CARLO S ANDRÉS CARO CAMARGO
161
MIC 2005-II-6 MO DELACIÓ N Y C UANTIFIC AC IÓ N DEL EF EC TO DE LA VEG ETACIÓ N EN LA RESPUESTA H IDRO LÓ GIC A DE CUENCAS C ARLO S ANDRÉS CARO C AMARGO UNIVERSIDAD DE LO S ANDES DEPARTAM EN TO DE ING ENIERÍA C IVIL Y AMB IEN TAL MAGIS TER EN ING ENIERÌA CIVIL 2005
Transcript of CARLO S ANDRÉS CARO CAMARGO
MIC 2005-II-6
1
MO DELACIÓ N Y C UANTIFIC AC IÓ N DEL EFEC TO DE LA VEGETACIÓ N
EN LA RESPUESTA HIDRO LÓGIC A DE CUENCAS
C ARLO S ANDRÉS CARO C AMARGO
UNIVERSIDAD DE LOS ANDES
DEPARTAMEN TO DE INGENIERÍA C IVIL Y AMB IEN TAL
MAGIS TER EN ING ENIERÌA CIVIL
2005
MIC 2005-II-6
2
UNIVERSIDAD DE LOS ANDES
DEPARTAMENTO DE ING ENIERÌA CIVIL
PROGRAMA DE MAGÍSTER EN INGENIERÍA C IVIL
MO DELACIÓ N Y C UANTIFIC AC IÓ N DEL EFEC TO DE LA VEGETACIÓ N
EN LA RESPUESTA HIDRO LÓGIC A DE CUENCAS
Requisito para optar al título de Magíster en Ingeniería Civil.
C ARLO S ANDRES CARO C AMARGO
ASESO R:
MARIO DIAZ-GRANADOS O
BO GO TÁ, 2005
MIC 2005-II-6
3
A mis padres, Marco Antonio
y Luz Margarita quienes me
apoyaron en la realización
de esta tes is.
MIC 2005-II-6
AGRADEC IMIENTO S
• Especial agradecimiento al Ingeniero Mario Diaz-Granados, por su
colaboración y tolerancia en el desarrollo de la tesis.
• Agradecimiento a Juan David Navarrete, quien co laboró en el proceso de
corrida del modelo.
• Agradecimiento a mis padres, por su apoyo incondicional en todas las etapas
del desarrollo de la maestría.
MIC 2005-II-6
1
TABLA DE CONTENIDO
INTRODUCCIÒN 1
1. MARCO CONCEPTUAL 3
1.1 MODELOS DE BALANCE HÍDRICO 3 1.1.1. Modelo T 3 1.1.2. Modelo P 5 1.1.3. Modelo de Thomas (modelo abcd) 6 1.1.4. Método utilizado por MODELO SWAT 1.2 SOFTWARES DE M ODELACIÓN HIDROLÓGICA
TENIENDO EN CUENTA EL CAMBIO EN LA COBERTURA VEGETAL 14 1.2.1 Modelo WM S (Watershed Modeling System) 14 1.2.2 Modelo HSP F (Hidrological Simulation Program Fortran) 15 1.2.3 Modelo ACRU (Agro Hydrological Model) 16 1.2.4 Modelo SWAT (Soil and Water Assessment Tool) 18 1.3 METODOS DE CÁLCULO DE LA EVAP OTRANSPIRACION POTENCIAL (ETP) 20 1.3.1. Metodo de Thornthwaite 20 1.3.2 Método de Turc 21 1.3.3 Metodo de Hargreaves 22 1.3.4 Metodo de Christiansen 24 1.3.5 Método de Penman 26 1.4 REQUERIMIENTOS DE INFORMACIÓN 29 1.4.1 Precipitación 29 1.4.2 Evaporación y Evapotranspiración 30 1.4 REVISIÓN BIBLIOGRÁFICA (ALGUNOS EST UDIOS RELACIONADOS CON LA INTERACCIÓN AGUA VEGETACIÓN, EN COLOMBIA) 31 2. AREA DE ESTUDIO Y DISPONIBILIDAD DE
INFORMACIÓN 36
2.1 SELECCIÓN DE LA CUENCA A ESTUDIO 36 2.1.1 Morfometría 36 2.1.1.1 Area 37 2.1.1.2 Perímetro 37 2.1.1.3 Longitud Axial 37
MIC 2005-II-6
2
2.1.1.4 Ancho promedio 37 2.2 VERIFICACIÓN Y COMPLETADO DE DATOS 38 2.2.1 Completado de datos 38 2.2.2 Verif icado de datos 40 2.3. INFORMACIÓN HIDROCLIMATOLÓGICA DISPONIBLE 42 2.3.1 Precipitación 43 2.3.2 Temperatura 53 2.3.3 Velocidad del viento 57 2.3.4 Humedad relativa 59 2.4 UBICACIÓN DE LAS ESTACIONES CLIMATOLÓGICAS 60 3 MODELACIÓN HIDROLÓGICA 62 3.1 HIDROLOGÍA 63 3.2 CLIMA 64 3.3 FUNDAMENTO DE LA SUBDIVISIÓN DEL ÁREA TOTAL DE LA CUENCA EN SUBCUENCAS 65 3.4 PROCEDIMIENTOS 67 3.4.1 Modelo de elevación digital 68 3.4.2 Capa de cubrimiento de la tierra y uso de ésta 69 3.4.3 Forma o delineación del f lujo 70 3.4.4 Delineación de la cuenca 73 3.4.5 Tablas y archivos de texto 75 3.4.6 Caracterización de suelo y usos de la tierra 76 3.4.6.1 Características de los suelos de la cuenca 78 3.4.6.2 Características de los usos de suelo para la cuenca 85 4 CALIBRACIÓN 96 4.1 SELECCIÓN DEL MÉTODO 96 4.2 DIAGRAM A DE FLUJO 99 4.3 RESULTADOS PRELIMINARES 100 4.4 CALIBRACIÓN CON EL PARÁMETRO CN2 DEL SUELO 102 4.5 CALIBRACIÓN CON EL PARÁMETRO DE DENSIDAD APARENTE 104 4.6 CALIBRACIÓN CON EL PARÁMETRO DE CONDUCTIVIDAD HIDRÁULICA DEL SUELO (K) 105 4.7 CALIBRACIÓN CON EL PARÁMETRO DE ERODABILIDAD DEL SUELO (K USLE) 107 4.9 COMBINACIÓN DE LOS PARÁMETROS BD, CN Y K 108 4.10 CALIBRACIÓN CON EL PARÁMETRO GW-DELAY DEL SUELO 109 4.11 CALIBRACIÓN CON LOS PARÁMETROS GW-REVAP,
REVAP-MN Y GW QMN DEL SUELO 110 4.12 CALIBRACIÓN CON EL PARÁMETRO SOL AWC DEL
SUELO 111 4.13 CALIBRACIÓN CON EL PARÁMETRO N DE MANNING
DE LA COBERTURA VEGETAL 112 4.14 CALIBRACIÓN TENIENDO EN CUENTA LA COMBINACIÓN
MIC 2005-II-6
3
DE PARÁMETROS SOL-AWC Y n DE MANNING 113 4.15 MEJORES CALIBRACIONES DEL MODELO 116 4.16 GENERACIÓN DE ESCENARIOS HIPOTÉTICOS Y CUANTIFICACIÓN DEL IMPACTO DE LA COBERTURA VEGETAL 118 4.16.1 Escenario de bosque para toda la cuenca 118 4.16.2 Escenario de tierras agroforestales para toda la cuenca 120 4.16.3 Escenario de tierras agropecuarias para toda la cuenca 120 4.16.4 Escenario de vegetación de páramo para toda la cuenca 121 4.16.5 Escenario de cambio en zonas de CN alto (cob bosque) 122 4.16.6 Escenario de cambio en zonas de CN alto (cob t.agrop) 123 4.17 ANÁLISIS DE RESULTADOS DE ESCENARIOS HIPOTÉTICOS 124 4.18 ANÁLISIS DE ESCENARIOS PROPUESTOS POR EL PLAN
DE ORDENAMIENTO AMBIENTAL 134 CONCLUSIONES 141 RECOMENDACIONES 142 ANEXOS 144
MIC 2005-II-6
1
INTRODUCCIÒN
En Colombia, como en el mundo, el deterioro de cuencas, además de problemas
asociados, como inundaciones y sequías pueden deberse a diferentes factores y uno de
ellos tiene que ver con la cobertura vegetal. Ésta influye de alguna manera en la
respuesta hidrológica de cuencas y este efecto ha sido motivo de est udios (Duque,1993,
Velásquez,1984). Sin embargo, éstos dejan la posibilidad de profundizar un poco mas
acerca del tema y un estudio adecuado podría aclarar un poco más el tema. Es por esto
que esta investigación pretende estudiar el efecto de la cobertura vegetal en la respuesta
hidro lógica de una cuenca del territorio colombiano, y así cuantificar el grado de
influencia de ésta en parámetros del balance hídrico como la escorrentía superficial o la
infiltración. Para muchos autores, la cobertura vegetal disminuye la escorrentía y
aumenta la infiltración (Velásquez, 1984), sin embargo para otros lo que se potencializa
es la evapotransp iración (Duque, 1993). Entonces, es motivo de controversia el tema, y
éste estudio pretende aportar en este sentido. Este estudio utiliza como plataforma de
trabajo el modelo Swat, que es fisicamente basado y computacionalmente eficiente,
admitiendo entradas de tipo hidroclimatologico, suelos, vegetación e incluso calidad del
agua y permitiendo resultados y estudios de impacto a largo plazo para variados
escenarios de manejo agríco la y de control de erosión. El modelo Swat trabaja como
una extensión de Arc View, el cual tiene la particularidad de permitir la superposición
de coberturas vegetales y de suelos, así como la incorporación de toda la información
hidroclimatológica de la región, permitiendo una modelación completa y confiable ya
que el modelo trata todas las variables que permiten diferenciar los distintos tipos de
suelo así como de cobert ura vegetal.
MIC 2005-II-6
2
PRINCIPALES EFEC TO S DE LA VEGETACIÓ N EN LOS PROCESOS
HIDROLÓGICOS
La vegetación produce algunos efectos en la respuesta hidro lógica de cuencas. A
continuación se enuncian algunos de los más importantes.
• EVAPOTRANSPIRACIÓN:
- Incremento en el paso de agua de la zona radicular a la atmósfera
-Evaporación a causa del agua interceptada por las plantas en la superficie.
• INFILTRACIÓN:
- Mayor infiltración dada por la intercepción producida por el tipo de cobert ura
- Disminución de escorrentía superficial,
- Absorción de agua a partir de las raíces de las plantas (zona radicular),
- Aumento o disminución de contenido de materia orgánica, influyendo en la densidad
aparente del suelo.
• ESCORRENTÍA SUPERFICIAL.
- Aumento o disminución de la escorrentía a partir del tipo de vegetación o ausencia
de ella, y de su rugosidad representativa.
MIC 2005-II-6
3
1. MARCO CONC EPTUAL
Para comprender la dinámica de lo que se realizó en esta tesis, es necesario visualizar lo
que son algunos conceptos y teorías de lo que es un balance hídr ico, para poder entender
la posible interacción o vulnerabilidad de éste ante cambios en la cobertura vegetal o de
suelo, lo que realmente es el objeto del presente estudio. Para ello se mostrará a
continuación un breve análisis de modelos de balance hídrico a través del tiempo, así
como la rev isión de algunos conceptos, necesarios para la modelación hidrológica.
Posteriormente se revisarán algunos estudios que se han realizado en Colombia
relacionados con balance hídrico e intervención del tema de cobertura vegetal y de
suelo.
1.1 MO DELOS DE B ALANC E HÍDRICO 1
Para entrar en el concepto de modelación, en hidrología, es necesario tener en cuenta la
teoría de lo que enmarca el balance hídrico, ya que en él están las var iables que
determinan el funcionamiento hidrológico del planeta. Dentro de los múltiples modelos
de balance hídrico, desarro llados a través de la historia en cuanto a hidro logía se ref iere
se encuentran los siguientes.
1.1.1. Modelo T
Los primeros modelos son una variante del modelo desarrollado por
THORNTHWAITE y MATHER [1955], y se denomina “Modelo T”. En estos se
1 William M. Alley, Water Resou rces Research, Vol 20 , Nº8 , Pages 1137-1149, Virginia , 1984.
MIC 2005-II-6
4
asume que el suelo tenga una determinada capacidad de almacenamiento en términos de
humedad (φ). La variable Si representa el almacenamiento del suelo. La humedad
depende de la precip itación del mes i (Pi) y la evapotranspiración potencial (ETPi). En
el primer caso si Pi > ETPi entonces Si =MIN [ (Pi-ETPi)+Si-1, φ], en el segundo caso
(Pi < ETPi) la humedad del suelo presenta un déf icit.
THORNTHWAITE y MATHER [1957] y Dunne y Leopold [1978], elaboraron unas
tablas y gráf icas, las cuales permiten calcular los déficit de la humedad del suelo.
Tablas desarrolladas por THORNTHWAITE y MATHER en 1955 asumió una relación
entre la pérdida de humedad del suelo y la evapotranspiración potencial del tipo:
SPETPdtds ii *)(
φ−−
=
Cuando Pi<ETPi, la solución a esta ecuación es:
}/)({1 * φii PET
ii eSS −−−=
Se puede apreciar que a medida que aumenta la evapotranspiración potencial disminuye
el almacenamiento de una forma exponencial.
El déficit de humedad del suelo hacia final del mes i, di es definido como:
di=φ-Si
Cuando la precipitación del mes excede la evapotranspiración potencial y el
almacenamiento de humedad del suelo logra esta capacidad φ se presenta un exceso de
agua sobrante.
φ−+−=∆ −1)[( iii SETPPQ Si=φ
MIC 2005-II-6
5
∆Q=0 (Si<φ) , donde ∆Q es el agua de exceso. Parte de esta se deriva por corrientes
superficiales y se mide como:
))(1( 1 QQR ii ∆+−= −λ
donde λ es una variable que indica la cantidad de agua que se puede infiltrar en el suelo
y hace parte del almacenamiento en el acuífero. Ri es la escorrentía directa, el caudal
infiltrado es. Esta fracción restante se puede expresar por tanto como:
)( 1 QQQ i ∆+= −λ ,
donde λ está entre 0.5 y 0.75, respectivamente para Thornthwaite(1955) y Mather
(1975).
2.1.2. Modelo P
Palmer en 1965, propuso un modelo similar de balance h ídrico, que se denomina
“modelo P”. El almacenamiento de humedad en el suelo del modelo de Palmer es
dividido en dos capas: inferior y superior con capacidades de humedad φa y φb
respectivamente; la humedad de la capa inferior no se puede modificar si no se
modifica la humedad de la capa superior. La pérdida de evapotranspiración en el
horizonte inferior ocurre cuando hay pérdida en el horizonte super ior
0}){( >−− aiii EPETP
Y en este caso
φ/*))(( 1b
ia
iiibi EEPETPE −−−= Ei
b<Si-1b
Donde φ=φa+φb y Si-1b es el almacenamiento en forma de humedad en la
capa inferior del suelo al comienzo del mes i.
MIC 2005-II-6
6
Es preciso aclarar que la escorrentía ocurre cuando el almacenamiento en ambos
horizontes alcanza su capacidad máxima en forma de humedad.
1.1.3. Modelo de Thomas2 (modelo abcd)
El método de Thomas establece el balance h ídrico hallando el caudal efluente en una
cuenca determinada, teniendo en cuenta 4 parámetros que para este caso se calcularán
por métodos iterativos de búsqueda mediante el problema inverso y que variarán de
acuerdo al tipo de zona en estudio.
De acuerdo con Obregón (2002), se supone una parte del suelo donde se identifican tres
zonas (f ig 1.1), la primera es la parte superficial que corresponde a las diferentes
componentes del almacenamiento superficial (Sc). La segunda es la zona no sat urada
con almacenamiento (Sw), allí se genera un caudal subterráneo o subsuperficial (Qs)
que Thomas desprecia por que en comparación con la precipitación resulta bastante
pequeño. Finalmente la tercera zona o zona saturada con almacenamiento Sg, y debido
a que el espesor de la zona Sc es muy pequeño con respecto a St = Sc + Sw , se puede
asumir para St=Sw.
2 Obregón N, Fragala F, Blan co A , Gó mez L. Impl ementación del modelo de Tho mas en la cuen ca alta del río Checua para la estimación de la recarga (Sabana d e Bogotá, Cundinamarca, Colo mbia) XV Seminario nacional de Hidráulica e Hidrología. Med ellín, Agosto 2002
MIC 2005-II-6
7
FIGURA 1.1
Para la primera zona Sw, se parte de la ecuación de continuidad y se lee:
1−−=∆
∆=−−− wiwi
t
WOigiii SS
SRRETP (1.1)
Donde :
Pi , es la precipitación media de la zona en un tiempo i.
Ii es la infiltración en un tiempo i.
∆S/∆t = (Si-Si-1) es el cambio del contenido de humedad a la zona no sat urada en un
tiempo i.
Roi es la escorrentía superficial o directa en un tiempo i.
Para la segunda zona, Thomas considera Ii=Rgi, lo que se infiltra es lo que entra al
acuífero.
Para la zona saturada.
MIC 2005-II-6
8
t
ggigi
SQR
∆
∆=− (1.2)
Rgi es la recarga del acuífero.
Qgi es el caudal subterráneo que alimenta el r ío.
∆Sg/∆t = es el cambio de almacenamiento en esta zona.
Partiendo de la ecuación (1.1) y sabiendo que Ii igual a Rgi, se agrupa de la siguiente
manera:
ioiwiiwii IRSETSP +=+−+ − )()( 1 (1.4)
igualamos:
1−+= wiii SPW (1.5)
wiii SETY += (1.6)
Por tanto:
ioiii IRYW +=− (1.7)
Por métodos empíricos, Thomas establece que:
bETPiwi
ieYS /* −= (1.8)
mostrando que con el paso del tiempo la humedad del suelo asume un decaimiento
exponencial, a medida que aumenta la evapotransp iración potencial.
Además establece que la variable Yi está dada por la siguiente expresión no lineal
MIC 2005-II-6
9
5.02 *22
)(
⎥⎥⎦
⎤
⎢⎢⎣
⎡−⎟
⎠
⎞⎜⎝
⎛ +−
+=
abW
abW
abW
Y iiii (1.9)
Donde a y b son parámetros del modelo.
giiii RYWcI =+= )(* (1.10)
c , según Thomas se relaciona a la fracción de la escorrentía que proviene del agua
subterránea.
gigi RdQ *= (1.11)
d es parámetro de almacenamiento.
Sustituyendo la ecuación (1.3) en (1.11) obtenemos:
dRS
S gigigi +
+= −
1)( 1 (1.12)
Qsi=Roi+Qgi
Donde Sgi es el almacenamiento de la zona 3.
Estas últimas 5 ecuaciones presentan 4 coeficientes (a,b,c,d), que variarán según la zona
de est udio dependiendo de las condiciones geológicas e hidroclimatológicas de la zona.
Mediante software con métodos iterativos y suponiendo un valor inicial Swo y Sgo se
hallan estos 4 parámetros , hallando el caudal simulado de la subcuenca que debe ser
equivalente al suministrado por la estación metereológica.
MIC 2005-II-6
10
1.1.4. Método utilizado por M ODELO SWAT
FIGURA 1.2. Tom ada del manual de Swat (Swat Users Manual , 2000), pg 8,
Swat parte de la ecuación básica del ciclo hidrológico:
(1.13) Donde:
SWt es el contenido f inal de agua en el suelo (mm H2O),
SW0 es el contenido inicial de agua en un día i (mm H2O),
t es el tiempo (dias),
Rday es la precipitación diaria del dia i (mm H2O),
Qsurf es el producido de escorrentía superficial del día i (mm H2O),
Ea es la evapotranspiración del día i (mm H2O),
MIC 2005-II-6
11
wseep es el contenido entrante en la zona vadoza del suelo en el día i (mm H2O).
Qgw es el caudal producido o retornado del día i (mm H2O).
La subdivisión de la cuenca permite al modelo reflejar diferencias en
evapotranspiración debido a que se ve ref lejado un resultado por cam bios o diferencias
en coberturas vegetales y de suelo,
La escorrentía es predecida por el modelo separadamente para cada unidad hidrológica
que el modelo crea a partir de las subcuencas generadas a partir de la red hídrica y la
naturaleza de ellas. Lo anterior permite que Swat permita suministrar una mejor
descripción f ísica del balance hídrico.
Los parámetros necesarios para hallar evapotranspiración potencial, ya sea por método
de Hargreaves, Penman-Monteint o Priestley-Taylor son hallados y pasados a nivel
diario por ecuaciones internas de Swatt, generando algunas veces incertidumbre como
en el caso de la velocidad del viento por la siguiente expresión:
dmd UrndLnUU *))1((* 3.0−= (1.14)
Donde Ud es la velocidad del viento a nivel diario en m/s, y Um, a nivel mensual.
Rnd1, es un valor aleatorio entre 0 y 1. Éste punto genera algo de incertidumbre,
aunque para efectos de ciclo hidrológico total, tiende a ser casi despreciable.
MIC 2005-II-6
12
Swatt incorpora dentro de su modelación, el procedimiento del Número de Curva,
donde relaciona el escurrimiento superficial a los diferentes tipos de suelo y usos de la
tierra.
El modelo establece lo siguiente:
SR
SRQ
day
daysurf *8.0
)*2.0( 2
+
−= (1.15)
Donde:
Qsurf es la escorrentía de precipitación de exceso.
Rday es la precipitación en mm del día.
S es un parámetro de retención, que es función del número de Curva(CN)
)101000(*4.25 −=CN
S (1.16)
Donde CN es el número de curva diario.
Éste número de curva depende del uso de la tierra y del grupo hidrológico al que
pertenece el suelo, ya sea grupo A,B,C, o D, que depende de var ios factores como el
grado permisible de infiltración.
