Impacto del cambio climático y de
los cambios del uso del suelo en los
caudales de la cuenca del río Frío
Jaime Alberto Espinosa Ballén
Universidad Nacional de Colombia
Facultad de Ingeniería, Departamento de Ingeniería Civil y Agrícola Bogotá, Colombia
Impacto del cambio climático y de
los cambios del uso del suelo en los
caudales de la cuenca del río Frío
Jaime Alberto Espinosa Ballén
Trabajo final de maestría presentado como requisito parcial para optar al título de:
Magister en Ingeniería – Recursos Hidráulicos
Director:
Ph.D., Nelson Obregón Neira Codirector:
Ph.D. Edgar Leonardo Villareal González
Línea de Investigación: Hidrología y meteorología
Universidad Nacional de Colombia
Facultad de ingeniería, Departamento de Ingeniería Civil y Agrícola Bogotá, Colombia
“Sin duda, una buena historia deslumbra mucho más que un pedazo de verdad.”.
Agradecimientos
Agradezco a Dios por guiar mi camino y permitir cumplir este sueño.
A mis padres, por su confianza y apoyo incondicional al recorrer este camino.
A Nataly, por sus aportes al desarrollo de mi trabajo de grado, por estar siempre dispuesta a ayudarme y por encontrar siempre la forma para mostrarme la motivación para terminar este proceso.
Al ingeniero Nelson Obregón, por siempre tener tiempo para resolver mis inquietudes, por guiar este proceso y enseñarme el valor de la actividad académica.
Al ingeniero Edgar Villareal, por toda su colaboración y retroalimentación en cada etapa de este proceso.
A la Universidad Nacional de Colombia, por brindarme los conocimientos y espacios para el desarrollo de mi trabajo de grado.
Resumen
Con el objetivo de analizar el impacto del cambio climático y el cambio de los usos del suelo en la cuenca del río se Frío, localizada en la parte alta de la cuenca del río Bogotá, se estimaron los caudales en la estación Puente La Virginia hasta el año 2030. Los análisis se desarrollaron bajo escenarios de cambio climático y proyección de usos del suelo implementando el modelo hidrológico SWAT en la plataforma ArcSWAT y un modelo de autómata celular con la herramienta MOLUSCE de QGIS.
Los impactos analizados se enfocaron en determinar como la proyección de usos del suelo y la proyección del régimen de precipitación bajo escenarios de cambio climático podría afectar eventualmente el régimen de caudales en términos del índice de escasez de la cuenca del rio Frio hasta la estación Puente La Virginia ya que es en este punto donde se cuenta con información hidrométrica.
El modelo de circulación global MIROC-ESM para el escenario RCP 4.5 representó de manera adecuada los caudales de la cuenca en comparación con los modelos CCSM4 y IPSL CM5A – LR. La implementación del modelo de autómata celular se desarrolló a partir del entrenamiento de una red neuronal basada en la información histórica recopilada, encontrando que el principal cambio de uso fue de agricultura a pastos.
El impacto del cambio climático y el cambio de los usos del suelo en los caudales proyectados de la cuenca del río Frío hasta la estación Puente La Virginia están asociados al incremento de los caudales comparados con los históricos registrados. Es decir, se podrían presentar picos de caudal que no se hayan registrado en la estación hasta el día de hoy, situación que puede darse por el incremento de la precipitación en la parte alta de la cuenca.
Palabras clave: (Cambio climático, uso del suelo, red neuronal, Molusce, ArcSWAT).
Abstract
In order to analyze the impact of climate change and the change in land uses in the basin of the Frio River, located in the upper part of the Bogota river, the flows at the Puente La Virginia station were estimated until 2030. The analyses were developed under climate change scenarios and land-use projection implementing the SWAT hydrological model on the ArcSWAT platform and a cellular automaton model with The QGIS MOLUSCE tool.
The impacts analyzed focused on determining how the projection of land uses and the projection of the precipitation regime under climate change scenarios could eventually affect the flow regime in terms of the shortage index of the Rio Frio basin until the Puente La Virginia station, this is the point where there are hydrometric information.
The MIROC-ESM global circulation model for scenario RCP 4.5, represented adequately the flow rates of the basin, compared to the CCSM4 and IPSL CM5A – LR models. The implementation of the cellular automata model was developed from the training of a neural network based on the historical information collected, finding that the main change in use was from agriculture to pastures.
The impact of climate change and the change in land uses in the projected flows of the Rio Frio basin, at Puente La Virginia Station, are associated with increased flows compared to recorded historical ones. It means that it could be peaks of flow that have not been registered until today. It could be happen by the increase of precipitation at the upper part of the basin.
Contenido
Pág. Resumen ... IX Lista de figuras ... XIII Lista de tablas ... XVI
Introducción ... 1 1. Objetivos ... 1 Objetivo general... 1 Objetivos específicos ... 1 2. Marco conceptual ... 2 Cambio climático ... 2
Uso del suelo ... 8
Autómata celular ... 10
2.3.1 MOLUSCE ... 13
Modelos hidrológicos ... 17
2.4.1 De acuerdo a la conceptualización de los procesos básicos. ... 17
2.4.2 De acuerdo a la naturaleza de los algoritmos básicos ... 18
2.4.3 De acuerdo a su representación espacial ... 18
2.4.4 SWAT ... 21
3. Metodología ... 24
4. Descripción y caracterización de la cuenca de estudio ... 26
Descripción de la cuenca de estudio ... 26
Caracterización climatológica periodo histórico... 30
4.2.1 Período de tiempo analizado ... 32
4.2.2 Análisis de Fenómeno ENSO ... 33
4.2.3 Caracterización temporal de la precipitación ... 36
4.2.4 Espacialización de la precipitación ... 39
4.2.5 Caracterización temporal de la temperatura ... 40
5. Cambio climático ... 43
Selección de modelos climáticos globales ... 43
Selección de los caminos representativos (RCP) ... 44
Caracterización climatológica periodo futuro ... 45
Usos del suelo de la cuenca de estudio ...50
Simulación de proyección de usos del suelo ...53
6.2.1 Datos de entrada ...53
6.2.2 Cambios de área ...54
6.2.3 Matriz de transición ...55
6.2.4 Modelos de potencial de transición ...58
6.2.5 Proyección de cambio de uso del suelo ...60
7. Modelo hidrológico ...61
Configuración de datos de entrada al modelo ...61
7.1.1 Modelo Digital de Elevación (DEM) ...62
7.1.2 Variables climáticas ...63
7.1.3 Uso actual del suelo ...63
7.1.4 Tipo de suelo ...64
Modelación ...73
7.2.1 Delimitación automática de la cuenca ...73
7.2.2 Unidades de respuesta hidrológica ...75
7.2.3 Simulación ...77
7.2.4 Resultados ...77
7.2.5 Calibración ...79
7.2.6 Validación ...87
8. Estimación de caudales proyectados ...89
9. Estimación del índice de escasez ...93
10. Conclusiones y recomendaciones ...96
Conclusiones ...96
Recomendaciones ...97
A. Anexo: Análisis de las series de precipitación ...99
B. Anexo: Clasificación de usos del suelo ... 100
C. Anexo: Herramienta de proyección de usos del suelo ... 101
D. Anexo: Implementación del modelo hidrológico ... 102
Lista de figuras
Pág. Figura 2-1: Metodología para análisis bajo escenarios de cambioclimático (IDEAM,
PNUD, MADS, DNP, 2015c) ... 4
Figura 2-2: Ficha departamental – escenarios de cambio climático 2011 - 2100 ... 6
Figura 2-3: Interacciones biofísicas entre el clima y la cobertura vegetal (Rodríguez-Eraso N., Pabón-Caicedo J.D., 2010) ... 9
Figura 2-4: Autómata Celular mediante el uso de la herramienta MOLUSCE (SUÁREZ CAMARGO & MARCELA, 2018) ... 11
Figura 2-5: Reglas de evolución de cambio de uso y cobertura en la ciudad de Bogotá (Garay Linares & Figueroa Salazar, 2015, p. 38) ... 12
Figura 2-6: Vecindad de Moore ... 14
Figura 2-7: Función de activación (sigmoide numpy.tanh) ... 15
Figura 2-8: Representación del modelo perceptrón multicapa (Vílchez, V. Septiembre de 2010. Obtenido de: http://ceres.ugr.es/~alumnos/esclas/ ) ... 16
Figura 2-9: Representación del modelo de regresión (Marín Diazaraque, 2012, p. 13) . 17 Figura 2-10: Proceso de modelación general (Beven, 2012, p. 3) ... 19
Figura 2-11: Representación del ciclo hidrológico en SWAT (Senamhi, 2017) ... 22
Figura 2-12: Procesos de corriente modelados por SWAT (Senamhi, 2017) ... 23
Figura 3-1: Metodología para el trabajo de grado ... 24
Figura 4-1: Ubicación general de la cuenca del río Frío ... 27
Figura 4-2: Estaciones climatológicas presentes en la zona de estudio ... 31
Figura 4-3: Variabilidad anual de la precipitación. Estación Pantano Redondo. Periodo 1988 – 2006. ... 33
Figura 4-4: Variabilidad anual de la precipitación. Estación Santa Isabel. Periodo 1988 – 2006. 34 Figura 4-5: Variabilidad anual de la precipitación. Estación Ventalarga. Periodo 1988 – 2006. 34 Figura 4-6: Variabilidad anual de la precipitación. Estación Villa Paula. Periodo 1988 – 2006. 35 Figura 4-7: Variabilidad anual de la precipitación. Estación Guerrero. Periodo 1988 – 2006. 35 Figura 4-8: Registros de precipitación y análisis de tendencia ... 36
Figura 4-8: Variabilidad temporal de la precipitación. Estación Guerrero. Periodo 1998 – 2013. 37
Figura 4-9: Variabilidad temporal de la precipitación. Estación Venta Larga. Periodo 1998 – 2013. 37
Figura 4-10: Variabilidad temporal de la precipitación. Estación Pantano Redondo.
