Stella: Application of two stream water temperature simulation models in the Fenton River-Storrs-Connecticut



Introduction

Prediction of temperature changes due to variations in streamflow and locations along the stream, as well as anthropogenic changes, is frequently needed to assess the impacts of potential management decisions related to fish life in the stream (Poole & Berman, 2001). Although average daily temperatures are helpful, the diurnal changes are often critical, including the maximum and minimum temperatures, creating the need to simulate temperatures using a time step smaller than one day (Stella, 2007). A number of existing models have been developed to predict stream temperatures. Many of the dynamic, physically-based models require extensive data inputs and calibration, most were also developed for large river systems to assess management alternatives such as reservoir release impacts (Stella, 2007). The physically-based water Stream Segment Temperature model, SSTemp (Bartholow, 2002), is a simplified version of the Stream Network Temperature model (SNTemp) created by Theurer (Theurer, Voos, & Miller, 1984). Only two studies have been conducted using water temperature simulation models for the study of water temperatures in small streamflows under low-flow conditions such as the Fenton River. One was on the Truckee River in California using the RTS model (Rowell, 1975) with a monthly time step (Deas, 2000). The other was in the Upper Chama River in New Mexico using SSTemp model with a daily time step (Surface Water Quality Bureau, 2003). The stream Water Temperature Simulation (WTS) model is the only model that uses an hourly time step to simulate water temperature under low-flow conditions that are typical of summer seasons in New England (Stella, 2007). Stella (2007) developed a simple, physically-based stream Water Temperature Simulation Model (WTS) as a function of water and energy fluxes using a dynamic, coupled mass and energy balance approach to apply to moderate flows such as the Fenton River in Connecticut, using a one hour time step. The purpose of this research was to apply two dynamic mathematical models ―WTS and SSTemp― to predict changes in water temperatures in small, free-flowing rivers. The Fenton River, located in eastern Connecticut, is one such river where summer flows and temperature variations and extremes are especially critical to aquatic organisms, including trout (Warner, Ogden, Bagtzoglou, & Parasiewicz, 2006).

Material and methods

Description of the study site

The Fenton River is located in eastern Connecticut (Figure 1) and is one of three third-order tributaries entering Mansfield Hollow Lake. The other two tributaries are the Mount Hope and Natchaug Rivers. The Fenton River watershed has a total length of 22.8 km and a drainage area of 88.9 km2 (Warner et al., 2006) upstream from the Mansfield Hollow Lake. The scope of interest for this study is the portion of the river that extends from Old Turnpike Bridge to the Chaffeeville Bridge, for a total distance of 4.040 km.

Figure 1

a) The state of Connecticut and the west branch of the Thames River watershed, b) the west branch of the Thames River watershed and the Fenton River watershed (in black) and c) the Fenton River watershed and the area of interest (circled).

2007-2422-tyca-9-02-234-gf1.png

Areas that are upland from the Fenton River Basin are characterized by thick glacial tills with moderate slopes. These drain into the river valleys, which are typically filled with glacial outwash deposits consisting of stratified layers of sands and gravel (Leggete Brashears and Graham Inc., 2001; Warner et al., 2006). Stream baseflow during non-rainfall periods in summer is generally fed from shallow groundwater found in the stratified materials along the streams (Warner et al., 2006). Mean annual precipitation in northeast Connecticut is approximately 1 140 mm (USGS, 1998), and the average runoff is roughly 631 mm, based on USGS gage #01121000 located at the Mount Hope River near Warrenville, CT (USGS, 1998). The difference of 509 mm is assumed to be evapotranspiration, infiltration rate and capacity within the watershed. The most popular fish species in the Fenton River, by order of abundance, are: blacknose dace (Rhinichthys atratulus), white sucker (Catostomus commersoi), fallfish (Semotilus corporalis), and tessellated darter (Etheostoma olmstedi) (Warner et al., 2006).

Field methods

Field data was applied and used to calibrate the WTS and SSTemp models, including stream flow, water temperature, river cross-sections and vegetation density. Weather data was used to run the model, such as solar radiation and air and soil temperatures, which were obtained from the University of Connecticut Agronomy Farm, 5 km south of the study area. Three sites with different canopy conditions were monitored for discharge and temperature within the scope of interest along the Fenton River, at five points, and recorded at hourly time steps. The first site extends from Old Turnpike Bridge to 120 m downstream and is referred to as Turnpike. The second site extends from the upper end of Meadows to the downstream end of Meadows, it is 822 meters long and is referred to as Meadows. The third site covers the section from the Old Turnpike Bridge to the downstream end of Meadows, with a total distance of 1.948 km, and is referred to as Turnpike-Meadows. The vegetative cover at the Turnpike site is a high density forested area while the Meadows site is a bare land surface, and the Turnpike-Meadows site has mixed canopy conditions with high-density forested area from Old Turnpike Bridge to upstream Meadows and bare land surface in Meadows.

