mientras que el índice NSE es el máscomúnmente usado para la evaluación de modelos, dado que involucra estandarización de la varianza residual ysu valor esperado no depende de la longitud del registro o de la magnitud de la variable (Kachroo y Natale, 1992,citado en Kothyari y Singh, 1999). Un valor del NSE igual a uno sugiere un ajuste perfecto, el valor cero indicaque el modelo no mejora si se compara con el valor medio de la variable, y valores negativos indican un peordesempeño (Beven, 2000). El criterio para aceptar una calibración es subjetivo, aceptándose en la literaturavalores del NSE mayores a 0.60; valores superiores a 0.80 se consideran muy buenos. Los criterios de aceptaciónson menos exigentes en validación, estando estos valores por encima de 0.50 y 0.70, respectivamente.

Tema B: Hidrología y Gestión del Agua4.2 Calibración Rambla del Poyo y el río AlbaidaEn la cuenca del Poyo, el cauce está desconectado del acuífero y no tiene flujo base, por lo que los procesos quegobiernan el balance de agua son la respuesta rápida que da lugar a la escorrentía directa, y en menor medida, larespuesta intermedia o interflujo. Bajo estas premisas, previamente a la calibración automática de los parámetros,se han fijado los FCs del flujo base en un valor nulo, y el de pérdidas subterráneas en un valor suficientementealto (100), que garantice que todo el flujo de percolación contribuye a la recarga de los estratos profundos singenerar flujo base. De este modo, se ha obtenido un conjunto de siete FCs y el valor inicial del almacenamientoestático, fijando como nulos los demás almacenamientos iniciales (superficial, gravitacional, acuífero y cauces).En el río Albaida se han calibrado los 9 FCs y los almacenamientos iniciales (tanques estático, gravitacional yacuífero). En la tabla 1 se presentan los valores óptimos de los parámetros calibrados para los eventosseleccionados en ambas cuencas: en la rambla del Poyo, el evento de 2000, y en el río Albaida, el registrado enoctubre de 2008. En la Figura 3 se presentan los eventos observados y simulados en la fase de calibración paralas dos cuencas, y en la Tabla 2 se presentan los índices NSE, RMSE y otros criterios de evaluación.Tabla 1 Parámetros del modelo TETIS calibrados para la rambla del Poyo y el río AlbaidaFactor corrector Parámetro del modelo R. del Poyo Río AlbaidaFC1 Almacenamiento estático 2.1474 4.6648FC2 Evapotranspiración 2.1916 1.3971FC3 Infiltración 4.7646 1.2316FC4 Velocidad escorrentía directa 0.0267 0.4667FC5 Percolación 1.7977 1.8847FC6 Velocidad interflujo 0.1721 13.4937FC7 Pérdidas subterráneas 100.0 0.2957FC8 Flujo base 0.0 8.1102FC9 Velocidad en cauce 1.1000 1.2958Valor inicial variable de estadoH1 Almacenamiento estático 60 8.0H2 Agua en superficie 0.0 0.0H3 Almacenamiento gravitacional 0.0 27.7H4 Nivel del acuífero 0.0 19.5H5 Cauce a sección llena 0.0 0.0(a)(b)Figura 2 Resultados de la calibración para ∆t = 10 minutos. (a) Rambla del Poyo, evento de octubre de 2000 (inicio:22-10-2000 03:30). (b) Río Albaida en Montaverner, evento de octubre de 2008 (inicio: 08-10-2008 12:00)Tabla 2 Índices estadísticos para evaluación del modelo TETIS en las cuencas de estudio. Eventos de calibraciónCriterios de evaluación R. del Poyo Río AlbaidaÍndice de eficiencia Nash&Sutcliffe, NSE 0.85 0.89Error raíz cuadrático medio, RMSE (m3/s) 36.84 10.35Error en balance (%) -2 -0.6Error en Qpico (%) -21 -22.5

Tema B: Hidrología y Gestión del Agua5 Validación del modeloLa validación del modelo es necesaria para confirmar su robustez y fiabilidad para representar eventos distintos alos utilizados en el proceso de calibración, sin modificar los valores de los parámetros calibrados. Para loseventos de validación se debe tener en cuenta que el estado inicial de almacenamiento en la cuenca se desconoce,y es diferente en cada evento, en función de las condiciones antecedentes a la tormenta, y por tanto, el valorinicial de esta variable de estado se ha estimado mediante calibración automática. En la rambla del Poyo sóloexiste una estación de aforos, por lo que sólo se ha realizado una validación de tipo temporal a partir de loseventos de nov-1988, nov-1989 y feb-1998. En el río Albaida se ha hecho una validación temporal (evento deOct-2007) y dos espacio-temporales en la estación Moixent (eventos de Oct-2007 y Sep-1997).En la Figura 4 se muestran los hidrogramas observados y calculados en algunos de los eventos de validación, yen las Tablas 3 y 4 se presentan los estadísticos calculados para todos ellos.