Machine Translated by Google

Revista de Hidrología 605 (2022) 127287

Listas de contenidos disponibles en ScienceDirect

Revista de hidrología
página de inicio de la revista: www.elsevier.com/locate/jhydrol

Modelado de la variabilidad del caudal a escala regional: (1) desarrollo de modelos

de percepción a través del análisis de firmas
Fabrizio Feniciaa ,*, Jeffrey J. McDonnell b,c
a
Instituto Federal Suizo de Ciencia y Tecnología Acuáticas (Eawag), Dübendorf, Suiza
b
Instituto Global para la Seguridad del Agua, Universidad de Saskatchewan, Saskatoon, Canadá
C
Facultad de Geografía, Ciencias de la Tierra y Medio Ambiente, Universidad de Birmingham, Birmingham, Reino Unido

INFORMACIÓN DEL ARTÍCULO ABSTRACTO

Este manuscrito fue manejado por E. Ana­gnostou, Los modelos de cuenca perceptuales son un primer paso clave hacia la síntesis hidrológica y proporcionan la base del proceso para los modelos
Editor Jefe, con la asistencia de Jesús Mateo L´ azaro, predictivos. Sin embargo, su desarrollo suele limitarse a la escala de la cabecera de la cuenca donde se puede realizar el trabajo de campo. Aquí
Editor Asociado
desarrollamos un enfoque de modelo de percepción para una cuenca a escala regional. Utilizamos un enfoque sistemático "de arriba hacia abajo"
basado en una interpretación impulsada por expertos de las respuestas del flujo de las subcuencas anidadas. Este enfoque complementa el
Palabras clave:
tradicional desarrollo de modelos de percepción “de abajo hacia arriba” basado en observaciones de campo, que no es práctico a escala regional
Modelo perceptual
debido a limitaciones de medición. Como ejemplo para ilustrar nuestro enfoque y demostrar su viabilidad, utilizamos la cuenca del Mosela de
Procesos dominantes
27.100 km2, con 26 subcuencas calibradas. Nuestro modelo de percepción de la cuenca del Mosela presenta una descripción de los procesos
Firmas de flujo de corriente
Escala regional dominantes que consideramos razonables a posteriori, pero no obvios a priori: donde la precipitación, mucho más que la evaporación o el
Enfoque de arriba hacia abajo intercambio de aguas subterráneas, controla la variabilidad espacial del caudal promedio, la litología influye en la partición. entre el flujo base y el
Conocimiento experto flujo rápido, y los tiempos de retraso del hidrograma de control de topografía y uso del suelo. Una característica sorprendente de nuestro análisis
es el papel bastante menor que la vegetación y el suelo parecen desempeñar en la variabilidad espacial del caudal a la escala de nuestra
investigación. Utilizamos nuestro modelo de percepción para construir un modelo hidrológico distribuido pero parsimonioso en la Parte 2 de esta
serie de artículos. Aunque el modelo de percepción es específico para el Mosela, esperamos que el enfoque del modelo de percepción utilizado
aquí pueda ser útil para otros que trabajan en grandes cuencas en diferentes hidroclimas, donde dominarán otros factores.

1. Introducción experimentalista y modelador” (Seibert y McDonnell, 2002). Pero, ¿cómo desarrollar

Los modelos de percepción en hidrología de cuencas son representaciones
cualitativas de sistemas hidrológicos destinadas a ilustrar sus principales
componentes, comportamiento e interacción (por ejemplo, Beven, 2012; Gupta et
al., 2012). Fundamentalmente, los modelos perceptivos son un primer paso clave
hacia la síntesis hidrológica y proporcionan la base del proceso de los modelos
predictivos (Beven, 2012). Si bien el desarrollo de modelos perceptivos se
reconoce cada vez más por su importancia central (p. ej., Wagener et al., 2020) y
se han realizado varias ilustraciones de modelos perceptivos basadas en
conocimientos expertos (p. ej., Beven y Chappell, 2021), se han discutido pocos
métodos para aportar datos al ejercicio de desarrollo de modelos de percepción
para grandes cuencas. Los modelos de percepción se han construido principalmente
a escala de cuencas de ladera o cabecera (<10 km2 ) (p. ej.
McGlynn y otros, 2002; Wrede et al., 2015), donde las mediciones de campo
pueden informar la percepción del proceso y formar la base para el “diálogo entre
modelos de percepción más allá de la escala de la cuenca de cabecera, donde el
muestreo y la medición sobre el terreno no son prácticos?
La extrema dependencia de escala de los procesos de escorrentía significa
que los modelos de percepción desarrollados a escala de campo en laderas y
cuencas de cabecera generalmente no son representativos a escala meso
(100­1000 km2) o regional (>10000 km2 ) (Sivapalan, 2003). .
Es decir, así como las cuencas de cabecera no son una superposición lineal de
núcleos de suelo (McDonnell et al., 2021), la cuenca a escala meso o regional no
es una superposición lineal de cuencas de cabecera. Por lo tanto, caracterizar los
procesos dominantes a escala regional no implica dar cuenta de la heterogeneidad
y complejidad observadas a escala de ladera (Sivapalan, 2003).
Los modelos de percepción a escala regional podrían tener utilidad más allá
del desarrollo de estructuras de modelos conceptuales personalizados. En
particular, podrían ayudar a identificar regularidades y “leyes” a escala regional (por ejemplo,

* Autor correspondiente.
Dirección de correo electrónico: fabrizio.fenicia@eawag.ch (F. Fenicia).

https://doi.org/10.1016/j.jhidrol.2021.127287 Recibido el 13 de
julio de 2021; Recibido en forma revisada el 12 de noviembre de 2021; Aceptado el 27 de noviembre de 2021 Disponible en línea
el 11 de diciembre de 2021
0022­1694/© 2021 Los Autores. Publicado por Elsevier BV Este es un artículo de acceso abierto bajo licencia CC BY (http://creativecommons.org/licenses/by/4.0/).
Machine Translated by Google
F. Fenicia y JJ McDonnell
Fig. 1. Cuenca del Mosela con 26 medidores de caudal y subcuencas correspondientes (panel a), mapas de elevación (panel b), cobertura del suelo (panel c) y textura del suelo
(panel d).
Dooge, 1986; Wagener et al., 2007), incluidas regiones de similitud hidrológica que
ejercen controles primarios sobre la dinámica hidrológica (p. ej.
Loritz et al., 2018; Ehret et al., 2020), o relaciones de escala asociadas a la
agregación de procesos (eg Leopold y Maddock, 1953; Bloschl ¨ y Sivapalan, 1995).
Estos conocimientos podrían contribuir al conocimiento regional que puede explotarse
en estudios de clasificación de cuencas (p. ej., Gnann et al., 2021), o informar sobre
las relaciones y limitaciones de “regularización” para mejorar el realismo y la
parsimonia del modelo (p. ej., Pokhrel et al., 2008; Gharari et al. ., 2014). Sin
embargo, a pesar de su alcance potencial, el desarrollo de modelos perceptivos a
escala regional rara vez ha sido transparente y carece de una orientación clara. Son
pocos los estudios específicos que ilustren dicho desarrollo (por ejemplo, Winter,
2001; Savenije, 2010; Gnann et al., 2021). Sin duda, el conocimiento experto
desempeña un papel. Esto es una función de la experiencia personal y subjetiva
(Beven y Chappell, 2021), pero también está vinculada a ella la intuición, la formación
teórica y la transferencia de conocimientos desde otras cuencas.
Aquí agregamos y exploramos la interpretación de datos in situ y cómo se pueden
combinar con otras formas de conocimiento experto para informar el desarrollo de
modelos de percepción a escala regional. Si bien el desarrollo del modelo de
percepción tradicional basado en observaciones del trabajo de campo local puede
considerarse “de abajo hacia arriba” (Sivapalan et al., 2003), nuestro enfoque basado
en la interpretación de las respuestas de las cuencas es más “de arriba hacia abajo”.
En particular, basamos nuestra comprensión del proceso en la interpretación de la
variabilidad espacial de las firmas de flujo dentro de una cuenca anidada.
Reconocemos que la interpretación de la variabilidad espacial de las firmas
hidrológicas ha sido el objetivo de muchos estudios centrados en la clasificación de
cuencas (por ejemplo, Wagener et al., 2007; Sivaku­mar et al., 2015). Sin embargo,
estos estudios normalmente han adoptado un enfoque de “muestra grande”, lo que
resultó en priorizar el impacto del clima a expensas del paisaje (por ejemplo, Beck et
al., 2015; Addor et al., 2018), y se han basado en estudios de propósito general.
enfoques estadísticos o de aprendizaje automático (por ejemplo, Penas et al., 2014;
˜
Sivakumar et al., 2015), que generalmente eran difíciles de interpretar. Nuestra
dependencia de una configuración de cuenca anidada y del conocimiento experto
tiene como objetivo aumentar la comprensión del proceso.
2
Revista de Hidrología 605 (2022) 127287
a escala regional, como para aclarar la interacción entre el clima y el paisaje en el
control de las respuestas de los caudales.
Anticipar qué firmas caracterizan mejor la variabilidad del caudal en cualquier
cuenca hidrográfica anidada y qué procesos dominantes las afectan no es obvio a
priori. En primer lugar, la “singularidad del lugar” en términos de propiedades o
mediciones de la cuenca limita nuestra capacidad de crear hipótesis generalizables
(Beven, 2000). Por ejemplo, Oudin et al. (2010) demostraron que cuencas
“aparentemente” similares pueden responder de manera drásticamente diferente, lo
que requirió profundizar más allá de las métricas de similitud de cuencas comúnmente
utilizadas. En segundo lugar, los estudios de clasificación y regionalización han
demostrado que las firmas que mejor caracterizan la variabilidad del caudal pueden
diferir de una región a otra dependiendo de los procesos dominantes subyacentes
(por ejemplo, Blo¨schl et al., 2013; Gupta et al. , 2013).
En tercer lugar, incluso las mismas firmas pueden responder a diferentes controles
de proceso en diferentes entornos. Por ejemplo, Gnann et al. (2021) mostraron que
la variabilidad espacial de las firmas del flujo base podría estar asociada con la
textura del suelo y los sedimentos en regiones cubiertas por depósitos glaciares en
el norte de Estados Unidos, en comparación con la estratigrafía del suelo en las
Montañas Apalaches en Carolina del Norte, la densidad de sumideros en los Ozarks,
y la madurez del paisaje representada por la edad geológica en las Cascadas de
Oregón. Esta variabilidad de los controles de procesos motivó entonces diferentes
modelos de percepción en estas distintas áreas. Por lo tanto, sospechamos que
estos controles de procesos a escala regional son equívocos para muchas otras firmas.
Aquí demostramos un enfoque sistemático para el desarrollo de modelos de
percepción a escala regional, utilizando la cuenca del Mosela de 27.100 km2 en
Europa como estudio de caso. Utilizamos 26 estaciones de aforo de arroyos con 26
años de registros de caudal, variables climáticas y mapas de propiedades
paisajísticas. A diferencia de otros sistemas de su tamaño en Europa, el Mosela tiene
una densidad de población relativamente baja (con 150 habitantes por kilómetro
cuadrado, www.fgg­rhein.de), la ausencia de grandes lagos y una disponibilidad de
datos excepcionalmente buena. Aprovechando estos atributos y mostrando una
prueba de concepto con una cuenca de captación a escala regional “simple”, nuestros objetivos so
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

Tabla 1 del estudio han sido abordados. Como ejemplo de aplicación del modelo perceptual
Lista de subcuencas anidadas dentro de la cuenca del Mosela, ordenadas por desarrollado, Fenicia et al. (2022), en lo sucesivo denominado FMM2022, ilustra el
su área total, de menor a mayor. El área incremental indica el área de la desarrollo y la selección de un modelo conceptual distribuido, aunque parsimonioso.
siguiente subcuenca aguas arriba (el área incremental es la misma que el área
total para subcuencas sin subcuencas aguas arriba).
Nombre de la subcuenca Área total (km2 ) Área incremental (km2 ) 2. Área de estudio y datos
Hentern 101.17 101.17
Alsdorf 264.07 264.07 2.1. La cuenca del Mosela
plein 275,39 275,39
Boncourt 407.56 407.56
El área de estudio se muestra en la Fig. 1. Nos centramos en la cuenca con
Prümzurlay 577.01 577.01
gemuend 614,87 614,87 desembocadura en Cochem, 50 km aguas arriba de la confluencia con el Rin (distancia
nalbach 712,60 712,60 de drenaje), con un área contribuyente de 27.100 km2 (Fig. 1a).
Kordel 819,57 819,57 Las elevaciones oscilan entre 60 y 1424 m snm, con el 96% del área de captación por
Nomeny 929.29 929.29
debajo de los 600 m (Fig. 1b). La cubierta terrestre está dominada por bosques (38%),
Ettelbruck 1082.35 1082.35
Lunéville 1102.19 1102.19 seguida de cultivos (30%), pastos (20%), áreas desarrolladas (8%), definidas aquí como
Epinal 1225.58 1225.58 usos de la tierra urbanos, suburbanos, industriales y otros usos artificiales, y humedales
Rosselange 1243.15 835.59 ( 4%) (Figura 1c). Desde el punto de vista geológico, la cuenca del Mosela se extiende
Metz 1279,61 350,32
sobre cuatro unidades estructurales principales: dos cuencas geológicas (la cuenca de
Niedaltdorf 1332,29 1332,29
París en el centro­oeste y la cuenca pérmica de Sarre­Nahe Bergland en el este), formadas
Wittring 1702.52 1702.52
Reinheim 1802.30 1802.30 principalmente por rocas sedimentarias, y dos macizos geológicos. (el macizo de los
Malzéville 2893.31 1791.13 Vosgos al sur, que culmina a 1.424 m sobre el nivel del mar, y el macizo renano al norte,
Bollendorf 3196.27 1499.05 que alcanza una altitud de 816 m sobre el nivel del mar), formado principalmente por
Toul 3354.94 2129.36
rocas metamórficas. La litología de la cuenca es variada, dada la extensión del área (ver
Fremersdorf 6960.46 1410,76
custines 6977.01 728,76
más adelante Fig. 7a). La textura del suelo muestra características contrastantes en toda
Altoconcourt 9404.26 1147.63 la cuenca, con material grueso en la parte montañosa del sur de la cuenca, materiales
perla 11564.63 917.22 finos en la parte central y materiales de medio a medio fino en el norte (Fig. 1d ) .
Tréveris 23838.03 1275.59
Cochem 27149.38 2115.21
Consideramos 26 subcuencas basadas en una selección de estaciones de medición
de corrientes (Fig. 1a). La Tabla 1 informa tanto el área “total” como “incremental” de las
1. Desarrollar una síntesis hidrológica para la cuenca del Mosela en forma de un modelo subcuencas, es decir, toda su área contribuyente, y el área incremental de la siguiente
perceptivo distribuido de procesos generadores de caudales a escala regional. subcuenca aguas arriba (por lo tanto, corresponde a las regiones coloreadas en la Fig.
1a ) . . La hidrometeorología de las subcuencas se muestra en la Fig. 2. La Fig. 2a muestra
2. Delinear los pasos clave de este proceso como prueba de concepto sobre cómo sus hidrogramas, cuyas similitudes y diferencias se analizan en detalle en la Sección 3.2.
considerar el desarrollo de modelos de percepción a escala regional en otros lugares La Fig. 2b representa las subcuencas en el espacio Budyko (Budyko, 1974), lo que resalta
utilizando datos ampliamente disponibles. la variabilidad en las condiciones hidrometeorológicas en el área, con un índice de
3. Caracterizar el conocimiento experto e ilustrar cómo pueden aportarlo tanto los sequedad ID (la relación entre la evaporación potencial promedio y la precipitación
experimentalistas como los modeladores en las distintas etapas del desarrollo del promedio) que oscila entre 0,5 y 1,2. y el índice de evaporación IE (la relación entre la
modelo perceptual. evaporación real promedio, calculada como la diferencia entre la precipitación promedio y
el caudal de la corriente, y la precipitación promedio) que varía entre 0,3 y 0,7. Las
El documento está organizado en seis secciones. La Sección 2 presenta el área de subcuencas muestran una correlación significativa en el espacio de Budyko, con una
estudio y los datos. La Sección 3 presenta la metodología, incluida la selección de firmas correlación de Spearman rs = 0,79 y un valor p correspondiente ps muy por debajo del
de caudal, los índices climáticos y paisajísticos, y los enfoques para identificar los factores umbral de significancia convencional del 5%.
de influencia en las firmas de caudal seleccionadas. La Sección 4 analiza los factores que
influyen en las firmas de flujo seleccionadas y describe el modelo de percepción del
Mosela. La Sección 5 contiene una discusión sobre las implicaciones más amplias del
enfoque propuesto, incluida una síntesis de cómo se utilizó el conocimiento experto en el 2.2. Fuentes de datos
proceso de desarrollo del modelo de percepción. La sección 6 concluye el documento,
proporcionando un resumen sintético de cómo se alcanzaron los objetivos.
Los datos utilizados en este estudio se clasifican en tres categorías: caudal, clima
(precipitación y temperatura) y paisaje.

