Logotipo del repositorio

Sensitivity analysis of spatial coverage and temporal resolution of precipitation data in flood modeling in cundinamarca, colombia

Vista sencilla de ítem
dc.creatorNiño Colmenares, Bryan David
dc.creatorPaz Vileikis, Sofia
dc.creatorVergara, Humberto
dc.date2018-06-02
dc.date.accessioned2025-08-22T21:29:59Z
dc.date.available2025-08-22T21:29:59Z
dc.descriptionThis article presents the characterization of the impact on flood modeling generated by the spatial coverage and frequency of precipitation sampling, in contrast with the distribution of the pluviometric network of stations in Cundinamarca. In general, the pluviometric networks are characterized by having gaps in the measurement of precipitation, both spatially and temporally; therefore, we wanted to determine the impact that these gaps cause in the flood simulation. For this, two research phases were executed: the first consisted of identifying flood events between the years 2014 and 2018 and the second to determine the impact of the spatial and temporal coverage of precipitation estimates in flood simulation, along with the spatial and temporal factors that influence such impact. Thus, the main result was that, by using precipitation estimates at lower temporal measurement frequency and lower spatial measurement coverage, flood event flow simulations tend to exhibit larger errors. The magnitude of these errors may be influenced by spatial factors such as drainage area, drainage area shape, mean channel slope, and climatological precipitation in the area.en-US
dc.descriptionEste artículo presenta la caracterización del impacto en la modelación de inundaciones generado por la cobertura espacial y frecuencia de muestreo de precipitación, en contraste con la distribución de la red pluviométrica de estaciones de Cundinamarca. En general, las redes pluviométricas se caracterizan por tener vacíos en la medición de la precipitación, tanto a nivel espacial como temporal; por lo tanto, se quiso determinar el impacto que estos vacíos ocasionan en la simulación de inundaciones. Para esto se ejecutaron dos fases de investigación: la primera consistió en la identificación de los eventos de inundación entre los años 2014 y 2018 y la segunda en determinar el impacto de la cobertura espacial y temporal de las estimaciones de precipitación en la simulación de inundaciones, junto con los factores espaciales y temporales que influencian dicho impacto. De esta manera, el principal resultado fue que, al utilizar estimaciones de precipitación a una menor frecuencia de medición temporal y una menor cobertura espacial de medición, las simulaciones de caudales de eventos de inundaciones tienden a exhibir mayores errores. La magnitud de estos errores puede verse influenciada por factores espaciales como el área de drenaje, forma del área de drenaje, pendiente media del cauce y la precipitación climatológica de la zona.es-ES
dc.formatapplication/pdf
dc.identifierhttps://revistas.unbosque.edu.co/index.php/RevTec/article/view/3802
dc.identifier.urihttps://hdl.handle.net/20.500.12495/17809
dc.languagespa
dc.publisherUniversidad El Bosquees-ES
dc.relationhttps://revistas.unbosque.edu.co/index.php/RevTec/article/view/3802/3199
dc.relation/*ref*/Arnold, C. P., & Dey, C. H. (1986). Observing-Systems Simulation Experiments: Past, Present, and Future. Bulletin of the American Meteorological Society, 67(6), 687-695. https://doi.org/10.1175/15 20-0477(1986)067<0687:OSSEPP>2.0.CO;2
dc.relation/*ref*/Bedient, P. B., Huber, W. C., & Vieux, B. E. (2013). Hydrology and floodplain analysis (5th ed). Pearson.