(a)(b)(c)(d)Figura 3 Validación temporal en la rambla del Poyo: (a) Evento de noviembre de 1989 (inicio: 14-11-1989 00:00). (b)Evento de febrero de 1998 (inicio: 28-01-1998 10:30). (c) Validación temporal del río Albaida, evento de octubre de2007 (inicio: 10-10-2007 12:00). (d) El mismo evento, validación espacio-temporal en MoixentTabla 3 Validación temporal para algunos eventos registrados en la Rambla del Poyo.Criterios de Evaluación Nov-1988 Nov-1989 Feb-1998Índice de eficiencia NSE 0.69 0.54 0.59RMSE 19.98 17.72 5.03Error en balance (%) 70 -4 -18Error en Qpico (%) -58 -25 -20Tabla 4 Validación temporal (t) y espacio- temporal (e-t) para algunos eventos registrados en el río AlbaidaCriterios de Evaluación Oct-2007 (t) Oct-2007 (e-t) Sep-1997 (e-t)Índice de eficiencia NSE 0.92 0.89 0.77RMSE 6.88 10.35 2.56Error en balance (%) -1.2% -0.6% -17.8%Error en Qpico (%) 19.8% -22.5% -4.5%

Tema B: Hidrología y Gestión del Agua6 Implementación del modelo TETIS-FEWSLa ejecución de un modelo externo integrado al sistema de predicción DELFT FEWS, incluidas todas lasfunciones de adaptación requeridas para la comunicación entre ambos modelos, se denomina un “workflow”.Debido a la cantidad y complejidad de todas las operaciones requeridas para completar la ejecución de algúnworkflow, éstos se subdividen en varios pasos de procesamiento computacional, denominados “instancias”. Laconfiguración de workflows e instancias se realiza mediante una serie de operaciones secuenciales en variosarchivos interrelacionados escritos en lenguaje de anotación extensible (XML). En la Figura 5 se presenta unesquema de la adaptación de un modelo externo al entorno de trabajo DELFT FEWS.DELFTFEWSAdaptador GeneralXMLAdaptador deMódulosFormatonativoModeloFormatonativoFigura 4Adaptación de un modelo externo al entorno DELFT FEWSEl modelo TETIS-FEWS se ha implementado de tal modo que permita utilizar como entrada informacióndisponible en tiempo real originada de diversas fuentes, para el período de simulación histórica hasta el tiempoactual t 0 en que se realizará la predicción. En este sentido, se han implementado 3 workflows de predicción,configurados para simular un período histórico previo al instante t 0 de la predicción de máximo 2 días deduración y con un horizonte de predicción de un día. La principal diferencia entre estos workflows tiene que vercon las características del input de precipitación empleado en el período histórico. En el período de predicciónlos tres workflows incorporan los campos futuros de precipitación obtenidos a partir de las prediccionescuantitativas de precipitación (QPF) generadas por el modelo meteorológico regional HIRLAM (AEMET),comenzando en el tiempo t 0 . Adicionalmente, se ha incluido un cuarto workflow que se utiliza únicamente pararealizar simulaciones históricas de máximo dos días de duración, utilizando como datos de entrada lasprecipitaciones registradas en las estaciones SAIH. A continuación se describen brevemente los 4 workflowsprincipales configurados del modelo TETIS-FEWS.1. Historical TETIS_Jucar: workflow de simulación histórica con precipitación a partir de los datos de lasestaciones SAIH. La ejecución del workflow histórico con una frecuencia predefinida permitirá tenerdisponibilidad del estado de humedad antecedente en la cuenca “en caliente” en alguna fecha cercana alinstante en que será realizada la siguiente predicción con alguno de los 3 workflows disponibles para estepropósito. Si se quiere propagar el estado de humedad en un período de varias semanas o meses, se haránsimulaciones históricas sucesivas con la ventana de tiempo de 2 días hasta completar el período solicitado,generando estados de humedad intermedios al final de cada intervalo de 2 días.2. Forecast TETIS_Jucar: workflow de predicción que incorpora como input de precipitación histórica losdatos de las estaciones pluviométricas del SAIH, e input de precipitación futura las salidas del modeloHIRLAM en las celdas de influencia de la cuenca sin desagregación espacial.3. Forecast TETIS_JucarR: workflow de predicción con input de precipitación histórica estimado a partir deRADAR (AEMET) con una resolución espacial de 1 km, y como precipitación futura, las salidas del modeloHIRLAM en la zona de influencia de la cuenca desagregadas a esta misma escala espacial.4. Forecast TETIS_JucarRM: workflow de predicción con input de precipitación histórica estimado a con elmodelo de precipitación RAINMUSIC (Progea, 2007) combinando las series pluviométricas con los camposde radar y/o de imágenes de satélite. La combinación de información se hace mediante una aproximación

