Valor que caracteriza a una cantidad en las condiciones existentes en el momento en que es observada. Es un valor ideal que sólo podría conocerse si se eliminan todas las causas de error.
Inglés: true value
Fuente:
UNESCO/WMO Glosario Internacional de Hidrología (2nd revised ed., 1992)
Suscríbase a nuestro boletín gratuito para recibir noticias, datos interesantes y fechas de nuestros cursos en recursos hídricos.
Hatarilabs presenta su programa educativo diseñado para dominar Python en entornos profesionales y académicos reales. El programa incluye un extenso trabajo práctico que va desde los conceptos básicos de Python, Numpy y Pandas hasta aplicaciones específicas en recursos hídricos y geociencias, combinadas con análisis geoespacial y aprendizaje automático (machine learning).
Gidahatari presenta el programa educativo diseñado para dominar Python en entornos reales profesionales y académicos. El programa cuenta con un extenso trabajo práctico que va desde los conceptos básicos de Python, Numpy y Pandas hasta aplicaciones específicas en recursos hídricos y geociencias acoplado al análisis geoespacial y machine learning.
Estamos seguros de que Python es una herramienta/activo para hidrólogos, hidrogeólogos, geocientíficos o profesionales afines y sabemos que solo la práctica puede brindarle el nivel de Python que necesita para aplicarlo en el análisis de datos o modelamiento numérico. La cantidad de horas, los temas tratados junto con los procesos de examen y certificación brindan una sólida referencia de Python en las capacidades profesionales.
Este programa está diseñado para tener un aprendizaje metódico que va desde los temas más básicos y generales hacia temas intermedios y avanzados que permitan al estudiante comprender los diversos pasos en el desarrollo de modelos hidrológicos usando la interfaz de SWAT+ para QGIS. Este programa comprende una serie de conceptos teóricos y prácticos que brindan al estudiante la capacidad de procesar datos espaciales, manejar base de datos meteorológicas, construir modelos hidrológicos, desarrollar análisis de sensibilidad y realizar calibraciones manuales y automáticas usando herramientas versátiles como SWAT+ Toolbox, SQlite y Python. Este programa se desarrolla en modalidad asincrónica que permite a los estudiantes disfrutar los materiales didácticos en su horario más flexible durante 03 meses.
Un modelo numérico de agua subterránea puede ser la herramienta más eficiente y efectiva para comprender el régimen de flujo subterráneo y obtener información razonable sobre las relaciones entre el ambiente geológico y el flujo superficial. Tener un código para el modelamiento de aguas subterráneas no es suficiente, es necesario conocer tanto la plataforma de modelamiento como entender los procesos físicos que se quieren reproducir, y en este caso particular, la dinámica del agua del sistema hidrogeológico.
El desarrollo reciente en software de código abierto como MODFLOW con Model Muse proporciona una variedad de herramientas para la simulación del régimen de flujo de agua subterránea en diferentes entornos. Hemos diseñado un diplomado completo en MODFLOW con Model Muse que abarca desde el tema básico en modelamiento de flujo y transporte hasta casos aplicados de modelamiento regional, proyectos de infraestructura, intrusión de agua de mar. En este diplomado también se cubren temas intermedios y avanzados como la calibración manual/automática.
Este diplomado se desarrolla en modalidad asincrónica que permite a los estudiantes disfrutar los materiales didácticos en su horario más flexible durante 06 meses.
La simulación de transporte de solutos en sistemas de flujo de agua subterránea ha tenido una rápida evolución en los últimos años, impulsado por el mayor interés en el conocimiento de la contaminación en acuíferos. El diseño de sistemas de remediación para la contaminación en agua subterránea requiere de una comprensión completa de cómo interactúan varios procesos – advección, dispersión y las reacciones químicas – con el movimiento y destino de los contaminantes. El paquete MT3D implementado por MODFLOW provee una herramienta de síntesis de estos procesos, de evaluación entre sus interacciones y prueba la efectividad de las medidas de remediación del agua subterránea.