Periodo 1998 – 2013. ... 37
Figura 4-11: Variabilidad temporal de la precipitación. Estación Santa Isabel. Periodo 1998 – 2013. 38 Figura 4-12: Variabilidad temporal de la precipitación. Estación Villa Paula. Periodo 1998 – 2013. 38 Figura 4-13: Distribución espacial de la lluvia. Cuenca río Frío hasta la estación Puente La Virginia. Periodo 1998 – 2013. ... 40
Figura 4-14: Variabilidad temporal de la temperatura media. Estación Represa del Neusa. Periodo 1971 – 1997. ... 41
Figura 4-15: Variabilidad temporal de la temperatura media. Estación Tabio. Periodo 1971 – 1997. 42 Figura 5-1: Localización Cuenca de Estudio Respecto a la Grilla del Modelo CCSM4 (Gómez Vargas, 2015) ... 43
Figura 5-2: Localización Cuenca de Estudio Respecto a la Grilla del Modelo IPSL-CM5A-LR (Gómez Vargas, 2015) ... 44
Figura 5-3: Localización Cuenca de Estudio Respecto a la Grilla del Modelo MIROC – ESM (Gómez Vargas, 2015) ... 44
Figura 5-4: Variación de la precipitación para el periodo 2006 – 2030 – Estación Pantano Redondo Modelo CCSM4 ... 46
Figura 5-5: Variación de la precipitación para el periodo 2006 – 2014 – Pantano Redondo (RCP 4.5) ... 47
Figura 5-6: Variación de la precipitación para el periodo 2006 – 2014 – Pantano Redondo (RCP 8.5) ... 48
Figura 5-7: Variación de la precipitación mensual para el periodo 2006 – 2030 – (MIROC ESM / RCP 4.5) ... 49
Figura 6-1: Modelo general de la metodología Corine Land Cover (CLC) ... 51
Figura 6-2: Mapa de transición del año 2000 al año 2005 ... 56
Figura 6-3: Mapa de transición del año 2005 al año 2010 ... 57
Figura 6-4: Mapa de transición del año 2010 al año 2015 ... 57
Figura 6-5: Entrenamiento de la red neuronal artificial ... 58
Figura 6-6: Validación del modelo de autómata celular ... 59
Figura 7-1: Etapas del proceso de simulación en ArcSWAT ... 61
Figura 7-2: Modelo de elevación digital - ALOS PALSAR ... 62
Figura 7-3: Formato para ingresar la información de precipitación. ... 63
Figura 7-4: Tipo de suelo del área de estudio ... 65
Figura 7-5: Perfiles de suelos en la zona de estudio (IGAC, 2000)i ... 72
Figura 7-6: Curva hipsométrica de la cuenca del río Frío hasta la estación Puente La Virginia 73 Figura 7-7: Resultado de la delimitación de cuencas en ArcSWAT ... 74
Figura 7-8: Unidades de respuesta hidrológica ... 76
Figura 7-9: Modelo de ArcSWAT para simulación hidrológica ... 77
Figura 7-11: Correlación de caudales observados y calculados sin calibración ... 78
Figura 7-12: Vínculo entre SWAT y algoritmos para la optimización de parámetros de SWATCUP (Abbaspour, 2015) ... 80
Figura 7-13: Metodología para la calibración del modelo hidrológico ... 80
Figura 7-14: Caudales promedios anuales observados ... 81
Figura 7-15: Selección de función objetivo ... 82
Figura 7-16: Dispersión paramétrica ... 83
Figura 7-17: Sensibilidad paramétrica (P-value) ... 84
Figura 7-18: Caudales simulados para el periodo de calibración (1991 - 1997) ... 85
Figura 7-19: Correlación de caudales observados y calculados para el periodo de calibración 86 Figura 7-20: Curva de Duración de Caudales ... 87
Figura 7-21: Caudales simulados para el periodo de validación (1998 – 2000) ... 88
Figura 8-1: Caudales simulados en la Estación Puente La Virginia (1991– 2030) ... 89
Figura 8-2: Caudales anuales simulados en la Estación Puente La Virginia (1991– 2030) 90 Figura 8-3: Precipitación (1988 – 2030) ... 91
Figura 8-4: Caudales medios mensuales simulados (2020 - 2030) ... 91
Lista de tablas
Pág. Tabla 2-1: Caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100
(IDEAM, PNUD, MADS, DNP, 2015a) ... 5
Tabla 2-2: Lista de MCG utilizados para la Tercera Comunicación (Gómez Vargas, 2015) 7 Tabla 2-3: Características básicas de algunos modelos hidrológicos consultados ... 19
Tabla 2-4: Comparación de escalas de modelos hidrológicos (Pontificia Universidad Javeriana, 2016) ... 20
Tabla 4-1: Características morfométricas cuenca río Frío hasta la estación Puente La Virginia. 29 Tabla 4-2: Estaciones climatológicas analizadas. ... 30
Tabla 4-3: Porcentaje de vacíos estaciones de precipitación. ... 32
Tabla 4-4: Porcentaje de vacíos estaciones de temperatura. ... 32
Tabla 4-5: Precipitación media mensual multianual en mm. Periodo 1998 – 2013. ... 39
Tabla 4-6: Temperatura media en °C. Periodo 1971 – 1997. ... 42
Tabla 5-1: Valores máximos, medios y mínimos de precipitación para el periodo futuro 2006 – 2030 45 Tabla 5-2: Valores máximos, medios y mínimos de precipitación para el periodo 2006 - 2014 46 Tabla 5-3: Factores delta mensuales para el modelo MIROC ESC, escenario 4.5... 48
Tabla 6-1: Convención de usos del suelo ... 51
Tabla 6-2: Usos del suelo para el periodo 2000 – 2002 (Corine Land Cover) ... 52
Tabla 6-3: Usos del suelo para el periodo 2005 – 2009 (Corine Land Cover) ... 52
Tabla 6-4: Usos del suelo para el periodo 2010-2012 (Corine Land Cover) ... 52
Tabla 6-5: Usos del suelo para el periodo 2017 (Corine Land Cover) ... 53
Tabla 6-6: Homologación y simplificación de usos del suelo ... 54
Tabla 6-7: Cambios de área por uso del suelo entre el año 2000 y el año 2005 ... 54
Tabla 6-8: Cambios de área por uso del suelo entre el año 2005 y el año 2010 ... 55
Tabla 6-9: Cambios de área por uso del suelo entre el año 2010 y el año 2015 ... 55
Tabla 6-10: Matriz de transición entre los usos del año 2000 y el año 2005 ... 55
Tabla 6-11: Matriz de transición entre los usos del año 2005 y el año 2010 ... 56
Tabla 6-12: Matriz de transición entre los usos del año 2010 y el año 2015 ... 56
Tabla 6-13: Modelos analizados ... 58
Tabla 6-14: Índice Kappa (Le Coefficient Kappa, Obtenido de: http://kappa.chez-alice.fr/Kappa_2juges_Def.htm) ... 59
Tabla 6-15: Cantidad de pixeles para cada año de simulación y uso del suelo ... 60
Tabla 7-1: Relación de cobertura y base de datos SWAT ... 64
Tabla 7-2: Parámetros requeridos por SWAT para el componente de tipo de suelo ... 64
Tabla 7-3: Densidad aparente en función del contenido de arcillas (Pontificia Universidad Javeriana, 2016) ... 68
Tabla 7-4: Conductividad hidráulica en función de las clases de rapidez del movimiento del agua (Pontificia Universidad Javeriana, 2016) ... 68
Tabla 7-5: Relación entre la capacidad de drenaje y la conductividad hidráulica ... 69
Tabla 7-6: Albedo en función de las superficies típicas de la tierra ... 69
Tabla 7-7: Áreas por parámetros para el componente de tipo de suelo ... 71
Tabla 7-8: Rango coeficiente Nash – Sutclife (Pontificia Universidad Javeriana, 2016, p. 96) 79 Tabla 7-9: Parámetros y rangos para calibración ... 81
Tabla 7-10: Parámetros finales ... 87
Introducción
