TESIS DE PREGRADO ESTADO DEL ARTE SOBRE EL USO DE …

TESIS DE PREGRADO

ESTADO DEL ARTE SOBRE EL USO DE RADARES PARA LA ESTIMACIÓN

CUANTITATIVA DE PRECIPITACIONES EN CUENCAS URBANAS

Jorge Alejandro Salamanca Guzmán

Asesor: Juan G. Saldarriaga Valderrama

UNIVERSIDAD DE LOS ANDES

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA CIVIL Y AMBIENTAL

PREGRADO EN INGENIERÍA CIVIL

BOGOTÁ D.C.

2020

Universidad de los Andes Departamento de Ingeniería Civil y Ambiental Centro de Investigaciones en Acueductos y Alcantarillados – CIACUA Estado del arte sobre el uso de radares para la estimación cuantitativa de precipitaciones en cuencas urbanas

AGRADECIMIENTOS

Quisiera expresar mi sincero agradecimiento al Ingeniero Msc. Juan Guillermo Saldarriaga

Valderrama, director de esta investigación, por su orientación y supervisión continua, y toda

su motivación por formarme un criterio propio sobre esta investigación.

Agradecer a mi madre, por su incansable apoyo en este trabajo y todos los retos que me he

propuesto, por su cariño y comprensión en los días de estrés y por su gran labor como

ingeniera civil, la cual tomo como ejemplo de constancia, resiliencia y compromiso.

Agradecer igualmente a mi padre, por sus sabios consejos y lo que él llama “cantaleta”, la

cual siempre recibiré con mucho respeto y afecto. Siempre serás mi ejemplo de rectitud,

honestidad y humildad.

Y finalmente, a la vida por darme la oportunidad de crecer y formarme junto a personas tan

especiales, a María Paula, Camilo y Gianluca. Así como permitirme de estar en una familia

excepcional, especialmente a mi abuela Gladys, mi abuelo Segundo y mi tía Patricia.


Tabla de Contenido Introducción ........................................................................................................................................................................................ 5

Objetivos ........................................................................................................................................................................................ 7

1.1.1 Objetivo General ............................................................................................................................................................. 7

1.1.2 Objetivos Específicos .................................................................................................................................................... 7

Proceso Metodológico .............................................................................................................................................................. 7

Justificación................................................................................................................................................................................... 8

Radar Meteorológico ..................................................................................................................................................................... 10

Definición y funcionamiento del radar ........................................................................................................................... 10

Resolución de los mapas de precipitación .................................................................................................................... 12

2.2.1 Resolución temporal ................................................................................................................................................... 13

2.2.2 Resolución espacial ..................................................................................................................................................... 13

Estimación Cuantitativa de Precipitaciones (QPE) .......................................................................................................... 14

Métodos para la estimación ................................................................................................................................................. 14

3.1.1 Relación Z-R .................................................................................................................................................................... 14

3.1.2 Mediante uso del Radar polarimétrico ............................................................................................................... 16

Problemáticas percibidas en la QPE ....................................................................................................................................... 21

Fuentes de Incertidumbre .................................................................................................................................................... 21

Limitaciones debido a factores externos ....................................................................................................................... 23

4.2.1 Eventos de lluvia extrema (intensidades altas) .............................................................................................. 23

4.2.2 Limitaciones debido a la complejidad del terreno ........................................................................................ 27

4.2.2.1 Medición en áreas urbanas ................................................................................................................................... 27

Direcciones del campo investigativo ...................................................................................................................................... 30

Combinación radar-pluviómetro ...................................................................................................................................... 30

Modelación Hidrológica Urbana ........................................................................................................................................ 35

5.2.1 Clasificación de modelos hidrológicos ................................................................................................................ 37

5.2.2 Sistemas de Información Geográfica (SIG) ........................................................................................................ 38

5.2.3 Sensores remotos ......................................................................................................................................................... 39

Resolución óptima en los datos de precipitación ...................................................................................................... 39

Conclusiones ..................................................................................................................................................................................... 41

Recomendaciones ........................................................................................................................................................................... 44

Bibliografía ......................................................................................................................................................................................... 46


ÍNDICE DE TABLAS

Tabla 1. Resumen de las características de los radares. Fuente: Hong, 2014 .................................................................... 12

Tabla 2. Relaciones Z-R. Fuente: Copete, 2009 ................................................................................................................................ 15

Tabla 3. Aplicaciones y ventajas de los observables polarimétricos. Fuente: Cadena, 2017 ...................................... 19

Tabla 4. Factores para considerar en la calibración del radar. Fuente: Modelo para la estimación cuantitativa de

precipitación a partir de datos de radares polarimétricos (Gomez Vargas, 2015) ...................................... 22

ÍNDICE DE FIGURAS

Figura 1. Proceso Metodológico del Estado de Arte sobre el uso de los radares para la estimación cuantitativa

de precipitaciones en cuencas urbanas. Fuente: Elaboración propia. ................................................................ 8

Figura 2. Mapa de precipitación del radar Cerro Munchique ubicado en Cauca, Colombia. Fuente: (Instituto de

Hidrología, Meteorología y Estudios Ambientales, n.d.) ........................................................................................ 11

Figura 3. Indicadores de intensidad de precipitación. Figura 3a): Plan Position Indicator: y Figura 3b): Range

Height Indicator. Fuente: (Chiang et al., 2015) ........................................................................................................... 11

Figura 4. Comparación de radares convencionales y de polarización dual ........................................................................ 16

Figura 5. Tamaños comunes de gotas de lluvia y su respectivo diferencial de reflectividad (𝑍𝑑𝑟).

Fuente:(Northern Vertmont University, n.d.) ............................................................................................................. 17

Figura 6. Esquema diferencial de Fase (Bringi et al., 2007) ...................................................................................................... 18

Figura 7. Series temporales de intensidades de radar (azul) y pluviómetros (negro) en mm/h a la resolución

temporal más alta disponible para el evento más intenso de cada país analizado. ................................... 26

Figura 8 Resumen de fuentes de incertidumbre y limitaciones en la estimación cuantitativa de las

precipitaciones. Fuente: Elaboración propia ............................................................................................................... 29

Figura 9. Serie temporal (10 min) de precipitaciones. Comparación entre datos observados y ajustados para

estudio en el observatorio de Milešovka. Fuente: Comparison between radar-derived precipitation

estimates and rain gauge data in a sub-daily resolution. ....................................................................................... 32

Figura 10. Estimaciones de precipitación acumulada por radar (verde), pluviómetro (azul) y CombiPrecip

(rojo). ............................................................................................................................................................................................. 33


Introducción

El radar meteorológico es un sensor remoto con múltiples aplicaciones, entre las cuales

destaca la detección y estimación cuantitativa de las precipitaciones. Desde principios de los

años 50, diversos estudios han afirmado el potencial del radar para esta aplicación, y el

mejoramiento tecnológico del radar ha supuesto un incremento en la calidad de la

información obtenida, incrementando dicho potencial.

Siendo el radar una alternativa a las técnicas de medición de precipitación tradicionales, se

propone la elaboración de un estado del arte que permita identificar la posición del radar

frente a los demás objetos de medición. La comparación más común es entre el radar

meteorológico y los instrumentos de medición en tierra (pluviómetros y pluviógrafos).

Frente a esta comparación, el radar tiene la capacidad de representar la variabilidad espacial

de la lluvia, lo cual es de gran utilidad en el campo de la hidrología en la modelación del

comportamiento de una red de drenaje ante la entrada de caudales provenientes de lluvia.

Por su parte, el pluviómetro presenta mediciones concretas, de un punto en específico, lo

cual sigue siendo útil debido a su fácil entendimiento y bajo costo, con respecto al radar.

Debido a que el radar no se encuentra en contacto permanente con la lluvia, sino que recibe

las ondas reflejadas por hidrometeoros presentes en la atmósfera, los datos que presenta no

son mediciones sino estimaciones basadas en las diversas variables captadas por el mismo.

Al tratarse de una medición indirecta, las ondas del radar se encuentran expuestas ante un

entorno poco predecible y expuesto a diversas fuentes de incertidumbre, lo que dificulta una

correcta estimación. De igual manera, existen escenarios donde el radar no puede estimar

precipitaciones de forma confiable, el primero en eventos de alta intensidad de precipitación,

el segundo en entornos con orografía compleja, como el caso de las ciudades y demás zonas

urbanas.

Tanto las fuentes de incertidumbre como las limitaciones del radar meteorológico han sido

identificadas desde su llegada y, a pesar del avance tecnológico, siguen siendo problemáticas.

Si bien es innegable la disminución en el sesgo y la incertidumbre de las estimaciones a lo

largo de los años, la confiabilidad de la información no es suficiente para utilizarla en ciertas

aplicaciones, como es el caso de la modelación hidrológica.


El uso del radar meteorológico en aplicaciones hidrológicas ha evolucionado como una

alternativa a las estimaciones hechas con pluviómetros. Los avances percibidos en radares

de mayor tecnología, así como el procesamiento de la información y los métodos emergentes

de modelación hidrológica conllevan a una revisión actualizada del estado del arte del uso

de radares para estudios hidrológicos en un contexto urbano. Por este motivo, este estado

del arte también presenta las direcciones investigativas del uso de datos de radar en la

hidrología urbana.

El presente proyecto de grado consiste en hacer un barrido conceptual del radar

meteorológico, para explorar el estado del arte del uso del radar para la estimación de

precipitaciones en cuencas urbanas y su uso en la modelación hidrológica. Esto a partir de

una revisión de investigaciones, reportes, ensayos, libros y demás material bibliográfico

presentado por diversos profesionales y académicos de este campo.

Además, este escrito incluye citas de diversas investigaciones, las cuales fueron traducidas

por el autor y, que este mismo, consideró convenientes para la sustentación de los diversos

temas desarrollados.

La estructura de este estado del arte se presenta a continuación. En el capítulo 1 se define el

objetivo general y los objetivos específicos de esta investigación, así como se presenta la

metodología llevada a cabo para la organización de las fuentes. En el capítulo 2 se define y se

explica el funcionamiento del radar meteorológico, además de presentar el concepto de

resolución espaciotemporal de las imágenes de precipitación que proporciona el radar.

Seguidamente, en el capítulo 3 se introduce la estimación cuantitativa de las precipitaciones

(QPE por sus siglas en inglés) y se definen las principales metodologías para la estimación.

En el capítulo 4, se presentan las problemáticas del radar en la estimación de precipitaciones,

diferenciando entre las fuentes de incertidumbre propias del radar y las limitaciones debido

a factores externos. En el capítulo 5 se plantean las direcciones del campo investigativo,

según lo interpretado en el material bibliográfico más reciente, las cuales son las técnicas de

combinación radar-pluviómetro, el uso de datos de radar en la modelación hidrológica

urbana y la resolución óptima en las imágenes de precipitación de los radares. En el capítulo

6, se presentan las conclusiones del estado del arte al contrastar las problemáticas

identificadas de las direcciones investigativas encontradas. Finalmente, en el capítulo 7 se

presenta una serie de recomendaciones sobre los esfuerzos requeridos en el campo

investigativo y práctico del uso de radares en hidrología urbana.


Objetivos

1.1.1 Objetivo General

Crear un panorama del el uso de radares meteorológicos en la estimación de precipitaciones

en cuencas urbanas, identificando sus problemáticas, limitaciones y tendencia investigativa,

de forma imparcial, actualizada y ética.

1.1.2 Objetivos Específicos

• Reconocer los enfoques teóricos y disciplinares de los radares meteorológicos y

lograr un entendimiento general sobre su funcionamiento y sus aplicaciones.

