Sistema de ayuda a la decisión para la gestión hidrológica del río Guayas
DOI:
https://doi.org/10.24850/j-tyca-2025-01-06Palabras clave:
río Guayas, sistema hidrológico de ayuda a la decisión, gestión cuenca, modelo hidrológico, datos en tiempo real, inundaciónResumen
La cuenca del río Guayas en Ecuador es la más grande en la vertiente Pacífico de Suramérica, con un área de 34 500 km2 (12.57 % del territorio nacional). Dentro de la cuenca, el embalse Daule-Peripa constituye la mayor reserva de agua del país, garantizando agua para consumo de más de ocho millones de personas, además de riego y generación hidroeléctrica. Se ha desarrollado un Sistema Hidrológico de Ayuda a la Decisión (SHAD) para gestionar eficientemente los recursos hídricos en la cuenca del río Guayas, mejorar la producción energética de las centrales hidroeléctricas y alertar tempranamente de inundaciones aguas abajo de las centrales. El SHAD integra un módulo de adquisición de datos en tiempo real, con el modelo hidrológico de tanques encargado de estimar los ingresos a los embalses en escala horaria, y el módulo de control sobre el que interaccionan los gestores. El modelo hidrológico se ha calibrado separadamente para las cuencas Daule-Peripa y Baba con datos horarios del periodo 2019-2021. Para la cuenca de Baba, el coeficiente Nash-Sutcliffe para la validación a escala diaria y horaria fue 0.77 y 0.71, respectivamente, así como 0.62 y 0.49 para Daule-Peripa. El análisis preliminar comparativo de la gestión de los recursos hídricos de la cuenca realizada desde la puesta en operación del SHAD muestra evidencias de mejoras significativas.
Citas
Ahmad, A., El-Shafie, A., Razali, S. F. M., & Mohamad, Z. S. (2014). Reservoir optimization in water resources: A review. Water resources management, 28(11), 3391-3405.
Alley, R. B., Emanuel, K. A., & Zhang, F. (2019). Advances in weather prediction. Science, 363(6425), 342-344.
Bendix, J., Gämmerler, S., Reudenbach, C., & Bendix, A. (2003). A Case study on rainfall dynamics during El Niño/La Niña 1997/99 in Ecuador and surrounding areas as inferred from GOES-8 and TRMM-PR observations niederschlagsdynamik während El Niño/La Niña 1997/99 in Ecuador und benachbarten Gebieten—Eine Fallstudie auf der Basis von GOES-8-und TRMM-PR-Daten. Erdkunde, 57(2), 81-93.
Beven, K. J. (2011). Rainfall-runoff modelling: The primer. New York, USA: John Wiley & Sons.
Bosznay, M. (1989). Generalization of SCS curve number method. Journal of irrigation and drainage engineering, 115(1), 139-144.
Cenace, Centro Nacional de Control de Energía. (2022). Informe operativo anual 2021. Recuperado de http://www.cenace.gob.ec/informe-anual-2021/
Chow, V. T. (1964). Handbook of applied hydrology: A compendium of water-resources technology. New York: McGraw-Hill.
Dawson, C. W., & Wilby, R. L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25(1), 80-108.
De Guenni, L. B., García, M., Munoz, A. G., Santos, J. L., Cedeño, A., Perugachi, C., & Castillo, J. (2017). Predicting monthly precipitation along coastal Ecuador: ENSO and transfer function models. Theoretical and Applied Climatology, 129(3-4), 1059-1073.
Dion, P., Martel, J.-L., & Arsenault, R. (2021). Hydrological ensemble forecasting using a multi-model framework. Journal of Hydrology, 600, 126537.
Dirks, K. N., Hay, J. E., Stow, C. D., & Harris, D. (1998). High-resolution studies of rainfall on Norfolk Island: Part II: Interpolation of rainfall data. Journal of Hydrology, 208(3-4), 187-193.
Hersh, M. A. (1999). Sustainable decision making: The role of decision support systems. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 29(3), 395-408.
Hidalgo-Proaño, M. (2017). Variabilidad climática interanual sobre el Ecuador asociada a ENOS. Revista Cienciamérica, 6(2), 42-47.
Jajarmizadeh, M., Harun, S., & Salarpour, M. (2012). A review on theoretical consideration and types of models in hydrology. Journal of Environmental Science and Technology, 5(5), 249-261.
Johnson, L. E. (1986). Water resource management decision support systems. Journal of Water Resources Planning and Management, 112(3), 308-325.
Kingston, G. B., Maier, H. R., & Lambert, M. F. (2005). Calibration and validation of neural networks to ensure physically plausible hydrological modeling. Journal of Hydrology, 314(1-4), 158-176.
Knudsen, J., Thomsen, A., & Refsgaard, J. C. (1986). WATBAL: A semi-distributed, physically based hydrological modelling system. Hydrology Research, 17(4-5), 347-362.