WTS water temperature simulation model: Theory and assumptions

The water temperature simulation (WTS) model coupled two components (Stella, 2007), water balance and energy balance, using STELLA® software (Onset Computer Company, 2006). The development of the equations describing the mass and energy fluxes needed for the mathematical model were obtained from Stella (Stella, 2007).

SSTemp water temperature simulation model: theory and assumptions

The SSTemp model assumes only a one-dimensional and mixed system that includes heat flux and heat transport to calculate the water temperature over time (Sansone & Lettenmaier, 2001). Average stream geometry is used for the calculations, unless there is a dam at the upstream end of the stream. Lateral inflow is uniformly distributed throughout the segment length (Bartholow, 2002). The SSTemp model uses a one-day time-step and all inputs are given in terms of a daily value, and does not allow either Manning's n or travel time to vary as a function of flow (Surface Water Quality Bureau, 2003). The physical processes in the SSTemp include convection, conduction, evaporation, and heat to or from the air (long wave radiation), as well as direct solar radiation (short wave) and radiation reflected back from the water.

Results and discussion

Stream water temperature simulation

Figure 2 shows the hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at the Turnpike site from July 1 to August 19, 2004.

Figure 2

Hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at Turnpike site from July 1 to August 19, 2004.

2007-2422-tyca-9-02-234-gf2.png

Figure 3 shows the hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at the Turnpike-Meadows site from July 12 to July 23, 2004.

Figure 3

Hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at Turnpike-Meadows site from July 12 to July 23, 2004.

2007-2422-tyca-9-02-234-gf3.png

Figure 4 shows the hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at Meadows site from August 2 to September 3, 2005.

Figure 4

Hourly observed temperature, SSTemp, and WTS simulated stream water temperatures at Meadows site from August 2 to September 3, 2005.

2007-2422-tyca-9-02-234-gf4.png

Statistical analysis

The R-squared (R 2) linear regressions and the Nash-Sutcliffe coefficient (NS) methods were used to analyze and compare the results obtained during the simulations. A summary of the R-squared results is shown in Table 1 for the simulations using SSTemp and WTS and the observed water temperature for Turnpike and Turnpike-Meadows in 2004 and Meadows in 2005.

Table 1

R-squared for Turnpike, Turnpike-Meadows in 2004 and Meadows in 2005.

R-squared (R 2 )
Turnpike 2004 Turnpike-Meadows 2004 Meadows 2005
SSTemp 0.976 0.913 0.976
WTS 0.988 0.932 0.895
Nash - Sutcliffe (NS)
SSTemp 0.975 0.834 0.970
WTS 0.973 0.867 0.891

To analyze and compare the hourly observed and simulated daily maximum water temperatures the method of R-squared (R 2) linear regressions was applied. A summary of the results obtained from the maximum water temperature simulated with the SSTemp and WTS models and the observed maximum water temperature is shown in Table 2, to compare the efficiency of both models for Turnpike and Turnpike-Meadows in 2004 and Meadows in 2005.

Table 2

R-squared for Turnpike and Turnpike-Meadows in 2004 and Meadows in 2005.

Turnpike 2004 Turnpike-Meadows 2004 Meadows 2005
SSTemp 0.996 0.917 0.935
WTS 0.996 0.932 0.913