• Presentar el estado de desarrollo de los radares y sus aplicaciones en la medición de

las precipitaciones.

• Presentar las limitaciones, complicaciones y fuentes de incertidumbre del uso del

radar en la estimación cuantitativa de precipitaciones.

• Explorar las tendencias de investigación frente a las problemáticas identificadas.

• Identificar vacíos de investigación.

• Identificar posibles casos de estudio en la región para recomendar esfuerzos

investigativos.

Proceso Metodológico

El proceso metodológico llevado a cabo para el desarrollo del presente estado del arte está

fundamentado en la revisión bibliográfica de diversas fuentes para formar un entendimiento

general del radar y un conocimiento de la dirección investigativa y del panorama actual de

los radares meteorológicos para la estimación de lluvias en cuencas urbanas. En la Figura 1,

se muestra de forma esquemática las etapas de desarrollo del presente trabajo.


Figura 1. Proceso Metodológico del Estado de Arte sobre el uso de los radares para la estimación cuantitativa de precipitaciones en cuencas urbanas. Fuente: Elaboración propia.

Justificación

Como justificación teórica, existe un vacío de conocimiento frente al comportamiento de los

radares meteorológicos en las regiones pertenecientes a la zona intertropical. Las

condiciones climatológicas y orográficas de la zona intertropical conllevan a eventos de

precipitación de altas intensidades y de poca duración. Este fenómeno no ha sido estudiado

en profundidad debido a que la mayor parte de los radares meteorológicos se encuentran

instalados en regiones de clima templado, donde el comportamiento de la lluvia es menos

variable en intensidad y tiempo. Adicionalmente, en las zonas templadas de la Tierra existen

países con un elevado desarrollo económico e investigativo donde existe un mayor estudio

del comportamiento del radar en condiciones templadas. Por tal motivo, la importante del

desarrollo del presente se justifica desarrollar un estado del arte que reúna las conclusiones

de diversas investigaciones para motivar a un posible estudio sobre la factibilidad del uso de

radares en Colombia, y las demás regiones de clima tropical.

Como justificación práctica, diversos grupos de investigación como el CIACUA (Centro de

Investigaciones en Acueductos y Alcantarillados), no han podido concluir sobre la factibilidad

del uso de radares meteorológicos en cuencas urbanas, debido a que los datos de

precipitación son especialmente utilizados en modelos hidrológicos, los cuales deben contar

con la resolución y el nivel de detalle suficiente para simular el sistema de drenaje urbano.

No obstante, diversos autores han expresado que la resolución que brinda el radar no es

suficiente para desarrollar modelos confiables, lo cual eclipsa el trabajo en investigación ya

desarrollado en diversos casos de estudio. Esto motiva la contrastación teórica y empírica


de las diversos investigaciones y sus conclusiones, para así orientar el camino investigativo

sobre el uso de información de radares en la modelación hidrológica urbana.

De igual manera, el radar meteorológico ha abierto el camino a los sistemas de alerta

temprana para el pronóstico y aviso de eventos de precipitación con posible potencial de

inundaciones y/o deslizamientos. Aun así sigue existiendo la duda de si ¿los radares son

capaces de detectar a tiempo eventos de lluvia extrema en zonas intertropicales?, donde ya se

ha mencionado que son comunes los cambios repentinos en la nubosidad, lo que conlleva a

eventos de precipitación de alta intensidad y corta duración. Lo anterior puede abrir una

línea de investigación en la región, en donde este estado del arte presenta las bases en cuanto

a la resolución proporcionada por el radar para un posible contraste con los tiempos de

formación de nubes en el contexto tropical.


Radar Meteorológico

Para la estimación cuantitativa de precipitaciones, el radar meteorológico ha significado un

avance innegable debido a que es posible obtener registros de manera constante sobre un

rango de medición mucho mayor que otras herramientas de medición. Sin embargo, se han

identificado diversos factores desfavorables que generan desconfianza frente a los

resultados obtenidos. Por este motivo, desde mediados del siglo pasado surgió la necesidad

de entender el funcionamiento del radar y de qué forma se pueden mejorar sus estimaciones.

Definición y funcionamiento del radar

El radar meteorológico es un sensor remoto que emite ondas de forma continua hacia la

atmósfera y recibe la energía reflejada por los distintos hidrometeoros, como: gotas de lluvia,

nieve o granizo. Por ello, el radar ha sido utilizado en el campo de la meteorología para la

localización, seguimiento y caracterización de las precipitaciones. Así mismo, el radar

proporciona información cuantitativa de los hidrometeoros detectados, permitiendo

estimar la cantidad de lluvia que cae en determinada ubicación. Lo anterior es de gran

importancia en el campo de la hidrología, donde además se requieren estimar los caudales

de salida en los modelos lluvia-escorrentía.

Los componentes del radar varían según su tipo, sin embargo, cuentan como mínimo con un

transmisor de microondas, una antena y un procesador de señales; el transmisor se encarga

de generar los pulsos electromagnéticos a una frecuencia determinada; la antena emite los

pulsos en forma de ondas hacia la atmosfera, las cuales, una vez estas encuentran un

obstáculo parte de la energía es reflejada y traída de vuelta a la antena. Generalmente, la

antena es quien cumple con la función de recibir la señal para finalmente transmitirla a un

procesador de señales que transforma la energía en datos de lluvia (Sepúlveda, 2015).

La antena del radar es capaz de detectar objetos a diversas elevaciones y así obtener lo que

se conoce como un volumen escaneado. Esto gracias a la capacidad de rotación vertical y

horizontal de la antena, donde es posible realizar un barrido horizontal completo de 360° y

un barrido vertical de 90. Para obtener el volumen escaneado, la antena realiza rotaciones

horizontales completas mientras varía la elevación vertical. El tiempo en el que el radar

obtiene un volumen escaneado es variable, según el tipo y la resolución temporal que desee.

Para detectar la distancia a las diferentes zonas de lluvia, el radar mide el tiempo de

detección de la respuesta a una onda transmitida. Esto facilita la identificación y

diferenciación de los diversos hidrometeoros captadas y su distribución en un mapa de

precipitación (Figura 2). Estos mapas revelan la ubicación de todos los elementos captados

en altura y superficie por el radar y muestran la intensidad estimada según la cantidad de


energía captada en la señal proveniente de los blancos detectados. Cuanto mayor sea el

tamaño de los hidrometeoros, mayor será la energía recibida, y mayor será la intensidad

reflejada en el mapa.

Figura 2. Mapa de precipitación del radar Cerro Munchique ubicado en Cauca, Colombia. Fuente: (Instituto de Hidrología,

Meteorología y Estudios Ambientales, n.d.)

El procesamiento de las señales recibidas permite inferir sobre las características de las

partículas reflectoras en la atmósfera. Estos pueden mostrarse en dos indicadores: los PPI o

Plan Position Indicator (Indicador de Reflectividad Posicionado en el Plano) y los RHI o Range

Height Indicator (Indicador de Reflectividad en Rango y Altura) (Sepúlveda, 2015).

Figura 3. Indicadores de intensidad de precipitación. Figura 3a): Plan Position Indicator: y Figura 3b): Range Height Indicator. Fuente: (Chiang et al., 2015)


Los radares meteorológicos deben operar en un rango de frecuencias para poder captar la

lluvia y demás cuerpos de agua. Este rango oscila entre 2.5 y 15 cm. Los radares de Banda X,

Banda C y Banda S, se encuentran en dicho rango y por este motivo, han sido implementados

para la detección de lluvia. Cada frecuencia de trabajo tiene sus ventajas para ciertas

aplicaciones, las cuales se expresan en la Tabla 1. Resumen de las características de los

radares

Tabla 1. Resumen de las características de los radares. Fuente: Hong, 2014

Banda Frecuencia Longitud de onda Aplicaciones

X 8-12 GHz 2.5-3.8 cm Estimación de precipitaciones y estudio microfísico de las gotas de lluvia en alta resolución

C 4-8 GHz 3.8-7.5 cm Estimación de precipitaciones de intensidad moderada

S 2-4 GHz 7.5-15 cm Estimación de precipitaciones de intensidad alta y moderada

A pesar del potencial del radar para detectar partículas de precipitación en un rango amplio,

se debe tener en cuenta que se trata de mediciones hechas de forma indirecta, lo que conlleva

a que esté expuesto a múltiples fuentes de incertidumbre. Generalmente, el radar logra

detectar partículas relacionadas con la precipitación como gotas de agua, nieve o granizo, sin

embargo, también pueden ser detectadas otros tipos de partículas presentes tanto en la

atmósfera como en la superficie terrestre. Lo anterior, es una problemática común, en

especial en áreas con topografía variable, en zonas montañosas y/o en zonas urbanas

(Salvadore et al., 2015). Las diversas fuentes de incertidumbre, debido a la medición

indirecta del radar, son exploradas y descritas en el capítulo 4: Problemáticas percibidas en

la QPE

Resolución de los mapas de precipitación

Las imágenes obtenidas por los radares cuentan con una resolución espacio - temporal, la

cual pueden variar según diversos factores como el tipo de radar, la calibración del radar y

el rango de medición. Estos factores han conllevado a que distintos radares meteorológicos

funcionen con diversas resoluciones y han abierto el camino a múltiples investigaciones

sobre el comportamiento de los radares y la calidad de sus estimaciones.

En este estado del arte se introducen los conceptos de resolución espacial y temporal, debido

a que se identificó una tendencia investigativa que estudia los efectos de la resolución en las


calidad de los modelos hidrológicos (explicada en el capítulo 5.3). Por este motivo, en el

siguiente apartado se contextualiza sobre las condiciones que limitan la resolución espacial

y temporal.

2.2.1 Resolución temporal

Consiste en el tiempo en el que se obtiene un volumen escaneado. Por esto mismo, se habla

de una resolución temporal de alta calidad cuando se minimiza el tiempo de detección, pues

será posible acercarse cada vez más a obtener información sobre la variabilidad de la lluvia

en tiempo real. La resolución temporal varía según el tipo de radar y depende,

principalmente, de dos factores: La estrategia de barrido y la velocidad radial de la antena.

La estrategia de barrido consiste en el número de elevaciones escogidas para obtener el

volumen de precipitación escaneado. Por lo anterior, si se escoge un número mayor de

elevaciones, el radar requiere de un mayor tiempo para completar el escaneo. Por otra parte,

la velocidad radial de la antena condiciona el tiempo de escaneo y varía según el tipo de

radar. A mayor velocidad, menor tiempo de escaneo y mayor resolución.

Los radares actuales permiten escanear y obtener resoluciones que oscilan entre los 5 y 15

minutos, sin embargo, existen radares especialmente dedicados a la medición de alta

resolución, los cuales pueden ser utilizados para obtener resoluciones inferiores a los 15

segundos (Ochoa-Rodriguez, Wang, Gires, et al., 2015). Esto permite afirmar que el ajuste de

la resolución del radar se encuentra directamente relacionado con el uso al que se le quiera

dar a la información.

2.2.2 Resolución espacial

Los datos de precipitación son interpolados de coordenadas polares a cartesianas con el fin

de obtener mapas de precipitación en forma de cuadrícula. La resolución espacial es

equivalente al ancho de las celdas de la cuadrícula y depende exclusivamente de la longitud

de onda del radar. La longitud de onda es escogida por los operadores del radar para obtener

un balance entre la resolución y el área de cobertura (Ochoa-Rodríguez, 2017).

