3 ESTUDIO DE LA VULNERABILIDAD CLIMÁTICA DEL RECURSO HÍDRICO
DE LA CUENCA DEL RÍO PAMPLONITA.
MIXI XIOMARA CASTAÑEDA VEGA NATALIA ORDOÑEZ LANDINEZ
UNIVERSIDAD SANTO TOMÁS FACULTAD DE INGENIERÍA AMBIENTAL
4 ESTUDIO DE LA VULNERABILIDAD CLIMÁTICA DEL RECURSO HÍDRICO
DE LA CUENCA DEL RÍO PAMPLONITA.
MIXI XIOMARA CASTAÑEDA VEGA NATALIA ORDOÑEZ LANDINEZ
Trabajo de grado para optar al título de ingeniera ambiental
Director
DARWIN MENA RENTERÍA Ingeniero Ambiental y Sanitario MSc en Evaluación de Recursos Hídricos
Codirector
MIGUEL ÁNGEL CAÑÓN RAMOS Ingeniero Ambiental
MSc (c) Hidrosistemas
UNIVERSIDAD SANTO TOMÁS FACULTAD DE INGENIERÍA AMBIENTAL
INGENIERÍA AMBIENTAL BOGOTÁ D.C
5 DEDICATORIA
6 AGRADECIMIENTOS
A nuestro director y amigo Darwin Mena por la confianza, por cada una de sus palabras que nos guiaron durante el desarrollo de este trabajo y su apoyo incondicional.
A nuestros docentes por compartir su conocimiento y experiencia para nuestra formacion profesional y personal, especialmente a Freddy Santiago Duarte, Ronal Sierra y Miguel Cañon, quienes fueron de vital importancia para llevar a cabo este proyecto.
7 CONTENIDO
RESUMEN ... 13
ABSTRACT ... 14
INTRODUCCIÓN ... 15
1. OBJETIVOS ... 16
1.2 Objetivo General ... 16
1.3 Objetivos específicos ... 16
2. MARCO TEÓRICO ... 17
2.1 CAMBIO CLIMÁTICO ... 17
2.2 VARIABLES DEL RIESGO ... 17
2.3 DESCRIPCIÓN GENERAL DE LA ZONA DE ESTUDIO ... 18
2.3.1 Características morfométricas de la cuenca ... 20
2.3.2 Función Hídrica ... 21
2.3.3 Climatología de la zona de estudio... 21
2.4 MODELOS CLIMÁTICOS GLOBALES (GCM) ... 22
2.4.1 Forzamiento radiativo ... 23
2.5 ESCENARIOS DE CAMBIO CLIMÁTICO ... 24
2.5.1 Trayectorias de Concentración Representativas (RCP) ... 25
2.5.2 Reducción de escala (Downscaling)... 26
2.5.3 Método de reducción de escala basado en la teoría del caos ... 27
2.5.4 Validación de modelos climáticos ... 29
2.6 MÉTRICAS DE DESEMPEÑO DEL MODELO HIDROLÓGICO ... 31
2.7 HYDRO-BID... 33
2.7.1 Funcionamiento del sistema Hydro-BID ... 34
2.8 INDICES ... 37
2.8.1 Índice de Regulación Hídrica ... 37
2.8.2 Índice de Uso del Agua Superficial ... 37
2.8.3 Oferta hídrica disponible ... 38
2.8.4 Índice de vulnerabilidad por desabastecimiento. ... 39
3. METODOLOGÍA ... 40
3.1 CARACTERIZACIÓN CLIMATICA DE LA CUENCA ... 40
3.1.1 Recolección de información ... 40
3.1.2 Homogenización y llenado de series de variables climáticas ... 43
8
3.2 DISPONIBILIDAD HÍDRICA HYDRO-BID ... 44
3.2.1 Recolección de información ... 44
3.2.2 Homogenización y llenado de series de precipitación y temperatura 45 3.2.3 Calibración y validación del modelo hidrológico ... 46
3.3 ANÁLISIS DE CAMBIO CLIMÁTICO ... 48
3.3.1 Selección de un modelo de circulación global ... 48
3.3.2 Reducción de escala y obtención de series de precipitación y temperatura ... 49
3.3.3 Modelación de los escenarios de cambio climático en Hydro-BID .... 49
3.4 ANÁLISIS DE VULNERABILIDAD ... 50
3.4.1 Índice de Regulación Hídrica ... 50
3.4.2 Índice de Uso de Agua Superficial... 50
3.4.3 Índice de Vulnerabilidad Por Desabastecimiento ... 52
4. RESULTADOS ... 52
4.1 CARACTERIZACIÓN CLIMÁTICA ... 52
4.2 MODELACIÓN HIDROLÓGICA ... 56
4.2.1 Recolección y homogenización de datos de entrada ... 56
4.2.2 Consistencia de los datos de entrada... 57
4.2.3 Calibración y Validación del modelo de Hydro-BID. ... 58
4.3 ANÁLISIS DE CAMBIO CLIMÁTICO ... 62
4.3.1 Selección del modelo ... 62
4.3.2 Reducción de escala o downscaling... 64
4.3.3 Disponibilidad hídrica futura ... 68
4.3.4 Proyección futura... 72
4.4 ANÁLISIS DE VULNERABILIDAD ... 74
4.4.1 Índice de Retención y Regulación Hídrica ... 74
4.4.2 Índice de Uso de Agua IUA ... 75
4.4.3 Índice de Vulnerabilidad por desabastecimiento hídrico (IVH). ... 77
4.5 ESTIMACIÓN DE POSIBLES IMPACTOS FUTUROS Y MEDIDAS DE MITIGACIÓN ... 78
5. IMPACTO SOCIAL ... 78
6. CONCLUSIONES ... 80
9 LISTADO DE TABLAS
Tabla 1. Participación de cada Subcuenca en términos de área. ... 19
Tabla 2. Características morfométricas y parámetros de forma de la cuenca. . 20
Tabla 3. Los cuatro caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100. ... 25
Tabla 4.Ventajas y desventajas de las técnicas de reducción de escala. ... 26
Tabla 5. Rangos de métricas de desempeño... 32
Tabla 6. Valores referenciales del criterio de Nash-Sutcliffe. ... 33
Tabla 7. Parámetros del GWLF relacionados con la generación de flujos del ciclo hidrológico ... 36
Tabla 8. Calificación del índice de retención y regulación hídrica ... 37
Tabla 9. Rangos y categorías índice de uso de agua ... 38
Tabla 10. Índice de vulnerabilidad al desabastecimiento hídrico (IVH) ... 39
Tabla 11. Estaciones usadas para la caracterización climática. ... 41
Tabla 12. Variables de las estaciones meteorológicas ... 43
Tabla 13. Datos de entrada para la herramienta Hydro-BID para condiciones actuales... 44
Tabla 14. Dotación por habitante según la altura promedio sobre el nivel del mar de la zona ... 51
Tabla 15. Estadísticas de las series de precipitación diaria de las estaciones seleccionadas. ... 56
Tabla 16. Calibración final de parámetros por subcuenca. ... 58
Tabla 17. Métricas de desempeño mensuales y diarias por Subcuenca. ... 59
Tabla 18. Métricas del GCM ... 62
Tabla 19. Comparación histórica del GCM CCSM4 después del donwscaling con las estaciones. ... 65
Tabla 20. Comparación mensual multianual de los datos históricos con los futuros. ... 65
Tabla 21. Comparación histórica la sincronización de los dos sistemas después del downscaling con las estaciones de temperatura. ... 66
Tabla 22. Comparación mensual multianual de los datos históricos con los futuros. ... 66
Tabla 23. Porcentajes de incremente o disminución de la precipitación y temperatura. ... 67
Tabla 24. Disponibilidad hídrica para cada RCP ... 72
Tabla 25. IRH para cada RCP con los periodos. ... 74
Tabla 26. Proyección de las demandas por cada periodo desde 2015 a 2100. 76 Tabla 27. IUA para cada RCP por periodo... 76
10 LISTADO DE FIGURAS
Figura 1. Localización de la Cuenca del Río Pamplonita. ... 18
Figura 2. Los 4 caminos representativos de concentración RCP donde a la izquierda se ve el forzamiento radiativo y a la derecha las emisiones de CO2. 24 Figura 3. Escala GCM. ... 26
Figura 4. Diagrama de espacio de fases a la izquierda precipitación y la derecha temperatura. ... 28
Figura 5. Relación entre 𝒙𝒏, 𝒚𝒏, 𝒙𝒏𝑵𝑵𝑹, 𝒚𝒏, 𝒚𝒏𝑵𝑵𝑫, 𝒚𝒏𝑵𝑵𝑹 ... 29
Figura 6. Diagrama de flujo de Hydro-BID ... 34
Figura 7. Representación esquemática del modelo GWLF ... 35
Figura 8. Esquema metodológico ... 40
Figura 9. Ubicación de estaciones para caracterización climática ... 42
Figura 10. Ubicación geográfica de estaciones para Hydro-BID. ... 45
Figura 11. Ubicación geográfica de la calibración de la cuenca Pamplonita... 47
Figura 12. Caudales históricos de la cuenca ... 48
Figura 13. Resultados de la proyección por el programa D-Haya. ... 51