Tema B: Hidrología y Gestión del Aguabayesiana, interpolando el campo de lluvia a partir de las observaciones puntuales del SAIH, e incorporandola estructura de variabilidad espacial del radar (Progea, 2007). La resolución es de 1 km. Como precipitaciónfutura se imponen las salidas del modelo HIRLAM desagregadas a la misma escala espacial.En la cuenca del río Albaida se incluye la modelación del embalse de Bellús, ubicado en el tramo entreMontaverner y la confluencia con el río Cañoles. Por este motivo, la estación Manuel está influida por elembalse, y para la simulación en este punto se debe tener en cuenta la operación del embalse, bien sea en modode simulación histórica (caudales de salida observados), o en modo de predicción (caudal de salida objetivo).6.1 Integración de workflows del modelo TETIS-FEWSPara conseguir una integración adecuada del modelo hidrológico TETIS al entorno de trabajo FEWS se hanrealizado las siguientes actividades:Definición el ∆t de cálculo.Preparación de diferentes tipos de estados iniciales en las cuencas para arranque de las simulaciones “enfrío”. Cada estado en frío tiene asociado un archivo que contiene mapas con valores iniciales delalmacenamiento para los diferentes tanques del modelo. La utilización de la opción “en frío” esopcional, y normalmente se utiliza cuando no se dispone de un estado en “caliente”.Elaboración de archivos de texto con toda la información y parámetros necesarios para la ejecución delmodelo hidrológico TETIS.Diseño de estructura de carpetas para la gestión e intercambio de información en tiempo real.Definición de características de los diferentes workflows a configurar del modelo TETIS-FEWS.Programación de módulos adaptadores para permitir la comunicación del modelo externo TETIS con elentorno FEWS y del módulo de ejecución del modelo TETIS para la versión TETIS-FEWS.6.2 Configuración de workflows del modelo TETIS-FEWSUna vez completadas las actividades anteriores, el paso siguiente es configurar los diferentes workflows delmodelo TETIS-FEWS que serán implementados para simulación histórica y predicción. Para completar unasimulación completa de alguno de los 4 workflows descritos con anterioridad se requiere seguir la siguientesecuencia de instancias de cálculo:Importación de las series de datos necesarias para alimentar el modelo.Ejecución de funciones de preprocesado de la información hidrometeorológica original para realizaroperaciones de control de calidad de los datos, relleno de datos faltantes, agregación y/o desagregacióntemporal de las series al ∆t de cálculo del modelo, combinación de información proveniente dediferentes fuentes o sensores para generar series temporales de alguna variable, etc.Exportación de las series de datos y del archivo que contiene el estado inicial, y descarga de todos losarchivos necesarios en las carpetas de trabajo prediseñadas para el modelo.Ejecución de módulos externos: primero se ejecuta un “pre-adaptador” encargado de traducir lainformación exportada desde FEWS y generar el archivo de episodio en formato requerido por TETIS; acontinuación, se ejecuta el módulo del modelo TETIS-FEWS, y por último, se ejecuta el “postadaptador”encargado de convertir el archivo de resultados de salida, en formato original de TETIS, aotro archivo con un formato entendible por FEWS para importar las series de las variables de salida delmodelo consideradas de interés, y el estado de la cuenca en la fecha final del período de simulación.Una vez completados los pasos anteriores es posible aprovechar las utilidades del sistema FEWS para visualizary analizar los resultados obtenidos con el workflow asociado al modelo externo TETIS-FEWS.En la Tabla 5 se describe el proceso de ejecución del workflow “Forecast-TETIS_JucarRM”, con input deprecipitación histórica estimado a partir de las salidas del modelo RAINMUSIC (1 km), y como precipitaciónfutura, las salidas del modelo HIRLAM desagregadas a esta misma escala espacial. Se detallan los 3 workflowssecundarios y las diferentes instancias incluidas en el workflow principal.

