2. D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224 217
modelo apropiado, orientación sobre la formulación del modelo ET y cuestiones
relacionadas fueron proporcionados por McMahon y col. (2013). Sin embargo, la
implementación de estas y otras formulaciones se complica por el significadofi
diversidad en las representaciones de procesos, supuestos, nomenclatura,
terminología, unidades y requisitos de datos, que pueden hacer que sea diferente.
ficulto a implementar las representaciones matemáticas de estos modelos ET, y
puede conducir a errores y inconsistencias de codificación. Esto tiene una serie de
implicaciones potencialmente negativas en los estudios de modelado de ET, como
la reducción de lafidencia en los resultados presentados, y proporcionar diferencia
ficultos para comparar objetivamente los resultados de diferentes estudios.
Un aspecto práctico que puede beneficiarfit de un enfoque más
estandarizado para la implementación del modelo ET es el uso de modelos ET
conjuntos. Las aplicaciones del modelado de conjuntos pueden conducir a una
mejor comprensión de la incertidumbre estructural del modelo ET (p. Ej.Beven y
Freer, 2001; Duan y col., 2007; Kavetski y Fenicia, 2011; Velázquez et al., 2012), por:
demostrar varias características del paquete, que incluyen: (1) preprocesamiento
de datos; (2) estimación de ET y producción de resúmenes y gráficos de
resultados; y (3) comparación de estimaciones con modelos de ET de conjunto y
conjuntos de datos de entrada. En la sección4, se discuten algunos posibles
análisis adicionales con el paquete y las limitaciones, que son seguidos por las
conclusiones en la Sección 5.
2. El paquete de evapotranspiración
2.1. Modelos de evapotranspiración
El paquete R Evapotranspiración incluye 17 modelos, que utilizan
una o varias variables climáticas para estimar PET, AET y ET0 en una sola ubicación
utilizando datos de entrada a nivel subdiario, diario y mensual
resoluciones. Aunque los modelos constan de diferentes representaciones de
procesos, todos se basan en los dos componentes fundamentales que impulsan la
ET:
1) evaluar el impacto de múltiples modelos de ET basados en supuestos
climáticos históricos, para cuantificar la incertidumbre de PET y AET (Xu y
Singh, 2000, 2002; Tabari et al., 2013) y determinar el efecto de las
estimaciones de ET en el modelado hidrológico, las evaluaciones de los
recursos hídricos (Yin y Brook, 1992; Oudin y col., 2005a, b; Kannan y col.,
2007; Rosenberry y col., 2007; Horvath y col., 2010), estudios ecológicos y
agrícolas (Nichols et al., 2004; GascaTucker et al., 2007; Fisher et al., 2011), y;
2) evaluar el impacto del uso de múltiples modelos de ET en un clima cambiante,
considerando los cambios potenciales tanto en los procesos relacionados con
la ET como en las variables climáticas (McKenney y Rosenberg, 1993; Kay y
Davies, 2008; Kingston y col., 2009; Donohue et al., 2010; Bormann, 2011;
Prudhomme y Williamson, 2013; Thompson et al., 2014).
1) Balance energético, que determina el calor latente de vaporización; y
2) Transferencia de masa, que enflinfluye en la velocidad de movimiento del
vapor de agua lejos de la superficie de evaporación.
El calor latente se puede estimar considerando el balance energético
como:
lmi ¼ RHG þ AD (1)
dónde l es el calor latente de vaporización, mi es la tasa de evapotranspiración, R
es la radiación entrante neta recibida en las superficies del suelo / planta (que
está determinada por el total de radiación solar entrante
radiación Rs), H es el intercambio de calor sensible con la atmósfera por
convección (que está determinada por la temperatura del aire T),
Para respaldar aún más una variedad de estudios de modelado de ET, es
necesario facilitar la implementación de diferentes modelos de ET de una manera
conveniente, coherente y eficaz.fimanera ciente. Hay algunos paquetes de
software existentes que se centran enfic Modelado ET
GRAMO es el intercambio de calor con el suelo, y AD es la entrada neta de energía
advectada por el agua, como el agua enfla un lago, que sólo
aplica para cuerpos de agua abiertos.
La transferencia de masa de vapor de agua está enflinfluido por el gradiente
de vapor (es decir, la diferencia entre la presión de vapor saturada y real, que está
relacionada con la humedad relativa Rh y temperatura
necesidades y aspectos: como el 'ET0 Calculadora'(Raes y Muñoz,
2008) para calcular ET0 utilizando el modelo FAO-56 Penman-Monteith, el código
Fortran 'Morton WREVAP'(McMahon y col., 2013) T) y velocidad del viento tuz. Junto a la superficie de evaporación, una fina capa de
aire no turbulento proporciona resistencia a la evaporación. flux,
para implementar los modelos Morton ET y el paquete R 'SPEI'
(Beguería et al., 2013), que incluye múltiples modelos de ET y varios índices de
sequía para estimar el Índice Estandarizado de Precipitación y Evapotranspiración
(SPEI). Sin embargo, hasta donde sabemos, no ha habido una herramienta
disponible gratuitamente que permita la implementación de un gran número de
modelos alternativos de ET de manera consistente.
Este documento presenta un paquete de software R para estimar la ET a
partir de 17 modelos alternativos: fiQuince de los modelos se basan en los que se
resumen en McMahon y col. (2013), así como los modelos Jensen-Haise y
McGuinness-Bordne, procedentes de Prudhomme y Williamson (2013). Estos
estiman un rango de cantidades de ET
conocida como la resistencia aerodinámica (Penman, 1948). Para las hojas de las plantas,
la resistencia de la superficie también es importante, ya que la transpiración está
regulada por el grado de apertura de los estomas en las hojas (Monteith, 1991).
Combinando el balance de energía y los componentes de transferencia de masa
nents, las cuatro variables climáticas clave relacionadas con ET son T, RH, Rs y tuz
(AET, PET y ET0), tener en cuenta una variedad de procesos y variables climáticos, y
ejecutarlos en pasos de tiempo diarios o mensuales. La entrada de datos es
flSe incluyen opciones flexibles y de verificación de datos y preprocesamiento. La
disponibilidad de un marco de software tan consistente para implementar
enfoques de modelado es importante desde la perspectiva del modelado de
conjuntos, la comparación entre diferentes modelos y conjuntos de datos (para
ejemplos, verDawson y col., 2007; Galelli et al., 2014), así como el análisis del
modelo y la incertidumbre de entrada (Leavesley y col., 2006; Clark y col., 2008;
Andrews y col., 2011). El resto de este documento está organizado de la siguiente
manera. El paquete se describe en la Sección2, incluidos los modelos de
evapotranspiración incluidos, así como la estructura del paquete y las funciones
principales. En la sección3, dos cuencas australianas diferentes se utilizan para
Figura 1. Procesos relacionados con ET representados por la transferencia de masa y el balance
de energía, con las variables atmosféricas relevantes entre paréntesis: T ¼ temperatura del aire,
Rs ¼ radiación solar entrante, Rh ¼ humedad relativa, tuz ¼ velocidad del viento.