dc.relation/*ref*/Cabrera, J. (2017). Calibración de modelos hidrológicos. Universidad Nacional de ingeniería civil. http://www.imefen.uni.edu.pe/Temas_interes/ modhidro_2.pdf
dc.relation/*ref*/Caicedo, E. F., y López, J. A. (2017). Una aproximación práctica a las redes neuronales. Programa Editorial Universidad del Valle. http://revistas. univalle.edu.co/omp/index.php/programaeditorial/ catalog/view/64/28/298-1
dc.relation/*ref*/Caicedo, F. M. (2008). Asimilación de precipitación estimada por imágenes de satélite en modelos hidrológicos aglutinados y distribuidos, caso de estudio afluencias al embalse de Betania (Huila, Colombia). http://repository.javeriana.edu.co/ handle/10554/3807
dc.relation/*ref*/Clark, R. A., Flamig, Z. L., Vergara, H., Hong, Y., Gourley, J. J., Mandl, D. J., Frye, S., Handy, M., & Patterson, M. (2016). Hydrological Modeling and Capacity Building in the Republic of Namibia. Bulletin of the American Meteorological Society, 98(8), 1697-1715. https://doi.org/10.1175/BAMS-D- 15-00130.1
dc.relation/*ref*/Estupiñan, R. (2016). Estudio de la variabilidad espacio temporal de la precipitación en Colombia [Tesis de maestría, Universidad Nacionales]. http:// bdigital.unal.edu.co/54014/1/1110490004.2016.pdf
dc.relation/*ref*/GDAL/OGR contributors, (2020). GDAL/OGR Geospatial Data Abstraction software Library. Open Source Geospatial Foundation. [Librería de software] Recuperado de: https://gdal.org
dc.relation/*ref*/Gobernación de Cundinamarca. (2014). Estadísticas de Cundinamarca 2011—2013. Panamericana
dc.relation/*ref*/Gómez, L. C., Muñoz, M. N., y Soto, L. F. (2018). Sistema de Alerta Temprana Ambiental y Efectos en Salud – SATAES: una herramienta para la acción. Informe Quincenal Epidemiológico Nacional, 23(2), 24.
dc.relation/*ref*/González, J. P., y Jurado, M. C. (2014). Evaluación de la utilidad de estimaciones satelitales de precipitación para la modelación de inundaciones en sistemas de la alerta temprana de cuencas de relieve complejo: Caso de estudio en la cuenca del río Bogotá [Tesis de pregrado]. Universidad El Bosque.
dc.relation/*ref*/Hernández, J. L., Delgado, M. C., y Espadas, C. (2011). Capitulo 24 Métodos de Interpolación espacial y geoestadística. En Técnicas de muestreo para manejadores de recursos naturales (segunda, pp. 705-734). Universidad Nacional Autónoma de México. https://www.researchgate.net/profile/ Ileana_Ortegon-A znar/publication/323202595_ Ortegon-A znar_I_L_Collado-Vides_G_Montej a n o _ Z u r i t a _ e _ I _ S a n c h e z - M o l i n a - _ 2 0 1 1 _ A l g a s _ c a p _ 1 1 _ 2 9 3 - 3 3 0 _ p p _ e n _ B a u t i s t a - Z u n i g a _ F _ 2 0 1 1 Te c n i c a s _ d e _ M u e s t r e o _ para_manejadores_de_recursos_naturales/ links/5a85e04c0f7e9b1a9548647b/Ortegon-Aznar- I-L-Collado-Vides-G-Montejano-Zurita-e-I-Sanchez- Molina-2011-Algas-cap-11-293-330-pp-en-Bautista- Zuniga-F-2011Tecnicas-de-Muestreo-para-manejadores- de-recursos-naturales.pdf#page=723
dc.relation/*ref*/Hijmans, R., Cameron, S., Parra, J., Jones, P., & Jarvis, A. (2005). Very high resolution interpolated climate surfaces of global land areas. International Journal of Climatology, 25, 1965-1978. https://doi. org/10.1002/joc.1276
dc.relation/*ref*/Huffman, G.J., E.F. Stocker, D.T. Bolvin, E.J. Nelkin, Jackson Tan. (2019). GPM IMERG Final Precipitation L3 Half Hourly 0.1 degree x 0.1 degree V06, Greenbelt, MD, Goddard Earth Sciences Data and Information Services Center (GES DISC) [Conjunto de datos de precipitación]. Recuperado de 10.5067/ GPM/IMERG/3B-HH/06
dc.relation/*ref*/Hurtado, A. F., & Mesa, Ó. J. (2014). Reanalysis of monthly precipitation fields in Colombian territory. DYNA, 81(186), 251-258. https://doi.org/10.15446/ dyna.v81n186.40419
dc.relation/*ref*/Instituto de Hidrología, Meteorología y Estudios Ambientales y Unidad Nacional para la Gestión del Riesgo de Desastres. (2018). Integración de la red pública y privada de estaciones hidrometereológicas. https://repositorio.gestiondelriesgo.gov.co/ bitstream/handle/20.500.11762/27295/Protocolo_ integraci%C3%B3n_redp%C3%BAblica_ privada. pdf?sequence=4&isAllowed=y
dc.relation/*ref*/Instituto Geográfico Agustín Codazzi. (2007). Atlas de Cundinamarca. Imprenta Nacional de Colombia.
