<< Volver atrás

Tesis:

Development and adaptation of low-cost technologies for monitoring and hydrological management of small mountain basins

  • Autor: SEGOVIA CARDOZO, Daniel Alberto

  • Título: Development and adaptation of low-cost technologies for monitoring and hydrological management of small mountain basins

  • Fecha: 2022

  • Materia:

  • Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS

  • Departamentos: INGENIERIA FORESTAL

  • Acceso electrónico: https://oa.upm.es/72238/

  • Director/a 1º: RODRÍGUEZ SINOBAS, Leonor

  • Resumen: Los procesos hidrológicos en cuencas hidrográficas son complejos y variables, más aún en las cuencas de montaña, donde la topografía accidentada y cobertura vegetal variable (entre otras características), dificultan el estudio de estos procesos y la gestión del agua. Por lo que, los parámetros de modelado hidrológico suelen estimarse con base en las recomendaciones de manuales y/o en la literatura, debido a que generalmente no se monitorizan, principalmente por el alto coste de los sistemas de monitorización convencional, que no permite cubrir las necesidades de monitorización en este tipo de cuencas. La gestión de los sistemas hidrológicos depende, en gran medida, de la monitorización de las variables hidrológicas, dado que las simulaciones teóricas no brindan la suficiente información. De acuerdo con distintos especialistas en la materia, las técnicas tradicionales no son adecuadas para acometer la heterogeneidad y complejidad hidrológica. La disponibilidad de mediciones a escala de cuenca es un factor clave para entender los procesos hidrológicos, algo que todavía no se han alcanzado, y cuya solución parece estar en los datos de campo, que son fundamentales para este propósito. Datos que no solo deben cubrir las necesidades espaciales y temporales, sino también deben ser precisos y fiables para mejorar la comprensión de los procesos hidrológicos. Por tanto, los datos de campo son necesarios para entender los procesos hidrológicos, un ámbito en el que la monitorización convencional ha demostrado ser insuficiente, y no ha logrado alcanzar este objetivo, siendo necesarias nuevas estrategias centradas en reducir los costes de monitorización, obtener datos fiables y de calidad. De este modo, lograr una monitorización de mayor densidad espacial y temporal al alcance de todos. Con los últimos avances tecnológicos de la era digital, especialmente en el área de comunicaciones, han surgido nuevos conceptos como el código abierto, que permiten desarrollar nuevas tecnologías que pueden ser mejoradas por personas de diversos ámbitos y regiones. Todo ello, ha propiciado el desarrollo de una nueva y prometedora generación de sensores de bajo coste para la monitorización hidrológica, almacenamiento y transmisión de datos, que se ve como una posible solución para la monitorización a gran escala. Sin embargo, esta nueva generación de sensores de bajo costo aún se encuentra en desarrollo y aunque de momento parece ser una alternativa prometedora, está limitada principalmente por los errores de medición y la precisión de los equipos. Por lo que es necesario desarrollar nuevas estrategias de monitorización, pero también de calibración de sensores, especialmente en aquellas variables de interés, buscando así mejorar la reducir la principal desventaja de estas nuevas tecnologías frente a las convencionales. El rendimiento de los sistemas de monitorización se ve afectado por la disponibilidad y la calidad de los datos, que no depende solo de la precisión del instrumento de medición, sino también de su ubicación y la representatividad de la zona que se busca monitorizar. Por lo que la selección de la ubicación de los sensores es fundamental no solo para garantizar la calidad y representatividad de los datos, sino también para reducir la necesidad de sensores en campo. Un aspecto que debe ser considerado dentro de las nuevas estrategias de monitorización, para reducir los costes que esta implica, obtener datos de mayor calidad y propiciar la extensión de los sistemas de monitorización. Con todo esto en mente, en este trabajo se pretende analizar la viabilidad de estrategias y tecnologías de bajo coste para la monitorización y gestión hidrológica de pequeñas cuencas de montaña. Desarrollando una plataforma de bajo coste basada en Raspberry Pi y software escrito en Python 3 para el registro, almacenamiento y la transmisión de datos a una plataforma web; para la gestión y manejo hidrológico. Desarrollando nuevos métodos de calibración y metodologías para optimizar la ubicación de los sensores en campo, buscando mejorar no solo el diseño de estos equipos sino también la calidad de los datos y reducir los costes de monitorización. Se calibraron y validaron en laboratorio y campo los sensores de humedad de suelo, pluviómetros y de calado. Empleando como cuenca piloto la cuenca de montaña “Venero Claro” (Ávila), reduciendo de esta manera los errores de medición, obteniendo errores absolutos medios de: ±2,2 %, ±1 mm y ±0,51 cm en la medición de la humedad del suelo, precipitación y calado, respectivamente. Errores similares a los que se observan comúnmente en equipos de monitorización