3. 218 D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224
(como se ilustra en Figura 1).
Durante las últimas décadas, se ha desarrollado una gran cantidad de
modelos ET representando estos procesos de diferentes formas. En este paquete,
se incluyen 17 de estos modelos, los cuales se basan en diferentes relaciones
entre los procesos de ET y las cuatro variables climáticas, y por lo tanto tienen
diferentes requisitos de datos de las variables climáticas y las unidades
correspondientes (que se detallan entabla 1). Los distintos modelos incluidos en el
paqueteEvapotranspiración
modelos excepto Jensen-Haise y McGuinness-Bordne) provienen de McMahon y
col. (2013), que han sido todos verified con ejemplos presentados en su artículo
original. La disponibilidad de veri confiableficatión es la razón clave por la que
seleccionamos la mayoría de los modelos ET dentro de este paquete de McMahon
y col. (2013). Para los otros dos modelos estructuralmente simples, Jensen-Haise y
McGuinness-Bordne, que provienen dePrudhomme y Williamson (2013), no hay
ejemplos publicados de implementación disponibles para verificatión. Nos hemos
asegurado de que las ecuaciones sean correctas verificando sus fórmulas en una
serie de referencias alternativas que incluyenJensen y Haise (1963), Xu y Singh
(2000) y Oudin y col. (2005a).
se detallan en tabla 1. El PET y ET0 Los modelos consideran diferentes conjuntos
de subprocesos ET y variables climáticas asociadas, incluyendo
la radiación entrante, el gradiente de vapor, los intercambios de calor con la
atmósfera y el suelo, los procesos de advección y la resistencia superficial de la
vegetación (véanse las referencias en tabla 1 para mas detalles). losficinco
modelos AET (es decir, Brutsaert-Strickler, Granger-Gray, Szilagyi-Jozsa, Morton
CRAE y Morton CRWE) se basan en una relación complementaria observada (CR, fi
criado por primera vez por Bouchet, 1963) entre PET y AET, que establece que a
medida que se seca la superficie de evaporación, la disminución de AET se
complementa con un aumento igual de PET. Los dos modelos de Morton (Morton,
1983b, 1983a) puede estimar tanto el PET como el AET explícitamente a la
temperatura de equilibrio (es decir, la temperatura en la superficie de
evaporación), siguiendo las ecuaciones de balance de energía y transferencia de
vapor, respectivamente. Alternativamente, los métodos de Brutsaert-Strickler,
Granger-Gray y Szilagyi-Jozsa estiman la AET integrando los modelos de Penman y
Priestley-Taylor dentro del marco CR de diferentes maneras (Brutsaert y Stricker,
1979; Granger y Gray, 1989; Szilagyi, 2007). Tenga en cuenta que estas cantidades
son equivalentes en condiciones especiales: técnicamente, cuando sufipresente
agua ciente, la tasa de PET y AET son equivalentes entre sí, y para
2.2. Estructura y funciones básicas
Las funciones, entradas y salidas de datos y características gráficas del
paquete se resumen en Figura 2. La función de preprocesamiento de datos
ReadInputs () está desarrollado para cargar y procesar datos climáticos brutos
diarios y subdiarios. Los datos procesados están listos para ingresar a la función
genéricaET… (), donde cada uno de los 17 métodos diferentes se puede llamar
sustituyendo el '...' por el nombre de la función (p. ej. 'ET.Penman ()' llamar al
modelo Penman). La función realiza cálculos para el modelo de ET relevante y
genera un resumen de cálculo.
Habiendo calculado la cantidad de ET, la función ETPlot () luego se puede
llamar para trazar las estimaciones originales, así como agregaciones y
promedios en diferentes escalas de tiempo. FunciónETComparison () facilita la
comparación de resultados y la visualización de incertidumbres derivadas del uso
de diferentes modelos y / o diferentes datos de entrada. Finalmente,ETForcing ()
permite la asociación entre ET estimada y diferentes
un defisuperficie cubierta de vegetación, la tasa de PET y ET0 son equivalentes.
Las ecuaciones para 15 modelos ET incluidas en el paquete (todas variables climáticas que se trazarán.
tabla 1
Requisitos de datos para diferentes modelos. D¼ diario, M ¼ mensual.
Nombre del modelo ET y nombre de la función correspondiente en el paquete Tiempo Se requieren datos de entrada climáticosa Cantidad estimada
ET0
paso
Tmax,
Tmin
Rhmax,
Rhmin
Rs Uz TRocío MASCOTA AET
Penman 1948 (Penman, 1948) y Penman 1956 (Penman, 1956) ET.Penman D ✓ ✓ ✓ ✓ ✓ ✓ (abierto
agua)
Penman-Monteith FAO-56 (Allen et al., 1998) y ASCE-EWRI (Allen et al., 2005)
ET.PenmanMonteith
Matt-Shuttleworth (Shuttleworth y Wallace, 2009) ET.MattShuttleworth
D ✓ ✓ ✓ ✓ ✓ (pequeño
cultivo)
✓ (bien-
regado)
D ✓ ✓ ✓ ✓
Priestley-Taylor (Priestley y Taylor, 1972) ET.PriestleyTaylor D ✓ ✓ ✓ ✓ (advección
gratis)
PenPanB (Rotstayn y col., 2006) ET.PenPan
Brutsaert-Strickler (Brutsaert y Stricker, 1979) ET.BrutsaertStrickler
Granger-Gray (Granger y Gray, 1989) ET.GrangerGray
Szilagyi-Jozsa (Szilagyi, 2007) ET.SzilagyiJozsa
Makkink (De Bruin, 1981)ET.Makkink
Blaney-Criddle (Allen y Pruitt, 1986) ET.BlaneyCriddle
D
D
D
D
D
D
✓
✓
✓
✓
✓
✓
✓
✓
✓
✓
✓ ✓
✓ ✓
✓ ✓
✓ ✓
✓
✓ ✓
✓
✓ (área)
✓ (área)
✓
✓
✓ ✓ (bien-
regado)
TurcTurc, 1961) ET.Turc
Hargreaves-Samani (Hargreaves y Samani, 1985) ET.HargreavesSamani
Chapman AustralianoC (Chapman, 2001) ET.ChapmanAustraliano
Jensen-Haise (Jensen y Haise, 1963; Xu y Singh, 2000; Prudhomme y
Williamson, 2013) ET.JensenHaise
McGuiness-Bordne (Oudin et al., 2005a; Prudhomme y Williamson, 2013)
ET.McGuinnessBordne
Morton CRAE (Morton, 1983a) ET.MortonCRAE
Morton CRWE (Morton, 1983b) ET.MortonCRWE
D
D
D
D
✓
✓
✓
✓
✓ ✓
✓
✓ ✓ ✓
✓
✓
✓
D ✓ ✓
METRO
METRO
✓
✓
✓
✓
✓
✓
✓
✓
✓
✓ (poco profundo
lago)
a Tmax /Tmin ¼ temperatura máxima / mínima (C), Rs ¼ radiación solar entrante (MJ.m 2), Rhmax /Rhmin ¼ humedad relativa máxima / mínima (%), tuz ¼ velocidad del viento
(Sra 1), TRocío ¼ temperatura del punto de rocío (C).
