1 / 48 Total 0:00 Diapositiva 0:00 Estudiar Anexos Inicio ✕
Desarrollo de un modelo automático de inundación estocástica
Tesis Doctoral con Mención Industrial, presentada para la obtención del título de Doctor por la Universidad de Cantabria
DoctorandoSalvador Navas Fernández
DirectorDr. Manuel del Jesus Peñil
TutorDr. César Álvarez Díaz
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Estructura de la defensa
Correspondencia directa con los capítulos de la memoria doctoral
  1. IntroducciónOrigen, motivación, problema, hipótesis y objetivos
  2. Estado de la técnicaAntecedentes, soluciones existentes y brecha
  3. Arquitectura del sistemaNúcleo científico, servicios e interfaz reproducible
  4. MetodologíaDatos; análisis climático y estadístico; modelización
  5. Casos y validaciónEvidencia científica y transferencia a proyectos reales
  6. ConclusionesContribuciones, límites y trabajo futuro
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Contexto del problema
Qué necesitamos saber para decidir ante una inundación
Un mismo fenómeno compromete seguridad, actividad económica e infraestructuras esenciales
Ilustración conceptual: mecanismos fluviales, urbanos y costeros y sistemas expuestos. No representa un episodio observado.
Ilustración conceptual: mecanismos fluviales, urbanos y costeros y sistemas expuestos. No representa un episodio observado.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Motivación
Por qué necesitamos considerar condiciones cambiantes
Un riesgo creciente que ya no puede representarse con un único escenario de diseño
Esta tesis se realiza porque las inundaciones pueden causar graves daños humanos, económicos y territoriales, y porque las condiciones que determinan ese riesgo están cambiando. La ocupación de las llanuras inundables aumenta la exposición de personas e infraestructuras; el cambio climático modifica las condiciones hidrológicas y puede alterar la frecuencia y la intensidad de los extremos; y la impermeabilización urbana concentra la escorrentía y reduce los tiempos de respuesta. A ello se suman interacciones entre precipitación, caudal, nivel del mar, humedad antecedente y funcionamiento de infraestructuras. En este contexto, una única lluvia de diseño produce una imagen demasiado limitada del problema. La ingeniería necesita explorar muchos escenarios plausibles y conocer no solo un valor de cálculo, sino también la incertidumbre asociada a la decisión. Los tres elementos de la diapositiva describen mecanismos diferentes. La exposición cambia cuando aumenta la presencia de personas y bienes en zonas inundables. El clima introduce escenarios bajo los cuales pueden cambiar las condiciones de entrada del análisis. La urbanización modifica cómo la superficie transforma la lluvia en escorrentía. La imagen inferior sitúa esas interacciones en un territorio con usos distintos. Por eso, repetir el cálculo con un único evento y una única configuración deja fuera respuestas posibles. Explorar escenarios permite separar qué parte del resultado depende del forzamiento, cuál del estado del sistema y cuál de las decisiones de modelización.
Exposiciónocupación de llanuras inundablesmás población e infraestructuras situadas en zonas susceptibles
Climaciclo hidrológico más intensolos escenarios históricos dejan de representar por sí solos el futuro
Ciudadimpermeabilización crecienterespuestas más rápidas y concentradas ante lluvias intensas
La inundación afecta simultáneamente a población, movilidad, actividad industrial e infraestructuras críticas
La inundación afecta simultáneamente a población, movilidad, actividad industrial e infraestructuras críticas
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Alcance de la tesis
Qué significa el título de la tesis
Cada palabra delimita el objeto real de la investigación
El título resume el alcance de la tesis y conviene interpretar cada término. “Modelo” no significa un nuevo solver hidráulico: significa una cadena completa de cálculo. “Automático” indica que los datos, los métodos estadísticos, los escenarios y los modelos físicos pueden encadenarse sin repetir manualmente la preparación de archivos y el intercambio de datos entre etapas. “Inundación” señala que el resultado relevante no es únicamente la lluvia o el caudal, sino el impacto hidráulico: calado y extensión inundada. Y “estocástica” significa que no se estudia un único evento de diseño, sino una población de escenarios plausibles que representa la variabilidad y la incertidumbre. Esta definición exige además reproducibilidad operativa: conocer de dónde procede cada entrada, repetir las transformaciones, conservar las salidas en formatos estándar y registrar la configuración que produjo cada resultado. Por tanto, el modelo automático de inundación estocástica es una arquitectura reproducible que lleva la incertidumbre desde los datos hasta la variable sobre la que se toman decisiones. Los cuatro términos también establecen cómo valorar el resultado. La cadena debe estar conectada, de modo que una salida pueda utilizarse como entrada de la siguiente etapa. Debe poder repetirse, conservando datos y configuración. Debe producir una variable física interpretable, con su unidad y localización. Y debe conservar la información necesaria para estimar su frecuencia e incertidumbre. El esquema de la diapositiva organiza esas responsabilidades; la fotografía sitúa el sistema físico sobre el que se aplican. Así, podremos preguntar de forma concreta qué escenario produjo un determinado calado y qué hipótesis intervienen en su interpretación.
  • Modelo: arquitectura completa de cálculo, no un nuevo motor hidráulico.
  • Automático: ejecución repetible de tareas que manualmente son lentas y frágiles.
  • Inundación: frecuencia estimada sobre calado y extensión, no heredada directamente de la lluvia.
  • Estocástica: cientos o miles de combinaciones plausibles de forzamientos, estados y parámetros.
Cuenca, observación y clima: el sistema físico que la arquitectura debe representar bajo incertidumbre
Cuenca, observación y clima: el sistema físico que la arquitectura debe representar bajo incertidumbre
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Antecedente científico
Besaya: antecedente científico del análisis sobre el impacto
Un antecedente científico de esta tesis es mi Trabajo Fin de Máster, desarrollado en 2017 sobre el río Besaya a su paso por Los Corrales de Buelna. En aquel trabajo construí la primera cadena completa: caracterización multivariante de avenidas, generación de escenarios, simulación hidráulica con Iber y análisis estadístico de los impactos. El TFM recibió el premio principal en la categoría de Mejor Calidad y Contenido del primer Concurso Nacional de Proyectos Fin de Máster del Colegio de Ingenieros de Caminos, Canales y Puertos. El trabajo se publicó después en la Revista de Obras Públicas, número 3598 de mayo de 2018, y consolidó la observación que guía toda la tesis: el período de retorno del forzamiento no coincide necesariamente con el del impacto hidráulico. Se comparó la inundación obtenida mediante metodologías habituales con la obtenida mediante la metodología desarrollada en el Besaya. Este caso proporciona un antecedente metodológico y muestra la dificultad de repetir una cadena extensa. Las etiquetas de la izquierda ordenan el antecedente: 2017 corresponde al TFM; 2018, a su publicación. La fila de comparación recoge ese contraste. Las dos últimas filas expresan la dificultad práctica y la consecuencia para la investigación. La metodología permitía llegar hasta el impacto, pero repetirla exigía preparar y transferir información entre herramientas de forma manual. Este antecedente motiva la pregunta científica. El desarrollo de pyhydra vendrá después, como respuesta a las hipótesis y objetivos de la tesis. Conviene mantener esa secuencia: primero se identifica qué necesitamos demostrar y, a partir de ello, se define la solución tecnológica.
