Dr. Gerald A. Corzo Dr. Leonardo Alfonso

Prof. Dimitri Solomatine

Contenido Introducción

Inundaciones y modelos

Modelación de cuencas y sus limitaciones en terminos de datos

Ejemplo 1 (fusion de datos y su incertidumbre)

Escalas regionales

Escala de cuenca

Ejemplo 2 (Analisis de sequias debidas al cambio climatico)

Sequias desde modelos globales

Laboratorio de hidroinformatica

Conclusiones

En 1957 nació como parte de una iniciativa del Gobierno Holandés en la creación de institutos para apoyar al mundo en aéreas de vital importancia para el desarrollo mundial. En el año 2003 IHE Delft se convirtió en un instituto Categoría 1, de la UNESCO. Pertenece a la división de ciencias en la parte de ciencias naturales. Su punto focal es el Agua (water).

UNESCO-IHE organisation and structure

&

UNESCO-IHE Alumni community UNESCO-IHE Alumni Community

0 - 50 51-150 151-300 301-500 501-850 851-1200

Core Activities

El Agua En el campo de la

investigación encontraran la ciencia dividida principalmente en dos

Cantidad

Calidad

Cual es el problema a resolver? Inundaciones o sequias?

Pronósticos?

Análisis de riesgos?

Cambios debidos a fenómenos exógenos (Cambio Climático?)

Cambios debido a la intervención del hombre (Antropogénicos)

Qué tengo que obtener de mi modelo? Un flujo optimo (que es optimo) ?

El Balance hídrico?

Flujo ecológico, servicios eco-sistémicos?

Repercusiones debidas al Cambio Climático?

Modelos disponibles Un modelo Hidrológico

Conceptual Agrupado (Lumped) Semi-distribuido (IHMS-HBV) Distribuido (SWAT, Wflow)

MikeShe, otros. (Que contemplen balance de enrgia y masa a lo largo de todos los procesos de la cuenca)

Un modelo Hidrodinámico Simples transito de avenidas (Muskingham-Cunge, funciones

de transferencia, Lisflood) Físicamente basados en ecuaciones de continuidad y energía

(HEC-RAS, SOBEK, MIKE11, otros)

Un modelo en cascada (Combinación de los dos anteriores)

River flooding

• Inundación por desbordamiento de ríos

Figures from: Christel Proudmme (Int Sym Climate Change 2012, CEH, UK)

Sustained rainfall • Inundación por lluvia continua

CEH UK

Figures from: Christel Proudmme (Int Sym Climate Change 2012, CEH, UK)

Flash floods • Crecientes rapidas

11

Groundwater flooding • Inundaciones generadas por incremento del

nivel freatico.

12

Coastal flooding

• Inundaciones por tormentas costeras.

13

Snow melt, ice breaking • Inundaciones por deshielo

14

Figures from: Leonardo Allfonso (Semi. Int. Mod. Corr. Superficiales 2012)

Keep It Simple but not Simpler Mantenga los modelos simples pero no muy

simples (balance de comprensión y complejidad)

En que deberíamos pensar?

Condiciones frontera

Calibración

Incremento de la incertidumbre

Tiempo de proceso computacional

Numero de parámetros

Numero de mediciones requeridas

Figures from: Bill Syme (BMT -2011 )

SMHI-HBV Model Modelo de lluvia escorrentia usado

incialmente en Suecia para pronositcos Modelo conceptual Semi-distribuido

Divide la cuenca en regiones (sub-cuencas)

Precipitación y temperatura puede ser espacialmente distribuidapor medio de la aplicacion de pesos relativos a distancias

Usa zonas de vegetacion y de elevación

SP=Snow Pack SM= Soil Moisture UZ= Upper zone LZ=Lower zone

Modelos mas complejos Distribuido

Datos disponibles

Escalas Tiempo

Espacio

Precisión e incertidumbre de los parámetros y de las mediciones distribuidas

Ejemplo Investigación Doctoral

Miguel Angel Laverde

Tema: Incertidumbre en el análisis de la inundación debida a la fusión de datos (evaluación de sus implicaciones en el riesgo de inundaciones.

datos

Estructura parametros

20

Descripción del problema

Incertidumbre en la modelación de la inundación flood depth

flow velocity rate of rise flood volume Residence time

Rufiji River, Tanzania

Profundidad

Velocidad

Distribución espacial juega un rol importante en la descipción de la inundacion.

21

Problem statement

Flood inundation model under uncertainty

Source: Mandlburger et. al 2015

Rainfall information RADAR; GPM(NASA/JAXA)

DEM LiDAR

Topographic information

2D-modelling Numerical methods

22

Metodología

Modelo Integrado MODEL STRUCTURE

Integración (fusión de datos) Fusión espacial de datos y su análisis de sensibilidad den los

modelos

Figure 4.2 Example of spatial distribution of satellite rainfall in different

spatial scales. (on the bottom, NASA TERRA images shown different pixel size; on Top, ECMWF Numerical Weather Prediction models (Beven et al., 2015)

24

Metodología

Data Fusion: Correction

Dynamic

Static

Flood modelling: scale

integrated

Coupled

Uncertainty: Sampling

Sampling Analysis

25

Metodología

Fusión de datos desde GEOS Web Server

Información de datos de satelites

GPM Constellation Status - Errores source: PROJECT Sigma

Eyal Amitai (2013)

