A lo largo de este trabajo de tesis se proponen diferentes desarrollos metodológicos buscando mejorar el desempeño de un sistema operativo de pronósticos hidrológicos por ensambles acoplado con la simulación del sistema eléctrico de Uruguay, que permite optimizar la operación del sistema y definir el despacho energético. La cuenca de estudio es la cuenca de aporte al Río Negro, cuenca transfronteriza con Brasil, con una extensión superficial de 62.900 km2 y en cuyo cauce principal se ubican tres centrales hidroeléctricas en serie. La estrategia seguida se basa en tres enfoques: (i) una evaluación exhaustiva de los pronósticos hidrometeorológicos por ensambles; (ii) la asimilación de datos observados de caudal; (iii) mejoras en la representación de la incertidumbre asociada a los pronósticos por ensambles de precipitación. En primer lugar, se desarrolla una metodología para la evaluación de la calidad de los pronósticos por ensambles de precipitación y caudal generados para la cuenca del Río Negro desde la puesta en operación del modelo. Dicha metodología combina indicadores de desempeño y gráficos de diagnóstico, de manera de abarcar diferentes aspectos de la calidad del pronóstico, en este caso el sesgo, la precisión y la confiabilidad. La metodología desarrollada se aplicó a: (i) ensambles de precipitación a quince días del modelo GEFS (versión V12) del NCEP-NOAA (empleados como forzantes del modelo hidrológico), tomando como referencia una estimación en base a la combinación de imágenes satelitales y observaciones en superficie; (ii) ensambles de los caudales de aporte a las centrales hidroeléctricas obtenidos con el modelo hidrológico GR4J forzado por los pronósticos del GEFS, en comparación con las series teóricas de aportes que surgen de un balance hídrico en los embalses. Tanto para la precipitación como para los caudales, se llegó a que las series simuladas capturan satisfactoriamente el comportamiento de las series observadas. En ambos casos se identificaron sesgos positivos en el error de la media del ensamble (tendencia a la sobreestimación), a la vez que se observó una asimetría negativa en su distribución. Durante los primeros días del horizonte de pronóstico el ensamble tiene una dispersión excesivamente baja, de modo que la observación está demasiado a menudo fuera del rango del ensamble; luego, a medida que avanza el horizonte de pronóstico, el ensamble tiende a estar mejor distribuido. Este aspecto es aún más notorio en el caso de los caudales. Posteriormente, se propone una metodología para la asimilación al modelo hidrológico de datos observados de caudal, la cual puede ser implementada de manera operativa con la información disponible actualmente. Dicha metodología se aleja conceptualmente de los diseños tradicionales de relajación o “nudging” de datos observados a sistemas de pronóstico. En el caso de estudio, la variable observada disponible no es un estado sino una salida del modelo (caudal), por lo que no puede ser ajustada directamente. Por tanto, en la asimilación que se instrumentó el ajuste se plantea como una corrección de la precipitación antecedente (forzante que representa la mayor fuente de incertidumbre del proceso de modelación) hasta el día de inicio del pronóstico, proporcional a la amplitud del error relativo del caudal simulado. Dicha corrección produce estados del sistema y condiciones iniciales del caudal para el periodo de pronóstico hidrológicamente consistentes. En particular, el ajuste se implementó en tres subcuencas de aporte al embalse de G. Terra (el primero, desde aguas arriba hacia aguas abajo, de los tres embalses localizados consecutivamente sobre el Río Negro). La metodología de asimilación propuesta reduce significativamente el error al inicio del pronóstico, en comparación con el desempeño del modelo hidrológico sin retroalimentación. Sin embargo, para caudales bajos (muy frecuentes en el periodo analizado), no logra corregir el marcado sesgo positivo existente en el modelo original. El desempeño es muy sensible a los “saltos” y limitaciones particulares identificadas en la serie teórica de aportes a G. Terra. La mejora se atenúa a medida que se avanza en el horizonte de pronóstico. Por último, se establecen las bases de una metodología para mejorar el desempeño del pronóstico por ensambles de precipitación en la cuenca del Río Negro. En particular, se busca mejorar la representación de la incertidumbre que enfrenta el sistema en el horizonte inmediato. A los efectos de explorar metodologías en un modelo más simple que los atmosféricos, se recurrió al modelo Lorenz 63 con asimilación de datos mediante el método EnKF. Allí se evaluaron distintas técnicas para la ponderación de miembros del ensamble según su desempeño reciente, que luego se aplicaron al pronóstico por ensambles de precipitación. Se propuso entonces una técnica simple basada en la construcción de super-ensambles mediante la combinación de “time-lagged ensembles” (múltiples pronósticos inicializados en diferentes momentos, pero todos verificados al mismo tiempo), que incorpora las últimas observaciones (locales) disponibles a través de una ponderación de los miembros en función de su habilidad reciente. La construcción de los super-ensambles equiprobables (sin pesos diferenciales) demostró una mejora en la distribución sin deteriorar el RMSE, lo que se traduce en una mejora de la relación SPREAD/RMSE. Sin embargo, la incorporación de los pesos según el error en el campo de precipitación integrado en la cuenca no resultó en una mejora en los estadísticos evaluados. Este resultado pone de manifiesto la importancia de la selección de una métrica adecuada (más integral y representativa del estado atmosférico) para el cálculo de la habilidad reciente para definir las ponderaciones de los miembros del ensamble