  • 2017
    Cadena estocástica completa en el TFM del Besaya.
  • 2018
    Publicación del principio T(forzamiento) ≠ T(impacto).
  • Comparativa
    Inundación obtenida con metodologías habituales y con la metodología del Besaya.
  • Dificultad
    Conexiones manuales y configuración específica para una cuenca.
  • Antecedente
    Base metodológica para plantear la investigación.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Procedimiento de referencia
Cómo se estima convencionalmente una inundación
La cadena es correcta; el problema aparece cuando la incertidumbre se pierde entre sus eslabones
Cadena convencional y tres supuestos que deben revisarse al propagar escenarios e incertidumbre.
Cadena convencional y tres supuestos que deben revisarse al propagar escenarios e incertidumbre.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Problema científico
La misma lluvia puede producir impactos distintos
Cuando la frecuencia del forzamiento se toma por la frecuencia del impacto
1Evento único un pico de lluvia no describe todas las avenidas plausibles
2Estado antecedente humedad y confluencias cambian la respuesta de la cuenca
3Impacto hidráulico la frecuencia se estima después de simular calados y extensión
T(forzante) ≠ T(impacto)
T(forzante) ≠ T(impacto)
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Pregunta de investigación
La pregunta de investigación
¿Es posible automatizar de forma reproducible la cadena completa del análisis probabilístico del riesgo de inundación bajo incertidumbre hidrológica y climática, integrando metodologías avanzadas previamente desarrolladas en un marco operativo transferible a proyectos reales de ingeniería?
La pregunta de investigación
  • Conectar datos, análisis estadístico, escenarios y modelos físicos.
  • Conservar la incertidumbre entre etapas en lugar de perderla.
  • Repetir y auditar el cálculo completo.
  • Funcionar en casos reales con escalas, datos y motores diferentes.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Hipótesis
Hipótesis: qué debe demostrar la propuesta
Una arquitectura modular y reproducible permite integrar las metodologías disponibles y transferir el análisis a proyectos reales.
Hipótesis: qué debe demostrar la propuesta
  • H1 · Automatización: Mejorar la eficiencia, reproducibilidad y aplicabilidad práctica del análisis del riesgo.
  • H2 · Integración modular: Reducir barreras técnicas e incorporar sistemáticamente cambio climático e incertidumbre.
  • H3 · Flujo reproducible: Representar la incertidumbre hidrológica y climática con mayor consistencia que un escenario único de diseño.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Objetivos
Objetivo general y objetivos específicos
La pregunta se convierte en cuatro compromisos verificables
El objetivo general es desarrollar y validar un núcleo científico modular que permita aplicar el análisis probabilístico de inundaciones bajo incertidumbre climática e hidrológica, y demostrar su transferencia mediante una plataforma reproducible. La figura concreta ese objetivo en cuatro filas, y todas se leen igual: qué quiero lograr, qué se desarrolla y cómo se comprueba. Primera fila, Clima: integrar datos y modelos de cambio climático en los flujos estocásticos. Se desarrollan fuentes y escenarios, con su procesamiento y su corrección de sesgo, y se comprueba con entradas climáticas trazables, listas para la cadena. Segunda fila, Eventos: generar precipitación y caudal. Se desarrollan generadores estocásticos que conservan la dependencia entre variables, y se comprueba con escenarios contrastados mediante un diagnóstico de sus propiedades. Tercera fila, Modelos: automatizar la configuración, la ejecución y el postprocesado de los modelos hidrológicos e hidráulicos. Se comprueba con una cadena física automatizada que llega hasta el caudal, el calado, la extensión o el nivel. Cuarta fila, Validación: consolidar y documentar la librería y su despliegue en una plataforma, y validarlos mediante casos reproducibles. Se comprueba con la transferencia a escala local, regional y nacional. Estos cuatro objetivos son los requisitos a los que debe responder el desarrollo tecnológico. No exigen que todos los casos utilicen todos los módulos, sino que las combinaciones necesarias puedan organizarse de forma consistente. Cada objetivo deja una salida que otra persona puede revisar, y esa es la evidencia que iremos viendo a lo largo de la defensa.
  • Objetivo general: desarrollar y validar un núcleo modular y demostrar su transferencia mediante una plataforma reproducible.
  • OE1–OE2: integrar datos y modelos climáticos, y generar eventos de precipitación y caudal.
  • OE3–OE4: automatizar los modelos físicos; documentar y validar el núcleo y la plataforma mediante casos reproducibles.
Cada objetivo conduce a un desarrollo concreto y a una evidencia verificable
Cada objetivo conduce a un desarrollo concreto y a una evidencia verificable
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Respuesta tecnológica
De los objetivos a pyhydra e HYDRA
Un núcleo científico modular y una plataforma para hacerlo utilizable
1Requisitos automatizar, modularizar y repetir el análisis
2pyhydra librería Python que implementa el núcleo científico
3HYDRA plataforma que integra núcleo, web, notebooks y servicios
Origen del nombre: la hidra de la mitología griega
Origen del nombre: la hidra de la mitología griega
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Modelación estocástica
Qué necesita una modelación estocástica de inundaciones
La generación de escenarios solo adquiere valor cuando se conecta con datos, clima y modelos físicos
1Datos observaciones y proyecciones climáticas
2Dependencia relaciones espaciales y temporales plausibles
3Modelos físicos transformar lluvia en caudal y calado
4Decisión estimar frecuencia sobre la variable de impacto
Los escenarios aportan valor cuando su impacto puede estimarse
Los escenarios aportan valor cuando su impacto puede estimarse
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Estado de la técnica
Posicionamiento frente a los marcos integrados más próximos
Cobertura funcional comparada en el capítulo 2 de la memoria
La matriz permite situar la propuesta frente a los marcos revisados en la memoria. Compara su cobertura de las capacidades indicadas mediante marcas completas o parciales. CLIMADA aborda riesgo climático; RainyDay genera tormentas por transposición; wflow y HydroMT facilitan la preparación de modelos. Los enfoques de simulación continua pueden alcanzar el impacto, con implementaciones vinculadas a determinados dominios. Las filas representan ocho capacidades y las columnas, los marcos comparados. Una marca completa indica cobertura; una parcial, cobertura limitada o dependiente de recursos externos; el guion indica ausencia en el alcance revisado. Las primeras filas se refieren a datos y tratamiento estadístico; las siguientes, a generación, clima y motores; las últimas, al período de retorno del impacto y a la transferencia del producto. La lectura útil consiste en seguir una necesidad a través de varias filas. La tabla compara cobertura funcional según la memoria; no establece una clasificación universal de velocidad, exactitud o calidad para cualquier aplicación. La comparación identifica la combinación que aborda HYDRA: datos heterogéneos, extremos, dependencia, escenarios y motores físicos dentro de un flujo reutilizable que calcule la frecuencia del impacto. Esa cobertura conjunta delimita la propuesta. La elección de una herramienta para un estudio concreto depende también de sus requisitos y del ámbito de aplicación.