Figura 14. Comportamiento mensual de la precipitación. ... 52
Figura 15. Comportamiento de la temperatura media. ... 53
Figura 16. Comportamiento de brillo solar media ... 54
Figura 17. Comportamiento de la humedad relativa. ... 55
Figura 18. Curva de doble masa para las estaciones 16010060 y 16020110... 57
Figura 19. Calibración de subcuenca aguas arriba 16017020 ... 60
Figura 20. Calibración de subcuenca aguas medias 16027100... 61
Figura 21. Calibración de subcuenca aguas abajo 16017010 ... 61
Figura 22. Comportamiento de GCM y la estación 16015090 de precipitación 63 Figura 23. Comportamiento de los GCM y la estación 16015090 de temperatura. ... 63
Figura 24. Comportamiento de la precipitación para el RCP 2.6 ... 69
Figura 25. Comportamiento de la precipitación para el RCP 4.5 ... 69
Figura 26. Comportamiento de la precipitación para el RCP 8.5 ... 70
Figura 27. Comportamiento de la temperatura para el RCP 2.6 ... 71
Figura 28. Comportamiento de la temperatura para el RCP 4.5 ... 71
Figura 29. Comportamiento de la temperatura para el RCP 8.5 ... 71
Figura 30. Proyección de los caudales para el periodo 2015 a 2040 ... 73
Figura 31. Proyección de los caudales para el periodo 2071 a 2100 ... 73
11 LISTA DE ECUACIONES
Ecuación 1. Vecinos falsos ... 29
Ecuación 2. RMSE ... 30
Ecuación 3. MAE ... 30
Ecuación 4. MSE ... 31
Ecuación 5. R2 ... 31
Ecuación 6. Error de volumen general ... 32
Ecuación 7. Correlación de Pearson ... 32
Ecuación 8. Coeficiente de correlación modificado ... 33
Ecuación 9. Índice de eficiencia de Nash-Sutcliffe ... 33
Ecuación 10. IRH ... 37
Ecuación 11. IUA ... 38
Ecuación 12. Oferta hídrica disponible (OHD) ... 38
Ecuación 13. Interpolación lineal. ... 46
Ecuación 14. Despeje de 𝒚 ... 46
LISTA DE ANEXOS Anexo A. Análisis estadísticos de las estaciones climáticas. ... 87
Anexo B. Histogramas de brillo solar, humedad relativa, precipitación y temperatura. ... 88
Anexo C. Análisis estadístico de temperatura y caudal. ... 94
Anexo D. Curvas de doble masa ... 95
Anexo E. Comparación mensual multianual de los datos históricos con los futuros por escenario de cambio climático de precipitación y temperatura. ... 98
12 ABREVIATURAS
AHD: Base de Datos de Hidrología Analítica AM: Estación Agrometeorológica
BID: Base de Datos de Hidrología Analítica C: Celcius
CO: Estación Climatológica Ordinaria
CORPONOR: Corporación Autónoma Regional de la Frontera Nororiental CP: Estación Climatológica Principal
ENA: Estudio Nacional del Agua Eq: Equivalente
GCM: General Circulation Models ó Modelo de Circulación Global GEI: Gases de Efecto Invernadero.
GWLF: Generalized Watershed Loading Factor ó Modelo de Factor de Carga generalizada
IPCC: Panel Intergubernamental de Cambio Climático IRH: Índice de Retención y Regulación hídrica
IUA: Índice de Uso de Agua
IVH: Índice de Vulnerabilidad Hídrica
IDEAM: Instituto de Hidrología, Meteorología y Estudios Ambientales Long DFC: longitud máxima de datos faltantes consecutivos
MAE: Mean Absolute Error MSE: Mean Square Error
m.s.n.m: metros sobre el nivel del mar PIB: Producto interno bruto
PM: Estación Pluviométrica
PMIC Programa Mundial de Investigación del Clima POMCA: Plan de Ordenamiento y Manejo de Cuencas PNN: Parque Nacional Natural
RCP Representative Concentration Pathways ó Trayectorias de Concentración representativa.
RMSE: Root Mean Square Error R2: Correlation
SP: Estación Sinóptica Principal Hab: habitante
UNIDADES cm: centímetros de precipitación
m2: metro cuadrado
m3: metro cubico
mm: milímetros de precipitación S: segundo
13 RESUMEN
El proyecto evalúa la vulnerabilidad del recurso hídrico superficial de la cuenca del Río Pamplonita ante escenarios de cambio climático, establecidos por el IPCC como Representative Concentration Pathways (RCP), los escenarios seleccionados fueron RCP 2.6, RCP 4.5 Y RCP 8.5 para los periodos 2015 a 2040, 2041 a 2070 y 2071 a 2100; del modelo de circulación global CCSM4, al que se le realizó la reducción de escala por medio de un método estadístico basado en la teoría del caos. Por consiguiente, se usó Hydro-BID para generar los caudales futuros y se analizó los impactos sobre el régimen hidrológico producido por el cambio climático, empleando el Índice de Regulación Hídrica (IRH), Índice de Uso del Agua (IUA) e Índice de Vulnerabilidad al desabastecimiento (IVH) usando la metodología del ENA 2014, donde se establecieron medidas de mitigación. Por último, se obtuvo como resultado que para los tres escenarios hay un posible aumento de la disponibilidad hídrica con respecto a los registros históricos. El RCP 2.6 presentó dicho aumento de 63.3%, 92.9% y 91.3%, para el RCP 4.5 de 91.3%, 86.3% y 65.8% y finalmente el RCP 8.5 de 91.3%, 95.8% y 85.4%. Por lo tanto, los resultados de la simulación demuestran que el IRH es muy alto y el IUA alto, lo que indica que la cuenca tiene una vulnerabilidad media para los tres escenarios de cambio climático, donde se identificó como posible impacto la demanda exhaustiva del recurso hídrico por parte de los municipios presentes en la cuenca, para lo cual, se planteó como medida de mitigación priorizar y establecer los usos del agua teniendo en cuenta la coordinación y gobernabilidad entre los actores y usuarios de los diferentes sectores, para así restaurar y/o conservar la disponibilidad hídrica.
14 ABSTRACT
The project assesses the vulnerability of the surface water resource of the Pamplonita River basin to climate change scenarios, established by the IPCC as Representative Concentration Pathways (RCP), the selected scenarios were CPR 2.6, CPR 4.5 and CPR 8.5 for the periods 2015 to 2040, 2041 to 2070 and 2071 to 2100; of the CCSM4 global circulation model, which was scaled down by means of a statistical method based on chaos theory. Therefore, Hydro-IDB was used to generate future flows and, impacts on the hydrological regime produced by climate change were analyzed, using the Water Regulation Index (IRH), Water Use Index (IUA) and Water Index Vulnerability to shortages (IVH) using the ENA 2014 methodology, where mitigation measures were established. Finally, it was obtained as a result that for the three scenarios there is a possible increase in water availability with respect to historical records, of 63.3%, 92.9% and 91.3% for CPR 2.6, for CPR 4.5 of 91.3%, 86.3 % and 65.8% and finally CPR 8.5 of 91.3%, 95.8% and 85.4%, therefore, the simulation results show that the IRH is very high and the IUA high indicating that the basin has a medium vulnerability to the three scenarios of climate change; where the exhaustive demand of the water resource by the municipalities present in the basin was identified as a possible impact, for which, it was considered as a mitigation measure to prioritize and establish the uses of water taking into account the coordination and governance between the actors and Users from different sectors to restore and / or water availability.