El desarrollo y los avances tecnológicos en diferentes sectores como la medicina, la biología, la ingeniería y otras disciplinas, han influenciado las costumbres de los grupos sociales dados los cambios acelerados que se han presentado durante la última década. A la luz de dichos cambios y desde el punto de vista hidrológico, se ha identificado la necesidad de evaluar los impactos que traen consigo las modificaciones realizadas por el hombre en relación a los cambios de uso del suelo de una cuenca, dado que estas modificaciones pueden alterar significativamente la respuesta de la cuenca, la respuesta de los ecosistemas y el manejo del recurso hídrico.
Uno de los temas que ha generado mayor discusión y que ha involucrado a varios sectores de la economía es el cambio climático, el cual es definido por el Panel intergubernamental sobre el cambio climático (IPCC por sus siglas en inglés) como “una importante variación estadística en el estado medio del clima o en su variabilidad, que persiste durante un período prolongado que se puede deber a procesos naturales internos o a cambios del forzamiento externo, o bien a cambios persistentes antropogénicos en la composición de la atmósfera o en el uso de las tierras”(IPCC, 2014). Dentro de los cambios antropogénicos, se pueden mencionar el aumento de combustibles fósiles para el desarrollo de diferentes actividades en la industria, la modificación del uso del suelo para fines agroindustriales o el aumento del desarrollo urbano. En consecuencia dichos cambios modifican el comportamiento hidrológico de las cuencas.
Las modificaciones en el uso del suelo se han dado por cambios de vegetación de un tipo a otro o por la impermeabilización de zonas verdes asociadas a la acelerada expansión urbana que se ha venido desarrollando en los últimos años.
El no desarrollar un análisis de los impactos que genera cal cambio climático y el cambio en los usos del suelo sobre el comportamiento hidrológico de las cuencas, implica tomar
decisiones sin tener conciencia de los efectos que a mediano y largo plazo pueden tener sobre el régimen de caudales, afectando al ecosistema en sí mismo.
El análisis integrado de todos estos cambios y su impacto en el corto, mediano y largo plazo, visto a la luz del cambio climático, han tratado de ser representados por medio de modelos de circulación global, los cuales son analizados desde cuatro escenarios que contemplan factores como el crecimiento poblacional, tecnológico, industrial entre otros. Dichos escenarios están relacionados con el análisis de emisiones de gases de efecto invernadero.
En Colombia el IDEAM, el ministerio de ambiente y Desarrollo Sostenible con el apoyo del Programa de las Naciones Unidas para el Desarrollo han desarrollado tres comunicaciones enfocadas en analizar el contexto colombiano relacionado con la vulnerabilidad y la capacidad de adaptación al cambio climático. Encontrando que 20 de los 32 departamentos sufrirían cambios en el régimen de precipitación y temperatura.
Aunque los modelos de circulación global tienen en cuenta el uso del suelo a nivel regional, no contempla cambios locales. Por lo tanto, es conveniente que en el proceso de análisis, se incorpore un elemento que asocie los resultados de los modelos de circulación global para diferentes escenarios y el cambio en los usos del suelo, buscando tener una menor incertidumbre en la toma de decisiones.
A la luz del impacto del cambio climático y los cambios en el uso del suelo se han definido tres ejes de análisis principales para el estudio: modelación hidrológica, proyección de cambios en el uso del suelo y cálculo de índices de escasez. Cada uno de estos ejes está relacionado con los objetivos o alcances definidos para el trabajo de grado.
Es importante resaltar que el estudio realizado, se desarrolló a partir de las conclusiones y recomendaciones presentadas en el “Estudio del impacto del cambio climático en las afluencias de un embalse ubicado en la jurisdicción de la CAR Cundinamarca, Colombia “ (Gomez Vargas, 2016), las cuales hacen referencia a la necesidad de complementar los estudios asociados a las respuestas de las cuencas bajo escenarios de cambio climático.
Los análisis desarrollados complementan el conocimiento sobre el cálculo de la oferta hídrica de la zona de estudio, la cual ha sido de especial interés por la CAR para
adelantar estudios para el abastecimiento de los municipios de Tabio, Tenjo Cajicá, Chía y Cota.
1.
Objetivos
Objetivo generalEvaluar el impacto del cambio climático y de los cambios del uso del suelo en los caudales de la cuenca del río Frío.
Objetivos específicos
Calibrar y validar un modelo hidrológico para la cuenca que a resolución mensual refleje el comportamiento de los caudales del río Frío.
Generar escenarios futuros de usos del suelo basados en sistemas de autómatas celulares para la cuenca del río Frío.
Estimar los índices de escasez proyectados hasta el año 2030 para verificar el cumplimiento de la demandas proyectadas por la CAR.
2.
Marco conceptual
En este capítulo se presentan los conceptos que se han desarrollado en cuanto a cambio climático, cambios de usos de suelo, autómata celular y modelación hidrológica. Se incluye una definición de los conceptos claves y material consultado relacionados con los temas principales del trabajo. Estos conceptos, permiten crear un contexto en el cual se relacionen las dinámicas que existen entre precipitación, suelo y caudal.Para el desarrollo del presente trabajo se consultaron los principales documentos desarrollados por el Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM) entidad que lidera el estudio del cambio climático en el país. Así mismo, se mencionan los principales documentos consultados en lo relacionado con usos del suelo, autómata celular y modelos hidrológicos.
Cambio climático
Para el presente trabajo se entiende por cambio climático a la “variación del estado del clima identificable (por ejemplo, mediante pruebas estadísticas) en las variaciones del valor medio y/o en la variabilidad de sus propiedades, que persiste durante largos períodos de tiempo, generalmente decenios o períodos más largos”(IPCC, 2013, p. 188).
Por su parte, la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC), lo define como el “cambio de clima atribuido directa o indirectamente a la actividad humana que altera la composición de la atmósfera global y que se suma a la variabilidad natural del clima observada durante períodos de tiempo comparables” (Citado por IPCC, 2013, p. 188).
La definición utilizada por la CMNUCC, hace una distinción importante entre los cambios en el clima que están relacionados con las actividades humanas y el cambio asociado a
las dinámicas propias de la tierra. Este contraste es importante ya que sobre este, se han generado diversas discusiones asociadas a las verdaderas causas del cambio climático.