CapacidadHYDRACLIMADARainyDaywflow / HydroMTSim. continua
Adquisición automática de datos globales●●◐●—
Extremos con incertidumbre (bayesiano, AFR)●◐——◐
Análisis multivariante (cópulas)●———◐
Generación estocástica de eventos●—●—●
Corrección de sesgo de proyecciones●◐—◐◐
Motores profesionales (HEC, SWAT, SFINCS)●——◐—
Período de retorno basado en impacto●◐——●
Producto transferible (Docker, web, notebooks)●●◐●—

● Sí · ◐ Parcial (limitada o con herramientas externas) · — No. Fuente: memoria, cap. 2.

  • Ningún marco revisado cubre a la vez las ocho capacidades de la tabla.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Arquitectura
La arquitectura del sistema de tres niveles
Nivel científico, nivel de servicios y nivel de interfaz
1Métodos científicos datos, extremos, escenarios y modelos físicos
2Servicios de ejecución API y notebooks sobre el mismo núcleo
3Interfaz web acceso, documentación y casos navegables
Un núcleo científico, tres capas que lo hacen transferible
Un núcleo científico, tres capas que lo hacen transferible
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Arquitectura
Cuatro módulos funcionales, un núcleo científico
La misma organización que encontramos al navegar por HYDRA
Fuentes de datos → Análisis climático → Generación estocástica → Modelización
Fuentes de datos → Análisis climático → Generación estocástica → Modelización
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Bloque de datos
Fuentes de datos
Cuatro submódulos para adquirir, homogeneizar y validar datos
1Estaciones AEMET, Meteostat y OGIMET
2Reanálisis ERA5, con cobertura global
3Satélite GPM y PERSIANN
4Ríos y suelo GloFAS, GRDC y SoilGrids
5Proyecciones CMIP6 con escenarios SSP
Cualquier fuente llega con el mismo formato y su procedencia registrada
Cualquier fuente llega con el mismo formato y su procedencia registrada
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Bloque climático-estadístico
Extremos y distribuciones GEV
Estimación de eventos raros y su incertidumbre
Partimos de máximos anuales y ajustamos la GEV mediante localización, escala y forma; este último parámetro controla la cola. Comparamos máxima verosimilitud, L-momentos o inferencia bayesiana según los datos y supuestos. En la gráfica, los puntos negros representan máximos anuales de la muestra. La línea azul ilustra máxima verosimilitud; la roja discontinua, L-momentos; y la verde, una aproximación bayesiana. La gris punteada es la distribución de referencia de este ejemplo. Para comparar estimadores fijamos el mismo período de retorno y leemos la altura de sus curvas. En períodos elevados se separan porque la información sobre la cola es escasa. Las bandas muestran incertidumbre alrededor de las estimaciones; no convierten una extrapolación en una observación. Esta figura sirve para explicar esa sensibilidad, sin demostrar que un estimador concreto sea siempre superior. Cuando una estación tiene pocos datos, el análisis regional puede aportar información de estaciones homogéneas, normalizada y reescalada localmente. La homogeneidad debe justificarse. La referencia punteada solo se conoce en esta figura ilustrativa.
F(x; μ, σ, ξ) = exp { - [ 1 + ξ ( (x - μ) / σ ) ]-1/ξ }

μ: localización · σ: escala · ξ: forma

  • Máxima verosimilitud: ajuste rápido, sensible a extremos aislados.
  • L-momentos: opción robusta para registros cortos (menos de 30 años).
  • Inferencia bayesiana: banda de credibilidad; exige revisar priors y convergencia.
  • Análisis regional: normalizar, combinar estaciones homogéneas y reescalar los cuantiles locales.
Ejemplo ilustrativo de curvas GEV: estimadores, extrapolación y bandas; no constituye una validación comparativa.
Ejemplo ilustrativo de curvas GEV: estimadores, extrapolación y bandas; no constituye una validación comparativa.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Bloque climático-estadístico
Dependencia multivariante y cópulas
Relaciones conjuntas entre variables hidroclimáticas
El caudal horizontal y el nivel del mar vertical tienen distribuciones marginales propias, representadas en los bordes. Ajustamos esas marginales y después una cópula para conservar su dependencia al generar pares. Los puntos negros son observaciones y los grises, realizaciones. Los paneles de los bordes muestran la densidad marginal de cada variable: indican dónde se concentran sus valores por separado. La nube central añade la información de cómo coinciden caudal y nivel del mar. Una cópula permite representar esa dependencia separadamente de las marginales. En las isolíneas podemos movernos entre un caudal mayor y un nivel menor, o al contrario, conservando una misma definición de frecuencia conjunta. La combinación de máxima densidad señalada con una cruz es una referencia estadística; no tiene por qué producir el mayor calado. Esa respuesta depende también de la geometría y de las condiciones del modelo hidráulico. Las curvas AND, rojas, exigen superar ambos umbrales; las OR, azules, al menos uno. Las cruces localizan máxima densidad sobre cada curva. Un mismo período de retorno conjunto admite muchas parejas, con impactos diferentes. Por eso propagamos las combinaciones por el modelo físico antes de asignar frecuencia al impacto.
  • Familias: gaussiana para pico, duración y volumen; Gumbel, Clayton y Frank para eventos compuestos.
  • T_OR: al menos una variable supera el umbral (diseño conservador).
  • T_AND: superación simultánea (crítica en confluencias fluviales).
  • Evento de diseño más probable: máximo de la densidad conjunta sobre la isolínea del período de retorno (Salvadori y De Michele).
Período de retorno conjunto (AND en rojo, OR en azul) para confluencias fluviales costeras
Período de retorno conjunto (AND en rojo, OR en azul) para confluencias fluviales costeras
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Análisis climático
Cambio climático: corregir el sesgo antes de propagar escenarios
Referencia observada, histórico del modelo y proyección futura
Síntesis de la memoria doctoral, §5.5, pp. 65–66. La corrección se documenta por variable, modelo, escenario y horizonte.