Metodologias de fusión

Datos no son perfectos Mediciones disponibles dependen del

tipo de satélite y su periodicidad

Figure 3.3 Web Services Framework of OGC Geo-processing Standards. Source: http://live.osgeo.org/

Ejemplo 2 Cambio climático y el

uso de información de modelos globales para pronósticos de sequias

Doctorante: Vitali Diaz Mercado

Problema Sequias en el mundo son cada vez

mas comunes y sus implicaciones economicas han llevado a los paises del mundo a extender la importancia de este fenomeno y a buscar soluciones para mitigarlo

n

DD

AD

n

i

i 1

DD=Drought duration

n=Number of droughts

AD=Average drought

duration

Duración de sequìas

Problema Hacer un análisis de lo que ha ocurrido en el pasado

Hacer un análisis de lo que podría pasar en el futuro

Encontrar patrones y caracterizarlos

Problema: Datos disponibles son muchos (Big Data) Resolución de información de puntos sobre la tierra a 0.5

grados (67420 celdas)

40 anos de series de tiempo del siglo 20th century

100 anos de datos de modelos globales generados con escenarios críticos y modelos de circulación global

67modelos para toda la tierra a diferentes resoluciones

Ejemplo de tareas a seguir 1. Lectura de 6700 series (Archivos con mas de 15000

intervalos de tiempo), para cada variable hidrológica (e.g. 4 Gb por variable)

2. Calculo de limites de sequias diarios(365*67420) por celda (hacer un calculo de percentiles por celda)

3. Comparar los valores de los limites en toda la base de datos

4. Almacenar las estadísticas de cada región

5. Generar bases de datos para poder hacer minería de datos con los resultados

6. Este proceso se repite por modelos (alrededor de 67)

Drought analysis

50 100 150 200 250 300 350 400 450-2

0

2

4

6

8x 10

-6

Time step (days)

Qsb

(kg

/ m

2 s

)

50 100 150 200 250 300 350 400 450-5

0

5

10

15x 10

-5

De

ficit v

olu

me

Daily intensity

No deficit ends after some time steps

Percentile

per day

Drought cells at one time step

Spatial drought patterns (non-continuous areas) Area in drought (globe)

0 50 100 150 200 250 300 3500.12

0.14

0.16

0.18

0.2

0.22

0.24

0.26

0.28

0.3

0.32

Day

Pe

rce

nta

ge

of a

rea

in

dro

ug

ht

WATERGAP - Qsb 80

2000

1999

1998

1991

Standardized Clustered Variable Index • Cluster of droughts for the first 50 days of the year

1967

Integración de datos de modelos Investigacion de

maestria

Investigador: Solomon Vimal

Grupo de trabajo NFIE

Otros: David Tarboton, David Maidment , Prof. D. Solomatine.

Source: Choi, C. and Mantilla, R. (2015). "Development and

Analysis of GIS Tools for the Automatic Implementation of

1D Hydraulic Models Coupled with Distributed Hydrological

Models." J. Hydrol. Eng.

o Automatic Cross Sections Generator (Python, Arcpy)

o Extraction of 1D Hydraulic Model Parameters (Area,

Perimeter-Depth, Overbank, Morphology etc.) [Finished]

Next Step:

o Implement for NHD streams (Multi-core processor)

o Export data to the format that 1D-SVE Solver can be used

(e.g. SPRINT) {To DATA MANAGEMENT SYSTEM)

o Case studies of steady and unsteady coupled hydrologic

and hydraulic simulation for a small catchment, and

extend to much larger one

GIS Tools for Automatic Cross Sections

Lo Sensamos - Lo Sentimos. 7 Millones de Euros – Financiado Comisión Europea Séptimo Programa Marco – Observatorio Ciudadano del Agua

Governanza y actores

Infraestructura tecnológica

• (2012-2016), 7 millones de Euros

• 13 Socios: 4 acad., 8 Pymes, 2 autoridades.

• 3 casos de estudio

Doncaster (UK) Alto Adriatico (Italy)

Delfland (NL)

Laboratorio de Hidroinformatica

HI Support Center

Provide online Modeling

tools

Incubator of Models

and Research platform

Institutional Technological

Memory

Institutional Technological

Image

High performance

computing for modeling purposes

ICT GROUP -> Procedure sand access to web tools

ICT GROUP -> Access and hardware support and

maintenance of web servers

ICT GROUP->Acquisition, setup and support of new

technological equipment

Conclusiones Desarrollos en las tecnologías de medición están impulsando

nuevas formas de modelación que implican Mas información No siempre mejores modelos No siempre menos incertidumbre No siempre se puede usar

Para poder ser usada en tomas de decisiones Necesitamos desarrollo de herramientas tecnológicas

(principalmente nuevos conceptos de modelación) Necesitamos entender las mas y crear soluciones a diferentes niveles

para poder llegar a soluciones concreta Evitar proveer información sin sentido o modelos sin análisis de

incertidumbre

Conclusiones La disponibilidad de datos en los proximos años sera

exponencial, las bases de datos requiren conceptos avanzados como Big Data y escalabilidad

Modulos de integracion y difusion de datos

Modulos de interpretacion basica para sectores definidos (soluciones para mineria, agricultua, hidroelectrico, otros)

Gracias