Un concepto clave y que ayuda a entender y diferenciar los procesos climáticos a los cuales se hace referencia en el presente estudio corresponde a variabilidad climática, la cual según el IPCC (Panel Intergubernamental de Cambio Climático), el cual se considera como el ente principal en temas relacionados con el cambio climático, “denota las variaciones del estado medio y otras características estadísticas (desviación típica, sucesos extremos, etc.) del clima en todas las escalas espaciales y temporales más amplias que las de los fenómenos meteorológicos. La variabilidad puede deberse a procesos internos naturales del sistema climático (variabilidad interna) o a variaciones del forzamiento externo natural o antropógeno (variabilidad externa)”.(IPCC, 2013, p. 20)
El Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM) define la variabilidad climática como las oscilaciones alrededor de los valores normales de la variable climatológica analizada. Las diferencias se conocen como anomalías y corresponden a la diferencia del valor registrado (valor extremo) y el promedio de la variable para un periodo de por lo menos 30 años (Montealegre B., 2014, p. 15).
Las fluctuaciones o variaciones en el estado medio del clima, a las cuales hacen referencia tanto el IDEAM como el IPCC, se pueden presentar en diferentes escalas de tiempo. La escala estacional presenta variaciones a nivel mensual, la escala intra-estacional se puede presentar en decenas de días, la escala inter-anual con variaciones año a año y la escala inter-decadal con variaciones a nivel de décadas (Montealegre B., 2014, p. 15).
El instituto encargado de brindar apoyo técnico y científico en lo relacionado a las dinámicas de los recursos naturales y el medio ambiente y quien lidera los procesos en temas relacionados con el cambio climático en el país es el IDEAM. Este instituto ha presentado tres Comunicaciones Nacionales en los años 2001, 2010 y 2017 como principal mecanismo de reporte para presentarle al mundo sus avances como miembro de la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC).
La tercera comunicación (año 2017) fue desarrollada en alianza con el Ministerio de Ambiente y Desarrollo Sostenible, el Departamento Nacional de Planeación, la Cancillería y el Programa de las Naciones Unidas para el Desarrollo (PNUD), donde se
exponen los análisis de las condiciones actuales nacionales, el inventario nacional de gases efecto invernadero, acciones de mitigación, vulnerabilidad por riesgo por cambio climático y las diferentes acciones de adaptación (IDEAM, PNUD, MADS, DNP, 2017).
En dicha comunicación, los análisis elaborados se desarrollaron teniendo en cuenta los escenarios descritos en el quinto informe de evaluación del IPCC presentado en el 2013 (AR5), tomando como clima de referencia para la comparación con escenarios futuros al clima analizado entre el año 1976 y 2005.
La metodología de análisis de la información, tuvo para esta tercera comunicación un ajuste en el proceso de trabajo, con el objetivo de presentar resultados de manera más rápida. Dicho ajuste se representa en la siguiente figura. La metodología utilizada anteriormente se denominaba secuencial mientras que la metodología actualizada se denomina en paralelo.
Figura 2-1: Metodología para análisis bajo escenarios de cambio climático (IDEAM, PNUD, MADS, DNP, 2015c)
La metodología planteada anteriormente en la figura b, expone un concepto relacionado con los caminos representativos de concentración, los cuales son definidos por el IPCC (IPCC, 2013) como:
“Representación plausible y en ocasiones simplificada del clima futuro, basada en un conjunto de relaciones climatológicas internamente coherente definido explícitamente para investigar las posibles consecuencias del cambio climático
antropógeno, y que puede introducirse como datos entrantes en los modelos de impacto”.
“Un escenario es una descripción estimable sobre cómo puede desarrollarse el futuro. Esta descripción está basada en un conjunto de variables y supuestos sobre fuerzas y relaciones de cambio claves, que pueden originar un convincente posible estado futuro del mundo” (IDEAM, PNUD, MADS, DNP, 2015c).
De las definiciones mencionadas anteriormente se puede afirmar que un escenario de cambio climático describe la variación futura del clima, en relación al comportamiento que podrían presentar diferentes sectores de la economía, la industria y la sociedad en sí misma. Aunque no es una predicción o proyección, cada escenario describe las tendencias que podría presentar la climatología regional. En consecuencia, estos escenarios son fundamentales para la toma de decisiones para diversos proyectos en el mediano y largo plazo.
Los nuevos escenarios de emisiones presentados por el IPCC, se denominan “Caminos Representativos de Concentración (RCPs por sus siglas en inglés). Éstos se caracterizan por su Forzamiento Radiativo (FR) total para el año 2100 que oscila entre 2,6 y 8,5 vatios por metro cuadrado (W/m2). Las características de los escenarios se presentan a continuación (IDEAM, PNUD, MADS, DNP, 2015b).
Tabla 2-1: Caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100 (IDEAM, PNUD, MADS, DNP, 2015a)
A nivel nacional, el análisis de estos escenarios indica que el país sufrirá un aumento en la temperatura de +2,6 °C entre el año 2071 y 2100. Así mismo, el país sufrirá modificaciones en el régimen de precipitación y no será el mismo para todas las
regiones. Por lo tanto, los análisis de las medidas que se requieran para hacer frente a dichos fenómenos, deben ser diferentes en cada región (IDEAM, PNUD, MADS, DNP, 2015a). En la siguiente figura se muestran los cambios en temperatura y precipitación para el departamento de Cundinamarca para el periodo 2017 al 2100.
Para obtener los resultados presentados anteriormente, el IDEAM realizó los análisis con los datos descargados de la base de datos del proyecto CMIP5 asociados a las series de precipitación y temperatura, con los Modelos de Circulación General (MCG) mostrados en la Tabla 2-2. Un Modelo de Circulación General es definido por el IPCC como:
“Representación numérica del sistema climático basada en las propiedades físicas, químicas y biológicas de sus componentes, en sus interacciones y en sus procesos de retroalimentación, y que recoge todas o algunas de sus propiedades conocidas. (…). Los modelos de circulación general atmósfera-océano (MCGAO) acoplados proporcionan la más completa representación del sistema climático actualmente disponible. (…). Los modelos climáticos se utilizan como herramienta de investigación para estudiar y simular el clima y para fines operativos, en particular predicciones climáticas mensuales, estacionales e interanuales” (IPCC, 2013).
Tabla 2-2: Lista de MCG utilizados para la Tercera Comunicación (Gómez Vargas, 2015)
Para Colombia no se ha desarrollado un MCG que represente el comportamiento de cada una de las regiones que conforman el país. Por lo tanto, es necesario analizar las características de cada uno de los modelos existentes, y así determinar cuál de ellos se ajusta mejor a la zona de análisis.
Uso del suelo
Las actividades desarrolladas por el hombre en cada tipo de cobertura terrestre se conocen como uso del suelo; dichos usos abarcan la destinación del recurso terrestre a actividades de ganadería, agricultura, vivienda, recreación, conservación entre otros.
Algunas actividades producen modificaciones en el uso del suelo, como la deforestación, las actividades agropecuarias, las actividades de minería, la creación de embalses, los cambios de cultivo y los vertimientos industriales.
Estas modificaciones pueden producir cambios en las condiciones climáticas de las zonas donde se realizan, según lo expuesto en el estudio desarrollado por el Instituto Humboldt, en asociación con la Universidad Nacional de Colombia (Rodríguez-Eraso N., Pabón-Caicedo J.D., 2010) donde citan: “El clima es un factor primordial en la distribución de los patrones mundiales de los ecosistemas y, al mismo tiempo, los
ecosistemas, a través de su cobertura vegetal y suelos, pueden afectar el sistema climático”.
En la siguiente figura se presenta la relación entre clima – suelo y los impactos que se generan al modificar alguna de ellas.
Figura 2-3: Interacciones biofísicas entre el clima y la cobertura vegetal (Rodríguez-Eraso N., Pabón-Caicedo J.D., 2010)
Se entiende entonces, que una modificación en el uso del suelo puede generar un cambio en los niveles medios de temperatura, evaporación, precipitación (lo que se entiende como cambio climático), produciendo una modificando en el balance hídrico de los sistemas, afectando las producciones hídricas de los cuerpos de agua.
