River discharge simulation in the high Andes of southern Ecuador using high-resolution radar observations and meteorological station data

La predicción de la descarga del río utilizando modelos hidrológicos (HM) es de suma importancia, especialmente en las cuencas que proporcionan agua potable o sirven como áreas de recreación, para mitigar el daño a las estructuras civiles y evitar la pérdida de vidas humanas. Por lo tanto, se deben probar diferentes HM para determinar su precisión y utilidad como herramientas de alerta temprana, especialmente para eventos de precipitación extrema. Este estudio simuló la descarga del río en una cuenca andina, para lo cual se aplicaron el Modelo de predicción de escorrentía HM distribuido (RPM) y el Sistema de modelado hidrológico HM semi-distribuido (HEC-HMS). Como datos de entrada de precipitación para el modelo RPM, se utilizaron observaciones de radar de alta resolución, mientras que el modelo HEC-HMS utilizó los datos disponibles de la estación meteorológica. Las simulaciones obtenidas se compararon con descargas medidas en la salida de la cuenca. Los resultados resaltaron las ventajas de HM distribuido (RPM) en combinación con imágenes de radar de alta resolución, que estimaron con precisión las descargas en magnitud y tiempo. El análisis estadístico mostró una buena a muy buena concordancia entre la descarga observada y simulada para el modelo RPM (R2: 0.85-0.92; NSE: 0.77-0.82), mientras que para el modelo HEC-HMS las precisiones fueron más bajas (R2: 0.68-0.86; NSE : 0.26-0.78). Esto no solo se debió a la aplicación de valores medios para la cuenca (HEC-HMS), sino también a información limitada sobre pluviómetros. En general, la densidad de la red de estaciones en las regiones montañosas tropicales es pobre, por lo que no se puede detectar la alta variabilidad de la precipitación espacio-temporal. Para la simulación hidrológica y el pronóstico de inundaciones repentinas, así como para las investigaciones ambientales y la gestión de los recursos hídricos, los radares meteorológicos son la mejor opción. La mayor disponibilidad de sistemas rentables en la actualidad también reduce los costos de implementación y mantenimiento de las densas redes de estaciones meteorológicas.The prediction of river discharge using hydrological models (HMs) is of utmost importance, especially in basins that provide drinking water or serve as recreation areas, to mitigate damage to civil structures and to prevent the loss of human lives. Therefore, different HMs must be tested to determine their accuracy and usefulness as early warning tools, especially for extreme precipitation events. This study simulated the river discharge in an Andean watershed, for which the distributed HM Runoff Prediction Model (RPM) and the semi-distributed HM Hydrologic Modelling System (HEC-HMS) were applied. As precipitation input data for the RPM model, high-resolution radar observations were used, whereas the HEC-HMS model used the available meteorological station data. The obtained simulations were compared to measured discharges at the outlet of the watershed. The results highlighted the advantages of distributed HM (RPM) in combination with high-resolution radar images, which estimated accurately the discharges in magnitude and time. The statistical analysis showed good to very good accordance between observed and simulated discharge for the RPM model (R2: 0.85-0.92; NSE: 0.77-0.82), whereas for the HEC-HMS model accuracies were lower (R2: 0.68-0.86; NSE: 0.26-0.78). This was not only due to the application of means values for the watershed (HEC-HMS), but also to limited rain gauge information. Generally, station network density in tropical mountain regions is poor, for which reason the high spatiotemporal precipitation variability cannot be detected. For hydrological simulation and forecasting flash floods, as well as for environmental investigations and water resource management, meteorological radars are the better choice. The greater availability of cost-effective systems at the present time also reduces implementation and maintenance costs of dense meteorological station networks