Swatt tiene un especial contenido y tratamiento del tema de vegetación sobre la
superficie, o tipo de cubrimiento.
MIC 2005-II-6
13
El crecimiento vegetativo es un factor importante en Swatt, y va de la mano con la
modelación que se hace también de Fósforo, Nitrógeno, y temperatura, teniendo en
cuenta además variables como radiación incidente.
Swatt, en cuanto a modelación de temperatura y sus ecuaciones tiene muy en cuenta, la
temperatura promedio diar ia y la temperatura base necesaria para el crecimiento de la
planta. Y además tiene en cuenta tiempos de inactividad, donde la p lanta tiene
periodos en los que no crece, esto debido a tiempos de excesos de temperatura o
deficiencias en cuanto a nutrientes.
Swatt, hace las modelaciones de vegetación, teniendo en cuenta la estación climática o
el tipo de clima que se presenta en la zona.
Swatt modela además el agua absorbida por las plantas por medio de las raíces a través
de la siguiente expresión:
⎥⎦
⎤⎢⎣
⎡−−
−−= )*exp(1*
)exp(1 rootw
w
t
zzEW β
β (1.17)
Donde:
W es la potencial absorción de agua a una profundidad específica(z). (mm)
Et es la máxima transpiración de la p lanta en un día dado.
βw es un parámetro de distribución de uso del agua.
Z es la profundidad desde la superficie, y Zroot es la profundidad máxima de raíces.
MIC 2005-II-6
14
1.2 SOFTW ARES DE MODELACIÓN HIDROLÓGIC A TENIENDO EN
C UENTA EL C AMBIO EN LA COBERTURA VEGETAL.
Antes de seleccionar el modelo con el cual se decidió trabajar, se hizo una búsqueda de
los diferentes modelos que permitían ver el balance hídrico y que de alguna forma,
tuvieran en cuenta de forma óptima la intervención de la cobert ura vegetal y de suelo.
A continuación se mostrará de una forma muy general los diferentes modelos
analizados, antes de escoger a Swat como el indicado por las caracterìsticas del est udio.
1.2.1 Modelo WMS (Watershed Modeling System)
Es un modelo que funciona como una extensión de Arc View, y que incorpora dentro
de sí, submodelos dentro de lo s cuales encontramos el HEC-1, y el modelo HSP F.
Trabaja a nivel diario y la interfase es absolutamente amigable y comprensible.
La duración y frecuencia de lo s análisis puede ser realizado para cualquier serie de
tiempo. Puede trabajar a nivel minuto, así como a nivel diario que se divide
internamente en minutos, o incluso a nivel anual.
Puede generar vario s escenario s para comparaciones y análisis de éstos.
Trabaja todos y cada uno de lo s aspectos del ciclo hidrológico, y requiere como datos
de entrada:
• Datos de precipitación histórica.
• Para datos de evapotranspiración de la cuenca:
• Temperatura del aire.
MIC 2005-II-6
15
• Velocidad del viento.
• Radiación so lar.
• Humedad relativa..
Tipo de suelo de las subcuencas, usos de la tierra.
1.2.2 Modelo HSPF (Hidrological Simulation Program Fortran)
Programa que simula para extensos per iodos de tiempo hidrológico y puede ser
asociado a calidad del agua.
Trabaja en superf icie y subsuperficie, teniendo en cuenta la característica penetrable o
no penetrable de la tierra(infiltración).
Presenta varios modelos para simular flujo en la superf icie, para generación de
hidrogramas y polutogramas asi como simulación de intercepción de humedad en la
tierra y zona subterránea, escurrimiento desde la superficie, simulación de recarga de
acuífero, evapotransp iración, oxígeno disuelto, demanda bioquímica de oxígeno,
temperatura, coniformes, ph, así como transporte de sedimentos.
La duración y frecuencia de lo s análisis puede ser realizado para cualquier serie de
tiempo. Puede trabajar a nivel minuto, así como a nivel diario que se divide
internamente en minutos, o incluso a nivel anual.
HSPF es usado para sim ular escenar ios de cambios en el uso de la tierra , y cam bios en
las recervas o embalses, cambios en direcciones de flujo, tratamientos, etc.
MIC 2005-II-6
16
Teniendo en cuenta el método, el programa tiene un sin número de algoritmos, sacados
de la teoría , de ensayos de laboratorio y relaciones empíricas en cuencas.
El programa es en plataforma Fortran.
Variables de entrada requer idas en el modelo:
Datos de precipitación histórica.
Para datos de evapotranspiración de la cuenca:
• Temperatura del aire.
• Velocidad del viento.
• Radiación so lar.
• Humedad relativa.
Tipo de suelo de las subcuencas, usos de la tierra.
1.2.3 Modelo ACRU (Agro Hydrological Model)
Modelo Conceptual Físico
Es un modelo multipropósito el cual integra procesos hidro lógicos y componentes de
producción de descargas, dentro del sistema hidrológico terrestre, con todos sus
eventos y riesgos.
Resuelve problemas de cuantificación de la demanda del recurso hídrico.
Escr ito en Fortran77.
Máximo 100 años de datos
MIC 2005-II-6
17
Mínimo 30 minutos como intervalo temporal de trabajo, para modelación en cuanto a
almacenamientos.
Máximo 150 subcuencas.
Se necesitan arch ivos de entrada y archivos de salida.
Trabaja a nivel diario, pero para variables mas sensibles y cuyos datos se encuentran
de forma mensual (temperatura, evaporación potencial), ACRU las transforma
internamente mediante análisis de Fourier.
En el caso de las var iables decisivas en el ciclo hidro lógico, el modelo tiene muy en
cuenta lo s factores de lo s que depende la evapotransp iración potencial, tales como el
tipo de vegetación y su edad.
El flujo superficial después de un evento de precipitación se calcula teniendo en cuenta
que ya se haya hecho una suficiente abstracción en el suelo, en cuanto a infiltración.
Básicamente, lo que Acru hace dadas unas capas o “layers” de suelo….diario s, y por
medio de sim ulaciones es estimar:
• Grado de intercepción de la precipitación por medio de la vegetación.
• Escorrentía y acumulación de agua en la superficie.
• Infiltración en el suelo
• Evaporación y evapotranspiración
• Tiene en cuenta además var iables ambientales tales como tire de basuras.
MIC 2005-II-6
18
• Tiene en cuenta el agua inf iltrada y el flujo tanto en la zona saturada como en la
no saturada.
Todo esto para vario s horizontes de suelo con diferentes profundidades.
Para llevar a cabo éstas simulaciones….Acru requiere las siguientes variables a nivel
diario:
• Lluvia efectiva.
• Evaporación potencial de referencia.
• Evapotranspiración Potencial.
• Evaporación total
Contenido de agua en el suelo, y tasa de infiltración a capas infer iores.
Es muy importante dentro de éste modelo, el hallazgo de lo s horizontes del subsuelo.
Según el tipo de suelo, dentro del modelo se categoriza el perfil que tiene éste tipo de
suelo.
1.2.4 Modelo SW AT (Soil and Water Assessment Tool)
El modelo Swat es un modelo f ísicamente basado y computacionalmente eficiente,
usando entradas disponibles y permitiendo a los usuarios que est udien impactos a largo
plazo.
El modelo puede ser aplicado a vario s modelos hídricos y de calidad del agua. Es un
modelo bastante amistoso y puede:
Generar parámetros específicos a partir de coberturas existentes.
MIC 2005-II-6
19
Crear arch ivos de entrada Swat
Crear escenarios de Difracción y manejo en la Agr icult ura.
Control y calibración de escenar ios en swat mediante simulaciones.
Avswat se organiza en los siguientes 8 módulos:
• Delineación hídr ica
• Defin ición de unidades Hidrológicas
• Defin ición de estaciones Climatológicas
• Bases de datos Avswat
• Entradas paramétricas, edición y manejo de escenar ios
• Ejecución del modelo
• Lectura y trazado de mapas
• Resultados
• Herramientas de calibración.
Los mapas de entrada, son básicos para el correcto funcionamiento del modelo, y éstos
son:
Elevación digital, mapas de la tierra, usos de la tierra, cobertura vegetal, hidrografía
(líneas de flujo), y clima, y otras anexas como química del suelo.
Swat puede ser usado para simular cuerpos de agua individuales o un sistema
hidro lógico de cuerpos de agua interconectados. Cada cuerpo o cobertura hídrica es
dividida en subcuerpos y luego , la respuesta hidro lógica depende de todos los factores
mencionados anteriormente.
MIC 2005-II-6
20
1.3 METODOS DE C ÁLCULO DE LA EVAPOTRANSPIRACION
POTENC IAL (ETP).3
El cálculo de la ETP ha recibido gran atención por parte de los investigadores en todas
partes del mundo, de tal manera que hoy en día se encuentra toda una gama de formulas
para su cálculo.
1.3.1. Metodo de Thornthwaite
Thornthwaite en 1948 derivó una fórmula para el cálculo de la evapotranspiración
potencial.
Este método se desarrollo correlacionando datos de evapotranspiración potencial con
datos de temperatura media mensual y longitud del día. Para un mes de treinta días e
insolación diaria de doce horas:
53.0**10 a
ii I
TETP ⎟
⎠
⎞⎜⎝
⎛= (1.18)
en donde:
ETPi = la evapotranspiración potencial mensual del mes i, no ajustada(cm).
T i = la temperatura media del mes i, ºC.
I = el índice de calor, igual a la sumatoria de lo s índices mensuales Ji.
∑=
=12
1jiJI
donde el índice térmico mensual está dado por:
514.1
5⎟⎠⎞
⎜⎝⎛
= ii
tJ
3 INSTITUTO COLOMBIANO DE HIDROLOGIA, Estudio co mparativo de formulas de evapotranspiración potencial , Bogotá D.C., 1985.
MIC 2005-II-6
21
a es una ecuación cúbica de la forma
49239.0*10792.1*10771.0*10675.0 22436 ++−= −−−− IxIxIxa
los valores obtenidos de ETPi deben ser ajustados a la longit ud del día y al número de
días en el mes. Debido a dicho ajuste, los valores de Ei obtenidos deben ser
multiplicados por un factor de corrección, el cual depende de la latitud y el mes. Para
este factor existen unas tablas específicas (CAR).
1.3.2 Método de Turc
En 1954 Turc desarrollo una fórmula para el cálculo de la evapotranspiración potencial
con base en un estudio estadístico de datos provenientes de 254 cuencas localizadas en
distintas partes del mundo y considerando el poder evaporativo de la atmósfera como
una función de la temperatura media o las horas de br illo solar.
Turc establece que:
(1.19)
En donde:
ETP = la evapotranspiración mensual en mm.
K = 0.4 para meses de 30 o 31 días.
K = 0.37 para el mes de febrero.
K = 0.4 para meses de 30 o 31 días.
( )
50
15
+
⎥⎦
⎤⎢⎣
⎡+
=RG
TTKETP
MIC 2005-II-6
22
t = temperatura media anual en ºC.
RG = radiación global en Cal/cm2/día
1.3.3 Metodo de Hargreaves
Ya en el año de 1948, Hargreaves propuso la utilización del tanque de evaporación
“clase A” como base para el cálculo de evapotranspiración.
Este método permite determinar la evapotransp iración potencial con base en datos
climatológicos.
Ecuación básica:
)*01.01(***37.17 nHTDETP −= (1.20)
en donde:
ETP = evapotranspiración potencial media mensual, en mm.
D = coeficiente de luz solar, de acuerdo con la formula (a).
T = promedio mensual de temperatura, en ºC.
Hn = humedad relativa media mensual al media día , en porcentaje de acuerdo con la
ecuación ( c ).
Ecuación modif icada para el cálculo de evapotranspiración potencial con el método de
Hargreaves, basada en mas parámetros climatologicos, se expresa así:
ETP = 17.37 *D*T*Fh*Cw*CI*Ca (1.21)
Donde:
MIC 2005-II-6
23
ETP = evapotranspiración potencial media mensual de la referencia, valor que
multiplicado por el coef iciente de uso consultivo de las p lantas da el valor del consumo
consultivo de éstas, en mm.
D = coeficiente de luz solar.
D = 0.12*P. ( a )
P = % teórico de hora de brillo solar respecto al año, teniendo en cuenta los números de
días del mes y la duración del brillo so lar diario.
T = temperatura media mensual del aire, en ºC.
)*01.01( Nh HF −= ( b )
HN = humedad relativa media mensual al medio día, en %.
1)*4.0()004.0*)(( 2 ++= RMRMN HHH ( c )
HRM = humedad relativa promedio mensual
Cw = coeficiente de viento
2/12*0255.075.0 WCw += ( d )
W 2 = velocidad media del viento, en Km/día, a una alt ura de 2 metros.
Ci = coeficiente de brillo solar.
CI = 0.478+(0.58S) ( e )
S = (brillo solar actual mensual/ brillo solar teórico mensual). El brillo solar teórico por
día es de doce horas.
MIC 2005-II-6
24
CA = coef iciente de elevación
CA = 0.950 + (0.0001*E) ( f )
E = elevación promedio de la zona, msnm
La constante 17.37 de las formulas de ecuación básica y ecuación modif icada da los
mejores resultados cuando el promedio mensual de brillo solar se aproxima al 90 %.
Cuando el porcentaje promedio del br illo solar es menor del 90 % debe corregirse por
medio de un valor corregido que sustituye a 17.37 según el porcentaje de br illo
solar.(Tablas)
1.3.4 Metodo de Christiansen
En 1966, Christiansen der ivó una fórmula empírica para el cálculo de la
evapotranspiración potencial con base en datos climáticos.
Establece lo siguiente
ETP = 0.324*Rext*Cw*Ch*Ct*Cs*Ce (1.22)
En donde:
ETP = evapotranspiración potencial mensual, en mm.
Rtt = radiación extraterrestre tomada en la parte superior de la atmósfera, en mm/día,
calculada con base en la constante solar de 2cal/cmm2/día.
Rext = Rtt*Número de días del mes
MIC 2005-II-6
25
Rext esta en mm/mes
Cw = coef iciente de viento
Cw = 0.672 + 0.406*(W/W0) - 0.078*(W/w0)2 (1.23)
W = velocidad del v iento promedio mensual medida a 2 metros de altura, en Km/hora.
W 0 = 6.7 Km/hora.
CH = coef iciente de humedad relativa
CH = 1.035 + 0.240 (Hm /Hm o)2 - 0.275(Hm/Hmo)
3
Hm = humedad relativa media mensual, en decimales
Hmo = 0.60
CT = coef iciente de temperatura
CT = 0.453 + 0.425 ( Tc/Tco) + 0.122( Tc/Tco)2
Tc = temperatura media mensual del aire, en ºC.
Tco = 20 ºC.
Cs = coeficiente de brillo solar
Cs = 0.340 + 0.856 (S/So) – 0.196 (S/So)2
S = relación de brillo solar media mensual, expresado en decimales, expresa la cantidad
de horas act uales de sol por día sobre la cantidad de horas teóricas de sol por día (12
horas).
So = 0.80
Ce = coeficiente de altura
Ce = 0.97 + 0.030*(e/eo)
MIC 2005-II-6
26
e = altura de zona de estudio, en msnm
eo = 50 msnm
1.3.5 Método de Penman
En el año de 1948, en el sur de Inglaterra, Penman convinó los denominados enfoques
aerodinámico y balance de energía para derivar una fórmula que calcula a evaporación
desde una superficie libre de agua, basada en estrictos principios físicos.
La fórmula inicialmente desarro llada fue
Y
EYREv an
+∆+
=* (1.24)
Donde :
Ev = Evaporación desde una superf icie libre de agua en mm/día.
∆ = Pendiente de la presión de saturación vs curva de temperatura. ( d ea / dt ) a
la temperatura del aire T en milibares / ºC.
Rn = Radiación neta en mm/día.
Y = Constante psicrométrica
Ea = Poder evaporativo de la atmósfera en mm / día.
La fórmula anterior sirvió de base al mismo tiempo para estimar la evapotranspiración
potencial y después de una serie de ajustes y modificaciones se llegó a la siguiente
expresión:
MIC 2005-II-6
27
00.1
)54.01)((26.0)}9.010.0)(79.056.0()42.029.0(75.0{ 4
+∆
+−++−−+∆
=
γ
σγ
PPo
uedeaNnedKT
NnRA
PPo
ETP
(1.20)
Donde:
ETP = estimación de la evapotranspiración potencial en un periodo determinado,
expresado en mm.
Po = presión atmosférica media expresada en milibares al nivel del mar .
P = presión atmosférica media expresada en milibares en función de la elevación de
la estación en donde se calcula la estimación.
∆ = gradiente de la presión de vapor de saturación con respecto a la temperatura,
expresada en milibares por grado centígrado.
Y =Coeficiente sicrométrico ; para el sicrómetro con ventilación forzada =0.66
0.75 y 0.95 = factores de reducción de la radiación global que corresponden a un albedo
de 0.25 y 0.05.
Ra = radiación extraterrestre expresada en mm de agua evaporable (un mm =59 cal) y
de acuerdo con la escala pirheliométrica internacional (IP S1956)
MIC 2005-II-6
28
N = duración de la inso lación astronómica máxima posible en un per iodo
determinado.
N = duración de la inso lación durante el período que se est udia, expresada en horas
y décimas de hora.
σTK4 = radiación del cuerpo negro expresada en mm de agua evaporable para la
temperatura del aire.
Ea = presión de vapor de saturación, expresada en milibares
Ed = presión de vapor durante el periodo que se estudia, expresada en milibares.
TºC = temperatura del aire medida en la caseta metereológica, expresada en grados
Celsius.
TºK = temperatura del aire expresada en grados Kelvin, en donde TºK = TºC+273
U = velocidad media del viento a una altura de dos metros durante el periodo que se
estudia y expresada en m/s.
Esta última fórmula se ha empleado ampliamente en todo el mundo en lo s últimos 20
años con resultados bastante satisfactorios. Según algunos investigadores, la fórmula no
se adapta muy bien a las condiciones áridas puesto que allí el efecto de advección no es
tenido en cuenta y lo s valores calculados de ETP resultan infer iores a los reales.
El Modelo Swat, que es el cual es utilizado en este estudio, presenta la posibilidad de
utilizar cualquier método, pero ya que se poseía información necesaria para un estudio
completo, se utilizo el método de Penman, que podr ía brindar resultados mas
MIC 2005-II-6
29
confiables por la utilización de mas variables representativas de las condiciones
climatológicas de la cuenca del río Tona.
1.4 REQ UERIMIENTOS DE INFORMAC IÓN
El régimen hidrológico de una cuenca esta en función de características físicas,
geológicas, topográficas y climatológicas.
Los factores climatológicos mas importantes son la precipitación, evaporación,
temperatura, humedad del aire y los vientos; estos tres últimos en la medida en que
ejercen influencia sobre la precipitación y evapotranspiración.
Para el empleo del modelo Swat se requiere la información de los factores de
precipitación y evapotransp iración potencial, asi como información de suelos y
cobertura vegetal mediante capas o layers que se incorporan al modelo.
1.4.1 Precipitación
Para la medición de la precipitación se utilizan los pluviómetros y los pluviógrafos, esta
se expresa como la altura caída y acumulada sobre una superficie plana e impermeable;
los datos pueden ser diarios, mensuales o anuales y se expresa en mm.
Para el caso en estudio se requieren lo s datos diar ios de precipitación de las estaciones
que tengan influencia en la cuenca de estudio.
MIC 2005-II-6
30
1.4.2 Evaporación y Evapotranspiración
Para el caso en estudio se requieren los datos diarios, mensuales o anuales de
temperatura, humedad relativa, radiación solar o velocidad del v iento, según sea el caso
de método de evapotranspiración. En nuestro estudio, se trabajó a nivel diario en cuanto
a datos de temperatura y generados igualmente a nivel diar io, a partir de datos
mensuales, para el caso de humedad relativa y velocidad del viento. A continuación se
presenta una tabla resumen de lo s métodos para calcular la evapotranspiración potencial
con los datos necesarios de entrada.
MÉTO DO VARIAB LES DE ENTRADA
Thornthwaite Temperatura diaria o media mensual
Turc Temperatura media anual
radiación extraterrestre en la atmósfera
Hargreaves
Temperatura media mensual o diar ia
humedad relativa promedio mensual
velocidad media del viento
brillo solar actual mensual
brillo solar teórico mensual
Elevación promedio de la zona
Christiansen
temperatura media mensual o diar ia del aire
humedad relativa media mensual
velocidad del viento promedio mensual
brillo solar actual mensual
brillo solar teórico mensual
radiación extraterrestre en la atmósfera
Elevación promedio de la zona
MIC 2005-II-6
31
Penm an
temperatura del aire
velocidad media del viento
presión atmosférica media al n ivel del mar
presión atmosférica media en función de la elevación
la presión de vapor de saturación radiación extraterrestre
la insolación astronómica
Tabla 1.1
1.5 REVISIÓN BIBLIOGRÁFICA (ALGUNOS ES TUDIO S RELAC IONADOS
CON LA INTERACCIÓN AGUA VEGETACIÓN, EN COLOMBIA)
Proyecto: Estimación de la evapotranspiración por lo s modelos de Penman y Penman-
Monteith en la cuenca de Piedras Blancas, Antioquia
Autor: Ana Patricia Duque
Referencia: Biblioteca Universidad Nacional
Año: 1993
Descripción: En la cuenca de Piedras Blancas, Antioquia, fueron ap licados los
modelos de Penman y Penman-Moreith para estimar la evapotranspiración mensual (
ET, mm-dia-1), referenciada a una cobertura vegetal mixta entre con íferas y latifoliadas.
Fueron caracterizadas las pr incipales variables climáticas, el balance de energía y el
balance hídrico por el método de Penman. Se compararon lo s valores estimados de
evapotranspiración total durante el periodo mayo-diciembre de 1991 con mediciones
directas obtenidas por el método de balance hídrico. Los tres métodos mostraron
resultados similares de consumo de agua.