Fig. 2. Panel a: Instantánea de los 26 hidrogramas. Panel b: posición de las subcuencas en el espacio Budyko, representada por el índice de sequedad ID y el índice
de evaporación IE . La línea roja indica el límite superior teórico. (Para la interpretación de las referencias al color en la leyenda de esta figura, se remite al lector a la
versión web de este artículo).

3
Machine Translated by Google
F. Fenicia y JJ McDonnell
Fig. 3. Objetivos clave del modelo de percepción que caracteriza la variabilidad regional de las respuestas de las subcuencas en una cuenca a escala regional. Las firmas relevantes
de caudales en múltiples sitios se relacionan con la variabilidad espacial del clima o el paisaje y luego se interpretan en función de los procesos dominantes, la conectividad
hidrológica y las relaciones entre procesos.
(mapas de elevación, cobertura terrestre, litología y textura del suelo):
• Caudal. Los datos de caudal Q (mm/h) (normalizados por el área de captación)
se consideran en 26 estaciones (Fig. 1a), para el período del 01.09.1989 al
31.08.2015, donde hemos asumido que el 1 de septiembre es el inicio del año
hidrológico. Los datos alemanes se obtienen del Instituto Federal Alemán de
Hidrología (BfG), los datos luxemburgueses se obtienen de la “Administration de
la gestion de l'eau”, los datos franceses se obtienen de Eaufrance (descargados
en hydro.eaufrance.fr) . Todas las series temporales de caudales están
disponibles en resolución horaria. • Clima. Los datos de precipitación P (mm/d) y
temperatura TC (◦C) se obtienen
del conjunto de datos cuadriculados E­OBS (versión 14.0, descargado en
www.ecad.eu) (Haylock et al., 2008). Este conjunto de datos tiene una resolución
temporal diaria y una resolución espacial de cuadrícula regular de 0,25 × 0,25
grados (aproximadamente 20 × 30 km en la latitud de la cuenca). Se basa en
una interpolación de datos de estaciones terrestres. Tenga en cuenta que, para
las precipitaciones, el promedio diario de un día determinado se calcula entre
las 6.00 UTC de ese día y las 6.00 UTC del día siguiente (Haylock et al., 2008).
Por lo tanto, se utiliza el mismo intervalo para calcular el caudal diario.
Dado que las estaciones de precipitación utilizadas por el conjunto de datos E­
OBS tienen una densidad mucho menor en la parte francesa de la cuenca que
en la parte alemana, como también se desprende de la Fig. 1 de Haylock et al .
(2008), las precipitaciones en las subcuencas con la mayor parte de sus áreas
en Francia (Nietaltdorf, Hauconcourt, Malzeville, Metz, Rosseldange, Toul,
Custines, Epinal, Luneville, Nomeny, Boncourt, Wittring) se recalculan utilizando
datos de estaciones terrestres. (obtenido de M´et´eo France), interpolado con el
método del polígono de Thiessen. Los datos de temperatura se utilizan para
derivar series temporales de evaporación potencial (EPot) , utilizando la ecuación
de Hargreaves de 1985 (Hargreaves y Allen, 2003).
Para el cálculo de los índices climáticos descritos en la Sección 3.3, así como
los representados en la Fig. 2b, se utilizan los datos climáticos concomitantes
con la disponibilidad de datos de caudal en cada subcuenca.
• Paisaje. Los datos del paisaje incluyen mapas de elevación, suelo, litología y
cobertura del suelo:
4
Revista de Hidrología 605 (2022) 127287
• Elevación. El modelo de elevación digital se obtiene de USGS HydroSHEDS
(resolución 78,4 m). La elevación de la cuenca se muestra en la Fig. 1b.
• Cobertura del suelo. Los mapas se generan utilizando la base de datos europea
Corine Land Cover (clc12, versión 18.5, descargada en land.copernicus.eu).
Se consideran cuatro clases de cobertura del suelo: cultivos, bosques, pastos,
áreas desarrolladas (urbanas, industriales, etc.) y humedales (Fig. 1c).
• Litología. Los mapas se obtienen de diferentes fuentes según el país: para
Francia utilizamos la base de datos “BD LISA” (versión 1, nivel 2, orden 1,
escala: 1:250.000, descargada en https://bdlisa.eaufrance . franco), para
Alemania utilizamos el “Geologische Übersichtskarte der Bundesrepublik
Deutschland (GÜK200)” (descargado de www.bgr.bund.de, escala: 1:200.000),
para Luxemburgo el mapa de litología lo obtiene la “Administration de la
gestion de l' eau” (escala 1:250.000), para Bélgica utilizamos la base de datos
ihme1500 (versión 11, descargada en www.bgr.bund. de, escala: 1:1.500.000).
Los datos del IHME tienen una resolución mucho más burda que los otros
mapas; sin embargo, sólo el 3% de la cuenca pertenece a Bélgica (ver arriba).
Los mapas de litología se combinan, lo que resultó en un total de 31 clases de
litología (que se muestran más adelante en la Fig. 7a).
• Suelo. Las propiedades del suelo se obtienen de la base de datos europea de
suelos (versión 2.0). La distribución de la textura del suelo (atributo TEXTO)
en atributos fino, medio­fino, medio y grueso se muestra en la Fig. 1d.
Estos datos se utilizan para el cálculo de las métricas definidas en el
sección siguiente.
3. Metodología
Nuestro enfoque para desarrollar un modelo perceptivo que caracterice
La variabilidad regional del caudal consta de los siguientes pasos básicos:
1. Determinar un conjunto de firmas de flujo que caractericen los rasgos clave de la
variabilidad espacial del flujo.
Machine Translated by Google
F. Fenicia y JJ McDonnell
Fig. 4. Hidrogramas seleccionados que muestran algunas de las similitudes y diferencias en las principales subcuencas para: magnitud del flujo (panel a), partición entre flujo
base y flujo rápido (panel b), tiempo de respuesta (panel c), desfase de tiempo entre hidrogramas (panel d ).
2. Especificar los métodos que son más apropiados para interpretar la
variabilidad espacial de cada firma de flujo individual. 3.
Identificar el paisaje o los atributos climáticos que causan la variabilidad.
de cada firma de flujo individual
4. Sintetizar la interpretación de cada firma individual del flujo en forma de un
modelo perceptivo distribuido, que aclara los procesos dominantes que
afectan la variabilidad espacial del flujo.
Las características previstas del modelo perceptual se representan
esquemáticamente en la Fig. 3. En particular, se espera que el modelo
perceptual incluya la siguiente información: (1) la definición de un conjunto
clave de firmas de flujo que caracterizan las variaciones espaciales del flujo
­capacidad en subcuencas internas, (2) la identificación del paisaje principal o
controles climáticos sobre la variabilidad espacial de cada firma de flujo de
corriente. Luego, dicha identificación debería conducir a una comprensión de
la variabilidad climática o paisajística que importa a esa escala, que se utiliza
para definir regiones de similitud hidrológica, (3) la caracterización de los
procesos dominantes en cada región de similitud hidrológica, que se deriva
de interpretar los procesos que subyacen a la variabilidad de las firmas
individuales del caudal de los ríos, (4) la conectividad entre procesos asociados
a distintas regiones, de ahí cómo las distintas secciones del paisaje se
conectan entre sí para generar la respuesta general de la cuenca, y (5) las
relaciones entre espacios Procesos variables, como por ejemplo cómo un
determinado proceso (por ejemplo, flujo base, escorrentía o enrutamiento de
canales) varía en magnitud dependiendo de las propiedades del paisaje. Los
diversos elementos del modelo perceptivo pueden estar asociados con
distintos grados de confianza, que el proceso de desarrollo ayudaría a
caracterizar.
5
Revista de Hidrología 605 (2022) 127287
En esta sección, describimos la definición de firmas de caudal (Sección
3.1), sus posibles controles de proceso basados en literatura previa (Sección
3.2) y la definición de índices climáticos y paisajísticos utilizados en análisis
posteriores (Sección 3.3).
3.1. Selección de firmas de flujo
Nuestra definición de firmas de flujo fluvial comienza con una inspección
visual de los 26 hidrogramas diseñados para identificar similitudes y
diferencias de hidrogramas. La figura 4 ejemplifica los resultados clave de este análisis:
1. La magnitud del caudal puede variar significativamente entre subcuencas.
Por ejemplo, la Fig. 4a muestra los hidrogramas de Epinal y Luneville, dos
subcuencas vecinas en el sur de la cuenca del Mosela. El caudal de Epinal
parece ser sistemáticamente mayor que el caudal de Luneville.
2. Existen diferencias notables en las proporciones de flujo base versus flujo
rápido entre hidrogramas. Por ejemplo, la Fig. 4b muestra la diferencia
entre los hidrogramas de Niedaltdorf (en el río Nied) y Reinheim (en el río
Biel). Las dos subcuencas están situadas en el centro este de la cuenca
del Mosela y están muy próximas entre sí (las desembocaduras están
separadas por 50 km). Es notable que Niedaltdorf tenga un flujo base
mayor (y un flujo máximo más bajo) que Reinheim.
3. Se encontró que el tiempo que tarda el hidrograma en aumentar en
respuesta a un evento de lluvia varía significativamente entre subcuencas.
Por ejemplo, Niedaltdorf y Nomeny parecen tener características de flujo
base similares, pero Niedaltdorf parece tener una respuesta más llamativa
que Nomeny (Fig. 4c). Además, estas dos subcuencas están estrechamente
Machine Translated by Google
F. Fenicia y JJ McDonnell
Fig. 5. Diagrama de dispersión de firmas de flujo seleccionadas. La correlación es baja, lo que significa que las firmas son relativamente independientes. Tenga en cuenta también que las firmas
presentan una fuerte variabilidad (por ejemplo, el caudal varía entre aproximadamente 200 y 1000 mm/año).
espaciadas (tienen una frontera en común), y la subcuenca con respuesta más
lenta (Nomeny) es la más pequeña de las dos (929 vs 1332 km2 ).
4. Los hidrogramas de aforos consecutivos en la red fluvial, si las áreas de las
subcuencas correspondientes no son significativamente diferentes, pueden ser
muy similares. Por ejemplo, la Fig. 4d muestra el caso de Cochem (la salida de la
cuenca) y Trier (50 km río arriba en distancia lineal).
Aunque los dos hidrogramas son similares, muestran claramente una compensación,
con el hidrograma aguas abajo rezagado.
5. Los hidrogramas también presentan similitudes. En particular, todos parecen
compartir un comportamiento estacional similar, con caudales más altos durante
el invierno y caudales más bajos durante el verano, como se desprende, por
ejemplo, en la Fig. 2.
Estas percepciones visuales han motivado la selección de las siguientes firmas de
flujo, que se definen más específicamente en
Apéndice A:
1. Caudal promedio: Q (mm/año), que es simplemente el largo plazo
promedio de observación del caudal
2. Índice de flujo base: QBFI (­), que indica la proporción del flujo base sobre el flujo
total.
3. Tiempo hasta el pico: QTTP (h), diseñado para reflejar la duración promedio de
Las ramas ascendentes del hidrograma.
4. Retraso relativo: QLag (h), que cuantifica el desfase temporal entre dos
hidrogramas
6
Revista de Hidrología 605 (2022) 127287
5. Fecha de la mitad del caudal: QHSD (d), definida como el número de días en los
que ha transcurrido la mitad del caudal anual a partir del comienzo del año
hidrológico (es decir, el 1 de septiembre, consulte la Sección 2.2), y cuyo objetivo
es capturar la estacionalidad del caudal.
Para análisis adicionales, es importante mantener firmas de flujo que sean
relativamente independientes y muestren suficiente variabilidad. La Fig. 5 muestra que
estas condiciones se aplican para las primeras tres firmas, confirmando las
impresiones visuales de que reflejan rasgos distintivos de la variabilidad del flujo de
corriente. En particular, los valores de correlación de Spearman rs son relativamente
bajos y los valores p ps son relativamente grandes, lo que indica una correlación
significativa. La firma de retraso relativo sólo es aplicable a un par de subcuencas y,
por lo tanto, no es directamente comparable con las otras firmas. La fecha media del
caudal mostró muy poca variabilidad (varió entre el 23 de enero y el 9 de febrero para
todas las subcuencas), lo que confirmó la impresión visual de que los hidrogramas
tienen un comportamiento estacional similar, y motivó su exclusión en análisis
sucesivos.
Vale la pena señalar que las tres primeras firmas enumeradas anteriormente
corresponden en términos generales a las características del hidrograma que los tres
componentes de la eficiencia de Kling Gupta (KGE) pretenden optimizar (Gupta et al.,
2009). En particular, el KGE apunta a igualar el volumen general de flujo, la dispersión
del flujo y el momento del hidrograma, que son características que pueden asociarse
a las tres primeras firmas enumeradas anteriormente.
Machine Translated by Google
F. Fenicia y JJ McDonnell
3.2. Enfoques para identificar controles de procesos en firmas de flujo seleccionadas
Después de haber identificado un conjunto de firmas clave de flujo, planteamos los
siguientes dos conjuntos de preguntas: (1) ¿cuáles son sus posibles controles de proceso?
Y más concretamente, ¿son ya obvios a priori estos controles? Y (2) ¿qué métodos son los
más apropiados para identificarlos?
¿Puede la experiencia hidrológica disponible ayudar a definir métodos personalizados e
interpretables para analizar firmas de caudales individuales, en contraposición a enfoques
estadísticos o de aprendizaje automático de propósito general?
Para responder a estas preguntas, sintetizamos estudios previos que han analizado nuestra
selección de firmas de caudales.
3.2.1. Promedio del caudal
Explicar la variabilidad espacial del promedio del caudal es parte del problema más
general de explorar la variabilidad geográfica del balance hídrico a largo plazo (por ejemplo,
Budyko, 1974; Dooge, 1992; Milly, 1994).
El presupuesto hídrico a largo plazo se puede expresar como:
Q = P − EAct − G
donde la barra superior se utiliza para indicar los promedios a largo plazo y Q, P, EAct
y G representan el caudal, la precipitación, la evaporación real (total) y la salida de agua
subterránea, respectivamente.
De la ecuación. (1), está claro que la variabilidad espacial en Q se debe a la combinación
de P, EAct y G. Sin embargo, en qué proporción estos tres términos contribuyen a esta
variabilidad, y si uno de ellos eventualmente domina sobre el otro, es no está claro a priori.
Además, si bien P puede medirse, los otros dos términos deben estimarse de alguna manera.
La EAct de evaporación a largo plazo se ha relacionado con diversos factores climáticos
y paisajísticos. Quizás la forma más sencilla de representar estas dependencias sea
relacionando EAct con la evaporación potencial promedio EPot mediante un simple “factor
de estrés” (por ejemplo, Peng et al., 2019). El modelo Budyko más popular (Budyko, 1974)
relaciona EAct con EPot y P. Existen varias formulaciones aproximadamente equivalentes
del modelo Budyko (por ejemplo, Daly et al., 2019), incluida la fórmula de un parámetro Turc­
Mezentsev (Turc, 1954; Mezentsev, 1955), ampliamente utilizado en muchas aplicaciones
(por ejemplo, Bouaziz et al., 2018; Andr´eassian y Sari, 2019):
EAct = 1
PAG
b
