Como parte fundamental de toda modelación hidrológica, se debe establecer un “modelo conceptual”, previa consideración e identificación de los principales procesos y variables que intervienen en la generación de la escorrentía superficial, tales como la evaporación, evapotranspiración, infiltración, humedad del suelo, flujo subterráneo, entre otros. Sabemos que la finalidad del modelo, es representar al recurso hídrico en estudio de manera más cercana a la realidad, sin embargo, existe la incertidumbre en los modelos hidrológicos a consecuencia del conocimiento limitado de los datos y poco confiables o por las mediciones imprecisas que acumulan factores de incertidumbre (parámetros, estructura del modelo, datos observados para la calibración, condiciones iniciales y de frontera, entre otros). Existen por ejemplo diversas metodologías de análisis para reducir la incertidumbre en los modelos hidrológicos:
• Análisis Montecarlo
• Análisis multiobjetivo
• Mínimos cuadrados
• Procesos de superficie
• Machine Learning
De modo que, cuando se desarrollan las simulaciones (lluvia-escurrimiento), no basta con leer solamente los resultados de salida del modelo. Por ello, es importante considerar esta incertidumbre pues permite reducirla.
La programación aplicada a Hidrología permite entender todos los datos de un modelo hidrológico, para poder procesarlos y post procesarlos, lo cual representa de manera confiable y eficiente los procesos hidrológicos. Es por eso que el lenguaje de programación brinda una herramienta fundamental para automatizar procesos, ahorrando tiempo y permitiendo desarrollar más experimentos, mejorar la revisión y hacer un análisis más adecuado.