Generalmente, los radares suelen trabajar con una resolución de 1 km², no obstante, ha sido

materia de investigación si esta resolución es suficiente para describir la variabilidad de la

precipitación, sobre todo en zonas urbanas. Esto debido a que la resolución espacial juega

un papel importante en la modelación hidrológica urbana, donde se han discutido los valores

de resolución recomendable para reducir la incertidumbre y obtener resultados confiables.


Estimación Cuantitativa de Precipitaciones (QPE)

La estimación cuantitativa de las precipitaciones (QPE, por sus siglas en inglés) a partir del

radar meteorológico consiste en la transformación de las variables captadas por el radar en

datos cuantitativos de lluvia en un tiempo y espacio determinado. Para llevar a cabo dicha

transformación, se han desarrollado diversos algoritmos y metodologías que buscan obtener

información lo más cercana posible a la realidad para así, mejorar los resultados en sus

diversas aplicaciones. Una aplicación importante se encuentra en el campo de la hidrología,

donde se utilizan datos de lluvia para la modelación de la escorrentía y el estudio del

comportamiento de una cuenca frente a diversos escenarios de lluvia.

Las metodologías utilizadas en la QPE varían desde la transformación de la reflectividad en

datos de lluvia, hasta la utilización de variables adicionales gracias a radares polarimétricos.

Estos métodos deben estar sujetos a una calibración por diversos parámetros, los cuales se

han estudiado a fondo para determinar los factores más condicionantes en la medición de

eventos de precipitación. Algunos métodos evalúan las condiciones específicas del área de

medición y otros cuantifican el aporte de cada fuente de incertidumbre. En este capítulo se

exploran las metodologías más comunes para la estimación de precipitaciones: la relación Z-

R y el uso de variables polarimétricas.

Métodos para la estimación

3.1.1 Relación Z-R

Como primera aproximación para la determinación de la cantidad de agua precipitada se han

desarrollado algoritmos que relacionan la reflectividad (Z) y la intensidad de precipitación

(R). Esta metodología también busca relacionar las observaciones del radar meteorológico

con los registros obtenidos en tierra como es el caso de los pluviómetros o estaciones

meteorológicas (Sepúlveda, 2015). Estas técnicas fueron propuestas por Marshall y Palmer

(1948) donde postulan una relación potencial entre Z y R y, desde entonces, múltiples

estudios han ajustado los coeficientes de esta relación para obtener resultados más

aproximados. Un resumen de estas relaciones se encuentra en Battan (1973) donde se tiene

en cuenta la distribución de tamaño de gotas y en Doviak & Zrnic (1984) donde incluyen

otras relaciones.

La relación Z-R empírica, en su forma general, se expresa como:

𝑍𝑒 = 𝑎𝑅𝑏

Donde: 𝑍𝑒 la reflectividad horizontal captada por el radar en [mm6/m³], R es la intensidad de

lluvia en [mm/h] y a y b son constantes empíricas. La aplicación de las diversas relaciones


tiene que ver con el tipo de lluvia, el tipo hidrometeoro que se esté midiendo y el tipo de

clima.

Por otro lado, el listado presentado por Battan, muestra un listado de más de 60 relaciones

Z-R, determinadas de forma empírica. De todos modos, las relaciones Z-R más utilizadas

siguen siendo las propuestas por Marshall y Palmer (1948), las cuales han servido como base

para su aplicación en múltiples investigaciones.

El factor de reflectividad (Z) varía según el tipo de hidrometeoro detectado. Por este motivo,

las relaciones de Marshall y Palmer proponen las siguientes relaciones: 𝑍𝑒 =50𝑅1.6 para

llovizna, 𝑍𝑒 = 200𝑅1.6 para lluvia, 𝑍𝑒 =800𝑅1.6 para chubasco. De igual manera, se

presentan algunas de las relaciones que se han propuesto hasta la fecha (Gomez Vargas,

2015).

Tabla 2. Relaciones Z-R. Fuente: Copete, 2009


Las relaciones Z-R presentan un sesgo debido a que solo utilizan la reflectividad como factor

determinante de la precipitación, lo cual es problemático porque el radar no es capaz de

identificar qué objeto causa dicha reflectividad. Esto ha sido analizado por autores como

Zawadski (1984) donde resalta los principales factores que afectan la precisión en las

mediciones hechas por radares y destaca la desventaja de medir la precipitación de manera

indirecta. Las relaciones Z-R siguen siendo utilizadas, sin embargo, se limitan a los radares

de polarización simple. Se afirma que con la llegada de los radares polarimétricos o radares

de polarización dual fue posible incluir variables adicionales a la reflectividad y, de esta

manera, reducir el sesgo en la estimación cuantitativa de las precipitaciones.

3.1.2 Mediante uso del Radar polarimétrico

Típicamente, un radar transmite ondas polarizadas en dirección horizontal o vertical. Por su

parte, los radares polarimétricos son aquellos que transmiten y reciben señales en canales

separados y de forma simultánea, en dirección horizontal y vertical (Figura 4. Comparación

de radares convencionales y de polarización dual. Esto ha significado una mejora en la

estimación cuantitativa de las precipitaciones según diversas investigaciones, ya que es

posible obtener información sobre la forma y la velocidad de caída de los hidrometeoros,

permitiendo que las señales recibidas por ambos canales puedan ser contrastadas y de esta

forma reducir el sesgo en las estimaciones hechas por el radar.

Figura 4. Comparación de radares convencionales y de polarización dual


Existen cuatro canales según las direcciones en que se transmitan y reciban las señales, entre

ellos, los canales cuya recepción y transmisión de señales tienen la misma dirección, los

cuales se les conoce como canales co-polarizados (co-polarized).

• 𝑆𝑣𝑣: transmisión y recepción vertical

• 𝑆ℎℎ: transmisión y recepción horizontal

Por su parte, los canales donde la recepción y transmisión se realiza de forma opuesta se les

conoce como canales de polarización cruzada (cross polarized)

• 𝑆ℎ𝑣: transmisión horizontal y recepción vertical

• 𝑆𝑣ℎ: transmisión vertical y recepción horizontal

Los cuatro canales mencionados permiten obtener las siguientes variables polarimétricas:

1. Reflectividad diferencial (𝒁𝒅𝒓): Permite realizar una corrección simple respecto a

la reflectividad captada por ambos canales y se calcula a partir de la siguiente

ecuación:

𝑍𝑑𝑟 = 10𝑙𝑜𝑔10 (𝑍ℎℎ

𝑍𝑣𝑣)

Este diferencial es utilizado para caracterizar la lluvia, debido a que existe una

relación entre el tamaño de la gota y la intensidad del evento. Las gotas, al aumentar

su volumen se tienden a ensanchar en sentido horizontal. Por este motivo, si el radar

capta una reflectividad mayor en el canal horizontal que en el vertical (𝑍ℎℎ > 𝑍𝑣𝑣) se

tratará de un tamaño de gota más grande que implica una intensidad de precipitación

mayor.

Figura 5. Tamaños comunes de gotas de lluvia y su respectivo diferencial de reflectividad (𝑍𝑑𝑟). Fuente:(Northern Vertmont University, n.d.)


2. Diferencial específico de fase 𝑲𝒅𝒑: El ensanchamiento de los hidrometeoros

también causa diferencia de amplitud y fase de las señales transmitidas, lo que

ocasiona la atenuación de la onda polarizada horizontalmente y el retraso de fase con

respecto a la onda polarizada verticalmente.

Figura 6. Esquema diferencial de Fase (Bringi et al., 2007)

Este diferencial está dado por la siguiente ecuación:

𝐾𝑑𝑝 =1

2

𝑑

𝑑𝑟𝜙𝑑𝑝

Con respecto a este observable, se han desarrollado múltiples algoritmos para

corregir la estimación de precipitaciones. Entre ellos, destacan los que utilizan el

Diferencial de Fase, donde se han identificado las siguientes ventajas (Gomez Vargas,

2015):

• Corregir la atenuación de onda • Identificar el bloqueo del haz debido a obstáculos en la superficie • Evitar el sesgo por la detección de granizo • Mejorar la detección de la propagación anómala de la señal

3. Coeficiente de correlación (𝝆𝒄𝒐): Consiste en la correlación entre la señales

polarizadas vertical y horizontalmente. Se define por la siguiente expresión:

𝜌𝑐𝑜 =𝑆𝑣𝑣 ∙ 𝑆ℎℎ

√(𝑆𝑣𝑣2) ∙ (𝑆ℎℎ)2

4. Razón de despolarización lineal (LDR): Consiste en la transmisión de ondas

polarizadas horizontales y la recepción de ondas polarizadas verticales y horizontales

(Gomez Vargas, 2015). La ecuación para determinar la LDR es:


𝐿𝐷𝑅 = 10𝑙𝑜𝑔10 (𝑍ℎ𝑣

𝑍ℎℎ)

Siendo: 𝑍ℎ𝑣 la reflectividad horizontal debido a la señal vertical y 𝑍ℎℎ la reflectividad

horizontal debido a la señal horizontal.

Como discusión frente a las distintas variables que permiten los radares polarimétricos,

cabe incluir las observaciones hechas por Zawadski, donde resalta como problema principal

de su uso a la alta variabilidad en la distribución del tamaño de las gotas, y a su vez explica

que el tamaño de estas varía tanto espacial como temporalmente. Lo anterior, implica una

dificultad en la correcta caracterización de los eventos de precipitación y por ello, autores

como Seliga & Bringi han demostrado el potencial que existe en el Diferencial de

Reflectividad al afirmar que:

“El uso de 𝑍𝑑𝑟 permite determinar adecuadamente los coeficientes de la relación Z-R de Marshall-Palmer, o también, con medidas terrestres confiables, servirían para parametrizar las relaciones 𝑍𝑑𝑟-R” (Seliga & Bringi, 1976).

De igual manera, múltiples autores como (Bringi et al., 2007) y (Straka et al., 2000) han

resaltado la importancia de la correcta caracterización de las precipitaciones para realizar

un ajuste en las QPE. Por ello, se presenta a continuación una tabla a modo de resumen sobre

las principales ventajas encontradas en las diversas variables polarimétricas:

Tabla 3. Aplicaciones y ventajas de los observables polarimétricos. Fuente: Cadena, 2017

Parámetro

Ventajas 𝒁𝒅𝒓 𝑲𝒅𝒑 𝝆𝒄𝒐 𝑳𝑫𝑹

Mejorar los estimadores de rangos de precipitación X X

Clasificación de hidrometeoros

X X X X

Determinar las alturas del nivel de fusión X X X X

Corregir la atenuación y/o fenómenos aleatorios X X

Verificación de auto consistencia de la calibración Z-R

X

X

Identificar dispersión en tierra y/o propagaciones anómalas

X X X


Parámetro

Ventajas 𝒁𝒅𝒓 𝑲𝒅𝒑 𝝆𝒄𝒐 𝑳𝑫𝑹

Discriminar efectos de la dispersión en mar y propagaciones anómalas sobre el mar

X X X

Identificar ecos biológicos como pájaros e insectos

X X

Superar problemas del bloqueo del haz

X

Identificar regiones de cristales de varias orientaciones en nubes

X

Independiente de la calibración absoluta del radar

X X X

Inmune a los efectos de la propagación

X X

Independiente de la concentración

X X


21

Problemáticas percibidas en la QPE

En la recopilación de información de esta investigación, se identificó una diferenciación

entre las fuentes de incertidumbre y las limitaciones del radar para la QPE. Se entienden

como fuentes de incertidumbre a aquellos fenómenos asociados al funcionamiento del

radar y que comprometen la calidad de las mediciones de lluvia. Así mismo, las

limitaciones corresponden a las condiciones espaciales y circunstanciales que

conllevan a imprecisiones en las mediciones del radar. En este capítulo se exponen

ambos factores que dificultan la correcta QPE.