Tema B: Hidrología y Gestión del AguaTabla 5 Componentes del workflow principal Forecast TETIS_JucarRMWorkflow secundario óInstancia de MóduloForecastTETISPreprocessing_JucarRMRunTETIS_transformPQ1_JucarDescripciónEjecuta instancias de preprocesado de información hidrológicahistórica (máximo 2 días) y predicción (1 día):Importa las series de precipitación, caudales, niveles, volúmenes ysalidas de embalse, y rellena los datos faltantes [t0-2, t0].RunTETIS_transformPQ2_Jucar Importa caudales objetivo en los embalses [t0, t0+1] con t = 60minutos y los desagrega a t = 10 minutos. Agrega las series detiempo de las demás variables hidrológicas a t = 10 minutos [t0-2,t0]. Combina las series históricas de caudal de salida de embalses [t0-2,t0]. con las series de caudal objetivo en el período [t0, t0+1].RunTETIS_InterpolateGrid_JucarRMRunTETIS_MergeGrid_JucarRMRunTETIS_MergeGridInterpolate_JucarRMRunTETIS_CutGrid_JucarRMForecast TETIS_JucarPoyoRMRunTETIS_Forecast_JucarPoyoRMForecast TETIS_JucarAlbaidaRMRunTETIS_Forecast_JucarAlbaidaRMGenera un grid a partir de los datos históricos de pluviómetros [t0-2,t0] con t = 10 minutos y otro a partir de los datos históricosinterpolados con Rainmusic [t0-2, t0] con t = 60 minutos. Importa losgrids del HIRLAM [t0-2, t0+1] con t = 60 minutos y los extrae parala región del Júcar. Los tres tipos de información generada en formatogrid se interpola o desagrega a la resolución espacial de 1 km.Desagrega los datos históricos de RAINMUSIC [t0-2, t0] y delHIRLAM [t0-2, t0+1] a t = 10 minutos. Genera un grid que combinalos tres tipos de información generados en la instancia previa enfunción de su disponibilidad y con una jerarquía específica asignandoel grid resultante al parámetro P.merged. La jerarquía es:RAINMUSIC [t0-2, t0]Pluviómetros [t0-2, t0]HIRLAM [t0-2, t0+1]Rellena los datos faltantes de precipitación de las series de gridsgeneradas en el paso anterior, asignándoles un valor igual a 0.0.Recorta los grids generados para las dos cuencas de interésimplementadas: R. del Poyo y R. Albaida.Ejecuta la instancia RunTETIS_Forecast_JucarPoyoRMDescomprime y descarga en la carpeta de trabajo los archivos deconfiguración del modelo TETIS para la cuenca contenidos en elarchivo comprimido: RunTETIS_JucarPoyo 1.00 default.zipExporta la información hidrológica y el estado inicial a las subcarpetasde entrada de datos. Ejecuta los procesos de preadaptación, y el módulode predicción del TETIS para la cuenca de la Rambla del Poyo. Porúltimo, ejecuta el post-adaptador para importación de los resultados.Ejecuta instancia RunTETIS_Forecast_JucarAlbaidaRMIgual que la instancia anterior para la cuenca del río Albaida. Archivos:RunTETIS_JucarAlbaida 1.00 default.zip7 DiscusiónEl modelo hidrológico distribuido TETIS se ha adaptado satisfactoriamente al sistema de predicción de avenidasDELFT FEWS del SADJUCAR. Se han implementado 3 workflows de predicción con diferentes característicasque permiten aprovechar las diferentes fuentes de información disponibles, y un cuarto de simulación históricapara propagación del estado de humedad en la cuenca.Se han realizado nuevas calibraciones y validaciones espacio-temporales para las cuencas de estudio condiferentes ∆t de cálculo (5, 10 y 60 minutos), y se ha estudiado la influencia de la discretización temporal de lainformación hidrológica sobre la representación de la variabilidad temporal de la variable. Aunque se hanobtenido buenos resultados en todas las calibraciones, se ha decidido adoptar un ∆t de 10 minutos para laimplementación del modelo de predicción en el SADJUCAR, ya que con esta resolución temporal se preservanrazonablemente las características de las precipitaciones y caudales de crecida observados.