Se hace importante analizar los cambios de uso del suelo, al ser “uno de los principales impulsores del cambio de la diversidad biológica y se proyecta para el año 2100 como el de mayor impacto global, seguido del cambio climático” (Rodríguez-Eraso N., Pabón-Caicedo J.D., 2010).
En Colombia, la autoridad nacional para estudiar los cambios del uso del suelo es el Instituto Geográfico Agustín Codazzi (IGAC) el cual genera mapas de cobertura con ayuda de fotografías satelitales de cubrimiento nacional.
En el año 2014 el IGAC revelo que: “Colombia es un país que cuenta con 114.174.800 hectáreas, compuestas por un sinfín de coberturas que van desde las selvas casi vírgenes del Amazonia hasta zonas deforestadas y secas en la Costa Atlántica” (IGAC, 2014, p. 1)
Autómata celular
La información consultada refleja un alto grado de unanimidad en cuanto a qué se entiende por autómatas celulares. Por lo tanto, para el presente trabajo se definen como: “sistemas dinámicos discretos que rigen el comportamiento de ciertos elementos bajo reglas de evolución temporal” (Rechtman, 1991, p. 1).
Históricamente su desarrollo podría clasificarse en tres etapas: la primera etapa en los años 50’s, la segunda etapa en los años 60’s y la tercera etapa en los años 80’s. En la primera etapa, desarrollada con John von Neumann, desarrolló el análisis para describir un sistema con la capacidad de soportar dos principales características: sistemas complejos y sistemas con la capacidad de autoreproducción, la segunda etapa en los años 60’s con John Horton Conway y el desarrollo del autómata conocido como “el juego de la vida” y la tercera etapa en los años 80’s con Stephen Wolfram el cual realizó un estudio sistemático tomando un conjunto de reglas y estudia sus evoluciones (Martínez, 2006).
Este tipo de modelos se han reconocido como una herramienta importante para el análisis de diferentes fenómenos naturales y artificiales por todo el mundo. En ellos se definen reglas sencillas que rigen la evolución del fenómeno analizado, permitiendo describir su comportamiento a través del tiempo.
Un ejemplo de autómata celular para proyectar cambios de uso en el suelo se encuentra en el trabajo de grado: “Aplicación de un modelo predictivo para el análisis del impacto generado por el cambio de cobertura urbana en el municipio de Mosquera, Cundinamarca” (SUÁREZ CAMARGO & MARCELA, 2018), en el cual se implementó la herramienta MOLUSCE de QGIS para realizar la proyección de cambios en el uso del suelo (ver Figura 2-4).
Figura 2-4: Autómata Celular mediante el uso de la herramienta MOLUSCE (SUÁREZ CAMARGO & MARCELA, 2018)
Otro ejemplo de uso de autómatas celulares corresponde al “diseño de un modelo basado en autómatas celulares para el cambio de uso del suelo Bogotá” (Garay Linares & Figueroa Salazar, 2015), a través de la implementación del programa NetLogo. La siguiente figura muestra las reglas de evolución planteadas en dicho trabajo.
Figura 2-5: Reglas de evolución de cambio de uso y cobertura en la ciudad de Bogotá (Garay Linares & Figueroa Salazar, 2015, p. 38)
Regla 1: Si la mayoría de vecinos son de actividad residencial, el vecino analizado pasará a ser de uso residencial
Regla 2: Si la mayoría de vecinos son de actividad comercial, el vecino analizado pasará a ser de uso comercial
Regla 3: Si la mayoría de vecinos son de actividad industrial, el vecino a analizar pasará a ser de uso industrial
Como se identifica en las figuras anteriores, las reglas de evolución son subjetivas y dependen del objetivo que se planteé para cada análisis. Estas reglas deben definirse teniendo en cuenta el comportamiento histórico del fenómeno que se esté analizando.
El cambio de uso y coberturas del suelo es un elemento de vital importancia para el análisis hidrológico de una cuenca. Estos cambios modifican el comportamiento hidrológico de la cuenca y su capacidad de respuesta ante diferentes fenómenos. Uno de los cambios en el comportamiento de una cuenca, puede evidenciarse al impermeabilizar zonas verdes. Con dicho cambio la producción de caudales de escorrentía aumenta y por lo tanto la susceptibilidad de una región ante fenómenos como las inundaciones
aumenta. Así mismo, los análisis que se realicen sobre dichos caudales presentan hoy en día un elemento adicional asociado a los impactos relacionados con los efectos del cambio climático, lo cual repercute en el dimensionamiento y la planificación de obras hidráulicas.
2.3.1 MOLUSCE
Para este análisis se utilizó el plugin o herramienta MOLUSCE (Methods Of Land Use Change Evaluation) de QGIS, diseñada para analizar, modelar y simular cambios del uso del suelo, estableciendo las probabilidades de cambio de usos a partir de información histórica.
A partir de los cálculos desarrollados con la herramienta para definir el potencial de transición, MOLUSCE incorpora un módulo de simulación de autómata celular el cual permite definir la proyección de usos del suelo. A continuación se describen algunos de los conceptos más importantes a tener en cuenta para la implementación de la herramienta. Los conceptos presentados son definidos a partir de la información consultada en GIS LAB (Landscape change analysis with MOLUSCE – methods and
algorithms, 2014, Obtenido de:
http://wiki.gis- lab.info/w/Landscape_change_analysis_with_MOLUSCE_-_methods_and_algorithms#Data_Provider).
MOLUSCE cuenta con varios módulos para la lectura, almacenamiento y procesamiento de datos: módulo GUI, módulos de utilidad y módulos algorítmicos.
Módulos GUI
Corresponden a los módulos para implementar la interfaz del usuario.
Módulos de utilidad
Estos módulos se encargan de la creación, almacenamiento, manipulación, comparación y proceso de muestreo de los datos de entrada. Los principales módulos son: Proveedor de datos (Data Provider), Muestreado (Sampler) y Tabulación Cruzada (Cross Tabulation).
- Proveedor de datos (Data Provider): este módulo le permite a la herramienta desarrollar procesos como la creación y el almacenamiento de raster, manipulación de datos, estadísticas de bandas de raster, verificación de proyecciones y tamaños de raster.
- Muestreado (Sampler): este módulo se encarga del proceso de muestreo de la información empleada por la herramienta. Una muestra es un conjunto de datos de entrada y los datos de salida correspondientes que deben predecirse a través de un modelo.
El muestreo es utilizado en los modelos de regresión logística y predictores perceptrón multicapa. Para desarrollar el muestreo, MOLUSCE utiliza dos transformaciones para lograr un mejor ajuste: codificación ficticia (dummy coding) y normalización.
El proceso de muestreo funciona con píxeles individuales y una vecindad de pixeles, implementado el método de vecindad de Moore. Si el tamaño del vecindario es 1, la ventana de análisis será de 3x3, tal como se muestra en la Figura 2-6.
Figura 2-6: Vecindad de Moore
4 4 4 4 4 4 4 4 4 Celda actual 4 3 3 3 3 3 3 3 4 4 3 2 2 2 2 2 3 4 Vecindario Ventana 4 3 2 1 1 1 2 3 4 1 3x3 4 3 2 1 1 2 3 4 2 5x5 4 3 2 1 1 1 2 3 4 3 7x7 4 3 2 2 2 2 2 3 4 4 9x9 4 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4
- Tabulación Cruzada (Cross Tabulation): este módulo permite crear la tabla asociada a la matriz de transición, en la cual se presenta las estadísticas de transición, es decir, cuántos pixeles han cambiado del estado inicial al estado final.
Módulos algorítmicos
Este módulo permite crear un modelo que permita predecir los cambios de usos de suelo. Los modelos incorporados para definir el potencial de transición son:
- Red Neuronal Artificial, Perceptrón Multicapa (Artificial Neural Network – ANN). - Evaluación Multi criterio (Multi Criteria Evaluation – MCE).