B El modelo PenPan original estima la evaporación real de una bandeja de clase A (es decir, una bandeja circular con un diámetro de 1,2 my una profundidad de 0,25 m, que se construye con
Hierro galvanizado y apoyado sobre un marco de madera a 30mi50 mm por encima del suelo). Esta tasa de evaporación está estrechamente relacionada con el PET, por lo que es posible aproximar el PET de la evaporación
de la bandeja mediante el ajuste mediante un coeficiente de bandeja.ficientMcMahon y col., 2013).
C El modelo Chapman original (Chapman, 2001) utiliza solo las mediciones de la evaporación de la sartén de clase A y, por lo tanto, es completamente empírica. Sin embargo, en elEvapotranspiración
paquete, se ha adaptado para utilizar los resultados del modelo PenPan, por lo que se puede considerar que captura el mismo conjunto de subprocesos ET que el modelo PenPan.
4. D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224 219
Figura 2. Diagrama esquemático de las características del paquete. Evapotranspiración: los cuadros azules representan datos o resultados que son producidos y / o procesados por las funciones, representados en los
cuadros grises; los recuadros verdes representan los resultados esperados. (Para la interpretación de las referencias al color en estefileyenda de la figura, se remite al lector a la versión web
de este artículo.)
Función ReadInputs () está diseñado para verificar la disponibilidad de datos e
identifiEs entradas faltantes y errores de los datos climáticos brutos diarios o
subdiarios de entrada. Se comprueba la disponibilidad de los datos de la fecha (es
decir, año, mes y fecha)fiEn primer lugar, dado que estos datos son obligatorios
para que la función lea los datos climáticos similares a series de tiempo.
ReadInputs () luego lee los datos climáticos sin procesar presentados e informa
todas las variables de entrada que están disponibles para su uso. Specific
requisitos de datos para los modelos individuales (ver tabla 1) se comprueban
antes de realizar los cálculos en función ET… ().
Un especifiSe requiere el formato c de los datos de entrada en términos de nombres de
variables y unidades, así como los datos de entrada. fiformato de archivo, que es
diferente para los datos brutos diarios y subdiarios (consulte la Sección 1.1 de la
material suplementario, dentro de los cuales tabla 1 proporciona los requisitos de
formato detallados para los datos climáticos brutos). Para ayudar a los usuarios a
preparar los datos de entrada sin procesar, también se proporciona un resumen
de las conversiones de unidades relevantes enTabla 2 del material
complementario.
Próximo, ReadInputs () comprueba si faltan entradas en cada una de las
variables climáticas disponibles, y la calidad de los datos se evalúa frente a dos
datos de usuariofivalores de umbral necesarios para: (1) el porcentaje máximo
aceptable de datos faltantes; (2) la duración máxima aceptable de los datos
faltantes continuos como porcentaje de la duración total de los datos. Si la calidad
de los datos no es aceptable (es decir, el porcentaje y / o la duración de los datos
faltantes ha superado el límite de usuariofivalores de umbral ned), el programa
finalizará con un mensaje de advertencia.
Para datos con calidad aceptable pero que aún contienen algunos valores
faltantes, se da una advertencia con un valor predeterminado de asignación 'N / A'
para los valores perdidos (lo que conduce a 'NA en las estimaciones de salida si se
utilizan en ET… ()). El usuario también puede utilizar el espacio integrado
fiRutina de relleno para interpolar los valores faltantes, con cuatro brechas
alternativasfimétodos de llenado (ver Tabla 3 en el complementario
disponible en incrementos adyacentes (McMahon y col., 2013). Cuando falta
más de una entrada consecutiva, esta interpolación falla, con una advertencia.
La función también incluye comprobaciones primarias simples para detectar anomalías
valores en cada variable climática: por ejemplo, cualquier dato de temperatura
superior a 100 C se considera anormal. Se emiten advertencias para los valores
anormales detectados y, nuevamente, los usuarios pueden elegir si los valores
anormales se corregirán en la función, utilizando uno de los cuatro métodos de
interpolación mencionados anteriormente. Detalles de los cuatro métodos de
interpolación y defiLas posiciones de valores anormales para cada variable
climática se presentan en Tablas 4 y 5 en el material complementario.
Después de completar los controles de calidad, todos los datos brutos subdiarios se
agregan a un intervalo de tiempo diario, como lo requieren la mayoría de los modelos de
ET; dicha agregación temporal no se realiza para datos climáticos brutos que ya están
disponibles en un intervalo de tiempo diario.
Como ya se comentó, ET… () es una función genérica, que incluye 17
especificaciones diferentesfic métodos que se nombran siguiendo el formato de
ET.methodname (), como se detalla en tabla 1. Si un specific El modelo ET es
seleccionado por el usuario, la función fiprimero realiza una especificaciónfic
Compruebe el requisito de datos, que es diferente para cada uno de los 17
modelos en ET… () (ver tabla 1 para detalles). Si una determinada variable de
entrada requerida por el modelo ET no está disponible, la función buscará si
existen formas alternativas de estimar la variable faltante a partir de otras
variables disponibles; sin embargo, si no hay datos o métodos alternativos
disponibles, la función terminará con una advertencia. Los métodos disponibles
para estimar las variables de entrada faltantes se resumen enTabla 3 en el
material complementario. En el caso de que un specific El modelo ET no es especifi
ed (es decir, la función genérica ET () se llama directamente en lugar de
ET.methodname ()),
los fiprimera tarea ET… () realiza es estimar tantas variables climáticas faltantes
como sea posible. Luego, se selecciona un método predeterminado para estimar
la ET en función de todas las variables de entrada disponibles, que incluyen tanto
las variables de entrada originales presentadas como las variables estimadas a
partir de ellas. Dondequiera que haya datos disponibles, el modelo ET que tiene
los requisitos de datos más altos (y por lo tanto proporciona la representación del
proceso basada físicamente más detallada) se selecciona por defecto. La selección
detallada de modelos predeterminados para diferentes disponibilidad de datos se
encuentra enTabla 6 del material complementario.