Síntesis de la memoria doctoral, §5.5, pp. 65–66. La corrección se documenta por variable, modelo, escenario y horizonte.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Bloque climático-estadístico
Generación estocástica de escenarios
Escenarios de lluvia coherentes en espacio y tiempo
El generador se elige según el problema: NEOPRENE representa lluvia mediante tormentas y células, en un punto con NSRP o en varias estaciones con STNSRP. CoSMoS reproduce una distribución marginal y su dependencia temporal. Calibramos con las series de entrada y generamos realizaciones; después comprobamos estacionalidad, dispersión, persistencia y, cuando corresponde, dependencia espacial. Los tres gráficos comparan media mensual, desviación típica y autocorrelación. Aquí la entrada «observado» también es sintética: explica el diagnóstico, sin validar todos los generadores. La salida es un ensemble que alimentará los modelos físicos. En los tres gráficos, las barras verdes representan la entrada y la línea naranja, el resultado simulado de la demostración. El primero compara la evolución estacional de la media; el segundo, cuánto varían los valores alrededor de ella; el tercero, la relación con el valor del paso temporal anterior. Se aprecia una buena coincidencia de las medias, mientras que la autocorrelación presenta diferencias en varios meses. Ese diagnóstico importa: dos series pueden tener medias parecidas y una persistencia distinta. Si alimentan un modelo hidrológico, la duración y la secuencia de las entradas pueden influir en la respuesta. La comparación debe hacerse antes de utilizar las realizaciones en un estudio de diseño.
  • NEOPRENE: tormentas y células; NSRP puntual o STNSRP multisitio.
  • CoSMoS: distribución marginal, autocorrelación y estacionalidad.
  • Calibrar → generar → comprobar media, dispersión, persistencia y dependencia espacial.
  • Salida: realizaciones sintéticas; verificar sus propiedades antes de simular impactos.
Diagnóstico estacional de una demo sintética: media, desviación estándar y autocorrelación; «observado» designa la entrada de demostración.
Diagnóstico estacional de una demo sintética: media, desviación estándar y autocorrelación; «observado» designa la entrada de demostración.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Bloque de modelización
Modelos hidrológicos e hidráulicos
Cinco submódulos para preparar y validar motores físicos
1Preparar adaptar entradas al formato del motor
2Ejecutar registrar versión, proceso y resultado
3Homogeneizar normalizar unidades y estructuras de salida
4Validar comprobar ejecución y plausibilidad física
Un contrato común conecta motores distintos sin rehacer el núcleo
Un contrato común conecta motores distintos sin rehacer el núcleo
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Propagación del impacto
Del ensemble a los mapas de período de retorno
Seleccionar, simular, reconstruir y comprobar antes de estimar frecuencia
Síntesis de la memoria doctoral, §5.6–5.6.1, pp. 66–68. N escenarios generados; n seleccionados para simulación física.
Síntesis de la memoria doctoral, §5.6–5.6.1, pp. 66–68. N escenarios generados; n seleccionados para simulación física.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Navegación por HYDRA
Primera visita a HYDRA: del núcleo al navegador
Núcleo científico, plataforma web y entorno reproducible
Capturas locales · sin conexión
Portada local de HYDRA: acceso a módulos, herramientas y notebooks.
Portada local de HYDRA: acceso a módulos, herramientas y notebooks.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Herramientas interactivas
Herramientas interactivas en la nube
Acceso democratizado al motor pyhydra
1Extremos GEV/GPD bayesiana
2Dependencia cópulas multivariantes
3Espacio kriging e interpolación
4Diseño curvas IDF
5Modelos sensibilidad hidráulica
Las herramientas web llaman al mismo núcleo pyhydra que los notebooks
Las herramientas web llaman al mismo núcleo pyhydra que los notebooks
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Demostración de cópulas
Demostración guiada: cópulas de eventos
De los eventos de entrada a combinaciones sintéticas dependientes
Capturas locales · sin conexión
Demo: 80 eventos artificiales de entrada y 1000 realizaciones sintéticas; comparación por parejas.
Demo: 80 eventos artificiales de entrada y 1000 realizaciones sintéticas; comparación por parejas.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Demostración de interpolación
Demostración: interpolación espacial
Comparar campos interpolados y error de validación cruzada
Capturas locales · sin conexión
Demo de 8 estaciones: mapa de kriging ordinario sobre una malla de 45 × 45 puntos.
Demo de 8 estaciones: mapa de kriging ordinario sobre una malla de 45 × 45 puntos.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Demostración de modelado
Demostración guiada: modelado hidráulico
Geometría, rugosidad y condiciones de contorno: su efecto sobre la lámina libre
Capturas locales · sin conexión
Modelo idealizado: parámetros iniciales y perfil con condición de flujo uniforme.
Modelo idealizado: parámetros iniciales y perfil con condición de flujo uniforme.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Diez estudios, tres dimensiones de validación
Dos estudios en el Besaya: frecuencia del impacto y sensibilidad a las rugosidades
Dos trabajos distintos en el Besaya. «Notebook» indica disponibilidad; la ejecución depende de datos, entorno y motores.
Caso de estudio Aplicación principal Datos (M1) Clima / extremos (M2) Estocástica (M3) Modelado (M4) En HYDRA
Besaya: frecuencia sobre el impacto Extremos + hidráulica 2D ✔ ✔ ✔ ✔ Notebook
Besaya: rugosidades de Manning y comparación de motores Monte Carlo · HEC-RAS / SFINCS ✔ — ✔ ✔ Notebook
Mallorca: cadena en cuenca sin aforo Downscaling híbrido ✔ ✔ ✔ ✔ Documentado
Madrid Calle 30: lluvia multisitio y calado en túneles Lluvia → HEC-HMS/RAS ✔ ✔ ✔ ✔ Notebook
Valencia: extremos e incertidumbre tras la DANA de 2024 Extremos bayesianos ✔ ✔ — — Notebook
Lago Tanganica: clima, caudal y cotas futuras CMIP6 + aprendizaje automático ✔ ✔ — ✔ Documentado
Andes: calibración hidrológica regional CMIP5 + modelo VIC ✔ ✔ — ✔ Documentado
IAHR 2022: procedimiento convencional frente a cadena estocástica IDF frente a estocástico ✔ ✔ ✔ ✔ Documentado
SIMPCCe: caudales mínimos y gestión de embalses Caudales mínimos + clima ✔ ✔ — ✔ Documentado
Panamá: automatización climática y capas de riesgo Clima + modelado nacional ✔ ✔ — ✔ Documentado
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Besaya 2018: aquí nace la frecuencia sobre el impacto
Aforos → eventos multivariantes → Iber → distribución de calados
En el esquema del Besaya seguimos el agua desde los aforos hasta el resultado hidráulico. Primero se extraen avenidas independientes y se describen mediante pico, volumen y duración. Una cópula gaussiana permite conservar su dependencia al generar nuevos hidrogramas plausibles. Después, Iber transforma esos hidrogramas en calados y extensión. El último bloque reúne las respuestas y estima su frecuencia. Por tanto, el período de retorno del calado se obtiene después de simular el comportamiento del sistema. La fila superior parte de los aforos y describe cada avenida mediante pico, volumen y duración. Esas magnitudes deben conservar una dependencia plausible al generar nuevos hidrogramas. El terreno y los usos del suelo aportan después la información espacial que necesita Iber para transformar el caudal en una respuesta hidráulica. La selección de escenarios permite organizar las ejecuciones, y el postprocesado reúne calados y velocidades. El bloque final asigna frecuencia a los impactos simulados. El orden es esencial: primero se transforma cada entrada en una respuesta y después se analiza el conjunto de respuestas, en lugar de trasladar directamente una etiqueta de frecuencia desde el hidrograma. Este trabajo de 2018 precede a pyhydra y establece el fundamento científico del desarrollo posterior. La tesis recoge la necesidad de repetir esas operaciones y conectarlas de una forma trazable y transferible.
