Última actualización: 06 julio 2020
Se adoptan dos esquemas de modelación, el primero se cambia la regionalización de las variables en el proceso de calibración. Con esto se busca minimizar las diferencias entre las variables observadas y simuladas alterando la forma en que fueron regionalizadas. Adicionalmente en el primer esquema se desechan dos estaciones de caudal las cuales sus registros son dudosos.
En el segundo esquema no se altera la regionalización de las variables, sin embargo se aplica un factor de ajuste a los caudales observados en las cinco estaciones.
La cuenca del Santa Lucía hasta Paso Pache ha sido subdividida en subcuencas siguiendo la subdivisión nivel 5 de DINAGUA https://www.dinama.gub.uy/geoservicios/. Seguidamente se regionalizó el modelo conceptual de la cuenca en función de dos zonas hidrológicamente contrastantes. Por simplicidad las denotaremos cuenca alta y cuenca baja. Esta estrategia de modelación permitirá aplicar factores de ajuste a un juego de parámetros pre-seleccionados en cada región. Es decir, se podrá efectuar ajustes de los parámetros en función de la zona a la cual pertenece cada subcuenca o HRU.
El siguiente mapa muestra la localización de cada región.
library(mapview)
wl = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/StreamGauge2.RDS")
subs1 = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/subs1.RDS")
riv1 = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/riv1.RDS")
r.alta = c(1,8,10,14,15,16,17,18,19,20,22)
r.baja = c(2,3,4,5,6,7,9,11,12,13,21,23,24,25,26,27,28,29,30,31,32,
33,34,35,36,37,38,39,40,41)
mapview(subs1[r.alta,], col.regions=c("green"), legend=T,lwd=1.5,
layer.name ="Cuenca Alta", label=paste0("Alta, sb:",subs1[r.alta,]$Subbasin)) +
mapview(subs1[r.baja,],col.regions=c("beige"), legend=T,lwd=1.5,
layer.name ="Cuenca Baja", label=paste0("Baja, sb:",subs1[r.baja,]$Subbasin)) +
mapview(riv1, color="blue",legend=F, label= paste0("area (km2): ", round(riv1$AreaC/100))) +
mapview(wl,col.regions=c("yellow"), legend=F,
zcol="nombreesta",alpha.regions=1,lwd=1)
SWAT es capaz de modelar la interacción entre uso del suelo y los recursos hídricos, en este sentido el uso del suelo se convierte en un componente conceptual importante del modelo. Para su representación se utilizó el mapa de cobertura del año 2015 (http://sit.mvotma.gub.uy/websdatos/cobertura.html). Seguidamente, se transformaron las clases del mapa a formato SWAT quedando como se muestra a continuación:
library(maptools)
library(raster)
library(mapview)
usos = readRDS("C:/Users/Rafael Navas/Documents/R_projects/SWAT_calibration_ETmodis/data/shapefiles/usos_2015_resolucion200metros.RDS")
values(usos)[values(usos)==10] = 3
values(usos)[values(usos)==13] = 4
values(usos)[values(usos)==14] = 5
values(usos)[values(usos)==15] = 6
usos = stack(usos)
subs1 = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/subs1.RDS")
wl = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/StreamGauge.RDS")
#1 AGRC beige
#2 AGRP orange
#3 LECH red
#4 GRAS yellow
#5 MONT green
#6 EUCA brown
uso_lab = SpatialPointsDataFrame(coordinates(subs1)[1:6,],
data=data.frame(uso=c("AGRC","AGRP","LECH","GRAS","MONT","EUCA"),
col = c("blueviolet",
"aliceblue",
"blue",
"darkorange",
"darkgreen",
"darkred")),
proj4string = crs(subs1))
uso_pal = colorRampPalette(paste(uso_lab$col))
mapview(subs1, alpha.regions=0, legend=F,lwd=1.5, zcol="Subbasin") +
mapview(usos[[1]],alpha.regions=1, na.color=NA, layer.name="Usos",col.regions = uso_pal, legend=F) +
mapview(uso_lab,alpha.regions=0, col.regions=c("blueviolet",
"aliceblue",
"darkgreen", #MONT
"darkorange",#GRAS
"darkred", #EUCA
"blue"),zcol="uso", legend=T,
layer.name="Usos",
lwd=0)
library(maptools)
library(raster)
library(mapview)
subs1 = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/subs1.RDS")
wl = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/StreamGauge2.RDS")
riv1 = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/riv1.RDS")
suelos = readRDS("~/R_projects/SWAT_calibration_ETmodis/shapefiles_RDS/suelos_rds.RDS")
wl = wl[c(1,2,4,5,7),]
wl$sesgo = c(1/0.79, 1/1.65, 1/0.72, 1.19, 1.12)
wl$sesgo = (1 - wl$sesgo)*100
wl$sesgo = round(wl$sesgo)
mapview(suelos,alpha.regions=1, na.color=NA,zcol = "textura", legend=F) +
mapview(riv1, color="blue",legend=F, label= paste0("area (km2): ", round(riv1$AreaC/100))) +
mapview(wl,col.regions=c("red"), legend=F,
zcol="nombreesta",alpha.regions=1,lwd=1, label=paste0("sesgo: ", wl$sesgo))