15 INTRODUCCIÓN
El cambio climático es una realidad y se afirma que es el problema ambiental más grande y complejo que afronta la humanidad en la actualidad, se manifiesta en el aumento de la temperatura media global, el alza del nivel del mar, modificaciones en el patrón de precipitaciones y los eventos climáticos extremos. Al respecto, Colombia hace parte de la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC), por ende, ha venido participando en el desarrollo de las negociaciones internacionales para enfrentar de forma compartida pero diferenciada, los retos del cambio climático [1].
Colombia por sus características geográficas, económicas, sociales y ecosistémicas, es uno de los países más vulnerables ante el cambio climático, según la tercera comunicación de cambio climático, el país contribuyo con el 0.4% de las emisiones GEI del total de emisiones mundiales, lo que equivale a 258.8 millones de toneladas de dióxido de carbono, por lo que se comprometió en el marco del Acuerdo de París a reducir en un 20% las emisiones de GEI proyectadas a 2030. Por lo cual, profundizar en el conocimiento de la vulnerabilidad ante el cambio climático, permitirá conocer impactos, para así diseñar e implementar medidas efectivas frente a este. Las cuencas del país pueden llegar hacer vulnerables, por tanto, son necesarios estudios locales que evalúen los posibles impactos potenciales del cambio climático [2], [3].
El caso de estudio comprende la cuenca del río Pamplonita, localizada en el sur del departamento de Norte de Santander, la cual, nace en el municipio de Pamplona a una altura de 3.200 msnm, donde es un ecosistema diverso, que concentra el 85% de la población total de Norte de Santander, las actividades agropecuarias que se llevan a cabo dentro de la cuenca del río Pamplonita son cultivos de cacao, plátano, arroz de riego, palma, entre otros.
16 1. OBJETIVOS
1.2 Objetivo General
Evaluar la vulnerabilidad climática del recurso hídrico superficial de la cuenca del río Pamplonita a partir de los escenarios de cambio climático.
1.3 Objetivos específicos
• Realizar la caracterización climática de la cuenca.
• Generar los escenarios RCP 2.6, 4.5 y 8.5 de cambio climático de escala reducida a partir de las representaciones de los modelos del clima global.
• Estimar la disponibilidad hídrica presente y proyectada a partir los escenarios de cambio climático.
17 2. MARCO TEÓRICO
2.1 CAMBIO CLIMÁTICO
Es la variación del estado del clima que puede ser identificable mediante pruebas estadísticas en las variaciones del valor medio y/o en la variabilidad de sus propiedades las cuales persiste durante largos periodos de tiempo como decenios. Sus causas pueden deberse a cambios antropógenos o procesos internos naturales. Sin embargo, este concepto tiende a confundirse con la variabilidad climática, es por esto que la Tercera Comunicación Nacional de Colombia a la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC) indica que la variabilidad climática es atribuida a causas naturales y se evalúa en corto y mediana plazo (días a < 30 años). Según el artículo “¿Qué es el cambio climático?” de la Nasa Knows, es un cambio en el clima habitual que se encuentra en un lugar de la tierra, puede ser un cambio en la cantidad de lluvia o puede ser un cambio en la temperatura habitual de un lugar durante un mes o una temporada, el clima puede cambiar en unas pocas horas o incluso tardar millones de años [4] [5].
2.2 VARIABLES DEL RIESGO
La Tercera Comunicación del Cambio Climático junto con el Panel Intergubernamental de cambio climático describen las variables de riesgo como un grupo básico de conceptos asociados a los efectos del cambio climático, tales como la vulnerabilidad, el riesgo, adaptación y la amenaza de un territorio, los cuales infieren en el desarrollo del país para cada uno de sus sectores, por ende es importante conocer cada una de ellas para entender dichos conceptos que se tienden a confundir en la sociedad, es por esto que el IPCC define la variable de riesgo como la probabilidad de ocurrencia de un evento amenazante relacionado con el cambio climático, respecto de la situación particular que un territorio tiene para responder, o verse afectado, a sus impactos potenciales. Los análisis de riesgo por cambio climático permiten identificar aquellas dimensiones que pueden verse más afectadas por causa de fenómenos asociados al mismo. De esta forma, los territorios identifican las prioridades para la toma de decisiones para la reducción de la vulnerabilidad [6].
18 climática, que se refiere a la ocurrencia de eventos de cambio climático que pueden llegar a tener impacto físicos, sociales, económicos y ambientales en una zona determinada y un periodo de tiempo, es así como cada amenaza se caracteriza por su localización, frecuencia e intensidad [7].
2.3 DESCRIPCIÓN GENERAL DE LA ZONA DE ESTUDIO
La cuenca del río Pamplonita se encuentra ubicatda en la vertiente oriental de la cordillera oriental de Colombia, en zona fronteriza con Venezuela, que en términos de área ocupa más de un tercio de la cuenca en el territorio venezolano, haciendo de esta una cuenca binacional. Se forma en el municipio de Pamplona en la confluencia de las quebradas El Rosal y Navarro, finaliza cerca del centro poblado de Puerto Villamizar en el Municipio de Cúcuta. En la parte alta de la cuenca se ha identificado como zona de recarga hídrica debido al fenómeno de condensación y, por las coberturas vegetales presentes, ver figura 1 [8].
Figura 1. Localización de la Cuenca del Río Pamplonita.
Fuente: autores
19 departamento de Norte de Santander, en el páramo de Fontibón, ubicado en el municipio de Pamplona a una altura de 3.200 msnm y una temperatura de 8° Celsius; desemboca en el río Zulia al norte del departamento en el municipio de Puerto Santander a una altura de 50 msnm con una temperatura de 30° celcius. Su cauce principal es de 116 km aproximadamente y, la cuenca se encuentra con diez municipios, los cuales son Bochalema, Chinacota, Cúcuta, Herrán, Los Patios, Pamplona, Pamplonita, Puerto Santander, Rangovalia y Villa del rosario.
La cuenca se encuentra dividida en 25 subcuencas compartidas entre Colombia y Venezuela, como se puede observar en la tabla 1, con áreas aproximadas de 13.1 km2 hasta 202.1 km2 y pendientes medias entre 4.8 y 26.5
grados, la densidad del drenaje varía de 1.29 a 2.69 km/km2 con un valor medio
para la cuenca de 1.73 km/km2.
Tabla 1. Participación de cada Subcuenca en términos de área. Subcuenca Área
(km2)
Área
(%) Subcuenca
Área (km2)
Área (%) Caño
Negro 153 7,56 Chiracoca 42.3 2,08
Faustinera 37.4 1,85 El Laurel 32.2 1,60
Don Pedra 69.8 3,45 La Tescua 43 2,12
Modelo 63.8 3,15 El Naranjo 104.5 5,16
Juana
Paula 157.7 7,80
Agua
Blanca 158.3 7,82 Los Padres 112.4 5,55 Bataga 49.9 2,46 La Ciénaga 202.1 9,98 El Volcán 111.3 5,50 Regaderas 30.4 1,50 Guamarela 74.6 2,35 Tascarena 62.5 3,08 Bianoulios 107 5,28 Agua Negra 13.1 0,65 El Morro 18.5 0,91
20 Suarez 39.3 1,94 Cascabelera 18.5 0,91
Iscalá 108.5 5,36 La Teja 99.7 4,92 Fuente: Autores.
2.3.1 Características morfométricas de la cuenca
Las características físicas de la cuenca del río Pamplonita fueron recopiladas a partir de fuentes primarias y secundarias como el estudio de ordenamiento y manejo de la cuenca del río Pamplonita contenidos en CORPONOR, en el que se identifica sus principales parámetros y su comportamiento ante diferentes escenarios de cambio climático [9]. Estas características se evidencian en la tabla 2:
Tabla 2. Características morfométricas y parámetros de forma de la cuenca.
Características morfométricas y parámetros de forma de la cuenca
Área 2024 (km2) Coeficiente de
compacidad 2.4
Perímetro 378 (km) Factor de forma 0.12
Longitud 110 (km) Índice de
alargamiento 3
Longitud cauce principal 157.7 (km) Elevación
máxima. 3,648 (m)
Pendiente cauce principal 0.015 Elevación
mínima. 42 (m) Ancho 12.9 (km) Elevación media. 1,333 (m)
Ancho máximo 37 (km) Elevación
mediana. 1240 (m) Fuente: [9].