Interpolar grandes volúmenes de datos espaciales a través de la interfaz gráfica de QGIS suele ser un dolor de cabeza: el proceso tarda demasiado o, peor aún, el programa se congela consume todos los recursos del sistema. En este tutorial te enseñaremos a interpolar casi 2 millones de puntos en menos de dos minutos utilizando OSGeo4W Shell y comandos de GDAL con el método IDW. A través de la creación de un archivo de capa virtual (.vrt), aprenderás un flujo de trabajo altamente eficiente, seguro y ligero que te permitirá trabajar con millones de datos sin depender de los límites de la interfaz gráfica.
En este tutorial se explica cómo extraer de forma precisa y eficiente la superficie del agua en un punto específico de un modelo bidimensional en tránsito de HEC-RAS utilizando Python dentro del entorno de Jupyter Lab. Debido a que los niveles de agua varían a lo largo del mallado y las herramientas nativas del software a veces limitan la automatización, este tutorial enseña a abrir los archivos de salida HDF5 (.hdf), cargar un archivo de puntos (shapefile) con GeoPandas y aplicar un índice geoespacial KDTree para encontrar la celda más cercana. Finalmente, se procesan las series de tiempo para generar un gráfico evolutivo del nivel del agua.
Ante el incremento de la escasez hídrica, la gestión del riego de precisión depende fundamentalmente de la estimación precisa de los requerimientos de agua de los cultivos. Este tutorial ofrece un análisis técnico y práctico sobre el modelado de la evapotranspiración utilizando la metodología estandarizada del coeficiente dual de cultivo de la FAO-56, implementada de forma programática a través de Python.
Tomando como caso de estudio real el cultivo del olivo (Olea europaea) en el desierto hiperárido costero de Bella Unión (Arequipa, Perú), demostraremos cómo estructurar un flujo de trabajo hidrológico completo. Los asistentes aprenderán a integrar datos espaciales, procesar parámetros climáticos derivados de satélites y estaciones meteorológicas, definir restricciones de suelo-agua-planta y simular calendarios complejos de riego por goteo deficitario.
Este ejemplo aplicado demuestra la simulación de flujo no permanente (o transitorio) alrededor de una isla fluvial, guiándote a través de todo el flujo de trabajo del modelamiento numérico. Comienza con el preprocesamiento, que abarca la importación de datos espaciales, la definición de condiciones de contorno (límites) y la generación de la malla de cálculo. A continuación, la configuración detalla la importación de datos de carga hidráulica desde archivos DSS y la optimización del paso de tiempo computacional basado en la condición de Courant para garantizar una estricta estabilidad numérica y convergencia. Finalmente, el ejemplo presenta una revisión exhaustiva del posprocesamiento de los resultados de la simulación, analizando campos de velocidad, perfiles de la superficie del agua (niveles), seguimiento de partículas y visualizaciones inmersivas en 3D.
Este tutorial aborda la calibración automática de datos de pruebas de bombeo utilizando las herramientas MODFLOW 6, Model Muse. A partir de una prueba real con dos fases — bombeo de 6 horas y recuperación de 18 horas — se muestra cómo insertar los datos en Model Muse, conceptualizar el pozo como condición de borde de tipo Multinode Aquifer Well (MAW) y estimar los parámetros hidráulicos: conductividad hidráulica, almacenamiento específico y rendimiento específico.
¿Sabías que puedes importar un modelo MODFLOW 6 con malla Voronoi creado con mf6Voronoi en Model Muse? Y no solo puedes importarlo, sino también aplicar condiciones de frontera, parámetros del solver, revisar conjuntos de datos y simular el flujo de agua subterránea.
Este tutorial muestra un caso aplicado completo para la importación de la geometría y los parámetros hidráulicos creados con mf6Voronoi en Model Muse. Se configura el modelo con condiciones de frontera y se simula con diferentes parámetros del solucionador.
