Evaluación de la incertidumbre de los parámetros y su efecto sobre la incertidumbre predictiva de un Modelo Hidrológico Distribuido, mediante un algoritmo Markov Chain Monte Carlo de tipo adaptativo

Abstract

[ES] Los modelos hidrológicos suelen contener parámetros que no pueden ser determinados, mediante el empleo de medidas directas de los mismos en campo. El proceso de calibración del modelo, permite el ajuste de esos parámetros dentro de unos rangos razonables, mediante el mejor ajuste posible entre los resultados de ciertas variables del modelo, y las observaciones que sobre ellas se haya realizado. Sin embargo, los valores calibrados pueden verse afectados por correlaciones entre los parámetros y por otras características estadísticas de los residuos. Esta circunstancia conduce a la llamada Equifinalidad de las soluciones. Por otra parte, en modelos hidrológicos complejos son varias las fuentes de incertidumbre, y esta incertidumbre acaba propagándose a los resultados del modelo. Los datos de entrada del modelo, su estructura y el valor de los parámetros son las principales fuentes de incertidumbre. Entonces, las predicciones de un modelo deberían ser presentadas con un intervalo de confianza, en lugar de como un valor ¿cierto¿. El objetivo de esta tesina es explorar algunas técnicas de análisis de sensibilidad e incertidumbre sobre los parámetros, prestando especial atención a los algoritmos MCMC. Así mismo se amplían las capacidades de análisis del modelo conceptual de simulación hidrológica TETIS mediante la integración de dicho modelo hidrológico (programado en Fortran) con el paquete de R denominado FME, Flexible Modeling Environment. El trabajo se completa, con la aplicación de la herramienta desarrollada a un caso práctico: El análisis de incertidumbre de los parámetros del modelo hidrológico de la cuenca vertiente al embalse de La Baells (Alto Llobregat). Seguidamente se realiza un análisis de sensibilidad global del modelo, cuyo resultado nos muestra la incertidumbre que los parámetros transmiten a la variable respuesta Caudal. Así mismo se estima mediante un modelo de error, la parte de incertidumbre de la variable respuesta, que no es debida a los parámetros.

[EN] Hydrological models often contain parameters that can not be determined, by using direct field measures. The model calibration process allows adjustment of these parameters within a reasonable range, using the best possible fit between the simulated variables through the model and the observations. However, the calibrated values are affected by correlations between parameters and other statistical characteristics of the residuals. This circumstance leads to the widely known Equifinality. Moreover, in complex hydrological models there are several sources of uncertainty, and this uncertainty eventually spread to the model results. The model inputs, data, structure and value of the parameters are the main sources of uncertainty. Therefore, the predictions of a model should be presented along with a confidence interval, rather than as a "true" value. The objective of this thesis is to explore some techniques of sensitivity and uncertainty analysis on parameters, with particular attention to the MCMC algorithms. The aim is also to extend the analysis capabilities of the hydrological conceptual model TETIS by coupling the hydrological model (programmed in Fortran) with the R package called FME, Flexible Modeling Environment. The work is completed with the application of the developed tool to a case study: Uncertainty analysis of hydrological model parameters of the watershed to the reservoir of La Baells (Alto Llobregat). This followed by a global sensitivity analysis of the model, shows the parameters uncertainty transmitted to the response variable, that is the discharge flow. The uncertainty of the simulated variable, which is not due to the parameter, is estimated using an error model.