Fuentes de Incertidumbre

Entre las distintas fuentes de incertidumbre que comprometen la calidad de las

estimaciones se ha destacado que el llenado parcial del volumen de muestreo y la

atenuación de la señal son aquellas problemáticas que comúnmente afectan a las

mediciones del radar.

• Atenuación atmosférica. Consiste en la pérdida de potencia de la señal a medida que

atraviesa un medio Existen dos tipos de atenuación: 1) Atenuación específica, la cual

consiste en la pérdida de energía por unidad de longitud, limitando el alcance del radar

y obligando a establecer un rango máximo donde se obtendrán estimaciones confiables.

Lo anterior afecta principalmente a radares de longitud de onda corta, como los Banda

C y Banda X. 2) Atenuación diferencial, la cual consiste en la diferencia entre la pérdida

de energía de la señal horizontal de la vertical, afectando así la reflectividad diferencial

(𝑍𝑑𝑟) a medida que se incrementa la distancia de recorrido del haz.

• Llenado parcial del haz o llenado no uniforme del volumen de muestreo. Es una

problemática que se acentúa en grandes distancias y consiste en que el radar llena los

espacios no cubiertos por los pulsos del radar de forma homogénea, sin tener en cuenta

la variabilidad real de la atmósfera. Esto conlleva a subestimaciones de la tasa de

precipitación en distancias superiores a los 100 km (Zawadski, 1984)

Además de los anteriores factores, existen complicaciones propias del radar que deben

considerarse, tales como:

• Propagación anómala. Debido a los cambios fuertes de temperatura, puede ocurrir la

refracción de las ondas del radar tanto hacia la superficie terrestre como hacia el

espacio. La consecuencia de la propagación anómala es la reducción del radio de

cobertura del radar.

• Ecos Permanentes. Consiste en el retorno de las señales debido a obstáculos presentes

en la superficie terrestre, tanto naturales como hechos por el hombre. Si el radar capta

estos obstáculos puede registrar ecos de alta intensidad durante periodos prolongados

de tiempo, lo que se traduciría incorrectamente en zonas con altas intensidades de


22

lluvia. Esta es una problemática que puede persistir en áreas urbanas, para lo cual no es

suficiente con ajustar los ángulos de elevación sino que se requiere de una metodología

para determinar cuándo un pixel está o no contaminado debido a factores externos

(Gomez Vargas, 2015).

• Altura del haz. Cuando se incrementa la distancia de recorrido del haz, este aumenta

su tamaño situándose en alturas superiores y, por ende, extendiendo el ancho del

volumen de escaneado. Por otro lado, la advección horizontal y vertical ocurrida en las

nubes ocasiona una fuerte aleatoriedad en la distribución de la lluvia, sin embargo, para

diversas elevaciones a una misma distancia, el radar presenta una distribución

homogénea lo que causa imprecisiones en los RHI (indicadores de reflectividad en

rango y altura).

• Calibración del radar. Se conoce como el proceso por el cual se identifican los valores de los parámetros del modelo para los cuales la serie de datos simulados se ajusta de manera óptima a la serie de datos observados (Cabrera, n.d.). Las metodologías para la calibración del radar suelen agregar incertidumbre a las mediciones de reflectividad (Gomez Vargas, 2015), por este motivo, se deben tener en cuenta diversos factores según los elementos que se deseen calibrar ( Tabla 4).

Tabla 4. Factores para considerar en la calibración del radar. Fuente: Modelo para la estimación cuantitativa de precipitación a partir de datos de radares polarimétricos (Gomez Vargas, 2015)

Elementos Factores a considerar en la Calibración

Antena Ganancia (G). Ángulos del ancho del haz de -3dB (θ,𝜑). Perdidas en el Radomo (LRD)

Transmisor Longitud del pulso (𝜏). Frecuencia (f) y PRF Pico de potencia (PTX)

Receptor Ganancia (G) Perdidas en el filtro (LMF)

Mediciones Reflectividad (Z) Perdidas de propagación (LP) Rango (r) Potencia recibida (Pr)

Constantes Físicas Velocidad de la onda c=2.9978*10^8 m/s Constante dieléctrica |KW| 2

En la publicación Guía de Prácticas Hidrológicas - Volumen I (Organización

Meteorológica Mundial, 2011) se encuentran explicados estos fenómenos con mayor

detalle y cómo se manejan estas fuentes de incertidumbre en la estimación final de la

cantidad de lluvia.


23

Limitaciones debido a factores externos

4.2.1 Eventos de lluvia extrema (intensidades altas)

La estimación del radar en eventos de lluvia extrema ha jugado un papel importante en

una variedad de aplicaciones. Primero, en el campo de la hidrología se requiere de tasas

de precipitación confiables para la modelación de la respuesta de una cuenca,

principalmente en contextos urbanos. Segundo, en el diseño hidráulico, cobra gran

importancia el contar con registros históricos que permitan dimensionar

correctamente las estructuras para la evacuación de caudales en eventos de lluvia

extrema. Tercero, los sistemas de alerta temprana requieren que el radar identifique los

cambios repentinos en la cantidad de agua atmosférica para cumplir con avisar a

tiempo sobre posibles eventos de inundaciones y/o deslizamientos. Estos desafíos ya

han sido analizados desde inicios de siglo por Krajewski & Smith (2002) donde afirman

que:

“ Las estimaciones de lluvia por radar son particularmente prometedoras para mejorar el pronóstico de inundaciones repentinas y para el diseño de ingeniería en pequeñas cuencas. Para estos problemas, los procesos hidrológicos forzados por las altas tasa de lluvia juegan un papel comparable o incluso más importante que los procesos hidráulicos asociados con las inundaciones. La dificultad principal es la respuesta no lineal de las cuencas de drenaje a la tasa de lluvia.”

De igual forma, una complicación de los eventos de lluvia extrema es la alta aleatoriedad

del tamaño de los gotas. Esto causa una fuente de incertidumbre adicional en las

estimaciones de agua precipitable y ocasionan, en la mayoría de los casos, que los

modelos no perciban de manera correcta la reflectividad del entorno. Por este motivo,

las metodologías desarrolladas para la QPE deben prestar especial atención a la

cuantificación del error general de las estimaciones.

Para varios investigadores, es válido preguntarse si el radar puede ser considerado

como una fuente de medición confiable en eventos de alta precipitación o, de lo

contrario, si los pluviómetros/pluviógrafos siguen siendo la mejor alternativa.

En los estudios “Comparing extreme values of weather radar observations and rain gauge

measurements: conclusions and open issues” y “Investigating local extreme value

statistics based on 10 years of radar observations” se cuantifica la incertidumbre para

diversos grupos de datos de lluvia y se evalúan distintos métodos para la estimación de

precipitaciones. De igual manera, estos estudios comparan sus resultados con otras

investigaciones y, todas estas, coinciden en afirmar que:


24

“Las estimaciones de radar, en cierto punto, tienden a ser más bajas que las de pluviómetros (resultados propios y otras investigaciones con la misma base de datos).” (Scheibel & Einfalt, 2015)

La anterior afirmación está relacionada con los siguientes aspectos:

• Medición instantánea. El hecho de que los radares sean una fuente de medición

instantánea y no continua, como el caso del pluviógrafo, no le permite identificar los

cambios extremos y causa que las estimaciones, para diferentes tipos de ajuste difieran,

bien sea con o sin interpolación de imagen.

• La medición volumétrica y la atenuación del haz. Respecto a este tema se señala la

necesidad de investigar cómo la geometría del haz y el volumen de muestreo influyen

en los extremos de la reflectividad medida. Parte de esta investigación también es

llevada a cabo por Scheibel y Einfalt (2015).

• Medición a una altura dada sobre la superficie. Se muestra cómo existen variaciones

entre el agua medida en altura (radar) y el agua efectivamente precipitable (medición

in-situ).

• Ajuste del radar con pluviómetros. Se realizó una comparación de los gradientes en

eventos de alta precipitación para amabas fuentes de medición.

• Coincidencia. Se muestran las diferencias que existen tanto para eventos de baja escala

como para eventos extremos.

• En la práctica, la comparación no es el único aspecto importante. Se señala que es

más importante: evaluar las implicaciones de tener mediciones inferiores o distintas

entre ambas fuentes de medición para los diversos usos de los datos del radar (sistemas

de alerta temprana, modelación hidrológica y diseño de estructuras hidráulicas).

(Scheibel & Einfalt, 2015)

Este último comentario es crucial para entender el verdadero estado del arte, y es que

la favorabilidad del radar meteorológico frente a las fuentes de medición en tierra varía

según la aplicación. En el caso de la modelación hidrológica, ciertos estudios han

tomado series de precipitación medidas por el radar para su comparación con datos

obtenidos por pluviómetros. A partir de cada serie de datos, se desarrollaron modelos

lluvia-escorrentía para comparar los caudales de salida obtenidos por ambas fuentes.

Respecto a este tema se ha expresado que:

“El uso de datos de radar se ve obstaculizado por la falta de herramientas para investigar eventos extremos, combinar con fuentes de medición tradicionales y hacer que dichos datos estén disponibles para los modelos hidrológicos de una manera fácil de usar y no demasiado costosa.”(Peleg et al., 2015)

Por otro lado, respecto a el diseño y optimización de sistemas de drenaje urbano, se

requiere de la mayor cantidad de información disponible acerca de los eventos


25

extremos de lluvia en el pasado. Diversos autores afirman que el registro histórico de

los radares no es todavía suficiente debido al poco tiempo que llevan los radares

meteorológicos funcionando si se compara con los pluviómetros. En el mejor de los

casos, los radares cuentan con series históricas de 15 años (Schleiss et al., 2019).

De la totalidad del registro histórico captado por los radares meteorológicos, ha sido

posible extraer los eventos extremos y compararlos con los datos obtenidos por

pluviómetros. Esto ha permitido desarrollar modelos donde se simulen caudales de

salida extremos. Respecto a este tema se ha expresado lo siguiente:

“El uso de datos de radar se ve obstaculizado por la falta de herramientas para investigar eventos extremos, combinar con fuentes de medición tradicionales y hacer que dichos datos estén disponibles para los modelos hidrológicos de una manera fácil de usar y no demasiado costosa.”(Peleg et al., 2015)

En uno de los estudios más recientes titulado: “The accuracy of weather radar in heavy

rain: a comparative study for Denmark, the Netherlands, Finland and Sweden”, Schleiss

introduce esta problemática de la siguiente manera:

“

1. A pesar del avance tecnológico y la llegada de los radares polarimétricos, el radar tiende a subestimar los picos de precipitación en comparación con el pluviómetros. De igual manera, siguen estando presentes los efectos de atenuación de onda, problemas de calibración de datos, el rango de medición y finalmente, existe una saturación del canal de recepción del dispositivo.