( 1 + ( P EPot) b ) 1
donde b es un parámetro del modelo. Se ha demostrado que una formulación tan simple
deja varios grados de variabilidad inexplicable según las aplicaciones, lo que se ha atribuido
a diversas características climáticas o paisajísticas no contabilizadas en diferentes estudios,
incluidas las características de la vegetación, la estacionalidad, las propiedades del suelo y
los controles topográficos (p. ej. como se revisa en Greve et al., 2016).
El flujo de agua subterránea, que es la otra incógnita principal en la ecuación. (1), puede
ser un componente importante del balance hídrico a largo plazo. Por ejemplo, Schaller y Fan
(2009) realizaron una extensa investigación sobre 1555 cuencas en los Estados Unidos y
encontraron que las importaciones y exportaciones de aguas subterráneas pueden ser
significativas, principalmente impulsadas por el clima (con cuencas áridas más afectadas),
el tamaño de las cuencas (con las cuencas más grandes son más autónomas) y la
permeabilidad del lecho rocoso (donde una alta permeabilidad del lecho rocoso conduce a
mayores importaciones o exportaciones de agua subterránea). En la cuenca del Mosa,
vecina a la cuenca del Mosela, Bouaziz et al. (2018) encontraron que varias subcuencas se
ven afectadas por un flujo significativo de agua subterránea, lo que se atribuyó al efecto de
la litología. La posible importancia del flujo de aguas subterráneas ha motivado su inclusión
incluso en modelos conceptuales muy simples (Le Moine et al., 2007).
Con base en la descripción anterior, nuestro enfoque para identificar los controles de
proceso en la firma promedio del caudal en la cuenca del Mosela es el siguiente:
Revista de Hidrología 605 (2022) 127287
• Usaremos la Ec. (1) como marco para explicar la variabilidad de la
Presupuesto hídrico regional en la cuenca del Mosela
• Nuestra investigación comenzará con la regresión de Q con P, que se mide. Luego
incluiremos EAct, estimada usando formulaciones simples (p. ej., un factor de estrés
simple) hasta formulaciones más complejas (p. ej., ecuación (2)), y procederemos
tomando en cuenta G, que podría identificarse aprovechando la configuración de cuenca
anidada, lo que implica que la el agua “perdida” en algunas subcuencas debe “ganarse”
en algunas subcuencas vecinas (Bouaziz et al., 2018). De acuerdo con el enfoque de
arriba hacia abajo, no habrá necesidad de investigar más una vez que se obtenga un
ajuste razonable a la Q observada.
En resumen, la ecuación. (1) proporciona el marco para explorar la variabilidad espacial
de Q, pero hasta qué punto es posible explicar esta variabilidad y en qué proporción P, EAct
y G contribuyen a ella, no es obvio a priori. Por lo tanto, examinaremos los datos disponibles
para establecer una explicación plausible para la variabilidad espacial del caudal promedio.
(1) 3.2.2. Índice de flujo base
Varios estudios han indicado que el lecho rocoso es el control más importante de la
variabilidad del índice de flujo base (BFI) (por ejemplo, Lacey y Grayson, 1998; Longobardi
y Villani, 2008; Bloomfield et al., 2009). Este hallazgo tiene una explicación intuitiva, ya que
“el agua subterránea se almacena en las rocas, especialmente si están muy fracturadas, y
esto contribuye al flujo base” (Lacey y Grayson, 1998). Sin embargo, diferentes características
del lecho rocoso pueden describir la relación del lecho rocoso con las características del
flujo base en diferentes lugares. Por ejemplo, en la cuenca de Alzette en Luxemburgo, la
variabilidad del índice de flujo base se correlacionó con los tipos de litología (Pfister et al.,
2017), mientras que en las Cascadas de Oregón se explicó por la madurez del paisaje más
que por el tipo de litología (Tague y Subvención, 2004).
Además de las propiedades del lecho rocoso, en diferentes estudios se encontró una
gran cantidad de controles paisajísticos o climáticos adicionales responsables de la
variabilidad regional del índice de flujo base (por ejemplo, Price, 2011). Utilizando 8.600
cuencas en Estados Unidos, Santhi et al. (2008) encontraron que el “alivio” (elevación
máxima menos mínima en la cuenca) era la variable más fuertemente correlacionada con el
BFI, y un relieve más bajo conducía a un flujo base más alto; utilizando 3394 cuencas en
todo el mundo, Beck et al. (2013) encontraron que el BFI se relacionaba mejor con la media
y la estacionalidad de la evaporación potencial, la temperatura media anual del aire y la
(2)
profundidad media equivalente del agua de la nieve. También observaron que sus resultados
parecían contradecir la percepción de una relación entre la pendiente o litología y el BFI.
Utilizando 103 cuencas en Europa, Schneider et al. (2007) encontraron que el tipo de suelo
podría usarse para predecir el índice de flujo base, aunque la bondad de ajuste disminuyó
en las áreas del sur; utilizando 67 cuencas en Bélgica, Zomlot et al. (2015) encontraron que
el índice de flujo base se vio afectado principalmente por la cubierta vegetal; utilizando 12
cuencas en Tanzania, Mwa­kalila et al. (2002) encontraron que el índice de flujo base estaba
correlacionado positivamente con la relación entre precipitación y evaporación potencial.
Con base en la revisión anterior, se adopta el siguiente enfoque para
Explique la variabilidad del BFI en el Mosela:
• Comenzaremos haciendo una regresión del BFI a métricas fácilmente accesibles de
similitud de cuencas, incluyendo topografía, suelo y uso de la tierra. • Si los
resultados no son satisfactorios, podemos clasificar la variabilidad de las clases de
litología en un número restringido de clases de permeabilidad relativa del lecho rocoso,
según el juicio de expertos, y hacer una regresión de estas propiedades al índice de
flujo base. Este intento está motivado por el hallazgo de que la litología constituye un
control importante de la variabilidad del caudal en la cuenca de mesoescala de Alzette
en Luxemburgo, que forma parte del Mosela (Hellebrand et al., 2007; Pfister et al.,
2017). Sin embargo, no está claro si estos hallazgos serán válidos a una escala regional
mucho mayor.
En resumen, la variabilidad del BFI depende en principio de múltiples
7
Machine Translated by Google
F. Fenicia y JJ McDonnell
controles, hasta el punto de que puede ser incluso peligroso confiar en la intuición de que
pueden estar relacionados con las propiedades del lecho rocoso. Por lo tanto, nuestro
enfoque será relativamente inclusivo en términos de controles potenciales y potencialmente
requerirá una evaluación cuidadosa de las propiedades hidrológicas del lecho rocoso.
3.2.3. Tiempo hasta el
pico El lapso de tiempo de la rama ascendente del hidrograma se ha indicado mediante
varios términos, incluido el tiempo hasta el pico, el tiempo de concentración, el tiempo de
desfase, el tiempo de respuesta de la cuenca, con varias definiciones (a veces
superpuestas) , algunos consideran la diferencia horaria entre los eventos de lluvia y
escorrentía, y otros consideran únicamente las propiedades del hidrograma (p. ej., Gericke
y Smithers, 2014; Beven, 2020). A pesar de sus diferentes definiciones, dichas firmas de
sincronización están fuertemente correlacionadas entre sí, ya que comparten la misma
intención de caracterizar la duración de la respuesta de un pulso de hidrograma (por
ejemplo, ver la Fig. 2 en Gericke y Smithers, 2014) . En esta sección, utilizamos "tiempo de
pico" para referirnos colectivamente a dichas métricas.
Numerosos estudios previos han relacionado el tiempo hasta el pico con varias
propiedades de cuenca observables. Los modelos más utilizados utilizan relaciones
multiplicativas entre propiedades relacionadas con la topografía, lo que sugiere que el
tiempo hasta el pico aumenta con el tamaño de la cuenca y disminuye con la pendiente de
la cuenca (p. ej., Taylor y Schwarz, 1952; Gericke y Smithers, 2014; Beven, 2020). Las
características de la curva hipsométrica, una medida integrada de la topografía de la
cuenca, también se han relacionado exitosamente con el tiempo hasta el pico, como una
alternativa a otras medidas relacionadas con la topografía (Harlin, 1984; Luo y Harlin,
2003) . Rodríguez­Iturbe y Valdés (1979) desarrollaron una relación teórica entre el tiempo
de pico y el número de Horton, en el intento de superar las limitaciones conceptuales de
las “tantas y poco esclarecedoras regresiones que seguimos usando en la actualidad”.
campo". Sin embargo, esa relación teórica no ha encontrado un alto valor predictivo, como
señaló, por ejemplo, Howard (1990), quien encontró que los números de Horton “en
conjunto representan sólo el 5 por ciento de la varianza explicada en las ecuaciones de
estimación”. En cambio, sus resultados confirmaron que los términos relacionados con el
tamaño de la cuenca y
los gradientes promedio del canal proporcionaron el mayor poder predictivo.
Algunos estudios demostraron que las vías de flujo subterráneo y los medios porosos
relacionados con ellas (suelo y litología) pueden tener un impacto significativo en el tiempo
hasta el pico. Dunne (1978) demostró que los hidrogramas generados por exceso de
infiltración de flujo superficial tenían tiempos de pico 40 veces más cortos que los
´
hidrogramas generados por flujo de tormenta subterráneo. Gaal et al. (2012) utilizaron 396
cuencas austriacas y demostraron que las cuencas kársticas, así como las cuencas
dominadas por esquisto (filita), tenían respuestas mucho más tardías en comparación con
otras cuencas con litología de margas y arcilla. En un estudio sobre 3 cuencas
experimentales con diferente litología, Wrede et al. (2015) mostraron que la cuenca de
esquisto tuvo un pico de tiempo en los primeros días, mientras que las otras dos cuencas
de arcilla y arenisca respondieron casi coincidentemente con la lluvia.
Con base en la revisión anterior, adoptaremos el siguiente enfoque para
investigar la variabilidad del tiempo hasta el pico en la cuenca del Mosela:
• Buscaremos una relación multiplicativa entre paisaje
atributos.
• Las variables dependientes relevantes en los modelos de regresión se determinarán
mediante regresión por pasos (por ejemplo, Berger y Entekhabi, 2001), un método
común que implica agregar variables progresivamente en función de qué tan bien
mejoran el ajuste. Este enfoque tiene la ventaja de que el orden en que se agregan las
variables proporciona información sobre su influencia. Sin embargo, es posible que no
pueda capturar relaciones complejas entre datos más allá de lo previsto.
En resumen, de manera similar a las firmas de caudal anteriores, sería difícil adivinar
a priori qué propiedades paisajísticas o climáticas influirían en la variabilidad espacial del
tiempo hasta el pico en la cuenca del Mosela. Como esta firma se describió principalmente
utilizando relaciones multiplicativas en trabajos anteriores, adoptaremos este marco para
buscar relaciones de ajuste adecuadas.
8
Revista de Hidrología 605 (2022) 127287
3.2.4. Retraso relativo
El retraso que demuestra el flujo a medida que viaja río abajo a lo largo del tramo de
un río es un fenómeno relativamente bien comprendido en la hidráulica fluvial. El desfase
entre hidrogramas en puntos sucesivos a lo largo de un canal puede modelarse mediante
las llamadas ecuaciones de Saint­Venant, que se basan en la conservación de la masa y
el momento en los canales y están bien descritas en muchos libros de texto de hidrología e
hidráulica (p. ej.
Henderson, 1966). Esta ruta, sin embargo, requiere datos exigentes, ya que requiere
información sobre la geometría y la rugosidad del canal, y potencialmente requiere mucha
computación, dependiendo de las simplificaciones que uno esté dispuesto a aceptar. Por lo
tanto, no es práctico que aplicaciones como el uso del modelo perceptivo sirvan de base
para un modelo conceptual, particularmente para una etapa inicial en la que los componentes
principales del modelo conceptual aún no están refinados, y su definición en etapas
sucesivas de desarrollo del modelo puede requerir un uso computacional intensivo.
calibraciones y comparaciones de múltiples variantes de modelos.
Estos argumentos plantean la cuestión de si existen enfoques más simples, aunque no
tan precisos, para modelar dicho retraso. La respuesta puede provenir de la geomorfología
y, en particular, de las leyes de escala que conectan las propiedades hidráulicas y
geomorfológicas de los ríos naturales (por ejemplo, Leopold y Maddock, 1953; Rodríguez­
Iturbe y Rinaldo, 1997). Leopold y Maddock (1953) observaron empíricamente que en
dirección aguas abajo, la velocidad promedio del flujo v aumenta siguiendo una relación de
ley de potencia:
v qα (3)
donde q es el caudal medio (no normalizado por la zona de captación). Las investigaciones
empíricas arrojaron un valor de α = 0,1. Este valor relativamente bajo indica que la
velocidad tiende a permanecer constante o aumentar ligeramente en la dirección aguas
abajo. Considerando que, en una primera aproximación, q aumenta linealmente con la zona
de captación A (por ejemplo,
Rodríguez­Iturbe y Rinaldo, 1997) (q A), y que siguiendo una aproximación de onda
cinemática, la celeridad c, por tanto la velocidad de propagación de la onda de inundación,
es proporcional a la velocidad (v c) (eg Henderson, 1966 ), basado en la ecuación. (3),
se puede suponer c Aα y por tanto:
LABORATORIO
(4)
QLag(QA, QB)
AαAB
donde LAB es la distancia de flujo entre dos ubicaciones A y B, y AAB es el promedio de
las áreas de captación en las dos ubicaciones. Esta relación explica el hecho de que la
celeridad aumenta (y por lo tanto el retraso se reduce) para cuencas más grandes (que
tienen en promedio un flujo mayor).
Por lo tanto, nuestro enfoque propuesto es el siguiente:
• Identificaremos sucesivos medidores para los cuales el área contribuyente intermedia
sea proporcionalmente pequeña y calcularemos el desfase del hidrograma.
• Haremos una regresión de los rezagos calculados para diferentes pares de subcuencas
usando la Ec. (4).
En resumen, a diferencia de las otras tres características del caudal, el desfase relativo
entre hidrogramas se puede estimar utilizando métodos hidráulicos fluviales bien
establecidos. Sin embargo, a priori no está claro hasta qué punto los enfoques simplificados,
como confiar en la ecuación. (4), tienen valor predictivo.
3.3. Selección de índices climáticos y paisajísticos.
Nuestra selección de índices climáticos y paisajísticos se enumera en la Tabla 2. En
términos de índices climáticos, restringimos nuestra selección a la precipitación promedio
y la evaporación potencial, donde el promedio se extendió al período de disponibilidad de
datos de caudal para cada subcuenca (ver Fig. 3). en FMM2022). No consideramos índices
relacionados con la nieve (por ejemplo, Sawicz et al., 2011; Razavi y Coulibaly, 2013) ya
que solo una pequeña fracción de la precipitación cae en forma de nieve (menos del 5% en
cada subcuenca), así como índices que reflejan el desplazamiento de fase. entre
precipitación y
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