Además de los datos climáticos de entrada, también se requiere una lista de
constantes en ET… (). El definiciones y valores sugeridos de todas las constantes son
material para más detalles) que incluye:
1) Reemplazo con el mismo mes
Narapusetty et al., 2009);
2) Reemplazo con la misma temporada
Narapusetty et al., 2009);
promedio
promedio
(adaptado
(adaptado
de
de
3) Reemplazo con promedio del mismo día del año (Narapusetty et al., 2009);
4) Interpolación entre los dos valores delimitadores, que solo es adecuada para
incrementos de tiempo perdidos en los que los valores son
5. 220 D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224
resumido en Tabla 7 en el material complementario. Se incluyen varios argumentos en
cada modelo de ET para permitir decisiones de usuario adicionales en el modelado de
ET. Un argumento común en todos los modelos es la elección del intervalo de tiempo
para la salida. El intervalo de tiempo predeterminado de las estimaciones de ET de salida
es diario para todos los modelos que se ejecutan en un intervalo de tiempo diario (es
decir, todos los modelos excepto Morton, como se muestra entabla 1), sin embargo,
también se pueden producir salidas mensuales y anuales cuando se especifiquefied; los
dos modelos de Morton producen por defecto una producción mensual, mientras que el
usuario también puede optar por obtener una producción anual. Para modelos con
varias versiones (p. Ej.Penman, 1948, 1956modelos, que tienen diferentes funciones de
viento) y que requieren decisiones adicionales del usuario (por ejemplo, opciones de
cálculo, suposiciones) hay argumentos individuales adicionales para permitir flopciones
flexibles entre las diferentes vías. Los detalles completos sobre el uso de constantes y
argumentos disponibles para diferentes modelos ET se presentan en
Tabla 8 en el material complementario. Una vez llamado con suffidatos cientes, y
siempre que todas las constantes y argumentos hayan sido especificadosfied,
función ET… () realiza cálculos para modelos ET individuales. En la pantalla se
imprime un resumen fácil de usar de los resultados, quefirms la elección del
modelo y submodelo, junto con las versiones correspondientes, las cantidades
calculadas, así como las opciones para cálculos alternativos y supuestos. También
se presenta un resumen estadístico básico de toda la serie temporal de salida
(como se ilustra con un ejemplo enFig. 3). Los resultados completos se almacenan
como una lista Rfile, así como un csv file, que se guarda automáticamente en el
directorio de trabajo. Contiene tanto el resumen de cálculo como la serie de
tiempo completa de la salida, en la que las estimaciones de ET están organizadas
en filas para diferentes incrementos de tiempo.
Hay varias herramientas de trazado disponibles para analizar los resultados.
FunciónETPlot () utiliza la ET diaria estimada de los modelos de ET individuales
para generar gráficos de agregación y gráficos promedio en pasos de tiempo
diarios, mensuales y anuales. FunciónETComparison () produce gráficos de
comparación de diferentes conjuntos de estimaciones de ET, para comparar los
resultados de (1) diferentes modelos de ET; (2) diferentes versiones del mismo
modelo ET (por ejemplo, las versiones 1948 y 1956 del modelo Penman); (3) el
mismo modelo de ET con diferentes opciones de cálculo, como enfoques
alternativos para los datos enfirelleno y / o; (4) diferentes conjuntos de datos
climáticos de entrada. Para cada cantidad, se pueden producir tres tipos de
gráficos, incluidos los gráficos de series de tiempo, los gráficos de probabilidad de
no excedencia y los gráficos de caja. También se pueden generar gráficos de
rangos de incertidumbre para estimaciones diarias, agregados mensuales y
anuales y promedios mensuales y anuales. Finalmente, la funciónETForcing ()
es una herramienta de trazado adicional para visualizar la asociación entre la ET
estimada y diferentes variables climáticas dentro de los datos existentes.
3. Estudios de casos
Se han utilizado dos estudios de caso para demostrar las utilidades básicas
del paquete. Evapotranspiración, utilizando datos climáticos subdiarios de sitios
meteorológicos en Adelaida (34.9290 S, 138.6010 E) y Alice Springs (23.7000 S,
133.8700 E) en Australia para el período común del 01/01/1989 al 30/03/2005.
3.1. Funciones básicas: procesamiento previo de datos de entrada, cálculo y
visualización de estimaciones
ReadInputs () se llama fiPrimero, con los datos subdiarios brutos del estudio
de caso de Adelaide, y el porcentaje máximo de número aceptable y duración de
datos faltantes establecido en 10% y 3%, respectivamente. La función muestra un
resumen de la calidad de los datos al verificar cada variable de entrada. Los datos
subdiarios sin procesar se agregan luego a una escala de tiempo diaria. Los
valores perdidos y los valores anormales en cada variable de entrada se corrigen
con los promedios correspondientes de los mismos días del año (es decir,
promedio de los días del año). Los datos procesados están entonces listos para
que los utilicen los modelos ET.
La ET en aguas abiertas de Penman se estima para el estudio de caso de
Adelaida utilizando la función ET.Penman (). Los argumentos se establecen de
modo que (1) el intervalo de tiempo para el cálculo sea diario; (2) las horas de sol
reales se utilizan para calcular la radiación solar; (3) se utilizan los datos reales del
viento; (4) elPenman 1948función de vientoPenman, 1948) se utiliza para estimar
el componente de transferencia de masa en el modelo de Penman; y
(5) la superficie evaporativa es de aguas abiertas (albedo ¼ 0,08, altura de
rugosidad ¼ 0,001 m). La serie de tiempo calculada de Penman ET de
ET.Penman () se ha guardado en una lista de datos R, mientras que la salida se
imprime en la pantalla, lo quefiConfirma la elección del modelo y la selección de
opciones de cálculo alternativas, y también ofrece un resumen estadístico básico
de toda la serie temporal de estimaciones de ET.
