Regresar

An?lisis comparativo de modelos de evapotranspiraci?n de referencia con aplicaci?n al ecosistema de p?ramo andino h?medo en el sur de Ecuador

Abstract:

A pesar de su importancia, la evapotranspiraci?n es poco estudiada en los ecosistemas de p?ramo. Este estudio eval?a el rendimiento de 30 modelos, incluidos 21 modelos emp?ricos (basados en radiaci?n, temperatura, combinaci?n y transferencia de masa), 8 modelos de redes neuronales artificiales (RNAs) y 1 modelo splines de regresi?n adaptativa multivariante (MARS) para la estimaci?n de la evapotranspiraci?n diaria de referencia (ETo) en comparaci?n con la ecuaci?n est?ndar de Penman-Monteith (FAO 56 P-M). Un objetivo adicional fue definir para la regi?n de estudio la mejor alternativa al m?todo est?ndar. Se utilizaron datos disponibles y limitados de dos estaciones meteorol?gicas, respectivamente Toreadora (per?odo 2013-2016) y Zhurucay (per?odo 2014), ambas ubicadas en el ecosistema de p?ramo de la provincia de Azuay, en el sur de Ecuador. Se aplicaron m?tricas estad?sticas simples (MBE, MAE y RMSE) para evaluar el rendimiento de los modelos. Se llev? a cabo un an?lisis de bosques aleatorios para definir la relevancia de las variables clim?ticas en el proceso de evapotranspiraci?n. Los resultados de bosques aleatorios se usaron para ensamblar las RNAs usando diferentes combinaciones de variables clim?ticas. Este enfoque permiti? definir la RNA con el menor n?mero de entradas que mejor estiman ETo. El modelo MARS permiti? derivar una ecuaci?n emp?rica, llamada REMPE, que usa radiaci?n solar y humedad relativa m?nima como variables de entrada. Del grupo de ecuaciones emp?ricas, las ecuaciones basadas en combinaci?n tienen el mejor rendimiento seguido de las ecuaciones basadas en radiaci?n, temperatura y transferencia de masa. Se aplic? un m?todo de calibraci?n para mejorar el rendimiento de los modelos probados. Los resultados mostraron que las RNAs mejoradas son las m?s precisas para estimar la ETo diaria, mientras que la ecuaci?n de REMPE, a pesar de haber sido desarrollada en condiciones locales, presenta un bajo rendimiento. La ETo anual se calcul? para todos los modelos y se compar? con el valor anual calculado con la ecuaci?n FAO 56 P-M. En general, los resultados permiten seleccionar el mejor modelo en funci?n de la disponibilidad de datos meteorol?gicos en entornos super-h?medos, como los ecosistemas de p?ramo.