dc.relation/*ref*/Instituto Geográfico Agustín Codazzi. (2016). 2,5% del país es “blanco fácil” para las inundaciones. https://igac.gov.co/noticias/25-delpais- es-blanco-facil-para-las-inundaciones
dc.relation/*ref*/Instituto de Hidrología, Meteorología y Estudios Ambientales. (2019). Catalogo Nacional de Estaciones. https://www.datos.gov.co/ Ambiente-y-Desarrollo-Sostenible/Cat-logo- Nacional-de-Estaciones-del-IDEAM/hp9r-jxuu
dc.relation/*ref*/International Research Institute for Climate and Society. (2015). Factibilidad del uso de bases de datos climáticos para seguros de índice en América Latina (pp. 3-8). IRI, Earth Institute, Columbia University. https://iri.columbia.edu/wp-content/ uploads/2016/10/Latam_data_feas_es.pdf
dc.relation/*ref*/Lahura. (2003). El coeficiente de correlación y correlaciones espúreas. http://recursos.salonesvirtuales. com/assets/bloques/Lahura_Erick.pdf
dc.relation/*ref*/Londoño, C. H. (2001). Cuencas hidrográficas: Bases conceptuales-caracterización-planificaciónadministración. Universidad del Tolima. http:// www.inea.rj.gov.br/cs/groups/public/documents/ document/zwff/mdez/~edisp/inea_013115.pdf [23] López, V. L., Rojas, M. A., y Pérez, K. G. (2019). Propuesta para el mejoramiento de la red agrome18 ¦
dc.relation/*ref*/24 Publicaciones e Investigación, 1(0). https://doi. org/10.22490/25394088.3266 [24] Lux, B. (2016). Conceptos básicos de Morfometría de Cuencas Hidrográficas. Universidad de San Carlos de Guatemala. http://biblioteca.ingenieria.usac.edu.gt/
dc.relation/*ref*/Ly, S., Charles, C., & Degré, A. (2013). Different methods for spatial interpolation of rainfall data for operational hydrology and hydrological modeling at watershed scale: A review. BASE, 3-12.
dc.relation/*ref*/Masutani, M., Schlatter, T. W., Errico, R. M., Stoffelen, A., Andersson, E., Lahoz, W., Woollen, J. S., Emmitt, G. D., Riishøjgaard, L.-P., & Lord, S. J. (2010). Observing System Simulation Experiments. En Data Assimilation: Making Sense of Observations (pp. 647-679). Springer Berlin Heidelberg. https:// doi.org/10.1007/978-3-540-74703-1_24
dc.relation/*ref*/Mei, Y., Nikolopoulos, E., Anagnostou, E., & Borga, M. (2015). Evaluating Satellite Precipitation Error Propagation in Runoff Simulations of Mountainous Basins. Journal of Hydrometeorology, 17(5), 1407- 1423. https://doi.org/10.1175/ JHM-D-15-0081.1
dc.relation/*ref*/Mei, Y., Nikolopoulos, E. I., Anagnostou, E. N., Zoccatelli, D., & Borga, M. (2016). Error Analysis of Satellite Precipitation-Driven Modeling of Flood Events in Complex Alpine Terrain. Remote Sensing, 8(4), 293. https://doi.org/10.3390/rs8040293
dc.relation/*ref*/Ministerio de Agricultura y Desarrollo Rural. (2006). Desarrollo de la Fruticultura en Cundinamarca. http://www.asohofrucol.com.co/archivos/ biblioteca/biblioteca_106_Plan%20Nal%20frurcundinamarca. pdf
dc.relation/*ref*/30] Pardo, R., y Rodríguez, Y. (2014). Clasificación de tormentas tropicales según lluvias asociadas: (2) resultados. Ingeniería Hidráulica y Ambiental, 35(2), 35-51. http://scielo.sld.cu/scielo.php?script=sci_ arttext&pid=S1680-03382014000200003
dc.relation/*ref*/Pike, R., & Wilson, S. (1971). Elevation-Relief Ratio, Hypsometric Integral, and Geomorphic Area-Altitude Analysis. GSA Bulletin, 82(4), 1079-1084. https://doi. org/10.1130/0016-7606(1971)82[1079:ERHIAG]2.0.CO;2
dc.relation/*ref*/Quispe, J. C., y Rojas, E. (2015). Diseño del sistema de drenaje pluvial de la comunidad 3 de mayo depucarumi del Distrito de Ascensión—Huancavelica. Universidad Nacional de Huancavelica. http:// repositorio.unh.edu.pe/handle/UNH/268
dc.relation/*ref*/Ratnayaka, D. D., Brandt, M. J., & Johnson, K. M. (2009). CHAPTER 3—Hydrology and Surface Supplies. En Water Supply (Sixth Edition) (pp. 63-107). Butterworth-Heinemann. https://doi. org/10.1016/B978-0-7506-6843-9.00011-1
dc.relation/*ref*/Reed, S., Schaake, J., & Zhang, Z. (2007). A distributed hydrologic model and threshold frequency-based method for flash flood forecasting at ungauged locations. Journal of Hydrology, 337(3), 402-420. https://doi.org/10.1016/j.jhydrol.2007.02.015
dc.relation/*ref*/35] Reyes, A., Ulises, F., y Carvajal, Y. (2010). Guía básica para la caracterización morfométrica de cuencas hidrográficas. Programa Editorial Universidad del Valle.