Fig. 3 es una captura de pantalla del procesamiento de datos y la estimación de ET con
ReadInputs () y ET.Penman () para este estudio de caso.
Las gráficas de la ET diaria estimada y la ET diaria promedio mensual se han
producido para el estudio de caso de Adelaide utilizando la función
ETPlot () (Figura 4). Aunque es difficulto para detectar cualquier tendencia de la
alta flestimaciones diarias fluctuantes (Figura 4a), hay un patrón estacional muy
fuerte, que se muestra en la gráfica promedio mensual (Figura 4B). La ET alcanza
su punto máximo durante los meses de verano, como se esperaría debido a la
mayor temperatura y radiación solar durante esta época del año.
Fig. 3. Ejemplo de una sesión típica de procesamiento de datos con ReadInputs () y estimación ET con ET.Penman () para el estudio de caso de Adelaide.
6. D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224 221
Figura 4. a) Estimaciones diarias de la ET en aguas abiertas de Penman (panel izquierdo); b) ET promedio mensual en aguas abiertas de Penman (panel derecho) para el estudio de caso de Adelaida, generado porETPlot ().
3.2. Funciones avanzadas: análisis con modelos de conjunto y diferentes
conjuntos de datos de entrada
se muestra en la Figura 6. Como puede verse, hay un rango mayor en las
estimaciones de ET del modelo Penman-Monteith. Dado que ambos modelos de
ET utilizan los mismos datos de temperatura como entradas, esto indica que la
temperatura tiene un mayor impacto en las estimaciones de ET obtenidas con el
modelo de Penman-Monteith.Dun patrón también observado en
McKenney y Rosenberg (1993). Esta diferencia puede deberse a las diferencias
estructurales entre los dos modelos: como PenmanMonteith considera
explícitamente los procesos de transferencia de masa que están relacionados con
la temperatura, la importancia de la temperatura es mayor en el modelo Penman-
Monteith.
Cabe mencionar que todas las variables climáticas distintas de
Las características de la función ETComparison () se demuestran para los
estudios de caso de Adelaide y Alice Springs. En primer lugar, se han elaborado
gráficos de las series de tiempo y las probabilidades de no superación para las
estimaciones de ET mensuales para comparar las estimaciones de los modelos
Penman-Monteith FAO56 y Priestley-Taylor durante 1989mi1991 (Figura 5). De
Figura 5ayb observamos que:
1) Al comparar los dos sitios de estudio de caso, las diferencias entre modelos en
las estimaciones son mayores en Alice Springs, con el modelo de Priestley-
Taylor produciendo estimaciones consistentemente más bajas que Penman-
Monteith, y;
2) Al comparar los patrones estacionales, las diferencias entre modelos en las
estimaciones son más significativasfiNo puedo para las estimaciones máximas, que
se producen en todos los veranos (por ejemplo, a principios de 1990).
temperatura (es decir RH, Rs y tuz) se mantienen en sus niveles actuales en este
ejemplo, lo cual no es realista en condiciones futuras. Allí-
Por lo tanto, los resultados solo deben considerarse como ilustrativos de la
característica clave de la función. ETComparison (), como una herramienta para
comparar estimaciones de ET de múltiples conjuntos de datos de entrada y
modelos de ET. En una evaluación formal del impacto de la incertidumbre de
entrada relacionada con el clima, es necesario considerar la incertidumbre
potencial en el conjunto completo de variables climáticas que enfluence ET (Goyal,
2004; Whateley et al., 2014).
Figura 5c muestra la distribución de las estimaciones mensuales dentro del
período y de los diferentes modelos, lo que es consistente con las observaciones
anteriores: las estimaciones de ET del modelo de Priestley-Taylor son
consistentemente más bajas en comparación con las obtenidas con el modelo de
Penman-Monteith, con la mayor diferencia de aproximadamente 100 mm para las
estimaciones máximas en Alice Springs. Estos resultados sonflefectar las
diferencias estructurales en los dos modelos, ya que el modelo de Penman-
Monteith toma en cuenta explícitamente la transferencia de masa para la
evapotranspiración, que es mayor durante los períodos de verano y para las
condiciones áridas y ventosas (como se informa en
McKenney y Rosenberg, 1993; Yin et al., 2010), como los experimentados en Alice
Springs.
Otra aplicacion de ETComparison () se demuestra en Figura 6,
en el que se muestra el efecto de las incertidumbres en los datos climáticos de
entrada bajo cambios climáticos para el estudio de caso de Adelaide, junto con la
incertidumbre del modelo. Para mantener la simplicidad y claridad del ejemplo,
nos enfocamos solo en las incertidumbres potenciales en la temperatura futura
debido al cambio climático, sin considerar la probabilidad de cambios individuales
o variaciones potenciales en otras variables climáticas. Perturbamos los datos de
temperatura existentes dentro de un rango de 0 aþ8 C, que se considera que
abarca todos los cambios futuros plausibles de temperatura en Australia para
2100 (Stocker et al., 2013). Dentro de este rango, se han extraído 500 muestras
aleatorias y se aplican las perturbaciones correspondientes al
4. Discusión
4.1. Análisis adicionales con otros paquetes de software
La salida de este paquete tiene el formato de datos similares a series de
tiempo en el zoo formato (en el que cada punto de datos está vinculado a una
especificaciónfic punto de tiempo, ver Zeileis et al., 2015), por lo que se puede
extraer fácilmente y utilizar como entrada para otros paquetes de software
basados en R para una variedad de análisis adicionales. Los ejemplos incluyen el
uso de estimaciones de ET como entrada para modelos hidrológicos enhidromad
Andrews y col., 2011) e investigar la sensibilidad de las estimaciones de ET a los
cambios en los datos climáticos de entrada utilizando sensibilidadPujol et al., 2014
). Dado que la salida también se guarda en un csvfile (como se detalla en la
Sección 2.2), también se puede importar a paquetes de software externos.