MIC 2005-II-6
32
Proyecto: Influencia de algunos elementos del ciclo h idrológico sobre distintas
coberturas vegetales en microcuencas.
Autor: Luis José Velásquez
Referencia: Biblioteca EPM.
Año: 1984
Descripción: El proyecto buscó determinar la inf luencia de las distintas coberturas
vegetales sobre los elementos del régimen hidro lógico y los efectos que producen en
cuanto a la regulación de caudales, calidad típica del agua y producción de sedimentos
con el fin de obtener la mejor respuesta al manejo de las aguas con un tipo de
vegetación específica. Los datos recopilados en el campo permitieron determinar que la
vegetación de bosque natural ofrece mayores ventajas en la generalidad de aspectos
analizados frente a la vegetación de bosque de plantación y pastos. Siendo estos
resultados producto de una investigación parcial y relativa a una condición climática.
Proyecto: Efectos h idrológicos de la deforestación
Autor: Germán Poveda, Oscar Mesa
Referencia: Hemeroteca EPM.
Año: 1995
Descripción: La deforestación ocasiona fuertes perturbaciones en los ecosistemas y en
el ciclo hidrológico. Hay posiciones que argumentan que la deforestación aumenta los
caudales y por lo tanto puede ser benéfica para el aprovechamiento de recursos hídricos,
la posición contraria señala que las fuentes de agua se secan con la deforestación. Se
presentan ev idencias teóricas y observaciones para demostrar los efectos de la
deforestación sobre el ciclo h idrológico y en lo s balances de agua y energía. En
MIC 2005-II-6
33
particular se discuten los efectos de retroalimentación entre los prcesos de la interfase
tierra-atmósfera y se demuestra que las pérdidas de agua por evapotransp iración son
indispensables para mantener en balance el régimen hidrológico. Se concluye que en
general el efecto de la deforestación es reducir los caudales medios y aumentar los
extremos con los consecuentes efectos en inundaciones y sequían más fuertes y más
frecuentes. Además la deforestación induce aumentos de la temperatura superficial,
aumento de presión atmosférica, disminución de la humedad del suelo, disminución de
la evapotranspiración, aumento del albedo, entre otros efectos hidrológicos. Se
demuestran los efectos benéficos de la reforestación y se esboza un plan de
investigación para cuantificar los efectos de la reforestación y el cambio climático sobre
la hidro-climatología de Co lombia.
Proyecto: Metodología para el estudio de comparación de lo s efectos de diferentes
coberturas vegetales en microcuencas
Autor: Luis José Velásquez
Referencia: Universidad Nacional.
Año: 1986
Descripción: En la realización de este trabajo se usó el sistema de comparación de
áreas con diferente vegetación, llamados cuencas paralelas, para lograr este objetivo se
eligieron varias zonas del departamento de Antioquia que ofrecieron vegetación con
bosques de plantación artificial, natural y cubierta vegetal de pastos en áreas próximas
entre si, que fueron pequeñas cuencas hidrográficas representativas de áreas mayores y
donde se tuvieron condiciones similares de clima y suelos, o sea que bajo la influencia
de estos factores só lo se tendr ía como var iable la cubierta vegetal; se buscó poner en
MIC 2005-II-6
34
funcionamiento el montaje de estaciones h idrológicas en tres cuencas con la f inalidad de
comparar las incidencias de algunos elekentos del régimen hidrológico dentro de
distintas coberturas vegetales y crear una metodología que permita determinar los
efectos en cuanto a la regulación de caudales, calidad típica del agua y producción de
sedimentos, para obtener el tipo de cobertura que presenta mejor respuesta. La
recopilación de datos sobre lo s parámetros establecidos muestran ligeras diferencias
entre las coberturas boscosas, mientras que la cobertura de pasto mostró las peores
condiciones en cuanto a la protección de agua; una vez definido el problema, en
términos generlaes, la vegetación nativa (b. natural)ofreció las mejores condicones en
los diferentes aspectos, debido a la condición de ecosistema poco alterado, siendo los
resultados producto de una investigación parcial y relativa a una condción climática.
Proyecto: Valoración de impactos y evaluación económica de proyectos de
rehabilitación de cuencas
Autor: Alvaro Martín Gutierrez Malaxechebarria
Tesis Magíster en ingeniería Civil. Universidad de los Andes
Asesor: Ing. Mario Diaz-Granados
Año: 2003
Referencia: Biblioteca Universidad de los Andes
Descripción: Se realizó una modelación de cuencas donde se encontró que el factor de
cobertura C en la ecuación de pérdida de suelo por erosión laminar depende además del
tipo de especie sembrada, de las condiciones propias de la zona, razón por la cual éste
solamente puede ser estimado con exactitud cuando un ecosistema se encuentre
MIC 2005-II-6
35
establecido, de otra manera ofrecerá solamente una aproximación a las condiciones
esperadas, cómo es éste caso.
Proyecto: Hidro logía de Páramos, Modelación de la cuenca alta del río blanco.
Autor: Francina Domínguez Dueñas
Tesis Universidad de los Andes
Asesor: Ing. Mario Diaz-Granados
Año: 2000
Referencia: Biblioteca Universidad de los Andes
Descripción: En el proyecto se concluye que uno de los aportes significativos del
estudio es que se plantea el modelo con el cual se puede analizar el efecto que tendría
un cambio en el uso de la tierra en el balance hídr ico del páramo. Una de las
limitaciones que se encontraron en el estudio fue la utilización de datos o valores
hipotéticos de entrada al modelo en cuanto a características del suelo y vegetación, y
aunque se encontraron cam bios considerables en la respuesta hidro lógica ante cambios
de éstos parámetros, se recomendó para futuros estudios trabajar con datos e
información real.
MIC 2005-II-6
36
2. AREA DE ESTUDIO Y DISPONIBILIDAD DE INFORMACIÓN
En éste capítulo se mostrará la cuenca de estudio donde se implementará el modelo
Swat, esto teniendo en cuenta lo s datos disponibles, tanto de caudales, precipitación,
humedad relativa, velocidad del viento, y radiación solar, siendo los últimos necesarios
para evaluar la evapotransp iración potencial, igualmente su distribución espacial, en el
caso de precipitaciones, pues será un aspecto importante en el momento de determinar
la precipitación areal.
2.1 S ELECC IÓ N DE LA C UENC A A ES TUDIO
La cuenca del r ío Tona, situada en el departamento de Santander, se seleccionó como
caso de est udio, por su adecuada disponibilidad de información. La Corporación
Autónoma Regional para la Defensa de la Meseta de Bucaramanga, CDMB, realizó un
estudio para el plan de ordenamiento territorial de la región (GRADEX,2000), que
constituye la fuente principal de información secundar ia.
2.1.1 Morfometria
La morfología de la cuenca incide directa o indirectamente en valores climatológicos
como la precipitación y por ende en la generación de escorrentía superficial, influencia
que es más fácilmente detectada cuando se expresa mediante parámetros.
MIC 2005-II-6
37
Parámetros generales y de forma
2.1.1.1 Area - a [Km 2]
El área de la cuenca corresponde a la proyección en un p lano hor izontal de la superficie
de la cuenca delimitada por su forma orográfica. Para la cuenca del Río Tona se calculó
un área de 194 Km2. Este dato se obtuvo después de haber hecho el proceso de
delimitación automática en Swat, teniendo las líneas de f lujo y el DEM correspondiente
(elevación digital de terreno).
2.1.1.2 Perímetro – P [Km]
Es la medida sobre un plano horizontal de la divisoria de aguas de la cuenca, la cuenca
del Río Tona tiene un per ímetro de 74.75 Km.
2.1.1.3 Longitud ax ial – LA [Km]
La longitud axial en una cuenca corresponde a la distancia sobre un plano horizontal
entre la desembocadura y el punto más lejano de la cuenca. La cuenca del Río Tona
tiene una Longit ud Axial de 23.8Km. (Obtenido a partir de CDMB)
2.1.1.4 Ancho promedio – AP [Km]
El ancho promedio se calcula como el cociente entre el área de la cuenca y la longitud
axial de la misma, es decir:
AP = A / LA
El ancho promedio calculado para la cuenca del Río Tona es de 8.2Km. (Obtenido a
partir de CDMB).
MIC 2005-II-6
38
La microcuenca del río Tona tiene un área de 194 Km2 con una forma oblonga de tipo
embudo.
La altura media de la cuenca es de 2270 m.s.n.m y las alt uras máximas y mínimas son
de 3850 y 800 m.s.n.m, respectivamente. Se aprecia que corresponde a una cuenca de
alta pendiente donde se generan altas velocidades del agua y una alta capacidad de
erosión de la misma.
El tiempo de concentración de la cuenca, según la fórmula de Kirpich está esta por
encima de lo s 120 minutos. (Obtenido a partir de CDMB).
El rendimiento medio de la cuenca esta en el rango de los 10 a los 15 lp s/km2 y se
encuentra clasificada según el IDEAM como una microcuenca de bajo rendimiento.
2.2 VERIFICACIÓ N Y COMPLETADO DE DATOS4
2.2.1. Completado de datos:
Generalmente, existen estaciones pluv iométricas con datos faltantes en sus registros
debido, entre otros factores, a la negligencia del operador o a la ausencia del aparato
4 CENDE X, Master en Hidrología MARCELO RODRÍGUEZ, Ing eniero de Caminos, Canales y Puertos , Curso Inter.. sobre Ingenierí a General y Aplicada
MIC 2005-II-6
39
durante determinado tiempo. Como en hidrología se trabaja con series continuas, se
deben completar dichos datos faltantes.
Para completar los registros de una estación (pluviométrica, p luviográfica) suele
recurrirse a los datos dispon ibles en estaciones próximas con régimen similar de
funcionamiento. Este problema puede formularse como:
∑=
=n
iiix PaP
1
(2.1)
en donde ai > 0 es el factor de ponderación de la estación i, Pi es el dato observado en la
estación i, n es el número de estaciones índice y Px es el valor estimado en la estación
incompleta x. Los diferentes métodos ex istentes difieren en la forma de obtener los
factores de ponderación ai, i = 1,2,.....,n.
Entre los métodos más utilizados se destacan
a) método de la media aritmética.
b) método del inverso de la distancia.
c) método del ratio normal.
d) método del inverso de la distancia modificado.
e) Métodos de correlación.
f) Método de las isoyetas.
Otro método para completado de datos consultado fue el siguiente (Monsalve, 1995):
⎥⎦
⎤⎢⎣
⎡⎟⎠⎞⎜
⎝⎛++⎟
⎠⎞⎜
⎝⎛+⎟
⎠⎞⎜
⎝⎛= Pn
NnNxP
NNxP
NNx
nPx ........2
21
11 (2.2)
MIC 2005-II-6
40
Donde: n: Número de estaciones pluviométricas con registros continuos cercanos a la estación
con datos por completar (“estación x”).
Px: Precipitación de la estación “x”,donde se realizará el completado.
P1….Pn: Precip itación de las estaciones cercanas, durante el per iodo por completar.
Nx: Precipitación media mensual a nivel anual de la estación “x”.
N1 a Nn: Precipitación media mensual a nivel anual de las estaciones 1 a n.
Estos métodos, que han sido ordenados, en una primera aproximación, de menor a
mayor fiabilidad pueden ver alterada su clasificación dependiendo de la escala temporal
del completado (día, mes , año). Por otra parte, pueden ser resultados muy similares
para ciertas condiciones en la distribución espacial de la precip itación.
Para éste estudio se utilizará el último método mencionado (Monsalve) ya que lo s datos
faltantes no son muchos y su practicidad facilita el proceso.
2.2.2. Verif icación de datos
Un método muy intuitivo y de gran utilización para detectar inconsistencias en lo s datos
de una estación es el análisis de dobles masas, que se basa en la comparación de los
datos de una estación con las de su entorno. Los valores acumulados (anuales,
estacionales o mensuales) de una estación se dibujan enfrentados a los de otra estación
cercana fiable bien sea a la media aritmética o ponderada, de un grupo de estaciones.
Este gráfico da lugar a la curva conocida como “doble acumulaciones” o “doble
masas”, como se muestra en el ejemplo de la figura 2.2.
MIC 2005-II-6
41
Doble Masas
0
1000
2000
3000
4000
5000
6000
7000
0.000 1000.000 2000.000 3000.000 4000.000 5000.000 6000.000 7000.000 8000.000
Grupo
ESTA
CIÓ
N X
FIGURA 2.1
La teoría del método de doble acumulaciones se basa en el hecho de que si representan
en unos ejes coordenados las acumulaciones sucesivas de dos ser ies de valores en el
mismo período y con igual régimen meteorológico, esos datos tienden a alinearse
siguiendo una recta.
• CORRECCIÓN DE ERRORES SISTEMÁTICOS POR DOBLE MASAS
En el caso de existir un error sistemático al dibujar el gráfico de doble acum ulaciones, y
detectados tanto la estación con el error sistemático, como el tramo afectado por ese
error, só lo en el caso de valores anuales y con el fin de corregir esos valores para
obtener la media anual real se procederá con arreglo al siguiente método:
En el caso que sea la estación A, y el pr imer tramo los que están bien, resulta que el
punto B10 (Fig 2.3) debería estar en B̀ 10 y por tanto:
MIC 2005-II-6
42
αtan`
10
10 =ÀB
como
βtan10
10 =ÀB
resulta:
βα
tantan` 1010 BB = (2.3)
FIGURA 4
2.3. INFORMACIÓN HIDROCLIMATOLÓGICA DISPONIBLE Swat requiere para la modelación variables climatológicas que consisten en
precipitación diar ia, temperatura del aire mínima y máxima diar ia, además de velocidad
del viento y humedad relativa. Las variables como temperatura, humedad y velocidad
del viento son necesarias para la estimación de la evapotranspiración potencial en cada
una de las subcuencas. En la tabla 2.26 se muestran las estaciones climatológicas
disponibles y en el gràfico 2.24 su ubicación. La ubicación de las estaciones
MIC 2005-II-6
43
climatológicas es óptima para la correcta modelación de la cuenca, except uando la
estación Vivero que hace parte de la cuenca Suratá, pero que para efectos de valores de
temperatura y humedad relativa se puede hacer importante.
2.3.1 Precipitación:
A partir del análisis de la información disponible se determinó trabajar con datos
climatológicos comprendidos entre Enero de 1977 y Diciembre de 1981, ya que
representan la mejor muestra por densidad de ellos. Se trabajó a nivel diario, y las
estaciones utilizadas para la modelación de la cuenca del río Tona fueron las
presentadas en la siguiente tabla, donde se resume la información disponible:
Tabla 2 .1
MIC 2005-II-6
44
A continuación podemos apreciar un gráfico donde se aprecia la precipitación media
mensual histórica dispon ible, de cada una de las estaciones de precip itación:
Precipitación Media Mensual Estaciones Climatológicas
0. 050. 0
100. 0
150. 0200. 0250. 0
300. 0350. 0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Mese s
Pre
cipi
taci
ón(
mm
)
Est Tona Est El Picacho Est La Galvicia Est St a RitaE Martin Gil E La Plazuela Est Brasil Est Mariana
Gráfi ca 2 .1
El régimen de lluvias regional es bimodal, notándose períodos de invierno
comprendidos marzo y mayo en la mayoría de estaciones, y entre septiembre y
noviembre. Además si comparamos el gráf ico anterior, y lo comparamos con algunas
de las altitudes que corresponden a las estaciones:
Estación Brasil, 1660 m.s.n.m
Estación La Plazuela, 2200 m.s.n.m.
Estación Santa Rita, 2930 m.s.n.m.
Estación Martin Gil, 2110 m.s.n.m.
Podemos ver que ex iste cierta concordancia entre altitud y profundidad de precipitación,
sin em bargo no es del todo conv incente.
MIC 2005-II-6
45
A continuación se presenta un análisis teniendo en cuenta las precipitaciones máximas y
mínimas de cada estación:
Datos máximos y Mínimos de Precipitación media Mensual. Estación P icacho
0.0
100.0
200.0
300.0
400.0
500.0
600.0
700.0
800.0
900.0
ENE FEB MAR AB R MAY JUN JUL AGO S EP OCT NOV DIC
M eses
Pre
cip
itac
ión
(mm
)
Máx im os M ínimos
Datos máximos y Mínimos de Precipitación media Mensual. Estación Tona
0.0100.0200.0300.0400.0500.0600.0
700.0800.0
900.0
ENE FEB MAR A BR MA Y JUN JUL AGO SEP OCT NOV DIC
Me se s
Prec
ipita
ción
(m
m)
M áximos Mínimo s
Gráfi ca 2.2 Gráfica 2.3
Datos máximos y Mínimo s de Precip itación media Mensual. Estación L a Galvicia
0.0
100.0
200.0
300.0
400.0
500.0
600.0
ENE FEB MAR A BR MA Y JU N JUL AGO S EP OCT NOV DIC
Mese s
Pre
cipi
taci
ón
(mm
)
M áximos M ín imos
Datos máximos y Mínimos de P recipi tación media Mensual. Estación Sta Rita
0.0
100.0
200.0
300.0
400.0
500.0
ENE FEB MAR A BR MA Y JUN JU L AGO SEP OCT NOV DIC
Me se s
Prec
ipita
ció
n (m
m)
M áximos Mín im os
Gráfi ca 2.4 Gráfica 2.5
Da t os má x imos y M í n imos de Pre ci p ita c ión me d ia M e ns ua l. Es t ac ió n M a rtin Gi l
0.0200.0400.0600.0800.0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Me ses
Pre
cip
itaci
ón (m
m)
Máxim os Mín im os
Datos máximos y Mín imos de P recipitación media Mensual. E stación La plazuela
0.0100.0200.0300.0400.0
EN E FEB MA R ABR MA Y JUN JUL AGO SEP OCT N OV DIC
Me ses
Pre
cip
itac
ión
(mm
)
M áximos M ínimos
Gráfi ca 2.6 Gráfica 2.7
Datos máximos y Mínimos de Precipitación media Mensual. E stación Mariana
0.050.0
100.0150.0200.0250.0300.0350.0400.0450.0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Me ses
Prec
ipita
ción
(mm
)
Máxim os Mínim os
Datos máximos y Mínimos de P recipi tación media Mensual. E stación Brasil
0.0
100.0
200.0
300.0
400.0
500.0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Mese s
Prec
ipita
ció
n (m
m)
M áximo s Mínim os
Gráfi cas 2 .8 Gráfica 2.9
MIC 2005-II-6
46
Como se observa en la gráf ica 2.10, se puede concluir que en las zonas más altas de la
Cuenca del r ío Tona hay cambios bruscos entre periodos húmedos y per iodos secos,
mientras en zonas mas bajas o promedio, se ven registros un poco más homogéneos.
Además y por ende se puede decir que hay una mayor diferencia entre los valores
máximos y medios de las estaciones con mayor altitud, sin embargo tampoco es muy
clara en su totalidad esta af irmación y simplemente se trata de una tendencia.
Com paración de Valores Máximos y Mínim os de las Estaciones de Precipitación
0.0
100.0
200.0
300.0
400.0
500.0
600.0
700.0
800.0
900.0
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Meses
Prec
ipita
ción
(mm
)
Máx El picac hoMin El pic achoMáx TonaMín TonaMax La Galv iciaMín La GalviciaMáx Sta Ri taMín Sta RitaMáx Martin GilMín Martin GilMax La Plaz uelaMin La PlazuelaMax Bras ilMin Bras ilMax MarianaMin Mariana
Gráfi ca 2 .10
Por otro lado, como se notará mas adelante, lo s valores mínimos de precipitación en el
año, tienen cierta relación con la temperatura de la cuenca.
Los datos diarios a completar en las estaciones no fueron de gran magnit ud.
Finalmente para corroborar la calidad del completado de datos se realizó el análisis de
doble masa, con el cual se relacionan lo s datos acum ulados de precipitación de la
estación “x”, con la media acumulada de precipitación de las estaciones vecinas. A
continuación se presentan los datos de registros observados de precipitación
MIC 2005-II-6
47
disponibles para los años 1977, 1978, 1979, 1980 y 1981, en la estación “TONA”, su
completado y análisis de doble Masa:
Estación Climatológica Tona, código 2319013
Tabla 2 .2
“El dato 99999” significa ausencia de datos obv ia por menos cantidad de días en el mes.
La estación no presenta ausencia de datos para completar en este año.
Para el año 1978 :
MIC 2005-II-6
48
Tabla 2 .3
La estación no presenta ausencia de datos para completar en este año.
Para 1979:
Tabla 2.4
La estación presenta ausencia de datos para completar en el per iodo de Agosto de este
año.
Párale año 1980 :
MIC 2005-II-6
49
Tabla2.5
La estación no presenta ausencia de datos para completar en este año.
Para el año 1981 :
Tabla 2 .6
MIC 2005-II-6
50
La estación presenta ausencia de datos para completar en el periodo de Febrero y
Septiembre de este año. Al corregir lo s datos con la fórmula mencionada anteriormente
se realizó el siguiente análisis de doble masa, con lo cual se corroboró la homogeneidad
de los registros.
Datos completados:
Año 1979, Estación Tona
Tabla 2 .7
Las siguientes precipitaciones son de los meses Enero a Febrero (de arriba abajo) y en
mm.
Tabla 2 .8
MIC 2005-II-6
51
Análisis d e Doble Masa Estació n To na, 1979
0
200
400
600
800
1000
1200
1400
1600
1800
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0
Pre cipitación prome dio a cumulada de e stacione s ve cinas (mm)
Pre
cipi
taci
ón p
rom
edio
acu
mu
lad
a d
e es
taci
on T
ona
(mm
)
Gráfi co 2.11
Año 1981, Estación Tona
Tabla 2 .9
La concordancia en los datos es aceptable, y se puede considerar que se puede trabajar
con ellos.