convencional. Entre las variables a monitorizar de interés hidrológico, destaca la precipitación, que suele ser monitorizada mediante pluviómetros de cazoletas basculantes (TBR, por sus siglas en inglés), debido a su diseño sencillo, económico y de bajo consumo energético. Sin embargo, su principal desventaja radica en los errores de medición, principalmente los causados por la variación de la intensidad de la lluvia (RI), que subestima el valor real (especialmente durante eventos de lluvia extrema) y el viento. Teniendo esto en mente, se estudió el funcionamiento de los pluviómetros con énfasis en los errores de medición causados por la variación de RI; así, se identificaron algunas de sus causas a partir de un análisis del comportamiento del agua y su efecto en el mecanismo del TBR, al incrementar la RI. Los sesgos en las mediciones causados por los efectos mecánicos del TBR se analizaron a partir de una base de datos de 13 años con las medidas de 10 TBR (dos modelos diferentes: RG1 and RG2) dentro de la cuenca piloto. Se identificaron dos causas principales de subestimación: una por el excedente acumulado durante el movimiento de las cazoletas y otra, por el excedente de agua aportado por el tamaño de la gota crítica que genera el balanceo del mecanismo, junto con una variación aleatoria, no relacionada con RI, lo que permitió identificar tres regiones en la curva de calibración. Logrando obtener dos métodos semianalíticos nuevos para la calibración de los pluviómetros de cazoletas basculantes, basados en la respuesta del mecanismo TBR a RI, que fueron validados en laboratorio y contrastados con una calibración dinámica de regresión lineal simple y una calibración estática a través del análisis del error cuadrático medio. Estos nuevos métodos constituyen una alternativa eficiente para la calibración TBR, reduciendo más del 50 % el error de datos en comparación con la calibración estática tradicional. Logrando su protección y demostrando su originalidad mediante la obtención de de una patente internacional (worldwide Patent No. WO 2022/064084A1. World Intellectual Property Organization, WIPO; Patente Española No. ES2831899. Oficina Española de Patentes y Marcas, OEPM). Además, pensando en la importancia de la ubicación de los sensores en campo se propone una metodología novedosa para optimizar la ubicación de sensores en una cuenca hidrológica, que consiste en buscar las ubicaciones que maximizan la cantidad de información a la hora de monitorear la precipitación, pensando en la generación de escorrentía. La metodología se basa en analizar las variables de un modelo preestablecido, en este caso se utilizó el método racional; para la generación de escorrentía, asumiendo que el lugar donde se diesen las condiciones más favorables para la generación de escorrentía (teniendo en mente las crecidas, avenidas súbitas e inundaciones), sería el óptimo para monitorizar la precipitación. Los resultados obtenidos confirman no sólo la idoneidad de la metodología sino su potencial para identificar un área sensible de monitoreo de lluvias en la cuenca en función de los criterios preestablecidos. En este sentido, la plataforma propuesta, junto con las metodologías de calibración y optimización de la ubicación de sensores en campo, son alternativas de monitorización eficientes con un coste económico menor al convencional. Que además al estar enmarcadas dentro de la filosofía de código abierto, se encuentra a libre disposición de los usuarios para su uso, modificación y difusión; colaborando de este modo en el surgimiento y mejora de estas tecnologías que prometen revolucionar la monitorización. ABSTRACT Hydrologic processes on catchments are complex and variable, especially in mountain basins due to their topography and specific characteristics, so runoff simulation models and water management are also complex. Nevertheless, model parameters are usually estimated based on guidelines from user manuals and literature since they are not usually monitored, due to the high cost of conventional monitoring systems. The management of hydrological systems strongly depends on monitoring hydrological variables, since theoretical simulations do not provide sufficient information, being field data mandatory for this purpose, but also accurate and reliable data to improve the understanding of hydrological processes. Furthermore, hydrologists around the world concluded that traditional techniques are not adequate to deal with the hydrological heterogeneity and complexity, and the availability of catchment-scale measurements is a key factor to understand the entire hydrological process. Within this framework, a new and promising generation of low-cost sensors for hydrologic monitoring, logging, and the transmission has been developed. There is a clear need for data to understand hydrological processes, which is not being met by conventional monitoring, and new strategies are needed to reduce monitoring costs and obtain reliable and high-quality data. In this way, monitoring can reach a greater spatial and temporal density, within everyone's reach. New strategies for monitoring, but also a proper sensor calibration is