4.2. Limitaciones
Aunque el paquete proporciona funciones para verificar los valores perdidos y los
errores en los datos climáticos de entrada, así como métodos de interpolación para
estos datos problemáticos, se requiere precaución para minimizar el riesgo de uso
indebido. Al desarrollar este paquete, hemos probado las herramientas de
procesamiento de datos con nuestros propios conjuntos de datos de prueba, así como
con varios conjuntos de datos proporcionados por el usuario, y nos hemos asegurado de
que el paquete se ejecute sin errores con estos conjuntos de datos existentes. Sin
embargo, dado que cada conjunto de datos es diferente, se recomienda que los usuarios
apliquen su propio procedimiento de control de calidad antes de usar
serie de tiempo histórica de Tmax y Tmin, resultando en 500 conjuntos de datos climáticos
de entrada. Estos 500 juegos luego se introdujeron enETComparison () para
Genere las salidas ET correspondientes utilizando los modelos PenmanMonteith y
Priestley-Taylor. Los rangos resultantes de las estimaciones de ET mensuales para
el período entre 1989 y 1999 son
7. 222 D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224
Figura 5. Comparación de estimaciones de ET mensuales de dos modelos (Penman-Monteith FAO56 y Priestley-Taylor) y dos ubicaciones (Adelaide y Alice Springs) utilizando ETComparison ()
para a) series de tiempo; b) probabilidad de no excedencia, y; c) distribución.
el paquete, para garantizar que se proporcionen datos de la mejor calidad para la
estimación de ET y se minimice el impacto de la calidad de los datos en las
estimaciones.
Los usuarios también deben conocer todas las suposiciones y limitaciones
antes de usar cualquier modelo ET en este paquete. Casi todos los modelos ET
contienen supuestos relacionados con la especificaciónfic condiciones climáticas
en las que se aplican los modelos. Por ejemplo, algunos modelos asumen que los
subprocesos relacionados con la ET son insignificantes, mientras que otros
modelos solo están calibrados para el clima de una especificación.fic (una lista
completa de supuestos y limitaciones para cada modelo individual se da en Tabla
9 en el material complementario, que se resume a partir de la literatura
existente). Estos supuestos limitan los modelos' capacidad de generalizar a una
gama más amplia de zonas climáticas, lo que lleva a un rendimiento variable de
los modelos ET en diferentes
ajustes climáticosRosenberry y col., 2007; Tabari et al., 2013). Otro problema
surge si los modelos se van a aplicar para estimar la ET en condiciones de cambio
climático, lo que puede significar que los procesos de ET existentes y las variables
climáticas relacionadas probablemente sean diferentes de aquellos para los que
los modelos son más adecuados, lo que podría causar un deterioro del
rendimiento del modelo (Prudhomme y Williamson, 2013; Thompson et al., 2014).
5. Resumen y conclusiones
Este artículo presenta un paquete R Evapotranspiración para la estimación de
la ET real, potencial y de referencia del cultivo utilizando 17 modelos de manera
consistente, conveniente y eficiente.fimanera ciente. La herramienta de
preprocesamiento proporcionaflmétodos flexibles para comprobar y
8. D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224 223
Figura 6. Incertidumbres en las estimaciones de ET mensuales de dos modelos (Penman-Monteith FAO56 y Priestley-Taylor) en Adelaide, cada uno ejecutado para 500 conjuntos de datos de entrada muestreados con
0 a þ8 C de incertidumbre en la temperatura, generada por ETComparison ().
procesar datos climáticos de entrada sin procesar, que luego se introducen en
modelos ET seleccionados por el usuario. La presentación de los resultados se
realiza en forma de texto resumido y gráficos. También se admite la comparación
entre múltiples modelos ET y conjuntos de datos de entrada. Las estimaciones del
paquete se pueden extraer convenientemente para un análisis adicional, como el
modelado de lluvia-escorrentía y análisis de sensibilidad. Se espera que este
paquete aumente la coherencia de los resultados presentados en los estudios de
ET y aumente nuestra capacidad para investigar el impacto de la incertidumbre
estructural en las formulaciones de modelos ET mediante el uso de modelos de
conjuntos.
Directrices para el cálculo de las necesidades de agua de los cultivos-Documento de riego y
drenaje de la FAO 56, vol. 300. FAO, Roma, pág. 6541.
Allen, RG, Walter, IA, Elliott, RL, Howell, TA, Iten su, D., Jensen, ME, fi
Snyder, RL, 2005. Ecuación de evapotranspiración de referencia estandarizada de la ASCE.
Publicaciones de ASCE.
Andreassian, V., Perrin, C., Michel, C., 2004. Impacto de la evaporación de potencial imperfecto
conocimiento de la transpiración en el effieficiencia y parámetros de los modelos de cuencas
hidrográficas. J. Hidrología 286 (1mi4), 19mi35.
Andrews, F., Croke, B., Jakeman, A., 2011. Un entorno de software abierto para
Evaluación y desarrollo de modelos drológicos. Reinar. Modelo. Softw. 26 (10), 1171mi1185.
Baumgartner, A., Reichel, E., Lee, R., 1975. The World Water Balance: Mean Annual
Precipitación, evaporación y escorrentía global, continental y marítima. Elsevier Scientific
Empresa editorial.
Beguería, S., Vicente-Serrano, SM, Beguería, MS, 2013. Paquete 'SPEI'.
Beven, K., Freer, J., 2001. Equifinalidad, asimilación de datos y estimación de la incertidumbre
en modelado mecanicista de sistemas ambientales complejos utilizando la metodología
GLUE. J. Hidrología 249 (1mi4), 11mi29.
Bormann, H., 2011. Análisis de sensibilidad de 18 evapotranspiración potencial diferentes
modelos para el cambio climático observado en las estaciones climáticas alemanas. Clim. Cambiar
104 (3mi4), 729mi753.
Bouchet, RJ, 1963. Evapotranspiration reelle et potentielle, significatión climatique.
En: Documento presentado en la Asamblea General de Berkeley, Gentbrugge, Bélgica.
Brutsaert, W., Stricker, H., 1979. Un enfoque de advección-aridez para estimar
evapotranspiración regional. Recurso de agua. Res. 15 (2), 443mi450.
Chapman, T., 2001. Estimación de la evaporación en modelos de lluvia-escorrentía. En:
Ghassemi, F., Post, D., Sivapalan, M., Vertessy, R. (Eds.), MODSIM2001: Integración de
modelos para la gestión de recursos naturales a través de disciplinas, problemas y escalas,
MSSANZ, vol. 1, págs.293mi298.
Clark, MP, Slater, AG, Rupp, DE, Woods, RA, Vrugt, JA, Gupta, HV, Wagener, T.,
Hay, LE, 2008. Framework for Understanding Structural Error (FUSE): un marco modular
para diagnosticar diferencias entre modelos hidrológicos. Recurso de agua. Res. 44 (12).
Dawson, CW, Abrahart, RJ, See, LM, 2007. HydroTest: una caja de herramientas basada en la web de
métricas de evaluación para la valoración estandarizada de pronósticos hidrológicos. Reinar.
Modelo. Softw. 22 (7), 1034mi1052.
