Análisis comparativo de modelos de evapotranspiración de referencia con aplicación al ecosistema de páramo andino húmedo en el sur de Ecuador

Abstract

A pesar de su importancia, la evapotranspiración es poco estudiada en los ecosistemas de páramo. Este estudio evalúa el rendimiento de 30 modelos, incluidos 21 modelos empíricos (basados en radiación, temperatura, combinación y transferencia de masa), 8 modelos de redes neuronales artificiales (RNAs) y 1 modelo splines de regresión adaptativa multivariante (MARS) para la estimación de la evapotranspiración diaria de referencia (ETo) en comparación con la ecuación estándar de Penman-Monteith (FAO 56 P-M). Un objetivo adicional fue definir para la región de estudio la mejor alternativa al método estándar. Se utilizaron datos disponibles y limitados de dos estaciones meteorológicas, respectivamente Toreadora (período 2013-2016) y Zhurucay (período 2014), ambas ubicadas en el ecosistema de páramo de la provincia de Azuay, en el sur de Ecuador. Se aplicaron métricas estadísticas simples (MBE, MAE y RMSE) para evaluar el rendimiento de los modelos. Se llevó a cabo un análisis de bosques aleatorios para definir la relevancia de las variables climáticas en el proceso de evapotranspiración. Los resultados de bosques aleatorios se usaron para ensamblar las RNAs usando diferentes combinaciones de variables climáticas. Este enfoque permitió definir la RNA con el menor número de entradas que mejor estiman ETo. El modelo MARS permitió derivar una ecuación empírica, llamada REMPE, que usa radiación solar y humedad relativa mínima como variables de entrada. Del grupo de ecuaciones empíricas, las ecuaciones basadas en combinación tienen el mejor rendimiento seguido de las ecuaciones basadas en radiación, temperatura y transferencia de masa. Se aplicó un método de calibración para mejorar el rendimiento de los modelos probados. Los resultados mostraron que las RNAs mejoradas son las más precisas para estimar la ETo diaria, mientras que la ecuación de REMPE, a pesar de haber sido desarrollada en condiciones locales, presenta un bajo rendimiento. La ETo anual se calculó para todos los modelos y se comparó con el valor anual calculado con la ecuación FAO 56 P-M. En general, los resultados permiten seleccionar el mejor modelo en función de la disponibilidad de datos meteorológicos en entornos super-húmedos, como los ecosistemas de páramo.