Un enfoque práctico para configurar la conductividad hidráulica en un modelo MODFLOW 6 basado en polígonos geológicos. El tutorial muestra todos los pasos desde la creación de la malla y el modelo, la configuración de los parámetros hidráulicos y la representación 3D de la distribución final en Paraview.
Ejemplo aplicado para la simulación de un "doble" nivel freático en Modflow6 y mf6Voronoi sobre un modelo geoespacial. El tutorial cubre los desafíos, técnicas y una discusión sobre la formulación de Newton que permite la simulación de un nivel freático localizado por encima de un nivel freático regional.
En mf6Voronoi se pueden modelar las barreras de flujo horizontales como celdas de baja permeabilidad con un espesor de 1 m sin comprometer la cantidad de celdas ni el rendimiento del modelo. Hemos desarrollado un caso aplicado de desagüe en una construcción usando drenajes horizontales y pozos de bombeo que operan en paralelo durante un período de 8 días. El modelo muestra el desempeño del esquema de drenaje y exporta el nivel freático final como ráster y contornos.
Nuestro objetivo es proporcionar una gran cantidad de tutoriales para diferentes requisitos en el modelado de aguas subterráneas. Esta es la lista completa de MODFLOW6, Flopy y mf6Voronoi categorizados por tema.
Queríamos presentar el modelamiento de la intrusión de agua salada en su forma más primitiva, sobre una conceptualización simple del acuífero y la geometría del acuífero donde el usuario pueda centrarse en la implementación del código con MODFLOW6 con el paquete Buy, Flopy y mf6Voronoi. También hemos desarrollado una plantilla precodificada para la intrusión de agua salada que permite a los usuarios reducir tiempo.
Este tutorial cubre un caso aplicado de modelamiento de unidades geológicas realizado en el embalse Queens Mary, Londres, Reino Unido, basado en 266 perforaciones. El modelo geológico se realizó en Python con la librería hatariTools para crear un modelo geológico basado en la litología de las perforaciones.
El código genera una nube de puntos de litologías de perforación que se transforman y escalan en un clasificador de red neuronal como el Multi-layer Perceptron classifier. Para validar los resultados del modelo geológico se realiza un análisis de la matriz de confusión de la red neuronal. El tutorial también incluye una visualización en 3D georreferenciada y una comparación de la litología de pozos y la geología interpolada como formato Vtk en Paraview.
Caso aplicado de modelaminto local de aguas subterráneas basado en un flujo regional de aguas subterráneas para evaluar la interacción del reservorio de agua con el sistema de flujo subterráneo y la tasa de filtración desde el reservorio. El modelo se ejecuta en régimen estacionario y muestra el procedimiento para modificar las superficies originales/finales sin error en el espesor de las capas.
Caso aplicado de modelamiento de aguas subterráneas en el área de influencia de un reservorio de agua. Este tutorial brinda las condiciones de flujo regional que sirven de condición de borde para un modelo recortado de la interacción del reservorio con el agua subterránea.
Modelamiento a escala local de una excavación de zanja en 4 etapas en un acuífero costero con mf6Voronoi. El objetivo principal de este trabajo de modelamiento es evaluar el impacto de la excavación en el régimen de flujo de aguas subterráneas cercano.
La hidrogeología minera es una de las áreas más desafiantes de la hidrogeología, ya que sus evaluaciones son componentes clave para la operación minera y donde se necesitan decisiones relacionadas con las aguas subterráneas en un corto plazo. Hemos desarrollado una serie de tutoriales que introducirán a los modeladores generales de aguas subterráneas a las tareas específicas de la hidrogeología minera. Esta selección de tutoriales comienza con modelación regional y avanza hacia el análisis de influjos y transporte de contaminantes con diferentes niveles de complejidad.
Ejemplo aplicado de la simulación del flujo de agua subterránea hacia una mina a cielo abierto considerando fallas con un espesor de 1 metro. El modelo tiene 6 períodos de esfuerzo, uno de estado estacionario y 5 períodos transitorios que representan el desarrollo de la mina a lo largo de 4 años dentro de una vida total de la mina de 20 años. El tutorial muestra el proceso completo comenzando desde la creación de la malla, construcción del modelo, análisis del balance hídrico y representación tridimensional.