2. Los efectos del viento y la variabilidad vertical de la lluvia principalmente en eventos de alta intensidad dificultan la comparación entre ambas fuentes de medición

3. Debe existir un balance entre la alta resolución y los algoritmos de recuperación de los datos.

Como resultado, la exactitud depende del tipo de precipitación, las características espacio-temporales y la localización (Schleiss et al., 2019)“

De igual manera, Schleiss expresa que existe una problemática frente al historial de

información disponible sobre los eventos de precipitación (en el mejor de los casos, se

cuenta con series históricas de 15 años). Por este motivo, existen pocos estudios que

hayan estudiado eventos de alta precipitación. Algunos de los estudios referentes a este

tema concluyeron que:

• Los datos de radar pueden ser utilizados para estimar eventos de alta

precipitación siempre y cuando exista un buen funcionamiento del radar y se

corrija según un sesgo previamente estudiado.


26

• Los datos de radar son útiles en la evaluación a largo plazo para entender la

respuesta hidrológica de la cuenca. Por otro lado se menciona que existen

errores respecto al rango de medición y el sesgo.

Debido a lo anterior, Schleiss propuso la evaluación del comportamiento del radar en 4

regiones, todas con diversas características climatológicas y orográficas. La

metodología utiliza la relación Z-R y después corrige los datos a partir de la información

captada por las diversas redes pluviométricas. Como resultado, en la Figura 7 se

observan las series de tiempo del evento de mayor intensidad en cada región, las cuales

fueron medidas por el pluviómetro y el radar. Se observa claramente la subestimación

de las precipitaciones por parte del radar, lo cual afirma los resultados que se han

tenido en estudios anteriores.

Figura 7. Series temporales de intensidades de radar (azul) y pluviómetros (negro) en mm/h a la resolución temporal más alta disponible para el evento más intenso de cada país analizado.

En términos generales, las limitaciones del radar en eventos de alta precipitación tienen

las siguientes dificultades:

• La alta discordancia entre la precipitación medida por los radares y la precipitación medida en el suelo.

• La insuficiencia para describir y simular las interacciones hidrológicas del suelo, ya que no se cuenta con datos verdaderamente confiables.

De lo anterior, surge la necesidad de desarrollar modelos con mayor complejidad donde

se conozca con detalle la variabilidad de la lluvia y la respuesta de la cuenca (escorrentía


27

superficial y subsuperficial). De igual manera, se resalta la recomendación de Schleiss

donde expresa:

“El objetivo principal no consiste declarar sobre qué medición está más cerca de la verdad, sino cuantificar las discrepancias promedio entre las mediciones del pluviómetro y el radar como función del evento, la resolución temporal, la intensidad y la tecnología del radar. Dicha información se puede utilizar como punto de referencia para evaluar los desarrollos posteriores del radar o como una forma muy simple de estudiar el efecto de la incertidumbre en la medición de la lluvia sobre la propagación de errores en los modelos hidrológicos " (Schleiss et al., 2019).

4.2.2 Limitaciones debido a la complejidad del terreno

La orografía también puede ser un factor limitante para el normal funcionamiento del

radar. La presencia de objetos fijos (montañas, edificios, etc.) en el rango del radar

puede ocasionar el bloqueo del haz del radar, corrompiendo los ecos recibidos y

causando que el radar muestre información de lluvia equívoca. A pesar de estas

limitaciones, varios estudios defienden el uso del radar en zonas montañosas o de alta

variabilidad espacial, debido a que son propensas a deslizamientos y altos caudales de

escorrentía, para los cuales el radar puede servir como instrumento para los sistemas

de alerta temprana (Krajewski & Smith, 2002).

Aun así, para la estimación cuantitativa de las precipitaciones, el radar sigue

presentando ventajas frente a las fuentes de medición en tierra. La ventaja principal es

que los pluviómetros solo ofrecen medidas puntuales de la precipitación, lo cual no es

representativo del área en el que se encuentra. Por tal motivo, las medidas generadas

por radar pueden agregar información sobre la distribución de la precipitación.

4.2.2.1 Medición en áreas urbanas

Las zonas urbanas son un terreno complejo para la QPE, donde la operabilidad del radar

se limita aún más. Existen dos factores desfavorables para el radar en los terrenos

urbanos, el primero respecto a la obstaculización del haz del radar debido a las

edificaciones y, el segundo debido a que las estimaciones se deben hacer a una altura

considerable del suelo.

En la última década, diversas investigaciones han estudiado las singularidades de las

cuencas urbanas para la correcta estimación de las precipitaciones. Dentro de la

bibliografía encontrada se realiza el siguiente resumen:


28

Renard, ha discutido sobre la precisión de los datos de los radares meteorológico de

Banda C en el seguimiento de tormentas de alta intensidad en un área urbana en Lyon,

Francia (2012). Así mismo, la utilidad de este tipo de radares ha sido investigada y se

ha demostrado que los datos de precipitación de radares Banda C en zonas urbanas

tienen algunas limitaciones para las estimaciones locales de lluvia. Lo anterior, ha

motivado al estudio de radares con longitud de onda más corta, principalmente los

radares Banda X. Estos generan una alta resolución, con la desventaja de que su

distancia cubrimiento se reduce y las ondas son más susceptibles a la atenuación. De

igual manera, se ha insistido que los radares Banda X necesitan de un buen ajuste a

partir de los pluviómetros disponibles del mismo área de cobertura (Thorndahl et al.,

2017) . Estos métodos de ajuste son explicados en el capítulo ¡Error! No se encuentra

el origen de la referencia. ¡Error! No se encuentra el origen de la referencia., sin

embargo, se adelanta que existen métodos que han suscitado una mejora para los datos

de radar y sus aplicaciones en general.

A pesar de las diversas fuentes de error para la estimación de lluvias en zonas

montañosas (ecos de tierra, bloqueo del haz, fuerte variabilidad vertical), diversos

estudios han reconocido el potencial del uso del radar si se realizan las correcciones

pertinentes. De igual manera, la combinación radar-pluviómetro parece ser el camino

que han tomado múltiples organismos meteorológicos, principalmente en Europa, para

mejorar la calidad de las estimaciones en zonas urbanas

En las investigaciones presentadas en el 4.2 se presentaron estudios enfocados a

solucionar alguna de las limitaciones expuestas. Sin embargo, existen zonas geográficas

que presentan ambas limitaciones, tanto altas intensidad de lluvia como zonas de alta

variabilidad orográfica. Por ejemplo, la cordillera de los Andes se encuentra en una

región de clima tropical, donde es común presentar lluvias extremas y de corta

duración. En este escenario, no se conoce a ciencia cierta si los radares pueden operar

con la suficiente confiabilidad, principalmente a la carencia de estudios en estas zonas.

A modo de resumen del capítulo 4, se presenta en la Figura 8 un esquema sobre las

fuentes de incertidumbre y las limitaciones descritas.


29

Figura 8 Resumen de fuentes de incertidumbre y limitaciones en la estimación cuantitativa de las precipitaciones. Fuente: Elaboración propia


30

Direcciones del campo investigativo

Una vez identificadas las principales problemáticas y limitaciones del radar,

encontradas en las diversas fuentes consultadas, es posible dilucidar sobre la dirección

que está tomando el campo investigativo. Es por ello, que se mencionan a continuación

las principales tendencias de investigación:

• Exploración de diversas técnicas de combinación radar-pluviómetro para la mejora de las estimaciones de lluvia.

• Evaluación de los diversos tipos de modelos hidrológicos y las herramientas que mejoran la calidad de los datos.

• Evaluación del impacto de la resolución de los datos de lluvia en la modelación hidrológica urbana.

Combinación radar-pluviómetro

El pluviómetro es la fuente de medición de precipitaciones con mayor uso en la

actualidad, sin embargo, sigue estando expuesto a diversas fuentes de error, las cuales

no son favorables para la correcta QPE. La principal desventaja de los pluviómetros es

que las mediciones son puntuales y no son representativas del área en el que se

encuentran (Gabella et al., 2015).Por otro lado, el radar y el pluviómetro miden el agua

en alturas y muestras volumétricas distintas. Esto conlleva a que las mediciones se

encuentren en diferentes estados del proceso de precipitación. Mientras que el

pluviómetro mide el agua efectivamente precipitada, el radar cuantifica el agua

potencialmente precipitable. Esto se debe principalmente a que el radar no tiene en

cuenta el proceso de evaporación ocurrido entre la atmósfera y la superficie. En

resumen, las medidas hechas por radar pueden agregar información sobre la

distribución de la precipitación y los pluviómetros servirían para la calibración de los

datos de radar.

La comparación entre el radar y el pluviómetro ha sido una tendencia secundaria para

evaluar la factibilidad de la combinación de ambas fuentes. Respecto a la comparación

cuantitativa entre el radar y el pluviómetro, se exponen las reflexiones de Krajewski et

al. en el año 2010, donde en la publicación “Radar-Rainfall Uncertainties. Where are We after

Thity Years of Effort?”, expresaron que:

“Encontramos una reducción general en las diferencias promedio entre radares y pluviómetros del orden del 33%; también encontrado una reducción en el coeficiente de variación del valor esperado de la relación entre las mediciones de los pluviómetros mediciones y las estimaciones de radar de un orden de 17%. Gran


31

parte de esta mejora se puede asociar con el hardware y software de radar mejorado.”

Los mismos autores expresan que esta reflexión no es un punto de referencia definitivo,

pero le sirve a esta investigación para identificar el avance de la precisión de las

estimaciones por radar en los últimos 10 años.

Múltiples estudios han resaltado que la combinación radar-pluviómetro ha permitido

disminuir la incertidumbre de ambas fuentes de medición. Esta combinación o ajuste

permite corregir las imprecisiones internas del radar, mencionadas en el capítulo 4.1

Fuentes de Incertidumbre.

Como primer acercamiento a la comparación de ambas técnicas de muestreo, un

estudio reciente: “Comparison between radar-derived precipitation estimates and rain

gauge data in a sub-daily resolution” se enfoca en contrastar ambas fuentes de

estimación. Primeramente, se identifica que los radares, por si mismos, tienen

complicaciones para percibir los cambios abruptos de la intensidad de la lluvia en el

tiempo, lo que conlleva a subestimaciones al principio del evento de lluvia y a

sobrestimaciones al final. Debido a esta problemática, Bližňák et al. (2015) realiza un

ajuste retrospectivo de las estimaciones de un radar a partir de la información captada

por una red de pluviómetros. Los resultados se muestran en la Figura 9, donde se

observa cómo las mediciones ajustadas del radar siguen siendo inferiores a las de la

red, sobre todo al principio del evento, no obstante, sus valores se estabilizan hacia el

final del evento y se logra una estabilización entre ambos resultados.


32

Figura 9. Serie temporal (10 min) de precipitaciones. Comparación entre datos observados y ajustados para estudio en el observatorio de Milešovka. Fuente: Comparison between radar-derived precipitation estimates and rain gauge data

in a sub-daily resolution.

Paralelamente, en un estudio desarrollado por (Gabella et al., 2015) se analizó un

evento de precipitación que ocasionó un deslizamiento en una zona rural, con el motivo

de comparar las mediciones registradas por el radar y pluviómetro. A partir de la

información captada por un radar meteorológico y un pluviómetro aledaño a la zona

del deslizamiento se implementó un ajuste desarrollado por el grupo MeteoSwiss

denominado “CombiPrecip” (CPC). Este produce mapas de precipitación acumulada,

bidimensionales, ajustados por pluviómetros y derivados de los datos captados por el

radar. En la Figura 10 se muestra la comparación entre las siguientes fuentes de

medición: Pluviómetro, radar, metodología de ajuste CPC. Se observa que al aplicar la

metodología CPC, las cantidades lluvia se incrementan y se asemejan a las mediciones

realizadas in-situ.


33

Figura 10. Estimaciones de precipitación acumulada por radar (verde), pluviómetro (azul) y CombiPrecip (rojo).