3 variablespico, volumen y duracióndos avenidas con el mismo pico pueden causar impactos distintos
Ibermotor hidráulico de 2018empleado manualmente, sin adaptador por lotes en pyhydra
T(calado)frecuencia sobre el impactono se hereda directamente del caudal pico
Papel de pyhydra
Formaliza después los bloques repetibles que este trabajo reveló como necesarios: eventos, dependencia, modelos y postproceso.
pyhydra.climatepyhydra.climate.time_seriescópulasIber
Cadena fundacional documentada en la memoria: el período de retorno se estima a partir del resultado hidráulico
Cadena fundacional documentada en la memoria: el período de retorno se estima a partir del resultado hidráulico
Referencia: TFM (2017); Revista de Obras Públicas 3598 (2018); memoria doctoral, cap. 7
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Besaya: cuánto cambia el impacto al cambiar de motor
Dos trabajos sobre el mismo dominio que no deben confundirse
Esta figura compara 995 realizaciones de rugosidad ejecutadas con ambos motores: 1.990 simulaciones. La leeré de arriba abajo, primero el calado y después el área inundada. Arriba, cada punto corresponde a la misma realización: SFINCS en horizontal y HEC-RAS en vertical. A la izquierda se compara el calado medio, en metros; a la derecha, el área inundada, en kilómetros cuadrados. La diagonal discontinua indica igualdad. Por encima, HEC-RAS produce valores mayores. La diferencia media es de 0,172 metros en calado y 0,149 kilómetros cuadrados en área. Las correlaciones, próximas a 0,5, indican una asociación moderada: ambos motores no responden de forma equivalente. Aquí, azul y rosa distinguen dos regímenes de HEC-RAS, de menor y mayor extensión. Las líneas horizontales señalan sus áreas medias: 0,577 y 0,700 kilómetros cuadrados. Abajo cambia el significado de los colores: verde representa SFINCS y rojo, HEC-RAS. Las curvas resumen cómo se distribuyen los resultados; un pico alto indica concentración alrededor de un valor, no más simulaciones. En calado, la curva roja está desplazada hacia valores mayores y es más ancha. En área, SFINCS concentra sus resultados en una zona estrecha; HEC-RAS presenta dos regímenes, cuya separación se aprecia mejor arriba. El coeficiente de variación mide la dispersión respecto a la media: 8,4 por ciento en HEC-RAS y 2 por ciento en SFINCS. El análisis espacial vincula los regímenes con la conexión de un compartimento secundario de 7,4 hectáreas. El coeficiente de variación es la desviación típica dividida por la media, expresada en porcentaje. Permite comparar dispersión relativa entre conjuntos con medias distintas. En calado es del 3 por ciento en SFINCS y del 5,7 por ciento en HEC-RAS; en área, del 2 y del 8,4 por ciento, respectivamente. Las curvas inferiores son densidades suavizadas: su altura no es una probabilidad puntual y cada distribución está normalizada. Las diferencias medias entre motores tampoco son errores frente a una medición. El anexo espacial permitirá investigar el mecanismo que separa los regímenes sin atribuirlo a una sola clase de Manning o a un umbral topográfico suficiente por sí mismo. La conclusión es que elegir el motor modifica el impacto y su variabilidad. Estas diferencias no demuestran cuál reproduce mejor la realidad; para ello necesitamos observaciones.
1.990simulaciones hidráulicas 2D995 realizaciones emparejadas en HEC-RAS y SFINCS
7,4 hacompartimento secundario activadobifurcación asociada al umbral topográfico de 60,1 m
8,4 %CV del área en HEC-RASfrente al 2,0 % obtenido con SFINCS
Papel de pyhydra
Convierte un ensemble de parámetros y dos motores hidráulicos en una comparación probabilística trazable del impacto.
pyhydra.modelingpyhydra.modeling.hydraulicHEC-RAS 2DSFINCS
Las 995 realizaciones emparejadas muestran diferencias entre HEC-RAS y SFINCS
Las 995 realizaciones emparejadas muestran diferencias entre HEC-RAS y SFINCS
Referencia: Memoria doctoral, cap. 7 (Besaya); manuscrito enviado a Environmental Modelling & Software
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Mallorca: reconstruir la cadena con pocos datos
Sant Llorenç des Cardassar (Episodio de octubre 2018)
Mallorca introduce otra dificultad: reconstruir una inundación en una cuenca sin aforos. Tras el episodio de Sant Llorenç de octubre de 2018, se combinó información de lluvia, dependencia entre estaciones e interpolación espacial para construir entradas plausibles. Los indicadores de la izquierda resumen la estrategia: generar miles de escenarios, simular una selección y reconstruir los restantes mediante k-NN, aquí con seis vecinos. Iber transforma las entradas en calados y extensión; la extensión se contrasta con la cartografía de Copernicus. Los dos mapas muestran el mismo dominio urbano, lo que permite comparar la localización de las diferencias. La leyenda indica calado en metros: el azul oscuro representa mayor profundidad y el claro, menor profundidad. Conviene distinguir dos aspectos: la extensión de la zona mojada y la profundidad dentro de ella. El mapa estocástico presenta diferencias de calado y de distribución espacial respecto al clásico; no equivale a aplicar un factor constante a toda la mancha. El indicador k igual a seis se refiere a los vecinos utilizados para reconstruir respuestas no simuladas. El contraste con Copernicus aporta una referencia de extensión para el episodio, con las limitaciones de observación y datos del caso. A la derecha comparamos el mapa clásico, a la izquierda, con el estocástico, a la derecha. Las diferencias dependen de la localización. La aportación es llevar la variabilidad de la lluvia hasta el impacto, incluso cuando la escasez de datos dificulta caracterizar el episodio.
Milesde tormentas sintéticasamplían registros horarios cortos
k = 6vecinos óptimos para reconstruccióncalados y velocidades no simulados
Impactofrecuencia calculada sobre caladomancha distinta a la metodología basada en lluvia
Papel de pyhydra
Une lluvia sintética, interpolación espacial, simulación física y reconstrucción de impactos en una cuenca sin aforos.
pyhydra.data_sourcespyhydra.climatepyhydra.climate.spatial_analysisIber 2D
Calados en Sant Llorenç: Metodología clásica (izquierda) vs Enfoque Estocástico Completo (derecha)
Calados en Sant Llorenç: Metodología clásica (izquierda) vs Enfoque Estocástico Completo (derecha)
Referencia: Caso Sant Llorenç (2019); memoria doctoral, cap. 7
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Calle 30, Madrid: Infraestructura crítica urbana
Túneles de la M-30: la cadena completa, en el proyecto FORESEE con Ferrovial
Selección MaxDiss de eventos de lluvia antes de HEC-HMS; calados y períodos de retorno en secciones 1D.
