Sistema de ayuda a la decisión para la gestión hidrológica del río Guayas

• Campo-Carrera, José María ^[2] ; Cedeño-Villarroel, Miguel Angel ^[3] ; Boada-Herrera, Mauricio ^[3] ; Udias, Angel ^[1]
  1. [1] Universidad Rey Juan Carlos

     Universidad Rey Juan Carlos

     Madrid, España

     
  2. [2] Universidad de Alcalá -Corporación Eléctrica del Ecuador CELEC EP
  3. [3] Corporación Eléctrica del Ecuador CELEC EP

  Mostrar afiliaciones +
• Localización: Tecnología y Ciencias del Agua, ISSN-e 2007-2422, Vol. 16, Nº. 1 (enero-febrero), 2025, págs. 237-294
• Idioma: español
• DOI: 10.24850/j-tyca-2025-01-06
• Títulos paralelos:
  • Decision support system for the hydrological management of the Guayas river
• Enlaces
  • Texto completo
• Resumen
  • español

    La cuenca del río Guayas en Ecuador es la más grande en la vertiente Pacífico de Suramérica, con un área de 34 500 km2 (12.57 % del territorio nacional). Dentro de la cuenca, el embalse Daule-Peripa constituye la mayor reserva de agua del país, garantizando agua para consumo de más de ocho millones de personas, además de riego y generación hidroeléctrica. Se ha desarrollado un Sistema Hidrológico de Ayuda a la Decisión (SHAD) para gestionar eficientemente los recursos hídricos en la cuenca del río Guayas, mejorar la producción energética de las centrales hidroeléctricas y alertar tempranamente de inundaciones aguas abajo de las centrales. El SHAD integra un módulo de adquisición de datos en tiempo real, con el modelo hidrológico de tanques encargado de estimar los ingresos a los embalses en escala horaria, y el módulo de control sobre el que interaccionan los gestores. El modelo hidrológico se ha calibrado separadamente para las cuencas Daule-Peripa y Baba con datos horarios del periodo 2019-2021. Para la cuenca de Baba, el coeficiente Nash-Sutcliffe para la validación a escala diaria y horaria fue 0.77 y 0.71, respectivamente, así como 0.62 y 0.49 para Daule-Peripa. El análisis preliminar comparativo de la gestión de los recursos hídricos de la cuenca realizada desde la puesta en operación del SHAD muestra evidencias de mejoras significativas.

  • English

    The Guayas River basin in Ecuador is the largest on the Pacific slope of South America, with an area of 34 500 km2 (12.57 % of the nationalterritory). Within the basin, the Daule-Peripa reservoir constitutes thelargest water reserve in the country, guaranteeing water for theconsumption of more than eight million people, in addition to irrigationand hydroelectric generation. A Hydrological Decision Support System(SHAD) has been developed to efficiently manage water resources in theGuayas river basin, improve the energy production of hydroelectric plantsand provide early warning of floods downstream of the plants. SHADintegrates a real-time data acquisition module, with the hydrologicalmodel of tanks in charge of estimating the inflows to the reservoirs on an hourly scale, and the control module on which the managers interact. Thehydrological model has been calibrated separately for the Daule-Peripaand Baba basins with hourly data from the period 2019-2021. For theBaba basin, the Nash-Sutcliffe coefficient for validation at daily and hourlyscales were 0.77 and 0.71, respectively, as well as 0.62 and 0.49 for Daule-Peripa. The preliminary comparative analysis of the managementof the water resources of the basin, carried out since the commissioningof SHAD shows evidence of significant improvements.