Kuok, K. K., Harun, S., & Chan, C. P. (2011). Investigation best number of tanks for hydrological tank model for rural catchment in humid region. Journal of The Institution of Engineers, 72, 1-11.
Mariotti, A., Ruti, P. M., & Rixen, M. (2018). Progress in subseasonal to seasonal prediction through a joint weather and climate community effort. npj Climate and Atmospheric Science, 1(1), 1-4.
Molteni, F., Buizza, R., Palmer, T. N., & Petroliagis, T. (1996). The ECMWF ensemble prediction system: Methodology and validation. Quarterly Journal of the Royal Meteorological Society, 122(529), 73-119.
Mysiak, J., Giupponi, C., & Rosato, P. (2005). Towards the development of a decision support system for water resource management. Environmental Modelling & Software, 20(2), 203-214.
Nash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I—A discussion of principles. Journal of Hydrology, 10(3), 282-290.
Palmer, W. C., & Havens, A. V. (1958). A graphical technique for determining evapotranspiration by the Thornthwaite method. Monthly Weather Review, 86(4), 123-128.
Paz, J., Del Jesús, M., Kelman, R., Navas, S., Okamura, L., & Feliu, E. (2019). Vulnerabilidad al cambio climático y medidas de adaptación de los sistemas hidroeléctricos en los países andinos. Washington, DC, USA: Banco Interamericano de Desarrollo.
Perez-Suarez, R. A., & Cedeño-Villarroel, M. A. (2021). Optimización del sistema de descarga de agua del vertedero de la presa Daule Peripa (trabajo fin de master). Escuela Superior Politécnica del Litoral, ESPOL, Guayaquil, Ecuador.
Persson, A. (2001). User guide to ECMWF forecast products. Recuperado de http://cedadocs.ceda.ac.uk/1218/1/ECMWF_user_guide_2001.pdf
Raimonet, M., Oudin, L., Thieu, V., Silvestre, M., Vautard, R., Rabouille, C., & Le Moigne, P. (2017). Evaluation of gridded meteorological datasets for hydrological modeling. Journal of Hydrometeorology, 18(11), 3027-3041.
Recalde-Coronel, G. C., Barnston, A. G., & Muñoz, Á. G. (2014). Predictability of December–April rainfall in coastal and Andean Ecuador. Journal of Applied Meteorology and Climatology, 53(6), 1471-1493.
Rhynsburger, D. (1973). Analytic delineation of Thiessen polygons. Geographical Analysis, 5(2), 133-144.
Rossum, G. (1995). Python reference manual. Recuperado de https://ir.cwi.nl/pub/5008
Saha, S., Nadiga, S., Thiaw, C., Wang, J., Wang, W., Zhang, Q., Van den Dool, H. M., Pan, H.-L., Moorthi, S., Behringer, D., Stokes, D., Peña, M., Lord, S., White, G., Ebisuzaki, W., Peng, P., & Xie, P. (2006). The NCEP Climate Forecast System. Journal of Climate, 19(15), 3483-3517. DOI: 10.1175/JCLI3812.1
Sitterson, J., Knightes, C., Parmar, R., Wolfe, K., Avant, B., & Muche, M. (2018). An overview of rainfall-runoff model types. Recuperado de https://scholarsarchive.byu.edu/cgi/viewcontent.cgi?article=3977&context=iemssconference
Smith, P. J., Pappenberger, F., Wetterhall, F., Del Pozo, J. T., Krzeminski, B., Salamon, P., Muraro, D., Kalas, M., & Baugh, C. (2016). On the operational implementation of the European Flood Awareness System (EFAS). In: Flood forecasting (pp. 313-348). Amsterdam, The Netherlands: Elsevier.
Song, J.-H., Her, Y., Park, J., & Kang, M.-S. (2019). Exploring parsimonious daily rainfall-runoff model structure using the hyperbolic tangent function and Tank model. Journal of Hydrology, 574, 574-587.
Suryoputro, N., Suhardjono, Soetopo, W., & Suhartanto, E. (2017). Calibration of infiltration parameters on hydrological tank model using runoff coefficient of rational method. AIP Conference Proceedings, 1887(1), 020056. DOI: 10.1063/1.5003539
Tschantz, B. A. (s.f.). SCS user-defined storm hydrograph (SCS-USH). In: Hydraulics and hydrology in the small computer age (pp. 1274-1279). Reston, USA: ASCE.
Wang, C., Deser, C., Yu, J. Y., DiNezio, P., & Clement, A. (2017). El Niño and Southern Oscillation (ENSO): A review. Coral reefs of the eastern tropical Pacific: Persistence and loss in a dynamic environment, 85-106. DOI: 10.1007/978-94-017-7499-4_4
Wardropper, C., & Brookfield, A. (2022). Decision-support systems for water management. Journal of Hydrology, 610, 127928.
Works, D. of P. (1995). California culvert practice, second. Sacramento, USA: DPW, Division of Highways Sacramento, CA.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Tecnología y ciencias del agua
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial
