Previsão de vazão usando estimativas de precipitação por satélite e assimilação de dados

Abstract

En este estudio, se trata de evaluar las fuentes de precipitación basadas en estimaciones satelitales y técnicas de asimilación de datos para la predicción de flujo utilizando el modelo hidrológico distribuido MGB-IPH. La representación espacial insuficiente de los pluviómetros dificulta la representación correcta de los campos de precipitación. Por otro lado, las estimaciones satelitales, aunque proporcionan una descripción espacial más consistente, son potencialmente menos precisas. Por lo tanto, buscamos utilizar métodos que combinen los datos de ambas fuentes para generar un campo de precipitación más consistente. En este trabajo, se implementaron dos modelos de combinación lluvia-satélite, CHUVSAT y MERGEHQ, a través de una metodología de interpolación. Por otro lado, Las técnicas de asimilación de datos junto con los modelos de pronóstico hidrológico también son de interés en este estudio, ya que minimizan las incertidumbres asociadas con el proceso de calibración de parámetros, las variables de estado y los datos de entrada del modelo hidrológico. Para este propósito, se eligió la cuenca del río Tocantins y se implementó en particular la técnica de asimilación de datos secuenciales llamada en la literatura del filtro de partículas, junto con el método de filtro de Kalman en su conjunto y el método de asimilación de AsMGB en la actualidad. acoplado al modelo MGB-IPH. El estudio muestra que la precipitación combinada utilizada como entrada en la simulación hidrológica permitió reproducir adecuadamente los hidrogramas observados durante el período de calibración y validación. En el caso de los flujos resultantes, durante la etapa de pronóstico, La precipitación combinada mostró un mejor desempeño en términos estadísticos que los métodos sin combinación, especialmente después de 24 horas de anticipación. Finalmente, la técnica de asimilación de datos del filtro de partículas fue capaz de absorber los errores de la simulación al mejorar las medidas de rendimiento en la etapa de pronóstico, siendo superior al modelo de pronóstico sin considerar la asimilación.