- Pesos de Evidencia (Weights of Evidence - WoE). - Regresión Logística (Logistic Regression - LR)
Para el presente trabajo se analizará el uso de los modelos relacionados con la red neuronal artificial – perceptrón multicapa o la regresión logística.
El perceptrón multicapa está compuesto por una capa de entrada, una capa de salida y una o varias capa ocultas.
En este modelo, una muestra contiene la coordenada del píxel, los datos de entrada divido en variables ficticias y los datos de salida. El proceso de muestreo puede ser de revisión de todas las celdas del raster, revisión aleatoria o estratificada.
La función de activación empleada por MOLUSCE corresponde a la función sigmoidal logarítmica (numpy.tanh) la cual se presenta en la Figura 2-7.
Figura 2-7: Función de activación (sigmoide numpy.tanh)
La herramienta permite establecer el modo de muestreo, el número de muestras, el tamaño de la vecindad (N), la tasa de aprendizaje (n), el máximo número de iteraciones, la cantidad de capas ocultas la cantidad de neuronas y factor de momento.
La red creada tiene: (C-1)(2N+1)²+B(2N+1)² neuronas de entrada y M neuronas de salida. C es la cantidad de categorías de uso del suelo, B es el recuento de bandas de
resumen de los raster de factores. En la Figura 2-8 se presenta el esquema básico del modelo perceptrón multicapa.
Figura 2-8: Representación del modelo perceptrón multicapa (Vílchez, V. Septiembre de 2010. Obtenido de: http://ceres.ugr.es/~alumnos/esclas/ )
Los modelos de regresión estudian la relación entre una serie de variables independientes (xi) y las variables dependientes o respuesta (y). En la Figura 2-9 se presenta el esquema básico del modelo de regresión. Bi son los coeficientes, Bo es la pendiente.
Figura 2-9: Representación del modelo de regresión (Marín Diazaraque, 2012, p. 13)
Este modelo es equivalente a una red neuronal de una capa, donde los parámetros B equivalen a los pesos de la red y la función de activación es la identidad.
Modelos hidrológicos
A partir de conceptos teóricos y métodos computacionales, los modelos hidrológicos buscan representar los diferentes procesos que se desarrollan en una cuenca. Así mismo, estos modelos permiten evaluar las relaciones que puedan presentarse entre cada uno de los agentes que interactúan en la cuenca, como el suelo, la precipitación, la temperatura, la evaporación, la transpiración entre otros.
Los modelos hidrológicos buscan representar los diferentes procesos asociados a la distribución de la lluvia y la generación de caudales en una cuenca (Stehli, Weber, & Jorquera, 2012).
Los modelos hidrológicos pueden clasificarse de diferentes maneras dependiendo de algunas características como se menciona a continuación.
2.4.1 De acuerdo a la conceptualización de los procesos básicos.
En esta categoría se pueden encontrar los modelos de caja negra y los modelos de caja blanca. Los modelos de caja negra son aquellos que relacionan las entradas y las salidas sin intentar representar el impacto de procesos individuales como los son el método
Kostiakov, Green Ampt, método racional y método del número de curva. Los modelos de caja blanca basados en ecuaciones físicas como lo son TOPMODEL, TOPKAPI, SHE etc
2.4.2 De acuerdo a la naturaleza de los algoritmos básicos
En relación a la naturaleza de los algoritmos, los modelos pueden ser determinísticos o estocásticos. Un modelo es determinístico cuando alguna de las variables consideradas en las ecuaciones que representan los procesos es considerada como variable aleatoria (con una distribución de probabilidad). Contrario a lo anterior un modelo es determinístico si todas las variables se consideran libres de la variación aleatoria tal que ninguna tiene una distribución probabilística.
2.4.3 De acuerdo a su representación espacial
Los modelos pueden clasificarse dependiendo de su representación espacial en dos grupos: agregados o distribuidos. Un modelo es agregado cuando se representa la cuenca como un único elemento homogéneo, lo cual puede ser coherente con los procesos que se dan en la cuenca cuando su tamaño no es muy grande. Por lo contrario, cuando el área de la cuenca aumenta, los procesos que se dan en ella no se pueden representar como un único elemento, sino que se representan en varios elementos, estos modelos se denominan distribuidos (Chong-yu Xu, 2002).
El proceso de modelación, independiente de su clasificación, puede describirse de manera general como se muestra en la Figura 2-10.
Figura 2-10: Proceso de modelación general (Beven, 2012, p. 3)
Se han revisado las características principales de algunos de los modelos hidrológicos más utilizados en relación a los aspectos que se consideran más representativos para determinar cuál de ellos es el que se adapta a los requerimientos del estudio. En la Tabla 2-3 se presentan algunas características.
Tabla 2-3: Características básicas de algunos modelos hidrológicos consultados
Id Modelo Ag re g a c ió n e s p a c ia l Es c a la t e m p o ra l Cód ig o a b ie rto Es c o rr e n tí a s u p e rf ic ia l Al m a c e n a m ie n to Ev a p o tra n s p ir a c ió n In te rc e p ta c ió n In fi ltr a c ió n Ba la n c e d e e n e rg ía Trá n s ito e n c a u c e s Fl u jo s u b s u p e rf ic ia l Fl u jo s u b te rrá n e o Pe rc o la c ió n Hum e d a d d e l s u e lo Ero s ió n Pre c ip ita c ió n h o ri z o n ta l Se d im e n to s Us o s d e l s u e lo Cal id a d d e l a g u a Ev e n to s o c o n ti n u o 1 DHSVM S H,D, S √ √ √ √ √ √ √ √ √ 2 CASC2D D S √ √ √ √ √ √ √ √ √ √ √ 3 TOP MODEL S H √ √ √ √ √ √ C 4 TOP KAPI D D,S √ √ √ √ √ √ 5 FIESTA D D,M √ √ 6 DREAM D D,S √ √ √ √ √ √ √ √ √ √ √ 7 CQ-FLOW D D,S √ √ √ √ √ √ √ √ 8 TETIS S D,S √ √ √ √ √ √ √ √ √ √ 9 AVSWAT S D,S √ √ √ √ √ √ √ √ √ √ √ √ √ √ 10 ANSWER D √ √ √ √ √ √ √ √ √ E,C
Id Modelo Ag re g a c ió n e s p a c ia l Es c a la t e m p o ra l Cód ig o a b ie rto Es c o rr e n tí a s u p e rf ic ia l Al m a c e n a m ie n to Ev a p o tra n s p ir a c ió n In te rc e p ta c ió n In fi ltr a c ió n Ba la n c e d e e n e rg ía Trá n s ito e n c a u c e s Fl u jo s u b s u p e rf ic ia l Fl u jo s u b te rrá n e o Pe rc o la c ió n Hum e d a d d e l s u e lo Ero s ió n Pre c ip ita c ió n h o ri z o n ta l Se d im e n to s Us o s d e l s u e lo Cal id a d d e l a g u a Ev e n to s o c o n ti n u o 11 T-REX D √ √ √ √ √ √ √ E 12 ATHYS D √ √ √ 13 AQUA D √ √ √ 14 MODFLOW D D,M, A √ 15 MODBRANC H D √ √ √ 16 ECOFOW D √ √ √ √ √ √ √ 17 SHE D √ √ √ √ √ 18 PRMS S H, D √ √ √ √ √ √ √ E, C 19 JAMS D √ √ √ √ √ √ √ 20 SHALL3 D √ √ √ √ √ 21 VIC S √ √ √ √ √ √ 22 CRITERIA3D D √ √ √ 23 IRENE3D D √ √ 24 M. TEMEZ S M √ 25 M. abcd
En la Tabla 2-4 se presentan las escalas temporales y espaciales de algunos modelos consultados en el estudio de Modelación hidrológica e hidráulica de la cuenca del río Coello (Pontificia Universidad Javeriana, 2016).
Tabla 2-4: Comparación de escalas de modelos hidrológicos (Pontificia Universidad Javeriana, 2016)
De los aspectos que se consideraron relevantes para determinar el modelo a implementar están los siguientes: que el software sea de distribución gratuita y que uno
de los parámetros que controlen los procesos de producción de caudales sea el uso o cobertura del suelo.