Las estaciones vecinas consideradas según criterio s como distancia entre ellas y la
estación Tona así como datos comunes de altitud fueron:
MIC 2005-II-6
52
El Picacho con código 2319030, y La Galvicia con código 2319040.
Análisis de doble masa a nivel mensual, para la estación Tona, 1981:
Las siguientes precipitaciones son de los meses Enero a Febrero (de arriba abajo) y en
mm.
Tabla 2 .10
Análisis de Dob le Masa Estación Tona, 1981
0
200
400
600
800
1000
1200
1400
0.0 200.0 400.0 600.0 800.0 1000.0 1200.0 1400.0
Pr ecip itación promedio acumula da de esta ciones ve cina s (mm)
Prec
ipita
ción
pro
med
io a
cum
ulad
a de
est
acio
n To
na
(mm
)
Gráfi co 2.12
Como vemos, la concordancia en lo s datos es aceptable, y se puede considerar que se
puede trabajar con ellos.
MIC 2005-II-6
53
Las estaciones vecinas consideradas según criterio s como distancia entre ellas y la
estación Tona así como datos comunes de altitud fueron:
El Picacho con código 2319030, y La Galvicia con código 2319040.
2.3.2 Temperatura:
Se t uvieron en cuenta las estaciones que presentaban datos máximos y mínimos de
temperatura mensual. Swat requiere datos diarios, sin embargo al tener datos
mensuales, los datos diarios pueden ser generados a partir de la media mensual, y por
un proceso de generación estacional (Matalas, 1969).
La temperatura, presenta una distribución inversa a la de la precipitación como se verá
mas adelante. Esta variable está íntimamente relacionada con la velocidad del viento y
la humedad relativa, como se podrá analizar posteriormente.
Las estaciones utilizadas, su código y su altitud se presentan a continuación
:
Tabla 2 .11
MIC 2005-II-6
54
Tabla 2 .12
Tabla 2 .13
Tabla 2 .14
Tabla 2 .15
MIC 2005-II-6
55
Tabla 2 .16
Puede observarse a continuación que los valores máximos y mínimos de temperatura
tienen cierta tendencia definida:
Temperatura m áxim a y m ínima promedio mensual, Estación Berl in
-20 .0
-10 .0
0.0
1 0.0
2 0.0
3 0.0
Ene Feb M ar Abr May Jun Jul Ago Sep Oct No v Dic
M eses
Tem
pera
tura
(ºC
)
M áximos M ínimos
Temperatura máxima y mínima promedio mensual , Estació n Cach irí
0.05.0
1 0.01 5.02 0.02 5.03 0.03 5.0
Ene Feb M ar Abr May Jun Ju l Ago Sep Oct Nov Dic
M eses
Tem
pera
tura
(ºC
)
Má ximos M ínimos
Gráfi co 2.13 Gráfico 2.14
Temperatura máxima y mínima promedio mensual, E stación Aeropuerto Palonegro
0.05.0
10.0
15.0
20.025.0
30.0
35.0
Ene Feb Mar Abr Ma y Ju n Jul Ago Sep Oct No v Dic
Mese s
Tem
per
atur
a (º
C)
Máxim os Mínim os
Temperatura máxima y mínima promedio mensual, Estación V ivero
0. 0
10. 0
20. 0
30. 0
40. 0
Ene Feb M ar Abr May Jun Jul Ago Sep Oc t Nov Dic
Me ses
Tem
per
atu
ra (
ºC)
Máxim os M ínimos
Gráfi co 2.15 Gráfico 2.16
Temperatura máxima y mínima pro medio mensual, Estación UIS
0. 0
10. 0
20. 0
30. 0
40. 0
Ene Feb Mar Ab r May Jun Ju l Ago Se p O ct No v Dic
M ese s
Tem
per
atur
a (º
C)
Má ximos M ínimos
Temperatura máxima y mínima promedio mensual, Estación Aeropuerto Gómez Niño
0.0
10.0
20.0
30.0
40.0
Ene F eb M ar Abr M ay Jun Jul Ago Se p Oct Nov Dic
Me ses
Tem
per
atur
a (º
C)
Máx im os M ínimos
Gráfi co 2.17 Gráfico 2.18
MIC 2005-II-6
56
Como podemos ver en el análisis comparativo, efectivamente hay una relación directa
entre altura sobre el nivel del mar y disminución de la temperatura, esto por el factor
que inducen los pisos térmicos, y la cuenca del río Tona, presenta varios. Por otro
lado, si comparamos estos datos de temperatura con lo s datos de precipitación vemos
una concordancia de mayor precipitación a temperaturas más bajas y temperaturas altas
a menor precipitación, esto si tenemos en cuenta los valores máximos de temperatura,
por que la relación es inversa si se trata de valores mínimos, esto debido a que en la
noche no hay incidencia de rayos solares que permitan el aumento de temperatura, y
por el contrario si no ex iste nubosidad, de cierta forma no se encierra un poco la capa
superficial que produciría un aumento de la temperatura.
Tem peratura máxim a y m ínim a prom edio m ensual, Estaciónes
-20,0
-10,0
0,0
10,0
20,0
30,0
40,0
Ene MarMay Ju
lSep Nov
Meses
Tem
pera
tura
(ºC
)
Máx AerGomez N
Min AerGómez N
Max UIS
MIN UIS
Max vivero
Min Vivero
Max AE Palonegro
Min AE Palonegro
Max Cachiri
Min Cachiri
Max Berlin
Min Berlin
Gráfi co 2.19
A continuación se muestran las dos gráficas para comparar temperatura y precipitación,
de donde se deduce lo que se mencionó anteriormente:
Se aprecia que lo s valores de menor precipitación coinciden con los valores más altos de
temperatura máxima promedio mensual, como por ejemplo en Enero y Diciembre.
MIC 2005-II-6
57
Compar ación de V alores Máximos y Mínimos d e las Estac´ ones de P rec ip it ación
0.0
1 00.0
2 00.0
3 00.0
4 00.0
5 00.0
6 00.0
7 00.0
8 00.0
9 00.0
E NE FEB MAR A BR MAY JUN JUL A GO S EP OCT NOV DIC
Meses
Pre
cipi
taci
ón (m
m)
Máx El picachoMin El picachoMáx TonaMín TonaMax La Galvic iaMín La GalviciaMáx Sta RitaMín Sta RitaMáx Martin GilMín Martin G ilMax La PlazuelaMin La PlazuelaMax BrasilMin BrasilMax MarianaMin Mariana
T emperatu ra máxima y mínima pro medio mensual, E staciónes
-20 .0
-10 .0
0 .0
10 .0
20 .0
30 .0
40 .0
Ene Feb M ar Abr
M ay Jun Ju
lAgo Sep Oct Nov
Dic
Me ses
Tem
per
atur
a (º
C)
Máx Aer Gomez N
Min AerGó mez NMax UISMIN UIS
Max vive roMin Vive roMax AE Paloneg ro
Min AE Palonegr oMax Cac hiriMin Cachir i
Max Ber linMin Berlin
Gráfi co 2.20 Gráfico 2.21
2.3.3 Velocidad del viento:
Esta variable climatológica se tomó a partir de 3 estaciones que presentaban registros,
la estación UIS, Aeropuerto Palonegro y Aeropuerto Gómez Niño. Los registros se
pueden ingresar a Swat de forma diaria o generada diar iamente a partir de datos
mensuales de igual manera que en el caso de la precipitación. En este trabajo y por la
información de la que se disponía se trabajó de la segunda manera.
Tabla 2 .17
Tabla 2 .18
MIC 2005-II-6
58
Tabla 2 .19
Velocidad del viento, Estaciones Climatológicas
0 ,00 ,51,01,5
2 ,02 ,53 ,03 ,5
Ene Feb Mar Ab r M ay Jun Jul Ag o Sep Oct No v D ic
M e s es
Aeropuerto Gómez N UIS Aerop Palonegro
Gráfi co 2.22
Las tres estaciones muestran una tendencia en aumento de la velocidad del v iento
durante comienzo y f inal de año, lo que coincide con los valores mas bajos de
temperatura, y mas altos de precipitación, Esto se puede entender, pues la presencia de
nubosidad puede impedir el paso directo de lo s rayos del sol, disminuyendo la
temperatura. Esta disminución de la temperatura también se debe al aumento de la
velocidad del viento.
También se observa una tendencia de aumento en la velocidad del viento a menor
altitud, sin embargo con sólo tres estaciones y unas diferencias de altitud entre ellas,
mínima, es apresurado sacar opiniones en éste tema.
MIC 2005-II-6
59
2.3.4 Humedad relativa.
Las estaciones climatológicas con datos dispon ibles de humedad relativa fueron: Berlin,
Cachiri, Vivero, UIS, Aeropuerto Gómez N y Aeropuerto Palonegro.
Como se verá, lo s valores son altos, pero no se ve una tendencia clara en el aumento
o disminución de humedad relativa según el parámetro de altitud, sin embargo también
se puede observar que a menor precipitación mayor humedad relativa. Esto puede
deberse a un aumento en la evaporación cuando la temperatura aumenta debido a la
ausencia de nubosidad.
Tabla 2 .20
Tabla 2 .21
Tabla 2 .22
Tabla 2 .23
MIC 2005-II-6
60
Tabla 2 .24
Tabla 2 .25
Humedad Relativa, Estaciones Climatológicas
70
72
74
76
7880
82
84
86
88
90
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Meses
% H
umed
ad R
elat
iva Berlín
Cachirí
Ae Palonegro
Vivero
UIS
AE Gómez N
Gráfi co 2.23
2.4 UBICACIÓ N DE LAS ES TACIONES CLIMATO LÓ GICAS.
A continuación se presenta una tabla donde se encuentra la ubicación exacta de las
estaciones climatológicas que se utilizaron.
MIC 2005-II-6
61
Estaciones climatológicas
TIP NOMBRE SUBCUE DEPTO MUNICIPIO LAT LONG ELEV(msn m) SS Apto Gómez Niño Oro Santander Bucaraman 0708 7308 W 931 CP Univ.Indust rial de Tona Santander Bucaraman 0708 7306 W 1018 CO Vivero Suratá Suratá Santander Suratá 0721 7300 W 1725 SP Apto Palonegro Oro Santander Lebrija 0706 7312 W 1189 CO Cachirí Cachirí Santander Suratá 0729 7300 W 1850 CO Berlín Jordán Santander Tona 0711 7252 W 3214 PM Tona Tona Santander Tona 0712 7258 W 1910 PM El Picacho Tona Santander Tona 0707 7258 W 3310 PM La Galvicia Tona Santander Floridablan 0709 7302 W 1779 PM Mariana Lebrija Santander Tona 12785 1119418 2250 CO El Gramal Tona Santander Tona 12898 1125804 2350 PM La Plazuela Tona Santander Tona 12825 1120689 2200 PM Brasil Tona Santander Tona 12815 1113129 1660 PM Santa Rita Tona Santander Tona 12786 1120326 2930 PM Martín Gil Tona Santander Tona 12926 1120797 2110
Tabla 2 .26
Gráfi co 2.24
Como s ve, la ubicación de las estaciones climatológicas es óptima para la correcta modelación
de la cuenca, exceptuando la estación Vivero, que hace parte de la cuenca Suratá, pero que para
efectos de valores de temperatura co humedad relativa se puede hacer importante.
MIC 2005-II-6
62
3. MODELACIÓN HIDROLÓGICA
El análisis y la modelación hidrológica que se desarrolla en el presente capítulo tiene
por objetivo identificar las características hidro lógicas de la cuenca y la variación en la
respuesta hidrológica de ella ante modificaciones en la cobertura vegetal, lo cual es la
meta primordial de esta tesis. Durante la presentación de este capítulo se podrá
observar además de la descripción de los parámetros necesarios para la modelación,
una descripción detallada del uso del Modelo Swat, como una extensión de Arc View.
SWAT es un modelo que trabaja en tiempo continuo y que opera a nivel diario. El
objetivo del desarro llo del modelo consistió en lograr predecir el impacto de la
agricultura y uso del agua en cuencas con poca in strumentación.5 Para cumplir con
dicho objetivo, el modelo presenta las siguientes características:
• Es físicamente basado.
• Utiliza entradas de fácil manejo e interpretación.
• Es computacionalmente eficiente, por lo cual permite la modelación para largos
períodos de tiempo.
• Es un modelo continuo.
El área total de la cuenca que desea modelar se puede subdiv idir en subáreas o Unidades
de Respuesta Hidrológica (URH)6 de tamaños adecuados, lo cual se realizó en el
presente estudio, ya que de esta manera se representaba de mejor manera la variabilidad
5 Estudio de La Co rporación Autóno ma Regional p ara la Defens a de la Meset a de Bucaramanga, CDMB 6 Unidad qu e p resent a características hidrológicas relativamente uni fo rmes
MIC 2005-II-6
63
por sectores del uso de la tierra y cobertura vegetal, asi como el tipo de suelo. Para la
caracterización de dichas subáreas (URH) se utilizan los componentes de:
• Hidrología.
• Clima.
A continuación se realiza una descr ipción de lo s componentes utilizados para la
modelación hidro lógica de la cuenca del río Tona.
3.1 HIDRO LOGÍA
• La escorrentía superf icial se estima tomando como base la precipitación utilizando
el método de lo s números de curva del "Soil Conservation Serv ice" (SCS). El
número de curva var ía no linealmente entre 1 (alta infiltración) y 100 (superf icies
impermeables).
• El coeficiente de escorrentía es calculado como una fracción de la precip itación y el
tiempo de concentración es hallado a partir de la ecuación de Manning considerando
flujo en la superficie del suelo y en los canales.
• La perco lación utiliza la técnica de transmisión de agua almacenada a través de cada
capa de suelo en la zona radicular. Y se especif ica el paso del flujo de agua de
horizontes super iores a inferiores, siendo las capas inferiores no saturadas. La tasa
de flujo hacia abajo es dominada por la conductividad hidráulica. El flujo hacia un
horizonte super ior ocurre cuando en una capa infer ior se excede la capacidad de
campo.
• El flujo lateral y la percolación son calculados al mismo tiempo, utilizándose un
modelo de almacenamiento dinámico, teniendo en cuenta la variación en la
MIC 2005-II-6
64
conductividad, pendiente y contenido de humedad del suelo. El modelo también
permite conducción de f lujo a capas adyacentes o hacia la superficie.
• A partir de la perco lación el acuífero se recarga, generando un almacenamiento de
acuífero superficial que a su vez contribuye al flujo que va a los canales. El modelo
de agua subterránea tiene en cuenta pozos de extracción y evaporación, entre otros
factores.
• El modelo tiene en cuenta tres métodos para el cálculo de la evapotranspiración
potencial: Hargreaves y Samani (1985), Priestley-Taylor (1972) y Penman-
Monteith (1965). El método de Hargreaves y Samani requiere temperatura del aire,
el de Priestley-Taylor requiere radiación so lar y temperatura del aire y el de
Penman-Monteith requiere radiación so lar, temperatura del aire, velocidad del v iento
y humedad relativa como entradas.
• Si estos datos no se encuentran disponibles a nivel diario, el SWAT los genera a
partir de las estadísticas mensuales. Este es el caso de algunos datos climatológicos
de este estudio, como radiación solar y humedad relativa.
• El modelo calcula la evaporación de suelos y p lantas de manera individual.
• La tasa de evaporación real se estima por funciones exponenciales de profundidad
del suelo y contenido de agua. La transpiración se simula utilizando una función
lineal de la evapotranspiración potencial y el índice de área cubierta por vegetación 7.
3.2 C LIMA
Swat necesita para la modelación las siguientes variables climáticas:
• Precipitación.
7 Estudio de La Co rporación Autóno ma Regional p ara la Defens a de la Meset a de Bucaramanga, CDMB
MIC 2005-II-6
65
• Temperatura del aire.
• Radiación so lar.
• Velocidad del viento.
• Humedad relativa.
Contando con registros de precipitación y temperatura máxima/mínima a nivel diario,
pueden ser inducidos al modelo. De lo contrario, si se tienen datos mensuales el
generador lo s simula utilizando estadísticas mensuales y valores de frecuencia. Las
variables de radiación solar, velocidad del viento y humedad relativa siempre son
simuladas. Los diferentes modelos de generación se describen de manera detallada en el
manual de teoría AVSwat 2000, Manual.
3.3 FUNDAMENTO DE LA SUBDIVISIÓ N DEL AREA TO TAL DE LA
C UENC A EN SUBCUENC AS
Dentro de la modelación hidrológica es muy importante la subdivisión de la cuenca en
subáreas, en la cual la tecno logía utilizada (SW AT) permite mejorar las predicciones de
la simulación, permitiendo asi, la producción de un caudal agregado parcial de cada
subárea.
La cuenca total se parte en subáreas para mejorar su representación, delimitándola en
zonas más pequeñas que adoptan características físicas y climatológicas particulares
cada una, las cuales inf luyen en la respuesta total hidrológica de la cuenca. En el
presente estudio se delimitaron estas subcuencas teniendo en cuenta el cauce real del río
Tona, hacia el cual drena el agua que se precipita dentro del límite de la cuenca.
MIC 2005-II-6
66
Adicionalmente, al realizar la subdivisión se disminuye la variedad de coberturas y
suelos presentes dentro de cada subcuenca, disminuyendo la variabilidad de las
características físicas que inf luyen en la respuesta hidrológica de las subáreas.
Las subcuencas obtenidas en este proyecto se delimitaron dentro de los criterios
mencionados anteriormente y se intentó trabajar para que quedaran subcuencas con
áreas menores a 25 Km 2, con lo cual se garantiza baja var iabilidad en las condiciones
climáticas, geológicas y topográficas que determinan la respuesta hidro lógica de la
cuenca. Debe aclararse que la salida de cada subcuenca se hizo a mi criterio para que
cuadrara el área que se requiere aproximada.
Cabe resaltar que para la modelación y calibración posterior de la cuenca se utilizaron
los datos de caudales medios diarios de la estación limnimétrica Carrizal Puente Tona
(Cod. 2319710) ubicada a 785 m.s.n.m., en el punto de concentración de la microcuenca
a la salida de la última de las subcuencas ( subcuenca 14).
A continuación se describirá el funcionamiento y procedimientos de interfase del
modelo Swat y posteriormente se mostrarán lo s procesamientos obtenidos para la
modelación de la cuenca del río Tona.
El modelo Swat inicia con el requerimiento primordial, lo cual es el DEM, o elevación
digital del terreno, a continuación se m uestra la esquematización general del
procedimiento al que recurre Swat:
MIC 2005-II-6
67
3.4 PROCEDIMIENTOS:
• Seleccionar la extensión AVSW AT.
• Delimitar la cuenca, y definir lo s HRU`s.
• Editar la base de datos de Swat.(opcional)
• Defin ir lo s datos climatológicos.
• Involucrar lo s archivos de entrada y editarlo s(opcional)
• SETUP de especificaciones de la simulación, tales como el método de
evapotranspiración potencial, periodo de simulación, etc.
• Correr Swat
• Aplicar la herramienta de calibración
• Gráficas de salida.
Hay algunos requerimientos de tipo de manejo de archivos dentro de estos
procedimientos:
Para involucrar un arch ivo de cobertura, por ejemplo de suelo, debe incorporarse en el
directorio de AVSW AT2000, en la carpeta donde igualmente irán todos los datos,
grids, shp´s y demás que el modelo demandará y de lo s cuales se tratará mas adelante.
Cuando el usuario crea un nuevo proyecto, Arc View, crea por default un directorio con
el nuevo proyecto, en New 1 y New 2, dentro de AVSWAT y en la ubicación que está a
la par de AVSWATDB, AVSW ATPr, y GenScn., y éste a su vez crea 2 subdirectorios:
WATARSHED y SCENARIOS, que contiene todo lo que comprende el proyecto.
MIC 2005-II-6
68
AVSWATDB contiene toda la base de datos, de clima y cobert uras. Allí
(AVSWATDB) también existen ejemplos de proyectos hechos anteriormente.
3.4.1 Modelo De Elevación Digital
La interfaz, permite al DEM usar un número real a la elevación real del terreno, pero la
resolución puede estar en unidades distintas.
Mientras la reso lución puede estar en metros , kilómetros, yardas, pulgadas, p ies y
grados decimales, la elevación puede estar en metros, yardas, p ies, pulgadas o
centímetros. Para nuestro caso, el DEM se trabajó en mts. Se introdujo al modelo
después de hacer una serie de procedimientos que permitieron partir de unas curvas de
nivel con extensión DXF a una grilla interpolada que tiene una resolución de 25 mts
(pixeles). El procedimiento fue el siguiente:
- Se Abrió Arc View, y se cargaron las extensiones vector1x, Spatial Analist y
Cad reader
- Se cargó el arch ivo DXF con las curvas de nivel de la zona con la opción de
“lineas”
- Se convirtió el anterior theme a un formato de puntos con la extensión vectorx1.
- Se pasa el archivo de puntos a grilla.
- Se interpola la grilla con la reso lución deseada ( en nuestro caso a 50 mts), con
la extensión Spatial Analist.
- Se tiene el DEM deseado.
MIC 2005-II-6
69
En nuestro estudio, el resultado fue el siguiente:
FIGURA 3.1
3.4.2 Capa de cubr imiento de la tierra y uso de ésta.
Se refiere al tipo de planta que recubre el terreno. Y de acuerdo a esto existen tres
opciones de clasificación por categorías:
• USGS
• SWAT usos de la tierra y cobert ura de ésta.
• Código de Swat (esta opción permite al usuario involucrar las características
propias de la cobert ura que el usuario presenta al modelo), fue la opción
implementada en este estudio.
MIC 2005-II-6
70
FIGURA 3.2
Como se ve en la figura, en la primera parte se cargan las coberturas vegetales y de
suelo (grillas) y en la segunda parte se le dan las características propias de esas
coberturas, incorporando previamente esos datos en la base de datos de Swat.