Tema B: Hidrología y Gestión del AguaLos resultados de las calibraciones y validaciones realizadas son muy satisfactorios, obteniéndose en calibraciónvalores del índice NSE de 0.85 y 0.89 para las cuencas de la Rambla del Poyo y el río Albaida, respectivamente.En la validación temporal de la primera cuenca se obtuvieron índices de eficiencia entre 0.54 y 0.69, mientrasque en las validaciones espacio-temporales de la segunda se obtuvieron valores entre 0.80 y 0.92.Agradecimientos: El presente trabajo ha formado parte del proyecto IT-SAIH para el Ministerio de MedioAmbiente y ha sido subvencionado parcialmente por los proyectos del Plan Nacional de I+D de referenciasCGL2005-06219/HID, CGL2006-27077-E/HID y CGL2008-06474-C02-02/BTE.8 ReferenciasAEMET. Agencia Estatal de Meteorología. Ministerio de Medio Ambiente y Medio Rural y Marino de España.Beven, K. J. (2000). Rainfal-runoff modelling. The Primer. John Wiley and sons Ltd. Chichester, U.K.Davila, V., I. Orozco, y F. Francés. 2009. Aplicación del modelo hidrológico TETIS dentro del proyecto deintecomparación de modelos distribuidos para la predicción de crecidas. Jornadas de Ingeniería de Agua 2009,Madrid 27-28/10/2009.Duan, Q., Sorooshian, S. y Gupta, V. K. (1992). Effective and efficient global optimization for conceptualrainfall-runoff models. Water Resources Research, Vol. 24, Nº 7, p. 1163-1173.Duan, Q., Sorooshian, S. y Gupta, V. K. (1994). Optimal use of the SCE-UA global optimization method forcalibrating watershed models. Journal of Hydrology, Vol. 158, p. 265-284.Dunne, T. and R.D. Black, (1970). Partial area contributions to storm runoff in a small New England watershed,Water Resour. Res., 6:1296-1311.Francés F., Vélez J. I., Vélez J. J. (2007). Split-parameter structure for the automatic calibration of distributedhydrological models. Journal of Hydrology (2007) 332, pp226– 240.Kothyari, U. C. y Singh, V. P., (1999). A multiple-input single-output model for flow forecasting. Journal ofHydrology, Vol. 220, p. 12-26.Leopold, L. B. y T. Maddock. (1953). The hydraulic geometry of stream channels and some physiographicimplications. U.S. Geol. Surv. Prof. Paper no. 252.Progea. (2007). RAINMUSIC (Multi-sensors Bayesian combinations software): User manual and references.Reggiani, P., Kwadijk, J.C.J., Werner, M.G.F., van Dijk, M.J, Schellekens, J., van Kappel, R.R. andSprokkereef, E. (2003). DELFT FEWS: AN OPEN SHELL FLOOD FORECASTING PLATFORM.Geophysical Research Abstracts, Vol. 5, 03494, 2003. European Geophysical Society.Sorooshian, S., Duan, Q. y Gupta, V. K.. (1993). Sthocastic parameter estimation procedures for hydrologicrainfall-runoff models: Correlated and Heteroscedastic error cases. Water Resources Research, Vol. 29, Nº 4,. p.1185-1194.Vélez, J. I. (2003). Desarrollo de un modelo distribuido de predicción en tiempo real para eventos de crecidas.Tesis doctoral, Universidad Politécnica de Valencia, Departamento de Ingeniería Hidráulica y Medio Ambiente.Vélez, J. I. and Francés, F. (2004). La calibración automática en la modelación hidrológica distribuida de tipoconceptual. Asamblea Hispano-Portuguesa de Geodesia y Geofísica, Memorias. Figueira da Foz, Portugal.Vélez, J.J.., Puricelli, M., López Unzu, F., and Francés, F. (2009). Parameter extrapolation to ungauged basinswith a hydrological distributed model in a regional framework, Hydrol. Earth Syst. Sci., 13, 229-246.Werner MGF, Dijk M van, Schellekens J (2004). DELFT-FEWS: An open shell flood forecasting system. In:Proceedings of the 6th International Conference on Hydroinformatics, Liong, Phoon and Babovic (Eds.), WorldScientific Publishing Company, Singapore, pp. 1205–1212.Yapo, P. O., Gupta, H. V. y Sorooshian, S., (1998). Multi-objective global optimization for hydrologic models.Journal of Hydrology, Vol. 204, p. 83-98.