Según los resultados de ambos estudios, en la Figura 9 y la Figura 10 se destaca el sesgo

de las estimaciones del radar frente a las mediciones hechas por pluviómetros. Si bien,

el pluviómetro es una fuente de medición que también tiene diversas fuentes de error,

los radares siempre obtienen intensidades menores dando lugar a una subestimación

de la tasa de precipitación. De igual manera, ambos estudios señalan las restricciones

que tiene el radar frente a los cambios repentinos en la intensidad de la lluvia, y

coinciden en reiterar que el entendimiento de la lluvia en zonas con compleja topografía

sigue siendo un desafío y requiere de mayor investigación (Bližňák et al., 2015; Gabella

et al., 2015).

Así como existen estudios que promueven la aplicación de las técnicas de ajuste de las

mediciones de precipitaciones con pluviómetros, existen estudios adicionales frente a

la combinación con otras herramientas de medición, como es el caso de los

disdrómetros, los cuales permiten caracterizar las gotas de lluvia según su tamaño y

velocidad.

En el estudio: “Combining single polarization X-band radar and ground devices for

hydrological applications”, se utilizan disdrómetros para calibrar la relación Z-R del

radar, y de este modo recuperar información de los hidrometeoros captados. En la

segunda parte, utilizan pluviómetros para incrementar la confiabilidad de las


34

estimaciones cuantitativas. Si bien, la primera parte del estudio tiene aplicaciones más

enfocadas hacia el área de la meteorología, el autor resalta el interés que existe por

utilizar herramientas de todo tipo que mejoren la calidad de las mediciones (Lo Conti

et al., 2015). Como resultado, el autor expuso que existen metodologías de ajuste que

permiten reducir el sesgo de las estimaciones hechas por radar, al contar con

información de una red de pluviómetros.

Del estudio anterior, surge otra pregunta de investigación: ¿la distribución de la red de

pluviómetros influye en las metodologías de ajuste radar-pluviómetro? Esta incógnita ha

sido desarrollada por diversos autores, entre ellos, S. Ochoa-Rodriguez et al., 2015

quienes obtuvieron importantes resultados en su estudio: “Evaluation of radar-rain

gauge merging methods for urban hydrological applications: relative performance and

impact of gauge density”. En este estudio, se evalúa el comportamiento de diversos

métodos de interpolación utilizados en la QPE, ante la variación de la densidad de la

red de pluviómetros. Los métodos analizados fueron:

• MFB: Mean Field Bias (Smith & Krajewski, 1991)

• KED: Kriging with External Drift (Aydin, 2018)

• BAY: Bayesian Merging (Todini, 2001)

• SIN: singularity-sensitive Bayesian merging (Wang & Ochoa-Rodriguez, 2015)

NOTA: La complejidad de los métodos de interpolación varía. Para su entendimiento se

recomienda la revisión de las fuentes expuestas.

Para evaluar el efecto de la densidad de pluviómetros en el comportamiento de estos

métodos se eliminaron pluviómetros de una red inicialmente densa, y se establecieron

diversas configuraciones garantizando disposiciones realistas. De este estudio, los

autores concluyeron que:

• “En general, MFB es insuficiente para corregir satisfactoriamente los errores en los QPE de radar y esto es evidente en los caudales de salida asociadas, que no son consecuentes con las profundidades y flujos máximos. Esto sugiere que se requieren métodos de ajuste más dinámicos y que tengan en cuenta la variación espacial para las aplicaciones hidrológicas urbanas.

• A altas densidades de pluviómetros (~1 pluviómetro cada 3 km²), las estimaciones de lluvia con KED, BAY y SIN muestran un rendimiento cuantitativo muy bueno, tanto en términos de comparación con los registros pluviométricos como en términos de su capacidad para reproducir la escorrentía urbana observada. Las QPE con la metodología SIN funcionan


35

particularmente bien en la reproducción de intensidades pico de lluvia y profundidades y flujos asociados.

• A bajas densidades de pluviómetros (~1 pluviómetro por 1 km²) KED, que es uno de los métodos más populares, tiene un bajo rendimiento, y la ventaja de BAY y en particular, el método SIN se vuelve más evidente).” (Ochoa-Rodriguez, Wang, Bailey, et al., 2015)

Las conclusiones de este último estudio se consideran de gran utilidad para la

comunidad investigativa, teniendo en cuenta que trazan un punto de partida para la

aplicación de las metodologías QPE según la densidad de la red pluviométrica que se

desee estudiar.

Modelación Hidrológica Urbana

Principalmente, los modelos hidrológicos urbanos se han desarrollado para:

• Evaluar el efecto de la urbanización en las interacciones hidrológicas y reforzar el conocimiento que se tienen sobre estos sistemas.

• Realizar predicciones sobre inundaciones, uso del suelo y el impacto del cambio climático.

• Compensar la falta de datos debido a que la medición en un ambiente heterogéneo como el urbano es más difícil que en un ambiente rural.

Respecto a las aplicaciones de los modelos hidrológicos urbanos, se ha expresado lo siguiente:

“Las aplicaciones de modelado de drenaje urbano se han basado tradicionalmente en datos de pluviómetros como entrada. Si bien los pluviómetros proporcionan estimaciones precisas de la precipitación puntual cerca de la superficie del suelo, no pueden capturar adecuadamente la variabilidad espacial de la lluvia, lo que tiene un impacto significativo en el sistema hidrológico urbano y, por lo tanto, en el modelado de la escorrentía urbana (Gires et al., 2012; Schellart et al., 2012; Del Giudice et al., 2013).”

Específicamente, la modelación urbana requiere de datos de lluvia con un alto detalle y

confiabilidad, como bien expresan diversos autores.:

“Entre las aplicaciones hidrológicas urbanas, aquella que tiene los requisitos de datos de lluvia más estrictos es el modelado de drenaje urbano, que implica una simulación detallada de los flujos de escorrentía en los sistemas de drenaje urbano, incluso en el sistema de alcantarillado subterráneo y / o en el sistema de drenaje


36

terrestre”. (Schilling, 1991; Fabry et al., 1994; Berne et al., 2004; Einfalt et al., 2004; Einfalt, 2005; Schellart et al., 2012).

Además, la hidrología urbana sigue presentando diversas incógnitas debido a la

complejidad del suelo urbano, ya que no se ha llegado a un entendimiento completo

sobre las diversas interacciones entre los cuerpos urbanos y naturales de una cuenca.

Esto conlleva a que se simplifique los modelos hidrológicos, y se limiten a simular la

escorrentía superficial sobre una superficie impermeable y un sistema hidráulico de

tuberías. Lo anterior, ha generado un alto grado de incertidumbre en el resultado de

dichos modelos, pues no se han considerado las interacciones existentes entre la

precipitación y los diferentes tipos de suelo, así como no poder representar la

distribución de la permeabilidad en el espacio.

Por otro lado, existe una escasez de información de registros históricos del radar

debido al corto tiempo de funcionamiento de los radares. Todo lo anterior conlleva a

que la modelación urbana no cuente con el alto grado de resolución que requiere.

A pesar de la alta resolución que requieren los modelos, diversos autores han

reconocido el potencial del radar en aplicaciones hidrológicas urbanas. En el año 2013

Berne & Krajewski afirmaron que:

“Por un lado, se ha demostrado el potencial del radar meteorológico en la hidrología para proporcionar información de lluvia distribuida espacialmente con una alta resolución para modelos hidrológicos. Por otro lado, las limitaciones actuales y el trabajo restante para caracterizar y cuantificar mejor las incertidumbres que afectan las estimaciones de las tasas de lluvia han obstaculizado el amplio uso de datos de radar en hidrología. Nuestra respuesta a la pregunta, "El Radar en hidrología: ¿es una promesa incumplida o un potencial no reconocido?" es simple: ambas opciones. Sin embargo, esperamos ir más allá de esta respuesta bastante simplista identificando y discutiendo los principales desafíos a abordar para que la hidrología pueda aprovechar al máximo el radar meteorológico. (Berne & Krajewski, 2013).

Debido a la escasez de registros históricos de precipitación, cada vez son más comunes

los estudios que aprueban la combinación de diversas fuentes de medición,

especialmente el radar y el pluviómetro, como el camino hacia un entorno de datos

más completo y que permita que los modelos hidrológicos sean más confiables. La

consistencia de los modelos es un problema cuando se intenta simular sistemas de agua

a gran escala, como podría ser el análisis de una cuenca urbana.


37

La disponibilidad de datos determina la selección del modelo a utilizar y la capacidad

predictiva de dicho modelo. Si la calidad de los datos es de baja resolución, incrementar

la complejidad del modelo no ayudará a mejorar su capacidad predictiva. Si la calidad

de los datos es de alta resolución pero el modelo es simple o poco complejo, la capacidad

predictiva también será baja pues la simplicidad del modelo incrementa su

incertidumbre (Cabrera, n.d.).

Por este motivo, se presenta a continuación una breve clasificación de los modelos

hidrológicos y la discusión de diversos autores respecto a otros sistemas de

información que pueden ser combinados con el radar, tales como los sistemas de

información geográfica (SIG) y otros sensores remotos.

5.2.1 Clasificación de modelos hidrológicos

En primera instancia, los modelos se clasifican según su representación espacial de la

siguiente manera:

• Modelos agregados o agrupados. Son los de menor complejidad y se utilizan

cuando no se dispone de suficiente información sobre las propiedades del suelo

y de los procesos involucrados en los flujos de escorrentía. Estos asumen un

comportamiento homogéneo de toda cuenca, lo cual es válido solo en cuencas

muy pequeñas. De lo contrario, solo son utilizados para tener un primer

acercamiento al entendimiento del sistema

• Modelos semidistribuidos. Los modelos semidistribuidos son similares a los

agrupados, solo que consideran regiones secundarias de similar

comportamiento hidrológico (HRU). Estas subregiones son analizadas de forma

independiente para ajustar y/o superponer los efectos debido a elementos

topográficos u otras consideraciones geomorfológicas como el tipo de suelo.

El enfoque de estos modelos permite evaluar un número mayor de parámetros,

sin embargo, se pierde la ubicación geográfica exacta a medida en que se

agrupan combinaciones de tipos de suelo idénticos, los cuales el modelo los

interpreta como un único elemento para los cálculos (Salvadore et al., 2015).

• Modelos distribuidos. Estos dividen la cuenca en elementos de menor tamaño

y de geometría uniforme, también llamados “grillas”. Esta división permite

agregar información sobre posibles variaciones del suelo como el cambio de

pendiente.

Así mismo, los modelos se pueden dividir si sus estimaciones se calculan o no en

“grillas”. Los modelos sin grillas son ampliamente utilizados en la modelación urbana,

principalmente por dos razones: la primera, debido a que este enfoque se aplica


38

fácilmente cuando la información es escasa, teniendo en cuenta zonas de análisis

grandes como en los modelos agrupados, y la segunda, debido a que los modelos

semidistribuidos están diseñados para describir los sistemas urbanos, siendo estos

bastante flexibles y con un alto grado de detalle de la información. (Salvadore et al.,

2015)

5.2.2 Sistemas de Información Geográfica (SIG)

Desde hace más de dos décadas, las herramientas para la modelación hidrológica han

aprovechado las funcionalidades de los SIG, bien sea de forma flexible o estricta.