21 patrón meándrico. El cauce principal cuenta con una pendiente media de 1.5%, con número de orden 7, elaborado bajo la metodología de Horton y Strahler [9]. 2.3.2 Función Hídrica
La parte alta de la cuenca se ha identificado según el Plan de Ordenamiento y Manejo de Cuencas (POMCA) como zona de recarga. La parte media presenta cuencas de baja jerarquía pero con mayor tamaño y longitud, debido a que se empieza a recibir agua de subcuencas como Iscala, La honda, El Naranjo, El Volcán, La Tescua y Batagá, lo que ayuda a que se incremente el caudal que recibe el acueducto del Área Metropolitana de Cúcuta. La parte baja tiene un caudal alto debido a la entrada de afluentes importantes como el río Táchira y la quebrada Faustinera.
La demanda hídrica de la cuenca se encuentra definida por todas las actividades socioeconómicas que se llevan a cabo en la región, que se agrupan en los sectores doméstico, agrícola, industrial y pecuario, las cuales hacían uso para el año 2015 de 2.6 x 108 m3/año. Según el estudio realizado por el
POMCA del río Pamplonita, el sector que más demanda agua en toda la cuenca, es el sector agrícola con el 50% de participación con respecto al volumen total demandado, por lo que este sector genera una demanda del recurso para cultivos como arroz de riego, plátano, palma, cacao, café caña y pastos. En segundo lugar, el sector doméstico por el crecimiento exponencial de la población, especialmente en los municipios de Los Patios, Villa Rosario y Cúcuta, ya que, dentro de estos es donde mayor producción del recurso se presenta y por su ubicación es de suponer que deberían soportar la demanda de grandes centros poblados y actividades económicas [9].
2.3.3 Climatología de la zona de estudio
La zona de estudio presenta un carácter bimodal con dos máximos de precipitación, el primero en abril-mayo y el segundo en octubre-noviembre, esto está asociado al doble paso de la Zona de Convergencia Intertropical (ZCIT), que es el principal sistema que rige la precipitación en Colombia. La precipitación para las ocho estaciones analizadas está entre 30mm a 310mm, donde la segunda temporada es más intensa que la primera debido a que el proceso de lluvias está condicionado por el ZCIT y por los sistemas atmosféricos que registran su mayor desplazamiento al norte [6], [10].
22 ver con el desplazamiento de la ZCIT, y la influencia que tiene el cordón de nubes que transporta sobre la radiación solar entrante y saliente [10].
El brillo solar para la cuenca presenta un comportamiento acorde a la precipitación y temperatura con cuatro estaciones analizadas a lo largo de la cuenca, donde los valores de brillo solar mínimos se registran en el mes de abril registrando valores de 90h (inicio de la temporada de lluvias) y los valores máximos registrados de 200h y 220h, en los meses de julio y agosto, esto se debe a que la ZCIT se desplaza a su punto más norte, reduciendo las lluvias en la cuenca y permitiendo la entrada de mayor radiación solar, por la menor presencia de nubes [10].
La humedad relativa en la cuenca se analizó por medio de seis estaciones, donde se presenta una relación inversa al comportamiento de la temperatura de la cuenca y directamente proporcional al de la precipitación, presentando la máxima humedad de 90% en las estaciones Parque Nacional Natural Tamá y Esperanza LA, esto debido a que se registran también elevados volúmenes de precipitación en dichas estaciones y los menores valores registrados para la cuenca de 64% se encuentran en las estaciones de Aeropuerto Camilo Daza y Carmen de Tonchala. También, coincide con los periodos de lluvias y los periodos secos, ya que, a mayor precipitación, mayor humedad, mientras que a menor precipitación, menor humedad [10], [11].
2.4 MODELOS CLIMÁTICOS GLOBALES (GCM)
Los modelos climáticos globales o General Circulation Models (GCM), en la actualidad son la herramienta más avanzada para simular los efectos del aumento de las concentraciones de gases de efecto invernadero. Los GCM son modelos numéricos que representan el sistema climático basado en las propiedades físicas, químicas y biológicas de sus componentes (la atmósfera, el océano, la criosfera y la superficie terrestre) [12], [13].
Los GCM representan el clima usando una cuadrícula tridimensional sobre la tierra, la cual tiene una resolución horizontal entre 250 y 600 Km, la resolución vertical entre 10 a 20 capas para la atmósfera y hasta 30 capas la vertical oceánica; estos modelos solo presentan información en escalas superiores a los 100km, por lo cual son ineficientes para usarlos en la evaluación del impacto de procesos hidrológicos y los relacionados con la generación de nubes ocurren a escalas más pequeñas y no pueden modelarse adecuadamente [14].
Se analizaron tres GCM para representar el clima de la cuenca del río pamplonita, los cuales fueron:
23 CCSM4
Es un modelo climático desarrollado en la universidad de Miami Rosenstiel de Ciencias Marinas y Atmosféricas (RSMAS) es acoplado para simular el sistema climático de la tierra, está compuesto por cinco diferentes modelos geofísicos que simulan la atmósfera terrestre, el océano, la superficie terrestre, el hielo marino y terrestre y un componente acoplador central que coordina los modelos y pasa la información entre ellos. Además, permite hacer investigaciones sobre los estados climáticos del pasado, presente y futuro de la tierra [15].
MPI-ESM
Este modelo se desarrolló en el instituto Max Planck de meteorología, el cual acopla la atmósfera, el océano y la superficie terrestre, a través, del cambio de energía, impulso, agua y dióxido de carbono; se realiza basándose en componentes que llamo ECHAM6, MPIOM, y JSBACH, juntos conforman el MPI-ESM. El primero realiza la circulación atmosférica general para formar la atmósfera del MPI-ESM, el segundo es para la parte oceánica marina donde incluye un modelo de hielo marino dinámico/termodinámico, el último es el componente para la biosfera terrestre, también, tiene una parte integral que proporciona las condiciones de contorno atmosférico más bajas sobre la tierra, representando así dinámica de absorción y liberación de carbono terrestre, donde, por medio, de un esquema de pronóstico y el desarrollo de componentes adecuados permite la captación, almacenamiento y liberación de carbono de la vegetación y los suelos [16].
CanCm4
Este modelo fue desarrollado por el Centro Canadiense de Análisis y Modelización del Clima (CCCma) con el fin de aplicar modelos informáticos del sistema climático para simular el clima global y canadiense, y para predecir cambios a escalas de tiempo estacionales a centurias. El análisis de las simulaciones, junto con los datos observados, son utilizados para proporcionar información cuantitativa que permiten informar la adaptación y mitigación al cambio climático no solo en Canadá sino a nivel internacional. Cabe resaltar que el CCCma desarrolla este sistema de modelado para producir pronósticos estacionales operados por ambiente y clima cambiante de Canadá, y lleva a cabo experimentos de modelos climáticos coordinados por el PMIC y con apoyo del IPCC [17].
2.4.1 Forzamiento radiativo
24 cambios en las propiedades reflectivas superficiales del planeta (cambios en las coberturas del suelo que reflejan más la radiación solar, por ejemplo, las áreas de construcciones urbanas. Es por esto que al hablar de escenarios RCP 2.6, 4.5, 6.0, y 8.5, no se están indicando aumentos de temperatura en grados celcius, se indica es la cantidad de energía que retiene el planeta, producto del forzamiento radiativo ver figura 2 [18].
Figura 2. Los 4 caminos representativos de concentración RCP donde a la izquierda se ve el forzamiento radiativo y a la derecha las emisiones de CO2.
Fuente: [3] 2.5 ESCENARIOS DE CAMBIO CLIMÁTICO
Un escenario es una descripción basada en un conjunto de variables de relaciones claves, sobre cómo puede desarrollarse el futuro. Un escenario de cambio climático es la representación del clima que se observaría bajo una concentración determinada de GEI y aerosoles en la atmósfera en diferentes periodos de tiempo futuros. El objetivo de trabajar con estos escenarios es evaluar un amplio espectro de posibilidades, respecto al posible comportamiento del clima futuro y las incertidumbres asociadas, para así orientar decisiones a posibles hechos [18].