Tabla 2 para el Reino Unido (Boorman et al., 1995), y se utiliza en varios estudios (por ejemplo,
Listado de índices climáticos y paisajísticos. Los índices de litología se definen en la Sección Schneider et al., 2007; Yadav et al., 2007; Ali et al., 2012), pero dichos datos generalmente
4.1.2.
no están disponibles en otras regiones.
Símbolos Unidades Descripción Aunque no necesariamente exhaustiva, en comparación con estudios previos sobre la
variabilidad de las características del caudal, nuestra selección de índices de paisaje es
PAG (mm/ Precipitación media
bastante inclusiva. Por ejemplo, no ha sido raro basar la interpretación de la variabilidad
Epot año) Promedio de evaporación potencial espacial del caudal en información topográfica únicamente (ver Ali et al. (2012) para una
revisión). Además, dichos índices se basan en información ampliamente disponible y, por lo
(mm/año) km2
Área total del sublote
L (arriba)
Área tanto, tienen una amplia aplicabilidad.
l (Arriba) m snm Elevación promedio
ElAvg

L (arriba)
metro
Elevación promedio relativa a la salida de 4. Resultado e interpretaciones
ElRel
la subcuenca
–
L (arriba) ,L(Arriba) ,L(Arriba) Cuantiles de pendiente del 5%, 50% y 95%
SL05 sl50 sl95 Las siguientes secciones presentan la identificación de los controles de proceso en las
l (Arriba) km­ 1 Densidad de drenaje
DrDen 4 firmas de flujo identificadas (Sección 4.1) y su síntesis en un modelo de percepción a
L (arriba)
DstD
kilómetros
Distancia máxima de drenaje escala regional de la cuenca del Mosela (Sección 4.2). El Apéndice B incluye un análisis de
l (Arriba) kilómetros
Distancia geométrica desde el punto de correlación entre todos los índices paisajísticos, índices climáticos y señales de caudal, que
DstG
máxima distancia de drenaje hasta la salida proporciona una visión general amplia de varias dependencias y complementa los análisis
–
L (arriba) ,L(Arriba) ,L(Arriba) Fracción de humedal, ladera y meseta específicos presentados en la Sección 4.1. Para capturar dependencias potencialmente no
Húmedo Hil Plt
(según la topografía)
– lineales utilizamos la correlación de Spearman rs, para la cual normalmente se supone un
L(Lnd) ,L(Lnd) ,L(Lnd) ,L(Lnd) ,L(Lnd)
Fracciones de cultivos, bosques, pastos,
crp Para pas Húmedo
umbral de valor p significativo ps < 5%.
desarrollador

tierras urbanizadas y humedales

–
l (Iluminado)
,l (Iluminado)
Permeabilidad del lecho rocoso
l ,L(encendido)
METRO h
baja, media y alta.
–
l (Stx)
,l (Stx)
,l (Stx)
,L(Stx)
Textura del suelo fina, media­fina, media
Aleta MeF Medicina crs
y gruesa.

4.1. Identificación de controles de proceso en firmas de flujo.

evaporación (por ejemplo, Berghuijs et al., 2014), ya que las cuencas se encuentran en la
4.1.1. Explicando la variabilidad en el “caudal promedio”
misma región climática y, como ya se observó (Sección 3.1), los hidrogramas tienen un
comportamiento estacional similar. Como se describe en la Sección 3.2.1, Ec. (1) proporciona el marco para explorar la
variabilidad del presupuesto hídrico a largo plazo. Nuestro enfoque para identificar los
Los índices de paisaje se extraen utilizando los cuatro mapas descritos en la Sección
2.2 (topografía, uso del suelo, litología y textura del suelo). Como utilizamos varios índices principales factores de influencia sobre la variabilidad en Q procedió a tener en cuenta P,

de paisaje, para minimizar la confusión, los representamos con la notación L(Y) EAct y G, hasta lograr un ajuste suficiente al Q observado. Los modelos aquí propuestos
fueron probados con regresión de mínimos cuadrados y evaluados en términos de eficiencia
x, donde L representa el índice de paisaje, Y indica el mapa
de Nash y Sutcliffe, FNS.
subyacente (Top, Lnd, Lit y Stx respectivamente) y X indica el atributo específico (consulte
la Tabla 2 para obtener la lista completa). Comenzamos con un modelo muy simple donde Q está relacionado con P y los otros

Nuestra selección de índices paisajísticos se justifica de la siguiente manera. En términos de L

términos se combinan en una única constante b:

(arriba)
topografía, índices como ElRel y las medidas de pendiente son (5)
L (arriba)
Área , ElAvg, L (arriba) Q = P ­ segundo

uno de los más comúnmente utilizados en estudios que examinan la variabilidad espacial
Este modelo ya proporcionó un rendimiento excepcionalmente bueno, con FNS = 0,91.
de las firmas de flujo (ver Ali et al. (2012) para una revisión). Índices L(arriba)
Este desempeño relativamente alto indicó que el margen de mejora era pequeño. Como se
como y L (arriba)
L (arriba)
Dr.Den, DstD DstG son típicos en la geomorfología de las cuencas describe en la Sección 3.2.1, un intento obvio de desarrollar la Ec. (5) fue caracterizar mejor
(Rodríguez­Iturbe y Rinaldo, 1997) y también se utilizan en algunos estudios de clasificación el término de evaporación, al incluir sus controles potenciales. Como se analizó en la
(ver Ali et al. (2012) para una revisión). Los índices L(arriba) mojado , Sección 3.2.1, la evaporación potencial es un control de primer orden sobre la evaporación
real, y una forma sencilla de explicar su efecto es la siguiente:
L (arriba)
Hola , L (arriba)
Plt son las fracciones de “humedal”, “ladera” y “meseta” topográficas introducidas
por Gharari et al. (2011), donde “humedal” es el paisaje con una “altura sobre el drenaje más
cercano” inferior a un umbral especificado (en este caso 10 m), y el resto del paisaje se Q = P − bEPot (6)
divide en “ladera” y “meseta” si la pendiente es mayor. o inferior a un umbral especificado
(en este caso 11%, según Gharari et al. (2011)). donde b en este caso representa la proporcionalidad entre la evaporación potencial (EPot) y
real. Este modelo resultó en FNS = 0,87 y, por lo tanto, no mejoró el ajuste en comparación
En muchos estudios se utilizan fracciones de tipos de cobertura terrestre como las con la ecuación. (5).
definidas aquí (Tabla 2) (por ejemplo, Zhang et al., 2004; Yadav et al., 2007; Oudin et al., Finalmente, consideramos el modelo de Budyko de la ecuación. (2), que, como se
2008; Razavi y Coulibaly, 2013; Kuentz et al. otros, 2017). La cobertura del suelo también analiza en la Sección 3.2.1, es un enfoque establecido para representar el balance hídrico
se expresó mediante métricas alternativas, como el índice de área foliar (p. ej., Sawicz et al., de la cuenca a largo plazo:
2011; Addor et al., 2017), o métricas orientadas a reflejar la biomasa vegetal (p. ej., Jencso
PAG
y McGlynn, 2011), que aquí no lo consideramos. Q = P­ _ (7)

La litología a menudo se representa directamente a través de la fracción ocupada por
las formaciones litológicas (por ejemplo, Bloomfield et al., 2009; Jencso y McGlynn, 2011;
Fenicia et al., 2016; Kuentz et al., 2017). Como estas formaciones pueden ser muchas, es
útil agruparlas en clases más generales (p. ej., Yadav et al., 2007; Hellebrand et al., 2008;
Dal Molin et al., 2020).
La formulación de índices litología adecuados se explora en la Sección 4.1.2.
Utilizamos la textura del suelo para caracterizar los datos del suelo (Tabla 2), como es
común en muchos estudios (p. ej., Addor et al., 2017; Kuentz et al., 2017).
Las características alternativas del suelo resultaron útiles para fines hidrológicos, como el
sistema de clasificación "Hidrología de tipos de suelo" desarrollado.
b
( 1 + ( P EPot) b ) 1
donde b se trató como un parámetro de calibración. Este modelo arrojó FNS = 0,90, que es
intermedio entre los dos modelos anteriores.
La Fig. 6a muestra la excelente correlación entre Q y P (correlación de Spearman rs =
0,92, y el valor p correspondiente ps cercano a cero, lo que indica una alta significancia), lo
que sugirió que P era el control dominante sobre Q y automáticamente restó importancia a
otros potenciales. control S. La Fig. 6b muestra la mala correlación entre los promedios
reales (diferencia entre la precipitación observada y el caudal promedio a largo plazo) y el
potencial.

9
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

Fig. 6. Correlación entre los promedios de precipitación y caudal (panel a), y los promedios de evaporación potencial y real (panel b) en todas las subcuencas. La precipitación
parece ser un factor de fuerte influencia en el caudal, mientras que la evaporación potencial no muestra influencia en la evaporación real.

Los índices basados en topografía, uso de la tierra y suelo fueron generalmente bajos
Tabla 3
(correlación de Spearman rs ≤ 0,55). Por lo tanto, nos embarcamos en la tarea de clasificar
Reclasificación de clases de litología (ordenadas por área decreciente que ocupan
la variabilidad de la litología en clases de permeabilidad relativa (Sección 3.2.2). En
en la cuenca del Mosela) en clases de permeabilidad. La fracción de área indica el
particular, definimos tres clases de permeabilidad: baja, media y alta, representadas con
“peso” de cada decisión de reclasificación. La columna de fracción de área acumulada
muestra que las clases 1 a 15 ya representan el 95% del área de captación. los símbolos L(Lit) l ,
Las clases de permeabilidad baja, media y alta representan el 50%, 25% y 24% del m, y L(encendido) respectivamente (Tabla 2). Utilizando el juicio de expertos, como se
L (iluminado)
h
área de captación respectivamente.
describe a continuación, reclasificamos cada una de las clases de litología en una de estas
clase de litología Área de Indiana Semen. área Permeabilidad tres clases de permeabilidad.
fracción fracción
La Tabla 3 enumera las clases litológicas ordenadas por el área que ocupan en la
Caliza 1 17,22% 17,22% Medio cuenca del Mosela. Las primeras 15 formaciones ya ocupan el 95% de la cuenca. Con
Marga 2 13,46% 30,69% Bajo
referencia a estas formaciones, se utilizó la siguiente racionalidad para su clasificación:
Esquisto 3 13,07% 43,75% Bajo
formaciones como margas, esquistos, rocas dolomitas y basamentos cristalinos fueron
Roca dolomita 4 12,49% 56,24% Bajo
Arenisca 5 11,60% 67,84% consideradas como de baja permeabilidad, aquellas formadas por partículas finas o roca
Alto
Aluvión 6 5,93% 73,77% Alto dura; formaciones como areniscas, aluviones, arenas, gravas y conglomerados fueron
Sótano cristalino 7 4,23% 77,99% Bajo consideradas como de alta permeabilidad, notablemente capaces de almacenar y transmitir
arenisca y 8 3,96% 81,95% Alto agua; la caliza fue considerada de permeabilidad media, intermedia entre arenisca y
conglomerado
Arenisca y marga 9 3,02% 84,98% Medio
marga; las formaciones mixtas se consideraron de permeabilidad media si la formación
Arenisca y limolita 10 2,26% 87,24% Medio permeable se mencionaba primero (por ejemplo, arenisca y marga), y de baja permeabilidad
cuarcita 11 1,74% 88,98% Bajo si se mencionaba primero la formación impermeable (por ejemplo, marga y arenisca). El
Arenisca y esquisto 12 1,65% 90,63% Medio
mapa de litología original y el mapa final de permeabilidad del lecho rocoso se muestran
Caliza y marga 13 1,56% 92,19% Bajo
en la Fig. 7.
Arena y grava 14 1,50% 93,69% Alto
Limo 15 0,83% 94,53% Bajo

Arenisca, limolita y esquisto dieciséis 0,80% 95,33% Medio La Fig. 8a muestra que hubo una correlación fuerte y altamente significativa (rs =
0,84, ps cercano a cero) entre el índice de flujo base QBFI y la fracción de lecho rocoso
Carbón 17 0,72% 96,06% Alto
Marga y piedra caliza 18 0,72% 96,77% Bajo
con alta permeabilidad L (Lit). h . Dicha relación fue cercana a
Roca volcanica 19 0,59% 97,37% Bajo lineal, ya que la correlación de Pearson también fue alta (rp=0,87), por lo que podría
arcosa 20 0,56% 97,92% Bajo expresarse de la siguiente manera:
Areniscas, conglomerados y 21 0,49% 98,42% Medio
margas QBFI a + L(iluminado) (8)
h
Grava y arena 22 0,31% 98,72% Alto
Limolita, arenisca y esquisto 23 0,29% 99,01% Bajo
donde es el signo de proporcionalidad.
Marga y dolomita 24 0,25% 99,26% Bajo Esta relación se prestó a una interpretación obvia, ya que la alta permeabilidad del
Marga y arenisca 25 0,17% 99,43% Bajo lecho rocoso favorece el flujo de agua subterránea, lo que produce un flujo base. Un
Limo y esquisto 26 0,14% 99,57% Bajo intento obvio de mejorar la ecuación. (8) por lo tanto, debía considerar también el lecho
Arena 27 0,12% 99,68% Alto rocoso de permeabilidad media en la ecuación, ya que esto también puede contribuir al
limolita 28 0,11% 99,79% Bajo
Roca plutónica 29 0,11% 99,90% Bajo
flujo base, aunque en menor medida. Por tanto, consideramos la siguiente ecuación:

Conglomerado 30 0,06% 99,96% Alto

Esquisto y arenisca 31 0,04% 100.00% Bajo
QBFI a + L(iluminado)
h
+ bL(encendido)
METRO
(9)

La optimización de los coeficientes para minimizar los mínimos cuadrados resultó en

evaporación, lo que explica por qué tener en cuenta EPot en las ecuaciones no mejoró el
cierta mejora (rs = 0,89, rp = 0,90) y un parámetro optimizado b = 0,30 (Fig. 8b).
ajuste.
El ajuste relativamente bueno obtenido con los modelos anteriores sugirió una pequeña
influencia de G. Por lo tanto, en lo que respecta al balance hídrico a largo plazo, parecía
4.1.3. Factores de influencia en la firma del “tiempo hasta el pico” El
razonable suponer que las subcuencas son estancas.
análisis de correlación por pares en la Tabla A1 mostró que QTTP no se correlacionaba
fuertemente con ninguno de los índices seleccionados. Por lo tanto, exploramos las
4.1.2. Factores de influencia en la firma del “índice de flujo base”
relaciones multiplicativas entre los atributos del paisaje utilizando una regresión por pasos
La correlación entre QBFI e índices climáticos o de paisaje
(como se anticipó en la Sección 3.2.3). El QTTP

10
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

Fig. 7. Reclasificación de 31 clases de litología en 3 clases de permeabilidad relativa, basada en juicio de expertos.