Los Diagramas de Stiff son un aplicación muy común para representar la química de los recursos hídricos. En un Diagrama de Stiff las concentraciones de los componentes principales representados en miliequivalentes por litro (meq/l) son representados para una muestra. El perfil de los cationes son representados a la izquierda y los aniones a la derecha.
El diagrama permite la comparación rápida de muchos componentes de la calidad del agua entre muchas muestras, mediante la comparación de las formas de los polígonos generados. Sin embargo, hasta ahora no había manera de correlacionar los diagramas con la posición del punto de monitoreo. Este tutorial muestra los códigos y pasos para la realización de un Diagrama de Stiff Georeferenciado utilizando QGIS y Python.
Infiltration galleries are a low cost and low maintenance option for domestic water supply. The amount of inflow water and the interaction with the water bodies are main concerns on the evaluation and design of infiltration galleries. We have done an applied case of inflow simulation to infiltration galleries with MODFLOW6 based on Voronoi meshes. The example covers all steps from mesh creation, steady state model construction, simulation of infiltration galleries and the inflow calculation per gallery group. Finally a 3D representation of the model geometry, boundary conditions and head distribution is performed on Paraview.
Caso aplicado de simulación de infiltración en la zona no saturada utilizando el paquete UZF de MODFLOW 6 sobre una grilla Voronoi geoespacial construida con mf6Voronoi. El modelo está en régimen uniforme y transitorio con 3 capas donde la infiltración en la zona no saturada ocurre en la primera capa. Se inserta un punto de observación con distintas profundidades para hacer una evaluación del perfil profundidad-humedad con el tiempo para las distintas tazas de infiltración; por último, se genera una representación 3D de la superficie final de la napa freática con el efecto de las condiciones de borde y la infiltración.
La tarea de modificar rasters geoespaciales considerando elementos futuros puede ser compleja con las herramientas SIG disponibles. Hemos optimizado la forma en que podemos representar la superficie de embalses futuros (o actuales) en un raster geoespacial. Este tutorial muestra el proceso completo para crear un raster geoespacial (archivo TIF) basado en los contornos de la presa y la extensión del embalse.
Este tutorial muestra un caso aplicado que cubre la discretización de un modelo usando grillas Voronoi tomando en consideración la red hídrica, el área predictiva de flujo y los límites del modelo. Sobre la base de esta malla se construye un modelo de flujo y transporte en régimen uniforme para la simulación de la pluma contaminante en un periodo de 50 años evaluado cada 5 años. El modelo considera piezómetros y se evalúa el desarrollo de las concentraciones con el tiempo a través de la librería Pandas con Matplotlib. Por último toda la geometría del modelo, condiciones de borde, cargas hidráulicas y concentraciones son visualizadas en 3D con Paraview.
MODFLOW6 con mf6Voronoi puede manejar la simulación de tareas específicas relacionadas con la industria minera. Ya hemos cubierto la simulación de entradas de agua en el tajo mediante mallas de Voronoi y ahora vamos a modelar la filtración desde una instalación de almacenamiento de relaves. El caso aplicado abarca todos los pasos, desde la construcción de la malla, el modelo de flujo y el modelo de transporte. Los resultados se representan en 2D y se exportan a 3D en formato Vtk.
Una de las promesas de las mallas de Voronoi en MODFLOW6 Disv es la distribución eficiente de tamaños de celdas, lo que nos permite alcanzar tamaños pequeños en zonas de alto interés, como los pozos, mientras se mantienen celdas más gruesas en áreas de menor interés. Este tipo de mallado presenta algunos problemas que ahora son abordados con mf6Voronoi.
A veces se requieren modelos regionales como insumo para modelos locales de flujo y transporte. Este es un caso aplicado de modelación de aguas subterráneas a escala regional en el estado de Guerrero, México, que servirá como insumo para futuros modelos locales de abatimiento en tajos y transporte de contaminantes desde la presa de relaves y el depósito de desmonte. El modelo de aguas subterráneas está construido con MODFLOW6 y mf6Voronoi en una serie de Jupyter Notebooks, y los resultados se visualizan con Paraview.