Estos escenarios han sido definidos por el IPCC en sus diferentes reportes desde 1992, Escenarios IS92 y Reporte especial de escenarios de emisiones SRES, el último y quinto reporte de evaluación AR5 definió los nuevos escenarios denominados Trayectorias de Concentración Representativas
25 2.5.1 Trayectorias de Concentración Representativas (RCP)
Los RCP representan el forzamiento radiativo total calculado hasta el año 2100 respecto al año 1750, es importante tener en cuenta que los RCP pueden representar una variedad de políticas climáticas, es decir cada RCP puede ser el resultado de diferentes combinaciones de futuros económicos, tecnológicos, demográficos, políticos e institucionales. Cada escenario asume una línea evolutiva determinada, como por ejemplo los escenarios A1, A2, B1, B2 utilizados en el tercer y cuarto informe de evaluación, el primer escenario A1 representaba un mundo de crecimiento económico muy rápido junto a la introducción de tecnologías nuevas más eficaces, mientras que el B2 representaba a la sostenibilidad económica, social y ambiental, con un continuo crecimiento de la población y con niveles medios de desarrollo y cambio tecnológicos muy rápidos. De esta forma estos escenarios fueron evolucionando hasta llegar al AR5, quienes construyeron un nuevo grupo de escenarios denominados RCP (2.6, 4.5, 6.0, 8.5), estos escenarios se centran en las emisiones antropogénicas y no incluyen cambios en impulsores naturales como el forzamiento solar o volcánico, o las emisiones naturales del CH4 o N2O. Por ejemplo, el RCP 2.6 significa 2,6 W/m2, lo cual representa un
escenario de mitigación y por objetivo mantener el calentamiento global a menos de 2 ºC, el RCP 4.5 y RCP 6.0 son escenarios de estabilización y el RCP 8.5 corresponde a un escenario con un nivel muy alto de emisiones de efecto invernadero. Lo anterior se puede evidenciar en la tabla 3 [4], [19].
Tabla 3. Los cuatro caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100.
Escenari o
Forzamient o Radiament
o (W/m2)
CO2eq
atmosféric o (ppm) Anomalía de Temperatur a Trayectoria Equivalent e para escenarios SRES (AR4)
RCP8.5 8.5 >1370 4.9 2100, en
aumento
SRES A1F1
RCP6.0 6.0 850 3
Estabilizació n después
de 2100
SRES B2
RCP4.5 4.5 650 2.4
Estabilizació n después
de 2100
SRES B1
RCP2.6 2.6 490 1.5
Picos antes de 2100 y
después declina
Ninguno
26 2.5.2 Reducción de escala (Downscaling)
Los GCM tienen información a gran escala espacial y temporal, lo cual dificulta que puedan ser aplicados de una manera directa a una región o lugar concreto, por lo que se hace necesario la reducción de escala para conseguir información más aproximada a las condiciones climáticas reales de esa región o lugar, para así evaluar el efecto local del cambio climático. El downscaling se puede realizar a escala espacial donde se reduce la resolución de la cuadricula del GCM a una más fina o escala temporal donde se pueden cambiar los datos resultados de mensuales a diarios [14], [20].
Figura 3. Escala GCM.
Fuente: [21]
Las técnicas de reducción de escala están divididas en dos tipos: las técnicas de escala dinámica (en inglés Dynamical Downscaling), la cual representa el proceso atmosférico físico en un área de interés, usando un RCM (Regional Climate Model). La otra técnica es llamada reducción de escala estadística (en inglés Statistical Downscaling), esta consiste en establecer relaciones estadísticas entre el clima a larga escala y el clima local, lo que se obtiene aplicando relaciones previamente identificadas en el clima observado entre estos los modelos climáticos de gran escala y las variables climatológicas. Esta metodología estadística deber ser lo suficientemente no-lineal como para poder obtener relaciones no-lineales que unen a los modelos de gran escala con las variables climatológicas consideradas a escala local. Las ventajas y desventajas de las técnicas se pueden ver en la tabla 4: [22].
Tabla 4.Ventajas y desventajas de las técnicas de reducción de escala. Reducción de escala
estadística
Reducción de escala dinámica
Ventajas
• Cálculo computacional económico y eficiente.
• Puede proveer
variables climáticas en escala puntual a partir de los resultados de GCM
• Permite incorporar
• Genera resultados
basados en
procesos físicos consistentes.
• Produce
información en resolución final de
27 directamente las
observaciones locales
atmosféricos en
escalas más
pequeñas.
Desventajas
• Requiere series históricas para calibración de larga duración y alta confiabilidad.
• Depende de la elección de los predictores
• Tamaño del dominio, regulación climática y la temporada afectan el nivel de la reducción de escala.
• Cálculo
computacional intensivo.
• Número limitado de escenarios
disponibles • Fuertemente
dependiente de los límites del GCM
Fuente: [14]
2.5.3 Método de reducción de escala basado en la teoría del caos
La teoría del caos se define como el estudio del comportamiento aperiódico en sistemas dinámicos no lineales. Es un modelo teórico que trata de expresar el proceder de sistemas dinámicos, que parecen desarrollarse aleatoriamente, como, por ejemplo, el clima es un sistema dinámico el cual es muy sensible a las variables iniciales, es transitivo y sus orbitas periódicas son densas por lo que el clima es un sistema apropiado para trabajar en la teoría del caos [23] , [24] , [14] [25].
Este método evalúa la presencia de caos determinístico para diferentes periodos de las variables (precipitación y temperatura) de las estaciones climáticas locales, como del GCM. Los sistemas caóticos son aquellos que poseen una predictibilidad a corto plazo pues, presentan sensibilidad a las variaciones de las condiciones iniciales. El sistema predictivo construye con los resultados del tiempo de retardo, el espacio fase y los exponentes de Lyapunov encontrados para los sistemas en el intervalo de acumulación para la precipitación y la temperatura óptima de cada sistema dinámico. Se sincronizan las estaciones climáticas locales y el GCM, resultado del parámetro 𝜇 del método de los vecinos falsos mutuos más próximos, en esto se basa el modelo predictivo [14], [26].
28 retardo y de la dimensión del plano fase (m) necesarios para adquirir los exponentes de Lyapunov [26].
El espacio fase son todos los estados posibles del sistema, donde cada punto en el espacio de fases corresponde a un estado único y al haber una evolución en el tiempo del sistema se crea una trayectoria. La dimensión del espacio de fases es infinita cuando el estado del sistema es un campo vectorial, por lo que observando un proceso real no se puede abarcar todas las posibles variables de estado del sistema; porque no todas son conocidas o no todas pueden ser medidas. Cada componente tiene información esencial sobre la dinámica de todo el sistema, por consiguiente, se puede construir una trayectoria de espacio de fases equivalente a la original utilizando únicamente una serie temporal como se ve en la figura 4 donde se observa el espacio de fase para la precipitación y la temperatura. El conjunto limitante que reúne trayectorias asintóticas cercanas al equilibrio se le conoce como “atractor”, donde este puede exhibir un tipo inusual de auto-similitud y estructuras presentes en todas sus escalas y, por consiguiente, es necesario encontrar una dimensión apropiada del plano de fase, de una manera en que la estructura del atractor permanezca invariante [23], [26].
Figura 4. Diagrama de espacio de fases a la izquierda precipitación y la derecha temperatura.
Fuente: [23]
Luego, se realiza la sincronización de los sistemas por medio del método del vecino falso más cercano que se basa en el cálculo del parámetro 𝜇, el cual evalúa los vecindarios locales entre dos series de tiempo donde 𝜇 toma los valores del orden 1 si existe una sincronización completa, de lo contrario 𝜇
29 Ecuación 1. Vecinos falsos
µ = 1
𝑁∑
‖𝑦𝑛− 𝑦𝑛𝑁𝑁𝐷‖ ‖𝑥𝑛− 𝑥𝑛𝑁𝑁𝑅‖
‖𝑥𝑛− 𝑥𝑛𝑁𝑁𝐷‖ ‖𝑦𝑛− 𝑦𝑛𝑁𝑁𝑅‖
𝑁
𝑛=1 Fuente: [14]
Donde,
𝑥𝑛 y 𝑦𝑛, representan puntos del sistema conductor y de respuesta en un instante n.
𝑥𝑛𝑁𝑁𝐷 y 𝑦𝑛𝑁𝑁𝑅 son los puntos más cercanos en el atractor de 𝑥𝑛 y 𝑦𝑛 en sus respectivos sistemas.
