Análisis del comportamiento hidrodinámico fluvial mediante razonamiento causal y visión artificial

  1. Zazo del Dedo, Santiago
Dirigée par:
  1. Pablo Rodríguez Gonzálvez Directeur
  2. José Luis Molina González Co-directeur/trice

Université de défendre: Universidad de Salamanca

Fecha de defensa: 12 mai 2017

Jury:
  1. Diego González Aguilera President
  2. José Luis García Aróstegui Secrétaire
  3. Cristina Maria Sena Fael Rapporteur

Type: Thèses

Teseo: 479436 DIALNET

Résumé

La alteración de los patrones climáticos y meteorológicos así como su repercusión en el ciclo hidrológico, en gran medida atribuible al fenómeno del Calentamiento Global y puesto de manifiesto en las últimas décadas en numerosos estudios, son una realidad global, con dramáticas consecuencias ambientales, sociales y económicas. Eventos extremos tales como precipitaciones, sequias e inundaciones, resultan cada vez menos “anómalos”, y por tanto más recurrentes en el tiempo. Estas nuevas realidades, derivadas de una creciente no-estacionalidad de los procesos hidrológicos e hidráulicos, están provocando una mayor incertidumbre a la hora de modelar y predecir los comportamientos hidrológicos dentro un contexto de gestión sostenible y segura de los recursos hídricos de una cuenca, en el marco del paradigma internacional para la gestión integrada del agua, conocido como “Integrated Water Resources Management” (IWRM). Por otro lado, como sociedad constatamos que las medidas tomadas por parte de instituciones internacionales y gobiernos para revertir los efectos del Calentamiento Global están teniendo un efecto limitado a corto y medio plazo, como consecuencia de la persistencia de los efectos antropogénicos. Dichas medidas mayoritariamente son de adaptación y mitigación frente a estas nuevas realidades hidrológicas. Frente a esta situación, se hace necesario disponer de métodos y técnicas de análisis y observación, eficientes en tiempo y coste, que permitan generar modelos predictivos precisos que agilicen el proceso de toma de decisiones en el ámbito fluvial. Esta Tesis Doctoral, afronta este reto global desde la doble componente hidrológica-geomática y su interdependencia, dado que la cuenca hidrológica se configura como el “medio” donde se pone de manifiesto el “comportamiento” de ésta frente al ciclo hidrológico. En primer lugar se propone una metodología hidrológica de análisis de las series temporales de aportaciones con el fin de profundizar en el conocimiento de las relaciones de dependencia que explique, más en profundidad, su comportamiento. Esto se ha llevado a cabo a través de un enfoque conjunto mediante técnicas tradicionales, basadas en modelos paramétricos (genéricamente expresados como ARIMA; modelos Autorregresivos Integrados de Medias Móviles) y el Razonamiento Causal mediante Inferencia Bayesiana, en consonancia con las nuevas tendencias de la investigación estocástica hidrológica. En segundo lugar, se ha evaluado la idoneidad, entre la hidráulica y la geomática, de nuevos modelos 3D, de coste reducido e incluso bajo coste, continuos, detallados y precisos, generados de modo eficiente (tiempo-coste), y aplicables a la Hidrodinámica y la Hidráulica Fluvial. Estos nuevos modelos 3D (basados en la Visión Artificial y fundamentados en la Geometría Epipolar y la Fotogrametría Digital) son obtenidos mediante la aplicación de técnicas SfM (Structure from Motion). Por otro lado, se proponen dos nuevos métodos para la evaluación de la incertidumbre altimétrica de los modelos digitales de elevación; el primero fundamentado en un enfoque metrológico mediante una evaluación Tipo A de la incertidumbre, y el segundo en los Estimadores Robustos de la centralidad y la dispersión de los errores. En definitiva, se pretende ofrecer un marco metodológico, para incrementar el conocimiento sobre el comportamiento hidrológico-hidráulico de la cuenca hidrográfica, encaminado a una gestión más objetiva, sostenible y segura de los recursos hídricos de una cuenca y de los riesgos naturales de origen fluvial. En esencia, se aspira a conocer para predecir y prevenir.