Fig. 8. Correlación entre una permeabilidad alta y media del lecho rocoso y el índice de flujo base (panel a), y correlación entre una combinación de permeabilidad alta y media del lecho
rocoso y el índice de flujo base (panel b). La permeabilidad relativa del lecho rocoso parece ser un factor de fuerte influencia en el índice de flujo base.

Tabla 4
Combinación de variables que proporcionan el mejor ajuste a la firma de tiempo hasta el pico (QTTP). Sólo se utilizan tipos de relaciones multiplicativas. El mejor ajuste usando tres
variables sugiere que QTTP aumenta con la distancia geométrica y disminuye con la fracción de uso de suelo desarrollado y con el cuantil del 5% de la pendiente.

Mejor ajuste Segundo mejor Tercer mejor

1 variable 1 r = 0,58 L(Lnd) r = 0,57 L (arriba) r = 0,56

Húmedo DstD
L (arriba)
SL05
2 variables L(Lnd) r = 0,71 L (arriba) r = 0,69 L(Lnd) r = 0,67
Húmedo DstG Húmedo

L (arriba) L(Lnd) L (arriba)

SL05 desarrollador DrDen
3 variables l
(Arriba)
r = 0,78 L (arriba) r = 0,78 L (arriba) r = 0,77
DstG DstD DstG

l (Tierra)
desarrollador
L (arriba)
SL05
L(Lnd)
desarrollador
l (Arriba)
SL05
l (Tierra)
l
desarrollador
(Tierra)
pas
4 variables l (Arriba)
L(Lnd) r = 0,85 L (arriba) l (Tierra)
r = 0,85 l (Arriba)
l (Tierra)
r = 0,84
DstG Para DstG sl95 DstG Húmedo

L(Lnd)
desarrollador
L (arriba)
ElRel
L(Lnd)
desarrollador
l (Arriba)
ElRel
l (Tierra)
desarrollador
l (Arriba)
SL05

medido en Metz fue un valor atípico aparente ya que tenía un valor de 86,5 h y estaba
lo que sugiere que el tiempo hasta el pico aumentó al aumentar la distancia, al disminuir
a 4,7 desviaciones estándar de la media de las otras subcuencas. Por lo tanto, lo
la pendiente y la fracción de uso de suelo desarrollado. La dependencia de las dos
eliminamos del análisis posterior.
primeras variables se reflejó en muchos modelos de tiempo hasta el pico, como se
La Tabla 4 informa las tres mejores relaciones empíricas para el QTTP de firma de
revisó en la Sección 3.2.3, y la dependencia inversa del suelo urbanizado fue intuitiva,
tiempo hasta el pico obtenido con una a cuatro variables. En el Cuadro 4 (primera
ya que la urbanización provoca un drenaje más rápido. También es tranquilizador que
columna) se muestra que al pasar de una a cuatro variables, la correlación de Spearman
las variables de la ecuación. (10) apareció de forma recurrente también en las relaciones
rs aumentó de 0,58 a 0,85; los valores p ya estaban muy por debajo del umbral de
dimensionales inferiores que se muestran en la Tabla 4.
significancia para las correlaciones de una sola variable, y se acercaron a cero cuando
se consideraron múltiples variables. Además del ajuste de los datos, una consideración
4.1.4. Factores de influencia en la firma del “retraso relativo de los hidrogramas”
importante para identificar una relación plausible fue su interpretabilidad. Una relación
Con base en el análisis descrito en la Sección 3.2.4, comenzamos asumiendo que
que parecía cumplir dichos requisitos previos estaba representada por la ecuación de
el desfase entre hidrogramas en dos puntos a lo largo de la red fluvial A y B, QLag,
mejor rendimiento (rs = 0,78) utilizando tres índices de paisaje:
aumenta proporcionalmente con la distancia de flujo entre A y B, LAB:

L (arriba)
DstG
(10) QLag(QA, QB ) LAB (11)
QTTP a+__
L(Lnd) L (arriba)
desarrollador SL05
Basado en el supuesto de que la celeridad debería aumentar ligeramente

11
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

Fig. 9. Correlación entre la distancia de drenaje entre estaciones de aforo sucesivas (A y B) y el retraso del caudal (panel a) y la relación entre la distancia de drenaje y el
área promedio de la subcuenca (con potencia α = 0,1, como lo sugieren Leopold y Maddock ( 1953 ) )) y retraso del caudal (panel b). Los marcadores están codificados
por colores según la proporción entre el área de las subcuencas aguas abajo y aguas arriba, y el color más oscuro indica una proporción mayor.

aguas abajo, como lo indica la Ec. (3), la ecuación se comparó con la siguiente expresión: • La variabilidad en la partición del flujo base versus el flujo rápido se atribuyó
principalmente a la influencia de la litología (Sección 4.1.2). Nuestra interpretación
del proceso fue que la litología afecta la permeabilidad del lecho rocoso. En
LABORATORIO

QLag(QA, QB) (12) particular, a medida que aumenta la permeabilidad, la percolación profunda y el flujo
AαAB
de agua subterránea son progresivamente más dominantes. Como resultado,
nuestro modelo de percepción dividió el paisaje en distintas clases de permeabilidad
donde AAB es el promedio de las áreas de subcuenca en A y B, y el exponente α se fijó
del lecho rocoso (baja, media y alta) asociadas a procesos generadores de
en 0,1, como lo sugieren estudios previos (Sección 3.2.4). Esta relación explica el hecho
escorrentía que determinan distintas reacciones del hidrograma (rápidas, tanto
de que la celeridad aumenta (y por lo tanto el retraso se reduce) para cuencas más
rápidas como lentas, y lentas respectivamente).
grandes (que tienen en promedio un flujo mayor).
• El tiempo de pico podría estar relacionado con la topografía y el uso de la tierra
(Sección 4.1.3). En particular, se encontró que el tiempo hasta el pico aumenta con
Estas dos relaciones se comparan en la Fig. 9. Los marcadores están codificados
el tamaño de la cuenca y disminuye con la pendiente de la cuenca y con una mayor
por colores según la proporción entre el área de las subcuencas aguas abajo y aguas
superficie de suelo urbanizado (por ejemplo, urbano). La relación con el tamaño de
arriba, y el color más oscuro indica una proporción mayor.
la cuenca y la pendiente fue consistente con la mayoría de los modelos de tiempo
Los puntos más oscuros deberían representar pares donde el flujo lateral entre
hasta el pico (Sección 3.2.3). Motivamos la relación con el suelo urbanizado
estaciones es menor y, por lo tanto, ser más representativos.
considerando que la urbanización a menudo resulta en un mejor drenaje, lo que
El coeficiente de correlación de Spearman rs para las ecuaciones. (11) y (12) fueron
provoca una respuesta de captación más rápida. En nuestro modelo de percepción,
0,49 y 0,54, mientras que los valores de p correspondientes fueron 18% y 14% (las
los controles del proceso en el tiempo hasta el pico se representaron
correlaciones lineales de Pearson rp fueron mayores con 0,74 y 0,79 respectivamente),
esquemáticamente a través de retrasos específicos de la subcuenca (marcados en azul en la Fig.
lo que muestra que la variabilidad de QLag fue hasta cierto punto capturado por los dos
• El retraso del hidrograma debido al trazado del canal podría aproximarse usando una
modelos, y la ecuación. (12) fue una mejora en comparación con la ecuación. (11),
relación simple, que aumenta con la longitud de un tramo de río y disminuye con el
aunque persistía una considerable incertidumbre.
flujo promedio (Sección 4.1.4). Esta relación, que se basa en una ley de escala
Estos resultados indicaron que la Ec. (12) proporciona una aproximación de primer
geomorfológica (Sección 3.2.4), puede adoptarse como una primera aproximación
orden de QLag, que evita el uso de modelos de enrutamiento de flujo mucho más
en lugar de modelos de ruta más complejos (aunque potencialmente más precisos).
complejos, cuando se necesita una caracterización de nivel aproximado del
En nuestro modelo de percepción, estos efectos de enrutamiento se representaron
comportamiento de la cuenca, como en el desarrollo de modelos conceptuales
esquemáticamente utilizando retrasos específicos del alcance del canal (marcados
parsimoniosos y computacionalmente eficientes.
en rojo en la Fig. 10). • El flujo regional de aguas subterráneas no parecía ser un
proceso dominante (Sección 4.1.1). Por lo tanto, nuestro modelo de percepción omitió
4.2. Un modelo perceptual de la cuenca del Mosela
deliberadamente este proceso y aproximó las subcuencas como estancas. • La
vegetación, la evaporación potencial y el suelo no parecieron afectar la
La Fig. 10 presenta nuestro modelo de percepción de la cuenca del Mosela, que
variabilidad de ninguna de las firmas de flujo seleccionadas (Sección 4.1.1 y Apéndice
sintetiza nuestra comprensión de la variabilidad espacial del caudal en las subcuencas
B). Por lo tanto, nuestro modelo de percepción no distinguió entre tipos de vegetación
del Mosela y sus controles de proceso subyacentes, de acuerdo con los objetivos del
y de suelo.
modelo de percepción representados en la Fig. 3. Los principales rasgos del caudal
regional La variabilidad se destiló en cuatro firmas de flujo, a saber, el promedio de flujo
Q, el índice de flujo base QBFI, el tiempo hasta el pico QTTP y el desfase relativo entre
Sostenemos que este modelo perceptual no era obvio a priori. En diferentes lugares,
hidrogramas en estaciones sucesivas QLag. Estas firmas de flujo parecían responder a
la variabilidad espacial del caudal se caracterizó mejor por diferentes firmas del caudal,
distintos controles de proceso:
que respondieron a distintos controles de proceso (Gupta et al., 2013). Por ejemplo, la
cuenca de Thur en Suiza mostró fuertes diferencias en la estacionalidad entre la
respuesta de las subcuencas (Dal Molin et al., 2020), mientras que todas las subcuencas
• Las diferencias en la cantidad de caudal observadas en diferentes sub­
del Mosela tuvieron un comportamiento estacional similar. La cuenca vecina del Mosa
las cuencas estaban relacionadas con la variabilidad espacial de la precipitación
mostró importantes intercambios de agua subterránea entre algunos
(Sección 4.1.1). Por lo tanto, nuestro modelo de percepción consideró la precipitación
distribuida espacialmente, en la resolución de la subcuenca.

12
Machine Translated by Google
F. Fenicia y JJ McDonnell
subcuencas (Bouaziz et al., 2018), mientras que en nuestra configuración los
intercambios de aguas subterráneas se consideraron insignificantes. Además,
como se analizó en la Sección 3.2, incluso la misma firma de flujo puede
responder a distintos controles de proceso en diferentes lugares. Por ejemplo,
aquí atribuimos la variabilidad del flujo base a la permeabilidad de la litología,
mientras que Tague y Grant (2004) demostraron que el índice del flujo base
estaba controlado por la madurez del paisaje, más que por el tipo de lecho
rocoso, en las cascadas de Oregón, y respondía a controles distintos en otras.
áreas en Estados Unidos, lo que motivó modelos de percepción alternativos en
estas distintas áreas (Gnann et al., 2021). Sin embargo, nuestro modelo
perceptual del Mosela era razonable a posteriori. Los controles de proceso
identificados que afectaron cada firma de flujo individual estaban dentro del
rango de controles plausibles basados en el conocimiento previo, como se revisa
en la Sección 3.2. Por lo tanto, parecían justificables desde una perspectiva basada en el proceso.
Nuestro modelo de percepción no distinguió entre suelo y
13
Revista de Hidrología 605 (2022) 127287
Fig. 10. Representación esquemática del modelo
perceptivo de la cuenca del Mosela.
La precipitación controla la variabilidad espacial
del caudal promedio, la litología influye en los
procesos subsuperficiales y, eventualmente, en
la partición del flujo base versus el flujo rápido, y
la topografía y el uso del suelo controlan los
tiempos de retraso del hidrograma. La vegetación
y el suelo no parecieron contribuir a la variabilidad
espacial observada en las firmas del flujo de
agua, y los procesos asociados se consideran
espacialmente uniformes. Los intercambios de
agua subterránea entre subcuencas parecieron
insignificantes en términos del balance hídrico a
largo plazo y, por lo tanto, se omiten.
tipos de vegetación, lo que puede parecer sorprendente, dado que, por ejemplo,
la vegetación y el suelo son algunos ingredientes clave de muchos modelos
distribuidos, como SWAT (Arnold et al., 1998), LARSIM (Demuth y Rademacher,
2016) y PREVAH (Viviroli et al., 2009). Nuestro análisis sugirió que los datos de
caudal considerados no contienen información suficiente para desentrañar el
comportamiento distintivo de los diferentes tipos de suelo o vegetación. Sin
embargo, esta conclusión también puede haber sido el resultado de algunas
limitaciones en nuestro análisis, como la pérdida de información que es inevitable
al comprimir series de tiempo en firmas de caudales o mapas en índices de
paisaje.
5. Discusión
Los modelos de percepción pueden ser la base de varias aplicaciones y
eventualmente pueden hacer avanzar nuestro pensamiento actual sobre los procesos hidrológicos en
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