3.4.3 Forma o delineación del f lujo (opcional)
Swat presenta dos formas para obtener la delineación del flujo, la primera consiste en
actuar con el DEM y con una red hídr ica que defina la ubicación final y la forma
definitivas. Estas pueden ser shapefile o tipo polyline, y se recurre a este
procedimiento cuando el DEM no es capás de predecir correctamente la red de drenaje,
debido a causas como la definición de éste o tamaño del p ixel.
La segunda opción es utilizar la herramienta de Swat relativa a la definición de canales,
con la cual se obtiene una delineación de lo s canales, a partir del modelo digital de
MIC 2005-II-6
71
elevaciones (DEM). Para ello, se define un área mínima o umbral de generación de
canales, el cual fue de 50 Ha, con ello se logró casi que superponer la red hídrica real
a la simulada, en cuento al canal principal.
El método seleccionado para este estudio fue el primero, ya que se contaba con
información real disponible.
Para que el modelo delineara el flujo de una adecuada manera a partir del DEM, se
recurrió al siguiente procedimiento:
- Se cargo el archivo dxf que contenía la delineación real de flujo, y se convirtió a
formato shp, esto dentro de la opción “Burn in option”, dentro del cuadro de
diálogo de “delineación automática” de Swat. Previamente se había delimitado
el área de trabajo con un rectángulo que demarcaba esto y que es de formato shp
igualmente.
FIGURA 3.3
MIC 2005-II-6
72
- Al digitalizar el flujo que modela Swat nos damos cuenta que es casi exacto al
real (cauce pr incipal) como se ve en las figuras 3.4 y 3.5
FIFURA 3 .4
FIGURA 3.5
MIC 2005-II-6
73
3.4.4 Delineación de la cuenca
Ésta herramienta permite al usuar io delimitar de manera automática las subcuencas,
con ciertos parámetros dados.
Después de delimitada la cuenca, todo queda cargado en Watershed View.
El procedimiento es el siguiente:
− Cargar el DEM
− Defin ir el área de trabajo(opcional)
− Cargar la aplicación de red de flujo para delineación.(opcional)
− Procesar el DEM
− Especificar el area mínima de subcuenca.
C UADRO DE DIÁLOGO DE LA DELINEACIÓN DE CUENCA
DIALOG BOX
AVSWAT MENU (en la vista WATERSHED VIEW) , AUTOMATIC
DELINEATION
Tiene 5 Secciones:
a. DEM setup. Setup del DEM
b. Stream Defin ition. Def inición del f lujo
c. Outlet and In let definition. Defin ición de entradas y salidas
MIC 2005-II-6
74
En este ítem dentro de este est udio se def inió las salidas de la subcuenca de forma
manual, a diferencia de la salida de toda la cuenca, al final de la subcuenca numero
14, que coincide con la ubicación de la única estación de caudal de la cual
disponemos para este proyecto, y la cual se ubico teniendo en cuenta las
coordenadas exactas, ya que es importante para el proceso de calibración.
d. Reservoirs. Depósitos: No fueron tenidos en cuenta en este proyecto.
Después de realizado el anterior procedimiento se obtuvo el siguiente aspecto de la
cuenca:
FIGURA 3.6
En la figura 3.2 se aprecia la forma de cada una de las 14 subcuencas, asi como la forma
de la cuenca del río Tona. Se puede apreciar que algunas de las subcuencas tienen
formas algo complicadas con muchas entradas y salidas en donde podría haber
MIC 2005-II-6
75
simplemente un trazo curvo suave. Esto puede deberse a falta de definición en el dem
que se hacen notar en algunas zonas a pesar de estar interpolado cada 25 metros.
Al obtener esta delineación, previamente el modelo asigna todos los parámetros
topográficos y de f lujo a cada una de las subcuencas, haciéndo las dependientes cada
una de la anterior aguas arr iba.
3.4.5 Tablas y archivos de texto
En este ítem del modelo, al programa se incorporan todas las características de
cobertura vegetal, ubicación de estaciones, datos climatológicos, etc, que son
necesarios para caracterizar adecuadamente todas y cada una de las subcuencas. Los
parámetros son ingresados por formatos DBF (formato de texto de Arc View) o txt, y
básicamente cubre lo s siguientes temas:
• Localización de estaciones de subcuencas:
• Localizacion de entradas de cuencas
• Tablas de especif icación de suelo y usos de la tierra
• Tablas de clima, con los mismos datos de las estaciones climatológicas.(no son
permitidas las estaciones identificadas con nombres con caracteres numéricos.)
• Las tablas de precipitación y temperatura además de la latitud, longitud,X,Y,
nombre y ID, tienen elevación.
• Tablas de Humedad relativa, radiación so lar y velocidad del v iento
Todas las tablas anteriores tienen parte de localización y parte de datos importantes.
Son arch ivos de tablas salvados com o name.dbf o name.txt
MIC 2005-II-6
76
• Puntos de C audal, lectura de caudales.
Si la lectura es diaria, el cuadro de diálogo, lo guía a uno, si no, debe hacerse una
tabla texto, como lo anterior.
• Tabla de ETP
3.4.6 Caracterización de suelo y usos de la tierra.
En este punto de la modelación se asignan las coberturas vegetales y de suelo asi como
las características propias de cada uno de ellos. Este proceso se puede apreciar en la
figura 3.2, donde se ingresan lo s formatos shp o grids, en el caso de coberturas y txt o
dbf en el caso de las características. Para el segundo caso, puede ser válida la opción
de editar la base de datos de Swat, que internamente tiene coberturas y suelos
predefinidos, y que pueden modificarse para tener las características de suelo y
cobertura que uno desee (fue el caso de esta tesis).
El procedimiento es el siguiente:
Defin ir el Land Use theme
Reclasif icar el Land Use theme
Defin ir el Soil Theme
Reclasif icar el soil theme
Cubierta de uso de suelo y tierra
Al cumplir con el anterior procedimiento se obt uvo el siguiente aspecto de suelo y
cobertura vegetal:
MIC 2005-II-6
77
FIGURA 3.6 DISTRIBUCIÓN DE TIPO DE SUELO DE LA CUENCA
FIGURA 3.7 DISTRIBUCIÓN DE COBERTURA VEGETAL DE LA CUENCA
Después de definir el uso de la tierra y el tipo de suelo de la cuenca, Swat incorpora
estas características a cada subcuenca y define las HRU o unidades de respuesta
hidro lógica, donde el usuario puede escoger entre dar le una cobertura dominante a cada
subcuenca, en cuyo caso Swat escoge la que corresponde a un area mayor dentro de
ella, o una múltiple caracterización dentro de las subcuencas, en cuyo caso Swat tiene
MIC 2005-II-6
78
en cuenta cada área correspondiente a cada cobertura dentro de cada subcuenca. En
nuestro caso escogimos la primera opción, por el tamaño de las sub áreas y para poder
realizar un mejor análisis en cuento al propósito del estudio.
3.4.6.1 Características de lo s suelos de la cuenca.
La caracterización de lo s suelos de la cuenca del r ío Tona se hizo tomando como base la
clasificación hecha por la Corporación Autónoma Regional para la Defensa de la
Meseta de Bucaramanga, CDM B en su estudio para el plan de ordenamiento territorial
en Santander, tal y como se ve en la tabla 3.1.
TABLA3.1. Suelo Microcu enca d el Río Tona
La tabla 3.1 dio los parámetros necesar ios para poder aprox imar las características que
dan o perfilan el tipo de suelo según los requer imientos del modelo Swat.
Para cada tipo de suelo, que en este caso corresponden a los enunciados en la tabla 3.1,
se def inieron items que se describen a continuación en su mayoría(los que se consideran
de mayor importancia al modelarlos:
MIC 2005-II-6
79
NOM BRE: Nom bre de la capa de suelo.
No CAPAS: Número de hor izontes del suelo.
HIDGRP: Grupo de Suelo según SC S.
SOL_ZMX: Máxima profundidad de las raíces. Para las características de lo s suelos
de este proyecto, se asume que las raíces pueden llegar a cubrir todo el perfil del
suelo, incluyendo el número total de horizontes.
SOL_Z: Profundidad total de la capa de suelo.
SOL_BD: Densidad de bulbo húmedo. Es simplemente la relación entre masa de
solidos y volumen total del suelo. Según Dominguez(2000) y Navarrete(2004),
este parámetro es m uy importante a la hora de modelación de flujo superficial.
En los meses de mayor humedad, el caudal aumenta si se disminuye la densidad
en las capas superiores, además de disminuir lo s caudales máximos si se
disminuye esta densidad. Este parámetro es de gran importancia, sobre todo en
regiones de páramos, donde el suelo puede actuar a manera de esponja,
guardando reservas para periodos secos, sirviendo además para disminuir los
picos de las crecientes. Los valores de este parámetro varían entre 1.1 y 1.9
g/cm3.
SOL AWC: Cantidad de agua dispon ible para las plantas, o cobertura vegetal. Es
calculada como la diferencia entre la capacidad de campo y el agua permanente
en el punto de marchitamiento. La tabla 3.2 nos muestra estos parámetros para
el cálculo de SOL AWC, en el caso de arenas, limos y arcillas.
MIC 2005-II-6
80
TABLA 3.2
SOL_K: Conductividad hidráulica saturada. Del manual teórico de Swat (Swat
Theory), se tomó el proceso para hallar los K de cada tipo de suelo, según la
tabla 3.3 y el gráf ico 3.1.
TABLA 3.3
MIC 2005-II-6
81
GRÁFICO 3.1
TABLA 3.4
Según los porcentajes de arcilla, arena y limo de la capa de suelo, el gráfico 3.1 nos
arroja una clasif icación (tabla 3.4), según la permeabilidad del suelo.
SOL_CBN: Porcentaje de Carbono Orgánico.
CLAY: Porcentaje de arcilla.
SILT: Porcentaje de Limos.
MIC 2005-II-6
82
SAND: Porcentaje de arenas.
ROCK: Porcentaje de Gravas
SOL_ALB: Albedo del suelo.
USLE_K: Factor de erodabilidad del suelo. Se toma como punto de partida para
este parámetro la ecuación universal de pérdida de suelo USLE. Se tomó como
referencia el gráfico 3.2, que considera cualitativamente las características en
cuanto a permeabilidad delsuelo.
GRÁFICO 3.2
A continuación se presentan los gráficos con tablas referentes a los parámetros
designados según el tipo de suelo st1,st2,st3,st4 y st5, y en formato de base de datos de
Swat..
MIC 2005-II-6
83
GRÁFICO 3.3
GRÁFICO 3.4
GRÁFICO 3.5
MIC 2005-II-6
84
GRÁFICO 3.6
GRÁFICO 3.7
Podemos darnos cuenta en los gráficos 3.3 a 3.7, que las características de lo s suelos
van cambiando sus características fisiográf icas de acuerdo a su grado de permeabilidad
o conductividad hidráulica así como de humedad. Se puede ver en gran medida los
cambios en los porcentajes de arena y arcilla del suelo st1 y st5, siendo directamente
incidente este ítem en la permeabilidad del suelo.
MIC 2005-II-6
85
3.4.6.2 Características de lo s usos del suelo para la cuenca.
Según la clasificación realizada por la Corporación Autónoma Regional para la Defensa
de la Meseta de Bucaramanga, CDMB, en cuanto a cobert ura vegetal (Gráfico 3.8,
tabla 3.5 y 3.6) y usos de la tierra (gráfico 3.9, tabla 3.7), se realizó una clasificación de
4 coberturas de uso de suelo, que se diferencian por características físicas de cada
cobertura y por sus características intrínsecas que intervienen directamente en la
recepción de la precip itación, intercepción, transpiración o infiltración de ésta. Lo
anterior de acuerdo a características y parámetros que se mencionarán más adelante. Las
4 cobert uras corresponden a Bosque, vegetación de Páramo, Tierras Agroforestales y
Tierras agropecuarias.
GRÁFICO 3.8 MAPA DE TIPO DE COBERTURA VEGE TAL, CUENCA DEL RÍO TONA
MIC 2005-II-6
86
TABLA 3 .5
TABLA 3 .6
MIC 2005-II-6
87
GRÁFICO 3.9 MAPA DE USOS DEL SUELO, CUENCA DEL RÍO TONA
TABLA 3.7
Parámetros necesarios para incorporación a Swat :
CROP NAME: Nombre de la cobertura vegetal.
CPNM: código de identificación de la cobertura. Éste puede ser de máximo 4 letras de
identificación.
MIC 2005-II-6
88
IDC: Clasificación de cada cobertura de acuerdo a una clasificación que internamente
tiene Swat(tabla 3.8), y que modela de acuerdo a los procesos que cada ítem de ello s
presenta.
TABLA 3.8
BIO_E: Eficiencia de la radiación en la biomasa. Se define como la cantidad de
biomasa secada por unidad de radiación captada.(Kg/Ha).
HVSTI: Índice de cosecha.
Para los siguientes 6 parámetros se debe tener en cuenta el desarrollo del tamaño de las
hojas, su proceso de ve en el gráfico 3.10.
FIGURA 3.10 (MANUAL THEORY, SWAT 2000)
BLAI: Máximo potencial de de área de hojas.
MIC 2005-II-6
89
FRGRW1: Fracción de la primera etapa de crecimiento (comienzo de la curva de
desarrollo).
LAIMX1: fracción del máximo índice de hojas correspondiente al comienzo de curva de
desarrollo.
FRGRW2: Fracción de la primera etapa de crecimiento (etapa de desarrollo p leno).
LAIMX2: fracción del máximo índice de hojas correspondiente al punto de desarrollo
pleno.
DLAI: Fracción de la etapa de crecimiento cuando se empiezan a decaer las hojas.
CHTMX: Máxima altura de la cobertura vegetal.
RDMX: Máx ima profundidad de las raíces.
T_OPT: Temperatura óptima para que se produzca crecimiento de las plantas.
T_BASE: Temperatura mínima para el crecimiento de las plantas.
CNYLD: Fracción de Nitrógeno
CPYLD: Fracción de Fósforo.
MIC 2005-II-6
90
BN1,BN2,BN3,BP1,BP2 yBP3: Extracción de Nitrógeno y de Fósforo por las plantas
en las tres fases de su crecimiento.
WSYF: Límite infer ior del índice de cosecha.
USLE_C: Mínimo valor de “c” en la ecuación de pérdidas de la USLE. Se tiene en
cuenta el porcentaje de cubrimiento vegetal y de materia orgánica en:
3.2.1 CCCC = (3.1)8
donde :
C1=1-exp(-0.339H*% recubr imiento forestal, H es alt ura de caida(10 mts)
C2 y C3= Coeficientes correspondientes a contenidos de materia orgánica.
Según el tipo de usos de suelo clasificados, se tuvo en cuenta la siguiente asignación de
coeficientes (Tabla 3.9):
TIPO DE COBE RTURA %COBE RT %M.O C1 C2 C3 C
BOSQUE 80 70 0.92 0.15 0.15 0.021
TIERRAS AGROPEC 11 70 0.30 0.18 0.36 0.016
TIERRAS AGROFOR 20 70 0.51 0.13 0.15 0.012
VEGETAC P ÁRAMO 20 70 0.49 0.15 0.15 0.012
TABLA 3.9
GSI: Máxima conductancia estomatal con mayor radiación so lar y mínimo déficit de
presión de vapor(ítems enunciados mas adelante). Es un parámetro que se utiliza para
la estimación de evapotranspiración potencial por el método de Penman Monteith.
8 Tesis Nav arrete (2004)
MIC 2005-II-6
91
VPDFR: Déficit de presión de vapor
FRGMAX: Máxima conductancia estomatal.
WAVP: Tasa de declinamiento de la radiación.
CO2HI: Concentración de CO2 en la atmósfera.
RSDCO_PL: Coeficiente de descomposición de residuos vegetales.
Algunos de los parámetros fueron calculados con lo s procedimientos anteriores, pero
otros se dejaron según algunas coberturas o tipos de usos semejantes incluidos por
default en la base de datos de Swat, que cumplían en términos generales con las
mismas características de cobert ura que se utilizaron en este estudio. A continuación se
muestran las tablas Swat que dan lo s parámetros asignados a cada tipo de uso:
FIGURA 3.11 . Características d e Vegetación de Páramo
MIC 2005-II-6
92
FIGURA 3.12 Características de Bosque
FIGURA 3.13 Características de Vegetación de Tierras agro forestales
MIC 2005-II-6
93
FIGURA 3.14 Características de Vegetación de tierras agrop ecu arias .
Además de lo s parámetros anteriores def inidos, se tuvo que definir un coeficiente de
rugosidad de Manning para cada cobertura al igual que el número de curva (CN). En el
caso de el coeficiente de Mann ing, se asignó el coeficiente tomando como referencia
las tablas de clasif icación presentadas en “Applied Hidrology”(Chow, 1988), y en
“Open Channel Hidraulics (Chow, 1959). En la determinación de la escorrentía, por el
método de Soil Conservation Serv ice (SCS), en el cual la profundidad de escorrentía es
función de la profundidad total de precipitación y del parámetro CN que var ía entre 1 y
100 (1, para alta infiltración y 100 para zonas impermeables) , que a su vez es
dependiente de el tipo de suelo hidrológico, utilización y tratamiento del suelo,
condiciones de la superficie del terreno y humedad antecedente del suelo, se recurrió a
una interpolación en base a criterio propio tomando como base el tipo de cobertura
vegetal y de usos de suelo (gráficos 3.8 y 3.9) y teniendo en cuenta las tablas SC S y
MIC 2005-II-6
94
características catalogadas que en ellas muestran coberturas y usos afines según los 4
tipos que se utilizaron en este estudio. 9
FIGURA 3.15 Coefi cientes “ n” y “ CN” para la cobertura Bosque
FIGURA 3.16 Coefi cientes “ n” y “ CN” para la cobertura Veg etación de Páramo .
9 Método d e Abstracciones d el SCS (Chow, 1988, Manual Teóri co d e Swat2000)
MIC 2005-II-6
95
FIGURA 3.17 Coefi cientes “ n” y “ CN” para la cobertu ra Tierras Agropecuarias.
FIGURA 3.18 Coefi cientes “ n” y “ CN” para la cobertu ra Tierras Agro forestales .
Después de haber sido asignados cada uno de los parámetros anteriores, tanto de suelo,
como de usos de suelo al modelo, se generaron las HRU, o unidades hidrológicas de
respuesta, que relacionan las características fisiológicas o morfológicas de cada una de
las subcuencas a las anteriores características de suelo y usos de suelo.
MIC 2005-II-6
96
4. CALIBRACIÓN
En este capít ulo se dará a conocer el método a utilizar y en que se apoyará la
calibración de la modelación de la cuenca del río Tona, teniendo ya todos los datos de
entrada.
Además se mostrará el diagrama de f lujo del proceso, exp licando claramente el
funcionamiento del modelo, resaltando la importancia de la funciones objetivo a utilizar
para validarlo.
4.1 S ELECC IÓ N DEL MÉTO DO
Debido a la naturaleza del modelo, la mejor forma de calibrar el modelo y además la
más cómoda es mediante la prueba de ensayo y error o sea el método de fuerza bruta.
Por tal motivo es necesario el establecimiento de una función objetivo que mida de
alguna forma el grado de ajuste entre los caudales simulados y observados. Las
funciones objetivo que se t uvieron en cuenta fueron :
a) Error medio absoluto
Donde:
m = número de meses a evaluar
Qsi = Caudal simulado en el mes i
Qi = Caudal observado en el mes i
∑=
−=m
iisi QQ
mErr
1
1
MIC 2005-II-6
97
b) Máximo del valor absoluto del error
Emax =max |Qi-Qsi |
Donde:
Qsi = Caudal simulado en el mes i
Qi = Caudal observado en el mes i
c) Norma Cuadrática Normalizada
Donde:
n = número de meses a evaluar
Qsi = Caudal simulado en el mes i
Qi = Caudal observado en el mes i
d) R2
2
2
)(//
1∑∑
−
−−
obsQQobsQobsQs
Donde:
Qs= Caudal simulado
Qobs= Caudal observado en la estación.
∑=
−n
iQsiQi
n 1
2)(1
MIC 2005-II-6
98
e) Coeficiente de Correlación:
Donde :
X = Dato de caudal observado en el mes
Y = Dato de caudal simulado en el mes
n =numero de meses.
Se decidió para el estudio utilizar como función objetivo el error Medio Abso luto, y
adicionalmente el coeficiente de correlación.
4.2 DIAGRAMA DE FLUJO
El siguiente diagrama de flujo muestra de forma general el funcionamiento de la
calibración.
MIC 2005-II-6
99
(Figura 4.1)
Para el proceso de calibración, se tuvieron en cuenta los valores semilla establecidos en
el cap ítulo de modelación hidrológica del presente estudio para los parámetros CN2
(CN para la condición de humedad 2), BD (densidad húmeda del suelo), K
(conductividad hidráulica), y USLE K (coeficiente de erodabilidad). Estos parámetros
enmarcaron los siguientes pasos de calibración:
Inicio
Establecimiento de parámetros de calibración: CN2, BD y K así como Kusle, datos iniciales o
Iniciación de la iteración con el valor de la semilla
Iniciación de la Función Objetivo
Cálculos de la función objetivo con Qi y Qsi, y guarda el mejor punto de la semilla, que minimice esta F:O
Cambio por ensayo y error de los otros puntos de la semilla, con base en el punto guardado
Fin
Final de iteraciones.
SI
NO
MIC 2005-II-6
100
4.3 RES ULTADOS PRELIMINARES
Antes de comenzar la fase de calibración es importante ver el punto de partida, o sea la
visualización de los resultados arro jados por el modelo, en cuanto a caudal, dados los
parámetros y características enunciados en los cap ítulos 2 y 3.
Para poder evaluar los resultados obtenidos se tuvieron en cuenta los caudales
observados en la estación Carrizal-Puente Tona (2319710), ubicada en la última de las
estaciones aguas abajo. Los resultados del modelo diferentes a caudal pueden verse en
Anexos.
