Mountainous regions depend on seasonal snow melt as a crucial water source. Understanding how snow accumulation and ablation evolve is essential to predict future water availability. However, accurately modeling their dynamics remains a challenge, especially in data-scarce environments. This study calibrates a snow melt model using meteorological data from multiple alpine stations, integrating temperature, precipitation, radiation, snow depth, and snow cover observations. Missing data was reconstructed through interpolation approaches, employing thermal month gradients, clear sky index, and inverse distance weighting. The calibration strategy was applied to optimize key parameters, such as the temperature threshold and the melting coefficients of temperature and radiation. Although the model reaches high precision (92.6\%), its accuracy is moderate (70.3\%), highlighting constraints in the simulation of snow accumulation. The results emphasize the critical role of reliable input data and interpolation techniques in hydrological modeling. Future efforts should focus on refining parameter selection, exploring alternative interpolation methods, and incorporating additional high-altitude stations to improve the representation of snow cover.

Nelle regioni di alta montagna dipendono dallo scioglimento stagionale della neve come fonte d'acqua. Pertanto la comprensione del l'evoluzione del l'accumulo nivale e dello scioglimento è essenziale per prevedere la futura disponibilità idrica. La modellazione accurata delle loro dinamiche rimane una sfida, specialmente in ambienti con scarsità di dati. Questa tesi calibra un modello di fusione nivale utilizzando dati meteorologici provenienti da diverse stazioni alpine, integrando osservazioni sulla temperatura, precipitazioni, radiazione, la altezza nivale e la copertura. I dati mancanti sono stati ricostruiti attraverso approcci di interpolazione, impiegando gradienti termici mensili, indice di cielo sereno e ponderazione inversa della distanza. La strategia di calibrazione è stata applicata per ottimizzare i parametri chiave, quali soglia di temperatura e coefficienti di fusione di temperatura e radiazione. Sebbene il modello raggiunga un'elevata precisione (92.6\%), la sua accuratezza è moderata (70.3\%), evidenziando i vincoli nel rilevamento del l'accumulo nivale. I risultati sottolineano il ruolo critico di dati di input affidabili e tecniche di interpolazione nella modellazione idrologica. Gli sforzi futuri dovrebbero concentrarsi sul perfezionamento della selezione dei parametri, sull'esplorazione di metodi alternativi di interpolazione e sul l'incorporazione di ulteriori stazioni ad alta quota per migliorare la rappresentazione del manto nevoso.

Day-degree model for hydrological modelling of Anza river basin

Bonilla Velandia, David Andres
2023/2024

Abstract

Mountainous regions depend on seasonal snow melt as a crucial water source. Understanding how snow accumulation and ablation evolve is essential to predict future water availability. However, accurately modeling their dynamics remains a challenge, especially in data-scarce environments. This study calibrates a snow melt model using meteorological data from multiple alpine stations, integrating temperature, precipitation, radiation, snow depth, and snow cover observations. Missing data was reconstructed through interpolation approaches, employing thermal month gradients, clear sky index, and inverse distance weighting. The calibration strategy was applied to optimize key parameters, such as the temperature threshold and the melting coefficients of temperature and radiation. Although the model reaches high precision (92.6\%), its accuracy is moderate (70.3\%), highlighting constraints in the simulation of snow accumulation. The results emphasize the critical role of reliable input data and interpolation techniques in hydrological modeling. Future efforts should focus on refining parameter selection, exploring alternative interpolation methods, and incorporating additional high-altitude stations to improve the representation of snow cover.
DEZUANNI, PAOLO DAN
STUCCHI, LEONARDO
ING I - Scuola di Ingegneria Civile, Ambientale e Territoriale
3-apr-2025
2023/2024
Nelle regioni di alta montagna dipendono dallo scioglimento stagionale della neve come fonte d'acqua. Pertanto la comprensione del l'evoluzione del l'accumulo nivale e dello scioglimento è essenziale per prevedere la futura disponibilità idrica. La modellazione accurata delle loro dinamiche rimane una sfida, specialmente in ambienti con scarsità di dati. Questa tesi calibra un modello di fusione nivale utilizzando dati meteorologici provenienti da diverse stazioni alpine, integrando osservazioni sulla temperatura, precipitazioni, radiazione, la altezza nivale e la copertura. I dati mancanti sono stati ricostruiti attraverso approcci di interpolazione, impiegando gradienti termici mensili, indice di cielo sereno e ponderazione inversa della distanza. La strategia di calibrazione è stata applicata per ottimizzare i parametri chiave, quali soglia di temperatura e coefficienti di fusione di temperatura e radiazione. Sebbene il modello raggiunga un'elevata precisione (92.6\%), la sua accuratezza è moderata (70.3\%), evidenziando i vincoli nel rilevamento del l'accumulo nivale. I risultati sottolineano il ruolo critico di dati di input affidabili e tecniche di interpolazione nella modellazione idrologica. Gli sforzi futuri dovrebbero concentrarsi sul perfezionamento della selezione dei parametri, sull'esplorazione di metodi alternativi di interpolazione e sul l'incorporazione di ulteriori stazioni ad alta quota per migliorare la rappresentazione del manto nevoso.
File allegati
File Dimensione Formato  
2025_04_Bonilla_Velandia.pdf

accessibile in internet per tutti

Descrizione: Text of Thesis
Dimensione 30.81 MB
Formato Adobe PDF
30.81 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/235711