Selección MaxDiss de eventos de lluvia antes de HEC-HMS; calados y períodos de retorno en secciones 1D.
Caso Calle 30: Navas et al. (2024); notebooks 04–06 de selección, simulación y reconstrucción.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Calle 30 en HYDRA: análisis interactivo
Del forzamiento meteorológico al período de retorno del calado
Capturas locales · sin conexión
Calle 30: curvas de período de retorno y perfil longitudinal de calados; enfoque basado en cópulas frente al clásico.
Calle 30: curvas de período de retorno y perfil longitudinal de calados; enfoque basado en cópulas frente al clásico.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Valencia en HYDRA: del resultado al notebook
La ficha del caso, trazable hasta el notebook que calculó cada cifra
Capturas locales · sin conexión
Indicadores de Valencia y acceso visible al notebook del estudio regional.
Indicadores de Valencia y acceso visible al notebook del estudio regional.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Valencia: Análisis rápido ante la DANA del 2024
Qué cambia en los estimadores de extremos cuando entra un evento sin precedente
En Valencia la pregunta es cuánto cambia una estimación al incorporar un episodio extraordinario. El primer indicador recuerda el dato observado: 710,8 milímetros en 24 horas en Turís, el 29 de octubre de 2024. Las barras de la derecha comparan otra cantidad: la precipitación estimada para un período de retorno de cien años. Con el ajuste bayesiano pasa de 260 milímetros sin la DANA a 952 al incorporarla: un aumento del 266 por ciento respecto al primer ajuste. La diapositiva separa una observación de dos resultados estadísticos. Los 710,8 milímetros son la precipitación medida del episodio. Los 260 y 952 milímetros son cuantiles calculados para T100 con muestras distintas. El intervalo de 66 a 91 años corresponde al período de retorno asignado al episodio cuando se incluye en el ajuste, según el estimador. Para leer las barras debemos mantener fijo el método y comparar sin DANA y con DANA. El aumento del 266 por ciento se calcula respecto al valor inicial de 260 milímetros; no expresa un aumento observado de la lluvia entre dos fechas. La franja metodológica recuerda que el estudio compara estimadores y escalas de análisis sobre las series disponibles. El intervalo de 66 a 91 años se refiere al período asignado al episodio observado, incluyendo el dato y según el estimador. Son magnitudes diferentes. La comparación muestra la sensibilidad de la cola a la muestra y la necesidad de revisar la incertidumbre antes de fijar un valor de diseño.
710,8 mmprecipitación en 24 hmáximo de la serie de Turís, muy por encima de los valores previos
+266 %cambio del cuantil T100 bayesianode 260 a 952 mm al incorporar la DANA
66–91 añosperíodo de retorno con el evento incluidolos tres estimadores convergen; sin él, de 3.069 (Bayes) a 31.345 años (L-mom.)
Papel de pyhydra
Permite recalcular rápidamente extremos e incertidumbre cuando entra en la serie un evento sin precedente histórico.
pyhydra.data_sourcespyhydra.climate.time_seriesPyMCanálisis regional
Turís (8337X): T100 bayesiano pasa de 260 a 952 mm; las curvas completas están en los anexos
Turís (8337X): T100 bayesiano pasa de 260 a 952 mm; las curvas completas están en los anexos
Referencia: VIII Jornadas de Ingeniería del Agua (2025); memoria doctoral, cap. 7
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Andes: calibración hidrológica automatizada a gran escala
De campos climáticos incompletos a caudales futuros en cuatro países
Los cuatro paneles representan Colombia, Bolivia, Perú y Ecuador. El eje horizontal recorre los meses y el vertical muestra cambios porcentuales de caudal; la leyenda distingue escenarios y horizontes. En algunos meses de Perú y Ecuador aparecen aumentos superiores al 40 por ciento, mientras otras combinaciones muestran reducciones. Para obtener esas curvas se procesaron más de 200 subcuencas. Los datos se completan con satélite e interpolación; SPOTPY organiza la calibración y VIC transforma las entradas en caudal. Después se propagan 21 modelos CMIP5. La leyenda combina color y tipo de línea. Azul identifica 2011–2040; rojo, 2041–2070; y gris o negro, 2071–2100. Las líneas discontinuas corresponden a RCP4.5 y las continuas a RCP8.5. Para comparar escenarios debemos fijar país, mes y horizonte. El cero del eje vertical representa ausencia de cambio respecto a la referencia; por encima hay aumento y por debajo, reducción del caudal. El mayor cambio de final de siglo se aprecia en algunos meses de Perú y Ecuador, sin que eso describa todos los países o estaciones del año. Las escalas verticales difieren entre paneles, por lo que la comparación cuantitativa exige leer sus números y no solo la altura visual de las líneas. La contribución operativa consiste en repetir consistentemente ese ciclo regional. La interpretación debe conservar su carácter de proyección condicionada a los datos, los modelos y los escenarios utilizados.
SPOTPYcalibración automáticaPSO, DREAM y SCE-UA para evitar ajustes manuales cuenca a cuenca
> 200subcuencas procesadastransformación regional de lluvia y clima en caudal
> +40 %caudal mensual proyectadomeses húmedos de Perú y Ecuador al final de siglo
Papel de pyhydra
Generaliza la experiencia andina: automatizar el ciclo parámetros-modelo-evaluación con SPOTPY para convertir clima en caudal de forma repetible.
pyhydra.climatepyhydra.modelingSPOTPYVICclima → caudal
Influencia proyectada del cambio climático en el caudal mensual de Colombia, Bolivia, Perú y Ecuador (RCP4.5/8.5, tres horizontes)
Influencia proyectada del cambio climático en el caudal mensual de Colombia, Bolivia, Perú y Ecuador (RCP4.5/8.5, tres horizontes)
Referencia: Estudios hidroeléctricos andinos; memoria doctoral, cap. 7
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
IAHR 2022: el procedimiento también cambia el diseño
Estudio comparativo: Método convencional (IDF) vs Enfoque Estocástico
Este estudio compara el procedimiento convencional basado en IDF con una cadena estocástica. El mapa muestra diferencias de calado T100 para 2041–2070, RCP4.5, que cambian espacialmente. Los recuadros incluyen una comparación adicional de caudal T100 en 2011–2040. Para RCP4.5, IDF da 208,8 y el enfoque estocástico 278,5 metros cúbicos por segundo: un 33,4 por ciento más respecto a IDF. Ese porcentaje corresponde al caudal y no se traslada uniformemente al mapa de calados. La figura contiene dos comparaciones relacionadas, pero distintas. El mapa localiza diferencias de calado para un horizonte concreto. Los recuadros presentan caudales de diseño de otro horizonte. Mantener las unidades evita confundir metros de profundidad con metros cúbicos por segundo. El 33,4 por ciento resulta de dividir la diferencia de caudal entre 208,8, el valor del método IDF. No implica que cada celda del mapa aumente esa proporción. La franja inferior permite reconstruir el procedimiento: proyecciones EURO-CORDEX, corrección de sesgo y dependencia, generación sintética, selección y simulación con Iber. El resultado muestra cuánto puede importar la elección de la cadena de diseño bajo las condiciones analizadas. El cálculo utilizó 10.000 años sintéticos y 200 casos seleccionados con MaxDiss para Iber, reconstruyendo el resto mediante k-NN. La diferencia evidencia sensibilidad al procedimiento; demostrar mayor exactitud requiere contrastarla con observaciones.