Los datos observados nos dan una idea de cómo deberían ser los resultados modelados,
su tendencia, su forma (unimodal, bimodal) y su magnit ud.
Los datos de caudal observado, tomados como promedios mensuales a nivel multianual
de los años 1976 a 1981 son los siguientes:
CAUDAL PROM EDIO MENSUAL HISTÓRICO
0,0002,000
4,000
6,000
8,000
10,00012,000
14,000
ENEFEB
MAR ABR
MAYJU
N JUL
AGO SEP
OCTNOV DIC
m eses
Caud
al(m
3/s)
GRÁFICO 4.2
MIC 2005-II-6
101
Se nota una forma bimodal en los registros. Los picos corresponden a los meses de
Mayo y Noviembre, teniendo una relación directa a los eventos de precip itación.
Dados los parámetros hidroclimatológicos, de suelo, y cobertura vegetal, asi como los
parámetros físicos de la cuenca, el resultado de caudal a la salida de la subcuenca 14 es
el siguiente:
CAUDALSIMULADO (M 3/S)
0,000
2,000
4,0006,000
8,00010,000
12,00014,000
ENEFEB MAR AB
RMAY JU
N JUL
AGO SEP
OCTNOV DIC
m eses
Cau
dal(m
3/s)
GRÁFICO 4.3
Es importante el hecho que los periodos húmedos coinciden en gran medida en caudales
observados y simulados, de igual manera sucede en per iodos secos. Sin embargo el
desfase no es nada despreciable y hay una evidente sobreestimación de los caudales
generados por el modelo (gráfico 4.4)
MIC 2005-II-6
102
CAUDALSIMULADO vs CAUDAL OBSERVADO
0 ,0002 ,000
4 ,0006 ,0008 ,000
10 ,000
12 ,00014 ,000
ENE MAR MAY JUL SEP NOV
mese s
Cau
dal(m
3/s)
caudal simulado caudal observado
GRÁFICO 4.4
Coefi ciente de correlaci ón 0,7883
error medio absoluto 3,0382
TABLA 4.1
4.4 Calibración con el parám etro C N2 del suelo.
Al aumentar un porcentaje considerable en el valor de CN2, o sea infir iendo en
características como la permeabilidad, el modelo arroja un considerable aumento en los
caudales mensuales como se puede apreciar en la gráfica 4.5
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
16 ,0 0
Ene Feb M ar Ab r M ay Jun Jul Ago Sep Oct N ov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio his tóric o caud simul orig
GRÁFICA 4.5
MIC 2005-II-6
103
Se ve un aumento considerable del caudal simulado, respecto al simulado con las
semillas originales, lo que concuerda con un aumento significativo de caudal a medida
que se disminuye la permeabilidad del terreno. Sin em bargo para poder calibrar el
modelo de acuerdo a este parámetro, necesitamos es bajar el caudal, y al bajar
considerablemente el valor de CN2, en forma individual (30%), no se obtiene una
disminución significativa de caudal, para asemejar lo al observado, lo cual lo podemos
apreciar en la gráfica 4.6 ya que hay practicamente una superposición del caudal
simulado, con el sim ulado original (con las semillas in iciales). No obstante se mejora el
coeficiente de correlación.
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado p ro medio histórico caud simul orig
GRÁFICA 4.6
Coefi ciente de correlaci ón 0,7929
error medio absoluto 3,0623
TABLA 4.2
4.5 Calibración con el parám etro de densidad de bulbo húmedo del suelo (BD).
MIC 2005-II-6
104
El parámetro de densidad de bulbo húmedo indica la relación de masa sólida con
respecto al volumen total del suelo. Por tal motivo, aumentar en un porcentaje este
parámetro, supondría una elevación en el caudal simulado, lo que se corrobora en la
gráfica 4.7, aunque en una medida muy pobre.
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico caud s imul orig
GRÁFICA 4.7
Sin embargo, para acercarnos un poco mas al caudal observado, se debió disminuir el
BD( 20%), a cambio de lo que se realizó anteriormente, pero los resultados no fueron
los mejores. La gráfica 4.8 muestra una superposición técnica y no hay una
disminución representativa del caudal.
MIC 2005-II-6
105
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico caud simul o rig
GRÁFICA 4.8
Coefi ciente de correlaci ón 0,7913
error medio absoluto 2,9702
TABLA 4.3
Sin embargo y a pesar de la disminución en el coeficiente de correlación respecto al
parámetro CN2, se puede apreciar una disminución en el error medio absoluto.
4.6 Calibración con el parám etro de conductividad hidráulica del suelo (K).
Hasta este punto ninguno de los parámetros utilizados nos dieron una respuesta
beneficiosa para la calibración del modelo, sin embargo la conductividad hidráulica nos
dio resultados significativos. Al aumentar el parámetro K en un porcentaje alto (30%),
se pudo observar un aumento considerable de caudal como se ve en la gráfica 4.9.
MIC 2005-II-6
106
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
16,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oc t Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico caud simul orig
GRÁFICA 4.9
Sin embargo, para ajustar el caudal simulado al observado necesitábamos disminuir
considerablemente el parámetro K, se realizó el cam bio en un porcentaje del 40 %, y
se obtuvo el resultado mas satisfactorio hasta el momento, como se puede observar en la
gráfica 4.10
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
En e Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio h istó rico caud simul orig
GRÁFICA 4.10
MIC 2005-II-6
107
Coefi ciente de correlaci ón 0,8360
error medio absoluto 1,4564
TABLA 4.4
El coeficiente de correlación que se obtiene es satisfactorio, sin embargo sería de
mayor aceptación una mejor acomodación en cuanto al desfase que se presenta en los
picos. Para ello se proseguirá intentando la calibración con otros parámetros.
Al combinar los parámetros anteriores no se ve una mejoría en la calibración.
4.8 C alibración con el parám etro de erodabilidad del suelo (K_USLE).
El parámetro de erodabilidad del suelo presenta una variación muy baja respecto al
caudal simulado con las semillas in iciales. Inicialmente se rebajó el parámetro en un
porcentaje signif icativo (50%), y aunque los valores de caudal aumentaron como supone
la teoría, la variación es casi imperceptible (gráf ico 4.11). De igual manera al
aumentar la erodabilidad del suelo, se espera una disminución del caudal simulado, sin
embargo, la variación también fue casi imperceptible (Gráfico 4.12).
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oc t Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio históric o caud simul orig
MIC 2005-II-6
108
GRÁFICA 4.11
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oc t Nov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio his tórico caud simul orig
GRÁFICO 4.12
4.9 C om binación de los parámetros BD,CN y K, en la misma calibración.
Al haber analizado la sensibilidad de cada uno de los parámetros calibrables, se notó
que debía hacerse con cada uno de ellos ya sea en aumento o disminución. Al
combinar estos parámetros (BD, K, y CN2) se logra un ajuste óptimo, nos muestra un
acercamiento signif icativo a la forma bimodal y al orden de magnitud de la gráf ica.
Además se nota claramente la intervención del parámetro CN, que al combinarse con el
parámetro BD y K, m uestra resultados mucho más satisfactorios. Esto lo podemos
visualizar en la gráfica 4.13.
MIC 2005-II-6
109
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
En e Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histó rico
GRÁFICA 4.13
Coefi ciente de correlaci ón 0,8965
error medio absoluto 1,2755
TABLA 4.5
El resultado es satisfactorio, ya que se observa una corrección en la aceleración de la
respuesta del modelo, al ver los picos. Además, puede verse una respuesta mas rápida
en el parámetro CN, al ser asociado con K, y en menor medida a BD (gráficos A5,
A6), sin embargo, al ser asociados los tres parámetros (disminuyéndolos), se ve un
buen resultado. Disminución de BD=20%; disminución de K=40%; disminución de
CN2=30%.
4.10 Calibración con el parám etro Gw Delay del suelo.
Este parámetro enmarca el tiempo de tardanza en llegar al acuífero el agua que viene de
la parte mas baja de la zona vadoza. Al aumentar este parámetro en un 40 %, logramos
la disminución del caudal sim ulado, pero no el retrazo de éste, por tanto los picos
siguieron igualmente desfasados (figura 4.14).
MIC 2005-II-6
110
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio histórico caud simul orig
GRÁFICA 4.14
4.11 Calibración con los parámetros GW_REVAP, REVAPMN, y GWQ MN del
suelo
Los parámetros relacionan la revaporación del suelo con la profundidad mínima del
acuífero que da pie a la generación de flujo. Siguiendo las recomendaciones del
Manual de Swat, con el fin de disminuir el caudal de f lujo; Incrementamos GW_revap,
disminuimos REVAP_M N, y subimos GW_QMN.
Como se observa en la figura 4.15 se logró disminuir el caudal, sin embargo no se logró
retrazar la generación de flujo para solucionar el desfase.
MIC 2005-II-6
111
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio histórico caud simul orig
GRÁFICO 4.15
Hasta entonces sólo hemos logrado rebajar el caudal, pero no curar el desfase de la
serie. Siguiendo el consejo dado por el Manual de usuar io de Swat, se prosiguió de la
siguiente manera:
4.12 Calibración con el parám etro SOL_AWC del suelo.
El parámetro de capacidad de agua en el suelo se aumento en un porcentaje del 90%, ya
que los valores iniciales o de semilla eran del orden del 5% con respecto a la máxima
capacidad.
El gráfico 4.16 nos muestra una disminución significativa en la generación de caudal,
sin embargo, el parámetro, al ser analizado en forma individual muestra que persiste el
MIC 2005-II-6
112
desfase de picos producto del aceleramiento en la respuesta del modelo que no es
controlado en esta calibración y con esta variable.
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
En e Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio h istó rico
GRÁFICO 4.16
Coefi ciente de correlaci ón 0,8087
error medio absoluto 2,1211
4.13 Calibración con el parám etro n de Manning de la cobertura vegetal.
Se aumentó en un 40 % el valor de “n” de Manning para cada una de las coberturas de
uso de suelo, consiguiendo, como se observa en el gráfico 4.16, un mejor ajuste en los
picos, sin tener el desfase del que se sufría anteriormente.
MIC 2005-II-6
113
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb M ar A br M ay Jun Jul A go Sep Oct N ov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio histórico caud s imul orig
GRÁFICO 4.17
Coefi ciente de correlaci ón 0,8359
error medio absoluto 2,1887
TABLA4.6
El mismo resultado se obtuvo al trabajar con el parámetro de pendiente, sin embargo se
decidió dejar el mismo parámetro original, y trabajar con la rugosidad, que puede ser
más maniobrable.
4.14 Calibración teniendo en cuenta la com binación de parámetros SO L_AWC y
n de Manning.
Al combinar estos dos parámetros se logró una mejor correlación, sin embargo siguió
siendo menos óptima que la calibración lograda con los parámetros CN2 y K, lo cual
puede observarse en el gráf ico 4.18. Al intentar calibrar SOL_AWC, con CN2 y K, el
resultado no supera tampoco al mejor. (gráfico A4)
MIC 2005-II-6
114
Comparación de Caudales simulados y Caudal obse rvado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
Ene Fe b Ma r Abr Ma y J un J ul Ago S e p Oct Nov Di c
mese s
Cau
dal(m
3/s)
Caudal Simulado promedio h istó rico
GRÁFICO 4.18
Coefi ciente de correlaci ón 0,8548
error medio absoluto 1,5789
TABLA 4.7
Dado el resultado de la calibración, se puede asegurar que el parámetro CN2, n de
Maning, BD y K, logran una correlación de los datos observados y los simulados, del
90 %, en el caso de la combinación para CN y del 85% en el caso de combinación para
“n” de Manning.
El mejor resultado de calibración lo presenta la combinación entre los parámetros CN2,
K y BD. Esto ref leja de alguna manera la importancia y lo sensible que es el parámetro
CN de cobert ura vegetal en el momento de la respuesta hídrica de una cuenca. Al variar
un poco el porcentaje a disminuir en el parámetro K, o sea, no 40 %, sino 30%, se
obtiene un mejor ajuste en los p icos, sin embargo, a juicio prop io, parece que hay una
sobreestimación general del caudal sim ulado, aunque el coeficiente de correlación es el
mejor de los sim ulados, como se aprecia en el gráfico 4.19 y tabla 4.8.
MIC 2005-II-6
115
Comparación de Caudale s simulados y Caudal obse rvado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb M ar A br May J un J ul Ag o Sep Oct No v Dic
mes es
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.19
Coefi ciente de correlaci ón 0,9092
error medio absoluto 1,7110
TABLA 4.8
Al disminuir el porcentaje a reducir de 40% a 35% y no a 30%, tenemos un mejor
ajuste, de acuerdo al flujo generado y a los p icos, podría considerarse como una de las
mejores calibraciones.
MIC 2005-II-6
116
Comparación de Caudale s simulados y Caudal obse rvado
0 ,00
2 ,00
4 ,00
6 ,00
8 ,00
10 ,00
12 ,00
14 ,00
Ene F eb M ar Ab r May J un J ul A go S ep O ct No v Dic
mes es
Cau
dal(m
3/s)
Caudal Simulado p ro medio histórico
GRÁFICO 4.20
Coefi ciente de correlaci ón 0,9198
error medio absoluto 1,3719
TABLA 4.9
4.15 Mejores calibraciónes del m odelo.
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
En e Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
mes es
Caud
al(m
3/s)
Caudal Simulado promedio histó rico
GRÁFICA 4.21 CALIBRCIÓN CON PARÁME TROS CN2, BD, Y K
MIC 2005-II-6
117
Coefi ciente de correlaci ón 0,8965
error medio absoluto 1,2755
TABLA 4.10
Para esta calibración, se disminuyó con respecto a las semillas in iciales; BD en un
20%, CN2 en un 30%, y K en un 40%.
Aunque se obtiene una calibración aceptable, es notorio algo de subestimación de
caudales p icos y sobreestimación de algo de caudales en periodos secos.
Comparación de Caudale s simulados y Caudal obse rvado
0 ,00
2 ,00
4 ,00
6 ,00
8 ,00
10 ,00
12 ,00
14 ,00
Ene F eb M ar Ab r May J un J ul A go S ep O ct No v Dic
mes es
Cau
dal(m
3/s)
Caudal Simulado p ro medio histórico
GRÁFICO 4.22
Coefi ciente de correlaci ón 0,9198
error medio absoluto 1,3719
TABLA 4.11
Con respecto a las semillas iniciales, se disminuyó BD en un 20%, K en un 35% y CN
en un 30%, se obtiene un resultado muy óptimo, en cuanto a picos y generación de
flujo.
MIC 2005-II-6
118
4.16. GENERACIÓN DE ESCENARIOS HIPOTÉTICOS Y CUANTIFICACIÓN DEL IMPACTO DE LA COBERTURA VEGETAL .
Una vez lograda la calibración del modelo, se puede ver la situación o escenario actual
de la cuenca en cuanto a cobertura vegetal, donde se apreció un cambio importante en el
parámetro CN2, y algunos parámetros del suelo como K y BD. Sin embargo, para
cuantificar el efecto de la cobertura vegetal, es necesaria la creación de distintos
escenarios donde se tengan cambios directos en cada subcuenca en cuanto al tipo de
cobertura, y teniendo como base los parámetros de suelo ya calibrados, generando
nuevos HRU´s, y analizando el cambio en la respuesta hidro lógica de la cuenca. Para
ello, se realiza una metodología, donde se tienen en cuenta en forma única, cada una de
las coberturas vegetales que presenta la cuenca. Es decir, se colocó cada una de las
coberturas en toda la cuenca, en primera medida sin combinaciones, para ver el
verdadero efecto del cambio de vegetación en la respuesta hidrológica de la cuenca.
4.16.1. Escenario de Bosque, para toda la cuenca.
Al mantener los parámetros calibrados de suelo, en cuanto a BD, y K, y generando
bosque como cobert ura vegetal de toda la cuenca, se observa un aumento en el caudal
simulado como se ve en el gráfico 4.24, en comparación con el caudal dado con la
mejor calibración (gráfico 4.23).
MIC 2005-II-6
119
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb Mar Ab r M ay Jun J ul Ag o Sep Oct No v D ic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.23. ESCENARIO DE CALIBRACIÓN FINAL
4.16.2. Escenario de Bosque, para toda la cuenca.
Comparación de Caudales simulados y Caudal observado
0 ,00
2 ,00
4 ,00
6 ,00
8 ,00
10 ,00
12 ,00
14 ,00
Ene F eb Mar Ab r M ay J un J ul A go S ep O ct No v Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.24. ESCENARIO DE BOSQUE.
MIC 2005-II-6
120
4.16.3. Escenario de tierras Agroforestales, para toda la cuenca.
Al igual que en el punto anterior, se mantienen los parámetros calibrados de suelo, en
cuanto a BD, y K, y se generan tierras agroforestales como cobertura vegetal de toda la
cuenca. Al correr el modelo se observa un aumento muy leve en el caudal simulado
como se ve en el gráfico 4.25, en comparación con el caudal dado con la mejor
calibración (gráfico 4.23), aunque no es muy notorio, el caudal aumenta un 3%.
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene F eb M ar Abr May J un J ul Ag o Sep Oct N ov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.25. ESCENARIO DE TIERRAS AGROFORESTALE S.
4.16.4. Escenario de tierras Agropecuar ias, para toda la cuenca.
Al mantener los parámetros calibrados de suelo, en cuanto a BD, y K, y generando
tierras agropecuarias como cobertura vegetal de toda la cuenca, se observa un aumento
muy notorio y una leve aceleración en la respuesta de la cuenca y caudal simulado
MIC 2005-II-6
121
como se ve en el gráfico 4.26, en comparación con el caudal dado con la mejor
calibración (gráfico 4.23).
GRÁFICO 4.26. ESCENARIO DE TIERRAS AGROPE CUARIAS.
4.16.5. Escenario de Vegetación de páramo, para toda la cuenca.
Este escenario no mostró muchos cambios respecto al calibrado, lo cual dice que
representa un promedio en el tipo de vegetación de la cuenca.
Comparación de Caudales simulados y Caudal observado
0, 00
2, 00
4, 00
6, 00
8, 00
10, 00
12, 00
14, 00
Ene Feb Ma r Abr Ma y J un J ul Ago Se p Oct Nov Dic
meses
Caud
al(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.27. ESCENARIO DE VEGE TACIÓN DE PÁRAMO.
Comparación de Caudales simulados y Caudal observado
0 ,00
2 ,00
4 ,00
6 ,00
8 ,00
10 ,00
12 ,00
14 ,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
MIC 2005-II-6
122
Con lo anterior podemos apreciar una comparación de la respuesta de la cuenca ante
cambios en la cobertura vegetal (Gráfico 4.28)
Comparación entre e scenarios
0,001,002,003,004,005,006,007,008,009,00
10,00En
e
Feb
Mar
Abr
May Jun Jul
Ago
Sep
Oct
Nov
Dic
Meses
Q si
mul
ado(
m3/
s) Q CalibradoEs cenario BosqueEs c T AgroforestalesEs c T AgropecuariasEs c Veget Páramo
GRÁFICO 4.28. Co mparación entre escen arios.
Cabe resaltar que es importante observar los cambios en la respuesta hídrica de la
cuenca ante cam bios localizados en la cobertura vegetal, lo cual es mas realista y puede
verse claramente en una eventual deforestación. Para ver ificar esto se simulará un
cambio en la cobertura vegetal, de una cobertura con un CN alto, como es la de bosque
y tierras agropecuar ias a CN´s bajos que dan la condición que se desea simular.
4.16.6. Escenario de cambio en zonas de CN alto (caso cobertura de bosque).
El CN2 de la cobertura de bosque es el segundo más alto. La reducción en el valor de
este parámetro hasta simular una deforestación, no arro ja grandes cam bios en la
respuesta hidrológica de la cuenca, como se ve en el gráfico 4.29 sin embargo
MIC 2005-II-6
123
representa una reducción del 7% del caudal, lo cual es signif icativo si se tiene en cuenta
que el área modificada es apenas el 35% del área total de la cuenca.
Cambio en la cobertura vege tal Bosque(disminución de CN)
0,00
2,00
4,00
6,00
8,00
10,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Q (m
3/s)
Q con CN´s originales Q, con CN menor de Bosque
GRÁFICO 4.29. Dis minución de CN para la cobertura bosque
4.16.7. Escenario de cambio en zonas de CN alto (caso cobertura de tierras
agropecuar ias).
Una de las cobert uras que presenta mayor CN2 es la de tierras agropecuar ias. Al
intervenir en su CN2, disminuyéndolo hasta poder simular una escacés de cobertura
vegetal, se notaron cambios relevantes en la respuesta hidrológica de la cuenca, como
se aprecia en el gráfico 4.30.
MIC 2005-II-6
124
Cambio en la cobertura vege tal Tierras Agropecuarias(disminución de CN)
0,00
2,00
4,00
6,00
8,00
10,00
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
mes es
Q (m
3/s)
Q con CN´s originales Q con CN menor de TIAG
GRÁFICO 4.30. Dis minución de CN para la cobertura de tierras Ag ropecu arias.
Claramente se aprecia una disminución general en el caudal, si lo comparamos al
simulado con el CN2 propio de tierras agropecuar ias. A nivel anual se perdió un 13%
del caudal con el CN2 propio de la cobertura, lo que evidentemente nos muestra un
impacto de consideración, si se tiene en cuenta que el área representativa a esta
cobertura vegetal es de sólo el 40% del área de la cuenca.
4.17. ANÁLISIS DE RESULTADOS DE ESCENARIOS HIP OTÈTICOS
Los resultados a nivel mensual durante los tres años con registros aceptables, m uestran
una concordancia, año a año en cuanto al régimen hidrológico de la cuenca, pues el
comportamiento es bastante homogéneo, lo que hace suponer que en estos per iodos no
hubo grandes cambios a nivel de cobertura vegetal. Lo anterior puede verse en detalle
en los gráficos 4.31 y 4.32.