diferentes lugares (Wagener et al., 2020). Sin embargo, su desarrollo rara vez clasificación desarrollada para el Reino Unido (Boorman et al., 1995), donde los
ha sido transparente y carece de una orientación clara, particularmente a escala suelos se clasifican en función de su influencia en los procesos hidrológicos. (iii)
regional. Este estudio ilustró un camino hacia el desarrollo de un modelo de Distinguir relaciones causa­efecto de meras correlaciones. Varias propiedades
percepción distribuida a escala de cuenca regional basado en una interpretación del paisaje y el clima pueden covariar, lo que hace que no sea trivial eliminar los
de las respuestas de la subcuenca en una cuenca anidada. controles adecuados sobre la variabilidad espacial de las firmas. Recurrir a
Este enfoque complementa el desarrollo tradicional del modelo perceptual enfoques estadísticos genéricos o de aprendizaje automático puede exacerbar
basado en observaciones de campo, que es difícil de llevar a cabo más allá de este problema, ya que estos métodos son estructuralmente complejos y difíciles
la escala de cabecera debido a la disparidad entre las mediciones y la escala de de interpretar. En cambio, recurrir al conocimiento hidrológico puede guiar hacia
los procesos (Beven, 2001a). Nuestro enfoque puede clasificarse como “de interpretaciones significativas de los procesos, ofreciendo conocimiento previo
arriba hacia abajo” en el sentido de que busca una descripción del proceso de relaciones plausibles de causa y efecto y ayudando a refinar dichas relaciones
“introduciendo los dedos en los procesos (de menor escala) desde a través de métodos basados en procesos. En nuestro estudio, la interpretación
arriba” ( Sivapalan et al., 2003). Las principales ventajas de este enfoque son de distintas firmas se basó en métodos individuales, que recurrieron al
que produce una descripción del proceso directamente en la escala de interés y conocimiento hidrológico común. Por ejemplo, como se muestra en la Tabla A1,
que las decisiones del modelo de percepción están respaldadas por los datos el caudal promedio se correlacionó bien no solo con la precipitación promedio
disponibles (Sivapalan et al., 2003). Un desafío específico de este enfoque está (rs=0,92), sino también con la elevación promedio o la proporción de bosque
representado por los “límites de división” (Beven, 1996), y por ende, por el grado (rs≥0,80). La ecuación de continuidad ayudó a seleccionar la precipitación como
en que es posible desagregar la respuesta de la cuenca en controles de procesos la “causa” correcta de la variabilidad promedio del caudal.
individuales. Demostramos que al aprovechar una configuración de cuenca Sin embargo, sin un marco hidrológico, deshacer el control correcto puede no
anidada, es posible desenredar los controles individuales en firmas de respuesta haber sido tan obvio, particularmente en un posible escenario donde la
de subcuencas específicas e informar un modelo de percepción distribuido. precipitación hubiera resultado en una correlación más baja que otras variables
Aunque nuestro modelo de percepción es específico del Mosela, el enfoque de debido a la mala calidad de los datos. (iv) Sintetizar resultados en forma de
desarrollo del modelo de percepción propuesto es general y su viabilidad fomenta modelo perceptivo. Este es un proceso de iteración, abstracción y síntesis, que
su adopción para construir modelos de percepción a escala regional en otros lugares. busca una descripción plausible del comportamiento general del sistema que
La configuración de cuenca anidada se sitúa entre la cuenca individual y el explique un conjunto de evidencias individuales. Tal proceso de síntesis es la
estudio de muestra de cuenca grande, favoreciendo un equilibrio intermedio esencia de la formulación del modelo perceptivo, que reúne todos los análisis de
entre “profundidad” y “amplitud” (Gupta et al., 2014), por lo tanto, entre la interpretación de datos individuales en una interpretación coherente del
comprensión del proceso y la capacidad de generalización. comportamiento de la cuenca. En este proceso, el papel del experto hidrológico
Si bien se reconoce la necesidad de ir más allá de las “idiosincrasias” de las es la clave para fortalecer la plausibilidad de una explicación basada en procesos.
cuencas individuales (McDonnell et al., 2007), la configuración de cuencas
anidadas reconoce la importancia del conocimiento específico de la región, que Es importante reconocer que un modelo perceptivo está sujeto a sus propias
a menudo es la clave para interpretar la variabilidad inexplicable de muestras incertidumbres. En particular, existen fuentes de incertidumbre que afectan el
grandes. estudios (Gnann et al., 2021). Una ventaja clave de la configuración de cálculo de los índices climáticos, los índices paisajísticos y las firmas de caudales
cuencas anidadas es que permite controlar los intercambios de agua entre (Westerberg y McMillan, 2015). Por ejemplo, notamos que ocasionalmente los
subcuencas. Este control permite estudiar aspectos como los procesos de mapas litológicos presentaban claras discontinuidades, tanto en la frontera entre
encaminamiento o los intercambios de aguas subterráneas, que resultan más países, como en la separación entre mapas adyacentes de un mismo país.
difíciles de examinar cuando se consideran las cuencas de forma aislada. Por También notamos que, ocasionalmente, no fue posible evaluar si las series de
ejemplo, como señala Beven (2001b): “la ecuación de continuidad es la ley más tiempo de caudal se midieron en verano o en invierno, lo que podría haber
fundamental en hidrología, pero como hipótesis parecería que actualmente no inducido un sesgo al calcular las firmas de tiempo de retraso. Los errores en la
podemos verificarla a escala de cuenca”, ya que “todavía no hay forma de curva de calificación podrían agregar un sesgo a la evaluación de los promedios
verificarla”. comprobar si la cuenca es efectivamente estanca”. Si bien esta de caudal. El enfoque de filtrado del caudal y su parametrización pueden afectar
afirmación es cierta cuando se estudian las cuencas de forma aislada, la el cálculo del índice de caudal base; sin embargo, no se espera que estas
configuración de las cuencas anidadas facilita tales controles, ya que las decisiones afecten significativamente la clasificación relativa de las cuencas, que
exportaciones de agua subterránea en algunas subcuencas tendrían que ser era el objetivo principal de dichos análisis del índice de flujo base. También
compensadas por la importación de agua subterránea en algunas subcuencas vecinasexisten
(Bouaziz et al., 2018) .en la interpretación de la variabilidad de las características
incertidumbres
Nuestro enfoque propuesto para el desarrollo de modelos de percepción se del caudal. Estas interpretaciones a menudo requieren decisiones de expertos,
basó fundamentalmente en el papel del experto en hidrología. Este papel se vio que no siempre son obvias. Debido a tales fuentes de incertidumbre, el modelo
cada vez más cuestionado en los enfoques modernos de desarrollo de modelos, perceptual debe considerarse como una hipótesis del comportamiento de la
como en el modelado distribuido donde “la recopilación de datos de campo está cuenca y, por lo tanto, susceptible de crítica y revisión.
motivada principalmente por la parametrización del modelo” (Burt y McDonnell,
2015), y las técnicas de aprendizaje automático que desafían la suposición “de La experiencia hidrológica descrita anteriormente puede ser aportada por
que el mundo necesita nuestro teorías y experiencia” (Nearing et al., 2021). En hidrólogos con diversos antecedentes. Por ejemplo, tanto el experimentalista
nuestro enfoque, el conocimiento experto fue esencial en las etapas clave del como el modelador pueden contribuir a las etapas clave del proceso de modelado
proceso de modelado perceptual y, en particular, en: (i) Interpretar las series perceptual descrito anteriormente, mostrando que el “diálogo entre el
temporales de respuesta de la cuenca y ayudar a definir firmas significativas de experimentalista y el modelador” (Seibert y McDonnell, 2002) puede tener lugar
la respuesta de la cuenca. Sin el juicio de expertos es fácil pasar por alto rasgos también más allá de la escala de cabecera. . La diferencia es que mientras que
importantes de la respuesta de la cuenca. Por ejemplo, las firmas de tiempo a escala de cabecera dicho diálogo puede seguir un enfoque de abajo hacia
hasta el pico, que se consideraron importantes en este estudio, no se arriba, desde las mediciones a pequeña escala hasta los procesos a escala de
consideraron ni siquiera en una recopilación completa de firmas de flujo (p. ej., cabecera, a escala regional, debido a las limitaciones de las mediciones, debe
Yadav et al., 2007; Addor et al., 2017). (ii) Agrupar datos resueltos espacialmente seguir un enfoque opuesto de arriba hacia abajo. , desde las respuestas del flujo
en clases que sean potencialmente útiles para la hidrología. Los indicadores de hasta los procesos que las han generado. Como los modelos perceptivos suelen
cuencas fácilmente disponibles pueden no contener aquellos que son más ser la base de los modelos conceptuales, el enfoque aquí descrito puede
significativos desde el punto de vista hidrológico (Oudin et al., 2010). En nuestro proporcionar una plataforma para una mayor participación del experimentalista
caso, por ejemplo, la clave para explicar la variabilidad del índice de flujo base en el proceso de desarrollo del modelo distribuido. En otras palabras, involucrarse
se basó en una reclasificación impulsada por expertos de 31 clases de litología en tresen
clases de permeabilidad.
el desarrollo estructural del modelo en lugar de limitarse a la recopilación de
Un esfuerzo análogo para reclasificar datos en información hidrológicamente datos para la parametrización del modelo (Burt y McDonnell, 2015). En FMM2022
relevante está representado por la Hidrología de tipos de suelos (HOST). ilustramos cómo el modelo perceptivo propuesto puede proporcionar

14
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

indicaciones útiles sobre qué tener en cuenta y qué ignorar en el desarrollo de un modelo
distribuido conceptual.
6. Conclusiones
Este artículo ha presentado un enfoque de arriba hacia abajo para construir un modelo
de percepción de la variabilidad del caudal a escala regional, basado en la interpretación de
las respuestas de las subcuencas. Utilizamos la cuenca del Mosela con 26 subcuencas
calibradas y basamos nuestro modelo de percepción en la interpretación de la variabilidad
regional del caudal. Nuestro enfoque se basó fundamentalmente en el conocimiento experto
que puede ser aportado tanto por el experimentalista como por el modelador, y va más allá
del diálogo previo entre el experimentalista y el modelador, que hasta ahora se ha centrado
principalmente en escalas de cuencas de laderas y cabeceras. Este conocimiento experto
fue especialmente útil para "leer" series temporales de caudales y sintetizarlas en un
conjunto de firmas de caudales, para distinguir las relaciones causa­efecto de meras
correlaciones de datos y, en última instancia, sintetizar los resultados en forma de un
modelo de percepción. El modelo de percepción resultante fue razonable a posteriori, ya
que podría justificarse mediante la comprensión del proceso, pero no obvio a priori, dadas
las muchas causas posibles que potencialmente pueden afectar la variabilidad regional del
caudal dentro de una cuenca anidada.
El flujo de agua subterránea que se extiende más allá de los límites de la subcuenca no
parece ser significativo. Además, la vegetación y el suelo no parecieron desempeñar un
papel importante en la explicación de la variabilidad espacial de las firmas del flujo de agua.
Aunque el modelo de percepción es específico del contexto particular del Mosela,
creemos que el enfoque general para desarrollar este modelo de percepción es aplicable a
otras cuencas anidadas. En particular, las directrices propuestas sobre cómo explotar el
conocimiento experto o incluso enmarcar un diálogo entre experimentalistas y modeladores
a escala regional, y su empleo para utilizar los datos proporcionados para interpretar los
procesos de cuenca dominantes, pueden servir como base para construir modelos de
percepción en otros lugares y con diferentes condiciones de disponibilidad de datos.
Finalmente, los modelos perceptivos son generalmente versátiles en el sentido de que
pueden ser la base de muchas aplicaciones. Por lo tanto, su desarrollo merece una atención
especial. En FMM2022 ilustramos cómo se puede utilizar el modelo de percepción propuesto
para informar el desarrollo de un modelo hidrológico distribuido pero parsimonioso. Esta
aplicación, sin embargo, no excluye el uso del modelo de percepción que se muestra aquí
para otros fines, ni su revisión o perfeccionamiento en estudios futuros.
Declaración de contribución de autoría CRediT

En resumen, nuestro modelo de percepción de Mosela estableció que la variabilidad
regional del flujo de la corriente podría ser capturada por 4 firmas de flujo: el promedio del
flujo de la corriente, el índice de flujo base, el tiempo hasta el pico y el desfase relativo entre
hidrogramas. Estas firmas de caudal se vieron afectadas por distintas características
climáticas o paisajísticas y respondieron a diferentes procesos, que podrían considerarse
"dominantes" en el contexto actual. La variabilidad espacial de la precipitación afectó
significativamente las diferencias en la cantidad de caudal observada en diferentes
subcuencas, lo que se atribuyó a procesos asociados al balance hídrico de largo plazo. La
litología, y en particular su permeabilidad relativa, tuvo una fuerte influencia en la partición
del flujo base versus el flujo rápido.
La topografía y el uso de la tierra parecieron afectar principalmente el tiempo de pico y el
retraso relativo del hidrograma, debido a procesos relacionados con el enrutamiento del
flujo y el drenaje. La ruta del río fue responsable del desfase entre los hidrogramas en las
sucesivas estaciones aguas abajo. La identificación de todos estos controles sobre la
variabilidad espacial de las firmas del caudal restó importancia a otros controles potenciales.
En particular, regionales
Fabrizio Fenicia: Conceptualización, Metodología, Análisis formal, Redacción ­ borrador
original. Jeffrey J. McDonnell: conceptualización, metodología, redacción: revisión y edición.
Declaración de intereses en competencia
Los autores declaran que no tienen intereses financieros en competencia ni relaciones
personales conocidas que pudieran haber influido en el trabajo presentado en este artículo.
Expresiones de gratitud
Agradecemos a los diversos proveedores de datos enumerados en la Sección 2.2.
También agradecemos a Dennis Meissner (BfG) por sus comentarios constructivos sobre
este artículo, así como por compartir datos y experiencia sobre la cuenca del Mosela.
Agradecemos a Laurene Bouaziz por brindarnos valiosos aportes sobre una versión anterior
de este trabajo y por indicarnos las fuentes de datos francesas.

Apéndice A. Definición de firmas de flujo

Caudal promedio: Q (mm/año). El promedio del caudal se define de la siguiente manera:

1
q= ∑NT cuarto (13)
Nuevo Testamento
t=1

donde Q indica el caudal en una subcuenca individual, t es el índice de tiempo, NT es el número de observaciones y la barra superior indica el
promedio durante el período de observación.
Índice de flujo base: QBFI (­). El índice de flujo base se define como:

QBFI = ∑NT Q(b)

t / ∑NT cuarto (14)
t=1 t=1

donde Q(b)t es el flujo base en un momento dado. Lyne y Hollick (1979) propusieron un filtro popular para calcular el flujo base :

1− b
Q(b)
t t­1 + (15)
= mín( Qt, bQ(b) 2 (Qt­ 1 + Qt) )

Según lo recomendado por Nathan y McMahon (1990), el filtro se aplicó al caudal diario, utilizando tres pasadas (hacia delante, hacia atrás y hacia delante),
con el parámetro de filtrado b establecido en 0,925.
Tiempo de pico: QTTP (h). Para caracterizar el tiempo hasta el pico, consideramos el tiempo que ocurre desde el comienzo de la rama ascendente hasta la descarga máxima, utilizando
datos de flujo de resolución horaria. Para obtener un valor representativo de toda la serie temporal se utilizó el siguiente procedimiento:

15
Machine Translated by Google

F. Fenicia y JJ McDonnell Revista de Hidrología 605 (2022) 127287

• Extrajimos los brazos ascendentes de los hidrogramas. •

Eliminamos todas las extremidades ascendentes donde la elevación total es inferior a un umbral especificado q, que se estableció en la diferencia entre el 95% y el 5%.
cuantiles del caudal. • Calculamos
la duración del tiempo de las extremidades ascendentes restantes T1:NR , donde NR representa el número de extremidades ascendentes. • Usamos el
cuantil del 50% de T1:NR :

QTTP = q50(T1:NR ) (dieciséis)

Retraso relativo: QLag (h). Para estimar el desfase entre hidrogramas en estaciones sucesivas (indicadas con QA y QB) se procedió de la siguiente manera:

• Determinamos pares de estaciones considerando para cada estación la correspondiente estación sucesiva aguas abajo en la red fluvial. • Excluimos pares para los cuales la
relación entre el área de la subcuenca aguas arriba y el área de la subcuenca aguas abajo es menor que
un umbral a, que se fijó en 0,3. Este umbral evita un área contribuyente excesivamente grande entre estaciones.
• Calculamos la correlación cruzada de Pearson R− entre el hidrograma aguas abajo QB y el hidrograma aguas arriba retrasado QA, permitiendo
Países Bajos: Países Bajos

retrasos ± NL de hasta ± 20 h. •
Consideramos el rezago iL que resulta en la máxima correlación cruzada de Pearson

QLag = iL tal que max(R− NL:NL ) = RiL (17)

• Además, excluimos pares de estaciones para las cuales iL fue negativo.