+33,4 %ejemplo de caudal T100208,8 → 278,5 m³/s; 2011–2040, RCP4.5
10.000 añosserie sintética del estudio200 casos seleccionados para Iber
Espacialdiferencia de caladosmapa 2041–2070; variación según localización
Papel de pyhydra
Demuestra por qué la frecuencia debe propagarse por toda la cadena y evaluarse sobre el impacto, no heredarse de la lluvia.
pyhydra.climatepyhydra.climate.bias_correctioncópulasMaxDiss + k-NNIber
Mapa: diferencia de calado en 2041–2070, RCP4.5. Recuadros: comparación adicional de caudales T100; ejemplo 2011–2040.
Mapa: diferencia de calado en 2041–2070, RCP4.5. Recuadros: comparación adicional de caudales T100; ejemplo 2011–2040.
Referencia: 39th IAHR World Congress, Granada (2022); memoria doctoral, cap. 7
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
SIMPCCe: aportaciones a embalses bajo cambio climático
Del pronóstico de aportaciones a la gestión del suministro
Ejemplo de uso publicado: relación entre suministro y fiabilidad (figura 11, p. 145).
Ejemplo de uso publicado: relación entre suministro y fiabilidad (figura 11, p. 145).
Navas y del Jesus (2025). Ingeniería del Agua, 29(2), 132–148. DOI: 10.4995/ia.2025.23217
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Atlas de Panamá: automatización a escala nacional
Ministerio de Ambiente y BID: 52 cuencas en ambas vertientes
Este caso muestra la aplicación de la cadena a escala nacional. El mapa de la derecha representa precipitación media distribuida por subcuencas de Panamá. Las líneas negras delimitan esas unidades y la cuadrícula sitúa su posición geográfica; no delimitan manchas de inundación. La escala inferior está en milímetros: los rojos corresponden a valores menores y los verdes, cianes y azules a valores progresivamente mayores. El rango representado va aproximadamente de 1.500 a 6.000 milímetros. El mapa permite reconocer contrastes espaciales de la entrada climática, sin deducir directamente de sus colores dónde será mayor el daño. Las tres cifras de la izquierda describen magnitudes distintas. Las 52 cuencas son el dominio de las capas de inundación fluvial. Las 414 combinaciones climáticas proceden de 23 modelos, dos escenarios SSP, tres variables y tres horizontes; describen dimensiones del análisis, no un registro verificado de 414 ejecuciones hidráulicas. Los 1.464 puntos costeros corresponden a la evaluación de inundación costera en ambas costas, un ámbito diferente del mapa de precipitación. La franja inferior resume el proceso metodológico. Se completan las series de 73 estaciones con NEOPRENE y se interpolan campos mediante kriging universal a un kilómetro. La corrección de sesgo prepara escenarios climáticos. LEM transforma las entradas en caudales y SFINCS produce respuestas hidráulicas que alimentan las capas del atlas. El mapa que vemos es un producto intermedio de esa cadena. La aportación consiste en repetir un procedimiento documentado sobre múltiples dominios y configuraciones, conservando la relación entre entrada climática, modelo y resultado. La escala exige automatización y trazabilidad; también exige mantener separadas las variables y los alcances de cada producto.
52cuencas con capas de inundaciónescala nacional y tres períodos de retorno
414combinaciones climáticas23 GCM × 2 SSP × 3 variables × 3 horizontes
1.464puntos costeros analizados52 escenarios de nivel de agua total
Papel de pyhydra
Escala la misma arquitectura desde una cuenca piloto hasta un encargo nacional con cientos de combinaciones climáticas.
pyhydra.data_sourcespyhydra.climateNEOPRENESFINCS
Precipitación media por subcuencas, obtenida mediante el flujo nacional de descarga, control de calidad e interpolación espacial
Precipitación media por subcuencas, obtenida mediante el flujo nacional de descarga, control de calidad e interpolación espacial
Fuente: Producto 3, Downscaling Estadístico (2023), pp. 3, 29–30; 414 = producto de sus dimensiones de análisis
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Casos de estudio
Qué demuestra el conjunto de casos
La modelación estocástica es el hilo que conecta datos, clima, física e impacto
1Principio común frecuencia estimada sobre el impacto
2Contextos distintos escalas, climas y modelos diferentes
3Transferencia módulos auditables sin reconstruir la cadena
Diez estudios: cuatro con notebooks y seis documentados en publicaciones o proyectos
Diez estudios: cuatro con notebooks y seis documentados en publicaciones o proyectos
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Contribuciones científicas
Producción científica asociada a la tesis
La validación externa acompaña la evolución desde el método hasta la herramienta
2 artículospublicados en Ingeniería del AguaCalle 30 (2024) y SIMPCCe (2025). Valencia: aceptado, pendiente de publicación.
2 enviadosmanuscritos en evaluaciónTanganica y rugosidades (Environmental Modelling & Software)
5 comunicacionespresentadas entre 2023 y 2025VII JIA, HIC 2024, InterJIA 2024 y dos trabajos en VIII JIA
2 DOIsoftware científico publicadopyhydra e HYDRA, preservados en Zenodo
La producción científica reúne dos artículos publicados en Ingeniería del Agua: Calle 30, de 2024, y SIMPCCe, de 2025. El artículo de Valencia está aceptado, pendiente de publicación, por lo que se indica por separado y no se incluye en el recuento de publicados. Los dos manuscritos que continúan enviados son Tanganica y el estudio de rugosidades remitido a Environmental Modelling & Software. La diapositiva organiza los productos en cuatro columnas. La primera recoge los artículos publicados; la segunda, los manuscritos que permanecen en evaluación. La nota de la primera columna indica que Valencia está aceptado, pendiente de publicación. Así quedan separados los artículos publicados, el artículo aceptado y los manuscritos que continúan en evaluación. La tercera columna presenta cinco comunicaciones, difundidas entre 2023 y 2025 en jornadas y congresos. Estas comunicaciones permiten seguir la evolución de los trabajos y su discusión con la comunidad científica. Una comunicación y el artículo posterior pueden proceder de una misma investigación: no representan necesariamente casos de estudio diferentes. La cuarta columna corresponde al software científico. Los dos DOI de Zenodo identifican versiones citables de pyhydra e HYDRA y permiten referenciar los productos desarrollados, además de los métodos y resultados descritos en las publicaciones. Los mensajes inferiores agrupan las aportaciones por los problemas abordados: infraestructura urbana, gestión de embalses y análisis de eventos y niveles extremos. En conjunto, estas cuatro columnas muestran distintas formas de documentar y difundir el trabajo: artículos publicados, manuscritos en evaluación, comunicaciones y software. La siguiente diapositiva concreta mi responsabilidad personal en esos trabajos.