In this thesis we propose different methodological developments in order to improve the performance of an operational hydrological ensemble prediction system coupled with an electric system modeling for Uruguay, used for management, optimization and dispatch. The study area is the Río Negro basin, a transboundary watershed (Uruguay/Brazil), with a surface equal to 62.900 km2. Three hydroelectric plants are located in series in its main channel. The strategy is based on three approaches: (i) a comprehensive evaluation of the hydrometeorological ensemble forecasts; (ii) the assimilation of observed streamflow data; (iii) improvements in the representation of the uncertainty associated with the precipitation ensemble forecasts. First, we develop a methodology to evaluate the quality of the ensemble forecasts of precipitation and streamflow generated for the Río Negro basin since the model is operational. This methodology combines performance indicators and diagnostic graphs, in order to cover different aspects of the forecast quality, in this case the bias, precision and reliability. The methodology was applied to: (i) the 15-day ensemble precipitation forecasts from the GEFS V12 model (NCEP-NOAA), taking as reference an estimation based on the combination of satellite retrievals and rain gauge data; (ii) the ensemble forecasts of the daily inflows to the hydroelectric reservoirs obtained with the GR4J hydrological model forced by the GEFS ensembles, in comparison with the “theoretical” inflows derived from a reservoir mass budget. Results suggest that, for both precipitation and hydrological inflows, the ensemble forecasts achieve a good representation of the observed series. In both cases, the ensemble mean error presents a positive bias (tendency for overestimation), while a negative asymmetry was identified in its distribution. During the first days the ensemble has an excessively low dispersion, the observation is too often outside the range of the ensemble. As the forecast lead time advances, the ensemble tends to be better distributed. This behavior is even more pronounced for the hydrological inflows. Subsequently, we propose a methodology for the assimilation of observed streamflow data into the hydrological model, which can be operationally implemented with the information currently available. This methodology conceptually departs from traditional relaxation or “nudging” of observed data into forecast systems. In this case, the available observed variable is not a state but an output of the model (streamflow), so it cannot be adjusted directly. Therefore, in the assimilation scheme that was implemented, the adjustment is proposed as a correction of the antecedent precipitation (forcing that represents the greatest source of uncertainty in the modeling process) until the start of the forecast, proportional to the amplitude of the relative error of the simulated streamflow. Such correction produces system states and initial flow conditions for the forecast period which are hydrologically consistent. In particular, the adjustment was implemented in three sub-basins contributing to the G. Terra reservoir (the first, from upstream to downstream, of the three reservoirs located on the Río Negro). The proposed methodology significantly reduces the error at the beginning of the forecast, compared to the performance of the hydrological model without data assimilation. However, for low flows (very frequent in the period analyzed), it fails to correct the marked positive bias existing in the original model. Performance is very sensitive to the “jumps”, a limitation identified in the theoretical inflows series to G. Terra. The improvement attenuates as the forecast lead time advances. Finally, we set the stage for a methodology to improve the performance of the ensemble precipitation forecast in the Río Negro basin. In particular, it aims to improve the representation of the uncertainty faced by the system in the immediate horizon. In order to explore methodologies in a simpler model than the atmospheric ones, we used the Lorenz 63 model with data assimilation based on the Ensemble Kalman Filter (EnKF) method. There, we evaluated different techniques for the weighting of the ensemble members according to their recent performance, which were then applied to the ensemble precipitation forecasts. A simple technique was proposed based on the construction of super-ensembles by combining “time-lagged ensembles” (multiple forecasts initiated at different times, but all verified at the same time), which incorporates the latest available (local) observations through a weighting of the members based on their recent ability. The construction of the equiprobable super-ensembles (without considering differential weights) demonstrated an improvement in the distribution without deteriorating the RMSE, which translates into an improvement in the SPREAD/RMSE ratio. However, the incorporation of the weights according to the error in the integrated precipitation field in the basin did not result in an improvement in the evaluated statistics. This result highlights the importance of selecting an appropriate metric (more comprehensive and representative of the atmospheric state) for the calculation of the recent ability in order to define the weights of the ensemble members.