Fecha de medio caudal: QHSD (d). Para confirmar que los hidrogramas tienen patrones estacionales similares, utilizamos la fecha de mitad de caudal (Court, 1962), definida como el
número de días en los que ha transcurrido la mitad del caudal a partir del inicio del año hidrológico (es decir, el 1 de septiembre, ver Sección 2.2), promediado entre los años hidrológicos.

Apéndice B. Correlación de todos los descriptores climáticos, paisajísticos y de caudal

La Tabla A1 presenta la matriz de correlación de Spearman entre índices de paisaje, índices climáticos y firmas de caudal. En términos de correlaciones entre las firmas del caudal y otros

índices, la Tabla A1 mostró que (1) Q tuvo la correlación más alta con P (rs=0,92), seguida de L(Lnd) Para

(rs=0,83) y L(Arriba) (rs=0,80) y otras características topográficas (por ejemplo, pendiente), (2) QBFI tuvo una alta correlación con L(Lit) h
(rs=0,84). La correlación con
ElAvg
otras métricas fue mucho menor; y (3) QTTP tuvo la correlación más baja con las métricas seleccionadas (rs<0,55).
En términos de índices climáticos y su relación con los índices de paisaje, la Tabla A1 mostró que P estaba correlacionado positivamente con varias topografías y L (Arriba)
Las características, L (arriba)
SL95 , L (arriba)
Dr.Den,
L(Lnd)
Para , (todos con rs > 0,70); EPot se correlacionó negativamente con L(Top) (rs=­0,82).
ElAvg ElAvg
como los índices climáticos y las firmas de caudales no estaban correlacionadas internamente, pero varias características del paisaje covariaban. Se encontró una correlación relativamente
alta no sólo para índices basados en los mismos mapas subyacentes, sino también para índices basados en mapas diferentes. Por ejemplo, hubo una fuerte correlación entre L(Lnd)
y L (arriba) (rs=0,87), y entre L(Lnd) y L (arriba) (rs=0,84).
crp Húmedo Para Hil

Tabla A1
Matriz de correlación de Spearman entre índices de paisaje, índices climáticos y firmas de caudal. La matriz es simétrica y los valores se informan únicamente para la
mitad inferior.

dieciséis
Machine Translated by Google

F. Fenicia y JJ McDonnell
Revista de Hidrología 605 (2022) 127287

Referencias explotando la similitud variable en el tiempo entre los elementos del modelo. Hidrol. Sistema Tierra.
Ciencia. 24 (9), 4389–4411. https://doi.org/10.5194/hess­24­4389­2020.
Fenicia, F., Kavetski, D., Savenije, HHG, Pfister, L., 2016. De variable espacial
Addor, N., Newman, AJ, Mizukami, N., Clark, MP, 2017. El conjunto de datos CAMELS:
Caudal a modelos hidrológicos distribuidos: análisis de decisiones clave de modelado.
atributos de cuencas y meteorología para estudios de muestras grandes. Hidrol. Sistema Tierra.
Recurso Acuático. Res. 52 (2), 954–989. https://doi.org/10.1002/2015WR017398.
Ciencia. 21 (10), 5293–5313. https://doi.org/10.5194/hess­21­5293­2017.
Fenicia, F., Meißner, D., McDonnell, J. (2022), Modelado de la variabilidad del caudal a escala regional: (2)
Addor, N., Nearing, G., Prieto, C., Newman, AJ, Le Vine, N., Clark, MP, 2018.
Desarrollo de un modelo conceptual distribuido a medida, J Hydrol, 127286, doi: https://doi . org/
Una clasificación de firmas hidrológicas basada en su previsibilidad en el espacio. Recurso Acuático.
10.1016/j.jhidrol.2021.127286.
Res. 54 (11), 8792–8812. https://doi.org/10.1029/2018WR022606.
Ga´ al, L., Szolgay, J., Kohnov´ a, S., Parajka, J., Merz, R., Viglione, A., Bloschl, ¨ G., 2012.
Ali, G., Tetzlaff, D., Soulsby, C., McDonnell, JJ, Capell, R., 2012. Una comparación de
Escalas de tiempo de inundaciones: comprensión de la interacción del clima y los procesos de captación
índices de similitud para la clasificación de cuencas utilizando un conjunto de datos interregional. Adv.
a través de la hidrología comparada. Recurso Acuático. Res. 48 (4) https://doi.org/10.1029/
Recurso Acuático. 40, 11­22. https://doi.org/10.1016/j.advwatres.2012.01.008.
2011wr011509.
Andr´eassian, V., Sari, T., 2019. Nota técnica: Sobre la desconcertante similitud de dos fórmulas de balance
Gericke, OJ, Smithers, JC, 2014. Revisión de los métodos utilizados para estimar la cuenca
hídrico: Turc­Mezentsev vs. Tixeront­Fu. Hidrol. Sistema Tierra. Ciencia. 23 (5), 2339–2350. https://doi.org/
tiempo de respuesta para el propósito de estimación de descarga máxima. Hidrol. Ciencia. J. 59 (11),
10.5194/hess­23­2339­2019.
1935–1971. https://doi.org/10.1080/02626667.2013.866712.
Arnold, JG, Srinivasan, R., Muttiah, RS, Williams, JR, 1998. Modelización y evaluación hidrológica de grandes
Gharari, S., Fenicia, F., Hrachowitz, M., Savenije, HHG, 2011. Clasificación de tierras basada en unidades de
áreas – Parte 1: Desarrollo de modelos. Mermelada. Recurso Acuático. Asociación. 34 (1), 73–89. https://
paisaje hidrológico. Hidrol. Sistema Tierra. Ciencia. Discusión 8, 4381–4425. https://doi.org/10.5194/
doi.org/10.1111/j.1752­1688.1998.tb05961.x.
hessd­8­4381­2011.
Beck, HE, de Roo, A., van Dijk, AIJM, 2015. Mapas globales de características de caudal
basados en observaciones de varios miles de cuencas. Gharari, S., Hrachowitz, M., Fenicia, F., Gao, H., Savenije, HHG, 2014. El uso del conocimiento experto para
aumentar el realismo en los modelos de sistemas ambientales puede reducir drásticamente la
J Hidrometeorol 16 (4), 1478­1501. https://doi.org/10.1175/jhm­d­14­0155.1.
necesidad de calibración. Sistema Hydrol Earth. Ciencia. 18 (12), 4839–4859. https://doi.org/10.5194/
Beck, HE, van Dijk, AIJM, Miralles, DG, de Jeu, RAM, Bruijnzeel, LA, McVicar, T.
hess­18­4839­2014 .
R., Schellekens, J., 2013. Patrones globales en el índice de flujo base y la recesión basados en
Gnann, SJ, HK McMillan, RA Woods y NJK Howden (2021), La inclusión del conocimiento regional mejora
observaciones de flujo de 3394 cuencas. Recurso Acuático. Res. 49 (12), 7843–7863. https://
las predicciones de la firma del flujo base en hidrología de muestras grandes, Water Resour Res,
doi.org/10.1002/2013wr013918.
57(2), e2020WR028354, doi: https://doi.org/ 10.1029/2020WR028354.
Berger, KP, Entekhabi, D., 2001. Relaciones de respuesta hidrológica de la cuenca a la distribución
Descriptores fisiográficos y clima. J. hidrol. 247 (3), 169–182. https://doi.org/10.1016/S0022­1694(01)00383­3 .
Greve, P., Gudmundsson, L., Orlowsky, B., Seneviratne, SI, 2016. Una función Budyko de dos parámetros
para representar las condiciones bajo las cuales la evapotranspiración excede la precipitación. Hidrol.
Berghuijs, WR, Sivapalan, M., Woods, RA, Savenije, HHG, 2014. Patrones de
Sistema Tierra. Ciencia. 20 (6), 2195–2205. https://doi.org/10.5194/hess­20­2195­2016 .
Similitud de los balances hídricos estacionales: una ventana a la variabilidad del caudal en un rango de
escalas de tiempo. Recurso Acuático. Res. 50 (7), 5638–5661. https://doi.org/10.1002/2014wr015692 .
Gupta, HV, Kling, H., Yilmaz, KK, Martinez, GF, 2009. Descomposición del error cuadrático medio y criterios
de desempeño NSE: Implicaciones para mejorar la modelización hidrológica. J hidrol 377 (1), 80–91.
Beven, K., 1996. Los límites de la división: hidrología. Ciencia. Medio ambiente total. 183 (1), 89–97.
https://doi.org/10.1016/j. jhidrol.2009.08.003.
https://doi.org/10.1016/0048­9697(95)04964­9.
Beven, K., 2001a. ¿Hasta dónde podemos llegar en la modelización hidrológica distribuida? Hidrol.
Gupta, HV, Clark, MP, Vrugt, JA, Abramowitz, G., Ye, M., 2012. Hacia una
Sistema Tierra. Ciencia. 5 (1), 1–12. https://doi.org/10.5194/hess­5­1­2001.
Evaluación integral de la adecuación estructural del modelo. Recursos hídricos Res 48 (8), W08301.
Beven, K., 2001b. Sobre pruebas de hipótesis en hidrología. Hidrol. Proceso. 15 (9), 1655­1657.
https://doi.org/10.1029/2011wr011044.
https://doi.org/10.1002/hyp.436.
Gupta, HV, Bloschl, ¨ G., McDonnell, JJ, Savenije, HHG, Sivapalan, M., Viglione, A., Wagener, T., 2013.
Beven, KJ, 2000. Unicidad de representaciones de lugar y proceso en hidrología.
Resultados de la síntesis. En: Viglione, A., Bloschl, ¨ G., Savenije, H., Sivapalan, M., Wagener, T. (Eds.),
modelado. Hidrol. Sistema Tierra. Ciencia. 4 (2), 203–213. https://doi.org/10.5194/hess­4­203­2000 .
Predicción de escorrentía en cuencas no medidas: síntesis entre procesos, lugares y escalas. Cambridge
University Press, Cambridge, págs. 361–383.
Beven, KJ, 2012. Modelización de precipitaciones y escorrentía: el manual, 2ª ed., 457 págs. Wiley­
Blackwell, Chichester.
Gupta, HV, Perrin, C., Bloschl, G., Montanari, A., Kumar, R., Clark, M., Andreassian, V., 2014. Hidrología de
Beven, KJ, 2020. Una historia del concepto de tiempo de concentración. Hidrol. Sistema Tierra.
muestras grandes: una necesidad de equilibrar la profundidad con la amplitud. Hidrol. Sistema Tierra.
Ciencia. 24 (5), 2655–2670. https://doi.org/10.5194/hess­24­2655­2020.
Ciencia. 18 (2), 463–477. https://doi.org/10.5194/hess­18­463­2014.
Beven, KJ, Chappell, NA, 2021. Perplejidad perceptiva y parsimonia de parámetros.
Hargreaves, GH, Allen, RG, 2003. Historia y evaluación de hargreaves
CABLES Agua 8 (4), e1530. https://doi.org/10.1002/wat2.1530.
ecuación de evapotranspiración. J. Irrig. Drenaje E 129 (1), 53–63. https://doi.org/10.1061/
Bloomfield, JP, Allen, DJ, Griffiths, KJ, 2009. Examinando los controles geológicos del índice de flujo base
(ASCE)0733­9437(2003)129:1(53 ).
(BFI) mediante análisis de regresión: una ilustración de la cuenca del Támesis, Reino Unido. J. hidrol.
Harlin, JM, 1984. Morfometría de la cuenca y tiempo hasta el pico del hidrograma. J. hidrol. 67 (1), 141­154.
373 (1), 164­176. https://doi.org/10.1016/j. jhidrol.2009.04.025.
https://doi.org/10.1016/0022­1694(84)90238­5.
Haylock, MR, Hofstra, N., Klein Tank, AMG, Klok, EJ, Jones, PD, New, M., 2008.
Bloschl, ¨ G., Sivapalan, M., 1995. Problemas de escala en la modelización hidrológica: una revisión.
Un conjunto de datos cuadriculados diarios europeos de alta resolución sobre la temperatura de la
Hidrol. Proceso. 9 (3–4), 251–290. https://doi.org/10.1002/hyp.3360090305.
superficie y las precipitaciones para el período 1950­2006. J. Geophys. Res. Atmos. 113 (D20) https://
Bloschl, ¨ G., Sivapalan, M., Wagener, T., Viglione, A., Savenije, H. (Eds.), 2013. Predicción de escorrentía en
doi.org/10.1029/2008jd010201 .
cuencas no medidas: síntesis entre procesos. Cambridge University Press, Cambridge, Lugares y
Hellebrand, H., Hoffmann, L., Juilleret, J., Pfister, L., 2007. Evaluación de la generación de flujo de tormentas
escalas.
invernales mediante la permeabilidad de la litología y dominando los procesos de producción de
Boorman, D., Hollis, JM, Lilly, A., 1995. Hidrología de los tipos de suelos: una clasificación hidrológica de los
escorrentía. Hidrol. Sistema Tierra. Ciencia. 11 (5), 1673–1682. https://doi.org/10.5194/hess­11­1673­2007 .
suelos del Reino Unido, Instituto de Hidrología, Informe 126.
Wallingford, Reino Unido.
Hellebrand, H., Van Den Bos, R., Hoffmann, L., Juilleret, J., Pfister, L., 2008.
Bouaziz, L., Weerts, A., Schellekens, J., Sprokkereef, E., Stam, J., Savenije, H.,
Potencial de los coeficientes de caudales de tormentas invernales con fines de regionalización hidrológica
Hrachowitz, M., 2018. Corregir el equilibrio: cuantificar los flujos netos de aguas subterráneas entre
en cuencas mal calibradas de la región del Rin Medio. Hidrol. Ciencia. J. 53 (4), 773–788. https://doi.org/
cuencas. Hidrol. Sistema Tierra. Ciencia. 22 (12), 6415–6434. https://doi.org/10.5194/hess­22­6415­2018 .
10.1623/hysj.53.4.773.
Henderson, FM (1966), Flujo en canal abierto, XXII, 522 S. pp., Macmillan, Nueva York.
Budyko, MI, 1974. Clima y vida. Academic Press, Nueva York, pág. 508.
Howard, AD, 1990. Papel de la hipsometría y la forma en planta en la respuesta hidrológica de la cuenca.
Burt, TP, McDonnell, JJ, 2015. ¿Adónde va la hidrología de campo? La necesidad de descubrimientos
Hidrol. Proceso. 4 (4), 373–385. https://doi.org/10.1002/hyp.3360040407.
científicos e hipótesis hidrológicas escandalosas. Recurso Acuático. Res. 51 (8), 5919–5928.
Jencso, KG, McGlynn, BL, 2011. Controles jerárquicos sobre la generación de escorrentía:
https://doi.org/10.1002/2014wr016839.
Conectividad hidrológica, geología y vegetación impulsadas topográficamente. Recurso Acuático.
Court, A. (1962), Medidas de sincronización del flujo, Journal of Geophysical Research (1896­1977), 67(11),
Res. 47, W11527. https://doi.org/10.1029/2011wr010666.
4335­4339, doi: 10.1029/JZ067i011p04335.
Kuentz, A., Arheimer, B., Hundecha, Y., Wagener, T., 2017. Comprender la variabilidad hidrológica en Europa
Dal Molin, M., Schirmer, M., Zappa, M., Fenicia, F., 2020. Comprensión de la dominante
mediante la clasificación de cuencas. Hidrol. Sistema Tierra. Ciencia. 21 (6), 2863–2879. https://doi.org/
Controles sobre la variabilidad espacial del caudal para establecer un modelo hidrológico semidistribuido:
10.5194/hess­21­2863­2017.
el estudio de caso de la cuenca de Thur. Hidrol. Sistema Tierra. Ciencia. 24 (3), 1319­1345. https://
Lacey, GC, Grayson, RB, 1998. Relación del flujo base con las propiedades de captación en el sureste de
doi.org/10.5194/hess­24­1319­2020.
Australia. J. hidrol. 204 (1), 231–250. https://doi.org/10.1016/S0022­1694(97)00124­8 .
Daly, E., Calabrese, S., Yin, J., Porporato, A., 2019. Vinculación paramétrica y agua­
modelos de equilibrio de los espacios Budyko y Turc. Adv. Recurso Acuático. 134, 103435 https://
Le Moine, N., Andr´eassian, V., Perrin, C., Michel, C., 2007. ¿Cómo puede la lluvia­escorrentía
doi.org/10.1016/j.advwatres.2019.103435.
¿Los modelos manejan flujos de agua subterránea entre cuencas? Estudio teórico basado en 1040
Demuth, N., Rademacher, S., 2016. Capítulo 5 – Previsión de inundaciones en Alemania —
cuencas francesas. Recurso Acuático. Res. 43 (6) https://doi.org/10.1029/2006WR005608 .
Desafíos de una estructura federal y cooperación transfronteriza. En: Adams, TE, Pagano, TC (Eds.),
Previsión de inundaciones. Academic Press, Boston, págs. 125­151.
Leopold, LB y T. Maddock (1953), La geometría hidráulica de los canales de corriente y algunas implicaciones
Dooge, JCI, 1986. Buscando leyes hidrológicas. Recurso Acuático. Res. 22 (9S), 46S­58S.
fisiográficas, USGS Rep. 252, 64 págs., Washington, DC
https://doi.org/10.1029/WR022i09Sp0046S.
Longobardi, A., Villani, P., 2008. Análisis de regionalización del índice de flujo base en un
Dooge, JCI, 1992. Sensibilidad de la escorrentía al cambio climático: un enfoque hortoniano. B Am.
Área mediterránea y contexto de escasez de datos: papel del índice de permeabilidad de la cuenca. J.
Meteorol. Soc. 73 (12), 2013­2024. https://doi.org/10.1175/1520­0477(1992)073.
hidrol. 355 (1), 63–75. https://doi.org/10.1016/j.jhidrol.2008.03.011.
Dunne, T. (1978), Estudios de campo de los procesos de flujo en las laderas, en Hidrología de las laderas, editado por
Loritz, R., Gupta, H., Jackisch, C., Westhoff, M., Kleidon, A., Ehret, U., Zehe, E., 2018. Sobre la naturaleza
MJ Kirkby, págs. 227–293.
dinámica de la similitud hidrológica. Hidrol. Sistema Tierra. Ciencia. 22 (7), 3663–3684. https://
Ehret, U., van Pruijssen, R., Bortoli, M., Loritz, R., Azmi, E., Zehe, E., 2020. Adaptativo
doi.org/10.5194/hess­22­3663­2018.
agrupación: reducción de los costos computacionales del modelado (hidrológico) distribuido