𝑥𝑛𝑁𝑁𝑅 y 𝑦𝑛𝑁𝑁𝐷, son puntos del sistema alterno en el instante de tiempo n para
𝑦𝑛𝑁𝑁𝑅 y 𝑥𝑛𝑁𝑁𝐷.
Figura 5. Relación entre 𝒙𝒏, 𝒚𝒏, 𝒙𝒏𝑵𝑵𝑹, 𝒚𝒏, 𝒚𝒏𝑵𝑵𝑫, 𝒚𝒏𝑵𝑵𝑹
Fuente: [14] 2.5.4 Validación de modelos climáticos
Para los procesos de modelación climática es importante llevar a cabo la validación de los datos que permitan verificar el ajuste de los datos observados con los datos simulados, ya que los mismos modelos climáticos globales poseen distintas fuentes de incertidumbres que afectan las proyecciones futuras del clima. Además, los modelos poseen una serie de capacidades y limitaciones que se necesitan conocer y evaluar previamente a su ejecución, por lo tanto, en el proceso de validación de modelos es necesario incluir aspectos como:
● Promedios anuales
30 ● Definir métricas para evaluar el desempeño del modelo.
Métricas de desempeño del downscaling
Las métricas de desempeño hacen referencia a la medición coherente de una actividad difícilmente cuantificable por otros medios, dentro del contexto de evaluación de modelos climáticos, es una medida cuantitativa de conformidad entre una cantidad simulada y la observada que puede utilizarse para evaluar el desempeño de los distintos modelos. Estas métricas se describen a continuación:
• RMSE: Se define (Root Mean Square Error) como la raíz cuadrada de la media de los errores al cuadrado (ecuación 2) :
Ecuación 2. RMSE
𝑹𝑴𝑺𝑬 = √𝟏
𝒏∑(𝒚𝒊− Ŷ𝒊)
𝟐 𝒏
𝒕=𝟏 𝟐
Fuente: [27]
Donde n es el número total de comparaciones, 𝑦𝑖 es el valor del modelo y la observación es Ŷ𝑖. [27] El error cuadrático medio (RMSE) también llamado desviación cuadrática media es una medida de uso frecuente de la diferencia entre los valores pronosticados por un modelo y los valores realmente observados [28].
• MAE: Se define (Mean Absolute Error) como la magnitud promedio de los errores de un ejercicio de pronóstico sin tener en cuenta su signo, es decir, el promedio de los valores absolutos de los errores calculados; representada en la ecuación 3, [28].
Ecuación 3. MAE
𝑀𝐴𝐸 = 1
𝑛∑|𝑦𝑡− Ŷ𝑡|
𝑛
𝑡=1
Fuente: [28]
31 entre MAE y RMSE mayor varianza entre los errores individuales de la muestra. Se espera que los resultados de MAE y RMSE sean cercanos a 0 [29].
• MSE: se define como (Mean Square Error) la media de et2, es decir el
promedio de los errores entre el estimador y lo que se estima al cuadrado:
Ecuación 4. MSE
𝑀𝑆𝐸 =1
𝑛∑(𝑦𝑡− Ŷ𝑡)
2 𝑛
𝑡=1
Fuente: [28]
• Coeficiente de determinación lineal: Es una medida de “ajuste”, o semejanza, entre los valores del modelo y los observados. La correlación va del rango entre 0 y 1. Cuando el ajuste es bueno R2 será
cercano a 1, es decir, hay una mayor asociación entre X e Y, cuando el ajuste es malo R2 sera cercano a cero ya que no existe una asociación
entre X e Y. Esta métrica se calcula sobre las n localizaciones, en donde f denota el valor del modelo y O denota la observación [30].
Ecuación 5. R2
𝑅2 = ∑ (ŷ − ȳ)
2 𝑖
∑ (𝑦𝑖 𝑖−ȳ)2
ŷ= dato observado
𝑦𝑖= dato simulado
ȳ= promedio de lo observado
Fuente: [31]
2.6 MÉTRICAS DE DESEMPEÑO DEL MODELO HIDROLÓGICO
32 Tabla 5. Rangos de métricas de desempeño
Métrica Valor óptimo
Volumen del error general Más cercano a 0 Correlación de Pearson (R) Más cercano a 1 Correlación Modificada Más cercano a 1
Eficiencia de Nash-Sutcliffe
0.2 es insuficiente 0.2 – 0.4 es satisfactorio
0.4 - 0.6 es bueno 0.6 – 0.8 es muy bueno
>0.8 es excelente
Fuente: [32]
Las siguientes ecuaciones corresponden a las métricas de desempeño de la calibración, con las cuales se desarrolló el modelo hidrológico.
a. Error de volumen general (Overall volume error) Ecuación 6. Error de volumen general
𝑜𝑣𝑒 =∑ 𝑆𝑡
𝑁
𝑡=1 − ∑𝑁𝑡=1𝑂𝑡
∑𝑁𝑡=1𝑂𝑡 ∗ 100
Fuente: [33]
Donde N: es el número de días de la simulación sin el primer año. t=1 comienza el primer día del segundo año de la simulación.
b. Correlación (r)
Ecuación 7. Correlación de Pearson
𝑟 = 𝑁 ∑ 𝑂𝑡
𝑁
𝑡=1 𝑆𝑡 − ∑𝑁𝑡=1𝑂𝑡 ∑𝑁𝑡=1𝑆𝑡
√[𝑁 ∑𝑁 𝑠𝑡2− (∑𝑁𝑡=1𝑆𝑡)2
𝑡=1 ][ 𝑁 ∑𝑁𝑡=1𝑂𝑡2− (∑𝑁𝑡=1𝑂𝑡)2]
33 c. Coeficiente de Correlación modificado.
Ecuación 8. Coeficiente de correlación modificado
r
mod=rmin(𝑆𝑠𝑖𝑚,𝑆𝑜𝑏𝑠) max(𝑆𝑠𝑖𝑚,𝑆𝑜𝑏𝑠)
Fuente: [32]
Donde Sobs y Ssim son desviaciones estándar de las series de tiempo de flujos
observadas y simuladas, respectivamente. d. Índice de Eficiencia de Nash-Sutcliffe, R2. Ecuación 9. Índice de eficiencia de Nash-Sutcliffe
𝒓𝟐= 𝟏. 𝟎 − ∑ (𝑺𝒕− 𝑶𝒕) 𝟐 𝑵
𝒕=𝟏
∑𝑵𝒕=𝟏(𝑶𝒕− 𝝁𝒐)𝟐
Fuente: [33]
El criterio de Nash-Sutcliffe es uno de los más usados en hidrología: mide cuanto de la variabilidad de las observaciones es explicada por la simulación. Si la simulación es perfecta, E=1; sin embargo, si se intenta ajustar las observaciones con el valor promedio, entonces E=0. Estos valores se resumen en la tabla 6.
Tabla 6. Valores referenciales del criterio de Nash-Sutcliffe.
E Ajuste
<0.2 Insuficiente 0.2 – 0.4 Satisfactorio 0.4 – 0.6 Bueno
0.6 -0.8 Muy Bueno >0.8 Excelente
Fuente: [33]
2.7 HYDRO-BID
34 adaptación en respuesta a estos cambios, para una mejor interpretación ver figura 6.
El modelo de Hydro-BID contiene una Base de Datos Hidrográficos (LAC-AHD) que contiene más de 230,000 cuencas delimitadas y cauces fluviales a lo largo de la región de América Latina y el Caribe, un Sistema de navegación GIS para examinar cuencas y cauces fluviales, una interfaz de datos climáticos para la obtención de datos de precipitación y temperatura para la zona y el período de interés y un modelo de lluvia-escorrentía basado en la formulación Generalized Watershed Loading Factor (GWLF) [34].
Figura 6. Diagrama de flujo de Hydro-BID
Fuente: [34] 2.7.1 Funcionamiento del sistema Hydro-BID
35 separado para generar un volumen de escorrentía estimado. Dicho modelo posee además otros componentes a evaluar dentro de las características de una cuenca las cuales son: deshielo, evapotranspiración potencial, escorrentía, percolación, flujo y tránsito. Ver figura 7 [34].
La figura 7, es una representación conceptual que maneja Hydro-BID en el modelado, en el que se calcula la escorrentía y los flujos base por cuenca de captación, la escorrentía se genera en forma de exceso de infiltración y el flujo base es una liberación gradual de la capa saturada. Tras tomar en cuenta la escorrentía proveniente de las precipitaciones, toda agua que excede un volumen calculado de evaporación se infiltra a la capa no saturada. No obstante, el agua infiltrada se pasa desde la capa no saturada hacia abajo para reponer el volumen almacenado de la capa saturada. Cabe resaltar que el volumen de agua ubicado en la capa saturada puede agotarse por medio de la filtración a un acuífero subterráneo más profundo [34].