  • Infraestructura urbana: cadena estocástica completa con transformación lluvia–caudal y modelización 1D.
  • Gestión de embalses: transferencia de clima, corrección de sesgo y emulación de caudales mínimos.
  • Eventos y niveles extremos: incertidumbre, datos globales y respuesta ante problemas recientes.
  • Sensibilidad hidráulica: automatización masiva para revelar incertidumbre entre motores.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Contribuciones científicas
Mi contribución científica y tecnológica
Trabajo, posición de autoría y contribución personal
Esta tabla concreta mi responsabilidad por trabajo. Las columnas identifican la publicación, mi posición de autoría y la contribución personal. En siete trabajos figuro como primer autor: la formulación inicial de la cadena estocástica, Besaya, Mallorca, Calle 30, SIMPCCe, Tanganica y rugosidades. Mis tareas abarcan metodología, desarrollo, simulación, análisis y redacción, con el alcance indicado en cada fila. Las colaboraciones delimitan otras responsabilidades: calibración y clima en los Andes; desarrollo, validación y documentación de NEOPRENE; generación y reconstrucción en downscaling; y módulos de extremos y frecuencia regional en Valencia. La tabla se lee por filas, manteniendo juntas sus tres columnas. En la formulación inicial y el Besaya, mi aportación se refiere a la cadena estocástica y los impactos. En Mallorca, al downscaling, la geoestadística y la simulación. En Calle 30, a la metodología y la automatización de los modelos. SIMPCCe recoge el diseño y desarrollo de la herramienta; Tanganica, la metodología con datos globales y aprendizaje automático; y rugosidades, el ensemble y la comparación de motores. Las filas de colaboración concretan tareas parciales, en lugar de atribuirme la totalidad de esos trabajos. La fila del software separa además su diseño, documentación y publicación como un producto propio de la tesis. En pyhydra e HYDRA soy primer autor del diseño, desarrollo, documentación y publicación del software. La investigación se apoya en trabajo colectivo; esta distribución identifica qué aporté personalmente. pyhydra también ha servido como herramienta para las tesis de Diego Urrea Méndez y Dina Vanesa Gómez Rave. Este uso muestra la transferencia del software a otras investigaciones doctorales.
TrabajoPosiciónContribución del doctorando
V JIA (2017)Primer autorConceptualización de la cadena estocástica, análisis y redacción
Besaya, ROP (2018)Primer autorMetodología, modelización hidrológico-hidráulica, impactos y redacción
Mallorca (2019)Primer autorDownscaling híbrido, geoestadística, simulación y redacción
Andes, BID e IA (2019–2020)CoautorCalibración automática y procesamiento climático
NEOPRENE, GMD (2023)Segundo autorDesarrollo, validación y documentación del software
Calle 30, IA (2024)Primer autorMetodología completa, automatización HEC-HMS/HEC-RAS y redacción
Downscaling, EGU (2024)CoautorGeneración estocástica y reconstrucción integradas en pyhydra
SIMPCCe, IA (2025)Primer autorDiseño y desarrollo íntegro, validación nacional y redacción
Valencia (2025)Segundo autorMódulos de extremos y AFR y ejecución de los cálculos
Tanganica (2025)Primer autorMetodología, datos globales, aprendizaje automático y redacción
Rugosidad Besaya, EMS (2025)Primer autorEnsemble Monte Carlo, automatización de ambos motores y redacción
Tesis de Diego Urrea Méndez y Dina Vanesa Gómez RaveTransferenciapyhydra como herramienta de apoyo a sus investigaciones doctorales
pyhydra e HYDRA, Zenodo (2026)Primer autorDiseño, desarrollo, documentación y publicación del software

Autoría y tareas: memoria definitiva, tabla 8.2, p. 133. Transferencia: pyhydra como herramienta en otras tesis doctorales.

1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Conclusiones
Qué evidencia aporta cada hipótesis y qué falta comprobar
Evidencia acumulada, con el alcance de cada una
1H1 Automatización campañas de cálculo: capacidad operativa; ahorro por medir
2H2 Integración modular los mismos bloques resuelven problemas y escalas diferentes
3H3 Flujo reproducible sensibilidad del diseño a métodos y datos; bandas en lugar de cifras únicas
Cada hipótesis se contrasta con evidencia y con un límite
Cada hipótesis se contrasta con evidencia y con un límite
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Conclusiones
La contribución original: hacer operativa la ciencia existente
Integración extremo a extremo, reproducibilidad sistemática y transferencia demostrada
Extremo a extremointegración funcionaldatos, estadística, escenarios, modelos físicos e impacto
Trazablereproducibilidad sistemáticacada resultado conserva fuente, método y configuración
10 estudiostransferibilidad operativacuatro con notebooks; seis documentados desde su publicación o proyecto
1Base científica metodologías preexistentes incorporadas
2Desarrollo módulos, adaptadores y pipelines
3Contribución original integración, reproducibilidad y transferencia
Lo original es la integración; los métodos de base son conocimiento previo
Lo original es la integración; los métodos de base son conocimiento previo
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Conclusiones
Limitaciones y trabajo futuro
Cinco limitaciones y tres ámbitos de trabajo futuro
Fuente: memoria doctoral, tabla 8.1 y trabajo futuro, pp. 128–130.
Fuente: memoria doctoral, tabla 8.1 y trabajo futuro, pp. 128–130.
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Agradecimientos
Una tesis se firma con un nombre, pero se construye con muchos
A quienes hicieron posible que este trabajo llegara hasta aquí
1Mi familia el apoyo que sostuvo todo el recorrido
2Manuel del Jesus Peñil rigor, confianza y vocación de utilidad
3César Álvarez Díaz disponibilidad y generosidad constantes
4IHCantabria el entorno humano, científico y técnico de la tesis
5Universidad de Castilla-La Mancha a mis compañeros, por su apoyo y compañerismo
6Banco Santander por la beca concedida
A todos, gracias
1Introducción 2Estado de la técnica 3Arquitectura 4Metodología 5Casos y validación 6Conclusiones
Muchas gracias por su atención
HYDRA — Software libre y reproducible al servicio de la sociedad
Código QR que abre la web de HYDRA Web de HYDRA Escanea para explorar
herramientas y casos
Una cadena reproducible que convierte incertidumbre climática e hidrológica en evidencia útil para decidir.