PyCatch: component based hydrological catchment modelling

  1. Lana-Renault Monreal, Noemí 1
  2. Karssenberg, D. 2
  1. 1 Universidad de La Rioja
    info

    Universidad de La Rioja

    Logroño, España

    ROR https://ror.org/0553yr311

  2. 2 Utrecht University
    info

    Utrecht University

    Utrecht, Holanda

    ROR https://ror.org/04pp8hn57

Revista:
Cuadernos de investigación geográfica: Geographical Research Letters

ISSN: 0211-6820,  1697-9540

Año de publicación: 2013

Volumen: 39

Número: 2

Páginas: 315-333

Tipo: Artículo

DOI: 10.18172/CIG.1993 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Cuadernos de investigación geográfica: Geographical Research Letters

Repositorio institucional: lock_openAcceso abierto Editor

Resumen

Los modelos numéricos de tipo dinámico son herramientas potentes para representar y estudiar la evolución de los procesos naturales a través del tiempo. Normalmente se construyen a partir de lenguajes de programación de nivel alto, es decir, próximos a la capacidad cognitiva de los investigadores. En este trabajo se presenta PyCatch, un set de componentes construido en el entorno PCRaster Python para desarrollar modelos dinámicos de base física a escala de cuenca. PCRaster Python es una herramienta de programación basada en Python, un lenguaje de programación sencillo al que se le han añadido elementos del programa PCRaster. En su versión actual, PyCatch simula procesos de interceptación, evapotranspiración, almacenamiento de agua superficial, infiltración, flujo subsuperficial y flujo superficial. El modelo representa estos procesos hidrológicos a partir de una serie de depósitos conectados entre si, y está estructurado de tal manera que favorece el intercambio de flujos de un depósito a otro. La estructura modular de PyCatch permite reemplazar o añadir componentes fácilmente (por ejemplo, fusión de nieve o erosión de suelo y transporte de sedimentos) en función de los objetivos del estudio.

Referencias bibliográficas

  • Allen, R.G., Pereira, L.S., Raes, D., Smith, M. 1998. Crop evapotranspiration. FAO Irrigation and Drainage Paper No. 56, FAO, Roma.
  • Beck, M.B., Jakeman, A.J., Mcaleer, M.J. 1993. Construction and evaluation of models of environmental systems. In Modelling Change in Environmental Systems, M.B. Beck, A.J.
  • Jakeman, M.J. McAleer (Eds.), Wiley, New York, pp. 3-35.
  • Burrough, P.A., McDonnell, R.A. 1998. Principles of Geographical Information Systems. Oxford University Press, Oxford.
  • Bracken, L.J., Croke, J. 2007. The concept of hydrological connectivity and its contribution to understanding runoff-dominated geomorphic systems. Hydrological Processes 21, 1749-1763.
  • Brolsma R.J., Karssenberg, D., Bierkens, M.F.P. 2010. Vegetation competition model for water and light limitation. I: Model description, one-dimensional competition and the influence of groundwater. Ecological Modelling 221, 1348-1363.
  • Chow, V.T., Maidment D.R., Mays, L.W. 1988. Applied Hydrology. McGraw-Hill, New York.
  • Dam, O. 2000. Modelling incoming Potential Radiation on a land surface with PCRaster: POTRAD5.MOD manual. Utrecht University, Utrecht, 6 pp.
  • Feddes, R.A., Kowalik, P., Jaradny, H. 1978. Simulation of field water use and crop yield. Simulation Monographs, Pudoc, Wageningen, 189 pp.
  • Karssenberg, D., 2002. The value of environmental modelling languages for building distributed hydrological models. Hydrological Processes 16, 2751-2766.
  • Karssenberg, D., De Jong, K. 2005a. Dynamic environmental modelling in GIS: 1. Modelling in three spatial dimensions. International Journal of Geographical Information Science 19, 559-579.
  • Karssenberg, D., De Jong, K., 2005b. Dynamic environmental modelling in GIS: 2. Modelling error propagation. International Journal of Geographical Information Science 19, 623-637.
  • Karssenberg, D., De Jong, K., Van der Kwast, J. 2007. Modelling landscape dynamics with Python. International Journal of Geographical Information Science 21, 483-495.
  • Mulligan, N., Wainwright, J. 2004. Modelling and model building. In Environmental Modelling: Finding Simplicity in Complexity, N. Mulligan, J. Wainwright (eds.), John Wiley, Chichester, 430 pp.
  • PCRaster, January 2013. PCRaster internet site. Available online at: http://www.pcraster.eu/.
  • Pebesma, E.J., De Jong, K., Briggs, D. 2007. Interactive visualization of uncertain spatial and spatio-temporal data under different scenarios: an air quality example. International Journal of Geographical Information Science 21, 515-527.
  • Python, January 2013. Python Programming Language internet site. Available online at: http:// www.python.org.
  • Schimtz, O., Karssenberg, D. 2009. Framework for Spatio-Temporal Modelling: Supporting Deterministic and Stochastic Modelling, Data Assimilation and Model Calibration. Faculty of Geosciences, Utrecht University, Utrecht, 24 pp.
  • Van Deursen, W.P.A. 1995. Geographical Information Systems and Dynamic Models. Koninklijk Nederlands Aardrijkskundig Genootschap/Faculteit Ruimtelijke Wetenschappen. Universiteit Utrecht, Utrecht.
  • Wesseling, C.G., Karssenberg, D., van Deursen, W.P.A., Burrough, P.A. 1996. Integrating dynamic environmental models in GIS: the development of a Dynamic Modelling language. Transactions in GIS 1, 40-48.
Fuente de los datos: Dialnet