Figura 7. Representación esquemática del modelo GWLF
Fuente: [34] 2.7.2 Parámetros y datos del GWLF
36 Tabla 7. Parámetros del GWLF relacionados con la generación de flujos del ciclo hidrológico
Parámetros Descripción Método de Estimación Capacidad
disponible de Agua del Suelo (U*)
Este parámetro activa el inicio de la
percolación
Puede ser estimado por las características del suelo.
Número de Curva (CN)
Controla la cantidad inicial de abstracción y usada para calcular la detención
Se escoge usando el uso del suelo y el tipo de clasificación del suelo
Coeficiente de la Curva de Evaporación (CV)
Representa la variación
estacional de la evaporación debido al crecimiento de la vegetación
Se estima mensualmente.
Coeficiente de Recesión de Aguas
Subterráneas (r)
Controla la tasa de flujo de agua subterránea desde la zona saturada
En estaciones de aforo en las cuencas, el parámetro de recesión puede ser estimado usando técnicas de separación hidrográfica.
Parámetro de Percolación (s)
Controla la tasa de percolación hacia el acuífero de aguas
subterráneas profundas
Dependiendo de la formación geológica, los valores de percolación pueden ser muy variables
37 2.8 INDICES
Los índices ambientales según el IDEAM pertenecen a un grupo amplio de temáticas y fenómenos, no solo físico, sino también de aquellos que reflejan las relaciones de la sociedad con su entorno ecosistémico. A partir de la información de estos índices el IDEAM cumple con sus objetivos de generar conocimiento y acceso a la información, a través de ellos facilitando a las demás entidades del Sistema Nacional Ambiental (SINA) el ordenamiento ambiental del territorio y la conservación de los ecosistemas, así mismo a toda aquella población y sectores económicos que pueden hacer uso de esta información para la toma de decisiones [35].
2.8.1 Índice de Regulación Hídrica
El índice de retención y regulación evalúa la capacidad de la cuenca para mantener un régimen de caudales, producto de la interacción del sistema suelo-vegetación con las condiciones climáticas y con las características físicas y morfométricas de la cuenca. Este índice permite evaluar la capacidad de regulación del sistema en su conjunto, con ayuda de la ecuación 10 y la tabla 8 [36].
La curva de duración permite reconocer las condiciones de regulación de la cuenca y los valores característicos de caudales medios, así como la interpretación de las características del régimen hidrológico de un río, y el comportamiento de la retención y la regulación de humedad en la cuenca [37].
Ecuación 10. IRH
IRH= VP / Vt Fuente: [36]
Donde:
Vp: Volumen representado por el área que se encuentra por debajo de la línea del caudal medio.
Vt: Volumen total representado por el área bajo la curva.
Tabla 8. Calificación del índice de retención y regulación hídrica
Fuente: [36]
2.8.2 Índice de Uso del Agua Superficial
38 (anual, mensual) y por unidad espacial de subzona hidrográfica y cuencas abastecedoras de acueductos en relación con la oferta hídrica superficial disponible para las mismas unidades de tiempo y espaciales.
El cálculo de la oferta hídrica natural disponible se realiza para condiciones hidrológicas medias con base en las series de caudales medios anuales. La relación porcentual de la demanda de agua en relación a la oferta hídrica disponible, las categorías de este índice se ve en la tabla 9 [36].
Ecuación 11. IUA
IUAjt = (Dhjt /Ohjt *) 100 Fuente: [36]
Dónde:
Dhjt: Demanda hídrica sectorial en la unidad espacial de referencia j, en el periodo de tiempo t.
Ohjt: Oferta hídrica superficial disponible en la unidad espacial de referencia j, en el periodo de tiempo t.
Tabla 9. Rangos y categorías índice de uso de agua
Fuente: [36].
2.8.3 Oferta hídrica disponible
De acuerdo con el IDEAM (2010), es el volumen de agua promedio que resulta de sustraer a la oferta hídrica total superficial (OHTS), el volumen de agua que garantiza el uso para el funcionamiento de los ecosistemas y de los sistemas fluviales. Para su estimación se debe realizar la curva de duración de caudales para cada subzona, en el que se define el porcentaje de caudal ambiental, y se identifica si la zona en general tiene una buena regulación, estableciendo un límite en el valor del índice de regulación hídrica (IRH). Si la regulación es moderada a alta, se asume como caudal ambiental 85 (Q85) [38].
Ecuación 12. Oferta hídrica disponible (OHD)
39 Fuente: [38]
2.8.4 Índice de vulnerabilidad por desabastecimiento.
Es el grado de fragilidad del sistema hídrico para mantener una oferta para el abastecimiento de agua de sectores usuarios del recurso, para condiciones hidrológicas promedio [37].
El índice de vulnerabilidad se calcula con el IRH, para luego sacar el IUA, donde los resultados de estos dos índices y la tabla 10 se ubicarán la categoría IVH, es decir, se ubicará en la tabla el resultado del IRH y el IUA, lo que dará como resultado el IVH [36].
Tabla 10. Índice de vulnerabilidad al desabastecimiento hídrico (IVH)
40 3. METODOLOGÍA
La metodología usada en el presente estudio se desarrolló a partir de tres grandes etapas las cuales se describen a continuación en la Figura 8.
Figura 8. Esquema metodológico
3.1 CARACTERIZACIÓN CLIMATICA DE LA CUENCA 3.1.1 Recolección de información
41 Tabla 11. Estaciones usadas para la caracterización climática.
Código Nombre Tipo Municipio
16010340 Tasajero Pm Cúcuta
16015030 Esperanza LA Co Ragonvalia
16025030 Salazar Cp Salazar
16025040 Cínera-villa olga
Cp Cúcuta
16015010 APTO Camilo Daza
Sp Cúcuta
16025010 Carmen tonchala
Cp Cúcuta
16020080 Cucutilla Pm Cucutilla
16015090 Tama Parque Nal
Cp Herrán
16035010 Tibu Co Tibu
16015020 Iser Pamplona Am Pamplona
42 Figura 9. Ubicación de estaciones para caracterización climática
43 Tabla 12. Variables de las estaciones meteorológicas
Estaciones Variables Climáticas
Apto Camilo daza
Brillo solar, humedad relativa, precipitación, temperatura.
Cinera-Villa Olga
Brillo solar, humedad relativa, precipitación, temperatura.
Iser Pamplona Brillo solar, humedad relativa, precipitación, temperatura.
Carmen Tonchala
Brillo solar, humedad relativa, precipitación, temperatura.
Tamá Parque
Nal Temperatura, precipitación, humedad relativa.
Tasajero Precipitación
Tibú Precipitación
Salazar Temperatura
Fuente: autores
3.1.2 Homogenización y llenado de series de variables climáticas
Se dice que una serie es homogénea cuando su variabilidad obedece únicamente a causas climáticas. Las series temporales largas tienen datos con vicisitudes, cuya detección no es fácil como, por ejemplo, los registros falsos o el cambio de las características del lugar, lo que da una homogeneidad de la serie diferentes a la realidad climática. Por lo cual se han venido desarrollando métodos de homogenización de series climáticas, que intentan discernir los datos reales climáticos, en este caso, se analizaron las series de las estaciones presentes en la cuenca, donde se procedió homogenizar y llenar los datos faltantes de 10 estaciones por medio del lenguaje de programación Python usando la metodología de interpolación lineal, el cual es un método recomendado por bibliografía especializada, ver ecuación 13 [39], [40].
3.1.3 Análisis estadístico de variables climáticasº
44 hallando así el conjunto de datos óptimo de las series. Finalmente el parámetro de Long DFC permite identificar los datos faltantes consecutivos de una serie de datos, en el presente proyecto los datos se encontraban a escala mensual. A partir de este análisis se verificará la calidad de la información disponible en las estaciones meteorológicas, ver Anexo A.