• Referencias bibliográficas
  • Ahmad, A., El-Shafie, A., Razali, S. F. M., & Mohamad, Z. S. (2014). Reservoir optimization in water resources: A review. Water resources...
  • Alley, R. B., Emanuel, K. A., & Zhang, F. (2019). Advances in weather prediction. Science, 363(6425), 342-344.
  • Bendix, J., Gämmerler, S., Reudenbach, C., & Bendix, A. (2003). A Case study on rainfall dynamics during El Niño/La Niña 1997/99 in Ecuador...
  • Beven, K. J. (2011). Rainfall-runoff modelling: The primer. New York, USA: John Wiley & Sons.
  • Bosznay, M. (1989). Generalization of SCS curve number method. Journal of irrigation and drainage engineering, 115(1), 139-144.
  • Cenace, Centro Nacional de Control de Energía. (2022). Informe operativo anual 2021. Recuperado de http://www.cenace.gob.ec/informe-anual-2021/
  • Chow, V. T. (1964). Handbook of applied hydrology: A compendium of water-resources technology. New York: McGraw-Hill.
  • Dawson, C. W., & Wilby, R. L. (2001). Hydrological modelling using artificial neural networks. Progress in Physical Geography, 25(1),...
  • De Guenni, L. B., García, M., Munoz, A. G., Santos, J. L., Cedeño, A., Perugachi, C., & Castillo, J. (2017). Predicting monthly precipitation...
  • Dion, P., Martel, J.-L., & Arsenault, R. (2021). Hydrological ensemble forecasting using a multi-model framework. Journal of Hydrology,...
  • Dirks, K. N., Hay, J. E., Stow, C. D., & Harris, D. (1998). High-resolution studies of rainfall on Norfolk Island: Part II: Interpolation...
  • Hersh, M. A. (1999). Sustainable decision making: The role of decision support systems. IEEE Transactions on Systems, Man, and Cybernetics,...
  • Hidalgo-Proaño, M. (2017). Variabilidad climática interanual sobre el Ecuador asociada a ENOS. Revista Cienciamérica, 6(2), 42-47.
  • Jajarmizadeh, M., Harun, S., & Salarpour, M. (2012). A review on theoretical consideration and types of models in hydrology. Journal of...
  • Johnson, L. E. (1986). Water resource management decision support systems. Journal of Water Resources Planning and Management, 112(3), 308-325.
  • Kingston, G. B., Maier, H. R., & Lambert, M. F. (2005). Calibration and validation of neural networks to ensure physically plausible hydrological...
  • Knudsen, J., Thomsen, A., & Refsgaard, J. C. (1986). WATBAL: A semi-distributed, physically based hydrological modelling system. Hydrology...
  • Kuok, K. K., Harun, S., & Chan, C. P. (2011). Investigation best number of tanks for hydrological tank model for rural catchment in humid...
  • Mariotti, A., Ruti, P. M., & Rixen, M. (2018). Progress in subseasonal to seasonal prediction through a joint weather and climate community...
  • Molteni, F., Buizza, R., Palmer, T. N., & Petroliagis, T. (1996). The ECMWF ensemble prediction system: Methodology and validation. Quarterly...
  • Mysiak, J., Giupponi, C., & Rosato, P. (2005). Towards the development of a decision support system for water resource management. Environmental...
  • Nash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I-A discussion of principles. Journal of...
  • Palmer, W. C., & Havens, A. V. (1958). A graphical technique for determining evapotranspiration by the Thornthwaite method. Monthly Weather...
  • Paz, J., Del Jesús, M., Kelman, R., Navas, S., Okamura, L., & Feliu, E. (2019). Vulnerabilidad al cambio climático y medidas de adaptación...
  • Perez-Suarez, R. A., & Cedeño-Villarroel, M. A. (2021). Optimización del sistema de descarga de agua del vertedero de la presa Daule Peripa...
  • Persson, A. (2001). User guide to ECMWF forecast products. Recuperado de http://cedadocs.ceda.ac.uk/1218/1/ECMWF_user_guide_2001.pdf
  • Raimonet, M., Oudin, L., Thieu, V., Silvestre, M., Vautard, R., Rabouille, C., & Le Moigne, P. (2017). Evaluation of gridded meteorological...
  • Recalde-Coronel, G. C., Barnston, A. G., & Muñoz, Á. G. (2014). Predictability of December-April rainfall in coastal and Andean Ecuador....
  • Rhynsburger, D. (1973). Analytic delineation of Thiessen polygons. Geographical Analysis, 5(2), 133-144.
  • Rossum, G. (1995). Python reference manual. Recuperado de https://ir.cwi.nl/pub/5008
  • Saha, S., Nadiga, S., Thiaw, C., Wang, J., Wang, W., Zhang, Q., Van den Dool, H. M., Pan, H.-L., Moorthi, S., Behringer, D., Stokes, D., Peña,...
  • Sitterson, J., Knightes, C., Parmar, R., Wolfe, K., Avant, B., & Muche, M. (2018). An overview of rainfall-runoff model types. Recuperado...
  • Smith, P. J., Pappenberger, F., Wetterhall, F., Del Pozo, J. T., Krzeminski, B., Salamon, P., Muraro, D., Kalas, M., & Baugh, C. (2016)....
  • Song, J.-H., Her, Y., Park, J., & Kang, M.-S. (2019). Exploring parsimonious daily rainfall-runoff model structure using the hyperbolic...
  • Suryoputro, N., Suhardjono, Soetopo, W., & Suhartanto, E. (2017). Calibration of infiltration parameters on hydrological tank model using...
  • Tschantz, B. A. (s.f.). SCS user-defined storm hydrograph (SCS-USH). In: Hydraulics and hydrology in the small computer age (pp. 1274-1279)....
  • Wang, C., Deser, C., Yu, J. Y., DiNezio, P., & Clement, A. (2017). El Niño and Southern Oscillation (ENSO): A review. Coral reefs of the...
  • Wardropper, C., & Brookfield, A. (2022). Decision-support systems for water management. Journal of Hydrology, 610, 127928.
  • Works, D. of P. (1995). California culvert practice, second. Sacramento, USA: DPW, Division of Highways Sacramento, CA.