Teniendo esto en consideración, de los modelos presentados anteriormente, cuatro cumplen con los criterios mencionados: DHSVM, AVSWAT, ATHYS y PRMS. De estos modelos se seleccionó AVSWAT en la medida que su plataforma de implementación tiene complementos con software de manejo de información geográfica como ArcGIS y QGIS y la respuesta de la cuenca se caracteriza por Unidades de Respuesta Hidrológica, con lo cual se podría esperar tener un buen comportamiento en la representación de los caudales.
2.4.4 SWAT
El análisis de la información presentada en la Tabla 2-3 en relación a la disponibilidad gratuita del software, el uso del suelo como input para el cálculo de caudales, la temporalidad y tipo de distribución espacial, así como los análisis presentados en la variabilidad de las series de precipitación y temperatura hacen del SWAT el modelo hidrológico que se ajuste mejor a los requerimientos del estudio.
Soil and Water Assessment Tool (SWAT) es un modelo matemático que modela diferentes procesos físicos con el objetivo de analizar los impactos de los cambios de uso del suelo la escorrentía superficial. El programa divide la cuenca de estudio en múltiples subcuencas, las cuales dependiendo de su homogeneidad en cuanto al uso del suelo, tipo de suelo y topografía, son divididas en unidades de respuesta hidrológicas (HRUs).
La simulación hidrología desarrollada por el modelo se divide en dos fases, la primera fase denominada “Fase terrestre del ciclo hidrológico” controla la cantidad de agua en el sistema y la segunda denominada “Fase de enrutamiento del ciclo hidrológico” controla el movimiento del agua a través de la red del sistema.
Figura 2-11: Representación del ciclo hidrológico en SWAT (Senamhi, 2017)
Fase terrestre del ciclo hidrológico
Las entradas y procesos que hacen parte de esta fase del modelo corresponden a las simulaciones relacionadas con el clima, la hidrología, cobertura de tierra/crecimiento de planta, producción de erosión y sedimentos, movimiento y transformación de nutrientes, movimiento de pesticidas y prácticas de manejo por HRU. El ciclo hidrológico es simulado por SWAT basado en la siguiente ecuación.
𝑆𝑊𝑡 = 𝑆𝑊0+ ∑(𝑅𝑑𝑎𝑦− 𝑄𝑠𝑢𝑟𝑓− 𝐸𝑎− 𝑊𝑠𝑒𝑒𝑝− 𝑄𝑔𝑤)
(2.1)
Donde
SWt = Contenido final de agua en el suelo (mm)
SW0=Contenido inicial de agua del suelo en un día i (mm) Rday = Cantidad de precipitación en un día i (mm)
Qsurf = Cantidad de escorrentía de la superficie en un día i (mm) Ea = cantidad de evapotranspiración en un día i (mm)
Wseep = Cantidad de agua que percola en el perfil del suelo en un día i (mm) Qgw = Cantidad de flujo de retorno en un día i (mm)
Enrutamiento en el canal principal
Una vez el programa ha hecho el cálculo de los volúmenes de agua, sedimentos, nutrientes y pesticidas hacia el canal, estas son dirigidas por la red principal. En la Figura 2-12 se muestran los procesos de corriente que modela el programa.
3.
Metodología
En la Figura 3-1 se presenta el esquema asociado a la metodología que se desarrolló en el presente trabajo.
Figura 3-1: Metodología para el trabajo de grado
El área de drenaje de la cuenca del río Frío hasta el punto de confluencia con el río Bogotá y hasta la estación de caudales Puente La Virginia, se a partir del DEM disponible de la zona y la cartografía base del IGAC.
Para la estimación de caudales a nivel mensual de la cuenca del río Frío se realiza la recopilación de la serie de registros de estaciones hidrométricas disponibles en la zona de estudio en entidades como el IDEAM o la CAR y aquellos recopilados y trabajados en estudios previos de la cuenca.
Obtenida la serie hidrológica de caudales, el área aportante hasta la estación Puente La Virginia y los usos del suelo de la cuenca, se seleccionó y analizó el modelo hidrológico que teniendo en cuenta estos parámetros, se ajuste mejor al tipo de estudio.
La generación de escenarios futuros de usos del suelo se realiza mediante la aplicación de un modelo de Autómata Celular, para ello se lleva a cabo la revisión y recopilación de información de la caracterización de usos y cobertura del suelo de la cuenca en estudio, para establecer la dinámica y patrones de evolución espaciales de los cambios de usos y coberturas de suelos de la cuenca a través de los años, esta información fue descargada de la base de datos del Sistema de Información Ambiental de Colombia.
Con la selección del modelo hidrológico, las proyecciones de usos del suelo y la información meteorológica para condiciones futuras bajo escenarios de cambio climático, se realiza la estimación de índices de escasez la cuenca del río Frío para diferentes horizontes de modelación.
4.
Descripción y caracterización de la cuenca
de estudio
Un aspecto importante al momento de desarrollar modelación hidrológica corresponde a la caracterización de la cuenca de estudio desde aspectos morfométricos, hidrológicos y climáticos, ya que con esta información se puede establecer la manera cómo esta funciona.
Si bien la cuenca desemboca en el rio Bogotá, esta se analizó hasta la estación Puente La Virginia ya que es en ella donde se cuenta con una estación hidrométrica para analizar y desarrollar la modelación hidrológica.
Descripción de la cuenca de estudio
La subcuenca del Río Frío se encuentra localizada en la parte alta de la cuenca del Río Bogotá, entre los 2550 y 3700 msnm, presenta relieves montañosos con clima frío húmedo y temperatura promedio de 12ºC. La cuenca atraviesa parcialmente los municipios de Tabio, Cajicá, Zipaquirá y Chía y en menor proporción los municipios de Tenjo, Cogua, Pacho, Cota y Subachoque. En la subcuenca se presentan diferentes actividades que afectan fuertemente su oferta hídrica como el pastoreo intensivo, la deforestación de los bosques nativos existentes, los malos sistemas de riego, la explotación minera, el incremento de los cultivos de flores y la intensificación del sistema agrícola.
Figura 4-1: Ubicación general de la cuenca del río Frío
A partir de la información cartográfica del IGAC descargada del WFS (Web Feature Service) disponible a escala 1:100.000, se determinaron las características morfométricas en cuanto a área, perímetro, longitud del cauce, pendiente del cauce, tiempo de concentración, densidad de drenaje, coeficiente de compacidad y factor de forma de la cuenca del río Frío. A continuación se presentan las definiciones de algunos de los parámetros calculados para la cuenca hasta la estación Puente La Virginia.
Área de drenaje
Es el área plana (proyección horizontal) incluida entre su divisoria topográfica (Sáenz, 1995).
Perímetro
Corresponde a la longitud de la línea divisoria de la cuenca de drenaje.
Longitud del cauce
Es la distancia medida desde el punto más alejado de la cuenca hasta el sitio de interés, en este caso la confluencia del río Frío con el río Bogotá.
Diferencia total de elevación del lecho del río dividido por su longitud entre eses puntos. (Sáenz, 1995). Se determinó la pendiente media del cauce mediante la metodología de Taylor
Tiempo de concentración
Es el tiempo que la lluvia que cae en punto más distante de la corriente de agua de una hoya toma para llegar a una sección determinada de dicha corriente. El tiempo de concentración mide el tiempo que se necesita para que toda la hoya contribuya con escorrentía superficial en una sección considerada. Para estimar el tiempo de concentración se utilizó la ecuación de Kirpich.
Densidad de drenaje
Relación entre la longitud total de los cuerpos de agua dentro de la cuenca en Km y el área total de ésta en Km2. Generalmente se expresa en km/km2 y toma valores entre 0,5 para cuencas con drenaje pobre y 3,5 para cuencas excepcionalmente bien drenadas (Monsalve, 1991).