The simulation performed at the Turnpike site in 2004 is for a zone with a high-density canopy. The R-squared was over 0.97 and the Nash-Sutcliffe coefficient was over 0.97. The trend line for these simulations shows that both models underestimate the water temperature peaks: the slope was 0.994 for SSTemp and 0.988 for WTS. For the daily maximum water temperature, both models produced an R-squared of 0.99 with a trend line slope of 1.0 for SSTemp and 0.994 for WTS. For the simulation performed at Turnpike-Meadows in 2004, where the zone has high density canopy between Old Turnpike Bridge and upstream Meadows and low density canopy between upstream Meadows and downstream Meadows, the R-squared was over 0.91 and the Nash-Sutcliffe coefficient over 0.83. The trend line for these simulations shows that both models underestimate the water temperature peaks: the slope was 0.893 for SSTemp and 0.88 for WTS. For the daily maximum water temperature, both models produced a R-squared over 0.91 with a trend line slope of 0.89 for SSTemp and 0.88 for WTS. For the simulation performed at Meadows in 2005, a zone with a low density canopy, the R-squared was over 0.89 and the Nash-Sutcliffe coefficient was over 0.89. The trend line for these simulations show that both models underestimate the water temperature peaks: for SSTemp the slope was 0.947 and for WTS 0.89. For the daily maximum water temperature performed at Turnpike, Turnpike-Meadows in 2004 and Meadows in 2005, both models produced an R-squared over 0.91 with a trend line slope of 0.79 for SSTemp and 0.69 for WTS.

Conclusions

  1. Both SSTemp and WTS water simulation models simulated with high accuracy the hourly water temperature in the Fenton River for low, high and mixed canopy conditions, with an R-squared over 0.895.

  2. SSTemp performed well as an hourly simulation model even though it was designed for daily time-steps.

  3. Both SSTemp and WTS water simulation models simulated the daily maximum water temperature in the Fenton River with high accuracy, with an R-squared higher than 0.91 for low, high and mixed canopy conditions.

  4. Both SSTemp and WTS water simulation models underestimated the daily maximum water temperature. Except for the Turnpike site in 2004, the SSTemp model was consistent with daily maximum water temperatures.

  5. Even though WTS performed better than SSTemp in two of the three simulations, SSTemp is a streamflow water temperature model with a large range of applications. The SSTemp model in the three applications in this study was shown to be a reliable hourly stream water temperature model.

Acknowledgements

Thank you to Professors Glenn S. Warner, John Clausen and David Miller for their assistance, advice and encouragement during this research.

References

1 

Bartholow, J. M. (2002). Stream Segment Temperature Model (SSTemp) (version 2.0) (Software). Revised US Geological Survey computer model and documentation. Recovered from http://www.fort.usgs.gov/.

2 

Poole, G. C., & Berman, C. H. (2001). An ecological perspective on in-stream temperature: Natural heat dynamics and mechanisms of human-caused thermal degradation. Environmental Management, 27(6), 787-802.

3 

Sansone, A. L., & Lettenmaier, D. P. (2001). A GIS-Based Temperature Model for the prediction of maximum stream temperatures in the cascade Mountain Region. Water Resources Series (Technical Report No 168). Seattle, USA: University of Washington.

4 

Stella, J. M. (2007). Modeling temperature, recession curves and event response for two third-order eastern Connecticut streams (Doctoral Dissertation). University of Connecticut, Storrs, USA.

5 

Theurer, F. D., Voos, K. A., & Miller, W. J. (1984). Instream Water Temperature Model (Instreamflow Inf. Pap. 16 Coop.). Fort Collins, USA: Instreamflow and Aquatic System Group, U.S. Fish & Wildlife Service.

6 

Surface Water Quality Bureau. (2003). Upper Chama River Report. Recovered from www.nmenv.state.nm.us/swqb/Chama/

7 

United States Geological Survey, USGS. (1998). National Water Information System: Web Interface. Recovered from http://waterdata.usgs.gov/nwis/uv?01121000

8 

Warner, G. S, Ogden, F. L., Bagtzoglou, A. C., & Parasiewicz, P. (2006). Long term impact analysis of the University of Connecticut’s Fenton River Water Supply Wells on the Habitat of the Fenton River. Final Report (Special Report # 39). Storrs, USA: Connecticut Institute of Water Resources.



This display is generated from NISO JATS XML with jats-html.xsl. The XSLT engine is libxslt.





