Assessment of Different Methodologies to Estimate Daily Reference Evapotranspiration in P?ramo Ecosystems, Azuay Province = Evaluaci?n de Diferentes Metodolog?as para Estimar la Evapotranspiraci?n Diaria de Referencia en Ecosistemas de P?ramo, Provincia del Azuay

Abstract:

La evapotranspiraci?n (ET) ha sido poco estudiada en regiones muy h?medas, a pesar de su destacada importancia en la gesti?n del agua. El objetivo de este estudio fue estimar la ET diaria de referencia (ETo) en ecosistemas de p?ramo en el altiplano andino, sur de Ecuador, para compararla con el m?todo FAO 56 P-M. Datos disponibles de dos estaciones meteorol?gicas: Toreadora (per?odo 2013-2016) y Zhurucay (per?odo 2014) se utilizaron para evaluar el rendimiento de 30 modelos pbkp_redictivos (21 emp?ricos basado en= radiaci?n, temperatura, combinaci?n y transferencia de masa; 8 redes neuronales artificales-RNAs y 1 splines de regresi?n adaptativa multivariante-MARS). Se realiz? un an?lisis estad?stico simple (MBE, MAE, RMSE). Se desarroll? un an?lisis inicial de Random Forests para medir la importancia relativa de las variables clim?ticas. Estos resultados se usaron para ensamblar las RNAs en combinaciones de las variables clim?ticas y con el menor n?mero posible de entradas. MARS ayud? a desarrollar la ecuaci?n de REMPE usando la radiaci?n solar y la humedad relativa como entradas principales. Los resultados mostraron que las RNAs son los modelos m?s precisos para estimar ETo; sin embargo, las ecuaciones basadas en combinaciones tambi?n obtuvieron buenos rendimientos. Estos fueron seguidos por ecuaciones basadas en radiaci?n, basadas en temperatura y basadas en transferencia de masa. Un m?todo de calibraci?n mejor? el rendimiento de la mayor?a de los modelos emp?ricos y empeor? los de los modelos restantes. Estos resultados se explicaron por la distribuci?n de radios de calibraci?n para cada ecuaci?n. Las ecuaciones basadas en la transferencia de masa y REMPE exhibieron los peores resultados, y se sugiere que estas ecuaciones no se deben ser utilizadas en entornos super-h?medos. Estos resultados representan una herramienta pr?ctica y ?til para facilitar la toma de decisiones y la selecci?n del mejor modelo cuando los datos disponibles son escasos.

Año de publicación:

2018

Keywords:

• M?TODO DE PENMAN-MONTEITH
• DESCRIPCI?N CLIM?TICA
• MODELOS DE PREDICCI?N
• RECURSOS H?DRICOS

Fuente:

rraae