𝐷
𝑑= 𝐿 𝐴
⁄
(4.1)
Donde
L = Longitud total de las corrientes de agua en km A = Área de la cuenca en km2
Coeficiente de compacidad
Relación entre el perímetro de la hoya y la longitud de la circunferencia correspondiente a un círculo de igual área de la cuenca (Sáenz, 1995). El coeficiente de compacidad o índice de Gravelius permite determinar la irregularidad de la cuenca.
𝐾𝑐 = 0.28 𝑃
𝐴0.5
(4.2)
Donde
P = Perímetro de la cuenca en km A = Área de la cuenca en km2
Este coeficiente define la forma de la cuenca, respecto a la similaridad con formas redondas, dentro de rangos que se muestran a continuación (FAO, 1985):
Clase Kc1: Rango entre 1 y 1.25. Corresponde a forma redonda a oval redonda.
Clase Kc2: Rango entre 1.25 y 1.5. Corresponde a forma oval redonda a oval oblonga.
Clase Kc3: Rango entre 1.5 y 1.75. Corresponde a forma oval oblonga a rectangular oblonga.
Clase Kc4: Rango mayor a 1.75. Corresponde a forma rectangular oblonga. Cuanto más irregular sea la cuenca mayor será su coeficiente de compacidad. Una hoya circular posee el coeficiente mínimo, igual a uno. Hay mayor tendencia a las crecientes en la medida en que este número sea próximo a la unidad.
Factor de forma
Es la relación entre el ancho medio y la longitud axial de la cuenca. La longitud axial es la distancia en línea recta entre la parte más alta de la cuenca y la parte más baja o de desembocadura (FAO, 1985). Una cuenca tiende a ser alargada si el factor de forma tiende a cero, mientras que su forma es redonda, en la medida que el factor de forma tiende a uno.
𝐹𝑓 =𝐿𝐴2
(4.3) Donde
A = Área de la cuenca en km2
L = Longitud axial de la cuenca en km
En la siguiente tabla se presentan los parámetros calculados hasta la estación Puente La Virginia.
Tabla 4-1: Características morfométricas cuenca río Frío hasta la estación Puente La Virginia. Área km2 Perímetro km Longitud del cauce km Pendiente del cauce Ff Kc Densidad de drenaje
154,5 70,6 34,96 1,07% 0,32(Alargada) 1,80 (Oval oblonga a rectangular oblonga)
1,1 (Pobre)
Caracterización climatológica periodo histórico
Para realizar la caracterización climatológica de la cuenca de estudio para el periodo histórico (1988 - 2006) se revisó la información existente en la página de la CAR (CAR, 2018, Obtenido de: https://www.car.gov.co/index.php?idcategoria=10571) y en la página
del IDEAM (IDEAM, 2018, Obtenido de:
http://sirh.ideam.gov.co:8230/Sirh/faces/observatoríoSuperficiales.jspx). Se fijó como periodo histórico dichos años ya que la base de datos de los modelos globales fijo también ese periodo para sus análisis.
Con el fin de realizar la caracterización de los parámetros de precipitación y temperatura en términos de temporalidad y siendo estos parámetros insumos para los modelos hidrológicos, se revisaron las estaciones climatológicas existentes dentro de la cuenca en estudio y en cuencas vecinas que contaran con estos registros. En la Tabla 4-2 se presentan las características de las estaciones utilizadas y en la Figura 2-2 su localización.
Tabla 4-2: Estaciones climatológicas analizadas.
Código Nombre Elevación Entidad Tipo Corrien te
Munici
pio Este Norte Periodo
Period o de registr o (Años) 2120541 Represa
del Neusa 3100 CAR CP
Emb.
Neusa Cogua 1011400 1060090 1954 2002 49 2120565 Tabio 2620 CAR CP Chicú Tabio 998070 1035180 1979 1997 19
2120106
Pantano Redondo
1
3160 IDEAM PG Frío Zipaquir
á 1005277 1048025 1951 2016 66
2120176 Santa
Isabel 2680 CAR PM Frío Tabio 1001580 1042496 1969 2014 46 2120026 Venta
Larga 3062 CAR PG Frío
Zipaquir
a 1003428 1051711 1947 2013 67 2120188 Villa paula 2750 CAR PG Tince Tabio 999732 1036966 1992 2014 23 2120214 Guerrero 3200 CAR PM Frío Zipaquir
a 1005276 1057240 1998 2014 17 CP = Climatológica principal; PG = Pluviográfica; PM = Pluviométrica.
Las estaciones Represa del Neusa y Tabio se utilizaron para caracterizar la temperatura media de la cuenca, las estaciones restantes fueron utilizadas para caracterizar la precipitación.
Es importante mencionar que la selección de las estaciones de precipitación, temperatura y caudal se realizó teniendo en cuenta la disponibilidad de la información histórica, la espacialización de las estaciones y la disponibilidad de la información de las proyecciones de las series de datos.
4.2.1 Período de tiempo analizado
De acuerdo con la disponibilidad de información de cada una de las estaciones climatológicas identificadas dentro del área de influencia de la cuenca del río Frío (Ver
Tabla 4-2), se evaluó el número máximo disponible de observaciones presentes en cada estación y se identificó un período común de registros entre estaciones, en el cual se cuente con información para todas y cada una de las variables objeto de estudio.
Como se observa en la Tabla 4-2 el periodo común de análisis para las estaciones que registran precipitación es del año 1998 a 2013 y para las estaciones que registran temperatura (Tabla 4-4) es desde el año 1971 hasta el año 1997, presentando ausencia de información desde el año 1987 hasta el año 1990.
Para el periodo común se realizó el cálculo del porcentaje de datos faltantes para cada estación, considerando el cociente entre el número de datos faltantes sobre el número total de registros que posee la estación. A continuación, en la Tabla 4-3 y en la Tabla 4-4
se presenta la relación de parámetros y numero de observaciones de cada estación.
Tabla 4-3: Porcentaje de vacíos estaciones de precipitación.
Código Nombre Entidad Tipo No. de meses con registros Vacíos de información
2120106 Pantano Redondo 1 IDEAM PG 181 5.7%
2120176 Santa Isabel CAR PM 188 2.1%
2120026 Venta Larga CAR PG 175 8.9%
2120188 Villa Paula CAR PG 128 33.3%
2120214 Guerrero CAR PM 183 4.7%
Tabla 4-4: Porcentaje de vacíos estaciones de temperatura.
Código Nombre Entidad Tipo No. de meses con registros Vacíos de información
2120541 Represa del Neusa CAR CP 250 0.91%
2120565 Tabio CAR CP 269 0.97%
Este análisis indicó que las estaciones de precipitación cuentan con información suficiente para tenerlas en cuenta en la caracterización.
4.2.2 Análisis de Fenómeno ENSO
Con el fin de establecer la relación entre el fenómeno ENSO y las series de precipitación de las estaciones seleccionadas en el estudio, se utilizó la clasificación presentada por Golden Gate Weather Services. (Golden Gate Weather Services, Mayo 2019, Obtenido de: https://www.ggweather.com/enso/oni.htm).
Desde la Figura 4-3 hasta la Figura 4-7 se presenta la distribución anual de precipitación de las estaciones utilizadas y el Índice Oceánico del Niño con el fin de establecer la influencia o no del fenómeno ENSO en los registros de lluvia.
En la estación Pantano Redondo el registro de precipitación más alto ocurrió entre el año 1990 y 1991, periodo en el cual se presentó el fenómeno en su fase neutra. Entre el año 1999 y 2000 se presentó el segundo evento de precipitación de mayor magnitud, el cual ha sido clasificado como fase Niña. La precipitación más baja del año 1998 se registró durante la ocurrencia del fenómeno en su fase niño. En términos generales se observa influencia del fenómeno para los eventos extremos registrados en la estación.
Figura 4-3: Variabilidad anual de la precipitación. Estación Pantano Redondo. Periodo 1988 – 2006.
En la estación Santa Isabel los registros de precipitación más altos se presentaron en el intervalo del año 1999 al 2000, periodo en el que ocurrió el fenómeno en su fase Niña. Para el resto de los años las precipitaciones son bajas y ocurren durante el fenómeno en fase Niña, Niño y Neutra.