(Salvadore et al., 2015). Los SIG son efectivamente útiles para la hidrología urbana

debido a la alta variabilidad espacial y a las dinámicas del suelo urbano. Las plataformas

SIG son utilizadas para:

• Procesar los parámetros y entradas del modelo • Manejar y monitorear los datos espaciales • Representar la superficie de la cuenca • Asimilar los datos de percepción remota • Identificar elementos relacionados con la respuesta hidrológica • Calibrar los datos del modelo

Los SIG y los datos de percepción remota pueden ser utilizados en modelos distribuidos,

los cuales realizan cálculos para cada celda de la cuadrícula. El nivel de complejidad de

estos modelos depende de la resolución espacial la información y de la descripción de

los procesos internos de la zona de evaluación. Las UHE pueden ser bloques urbanos,

edificaciones y alrededores, volumen de personas, y demás.

Un porcentaje considerable de los modelos utilizan los modelos de elevación digital

para delimitar la cuenca, considerando factores como la pendiente para determinar la

dirección del flujo. Sin embargo, estos métodos asumen la linealidad del sistema y no

son desarrollados específicamente para contextos urbanos. Por su parte, el Urban Unit

Hydrograph está diseñado para describir el movimiento en áreas urbanas utilizando

información geométrica para la definición de parcelas como elementos de hidrología

urbana (UHE) y derivan el transporte según la ubicación de las vías y su conectividad

(Salvadore et al., 2015).


39

5.2.3 Sensores remotos

Por otro lado, los dispositivos de percepción remota son útiles en diversos aspectos.

Existen tecnologías que permiten trazar mapas de permeabilidad. Así mismo, los datos

de precipitación por radar están siendo utilizados en modelos que consideran la

variabilidad espacial de la lluvia .

Además, existen metodologías Land Cover las cuales permiten describir, caracterizar,

clasificar y comparar las características de la cobertura de la tierra, utilizando imágenes

de satélite de resolución media para la construcción de mapas de cobertura a diferentes

escalas (IDEAM, 2010).

Finalmente, dispositivos de percepción remota como los LIDAR (Light Detection and

Ranging) permiten trazar DEM para evaluar la densidad de la vegetación, la estimación

del parámetro de evapotranspiración, la rugosidad y para calcular el ancho del fondo

de los canales (Chen et al., 2009).

Resolución óptima en los datos de precipitación

La resolución óptima de las imágenes de precipitación ha sido un tema de amplio

debate, donde se ha encontrado una dependencia de la resolución respecto al uso que

se le quiera dar a la información del radar. En primera instancia, si se desean utilizar

los datos para la predicción y localización de tormentas a corto plazo (nowcasting), es

posible que no se requiera de una resolución espacial de alto detalle, pero sí se necesite

de una resolución temporal que permita alertar de forma temprana dichos eventos. En

segunda instancia, si el propósito de los datos de lluvia es la modelación hidrológica

urbana puede que se requiera de una resolución espacial de alto detalle para que sea

posible modelar la alta variabilidad espacial de un entorno urbano y, por el contrario,

no sea necesario optimizar la resolución temporal. En tercera instancia, la duración de

la precipitación juega un papel importante, pues existen tipos de lluvia que se forman

en periodos de tiempo muy cortos, como es el caso de la lluvia orográfica, lo que

conlleva a evaluar la resolución temporal que permite captar los cambios repentinos en

la nubosidad y en la cantidad de lluvia presente.

La diferenciación realizada anteriormente, se hace necesaria para centrar este apartado

de la investigación en el impacto de la resolución sobre los modelos hidrológicos

urbanos. Como se ha mencionado anteriormente, la resolución tiene un impacto en la

calidad de las estimaciones de precipitación, y por ende en la consistencia de los

modelos de hidrología urbana. La temática de la modelación se aborda con mayor

énfasis en el capítulo 5.2, no obstante cabe mencionar que se encontraron estudios que

enmarcan la sensibilidad de los modelos hidrológicos urbanos debido a la variación en


40

la resolución espacial y temporal. Estos estudios han llegado a diversas conclusiones,

entre ellas las siguientes:

“Los modelos son más sensibles a las variaciones en la resolución temporal que la espacial. Además, existe una fuerte relación entre el área de drenaje y la resolución crítica de lluvia: los efectos de diferentes resoluciones disminuyen a medida que se incrementa el tamaño de la zona de captación. “ (Ochoa-Rodriguez, Wang, Gires, et al., 2015)

“Los resultados confirman la mayor sensibilidad de la respuesta hidrológica a la resolución temporal que a la resolución espacial presentada en estudios previos (Ochoa-Rodríguez et al., Presentada), y muestran que las características de la tormenta tienen una fuerte influencia en la salida”. (Cristiano et al., 2015) “Los resultados muestran que, para una resolución de lluvia inferior a la mitad del tamaño de la cuenca, el promedio de los volúmenes de lluvia y las desviaciones estándar disminuyen como resultado del suavizado de los gradientes de lluvia. La sensibilidad a la resolución temporal de las entradas de lluvia fue baja en comparación con la resolución espacial, para las tormentas analizadas en este estudio.” (Bruni et al., 2015)

Los autores Cristiano y Ochoa-Rodriguez afirman que al incrementar el tamaño del área

de drenaje los efectos de la resolución disminuyen. De igual forma, Bruni asevera que

la variación de las estimaciones disminuye si se trabaja con áreas de captación de un

tamaño relativamente grande. Adicionalmente, existen discordancias frente a lo

concluido por los autores respecto a la resolución con mayor impacto en la modelación.

Los autores Cristiano y Ochoa-Rodriguez coinciden en afirmar que la resolución crítica

es la temporal, sin embargo, Bruni presenta a la resolución espacial como la que

presenta una mayor sensibilidad.

Esta discordancia entre resultados puede deberse frente a características propias de los

modelos utilizados y de los eventos de lluvia analizados. De igual manera, puede existir

un vacío teórico respecto a la caracterización de los distintos evento de lluvia, lo que

conlleva a inconsistencias en los resultados de los modelos hidrológicos.


41

Conclusiones

Con la llegada del radar meteorológico, se evidencia un avance en la estimación

cuantitativa de precipitaciones, pues fue posible obtener información sobre la

variabilidad del agua presente en la atmósfera de forma constante. Sin embargo, el

entorno atmosférico y el área donde se precipita el agua causa incertidumbre en las

estimaciones y condiciona el funcionamiento óptimo de los datos en sus diversas

aplicaciones. El presente estado del arte permite un entendimiento del funcionamiento

del radar, las metodologías utilizadas y las direcciones investigativas del mejoramiento

de las estimaciones hechas por el radar.

La resolución de los datos de precipitación está limitada a los múltiples factores

mencionados y resulta necesario tener claridad sobre la utilización de la información

obtenida por el radar, especialmente en el caso de la modelación hidrológica urbana

donde la resolución restringe la complejidad de los modelos hidrológicos y puede llevar

a resultados erróneos.

En la estimación cuantitativa de las precipitaciones, se han desarrollado múltiples

metodologías de calibración de los datos del radar, en base a registros terrestres, entre

los cuales, es de destacar los ajustes Z-R y los ajustes a partir de variables

polarimétricas. De ambas metodologías, se matiza la insuficiencia de las relaciones Z-R,

al solo utilizar la reflectividad (Z) como variable para la estimación, a diferencia de

metodologías de ajuste con radares polarimétricos, de donde se obtienen ondas

polarizadas ortogonalmente que permiten ampliar información adicional de las gotas

de lluvia detectadas.

El uso de radares polarimétricos presenta sin duda un panorama optimista para la

estimación de precipitaciones, sobre todo en contextos urbanos. Aun así, la variabilidad

atmosférica y climatológica de cada región no ha sido debidamente estudiada y existe

un vacío investigativo especialmente en zonas donde el cubrimiento de estos radares

se ve afectado por orográfica del terreno, en donde puede ocurrir el bloqueo del haz del

radar y el desconocimiento de la distribución vertical de la lluvia.

Es necesario el entendimiento de las fuentes de incertidumbre del radar, pues estas han

orientado el desarrollo de algoritmos de ajuste y calibración en el pasado. Hacia el

futuro, sería ideal el desarrollo de algoritmos flexibles ante las diversas fuentes de

incertidumbre y a su vez, que puedan ser utilizados de manera universal en los diversos

casos de estudio y que sirva como primer acercamiento en la corrección de las

estimaciones.


42

Respecto a las limitaciones encontradas, no existen investigaciones que impidan la

importancia de resolver estos conflictos para seguir avanzando en el mejoramiento de

los datos de lluvia en sus distintas aplicaciones, como son los sistemas de alerta

temprana, el registro histórico de precipitaciones y la modelación hidrológica.

Por otro lado, existen una carencia investigativa respecto a estudios enfocados en

solucionar ambas limitaciones, es decir, a evaluar simultáneamente el comportamiento

del radar tanto a intensidades elevadas de lluvia como en zonas con alta variabilidad

orográfica (4.2). Esto debe ser materia de futuros casos de estudio en la cordillera de

los Andes y demás zonas que estén expuestas a ambas limitaciones.

Son innegables las condiciones desfavorables en las que el radar no se desempeña

correctamente, sin embargo, se ha expresado que el radar no puede ser la solución

definitiva para la estimación de precipitaciones y se demuestra que la mejor salida es

la combinación con registros medidos en tierra. En el caso de los eventos de alta

precipitación, el uso de radares polarimétricos, calibrados con una red de pluviómetros

ha permitido obtener una mejora considerable en la calidad de los datos. Por otro lado,

las condiciones del terreno pueden ser corregidas mediante métodos de ajuste,

sistemas de información geográfica y demás sensores que agreguen información

espacial.

Se observa que las tres principales tendencias investigativas coinciden en intentar

mejorar las estimaciones de lluvia y no en mejorar aspectos tecnológicos del radar. Esto

puede significar que en el futuro se logrará un mayor aprovechamiento de los radares

que operan en el presente. A continuación se presenta las conclusiones respecto a cada

línea investigativa:

En relación con los métodos de combinación radar-pluviómetro, estos deben estar en

sinergia con los métodos de interpolación para realmente obtener mejoras en las

estimaciones y en la reducción el sesgo del radar. De cualquier modo, se debe elegir el

modelo que presente un mejor desempeño ante la densidad de la red de pluviómetros

para obtener un buen rendimiento de los modelos hidrológicos.

Conforme a la modelación hidrológica urbana, prevalece la importancia de entender

mejor el suelo urbano y las diversas interacciones de la cuenca que, generalmente, no

se tienen en cuenta en los modelos. Además, se requiere que la información geográfica

sirva como insumo adicional para obtener resultados confiables, bien sea a partir de

SIG u otras herramientas para la caracterización del suelo.


43

Finalmente, en el caso de la resolución en los datos de precipitación, se acoge la

conclusión de diversos autores al afirmar que existe un mayor impacto de la resolución

temporal en los modelos hidrológicos pero no se niega las afirmaciones contrarias. De

esta discordancia de resultados, es evidente que los eventos de precipitación no han

sido estudiados al máximo y se requiere con urgencia un estudio que permita

caracterizar estas disimilitudes.


44

Recomendaciones

En este apartado se motiva a los profesionales y académicos, vinculados al área de la

hidrología y demás áreas afines a alinearse con las tendencias investigativas expuestas

en este estado del arte. De igual manera, se recomienda la lectura de las diversas fuentes

recopiladas para ampliar el conocimiento sobre el alcance del radar en sus múltiples

aplicaciones, así como su estado del arte frente a las demás tecnologías para la

estimación cuantitativa de precipitaciones en cuentas urbanas.