needed, especially in those variables of interest such us rainfall; generally measured by tipping bucket rain gauges (TBR) since they are simple, cheap, and have low-energy consumption. However, their main disadvantage lies in measurement errors, such as those caused by rainfall intensity (RI) variation, which results in data underestimation, especially during extreme rainfall events. The performance of monitoring system is strongly influenced by the availability and quality of data, and it depends not only in their accuracy but also on the optimal sensor location. The search for sensors optimal location has been formulated from different goals such as: the identification of variables to be measured while minimizing the associated costs and without compromising the required precision and reliability; the variability’s reduction of unmeasured variables while maximizing their observability or reliability; the detection of changes/ failures of the process variables and the the risks’ reduction associated with certain processes. However, new strategies are needed. This work aims to analyze the feasibility of low-cost strategies and technologies for monitoring and hydrological management of small mountain basins. Thus, a low-cost platform based on a Raspberry Pi and software written in Python 3 for data recording, logging, and transmission of reliable data to a web platform was developed, as well as new calibration methods and methodologies to optimize the location of sensors in field, to improve data quality and reduce data monitoring costs. Complementarily, it emphasizes calibration’s role and validation of soil moisture, rain gauges, and water depth sensors. First, they were calibrated in the Hydraulic laboratory of the ETSIAAB-UPM and then, installed in a small Spanish mountain pilot basin “Venero Claro” (Ávila). Sensor’s accuracy was improved in a mean absolute error of ± 2.2% for soil moisture sensor, ± 1 mm for rain gauge, and ± 0.51 cm for water depth sensor. These values are similar to those of conventional sensors and highlight the potential of the designed platform for hydrological monitoring and flood risk management. The study focusses on rain gauge calibration, mainly in measurement errors caused by rain intensity RI variation, since rainfall is the main input in hydrological systems. Some of their causes were identified through an analysis of water behavior and its effect on the TBR mechanism as RI increases. The mechanical biases of TBR effects on data were studied using a time series of 13 years measured at 10 TBRs (two different models) from the pilot mountain basin. Two semi-analytical approaches, based on the TBR mechanism response to RI, have been proposed and validated in the laboratory. They were contrasted with a simple linear regression dynamic calibration and a static calibration through root-mean-square error analysis. Two main sources of rainfall underestimation were identified: one due to the cumulative surplus during the tipping movement, and the other due to the surplus water contributed by the critical drop. Moreover, a random variation, not related to RI, was also observed, and three regions in the calibration curve were identified. The proposed calibration methods have proved to be an efficient alternative for TBR calibration, which reduces data error by more than 50%, in contrast with traditional static calibration. The methodology has been patented (worldwide Patent No. WO 2022/064084A1. World Intellectual Property Organization, WIPO; Patente Española No. ES2831899. Oficina Española de Patentes y Marcas, OEPM). A novel methodology to find the optimal locations for the optimal sensors’ placement is proposed to optimize the amount of information needed to monitor rainfall. The methodology analyses the variables that generate runoff based in a model, in this case the rational method was used. RI was calculated according to the Spanish road drainage instruction (Drainage Instruction 5.2-IC); runoff is calculated with the curve number model, assuming that the combination of the most unfavorable classes for all the variables must give rise to the most unfavorable value of the dependent variable (runoff). The results confirm the suitability of this methodology to identify a sensitive area for rainfall monitoring in the basin. Considering the above, the proposed platform, which considers the methodologies not only for sensors’ calibration but also for optimal sensor location, has proven to be an efficient alternative to traditional monitoring with a lower cost. Furthermore, since it is framed in an open-source philosophy, the code is available for other users who will be able to implement the platform and even modify/improve it according to their needs; thus, it will facilitate its dissemination. Furthermore, the new methodologies proposed for sensors’ calibration, especially for precipitation monitoring, will result in more accurate and reliable data which, together with the proposed methodology for optimal sensor location, will facilitate to obtain quality data and will reduce the sensors’s spatial density in the field and thus, it will reduce the monitoring and maintenance costs.