Proyecto de master de Franziska Schwarzenbach

Valor de las observaciones de clase de nivel de agua para la calibración de un modelo hidrológico

Me llamo Franziska y trabajo como «Community Manager» en el proyecto CrowdWater. También estoy haciendo mi tesis de maestría como parte del proyecto CrowdWater. Para mi tesis, estoy haciendo un análisis hidrológico. Utilizo las observaciones de las clases de nivel de agua, que se recolectan en la categoría «palo de medidad virtual». Quiero saber más sobre el valor de estos datos para la calibración de un modelo hidrológico. Me centro en las cuencas que cumplen los dos criterios siguientes:

  1. Se dispone de observaciones de las clases de nivel de agua en esta cuenca. Estas observaciones se recogieron con la aplicación CrowdWater o en las estaciones de papel y lápiz que Barbara y Simon instalaron.
  2. Los datos de caudal están disponibles en una estación de medición oficial suiza o austriaca y la estación de medición está suficientemente cerca del punto CrowdWater.

El siguiente mapa muestra las once cuencas hidrográficas que utilizo en mi estudio.

Datos del Atlas Hidrológico de Suiza (cuencas suizas), Open Data Austria (cuencas austriacas), Swisstopo (contornos de Suiza y Liechtenstein), GADM (contorno de Austria).

Para cada una de las cuencas tengo un número determinado de observaciones de la clase de nivel de agua recolectadas por los ciudadanos científicos. Combino estas observaciones con un número limitado de mediciones de caudal, que se distribuyen regularmente a lo largo del año. Con estos dos tipos de datos, obtengo 24 escenarios diferentes de disponibilidad de datos. Estos surgen de todas las combinaciones posibles de

  • 0%, 25%, 50%, 75% y 100% de los datos de ciencia ciudadana disponibles, y
  • 0, 1, 3, 6, 12 mediciones de descarga por año.

He calibrado el modelo HBV, un modelo para simular la escorrentía en una cuenca, para cada una de mis cuencas con los 24 escenarios diferentes de disponibilidad de datos. Utilizo los conjuntos de parámetros obtenidos para simular la escorrentía en cada cuenca. Comparo este hidrograma simulado (serie temporal de la descarga simulada) con el hidrograma medido en el punto de medición respectivo. Esta comparación permite hacer una afirmación sobre lo bien que el modelo puede simular la escorrentía real. Esta calidad del modelo puede expresarse con un número. Cuanto mayor sea este número, mejor será la coincidencia entre la descarga simulada y la medida.

El siguiente gráfico muestra un ejemplo de los resultados del Alp en Einsiedeln. Es claramente visible que la calidad del modelo tiende a ser mayor con más datos: los cuadros se vuelven más oscuros (lo que corresponde a un valor más alto) cuanto más alto y más a la derecha se encuentre el cuadro. En este momento estoy intentando averiguar por qué el enfoque funciona mejor para algunas cuencas (como el Alp en Einsiedeln) que para otras.

También realizaré calibraciones similares del modelo con los datos de ciencia ciudadana, cuya calidad se comprobó en el juego CrowdWater y se mejoró si era necesario. Esto sólo será posible para algunas de mis cuencas, ya que los datos de las estaciones de lápiz y papel no contienen fotos y, por tanto, no se utilizan en el juego CrowdWater. Tengo curiosidad por ver si se puede lograr una mayor calidad del modelo una vez que los datos de ciencia ciudadana se hayan resuelto mejor y se haya comprobado su calidad.

Me gustaría dar las gracias a todos por participar en el proyecto CrowdWater y hacer así posible mi tesis de maestría. Me gusta mucho trabajar con los datos de la aplicación CrowdWater y el juego CrowdWater. Agradezco las preguntas y los comentarios que tengan sobre mi tesis de maestría. Pueden contactarse conmigo en info@crowdwater.ch.