Es de gran importancia seguir profundizando sobre los factores del entorno que limitan

la correcta estimación del radar. No es suficiente desarrollar algoritmos de alta

complejidad para el control y la cuantificación de las fuentes de incertidumbre sin

conocer el impacto en las condiciones específicas de cada área geográfica.

Si existe la motivación de estudiar y modelar cuencas que estén expuestas tanto a altas

intensidades de lluvia como a entornos de orografía compleja, se recomienda lo

siguiente:

• Explorar la posibilidad de implementar la polarización dual en los radares ya

instalados.

• Utilizar algoritmos para el mejoramiento de la resolución de las mediciones de

lluvia, sobre todo si el estudio se desarrolla en áreas urbanas.

• Incrementar las fuentes de medición en tierra para garantizar una buena

calibración de los datos del radar.

• Explorar la posibilidad de utilizar sistemas información geográfica (SIG) y otros

sensores remotos como disdrómetros, además de revisar las metodologías Land

Cover desarrollados por el IDEAM (2010). Todo lo anterior para agregar

información espacial adicional en los modelos.

En caso de seguir estudiando técnicas para el radar-pluviómetro, se recomienda lo

siguiente:

• Tener un amplio entendimiento de las técnicas de interpolación, para lo cual se

pueden revisar las fuentes del 5.1.

• Explorar el potencial de otros instrumentos de medición, como el caso de los

disdrómetros para agregar información adicional.


45

Si se busca seguir con la línea investigativa conforme a la resolución óptima de los datos

de precipitación, se recomienda:

• Explorar las restricciones del radar frente a los cambios repentinos de lluvia y

determinar si la resolución ofrecida por el radar es suficiente por sí misma.

• Investigar sobre una posible caracterización de eventos de precipitaciones para

que permita la evaluación de modelos hidrológicos frente a distintas densidades

pluviométricas. Sería ideal si esta caracterización fuera determinística, para

poder aplicarla en múltiples casos de estudio.


46

Bibliografía

Aydin, O. (2018). Evaluaton of Kriging with External Drift Method in spatial modelling of precipitation: a case of Aegan region, Turkey.

Battan, L. (1973). Radar Observation of the Atmosphere - Louis J. Battan - Google Libros. https://books.google.com.co/books/about/Radar_Observation_of_the_Atmosphere.html?id=25l6AAAAIAAJ&redir_esc=y

Berne, A., & Krajewski, W. F. (2013). Radar for hydrology: Unfulfilled promise or unrecognized potential? Advances in Water Resources, 51, 357–366. https://doi.org/10.1016/j.advwatres.2012.05.005

Bližňák, V., Kašpar, M., & Müller, M. (2015). Comparison between radar-derived precipitation estimates and rain gauge data in a sub-daily resolution.

Bringi, V. N., Thurai, M., & Hannesen, R. (2007). Dual Polarization Weather Radar Handbook (Selex-Gematronic (ed.); 2nd ed.).

Bruni, G., Reinoso, R., van de Giesen, N. C., Clemens, F. H. L. R., & ten Veldhuis, J. A. E. (2015). On the sensitivity of urban hydrodynamic modelling to rainfall spatial and temporal resolution. Hydrology and Earth System Sciences, 19(2), 691–709. https://doi.org/10.5194/hess-19-691-2015

Cabrera, J. (n.d.). Modelos Hidrológicos.

Cadena, L. (2017). Modelo de clasificación de hidrometeoros para zonas ecuatoriales a partit de observables de radar meteorológico. Universidad Distrital Francisco José de Caldas.

Chen, J., Hill, A. A., & Urbano, L. D. (2009). A GIS-based model for urban flood inundation. Journal of Hydrology, 373(1–2), 184–192. https://doi.org/10.1016/j.jhydrol.2009.04.021

Chiang, C. W., Das, S. K., Chiang, H. W., Nee, J. B., Sun, S. H., Chen, S. W., Lin, P. H., Chu, J. C., Su, C. S., & Su, L. S. (2015). A new mobile and portable scanning lidar for profiling the lower troposphere. Geoscientific Instrumentation, Methods and Data Systems, 4(1), 35–44. https://doi.org/10.5194/gi-4-35-2015

Copete, J. (2009). Herramientas matemáticas e informáticas aplicables en la calibración y funcionamiento de un radar meteorológico concebido para el estudio del drenaje urbano de la ciudad de Bogotá. Universidad Nacional de Colombia.

Cristiano, E., ten Veldhuis, J. A. E., & van de Giesen, N. C. (2015). Effects of different spatial and temporal rainfall data resolution on hydrological response in flat urban catchments.

Doviak, R., & Zrnic, D. (1984). Doppler Radar and Weather Observations. In Doppler Radar and


47

Weather Observations. Elsevier. https://doi.org/10.1016/b978-0-12-221420-2.x5001-7

Gabella, M., Speirs, P., Sideris, I. V., Berne, A., & Germann, U. (2015). Examples of the spatio-temporal variability of the precipitation field in the western Alps as seen by rain gauges, ground-based and spaceborne weather radars. Rainfall in Urban and Natural Systems - Proceedings of the 10th International Workshop on Precipitation in Urban Areas, UrbanRain 2015.

Gomez Vargas, E. (2015). Modelo para la estimación cuantitativa de precipitación a partir de datos de radares polarimétricos. Pontificia Universidad Javeriana.

Hong, Y. (2014). Radar Hydrology. In Radar Hydrology. https://doi.org/10.1201/b17921

IDEAM. (2010). Leyenda nacional de coberturas de la tierra. Metodología CORINE Land Cover adaptada para Colombia, escala 1:100.000.

Instituto de Hidrología, Meteorología y Estudios Ambientales, I. (n.d.). No Title. http://www.pronosticosyalertas.gov.co/imagenes-de-radar

Krajewski, W. F., & Smith, J. A. (2002). Radar hydrology: Rainfall estimation. Advances in Water Resources, 25(8–12), 1387–1394. https://doi.org/10.1016/S0309-1708(02)00062-3

Krajewski, W. F., Villarini, G., & Smith, J. A. (2010, January). Radar-Rainfall Uncertainties. Where are We after Thity Years of Effort? American Meteorological Society, 87–94.

Lo Conti, F., Forestieri, A., & Noto, L. V. (2015). Combining single polarization X-band radar and ground devices for hydrological applications. Rainfall in Urban and Natural Systems.

Marshall, J. S., & Palmer, W. M. K. (1948). THE DISTRIBUTION OF RAINDROPS WITH SIZE. Journal of Meteorology, 5(4), 165–166. https://doi.org/10.1175/1520-0469(1948)005<0165:tdorws>2.0.co;2

Northern Vertmont University, A. S. (n.d.). Radar Lecture Notes. http://apollo.lsc.vsc.edu/classes/remote/lecture_notes/radar/index.htmlhttp://apollo.lsc.vsc.edu/classes/remote/lecture_notes/radar/index.html

Ochoa-Rodríguez, S. (2017). Rainfall estimates for urban drainage modelling : an investigation into resolution requirements and radar-rain gauge data merging at the required resolutions. 97–144.

Ochoa-Rodriguez, S., Wang, L. P., Bailey, A., Schellart, A., Willems, P., & Onof, C. (2015). Evaluation of radar-rain gauge merging methods for urban hydrological applications: relative performance and impact of gauge density. Rainfall in Urban and Natural Systems 10th International Workshop on Precipitation in Urban Areas.


48

Ochoa-Rodriguez, S., Wang, L. P., Gires, A., Pina, R. D., Reinoso-Rondinel, R., Bruni, G., Ichiba, A., Gaitan, S., Cristiano, E., Van Assel, J., Kroll, S., Murlà-Tuyls, D., Tisserand, B., Schertzer, D., Tchiguirinskaia, I., Onof, C., Willems, P., & Ten Veldhuis, M. C. (2015). Impact of spatial and temporal resolution of rainfall inputs on urban hydrodynamic modelling outputs: A multi-catchment investigation. Journal of Hydrology, 531, 389–407. https://doi.org/10.1016/j.jhydrol.2015.05.035

Organización Meteorológica Mundial. (2011). Guía de prácticas hidrológicas. In Manual. https://doi.org/OMM-No 168

Peleg, N., Blumensaat, F., Fatichi, S., Paschalis, A., Molnar, P., & Burlando, P. (2015). Rainfall in urban and natural systems. Proceedings of the 10th International Workshop on Precipitation in Urban Areas (UrbanRain15).

Renard, F. (2012). First use and results of a C-band radar over an urban area: Evaluation of the hydrologic quality and intense rain cells tracking | Request PDF. https://www.researchgate.net/publication/288217930_First_use_and_results_of_a_C-band_radar_over_an_urban_area_Evaluation_of_the_hydrologic_quality_and_intense_rain_cells_tracking

Salvadore, E., Bronders, J., & Batelaan, O. (2015). Hydrological modelling of urbanized catchments: A review and future directions. Journal of Hydrology, 529(P1), 62–81. https://doi.org/10.1016/j.jhydrol.2015.06.028

Scheibel, M., & Einfalt, T. (2015). Comparing extreme values of weather radar observations and rain gauge measurements: conclusions and open issues. Rainfall in Urban and Natural Systems 10th International Workshop on Precipitation in Urban Areas.

Schleiss, M., Olsson, J., Berg, P., Niemi, T., Kokkonen, T., Thorndahl, S., Nielsen, R., Nielsen, J. E., Bozhinova, D., & Pulkkinen, S. (2019). The accuracy of weather radar in heavy rain: a comparative study for Denmark, the Netherlands, Finland and Sweden. Hydrology and Earth System Sciences Discussions, August, 1–42. https://doi.org/10.5194/hess-2019-427

Seliga, T. A., & Bringi, V. N. (1976). Potential Use of Radar Differential Reflectivity Measurements at Orthogonal Polarizations for Measuring Precipitation. In Journal of Applied Meteorology (Vol. 15, Issue 1). American Meteorological Society. https://doi.org/10.1175/1520-0450(1976)015<0069:PUORDR>2.0.CO;2

Sepúlveda, J. (2015). Estimación cuantitativa de precipitación a partir de la información de Radar Meteorológico del Area Metropolitana del Valle de Aburrá.

Smith, J. A., & Krajewski, W. F. (1991). Estimation of the Mean Field Bias of radar Rainfall Estimates. Journal of Applied Meteorology, 30, 397–412.

Straka, J. M., Zrnić, D. S., & Ryzhkov, A. V. (2000). Bulk Hydrometeor Classification and


49

Quantification Using Polarimetric Radar Data: Synthesis of Relations. Journal of Applied Meteorology, 39, 1341–1372.

Thorndahl, S., Einfalt, T., Willems, P., Ellerbæk Nielsen, J., Ten Veldhuis, M. C., Arnbjerg-Nielsen, K., Rasmussen, M. R., & Molnar, P. (2017). Weather radar rainfall data in urban hydrology. Hydrology and Earth System Sciences, 21(3), 1359–1380. https://doi.org/10.5194/hess-21-1359-2017

Todini, E. (2001). A Bayesian technique for conditioning radar precipitation estimates to rain-gauge measurements. Hydrology and Earth System Sciences, 5, 187–199.

Wang, L. P., & Ochoa-Rodriguez, S. (2015). Singularity-sensitive gaugebased radar rainfall adjustment methods for urban hydrological applications. Hydrology and Earth System Sciences Discussions, 12, 1855–1900.

Zawadski, I. (1984). Factors affecting the precisión of radar measurements of rain. 22nd Conf. of Radar Meteorology, 251–256.

Documents

TESIS DE PREGRADO ESTADO DEL ARTE SOBRE EL USO DE …