Introducción

La predicción de los cambios de temperatura del agua en un río debidos a la variación de los caudales y la ubicación de la cubierta vegetal a lo largo del río, así como los cambios antrópicos, son frecuentemente necesarios para evaluar los impactos de las posibles decisiones de manejo relacionadas con la vida de los peces en un río (Poole & Berman, 2001). Aunque las temperaturas diarias promedio son útiles, muchas veces los cambios horarios son críticos, incluyendo las temperaturas máximas y mínimas, creando la necesidad de simular temperaturas usando una escala de tiempo menor a un día (Stella, 2007). Se han desarrollado una serie de modelos para predecir las temperaturas en una corriente de agua. Muchos de los modelos dinámicos y físicamente basados requieren un extenso número de datos y amplia calibración; la mayoría también se desarrolló para sistemas de ríos con grandes caudales, a fin de evaluar alternativas de manejo, como impactos de desvíos de agua (Stella, 2007). El modelo de temperatura de base física SSTemp (Bartholow, 2002) es una versión simplificada del modelo de temperatura SNTemp creado por Theurer (Theurer, Voos, & Miller, 1984). Sólo se han hecho dos estudios utilizando modelos de simulación de la temperatura del agua en pequeños caudales en condiciones de bajo flujo como el río Fenton. Uno de ellos se realizó en el río Truckee, California, Estados Unidos, utilizando el modelo RTS (Rowell, 1975), con un intervalo de tiempo mensual (Deas, 2000). El otro estaba en el río Chama, Nuevo México, usando el modelo de SSTemp con un paso diario del tiempo (Surface Water Quality Bureau, 2003). El modelo de simulación de la temperatura del agua (WTS, Water Temperature Simulation) es el único que utiliza un paso de tiempo por hora para simular la temperatura del agua en condiciones de bajo caudal, típicas de las temporadas de verano en Nueva Inglaterra (Stella, 2007). Stella (2007) desarrolló un modelo de simulación de temperatura de agua (WTS) de base física, simple, y en función de los flujos de agua y energía, usando un enfoque dinámico para aplicar a ríos con caudales moderados como el río Fenton, en Connecticut, utilizando un paso de tiempo de una hora. El propósito de esta investigación fue aplicar dos modelos matemáticos dinámicos de simulación de temperatura del agua WTS y SSTemp para predecir los cambios en la temperatura del agua en ríos pequeños y de flujo libre. El río Fenton, localizado en el este de Connecticut, es uno de esos ríos, donde los flujos de verano y las variaciones de temperatura extremos son especialmente críticos para los organismos acuáticos, incluyendo la trucha (Warner, Ogden, Bagtzoglou, & Parasiewicz, 2006).

Materiales y métodos

Descripción del lugar de estudio

El río Fenton se encuentra en el este del estado de Connecticut, Estados Unidos (Figura 1), y es uno de los tres afluentes de tercer orden que entran en lago Mansfield Hollow. Los otros dos tributarios son los ríos Mount Hope y Natchaug. La cuenca del río Fenton tiene una longitud total de 22.8 km y una zona de drenaje de 88.9 km2 (Warner et al., 2006) aguas arriba del lago Mansfield Hollow. El lugar de interés para este estudio se extiende desde el puente Old Turnpike hasta el puente de Chaffeeville, con una distancia total de 4 040 km.

Figura 1

a) El estado de Connecticut y la cuenca oeste del río Thames en negro; b) La cuenca oeste del río Thames y la cuenca del río Fenton en color negro; c) La cuenca del río Fenton y el área de estudio en un círculo.

2007-2422-tyca-9-02-234-gf5.png

El área de las tierras altas de la cuenca del río Fenton se caracterizan por lagunas glaciales con pendientes moderadas que drenan hacia los valles de los ríos típicamente llenos de depósitos glaciales de sedimento formadas por capas estratificadas de arenas y gravas (Warner et al., 2006). El flujo base de la corriente durante los periodos sin lluvias en verano es generalmente alimentado por el agua subterránea de los materiales estratificados a lo largo del río (Warner et al., 2006). La precipitación media anual en el noreste de Connecticut es de aproximadamente 1 140 mm (USGS, 1998), mientras que el promedio de escorrentía es de unos 631 mm basado en medidas de caudales en el observatorio USGS # 01121000 localizado en el río Mount Hope cerca de Warrenville, CT (USGS, 1998). Se supone que la diferencia de 509 mm es la evapotranspiración, la tasa de infiltración y el volumen de agua almacenado dentro de la cuenca. Las especies de peces más populares por orden de abundancia en el río Fenton son Rhinichthys atratulus, Catostomus commersoi, Semotilus corporalis y Etheostoma olmstedi (Warner et al., 2006).

