Pronóstico de Volúmenes de Deshielos Mediante Redes Neuronales Recurrentes e Imágenes Satelitales Modis

Abstract

En la actualidad, los recursos hídricos son cada día más escasos para las diferentes actividades económicas a lo largo de Chile. Una de las principales fuentes de agua la constituyen aquellas provenientes del derretimiento de nieves, acumuladas estacionalmente en la cordillera de Los Andes, por lo que conocer la magnitud de la nieve acumulada, su distribución espacial y temporal, es de suma importancia para determinar la disponibilidad de agua en la temporada de deshielo. El principal objetivo de este trabajo es evaluar la oferta de agua disponible en las zonas cordilleranas durante la temporada estival a escala semanal, mediante una herramienta capaz de pronosticar la escorrentía superficial a partir de análisis remoto unido a elementos de inteligencia artificial, que proporcione resultados con un error menor al 10%, entre el volumen de agua observado y pronosticado. Como objetivo secundario se busca: (i) entender la evolución de la cobertura de nieve, en la búsqueda de patrones de comportamiento según año hidrológico, (ii) analizar la relación entre la cobertura de nieve y la escorrentía producto de los deshielos, (iii) evaluar las ventajas y desventajas del uso de redes neuronales artificiales como herramienta de pronóstico. La región en estudio corresponde a la zona alta de las cuencas de los ríos Aconcagua y Maipo. En ella se seleccionaron 6 cuencas de acuerdo al régimen de escorrentía y disponibilidad de información fluviométrica. La información empleada corresponde a imágenes satelitales MODIS (MOD09) y registros fluviométricos diarios. El período de análisis estuvo acotado a la disponibilidad de las imágenes MOD09, con un total de 359 imágenes (cada 8 días) entre el año 2000 y el año 2007. Para la discriminación de la cobertura de nieve se empleó el Índice de Diferenciación de Nieve Normalizado (NDSI). Uno de los mayores problemas en el empleo del NDSI corresponde a la selección del umbral apropiado, como indicador de la presencia de nieve. La conjunción de criterios estadísticos en conjunto con aspectos remotos cualitativos-cuantitativos, representó una opción para el manejo de este tipo de información, concluyéndose que un umbral NDSI = 0.7, para cualquier época del año, representaba la mejor alternativa como elemento discriminatorio. El análisis continuo de la cobertura nival permitió explicar diferentes elementos de la hidrología de nieves tales como: (i) desfase con la escorrentía de deshielo, (ii) área máxima y mínima de cobertura y (iii) efecto del período de acumulación sobre el volumen de escorrentía. El desfase temporal observado entre la disminución de la cobertura de nieve y la escorrentía media, puede ser explicado por la existencia de flujos sub-superficiales. Los resultados de la calibración indicaron que las redes neuronales recurrentes representan una alternativa para la modelación de la escorrentía de deshielo, puesto que la información de entrada posee un carácter errático capaz de ser captado por la red. Sin embargo, la búsqueda de una arquitectura apropiada representó un tedioso trabajo debido a la gran variedad de arquitecturas susceptibles de ser planteadas. El análisis efectuado permitió distinguir al número de series de entrada y al desfase temporal entre las series remotas como aquellos elementos de mayor sensibilidad. La determinación de un modelo diferente para cada cuenca está asociada a las desiguales características que posee cada una. La validación da cuenta de la inestabilidad que presentan los diferentes modelos para las 6 cuencas en estudio, producto de la información de entrada. El pronóstico generado para una ventana de 5 meses (Septiembre-2007/Enero-2008) muestra una baja incertidumbre en el pronóstico mensual, sin embargo, el error absoluto promedio es superior al 10%. Se concluye que este tipo de herramientas puede ser ventajosa de usar en el futuro, en la medida que exista un mayor número de registros satelitales o de otras fuentes de información con amplios registros temporales. Finalmente, se sugiere un pre-procesamiento más elaborado de la información remota que otorgue una mayor estabilidad de las señales vistas individualmente.