Uno de los objetivos clave de la modelación de aguas subterráneas en minería es la determinación de los ingresos de agua al tajo y la extensión del cono de depresión. Este tutorial muestra un caso aplicado de determinación de un cono de depresión a partir de un modelo de tajo abierto construido con MODFLOW6, Flopy y mf6Voronoi. El modelo incluye fallas geológicas y el tutorial cubre todos los pasos, desde la importación del modelo, el procesamiento de datos y la exportación de datos geoespaciales del cono de depresión.
La interacción de fallas con el régimen de flujo subterráneo en un tajo abierto representa un desafío en su conceptualización y simulación. Tener celdas más pequeñas alineadas con las fallas y con valores mayores de K puede representar el comportamiento general de las fallas, y esto es posible de simular con modelos Voronoi de MODFLOW 6 utilizando Flopy y el paquete mf6Voronoi.
Además de contar cultivos, también podemos delinear plantas y calcular su área foliar utilizando métodos que ajustan splines abiertos o cerrados a líneas o bordes en una imagen. Estos métodos están implementados en la biblioteca de Python Scikit-Image y se aplican para la delineación de copas de árboles sobre una imagen ráster geoespacial. El ejercicio se desarrolla en un Jupyter Notebook y cubre todos los pasos: desde la importación de la imagen, aplicación de escala de grises, exploración del filtro gaussiano, cálculo de contornos activos y exportación de polígonos como shapefile de ESRI. Finalmente, se genera un histograma para determinar la distribución del área foliar de las plantas.
El análisis espacial y el aprendizaje automático a veces requieren una gran cantidad de programación para lograr resultados decentes, como identificar plantas a partir de una ortofoto tomada con dron. Queríamos crear un flujo de trabajo sencillo para usuarios principiantes e intermedios de Python, que les permitiera trabajar con estas bibliotecas sin demasiadas complicaciones ni frustraciones. Este tutorial contiene el procedimiento completo para usar un nuevo paquete de Python llamado hatariTools, que reconoce plantas a partir de una ortofoto basándose en puntos de muestra, genera gráficos intermedios e identifica las plantas como archivos shapefile de puntos.
Este tutorial muestra el flujo de trabajo completo para determinar las direcciones de flujo a partir de un modelo MODFLOW realizado con Model Muse, utilizando la herramienta Mf6Voronoi FlowVectorGenerator, que representa los vectores de dirección de flujo en una figura de Matplotlib. La función no solo funciona con modelos Dis de Modflow6 normales, como los generados por Model Muse, sino también con modelos Disv de Modflow6 basados en Voronoi. Existe la posibilidad de insertar imágenes de fondo y otras funcionalidades; sin embargo, las opciones de estilo están limitadas para preservar el estilo artístico de la gráfica.
 |
 |
 |
 |
 |
 |
FloPy es la librerìa de Python que construye y ejecuta modelos MODFLOW; esta librería se ha mejorado para proporcionar un soporte completo de MODFLOW 6 y la mayor parte de su desarrollo está relacionado con la funcionalidad de MODFLOW 6, herramientas para usar datos espaciales vectoriales, rasters y funcionalidades comunes de ploteo y exportación.
Python es un lenguaje de programación sencillo y potente; su simplicidad es notable en comparación con otros lenguajes de programación y su potencia se basa en la cantidad de herramientas disponibles para las diferentes áreas de estudio.
Hemos desarrollado un programa completo en modelamiento de aguas subterráneas con MODFLOW y FloPy que abarca desde los temas esenciales en Python hasta casos aplicados de modelamiento regional e intrusión marina. El programa está diseñado para brindarle al estudiante un enfoque metodológico para aprender FloPy basado en una serie de ejemplos aplicados junto con las opiniones/experiencias del profesor y la revisión del software.