dc.relation/*ref*/Shreve, R. (1974). Variation of mainstream length with basin area in river networks. Water Resources Reasearch. https://agupubs.onlinelibrary.wiley. com/doi/abs/10.1029/WR010i006p01167
dc.relation/*ref*/Sun, Q., Miao, C., Duan, Q., Ashouri, H., Sorooshian, S., & Hsu, K.-L. (2018). A Review of Global Precipitation Data Sets: Data Sources, Estimation, and Intercomparisons. Reviews of Geophysics, 56(1), 79-107. https://doi.org/10.1002/2017RG000574
dc.relation/*ref*/Tavera, A. C. (2018). Evaluación del impacto de la resolución de modelado en la simulación del evento de inundación de Mocoa en abril de 2017 [Tesis de pregrado]. Universidad El Bosque. [39] Tian, Y., & Peters, C. D. (2010). A global map of uncertainties in satellite-based precipitation measurements. Geophysical Research Letters, 37(24). https://doi.org/10.1029/2010GL046008
dc.relation/*ref*/Tropical Rainfall Measuring Mission. (2011). TRMM (TMPA) Rainfall Estimate L3 3 hour 0.25 degree x 0.25 degree V7, Greenbelt, MD, Goddard Earth Sciences Data and Information Services Center (GES DISC) [Conjunto de datos de precipitación]. Recuperado de 10.5067/TRMM/TMPA/3H/7
dc.relation/*ref*/41 Análisis de sensibilidad de cobertura espacial y resolución temporal de datos de precipitación en la modelación [41] Ureña, J. E., Vallejos, A. G., Saavedra, O. C., y Escalera, A. C. (2018). Evaluación de la precipitación distruida en la cuenca Katari basado en tecnología satelital y productos derivados. Investigación &amp; Desarrollo, 18(1), 35-51.
dc.relation/*ref*/Vélez, J., y Nieto, P. (2016). Validación de medidas de evaluación para el pronóstico de la tasa de cambio en colombia [Tesis de maestría, Colegio de Estudios Superiores de Administración CESA]. https://repository.cesa.edu.co/ bitstream/handle/10726/1577/MFC00491.pdf?sequenc
dc.relation/*ref*/Vergara, H. (2015). Characterizing uncertainty of a hydrologic modeling system for operational flood forecasting over the conterminous United Stated [Disertation, University of Oklahoma]. https:// shareok.org/handle/11244/15505
dc.relation/*ref*/Vieux, B. E. (2004). Distributed hydrologic modeling using GIS (Second, Vol. 48). Kluwer Academic Publishers.
dc.rightshttp://creativecommons.org/licenses/by/4.0es-ES
dc.sourceJournal of Technology; Vol. 18 No. 1 (2019): Circular economy and technology; 70-88en-US
dc.sourceRevista de Tecnología (Archivo); Vol. 18 Núm. 1 (2019): Economía circular y tecnología ; 70-88es-ES
dc.source1692-1399
dc.subjectModeling, Satellite precipitation product, floods, rainfall station network, EF5, OSE’sen-US
dc.subjectModelamiento, Producto satelital de precipitación, inundaciones, red de estaciones pluviométricas, EF5, OSE’ses-ES
dc.titleSensitivity analysis of spatial coverage and temporal resolution of precipitation data in flood modeling in cundinamarca, colombiaen-US
dc.titleAnálisis de sensibilidad de cobertura espacial y resolución temporal de datos de precipitación en la modelación de inundaciones en cundinamarca, Colombiaes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion

Archivos

Colecciones

9.2 Revista de Tecnología (Archivo) - Cosecha

Software DSpace copyright © 2002-2025 LYRASIS