Predicción de la intermitencia del flujo utilizando un enfoque híbrido de modelado hidrológico: influencia de los datos de intermitencia observados en el entrenamiento de un modelo de bosque aleatorio

Resumen. Los ríos son ricos en biodiversidad y actúan como corredores ecológicos para especies de plantas y animales. Con el cambio climático y la creciente demanda de agua antropogénica, se esperan períodos más frecuentes y prolongados de sequía en los sistemas fluviales, poniendo en peligro la biodiversidad y los ecosistemas fluviales. Sin embargo, comprender y predecir los mecanismos hidrológicos que controlan la sequía y la rehidratación periódicas en los ríos es un desafío debido a la falta de estudios y observaciones hidrológicas, particularmente en ríos no perennes. En el marco del proyecto Horizon 2020 DRYvER (Redes de Ríos en Secado y Cambio Climático), se está llevando a cabo un estudio de modelado hidrológico de la intermitencia del flujo en tres cuencas europeas (España, Finlandia, Francia) caracterizadas por diferentes climas, geologías y usos antropogénicos. El objetivo de este estudio es representar la dinámica espaciotemporal de la intermitencia del flujo a nivel de parámetro en redes fluviales a mesoscala (entre 120 y 350 km²). La condición de flujo diaria y espacialmente distribuida (fluyendo o seca) se predice utilizando el modelo hidrológico distribuido J2000 acoplado con un modelo de clasificación de bosque aleatorio. Se utilizan datos de condiciones de flujo observadas de diferentes fuentes (mediciones de nivel de agua, trampas fotográficas, aplicaciones de ciencia ciudadana) para construir el modelo predictivo. Este estudio tiene como objetivo evaluar el impacto del conjunto de datos de condición de flujo observada (tamaño de muestra, representatividad espacial y temporal) en el rendimiento del modelo predictivo. Los resultados muestran que el enfoque de modelado híbrido desarrollado en este estudio permite predecir con precisión los patrones espaciotemporales de sequía en las tres cuencas, con un criterio de sensibilidad superior a 0.9 para la predicción de eventos secos en los estudios de caso de Finlandia y Francia y 0.65 en el estudio de caso de España. Este estudio muestra el valor de combinar diferentes fuentes de datos de condición de flujo observada para reducir la incertidumbre en la predicción de la intermitencia del flujo.