De Bruin, H., 1981. La determinación de la evapotranspiración (cultivo de referencia) de
datos meteorológicos de rutina. Relativo de evaporación. Hidrología 25mi37.
Dingman, SL, 2015. Hidrología física. Prensa de Waveland.
Donohue, RJ, McVicar, TR, Roderick, ML, 2010. Evaluación de la capacidad del potencial
formulaciones de evaporación para capturar la dinámica de la demanda evaporativa dentro
de un clima cambiante. J. Hidrología 386 (1), 186mi197.
Doorenbos, J., 1977. Pautas para predecir las necesidades de agua de los cultivos. FAO Irri-
Pap de drenaje gation. 24, 15mi29.
Duan, Q., Ajami, NK, Gao, X., Sorooshian, S., 2007. 'Multi-model ensemble hydro-
predicción lógica utilizando promedios del modelo bayesiano. Adv. Recurso de agua. 30 (5),
1371mi1386.
Fisher, JB, Whittaker, RJ, Malhi, Y., 2011. ET vuelve a casa: evapotranspiración potencial
ración en ecología geográfica. Glob. Ecol. Biogeogr. 20 (1), 1mi18.
Galelli, S., Humphrey, GB, Maier, HR, Castelletti, A., Dandy, GC, Gibbs, MS, 2014.
Un marco de evaluación para algoritmos de selección de variables de entrada para modelos
basados en datos ambientales. Reinar. Modelo. Softw. 62 (0), 33mi51.
Gasca-Tucker, D., Acreman, M., Agnew, C., Thompson, J., 2007. Estimación de evaporación
ración de un prado húmedo. Hidrología Earth Syst. Sci. 11 (1).
Goyal, RK, 2004. Sensibilidad de la evapotranspiración al calentamiento global: un estudio de caso
de la zona árida de Rajasthan (India). Agric. Water Manag. 69 (1), 1 11.
Granger, RJ, Gray, D., 1989. 'Evaporación de superficies naturales no saturadas.
J. Hidrología 111 (1), 21 29.
Agradecimientos
Los autores desean agradecer a Murray Peel y Thomas McMahon por sus
valiosos comentarios sobre delinear el alcance del artículo, ya Joseph Guillaume y
un revisor anónimo por sus reflexivos comentarios sobre el manuscrito.
Disponibilidad de software
Descripción: Paquete Evapotranspiración.
Desarrolladores: Danlu Guo, Seth Westra. Año
disponible por primera vez: 2014.
Correo electrónico: Danlu.guo@adelaide.edu.au. Sitio web:
http://cran.r-project.org/web/packages/
Evapotranspiration / index.html.
Requisito de hardware: computadora de uso general. Requisito
de software: R versión 2.10 o posterior. Lenguaje de
programación: R.
Licencia
Este software está disponible gratuitamente bajo los términos y condiciones
de la Licencia Pública General GNU.
Apéndice A. Datos complementarios
Los datos complementarios relacionados con este artículo se pueden encontrar en http: //
dx.doi.org/10.1016/j.envsoft.2015.12.019.
Referencias
Allen, R., Pruitt, W., 1986. Uso racional de la fórmula FAO Blaney-Criddle.
J. Ing. De drenaje de riego. 112 (2), 139mi155.
mi
Allen, RG, Pereira, LS, Raes, D., Smith, M., 1998. Evapotranspiración de cultivos-
mi
9. 224 D. Guo y col. / Modelado ambiental y software 78 (2016) 216mi224
Hargreaves, GH, Samani, ZA, 1985. 'Evapotranspiración del cultivo de referencia de
temperatura ambiente. Soy. Soc. Agric. Ing. no.fiche no. 85-2517.
Horvath, S., Szep, IJ, Makra, L., Mika, J., Pajtok-Tari, I., Utasi, Z., 2010. Efecto de
Parametrización de la evapotranspiración en el índice de severidad de sequía de Palmer.
Phys. Chem. Tierra, partes A / B / C 35 (1mi2), 11mi18.
Jensen, ME, Haise, HR, 1963. 'Estimación de la evapotranspiración de la radiación solar',
Actas de la Sociedad Estadounidense de Ingenieros Civiles. J. Irrig. y escurrir. Div.
89, 15mi41.
Kannan, N., White, SM, Worrall, F., Whelan, MJ, 2007. Análisis de sensibilidad y
identificación de las mejores opciones de evapotranspiración y escorrentía para el
modelado hidrológico en SWAT-2000. J. Hidrología 332 (3mi4), 456mi466.
Kavetski, D., Fenicia, F., 2011. Elementos de un flenfoque flexible para la hí-
Modelado drológico: 2. Aplicación y conocimientos experimentales. Recurso de agua. Res.
47 (11), W11511.
Kay, AL, Davies, HN, 2008. Cálculo de la evaporación potencial a partir del modelo climático
datos: una fuente de incertidumbre para los impactos hidrológicos del cambio climático.
J. Hidrología 358 (3mi4), 221mi239.
Kingston, DG, Todd, MC, Taylor, RG, Thompson, JR, Arnell, NW, 2009. Uncer-
precisión en la estimación de la evapotranspiración potencial bajo el cambio climático.
Geophys. Res. Letón. 36 (20), L20403.
Leavesley, GH, Markstrom, SL, Viger, RJ, 2006. Sistema de modelado modular USGS
(MMS) -sistema de modelización de precipitación-escorrentía (PRMS). Modelos de cuencas
159mi177.
McJannet, D., Webster, I., Stenson, M., Sherman, B., 2008. Estimación de aguas abiertas
Evaporación para la cuenca Murray-Darling: un informe para el gobierno australiano del
Proyecto CSIRO de rendimientos sostenibles de la cuenca Murray-Darling.
McKenney, MS, Rosenberg, NJ, 1993. Sensibilidad de algunos evapotranspi-
métodos de estimación de raciones frente al cambio climático. Agric. Para. Meteorología 64 (1mi2), 81
mi110.
McMahon, TA, Peel, MC, Lowe, L., Srikanthan, R., McVicar, TR, 2013. Estimación
evaporación real, potencial, cultivo de referencia y bandeja utilizando datos meteorológicos
estándar: una síntesis pragmática. Hydrol. Earth Syst. Sci. 17 (4), 1331mi1363.
Monteith, J., 1991. 'Weather and water in the Sudano-Sahelian zone'. En:
Sivakumar, MVK, Wallace, JS, Renard, C., Giroux, C. (Eds.), Soil Water Balance in the Sudano-
Sahelian Zone, Proceedings of the Niamey Workshop, Niamey, Níger, febrero de 1991,
Niamey, Níger, págs. .11mi29. IAHS Publ. no. 199.