17
Machine Translated by Google
F. Fenicia y JJ McDonnell
Luo, W., Harlin, JM, 2003. Un tiempo de viaje teórico basado en la hipsometría de cuencas hidrográficas.
JAWRA J. Am. Recurso Acuático. Asociación. 39 (4), 785–792. https://doi.org/10.1111/
j.1752­1688.2003.tb04405.x .
Lyne, V. y M. Hollick (1979), Modelado estocástico de escorrentía de lluvia variable en el tiempo,
Actas del Simposio sobre hidrología y recursos hídricos, Perth, 10­12 de septiembre, 79(10), 89­92.
McDonnell, JJ, Spence, C., Karran, DJ, van Meerveld, HJ, Harman, CJ, 2021. Llenado y derrame: una descripción
del proceso de generación de escorrentía a la escala del espectador. e2020WR027514 Recurso hídrico.
Res. 57 (5). https://doi.org/10.1029/2020WR027514 .
McDonnell, JJ, et al., 2007. Más allá de la heterogeneidad y la complejidad de los procesos: una nueva visión
para la hidrología de cuencas. Recurso Acuático. Res. 43 (7), W07301. https://doi.org/10.1029/2006WR005467 .
McGlynn, BL, McDonnel, JJ, Brammer, DD, 2002. Una revisión de la evolución
Modelo perceptivo de trayectorias de flujo en laderas de las cuencas de Maimai, Nueva Zelanda.
J. hidrol. 257 (1), 1–26. https://doi.org/10.1016/S0022­1694(01)00559­5.
Mezentsev, V., 1955. Volver al cálculo de la evaporación total. Meteorologia i Gidrologia 5, 24­26.
Milly, PCD, 1994. Clima, almacenamiento de agua en el suelo y balance hídrico promedio anual.
Recurso Acuático. Res. 30 (7), 2143–2156. https://doi.org/10.1029/94wr00586.
Mwakalila, S., Feyen, J., Wyseure, G., 2002. La influencia de la captación física
Propiedades sobre el flujo base en ambientes semiáridos. J. Medio árido. 52 (2), 245–258. https://doi.org/
10.1006/jare.2001.0947.
Nathan, RJ, McMahon, TA, 1990. Evaluación de técnicas automatizadas para análisis de flujo base y recesión.
Recursos hídricos Res 26 (7), 1465–1473. https://doi.org/10.1029/WR026i007p01465 .
Nearing, GS, Kratzert, F., Sampson, AK, Pelissier, CS, Klotz, D., Frame, JM,
Prieto, C., Gupta, HV, 2021. ¿Qué papel juega la ciencia hidrológica en la era del aprendizaje automático?
Recursos hídricos Res 57 (3). https://doi.org/10.1029/2020WR028091 .
Oudin, L., Kay, A., Andr´eassian, V., Perrin, C., 2010. ¿Las cuencas aparentemente físicamente similares son
realmente hidrológicamente similares? Recurso Acuático. Res. 46 (11) https://doi.org/10.1029/2009WR008887 .
Oudin, L., Andreassian, V., Perrin, C., Michel, C., Le Moine, N., 2008. Proximidad espacial, similitud física,
regresión y cuencas no calibradas: una comparación de enfoques de regionalización basados
en 913 cuencas francesas. Recursos hídricos Res 44 (3). https://doi.org/10.1029/2007wr006240.
´ Reinar. Modelo. Software 24 (10), 1209­1222. https://doi.org/10.1016/j. envsoft.2009.04.001.
˜
Penas, FJ, Barquín, J., Snelder, TH, Booker, DJ, Alvarez, C., 2014. La influencia de los procedimientos
metodológicos en el desempeño de la clasificación hidrológica. Hidrol.
Sistema Tierra. Ciencia. 18 (9), 3393–3409. https://doi.org/10.5194/hess­18­3393­2014.
Peng, L., Zeng, Z., Wei, Z., Chen, A., Wood, EF, Sheffield, J., 2019. Determinantes de la relación entre la
evapotranspiración real y la potencial. Biol cambio global. 25 (4), 1326­1343. https://doi.org/
10.1111/gcb.14577.
Pfister, L., Martínez­Carreras, N., Hissler, C., Klaus, J., Carrer, GE, Stewart, MK,
McDonnell, JJ, 2017. Controles de la geología del lecho rocoso sobre el almacenamiento, la mezcla y la
liberación de cuencas: un análisis comparativo de 16 cuencas anidadas. Hidrol. Proceso. 31 (10), 1828–
1845. https://doi.org/10.1002/hyp.11134.
Pokhrel, P., Gupta, HV, Wagener, T., 2008. Un enfoque de regularización espacial para
estimación de parámetros para un modelo distribuido de cuencas hidrográficas. W12419 Recurso hídrico.
Res. 44 (12), 1­16. https://doi.org/10.1029/2007wr006615.
Price, K., 2011. Efectos de la topografía de las cuencas, los suelos, el uso de la tierra y el clima en la hidrología
del flujo base en regiones húmedas: una revisión. Prog. Física. Geogr. Entorno terrestre. 35 (4), 465–
492. https://doi.org/10.1177/0309133311402714.
Razavi, T., Coulibaly, P., 2013. Clasificación de las cuencas hidrográficas de Ontario basada en atributos físicos
y series de caudales. J. hidrol. 493, 81–94. https://doi.org/10.1016/j. jhidrol.2013.04.013.
Rodríguez­Iturbe, I., Vald´es, JB, 1979. La estructura geomorfológica de la respuesta hidrológica. Recurso
Acuático. Res. 15 (6), 1409­1420. https://doi.org/10.1029/WR015i006p01409 .
Rodríguez­Iturbe, I., Rinaldo, A., 1997. Fractal River Basins: Chance and Self­ Organization, 547.
Cambridge University Press, Nueva York.
Santhi, C., Allen, PM, Muttiah, RS, Arnold, JG, Tuppad, P., 2008. Estimación regional del flujo base para los
Estados Unidos contiguos por regiones de paisaje hidrológico.
J. hidrol. 351 (1), 139­153. https://doi.org/10.1016/j.jhidrol.2007.12.018.
18
Revista de Hidrología 605 (2022) 127287
Savenije, HHG, 2010. Opiniones de HESS “Modelado conceptual impulsado por topografía
(FLEX­Topo)”. Sistema Hydrol Earth. Ciencia. 14 (12), 2681–2692. https://doi.org/10.5194/hess­14­2681­2010 .
Sawicz, K., Wagener, T., Sivapalan, M., Troch, PA, Carrillo, G., 2011. Clasificación de cuencas: análisis
empírico de similitud hidrológica basado en la función de cuencas en el este de EE. UU. Hidrol.
Sistema Tierra. Ciencia. 15 (9), 2895–2911. https://doi. org/10.5194/hess­15­2895­2011.
Schaller, MF, Fan, Y., 2009. Las cuencas fluviales como exportadoras e importadoras de aguas subterráneas:
Implicaciones para el ciclo del agua y la modelización climática. J. Geophys. Res. Atmos. 114 (D4) https://
doi.org/10.1029/2008jd010636.
Schneider, MK, Brunner, F., Hollis, JM, Stamm, C., 2007. Hacia una solución hidrológica
Clasificación de suelos europeos: prueba preliminar de su poder predictivo para el índice de flujo base
utilizando datos de descarga de ríos. Hidrol. Sistema Tierra. Ciencia. 11 (4), 1501­1513. https://doi.org/
10.5194/hess­11­1501­2007.
Seibert, J., McDonnell, JJ, 2002. Sobre el diálogo entre experimentalista y modelador en hidrología de cuencas:
uso de datos blandos para la calibración de modelos multicriterio. Recurso Acuático. Res. 38 (11), 1241.
https://doi.org/10.1029/2001WR000978.
Sivakumar, B., Singh, VP, Berndtsson, R., Khan, SK, 2015. Marco de clasificación de cuencas en hidrología:
desafíos y direcciones. J. hidrol. Ing. 20 (1), A4014002. https://doi.org/10.1061/
(ASCE)HE.1943­5584.0000837.
Sivapalan, M., 2003. Complejidad del proceso a escala de ladera, simplicidad del proceso a nivel
escala de cuenca: ¿existe una conexión? Hidrol. Proceso. 17 (5), 1037–1041. https://doi.org/10.1002/
Hyp.5109 .
Sivapalan, M., Bloschl, ¨ G., Zhang, L., Vertessy, R., 2003. Enfoque descendente de la predicción
hidrológica. Hidrol. Proceso. 17 (11), 2101–2111. https://doi.org/10.1002/hyp.1425 .
Tague, C., Grant, GE, 2004. Un marco geológico para interpretar el flujo bajo
Regímenes de los arroyos Cascade, cuenca del río Willamette, Oregón. Recurso Acuático. Res. 40 (4) https://
doi.org/10.1029/2003WR002629.
Taylor, AB, Schwarz, HE, 1952. Retraso del hidrograma unitario y flujo máximo relacionados con las características
de la cuenca. Eos Trans. Soy. Geofís. Unión 33 (2), 235–246. https://doi.org/10.1029/TR033i002p00235 .
Turc, L., 1954. Le bilan d'eau des sols: relaciones entre les precipitaciones, l''evaporación et l''ecoulement. Annales
Agronomiques 5 (4), 491–595.
Viviroli, D., Zappa, M., Gurtz, J., Weingartner, R., 2009. Una introducción a la
sistema de modelado hidrológico PREVAH y sus herramientas de pre y post procesamiento.
Wagener, T., Sivapalan, M., Troch, P., Woods, R., 2007. Clasificación de cuencas y similitud hidrológica. Geogr.
Brújula 1 (4), 901–931. https://doi.org/10.1111/j.1749­8198.2007.00039.x .
Wagener, T., T. Gleeson, G. Coxon, A. Hartmann, N. Howden, F. Pianosi, S. Rahman, R.
Rosolem, L. Stein y R. Woods (2020), Sobre cómo hacer hidrología a gran escala con leones: darse cuenta
del valor de los modelos perceptivos y la acumulación de conocimientos, doi: https://doi.org/10.31223/osf.io/
zdy5n .
Westerberg, IK, McMillan, HK, 2015. Incertidumbre en las firmas hidrológicas. Hidrol.
Sistema Tierra. Ciencia. 19 (9), 3951–3968. https://doi.org/10.5194/hess­19­3951­2015.
Winter, TC, 2001. El concepto de paisajes hidrológicos. Mermelada. Recurso Acuático. Asociación. 37 (2), 335–
349. https://doi.org/10.1111/j.1752­1688.2001.tb00973.x.
Wrede, S., Fenicia, F., Martínez­Carreras, N., Juilleret, J., Hissler, C., Krein, A.,
Savenije, HHG, Uhlenbrook, S., Kavetski, D., Pfister, L., 2015. Hacia un desarrollo de modelos de
percepción más sistemático: un estudio de caso utilizando tres cuencas luxemburguesas. Hidrol.
Proceso. 29 (12), 2731–2750. https://doi.org/10.1002/hyp.10393 .
Yadav, M., Wagener, T., Gupta, H., 2007. Regionalización de las restricciones sobre el comportamiento
esperado de la respuesta de las cuencas para mejorar las predicciones en cuencas no medidas. Adv.
Recurso Acuático. 30 (8), 1756­1774. https://doi.org/10.1016/j.
advwaters.2007.01.005.
Zhang, L., Hickel, K., Dawes, WR, Chiew, FHS, Western, AW, Briggs, PR, 2004.
Un enfoque de función racional para estimar la evapotranspiración media anual. Recursos hídricos Res 40
(2). https://doi.org/10.1029/2003wr002710.
Zomlot, Z., Verbeiren, B., Huysmans, M., Batelaan, O., 2015. Distribución espacial de
Recarga de aguas subterráneas y flujo base: Evaluación de factores de control. J. hidrol.
Reg. Semental. 4, 349–368. https://doi.org/10.1016/j.ejrh.2015.07.005.