Métodos

Los datos de campo necesarios para aplicar y calibrar los modelos WTS y SSTemp incluyen el caudal de agua del río, la temperatura del agua, las secciones transversales de los ríos y la densidad de la vegetación. Los datos meteorológicos necesarios para ejecutar el modelo, como la radiación solar, el aire y las temperaturas del suelo, se obtuvieron de la estación meteorológica de la Universidad de Connecticut, en la granja de Agronomía, 5 km al sur de la zona de estudio. Se monitorearon cinco lugares en tres diferentes sitios con distintas condiciones de cubierta vegetal, caudales y temperaturas dentro de la zona de interés a lo largo del río Fenton y los datos se registraron a intervalos de tiempo de una hora. El primer sitio se extiende desde el puente Old Turnpike hasta 120 m aguas abajo, conocido como Turnpike. El segundo sitio se extiende desde el extremo superior de la pradera hasta el extremo aguas abajo de ellas, 822 metros de largo, que se conoce como Meadows. El tercer sitio es el puente Old Turnpike hasta el extremo aguas abajo de Meadows, con una distancia total de 1.948 km, que se conoce como Turnpike-Meadows. La cubierta vegetal del sitio de Turnpike es una zona boscosa de alta densidad mientras que el sitio de Meadows es una superficie de pradera; el sitio de Turnpike-Meadows tiene condiciones mixtas de la cubierta con el área boscosa de alta densidad del Puente Old Turnpike y Meadows con superficie de prados.

Modelo de simulación de temperatura del agua WTS, teoría y asunciones

El modelo de simulación de la temperatura del agua (WTS) acopló dos componentes (Stella, 2007), un balance hídrico y un balance energético, utilizando el software STELLA® (Onset Computer Company, 2006) como soporte computacional dinámico. El desarrollo de las ecuaciones que describen los flujos de masa y energía necesarios para desarrollar el modelo matemático se obtuvieron de Stella (2007).

Modelo de simulación de temperatura del agua SSTemp, teoría y asunciones

El modelo SSTemp supone sólo un sistema unidimensional y mixto que incluye el flujo de calor y el transporte de calor para calcular la temperatura del agua en un tiempo determinado que por lo usual es un día (Sansone & Lettenmaier, 2001). La geometría media del río se utiliza como condición de borde para los cálculos a menos que haya una presa en la corriente. La entrada lateral de agua desde un cauce tributario se distribuye de manera uniforme a lo largo de la longitud del segmento (Bartholow, 2002). El modelo SSTemp utiliza un paso de tiempo de un día y todas las entradas se dan en términos de un valor diario y no permite que el número de Manning ni el tiempo de viaje varíen en función del flujo (Surface Water Quality Bureau, 2003). Los procesos físicos en SSTemp incluyen convección, conducción y evaporación, así como la transferencia de calor hacia o desde el aire (radiación de onda larga), radiación solar directa (onda corta) y radiación reflejada de vuelta del agua.

Resultados y discusión

Simulación de temperatura del agua

La Figura 2 muestra las temperaturas por hora observadas y las simuladas por SSTemp, WTS en el sitio Turnpike del 1 de julio al 19 de agosto de 2004.

Figura 2

Temperatura del agua observada y simulada por SSTemp y WTS en Turnpike desde el 1 de julio al 19 de agosto de 2004.

2007-2422-tyca-9-02-234-gf6.png

La Figura 3 muestra las temperaturas por hora observadas y las simuladas por SSTemp, WTS en el sitio Turnpike-Meadows del 12 al 23 de julio de 2004.

Figura 3

Temperatura del agua observada y simulada por SSTemp y WTS en Turnpike-Meadows del 12 al 23 de julio de 2004.

2007-2422-tyca-9-02-234-gf7.png

La Figura 4 muestra las temperaturas por hora observadas y las simuladas por SSTemp, WTS en el sitio Meadows del 2 de agosto al 3 de septiembre de 2005.

Figura 4

Temperatura del agua observada y simulada por SSTemp y WTS en Meadows del 12 de agosto al 3 de septiembre de 2005.

2007-2422-tyca-9-02-234-gf8.png

Análisis estadístico

Para analizar y comparar los resultados obtenidos durante las simulaciones se utilizó el método de regresiones lineales R-cuadrado (R 2) y el coeficiente de Nash-Sutcliffe (NS). Un resumen de los resultados se muestra en la Tabla 1 para los valores simulados por los modelos SSTemp y WTS, y la temperatura del agua observada para Turnpike y Turnpike-Meadows en 2004 y Meadows en 2005.

Tabla 1

R-cuadrado en Turnpike, Turnpike-Meadows in 2004 y Meadows en 2005.