MIC 2005-II-6
125
caudale s mensuale s..
02468
1012
ene-7
9ab
r-79
jul-79
oct-79
ene-80
abr-80
jul-80
oct-80
ene-8
1abr-
81jul-8
1oct-
81
Meses de 1979 a 1981
Cau
dale
s (m
3/s)
GRÁFICO 4.31. Serie de Caudal es si mul ados de en ero de 1979 a dici emb re de 1981
Comparación entre serie s mensuales observadas y simuladas
02468
101214
ene-7
9ab
r-79
jul-79
oct-79
ene-80
abr-80
jul-80
oct-80
ene-8
1abr-
81jul-8
1oct-
81
Meses de 1979 a 1981
Cau
dale
s (m
3/s)
GRÁFICO 4.32 . Comparación entre Serie de Caudales si mulados (mod elo calibrado) y observados de
enero de 1979 a dici emb re de 1981
La generación de escenarios arrojó resultados que nos permiten cuantificar de alguna
manera el cómo interviene la cobertura vegetal en la respuesta hidrológica de cuencas.
Por una parte se pudo ver que definitivamente al aumentar el parámetro CN2, el caudal
MIC 2005-II-6
126
aumenta, partiendo de una base de parámetros calibrados del suelo. Hay que aclarar
que esto se ve por que fueron calibrados parámetros como BD(densidad del bulbo) y
K(conductividad hidráulica), que son parámetros muy importantes del suelo. Lo
anterior podría deberse a que a mayor CN2, tenemos una propiedad de mayor
infiltración.
Para visualizar un poco el grado de calibración del modelo en primera medida fue bueno
guiarnos mediante la ayuda de algunos gráficos que m uestren la dispersión de los datos
simulados, enfrentados a los observados.
La dispersión de los datos observados y simulados sin previa calibración pueden
observarse en los gráficos 4.33 y 4.34 respectivamente. En ellos se aprecia una
diferencia importante, ya que en el primero la dispersión es amplia, y el rango de
caudal también es mayor, lo cual cambia notoriamente en el segundo caso.
Caudal histórico vs Caudal simulado sin calibrar modelo
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,000 2,000 4,000 6,000 8,000 10,000 12,000 14,000
Caudal simulado, sin calibrar modelo(m3/s)
Cau
dal h
istó
rico
(m3/
s)
GRÁFICO 4.33. Dispersión d ada al en frentar el caudal simulado con el caudal histórico
MIC 2005-II-6
127
Q histórico mensual vs caudal simulado calibrado
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00
Caudal Calibrado(m3/s)
caud
al h
istó
rico
men
sual
prom
edio
(m3/
s)
GRÁFICO 4.34. Dispersión dada al enfrentar el caudal si mulado calibrado y el caudal histórico.
La dispersión de los datos históricos enfrentados a los simulados de cada uno de los
escenarios generados pueden verse de los gráficos A5 hasta A8, además de la
dispersión del caudal sim ulado a nivel diar io, a partir de la calibración del modelo
Al simular un eventual escenario de cambio de cobertura en una zona con capa vegetal
de CN2 alto, dando características de una event ual deforestación se notó una
disminución significativa del caudal generado, y a medida que el área de incidencia de
la “deforestación” crecía el caudal iba disminuyendo casi proporcionalmente. Esto
sucedió incluso cuando se le dieron características homogéneas de cobertura en toda la
cuenca. Así, si el CN2 era muy alto, el caudal se veía afectado notoriamente y
aumentaba, y a medida que la cobertura daba un CN2 menor, el caudal era también
menor.
MIC 2005-II-6
128
Puede reflejarse entonces una incidencia directa entre el tipo de cobertura vegetal y el
tipo de respuesta hidrológica de la cuenca del río Tona, lo cual puede generalizarse a
cualquier tipo de cuenca, siempre y cuando el suelo permita las características
adecuadas de infiltración y almacenamiento temporal que complementan las
propiedades de cada tipo de cobertura vegetal.
Puede entenderse mejor el funcionamiento o deducir las características de la cuenca del
río Tona si analizamos las curvas de duración de caudales, teniendo en cuenta los
caudales observados, así como el caudal simulado con prev ia calibración del modelo.
Tomar lo anterior para algunos escenar ios con diferente tipo de cobertura vegetal, nos
puede ayudar a entender mejor la intervención de ésta en la respuesta de la cuenca.
Curva de duración de Caudales (observado)
0
2
4
6
8
10
12
14
16
0,00 20,00 40,00 60,00 80,00 100,00 120,00
Porcentaje del tie mpo e n que un caudal es igualado o excedido
Cau
dal o
bser
vado
(m3/
s)
GRÁFICO 4.35. Curva d e du ración de Caudales (caudal diario)
MIC 2005-II-6
129
Al analizar la parte alta y baja de la curva vemos que se resaltarían características
propias de la cuenca como menor número de caudales bajos, o ubicación de la hoya en
una zona montañosa, además de tener la región un buen drenaje y poca retención de
agua. En general, buen sistema de drenaje superficial y permeabilidad alta (gráfico
4.35). Lo anterior se ve mas acentuado en el evento de simulación con calibración
previa (gráfico 4.36), sobre todo en la parte baja de la curva, lo que enfatiza aún más
una permeabilidad alta. Esto se ve reflejado en el gráfico 4.23, donde se aprecia algo
de sobreestimación ligera de caudales.
Curva de duración de caudales (simulado)
0
2
4
6
8
10
12
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Porcentaje del tiempo en que un caudal es igualado o excedido
Cau
dal s
imul
ado
(mod
elo
calib
rad
GRÁFICO 4.36. Curva d e du ración de Caudales (caudal diario en m3/s)
MIC 2005-II-6
130
Curva de duración de caudales (simulado escenario bosque)
0123456789
10
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Porcentaje del tiempo en que un caudal es igualado o excedido
Q si
mul
ado(
esce
nari
o bo
sque
GRÁFICO 4.37 . Curva de duración d e Caud ales (caudal diario en m3/s)
En el gráfico 4.37 se ven las características mencionadas anteriormente aunque más
acentuadas lo que se aprecia en la parte baja de la curva, esto puede deberse, al efecto
que puede producir la vegetación en toda la cuenca. Esta puede incrementar la
intercepción y por tanto mayor flujo hacia la zona vadosa. Lo anterior se repite para el
caso de tierras agropecuarias.
Curva de duración de caudales (simulado escenario tierras Agropecuarias)
0123456789
10
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Porcentaje del tiempo en que un caudal es igualado o excedido
Q si
mul
ado(
esce
nari
o TI
AG
GRÁFICO 4.38 . Curva de duración d e Caud ales (caudal diario en m3/s)
MIC 2005-II-6
131
A pesar que en el cambio de la respuesta hidro lógica de la cuenca la variación del
caudal en algunos casos es notoria, se ve mucho más representativa la respuesta en
cuento a la producción de sedimentos. Esta producción va de la mano con la cantidad
de caudal que se produce, ya que éste es el que produce el levantamiento de los
sedimentos y su transporte. En los gráf icos 4.39 a 4.42 se puede ver este efecto, ya que
en los escenarios donde la cobertura vegetal produce mayor caudal, igualmente hay una
mayor producción de sedimentos.
Producción de sedimentos para condición de modelo calibrado
0 ,0 0
10 0 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
50 0 ,0 0
6 00 ,0 0
70 0 ,0 0
8 00 ,0 0
Ene F eb Mar A br May J un J ul Ag o Sep Oct No v D ic
meses
Sedi
men
tos(m
g/L)
GRÁFICO 4.39
Producción de sedime ntos para condición de escenario bosque
0 ,00
10 0,00
20 0 ,00
30 0 ,00
40 0 ,00
50 0,00
60 0 ,00
70 0,00
80 0 ,00
Ene F eb M ar Ab r M ay J un J ul Ag o S ep Oct N ov Dic
m ese s
Sedi
men
tos(
mg/
L)
GRÁFICO 4.40
MIC 2005-II-6
132
Producción de sedimentos para condición de escenario de tie rras Agropecuarias
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
8 00 ,0 0
9 00 ,0 0
10 00 ,0 0
Ene F eb M ar Ab r M ay J un J ul Ago S ep Oct No v Dic
me ses
Sedi
men
tos(
mg/
L)
GRÁFICO 4.41
Producción de se dimentos para condición de e scenario de tie rras Agroforestales
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
Ene F eb M ar Ab r M ay J un J ul Ag o S ep Oct No v Dic
m ese s
Sedi
men
tos(
mg/
L)
GRÁFICO 4.42
MIC 2005-II-6
133
Producción de sedimentos para condición de escenario de tierras Agroforestales
0 ,0 0
10 0 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
50 0 ,0 0
6 00 ,0 0
70 0 ,0 0
8 00 ,0 0
Ene F eb Mar A br May J un J ul Ag o Sep Oct No v D ic
meses
Sedi
men
tos(
mg/
L)
GRÁFICO 4.43
En los gráficos anteriores podemos ver el efecto tan acentuado que genera el caudal en
la producción de sedimentos. Por una parte si existe el suficiente caudal de arrastre, la
cantidad de sedimentos de transporte es muy notoria, y por otro lado si el caudal no es
suficiente, la producción de sedimentos es casi nula. Por ello es mas evidente y notoria
la diferencia de sedimentos a mayores y menores caudales, como se ve en el gráfico
4.44
Comparación entre producciones mensuales de sedimentos entre escenarios
0,0
20 0,0
40 0,0
60 0,0
80 0,0
100 0,0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Me se s
Sedi
men
tos(m
g/L)
Sedimentos, modelo calibrado Escenario Bosque Esc T Agro forestales
Esc T Agropecuarias Esc Veget Páramo
GRÁFICO 4.44
MIC 2005-II-6
134
4.18. ANÁLISIS DE ESCENARIOS P ROPUEST OS POR EL PLAN DE
ORDENAMIENTO AM BIENTAL.
Los escenarios propuestos en esta parte del estudio corresponden a los propuestos por
Gradex dentro del plan de ordenamiento territorial para la cuenca del río Tona En este
trabajo se implementaron en el modelo y se analizaron los resultados en cuanto a caudal
y producción de sedimentos, ya que muestran de alguna forma posibles escenarios
reales a futuro, si se tiene en cuenta los cuidados que en ellos se espera. De esta forma
se puede apreciar la respuesta real de la cuenca ante cambios posibles en el futuro. Sin
embargo los escenarios propuestos antes, nos sirven para ver la respuesta ante cambios
extremos, por ejemplo de deforestación.
Los escenar ios propuestos por Gradex (2000) responden a los principales desaf íos del
ordenamiento ambiental territorial de la cuenca del río Tona que son el nivel de
deterioro progresivo, tanto cuantitativo como cualitativo del recurso hídrico.
Los escenarios propuestos son tres, en el pr imero, el cual comprende los usos
potenciales de tierra a futuro se presentan como coberturas, bosque plantado, tierras
forestales, tierras agropecuarias y tierras agroforestales, y de acuerdo a la figura 3.6,
se distribuyen de la siguiente manera en la cuenca (teniendo en cuenta el mayor
porcentaje de cobertura representativo:
− Bosque Plantado para las subcuencas 1,2,3,9,10,11 y 12. (CN2=70)
− Tierras forestales para las subcuencas 6, 8 y 14.(CN2= 69)
− Tierras Agroforestales para las subcuencas 5, 7 y 13. (CN2=53)
− Tierras Agropecuarias para la subcuenca 4. (CN2=86)
MIC 2005-II-6
135
El segundo y el tercer escenario, muestran algunas alternativas de manejo a futuro de las
coberturas act uales que podr ían hacer mejoras en la respuesta hídrica de la cuenca. El
segundo escenario presenta como coberturas
− Delimitación y protección de ecosistemas de alta montaña en los biomas de
bosque alto andino y subpáramo, para las subcuencas 1,2,5,12. (CN2=67)
− Protección de bosques naturales, para las subcuencas 9,8,11. (CN2=77)
− Explotación agropecuaria de la cuenca, para las subcuencas
3,4,7,8,10,13,14.(CN2= 86)
El tercer y último escenario plantea los siguientes usos:
− Delimitación y protección de ecosistemas de alta montaña en los biomas de
bosque alto andino y subpáramo. Subcuencas 1,2,5,10,12. (CN2=67)
− Recuperar zonas de especial potencial de producción hídr ica. Subcuencas 6, 11
y 10.(CN2=77).
− Protección de bosques naturales y áreas de regeneración rural.Subcuencas 3,9,
4.(CN2=75)
− Promover sistemas de exp lotación agropecuaria. Subcuencas 7,8,13 y
14.(CN2=86).
Para simular la implantación de los anteriores escenar ios se manejó el CN2 como única
variable representativa, ya que según el estudio, se vio que era uno de los parámetros
más sensibles a la hora de ver la respuesta del modelo. Los valores de CN2 asignados
al modelo para estas cobert uras fueron los enunciados en paréntesis anteriormente.
MIC 2005-II-6
136
Al aplicar las coberturas y escenarios anteriores se obt uvieron los resultados mostrados
en los gráficos 4.45 a 4.47
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb Mar Abr M ay Jun J ul Ago Sep Oct Nov Dic
me ses
Cau
dal(m
3/s)
Caudal Simulado promedio histó rico
GRÁFICO 4.45. ESCENARIO 1
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb Mar Abr M ay Jun J ul Ago Sep Oct Nov Dic
me ses
Cau
dal(m
3/s)
Caudal Simulado promedio histórico
GRÁFICO 4.46. ESCENARIO 2
MIC 2005-II-6
137
Comparación de Caudales simulados y Caudal observado
0 ,0 0
2 ,0 0
4 ,0 0
6 ,0 0
8 ,0 0
10 ,0 0
12 ,0 0
14 ,0 0
Ene Feb Mar Abr M ay Jun J ul Ago Sep Oct Nov Dic
me ses
Cau
dal(m
3/s)
Caudal Simulado p romedio histórico
GRÁFICO 4.47. ESCENARIO 3
Comparación de escenarios MMA y GRADEX
0 ,0 0
1,0 0
2 ,0 0
3 ,0 0
4 ,0 0
5,0 0
6 ,0 0
7,0 0
8 ,0 0
9 ,0 0
10 ,0 0
Ene F eb M ar A br M ay J un J ul Ag o Sep Oct No v Dic
meses
Cau
dal(m
3/s)
escenario 3 Escenario 2 Escenario 1 datos observado s
GRÁFICO 4.48 . COMPARACIÓN ENTRE ESCENA RIOS GRADEX Y MINISTE RIO DEL ME DIO
AMBIENTE
En ellos, y como se puede apreciar en la figura 4.48, se observa una diferencia muy
leve, lo que nos lleva a pensar que surten un efecto similar, sin em bargo se puede
apreciar que el caudal en general aumenta beneficiando la respuesta hídrica de la
cuenca.
MIC 2005-II-6
138
Por tal motivo, la prevención del daño de la cuenca por procesos como la deforestación
debe ser evitado, y es de imperosa necesidad el cumplimiento de las recomendaciones
dadas en cada uno de los escenarios planteados, 10garantizando la protección de
ecosistemas especiales por su función ambiental o por la presencia de comunidades
bióticas especiales y además promoviendo el mantenimiento y/o el aumento de la oferta
hídrica como elemento articulador del proceso de ocupación y uso del suelo en la
microcuenca.
Además de haber observado un aumento de caudal en la respuesta del modelo ante los
cambios de cobertura con posibles y fut uras implantaciones y cuidados, se debe tener en
cuenta que esta estrategia pretende identificar y reducir los factores de origen natural
y/o antrópico que producen alteraciones en la calidad y la cantidad del agua de la
cuenca. Otro aspecto a tener en cuenta es lograr en el mediano y corto plazo un uso
razonable del agua en las diferentes actividades antrópicas identificadas en la cuenca, y
a promover acciones para reducir el consumo de agua en el área Metropolitana de
Bucaramanga, como lo recomienda el estudio realizado por Gradex (2000). Otro
factor importante a tener en cuenta es lo referente a la producción de sedimentos en los
tres escenar ios, cuya respuesta puede verse en el gràfico 4.52. En ellos se aprecia un
comportamiento similar en cada uno de los escenarios, la producción de sedimentos
aumenta. Se debería suponer una producción de sedimentos no muy grande ya que se
está fortaleciendo la cobert ura vegetal y el resultado hace referencia a que el suelo de la
cuenca permite una pequeña erodabilidad mayor en caudales bajos. La producción de
sedimentos es menor en general y el provecho que genera el aumento del recurso
hídrico es de gran magnitud en contraste a los posibles inconvenientes que en algún
1 0 GRADE X y Ministerio d el Medio A mbiente , 2000
MIC 2005-II-6
139
momento pudieran causar estos sedimentos en la implantación de estructuras hidráulicas
recurrentes al aprovechamiento hídrico de la cuenca. La obtención de la mejor
respuesta hídrica de la cuenca puede beneficiar a m últiples sectores de la economía,
como el de la recreación y deporte, turismo, transporte, y el mejoramiento de las
condiciones de consumo.
Comparación de Producción de sedimentos para con dición de e scenario 1 vs condición actual
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
8 00 ,0 0
Ene F eb M ar A br May Jun J ul Ag o Sep Oct No v Dic
meses
Sedi
men
tos(
mg/
L)
GRÁFICO 4.49. ESCENARIO 1
Comparación de Producción de se dimentos para condición de e scenario 2 vs condición actual
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
8 00 ,0 0
9 00 ,0 0
10 00 ,0 0
Ene F eb M ar Ab r M ay J un J ul A go S ep Oct No v D ic
me ses
Sedi
men
tos(
mg/
L)
GRÁFICO 4.50. ESCENARIO 2
MIC 2005-II-6
140
Comparación de Producción de se dimentos para condición de esce nario 3 vs condición actual
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
8 00 ,0 0
9 00 ,0 0
10 00 ,0 0
Ene F eb M ar Ab r M ay J un Jul A go S ep Oct No v Dic
meses
Sedi
men
tos(m
g/L)
GRÁFICO 4.51. ESCENARIO 3
Comparación de Producción de sedimentos para condición de los 3 escenarios vs condición actual
0 ,0 0
100 ,0 0
2 00 ,0 0
3 00 ,0 0
4 00 ,0 0
500 ,0 0
6 00 ,0 0
700 ,0 0
8 00 ,0 0
9 00 ,0 0
10 00 ,0 0
Ene F eb M ar Abr M ay J un J ul Ag o S ep Oct No v Dic
meses
Sedi
men
tos(
mg/
L)
sedimentos escenario 3 Condición actualsedimentos escenario 2 sedimentos escenario 3
GRÁFICO 4.52. CO MPARA CIÓN DE E SCENARIOS
MIC 2005-II-6
141
CONCLUSIONES
• La modelación hidrológica es una herramienta fundamental en el manejo,
planeación y aprovechamiento de los recursos hídricos, ya que muestran de
forma cuantificable los puntos o causas de posibles problemas que pueden
afectar una región desde el punto de vista del recurso hídr ico.
• El est udio mostró claramente que la respuesta hidrológica de una cuenca,
además de verse afectada por los parámetros hidroclimatológicos, se ve
seriamente influida por el tipo de cobertura vegetal y de suelo.
• Esto se pudo concluir al ver cuantificada la respuesta en la disminución de
caudal al cambiar los parámetros CN2, K y BD, referentes a tipo de cobertura y
suelo, con respecto al caudal simulado inicialmente.
• Además se notó que al combinar estos parámetros de vegetación y suelo, se
adquiere una sensibilidad notable en ellos, ya que la respuesta empezaba a
cambiar con acent uación con un cambio de un 5% en cualquiera de los
parámetros. La mejor calibración teniendo en cuenta lo anterior arrojó una
correlación del 92%.
• La generación de diversos escenarios de cobertura vegetal en la cuenca dio la
posibilidad de observar como influye de manera notoria el cambio de la
cobertura vegetal en la respuesta hidrológica de la cuenca, no só lo en efecto de
caudal, sino aún mas en la producción de sedimentos que arrastran estos
MIC 2005-II-6
142
caudales. Con estos escenarios se concluyó el parámetro CN2 como el más
importante en el momento de defin ir el cambio en la cobertura vegetal
• Además, la generación de escenarios dados por GRADEX, dio como resultado
un cambio a favor notable en la respuesta hídr ica de la cuenca, permitiendo así
un aprovechamiento hídrico y por tanto económico.
• El empleo de SIG en las modelaciones facilita la generación de distintos
escenarios que dan una mejor concepción de los procesos hidro lógicos. Por lo
tanto se recomienda el uso de éste en futuros estudios para el mejor
entendimiento de la respuesta hidrológica de cuencas.
• La incertidumbre que presenta el modelo, por los parámetros que se asignan en
cuanto a suelo y vegetación, son minimizados, pues los rangos establecidos para
cada uno de ellos permiten asociarlos a los diferentes escenarios físicos posibles
en un periodo específico.
RECOMENDACIONES
• Se recomienda el uso de otros sistemas de calibración como análisis de
Montecarlo, teniendo en cuenta que su implementación en este caso no es
sencilla, dada la nat uraleza y el tipo de modelo.
MIC 2005-II-6
143
• Es necesario comparar los resultados del presente estudio con resultados
aportados por otros modelos en la misma cuenca estudiada, para clarif icar
posibles limitaciones y ventajas en la utilización del modelo Swat en la
respuesta hídrica de cuencas.