3.2 DISPONIBILIDAD HÍDRICA HYDRO-BID
La disponibilidad hídrica superficial presente y futura se estimó mediante el modelo de simulación hidrológica lluvia-escorrentía (GWLF) de la herramienta Hydro-BID, el cual genera el balance hídrico y las series de caudales; donde la disponibilidad hídrica actual es de 1989 a 2014 y para los periodos futuros entre 2015 a 2040, 2041 a 2070, 2071 a 2100. Esta etapa del caso de estudio incluyó las siguientes actividades:
3.2.1 Recolección de información
Se recolectó y analizó la información histórica de las variables climatológicas de precipitación, temperatura y caudal, con el fin conocer mejor el clima actual del área del caso de estudio, así como la identificación de algunas condiciones naturales. En la tabla 13 se puede apreciar la información suministrada al modelo.
Tabla 13. Datos de entrada para la herramienta Hydro-BID para condiciones actuales
Tipo de Datos Fuente Total de Información
Periodo Disponible
Precipitación total diaria en cm
Información suministrada por el IDEAM
15
estaciones
1989 - 2014
Temperatura media diaria en ºC
Información suministrada por el IDEAM
6 estaciones
Uso de la Tierra [32]
Base de Datos AHD
Tipo de Suelo [41]
Base de Datos AHD
Series de caudales
Información suministrada por el IDEAM
45 Fuente: autores
Para Hydro-BID el tratamiento previo de los datos de entrada es importante ya que, permiten analizar el comportamiento de las variables dentro del modelo. Por lo tanto, al número de estaciones de la tabla se les realizó un análisis estadístico en el que se pudo identificar la calidad y cantidad de datos faltantes. Así mismo a continuación en la Figura 10 se puede observar la ubicación geográfica de las estaciones utilizadas en el modelo hidrológico Hydro-BID. Figura 10. Ubicación geográfica de estaciones para Hydro-BID.
Fuente: autores.
46 puntos que se desea conocer, para efectos del área de estudio se utilizaron dos estaciones próximas más representativas al punto de interés que se quería completar. Es por esto que se desarrolló el llenado de datos a partir de la ecuación 13, [42]:
Ecuación 13. Interpolación lineal.
𝑦 − 𝑥0 𝑦1− 𝑦0 =
𝑥 − 𝑥0 𝑥1− 𝑥0
Fuente: [42]
En lo anterior, el único valor desconocido es 𝑦 , que representa el valor desconocido para 𝑥, despejando resulta la siguiente ecuación [42]:
Ecuación 14. Despeje de 𝒚
𝑦 = 𝑦0 + (𝑥 − 𝑥0)𝑦1− 𝑦0 𝑥1− 𝑥0
Fuente: [42]
3.2.3 Calibración y validación del modelo hidrológico
La etapa de calibración del modelo se desarrolló dividiendo la cuenca del río pamplonita en aguas arriba, aguas medias y aguas abajo, donde se contó con tres (3) estaciones de caudal observado, que estaban unidas al COMID de la subcuenca, las cuales tienen una temporalidad diaria; este proceso se realizó de forma manual por el método de ensayo y error, modificando los parámetros contenidos en Hydro-BID para hallar el rango óptimo. A medida que se iba realizando la calibración, ésta se relacionaba con la siguiente para poder obtener una calibración no solo de la subcuenca sino de toda la cuenca del río Pamplonita. Cabe resaltar que esta calibración del río Pamplonita se llevó a cabo para el periodo incluido desde 01 de abril de 1989 hasta 31 de diciembre de 2014.
47 Figura 11. Ubicación geográfica de la calibración de la cuenca
Pamplonita.
Fuente: autores.
Adicionalmente, se graficaron las tres estaciones de caudal donde se puede observar la estación 1601720 está vinculada al COMID 300608300 ubicada aguas arriba de la cuenca que presenta un caudal promedio de 7.2m3/s; la
estación 16027100 está vinculada al COMID 300526900 ubicada aguas medias, donde presenta un caudal promedio de 16.7 m3/s este caudal
aumenta debido al aporte que recibe la cuenca de diferentes quebradas como Iscalá, La Honda, El Naranjo entre otras; aguas abajo esta la estación 16017010 vinculada con el COMID 300482400 con un caudal promedio de 24.0 m3/s que es el caudal de salida, es decir, este caudal es mayor debido a que
48 Figura 12. Caudales históricos de la cuenca
Fuente: autores
Finalmente, Hydro-BID arroja resultados estadísticos que permiten evaluar el desempeño de los modelos, uno de estos resultados son las métricas de desempeño mencionadas anteriormente, las cuales son: Error de volumen general, Correlación, Coeficiente de correlación modificado y el Índice de eficiencia de Nash-Sutcliffe.
3.3 ANÁLISIS DE CAMBIO CLIMÁTICO
Se seleccionaron tres modelos climáticos globales del conjunto de 36 modelos del CMIP5, seleccionados por ser los que mejor representan la climatología del país, los cuales tienen escalas espaciales y temporales mayores que las requeridas para la modelación hidrológica, causando que no se pueda evaluar el efecto local del cambio climático, por lo tanto, se realiza un proceso de reducción de escala sobre el modelo climatológico global seleccionado.
3.3.1 Selección de un modelo de circulación global
Se preseleccionaron tres modelos climatológicos globales que fueron el MPI-ESM-MR, CCSM4 y CanCM4, debido a que han sido utilizados en Colombia por ser los más representativos frente al total de los modelos en estudios como Cambio climático en temperatura, precipitación y humedad relativa para Colombia usando modelos meteorológicos de alta resolución panorama (2011-2100) donde en los resultados indicaron que hay dos modelos que mejor representan la climatología de Colombia que fueron CCSM3 y ECHAM5. [43] El informe, Evaluación de las simulaciones de precipitación y temperatura de los modelos climáticos globales del proyecto CMIP5 con el clima presente en Colombia se concluyó que los modelos que mejor representan la distribución
0 50 100 150 200 250 300 19 89-A pr 199 0-Fe b 199 0-D ec 199 1-O ct 199 2-A ug 199 3-Jun 199 4-A pr 199 5-Fe b 199 5-D ec 199 6-O ct 19 97-A ug 19 98-Jun 199 9-A pr 200 0-Fe b 200 0-D ec 200 1-O ct 200 2-A ug 200 3-Jun 200 4-A pr 200 5-Fe b 200 5-D ec 20 06-O ct 200 7-A ug 200 8-Jun 200 9-A pr 201 0-Fe b 201 0-D ec 201 1-O ct 201 2-A ug 201 3-Jun 201 4-A pr Ca ud al (m3 /s) Años
49 de la precipitación son CCSM4 (NCAR-USA), MPI-ESM (Alemania) [44]. Adicional a la Evaluación de los modelos globales del clima utilizados para la generación de escenarios de cambio climático con el clima presente en Colombia se concluyó que el modelo CCSM-3.0 actualmente CCSM4 fue uno de los mejores modelos que representó anualmente la temperatura y la precipitación en el campo nacional [27].
Posteriormente se calculó la desviación estándar, la raíz cuadrada del error cuadrático medio (RMSE), el promedio y el máximo entre el histórico del GCM y las estaciones de precipitación y temperatura para así determinar el modelo seleccionado [20].
3.3.2 Reducción de escala y obtención de series de precipitación y temperatura
La técnica reducción de escala estadística basada en la teoría del caos fue la usada en el proyecto, la cual necesita como datos de entrada las coordenadas de las estaciones, las series de precipitación y temperatura de las estaciones, los registros históricos del GMC para los RCP 2.6, 4.5 y 8.5 de las variables precipitación y temperatura que se descargaron del centro de Análisis de Datos Ambientales (en inglés Centre for Environmental Data Analysis, CEDA). Para dar como salidas, las series de precipitación y temperatura en una escala espacial menor.
Las series de tiempo de precipitación y temperatura se usaron para reconstruir el espacio de fase mediante el método Time-Delay, que se encarga de encontrar los valores apropiados del tiempo de retardo τ y la dimensión del plano de fase m para capturar la dinámica del atractor. Estos resultados fueron usados para calcular los exponentes de Lyapunov y evaluar la presencia de caos determinístico. Posteriormente, se crea un modelo predictivo basado en la sincronización general de los dos sistemas dinámicos (series locales y GCM) y la función del parámetro 𝜇 de los vecinos falsos mutuos más próximos. Finalmente, se comparan las series del GCM con las estaciones locales por medio de 4 métricas RMSE, MSE, MAE y R2; antes y después del downscaling
para así verificar la eficiencia del método.
