El agua es un recurso global esencial para la vida en el planeta, por lo que la investigación hidrológica y el estudio de su gestión se convierte en una tarea también crucial para la continuidad de la vida en la Tierra. La disponibilidad de datos públicos sobre comportamiento del agua como datos de caudal o de precipitaciones son claves para la comunidad investigadora en la construcción del mapa mundial del agua. En el dibujo de este mapa, juegan también un papel esencial la ciudadanía y las personas que gestionan recursos hídricos a escalas locales que, a través de una labor de ciencia ciudadana, aportan y verifican estos datos.
En esta tarea, la comunidad investigadora trabaja con modelos hidrológicos, que son herramientas que permiten representar los procesos del ciclo hidrológico, pudiendo obtener, por ejemplo, predicciones sobre el caudal en ríos usando, principalmente, datos de precipitación (aunque también otras variables atmosféricas como temperatura o radiación, características del terreno, evolución de la vegetación). Estas herramientas, suelen utilizar la cuenca hidrológica como unidad de cálculo, considerando como cuenca aquella unidad de terreno cuyas aguas fluyen hacia a un mismo punto.
El investigador del Grupo de Dinámica Fluvial e Hidrología de la Universidad de Córdoba, Rafael Pimentel trabajó durante dos años en la unidad de hidrología del Instituto Sueco de Meteorología e Hidrología (SMHI) donde participó en la puesta a punto por primera vez de un modelo a escala de cuenca globalmente. El modelo utilizado fue HYPE, modelo diseñado en dicha unidad para la gestión integral del agua en Suecia y utilizado previamente a escala paneuropea.
El proceso de modelado global fue desafiante pero factible según el personal investigador ya que fue aplicado para más de 130.000 cuencas para cubrir la masa terrestre de la Tierra (excepto la Antártida). El desafío principal recayó en la recopilación de datos y evaluación de su calidad, así como en la calibración del modelo, proceso de comprobación entre los datos de caudal modelados y observados para evaluar si el modelo funciona de manera correcta. Debido a la complejidad para representar el gran abanico de procesos hidrológicos globales, el rendimiento del modelo fue variable. En general, el modelo muestra buenos resultados, con un valor medio por encima de 0.4 en la métrica Kling-Gupta Efficiency (KGE), que es un índice que se utiliza para cuantificar la bondad de un modelo hidrológico que considera buenos los modelos a partir del 0.4. El este de EEUU, Europa, Japón y zonas de Rusia, Asia, Canadá y Sudamérica fueron las zonas con mejores resultados, con valores de KGE por encima de 0.6., mostrando un alto potencial para su uso en la realización de predicciones estacionales de caudal en esas zonas que, utilizando datos meteorológicos a seis meses vista, permiten predecir los datos de caudal para los próximos seis meses. Esta predicción es muy útil para el personal gestor de embalses o centrales hidroeléctricas ya que, teniéndolas en cuenta, podrán gestionar y planificar mejor y de manera más ajustada sus recursos.
El reto de escalar y cuantificar la bondad de este modelo, además de chequear la localización geográfica de lagos, ríos y embalses para que todo coincidiese al escalar el modelo, ha sido posible gracias a la cantidad de datos hidrológicos de libre acceso que hay puestos a disposición tanto de la comunidad investigadora como del público en general, aunque los datos de caudal, en este caso, sean limitados en muchas zonas. Con esto, se demuestra que el acceso abierto y el conocimiento compartido ha ayudado al avance de la hidrología. Sin embargo, existe falta de información, especialmente de caudal, en muchas zonas del mundo con las que realizar estas comprobaciones. Por ello, se plantea crear una red de ciencia colaborativa en la que investigadores/gestores/consultores/estudiantes trabajando en dichas zonas y con información hidrológica a escala local evalúen el modelo en dichas áreas. La parte del modelo correspondiente es facilitada a las personas interesadas proponiendo un trabajo en conjunto para verificar y ajustar el modelo a través de talleres en los que de la zona aporten su feedbak mejorando así la representación de la realidad el modelo a escala global.