MIC 2005-II-6
144
ANEXO S
AJUS TE DE LA C ALIBRAC IÓN A NIVEL DIARIO
Caudal observado vs Caudal simulado.Nive l diario
0,00E+002,00E+004,00E+006,00E+008,00E+001,00E+011,20E+01
1,40E+011,60E+01
1 25 49 73 97 121
145
169
193
217
241
265
289
313
337
361
dias
m3/
s
Simulado Observado
FIGU RA A1
ASIGNACIÓN DE USO DE S UELO Y SUELO PO R AREA DOMINANTE PARA
C ADA SUBCUENC A
SUBbas LANDUSE SOIL AREA PRECIP 1 AGRF ST1 19,298 1507, 300 2 BOSQ ST2 8,709 1507, 300 3 BOSQ ST1 8,843 1507, 300 4 TI AG ST2 18,218 1507, 300 5 TI AG ST1 13,544 1507, 300 6 BOSQ ST2 10,193 1507, 300 7 BOSQ ST2 10,610 1162, 500 8 BOSQ ST4 8,606 2012, 500 9 TI AG ST2 14,599 1162, 500 10 TI AG ST1 20,540 1728, 900 11 TI AG ST2 28,452 2039, 500 12 BOSQ ST2 7,714 2012, 500 13 BOSQ ST4 22,197 1340, 100 14 TI AG ST2 12,853 1340, 100
TA BLA A1
MIC 2005-II-6
145
ESTACION MAS C ERC ANA PO R SUBCUENCA PARA CÁLCULO DE
PREC IPITACIÓN
SUBB ASIN MINDIST(M) STATI ON 1 6334,7774 TONA 2 3692,0350 TONA 3 3676,4761 TONA 4 2160,1223 TONA 5 3582,8952 TONA 6 2658,4673 TONA 7 3116,5912 LAPLAZUE 8 1716,7846 LAGALVIC 9 1456,3854 LAPLAZUE 10 3053,2333 ELPICACH 11 2236,4756 MARTINGI 12 4965,1880 LAGALVIC 13 2220,8721 BRASIL 14 906,1247 BRASIL
TA BLA A2
ESTACION MAS C ERC ANA PO R SUBCUENCA PARA CÁLCULO DE
TEMPERATURA.
SUBB ASIN MINDIST(m) STATI ON 1 11920,2781 TCACHIRI 2 11728,1931 TCACHIRI 3 14593,2635 TCACHIRI 4 12484,7591 TCACHIRI 5 17098,0984 TUI S 6 14719,4840 TUI S 7 11742,2550 TUI S 8 9320, 6069 TUI S 9 12057,7421 TUI S 10 15478,1344 TUI S 11 11565,8933 TVIVERO 12 11134,8826 TUI S 13 6518, 0163 TUI S 14 4084, 1381 TUI S
TA BLA A3
MIC 2005-II-6
146
RES UMEN DE RESULTADO S PRELIMINARES DEL MODELO.
SUBbas Mes PRECIP PET ET SW PERC SURQ GW _Q WYLD 1 1 65,800 14,082 13,763 88,289 0,000 0,000 0,000 0,000 2 1 65,800 13,939 13,653 73,105 0,000 0,000 0,000 1,352 3 1 65,800 14,134 13,814 88,237 0,000 0,000 0,000 0,000 4 1 65,800 13,474 13,198 73,448 0,000 0,000 0,000 1,367 5 1 65,800 21,238 20,661 81,388 0,000 0,000 0,000 0,000 6 1 65,800 20,934 20,405 67,949 0,000 0,000 0,000 1,052 7 1 40,700 20,779 19,512 46,398 0,000 0,000 0,000 0,539 8 1 97,300 20,691 20,052 126,232 0,000 0,000 0,000 2,031 9 1 40,700 21,037 19,764 46,901 0,000 0,000 0,000 0,392 10 1 32,500 21,322 18,857 48,982 0,000 0,000 0,000 0,188 11 1 83,400 14,593 14,386 87,481 0,000 0,404 0,000 2,082 12 1 97,300 20,332 19,990 93,890 0,000 0,000 0,000 2,133 13 1 84,800 20,447 19,690 116,468 0,000 0,000 0,000 1,602 14 1 84,800 20,340 19,976 84,650 0,000 0,141 0,000 1,545 1 2 87,400 25,496 25,494 150,174 0,000 0,000 0,000 0,000 2 2 87,400 25,244 25,242 117,421 0,000 0,004 0,000 6,133 3 2 87,400 25,563 25,561 149,974 0,000 0,011 0,000 0,011 4 2 87,400 24,418 24,414 112,292 0,000 5,131 0,000 11,214 5 2 87,400 31,737 31,737 131,732 0,000 3,640 0,000 3,640 6 2 87,400 31,279 31,279 110,033 0,000 0,000 0,000 4,779 7 2 53,200 31,040 31,040 60,991 0,000 0,000 0,000 2,584 8 2 113,600 30,894 30,894 167,732 0,000 6,407 0,000 18,213 9 2 53,200 31,409 31,409 62,998 0,000 0,000 0,000 1,918 10 2 68,300 31,843 31,843 80,886 0,000 0,025 0,000 1,220 11 2 114,800 25,500 25,500 133,897 0,000 20,057 0,000 27,630 12 2 113,600 30,374 30,374 146,032 0,000 3,055 0,000 12,758 13 2 65,800 30,528 30,528 129,586 0,000 0,000 0,000 8,322 14 2 65,800 30,353 30,352 102,773 0,000 1,395 0,000 7,246
SUBbas Mes PRECIP PET ET SW PERC SURQ GW _Q WYLD 1 3 151,000 49,456 49,439 234,385 0,004 15,131 0,000 15,131 2 3 151,000 48,923 48,661 167,173 0,000 16,386 0,000 32,349 3 3 151,000 49,587 49,302 223,800 0,000 25,340 0,000 25,340 4 3 151,000 47,185 47,030 143,935 0,000 39,700 0,000 54,396 5 3 151,000 63,244 63,244 176,996 0,000 38,843 0,000 38,843 6 3 151,000 62,359 62,359 157,428 0,000 12,017 0,000 24,629 7 3 88,100 61,896 61,896 74,505 0,000 0,000 0,000 6,324 8 3 153,700 61,609 61,609 176,606 0,741 40,504 0,052 64,701 9 3 88,100 62,602 62,601 77,306 0,000 0,595 0,000 5,371 10 3 81,700 63,440 63,440 90,643 0,000 0,308 0,000 3,995 11 3 138,300 53,216 53,215 148,274 0,000 37,697 0,000 54,708 12 3 153,700 60,610 60,610 170,924 0,000 23,958 0,000 46,164 13 3 122,500 60,902 60,902 152,267 0,000 1,131 0,000 19,898 14 3 122,500 60,557 60,557 121,819 0,000 18,161 0,000 30,138 1 4 232,800 58,276 58,272 280,591 3,072 122,534 0,310 122,844 2 4 232,800 57,710 55,888 201,645 0,000 95,589 0,000 121,977 3 4 232,800 58,402 56,552 271,097 1,918 124,366 0,148 124,514 4 4 232,800 55,855 54,457 168,187 0,000 114,453 0,000 136,969 5 4 232,800 66,065 66,065 219,227 0,000 120,547 0,000 120,547 6 4 232,800 65,120 65,120 196,749 0,000 89,437 0,000 110,607 7 4 138,300 64,621 64,620 122,740 0,000 0,880 0,000 12,252 8 4 187,000 64,304 64,303 179,605 1,913 72,309 0,564 104,457 9 4 138,300 65,358 65,358 111,007 0,000 21,218 0,000 29,394 10 4 224,800 66,258 66,257 156,467 0,000 75,481 0,000 82,373 11 4 320,400 56,245 56,245 178,281 0,000 195,488 0,000 219,301 12 4 187,000 63,254 63,254 188,086 0,000 57,737 0,000 89,100 13 4 127,100 63,551 63,550 165,028 0,000 11,691 0,000 38,623
MIC 2005-II-6
147
14 4 127,100 63,171 63,170 131,964 0,000 26,662 0,000 43,191 1 5 194,800 89,044 89,043 274,319 5,813 104,127 2,087 106,214 2 5 194,800 88,216 86,530 189,121 0,000 72,265 0,000 108,499 3 5 194,800 89,225 87,517 267,259 4,835 103,962 1,476 105,438 4 5 194,800 85,499 84,468 153,863 0,000 84,554 0,000 114,390 5 5 194,800 98,876 98,876 216,386 0,000 95,701 0,000 95,701 6 5 194,800 97,509 97,509 184,343 0,000 68,487 0,000 98,213 7 5 163,200 96,786 96,785 138,682 0,000 13,705 0,000 33,965 8 5 226,600 96,325 96,325 171,536 2,124 91,388 1,336 130,447 9 5 163,200 97,851 97,850 113,637 0,000 40,587 0,000 53,609 10 5 250,200 99,153 99,152 168,629 0,000 115,729 0,000 128,288 11 5 288,500 84,254 84,254 170,920 0,000 170,709 0,000 201,670 12 5 226,600 94,805 94,805 182,149 0,000 86,707 0,000 126,243 13 5 137,400 95,234 95,233 156,389 0,073 15,831 0,002 47,146 14 5 137,400 94,681 94,681 117,405 0,000 30,565 0,000 50,911 1 6 56,700 91,589 91,368 228,386 5,779 4,311 3,883 8,195 2 6 56,700 90,714 88,990 124,847 0,000 0,507 0,000 37,040 3 6 56,700 91,778 89,817 222,512 4,933 5,172 3,091 8,263 4 6 56,700 87,845 86,789 97,039 0,000 1,987 0,000 31,426 5 6 56,700 101,975 101,252 165,600 0,094 4,405 0,003 4,408 6 6 56,700 100,544 100,166 115,001 0,000 0,318 0,000 30,458 7 6 69,000 99,786 99,692 84,178 0,000 0,056 0,000 24,239 8 6 175,200 99,303 99,302 169,132 1,151 41,427 1,577 79,471 9 6 69,000 100,898 100,510 67,948 0,000 1,363 0,000 15,594 10 6 138,100 102,262 102,262 150,361 0,000 34,176 0,000 49,617 11 6 103,200 88,200 88,200 133,742 0,000 21,251 0,000 52,841 12 6 175,200 97,716 97,715 171,296 0,000 44,297 0,000 85,056 13 6 128,200 98,161 98,161 154,061 0,404 4,953 0,082 34,194 14 6 128,200 97,582 97,581 106,863 0,000 20,067 0,000 39,890
SUBbas Mes PRECIP PET ET SW PERC SURQ GW _Q WYLD 1 7 25,300 92,188 80,427 167,325 5,869 0,001 5,116 5,117 2 7 25,300 91,306 77,540 59,551 0,000 0,000 0,000 30,385 3 7 25,300 92,379 79,261 163,325 5,099 0,014 4,264 4,279 4 7 25,300 88,412 74,745 39,557 0,000 0,000 0,000 23,602 5 7 25,300 102,307 87,103 103,241 0,436 0,015 0,101 0,116 6 7 25,300 100,861 84,908 46,468 0,000 0,000 0,000 24,495 7 7 45,100 83,641 82,544 38,162 0,000 0,000 0,000 20,613 8 7 161,700 83,233 83,233 166,403 1,165 39,797 1,445 78,501 9 7 45,100 84,578 76,235 33,243 0,000 0,000 0,000 11,354 10 7 105,300 85,728 85,727 136,277 0,000 14,556 0,000 31,322 11 7 46,100 73,110 72,762 86,713 0,000 0,423 0,000 29,360 12 7 161,700 81,896 81,895 169,558 0,000 36,035 0,000 78,339 13 7 95,100 82,271 82,271 140,122 0,421 0,643 0,248 29,309 14 7 95,100 81,783 81,783 94,695 0,000 5,769 0,000 25,031 1 8 62,700 94,119 94,119 130,274 5,597 0,000 5,539 5,539 2 8 62,700 93,230 77,654 42,064 0,000 0,000 0,000 19,327 3 8 62,700 94,318 92,530 128,496 4,921 0,000 4,735 4,736 4 8 62,700 90,314 66,939 33,781 0,000 0,000 0,000 14,357 5 8 62,700 105,359 93,319 71,834 0,536 0,017 0,281 0,300 6 8 62,700 103,888 72,800 35,033 0,000 0,000 0,000 14,977 7 8 80,000 103,111 82,139 34,037 0,000 0,000 0,000 12,918 8 8 171,800 102,619 102,619 162,912 0,892 36,038 1,261 73,504 9 8 80,000 104,262 79,075 32,833 0,000 0,000 0,000 6,972 10 8 157,000 105,661 105,661 134,479 0,000 36,076 0,000 52,287 11 8 85,500 89,669 89,668 70,444 0,000 1,383 0,000 23,216 12 8 171,800 100,980 100,980 161,850 0,000 36,418 0,000 77,961 13 8 100,200 101,445 101,445 123,676 0,363 0,000 0,341 24,679 14 8 100,200 100,855 100,855 76,073 0,000 3,678 0,000 20,659 1 9 120,600 54,170 54,169 189,695 5,237 1,100 5,405 6,505
MIC 2005-II-6
148
2 9 120,600 53,634 52,454 100,479 0,000 0,000 0,000 12,591 3 9 120,600 54,292 53,266 183,890 4,660 5,737 4,699 10,437 4 9 120,600 51,881 51,070 87,222 0,000 5,023 0,000 14,788 5 9 120,600 64,016 63,558 117,704 0,492 8,210 0,395 8,606 6 9 120,600 63,122 62,530 86,170 0,000 0,000 0,000 9,562 7 9 125,000 62,650 62,647 84,993 0,000 0,000 0,000 9,568 8 9 191,700 62,352 62,352 176,017 1,474 71,218 1,072 107,963 9 9 125,000 63,351 63,339 80,328 0,000 4,806 0,000 10,383 10 9 205,400 64,201 64,201 174,349 0,000 81,336 0,000 97,114 11 9 182,300 54,498 54,498 129,047 0,000 49,886 0,000 67,032 12 9 191,700 61,355 61,355 187,398 0,016 60,617 0,000 100,347 13 9 115,600 61,639 61,638 153,256 0,251 1,645 0,335 22,277 14 9 115,600 61,281 61,281 102,667 0,000 11,419 0,000 25,780 1 10 223,800 34,830 34,830 277,727 5,208 92,400 5,481 97,881 2 10 223,800 34,476 33,830 193,842 0,000 59,565 0,000 77,099 3 10 223,800 34,917 34,259 266,324 4,678 99,114 4,830 103,945 4 10 223,800 33,319 32,923 158,372 0,000 87,051 0,000 101,425 5 10 223,800 43,475 43,475 200,967 0,668 91,617 0,489 92,107 6 10 223,800 42,855 42,855 185,765 0,000 50,416 0,000 63,983 7 10 180,200 42,530 42,529 164,978 0,000 20,658 0,000 36,676 8 10 256,700 42,326 42,326 186,505 3,686 142,577 1,550 186,636 9 10 180,200 43,020 43,020 142,218 0,000 51,355 0,000 61,206 10 10 236,900 43,608 43,608 217,293 0,000 122,854 0,000 141,720 11 10 297,800 33,072 33,072 187,168 0,000 170,460 0,000 192,071 12 10 256,700 41,631 41,630 218,056 0,271 128,496 0,036 172,577 13 10 156,100 41,831 41,831 179,083 1,137 41,179 0,356 68,118 14 10 156,100 41,587 41,587 148,302 0,000 41,800 0,000 58,262
SUBbas Mes PRECIP PET ET SW PERC SURQ GW _Q WYLD 1 11 185,600 20,115 20,115 300,749 28,752 111,208 6,544 117,753 2 11 185,600 19,911 19,539 228,909 0,111 80,468 0,001 108,954 3 11 185,600 20,181 19,802 300,756 19,782 108,892 5,101 113,994 4 11 185,600 19,243 19,015 195,106 0,000 86,030 0,000 109,508 5 11 185,600 28,819 28,819 258,965 1,176 93,937 0,591 94,529 6 11 185,600 28,413 28,413 223,656 0,001 75,899 0,000 99,303 7 11 118,100 28,204 28,204 187,240 0,000 17,858 0,000 45,393 8 11 175,100 28,081 28,081 188,693 4,154 83,104 2,599 132,804 9 11 118,100 28,541 28,541 168,835 0,000 31,350 0,000 48,139 10 11 162,200 28,923 28,923 243,259 0,235 76,396 0,005 98,450 11 11 234,900 19,617 19,617 218,747 0,036 138,705 0,001 167,403 12 11 175,100 27,610 27,610 227,961 0,649 78,010 0,190 125,883 13 11 115,200 27,756 27,756 180,903 2,387 31,164 0,898 67,765 14 11 115,200 27,607 27,607 172,102 0,000 30,944 0,000 51,643 1 12 100,800 10,515 10,515 301,220 45,251 42,523 20,800 63,324 2 12 100,800 10,411 10,218 233,069 1,147 28,235 0,196 68,480 3 12 100,800 10,558 10,361 301,220 45,356 42,257 16,822 59,081 4 12 100,800 10,071 9,952 206,397 0,000 29,577 0,000 63,305 5 12 100,800 16,046 16,046 297,658 5,080 37,997 1,367 39,365 6 12 100,800 15,811 15,811 232,085 0,746 27,052 0,076 60,577 7 12 61,600 15,692 15,692 180,636 0,000 2,125 0,000 40,078 8 12 102,100 15,626 15,625 186,482 3,945 27,997 3,542 83,496 9 12 61,600 15,894 15,894 173,720 0,000 6,401 0,000 30,266 10 12 66,500 16,114 16,114 245,816 1,287 12,634 0,274 39,479 11 12 144,300 9,552 9,552 232,533 0,657 67,415 0,080 105,337 12 12 102,100 15,346 15,346 225,280 1,021 26,776 0,482 80,813 13 12 92,100 15,437 15,437 182,262 2,676 17,885 1,734 63,399 14 12 92,100 15,356 15,356 190,331 0,000 20,148 0,000 46,804
TA BLA A4
MIC 2005-II-6
149
C ALIBRAC IÓN DE LOS PARÁMETROS K Y CN2 (COMBINADOS).
0, 000
2, 000
4, 000
6, 000
8, 000
10, 000
12, 000
14, 000
0 1 2 3 4 5 6 7 8 9 10 11
Caudal simulado Caudal observado
FIGU RA A2
Disminución de K en un 40%
Disminución de CN en un 30%
Coefi ciente de correlaci ón 0,8810
error medio absoluto 1,3421
TA BLA A5
C ALIBRAC IÓN DE LOS PARÁMETROS BD Y C N2 (COMBINADOS).
0, 000
2, 000
4, 000
6, 000
8, 000
10, 000
12, 000
14, 000
0 1 2 3 4 5 6 7 8 9 10 11
Caudal simulado Caudal observado
FIGU RA A3
MIC 2005-II-6
150
Disminución de BD en un 20%.
Disminución de CN2 en un 30%
Coefi ciente de correlaci ón 0,8002
error medio absoluto 2,9696
TA BLA A6
C ALIBRAC IÓN DE LOS PARÁMETROS SO L_AWC, K, BD Y CN2
(COMBINADO S).
Comparación de Caudales simulados y Caudal observado
0,00
2,00
4,00
6,00
8,00
1 0,00
1 2,00
1 4,00
En e Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
meses
Cau
dal(m
3/s)
Caudal Simulado promedio h istó rico
GRÁFICO A4
Disminución de CN en un 30%
Disminución de K en un 40%
Aumento de SOL_AWC en un 90 %.
Coefi ciente de correlaci ón 0,8735
error medio absoluto 1,4348
TA BLA A7
MIC 2005-II-6
151
A pesar de tener los mismos parámetros que al ser calibrados dieron los mejores
resultados, el parámetro SOL_AWC al ser incluido, acelera un poco la respuesta del
modelo generando algo de desfase, sin em bargo mantiene un buen coeficiente de
correlación.
Caudal histórico vs caudal e scenario bosque
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00
Caudal escenario Bosque
Caud
al H
istó
rico
men
sual
(m3/
s
GRÁFICO A5 . Dispersión dada al en frentar el caudal simulado de escenario Bosqu e y el caudal
histórico.
Caudal histórico vs Caudal Escenario Tierras agroforestale s
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00
Q escenario T. Agrofores tales (m3/s)
Q h
istór
ico
(m3/
s)
MIC 2005-II-6
152
GRÁFICO A6. Dispersión dada al en frentar el caud al si mul ado d el es cenario T. Ag ro forestales y el caudal histórico.
Caudal Histórico vs Caudal escenario Tierras agropecuarias
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00
Q t.agropecuarias (m3/s)
Q h
istór
ico
men
sual
(m3/
s)
GRÁFICO A7. Dispersión dada al en frent ar el caud al si mulado del escen ario t. agrop ecuarias y el caudal
histórico.
Caudal observado vs Caudal e scenario Vegatación de Páramo
0,00
2,00
4,00
6,00
8,00
10,00
12,00
14,00
0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 10,00
Q escenario V. Páramo
Q h
istór
ico
GRÁFICO A8. Dispersión dada al en frentar el caud al si mulado del escenario de vegetación de páramo y
el caudal histórico.
MIC 2005-II-6
153
Caudal observado vs histórico diario (1981)
0,000
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
0,00E+00 2,00E+00 4,00E+00 6,00E+00 8,00E+00 1,00E+01 1,20E+01
Caudal simulado (m3/s )
Caud
al o
bser
vado
(m3/
s
GRÁFICO A9 Dispersión d ada al en frent ar el caudal simulado calibrado y el caud al histórico (a nivel
diario).
Curva de duración de caudales (simulado e scenario tierras Agroforestale s)
0123456789
10
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Porcentaje del tiempo en que un caudal es igualado o excedido
Q si
mul
ado(
esce
nari
o AG
RF
GRÁFICO A 10 . Cu rva de du ración de caudales. Escenario de tierras Ag roforestales . Q (m3/s)
MIC 2005-II-6
154
Curva de duración de caudales (simulado e scenario vege tación de páramo)
0123456789
10
0,0 20,0 40,0 60,0 80,0 100,0 120,0
Porcentaje del tiempo en que un caudal es igualado o excedido
Q si
mul
ado(
esce
nari
o VP
AR)
GRÁFICO A 11. Curv a de duración d e caud ales. Escen ario de Veget ación d e Páramo. Q(m3/s)