Square-R (R 2 )
Turnpike 2004 Turnpike-Meadows 2004 Meadows 2005
SSTemp 0.976 0.913 0.976
WTS 0.988 0.932 0.895
Nash-Sutcliffe (NS)
SSTemp 0.975 0.834 0.970
WTS 0.973 0.867 0.891

Para analizar y comparar la temperatura máxima de agua por hora observada y simulada cada día se aplicó el método de regresiones lineales (R 2). En la Tabla 2 se presenta un resumen de los resultados obtenidos entre la temperatura máxima simulada del agua por el modelo SSTemp y WTS y la temperatura máxima observada del agua, para comparar la eficiencia de ambos modelos para Turnpike y Turnpike-Meadows en 2004 y Meadows en 2005.

Tabla 2

R-cuadrado en Turnpike and Turnpike-Meadows in 2004 y Meadows en 2005.

Turnpike 2004 Turnpike-Meadows 2004 Meadows 2005
SSTemp 0.996 0.917 0.935
WTS 0.996 0.932 0.913

La simulación realizada en el sitio Turnpike en 2004 es para una zona boscosa de alta densidad de vegetación. El R-cuadrado es sobre 0.97, y el coeficiente de Nash-Sutcliffe es sobre 0.97. La línea de tendencia para estas simulaciones muestra que ambos modelos subestiman los picos de temperatura del agua; para SSTemp la pendiente fue 0.994 y para WTS de 0.988. Para la temperatura máxima diaria del agua, ambos modelos produjeron un R-cuadrado de 0.99 con una pendiente de línea de tendencia de 1.0 para SSTemp y 0.994 para WTS. La simulación realizada en Turnpike-Meadows en 2004 indica que la zona tiene una alta densidad de vegetación entre Old Turnpike Bridge y Meadows aguas arriba, y de baja densidad de vegetación entre Meadows aguas arriba y Meadows aguas abajo. El R-cuadrado fue de más de 0.91 y el Nash-Sutcliffe coeficiente sobre 0.83. La línea de tendencia para estas simulaciones muestra que ambos modelos subestiman los picos de temperatura del agua; para SSTemp, la pendiente fue 0.893 y para WTS 0.88. Para la temperatura máxima diaria del agua, ambos modelos produjeron un R-cuadrado superior a 0.91 con una pendiente de línea de tendencia de 0.89 para SSTemp y 0.88 para WTS. Para la simulación realizada en Meadows en 2005, la zona tenía una baja densidad de vegetación. El R-cuadrado era sobre 0.89 y el coeficiente de Nash-Sutcliffe era sobre 0.89. La línea de tendencia para estas simulaciones muestra que ambos modelos subestiman los picos de temperatura del agua; para SSTemp, la pendiente fue 0.947 y para WTS 0.89. Para la temperatura máxima diaria de agua realizada en Turnpike, Turnpike-Meadows en 2004 y Meadows en 2005, ambos modelos produjeron un R-cuadrado sobre 0.91 con una pendiente de línea de tendencia de 0.79 para SSTemp y 0.69 para WTS.

Conclusiones

  1. Ambos modelos de simulación de temperatura del agua, SSTemp y WTS, simularon con alta precisión la temperatura del agua por hora en el río Fenton para condiciones de cubierta vegetal baja, alta y mixta con un R-cuadrado mayor que 0.895.

  2. SSTemp funciona bien como modelo de simulación por hora, aunque se diseñó para pasos de tiempo diarios.

  3. Ambos modelos de simulación de agua, SSTemp y WTS, simularon la temperatura máxima diaria del agua en el río Fenton con alta precisión con un R-cuadrado mayor que 0.91 para condiciones de baja, alta y mixta vegetación.

  4. Ambos modelos de simulación de temperatura del agua, SSTemp y WTS, subestimaron la temperatura máxima diaria del agua. Excepto para el sitio Turnpike en 2004, el modelo SSTemp coincide con la temperatura máxima diaria del agua.

  5. A pesar de que WTS se desempeñó mejor que SSTemp en dos de las tres simulaciones, SSTemp es un modelo de temperatura del agua con un largo registro de aplicaciones. El modelo SSTemp en las tres aplicaciones en este estudio se mostró como un modelo de temperatura de agua de flujo horario confiable.

Agradecimientos

Agradezco la ayuda a los profesores Glenn S. Warner, John Clausen y David Miller de la Universidad de Connecticut por el consejo y su aliento durante esta investigación.