Evaluación de dos fuentes de datos de precipitación en cuencas de tres ambientes climáticos con el modelo SWAT

Abstract

El modelado hidrológico depende de los datos de precipitación, principalmente los de estaciones meteorológicas. Sin embargo, la baja densidad de estaciones y la presencia de datos faltantes o errores pueden sesgar el empleo de dichos datos en modelos hidrológicos. En la actualidad, gracias al avance en la teledetección espacial, los datos satelitales sobre precipitación, de acceso abierto, constituyen una alternativa valiosa a las observaciones de estaciones meteorológicas. El objetivo de este estudio fue evaluar dos fuentes de datos de precipitación: estaciones meteorológicas e imágenes CHIRPS. Ambas fuentes y el caudal simulado se compararon en tres cuencas, con climas seco, templado y tropical, respectivamente, utilizando la herramienta de evaluación de suelos y agua (SWAT). El análisis se basó en medidas estadísticas coeficiente de correlación de Spearman (rs), el error medio cuadrático (RMSE) y prueba de Wilcoxon. Con dicho análisis se trató de detectar correlaciones, diferencias o similitudes estadísticas. Se encontró correlación positiva y significativa (p < 0.05) entre ambas fuentes de datos, en las tres cuencas, aunque con variaciones por clima. Los errores de precipitación más bajos (RMSE < 21 mm) se registraron en los ambientes templado y seco. En el ambiente tropical, las imágenes CHIRPS subestimaron la precipitación. La mayor similitud (p > 0.05) entre ambas fuentes se encontró en el ambiente templado. En cuanto a la simulación de caudales en SWAT con ambas fuentes de datos, la calibración se ajustó mejor con las precipitaciones obtenidas en las estaciones meteorológicas en las tres cuencas. Sin embargo, en la cuenca del Río Cuautitlán (clima templado), las imágenes CHIRPS mostraron un ajuste bueno, especialmente en la validación. Los caudales estimados fueron similares, tanto con datos de estaciones meteorológicas como con imágenes CHIRPS, en la mayoría de los meses para las tres cuencas. Por lo anterior, podemos decir que las imágenes CHIRPS son una alternativa viable a las estaciones meteorológicas para la simulación de caudales en SWAT, especialmente en climas templados.

Hydrological modeling depends on precipitation data, primarily from meteorological stations. However, the low density of stations and the presence of missing data or errors can bias the use of such data in hydrological models. Today, thanks to advances in space remote sensing, open-access satellite precipitation data is a valuable alternative to weather station observations. The objective of this study was to evaluate two sources of precipitation data: weather stations and CHIRPS images. Both sources and the simulated flow were purchased in three basins with dry, temperate and tropical climates, using the Soil and Water Assessment Tool (SWAT). The analysis was based on statistical measures Spearman correlation coefficient (rs), root mean square error (RMSE) and Wilcoxon test. This analysis sought to detect correlations, differences or statistical similarities. A positive and significant correlation (p < 0.05) was found between both data sources, in the three basins, although with variations due to climate. The lowest precipitation errors (RMSE < 21 mm) were recorded in the temperate and dry environments. In the tropical environment, CHIRPS images underestimated precipitation. The greatest similarity (p > 0.05) between both sources was found in the temperate environment. Regarding the simulation of flows in SWAT with both data sources, the calibration was best adjusted with the precipitations obtained at the meteorological stations in the three basins. However, in the Cuautitlán River basin (temperate climate), the CHIRPS images showed a good fit, especially in the validation. Estimated flows were similar, both with weather station data and CHIRPS images, in most months for the three basins. So we can say that CHIRPS images are a viable alternative to weather stations for flow simulation in SWAT, especially in temperate climates.