Morton, FI, 1983a. Estimaciones operativas de la evapotranspiración superficial y su
significance a la ciencia y la práctica de la hidrología. J. Hidrología 66 (1mi4), 1mi76.
Morton, FI, 1983b. Estimaciones operativas de la evaporación del lago. J. Hidrología 66
(1mi4), 77mi100.
Narapusetty, B., DelSole, T., Tippett, MK, 2009. Estimación óptima del clima
media tológica. J. Clim. 22 (18), 4845mi4859.
Nichols, J., Eichinger, W., Cooper, D., Prueger, J., Hipps, L., Neale, C., Bawazir, A., 2004.
Comparación de métodos de estimación de la evaporación para un área ribereña. Reporte
final. Informe técnico UHR, no. 436.
Oudin, L., Hervieu, F., Michel, C., Perrin, C., Andreassian, V., Anctil, F., Loumagne, C.,
2005a. ¿Qué entrada de evapotranspiración potencial para una lluvia concentrada?mi
modelo de escorrentía: Parte 2DHacia una simple y efficiente modelo de evapotranspiración
potencial para la lluviamimodelado de escorrentía. J. Hidrología 303 (1mi4), 290mi306.
Oudin, L., Michel, C., Anctil, F., 2005b. ¿Qué entrada de evapotranspiración potencial para
¿Un modelo concentrado de lluvia-escorrentía ?: Parte 1D¿Pueden los modelos de lluvia-escorrentía
manejar eficazmente las entradas de evapotranspiración potenciales detalladas? J. Hidrología 303 (1
mi4), 275mi289.
Penman, HL, 1948. Evaporación natural de aguas abiertas, suelo desnudo y pasto. Proc.
R. Soc. Lond. Ser. A. Matemáticas. Phys. Sci. 193 (1032), 120mi145.
Penman, HL, 1956. Evaporación: una encuesta introductoria. Neth. J. Agric. Sci. 4, 9mi29.
Priestley, C., Taylor, R., 1972. Sobre la evaluación del calor superficial flux y evaporación
utilizando parámetros a gran escala. Lun. Weather Rev.100 (2), 81mi92.
Prudhomme, C., Williamson, J., 2013. Derivación de evaporación potencial impulsada por RCM
transpiración para el análisis del impacto del cambio climático hidrológico en Gran Bretaña:
una comparación de métodos y la incertidumbre asociada en las proyecciones futuras.
Hidrología Earth Syst. Sci. 17 (4), 1365mi1377.
Pujol, G., Iooss, B., Iooss, MB, 2014. Paquete 'sensibilidad'.
Raes, D., Munoz, G., 2008. La calculadora ETo. Medios digitales terrestres y acuáticos Ser.
Rosenberry, DO, Winter, TC, Buso, DC, Likens, GE, 2007. Comparación de 15
métodos de evaporación aplicados a un pequeño lago de montaña en el noreste de Estados Unidos.
J. Hidrología 340 (3), 149mi166.
Rotstayn, LD, Roderick, ML, Farquhar, GD, 2006. Un modelo de evaporación simple
para análisis de simulaciones climáticas: evaluación sobre Australia. Geophys. Res. Letón. 33
(17).
Shuttleworth, W., Wallace, J., 2009. Cálculo de las necesidades de agua de riego
cultivos en Australia utilizando el enfoque Matt-Shuttleworth. Trans. ASABE 52 (6), 1895mi
1906.
Stocker, TF, Qin, D., Plattner, G.-K., Tignor, M., Allen, SK, Boschung, J., Nauels, A.,
Xia, Y., Bex, V., Midgley, PM, 2013. Cambio climático 2013: la base de la ciencia física. En:
Panel Intergubernamental sobre Cambio Climático, Contribución del Grupo de Trabajo I al
Quinto Informe de Evaluación del IPCC (AR5). Cambridge Univ Press, Nueva York.
Szilagyi, J., 2007. Sobre la naturaleza asimétrica inherente de la relación complementaria
relación de evaporación. Geophys. Res. Letón. 34 (2), L02405.
Tabari, H., Grismer, ME, Trajkovic, S., 2013. Análisis comparativo de 31 referencias
métodos de evapotranspiración en condiciones de humedad. Irrigación Sci. 31 (2), 107mi117.
Thompson, JR, Green, AJ, Kingston, DG, 2014. Evapotranspiración potencial-
incertidumbre relacionada con los impactos del cambio climático en los ríos flujo: una
evaluación de la cuenca del río Mekong. J. Hidrología 510 (0), 259mi279.
Turc, L., 1961. Estimación de las necesidades de agua de riego, evapotranspiración potencial
ración: una fórmula climática sencilla evolucionada hasta la fecha. Ana. Agron. 12 (1), 13mi49.
Velázquez, JA, Schmid, J., Ricard, S., Muerth, MJ, Gauvin St-Denis, B., Minville, M.,
Chaumont, D., Caya, D., Ludwig, R., Turcotte, R., 2012. Un enfoque de conjunto para evaluar
la contribución de los modelos hidrológicos a las incertidumbres en el análisis del impacto
del cambio climático en los recursos hídricos. Hidrología Earth Syst. Sci. 17 (2013), 565mi578.
Whateley, S., Steinschneider, S., Brown, C., 2014. Un análisis basado en la distribución del cambio climático
método para estimar la robustez del suministro de recursos hídricos. Recurso de agua. Res.
50 (11), 8944mi8961.
Xu, CY, Singh, VP, 2000. Evaluación y generalización de radiación basada en
métodos para calcular la evaporación. Hydrol. Proceso. 14 (2), 339mi349.
Xu, CY, Singh, VP, 2002. Comparación cruzada de ecuaciones empíricas para calcular
evapotranspiración potencial con datos de Suiza. Recurso de agua. Manag. 16 (3), 197mi219.
Yin, Y., Wu, S., Chen, G., Dai, E., 2010. Análisis de atribución de evaporación potencial
la transpiración cambia en China desde la década de 1960. Theor. Apl. Climatol. 101 (1mi2),
19mi28.
Yin, Z.-Y., Brook, GA, 1992. Evapotranspiración en el agua del pantano de Okefenokee-
cobertizo: una comparación de los métodos basados en la temperatura y el balance hídrico.
J. Hidrología 131 (1), 293mi312.
Zeileis, A., Grothendieck, G., Ryan, JA, Andrews, F., Zeileis, MA, 2015. Paquete 'zoo'.