Predicción de dotaciones de bombeo en función de las condiciones climáticas del acuífero de Requena-Utiel empleando predicciones estacionales y reanálisis.

Abstract

[ES] La masa de agua subterránea Requena-Utiel (080.133) es la principal fuente de suministro de una de las áreas de cultivo de vid más importantes de la Comunidad Valenciana. Debido a un uso intensivo de sus recursos hídricos dicha masa ha sido declarada en mal estado cuantitativo según los últimos informes emitidos por la Confederación Hidrográfica del Júcar. En respuesta a dicha declaración se elaboró un plan de explotación para distribuir de forma adecuada los recursos subterráneos de la masa de agua y permitirle alcanzar el buen estado cuantitativo. Dicho plan condiciona la dotación de bombeo a las condiciones climáticas del año hidrológico (humedo, medio o seco), que a su vez dependen de las precipitaciones registradas entre diciembre y abril.

El objetivo del presente estudio es estudiar la capacidad de predicción anticipada de tipos de año (seco, normal o húmedo) en función de predicciones meteorológicas a escala estacional (hasta 7 meses). En particular se emplearán predicciones del modelo de predicción SEAS5 del European Centre for Medium-range Weather Forecast (ECMWF) regionalizadas para la masa de agua subterránea Requena-Utiel empleado datos procedentes de reanálisis con el producto ERA5_Land del servicio de cambio climático (C3S) del programa Copernicus. Ambas fuentes de datos están en abierto, siendo el periodo de análisis el comprendido entre 1995 y 2016, a escala mensual. El análisis la calidad de estas predicciones permitirá determinar el valor de su incorporación para la toma de decisiones anticipadas para una mejor gestión de recursos en la masa de agua subterránea, y así plantear mejores estrategias a futuro.

Por medio del lenguaje de programación Python se desarrollarán los algoritmos necesarios para la descarga de predicciones y datos de reanálisis, su regionalización al área de estudio, la predicción del tipo de año y el análisis de su calidad. Para la regionalización se estudiarán diferentes alternativas (regionalizar con todos los datos conjuntamente, en función del mes del año y en función conjuntamente del mes del año y el mes de anticipación) y se analizará el impacto que tiene la elección del método en la calidad final de la predicción. También se determinará la capacidad de predecir el tipo de año en función del mes de anticipación (desde Octubre del año anterior hasta Abril) y del tipo de año. De esta forma se podrá concluir con qué antelación se puede predecir con seguridad el tipo de año y si la seguridad depende del tipo de año concreto

[EN] The Requena-Utiel groundwater body (080.133) is the main source of supply for one of the most important vine growing areas in the Valencian Region. Due to intensive use of its water resources, this body has been declared in poor quantitative status according to the latest reports issued by the Confederación Hidrográfica del Júcar (Jucar River Basin Agency). In response to this declaration, an exploitation plan was drawn up to adequately distribute the groundwater resources of water body and enable it to achieve good quantitative status. Said plan conditions the pumping allocation to the climatic conditions of the hydrological year (wet, medium or dry), which in turn depend on the rainfall recorded between December and April.

The objective of the present study is to analyse the ability to predict in advance the types of year (dry, normal or wet) based on seasonal scale weather forecasts (up to 7 months). In particular, predictions of the SEAS5 prediction model of the European Centre for Medium-range Weather Forecast (ECMWF) regionalized for the Requena-Utiel groundwater body will be used, using data from reanalysis with the ERA5Land product of the Climate Change Service (C3S) of the Copernicus program. Both data sources are open, with the analysis period being from 1995 to 2016, on a monthly scale. The analysis of the quality of these predictions will allow us to determine the value of their incorporation for early decision making for better resource management in the groundwater body, and thus to propose better strategies for the future.

Using the Python programming language, the required algorithms will be developed for the download of predictions and reanalysis data, their regionalization to the study area, the prediction of the type of year and the analysis of their quality. For regionalization, different alternatives will be studied (regionalize with all data together, as a function of the month of the year and as a function of the month of the year and the month of anticipation) and the impact of the choice of method on the final quality of the prediction will be analyzed. The ability to predict the type of year as a function of the month of anticipation (from October of the previous year to April) and the type of year will also be determined. In this way it will be possible to conclude how far in advance the type of year can be predicted with certainty and whether the certainty depends on the specific type of year.