modelaciÓn hidrolÓgica para el pronÓstico de sequias en la
TRANSCRIPT
MODELACIÓN HIDROLÓGICA PARA EL PRONÓSTICO DE SEQUIAS EN LA CUENCA DEL RIO PAMPLONITA BAJO ESCENARIOS DE CAMBIO CLIMÁTICO
PAULA VIVIANA DÍAZ GONZÁLEZ
ANA MARÍA SUÁREZ RODRÍGUEZ
UNIVERSIDAD SANTO TOMÁS FACULTAD DE INGENIERÍA AMBIENTAL
BOGOTÁ D.C 2019
2
MODELACIÓN HIDROLÓGICA PARA EL PRONÓSTICO DE SEQUIAS EN LA CUENCA DEL RIO PAMPLONITA BAJO ESCENARIOS DE CAMBIO CLIMÁTICO
Trabajo de grado para optar al título de ingeniera ambiental
Director
DARWIN MENA RENTERÍA
Ingeniero Ambiental y Sanitario
MSc en Evaluación de Recursos Hídricos
Codirector
MIGUEL ANGEL CAÑON RAMOS
Ingeniero Ambiental
MSc (c) Hidrosistemas
UNIVERSIDAD SANTO TOMÁS
FACULTAD DE INGENIERÍA AMBIENTAL
BOGOTÁ D.C
2019
3
Nota de aceptación
_________________________________________
_________________________________________
_________________________________________
_________________________________________
_________________________________________
_________________________________________
_________________________________________
Firma director trabajo de grado
_________________________________________
Firma del jurado
_________________________________________
Firma del jurado
Bogotá D.C. 06/Diciembre/2018
4
AGRADECIMIENTOS
Agradecemos a nuestro Director Darwin Mena, por su asesoramiento, tiempo, dedicación y confianza en el desarrollo de este trabajo de grado. También a nuestro co-director Miguel Ángel Cañón que fue gran soporte en la solución de dudas e inconvenientes presentados a lo largo del proyecto. A Freddy Santiago Duarte, por compartirnos de su conocimiento y aportar en gran medida en el objetivo de la tesis. A nuestros papás que nos apoyaron moral y financieramente para lograr culminar nuestra carrera. Y en general a todos aquellos docentes que hicieron parte de nuestra formación académica y personal.
5
CONTENIDO
Resumen ............................................................................................................................................ 9
Abstract ............................................................................................................................................ 10
Introducción ..................................................................................................................................... 11
1. Objetivos .................................................................................................................................. 12
1.1. General ............................................................................................................................. 12
1.2. Específicos ...................................................................................................................... 12
2. Marco contextual .................................................................................................................... 12
2.1. Problemática ................................................................................................................... 12
2.2. Justificación ..................................................................................................................... 13
2.3. Caso de estudio .............................................................................................................. 13
3. Marco referencial .................................................................................................................... 18
3.1. Antecedentes .................................................................................................................. 18
3.2. Cambio climático ............................................................................................................ 22
3.2.1. Modelo de circulación global (GCM) ............................................................... 23
3.2.2. Método de reducción de escala ........................................................................ 24
3.2.3 Método de reducción de escala basada en la teoría del Caos ....................... 25
3.3. Modelación hidrológica .................................................................................................. 25
3.3.1. Hydro-BID ............................................................................................................... 26
4. Metodología ............................................................................................................................. 30
4.1. Fase 1 ............................................................................................................................... 30
4.1.1. Obtención de datos .............................................................................................. 30
4.1.2. Llenado de datos y consistencia ..................................................................... 31
4.1.3. Calibración y validación del modelo Hydro-BID .......................................... 33
4.2. Fase 2 ............................................................................................................................... 35
4.2.1. Análisis de cambio climático ............................................................................ 35
4.2.2. Modelación de caudales futuros a partir de escenarios de cambio
climático ................................................................................................................................. 36
4.3. Fase 3 ............................................................................................................................... 37
4.3.1. Realización de indicadores de sequía hidrológica ...................................... 37
5. Resultados ............................................................................................................................... 38
5.1. Fase 1 ............................................................................................................................... 38
6
5.1.1. Consistencia de datos ........................................................................................ 38
5.1.2. Calibración y validación del modelo Hydro-BID .......................................... 39
5.2. Fase 2 ............................................................................................................................... 43
5.2.1. Análisis de cambio climático ............................................................................ 43
5.2.2. Modelación de caudales futuros a partir de escenarios de cambio
climático. ................................................................................................................................ 45
5.3. Fase 3 ............................................................................................................................... 47
5.3.1. Realización de indicadores de sequía hidrológica ...................................... 47
5.3.2. Medidas de prevención y mitigación de la sequía hidrológica. ............... 50
5. Conclusiones ........................................................................................................................... 51
6. Recomendaciones .................................................................................................................. 52
7. Bibliografía ............................................................................................................................... 53
ANEXOS .......................................................................................................................................... 57
ANEXO A: Curvas de doble masa ........................................................................................... 57
ANEXO B: Comparación histórico vs futuro del GCM .......................................................... 62
ANEXO C: Comparación histórico vs futuro del GCM reducido ......................................... 66
ANEXO D: Índices de severidad de la sequía hidrológica SQI ........................................... 69
LISTADO DE TABLAS
Tabla 1 Municipios presentes en la cuenca del rio Pamplonita. Fuente: autores ................ 14
Tabla 2 Área y porcentaje de las subcuencas. Fuente: autores ............................................. 15
Tabla 3 Características morfométricas de la cuenca. Fuente: autores.................................. 17
Tabla 4 Descripción de los escenarios de cambio climático planteados en la tercera
comunicación nacional ante la convención marco de las Naciones Unidas. Fuente: [8] .... 23
Tabla 5 Parámetros de calibración de Hydro-BID. Fuente: [29] [30] ..................................... 27
Tabla 6: Métricas de desempeño Hydro-BID. Fuente: [31] ..................................................... 29
Tabla 7 Estaciones utilizadas cuenca Pamplonita. Fuente: autores. ..................................... 32
Tabla 8 Valores óptimos de las métricas. Fuente: autores. ................................................... 35
Tabla 9. Parámetros de calibración para la subcuencas. Fuente: autores ........................... 39
Tabla 10. Métricas de desempeño de la estación aguas abajo. Fuente: autores. ............... 40
Tabla 11 Métricas GCM. Fuente: autores .................................................................................. 43
Tabla 12 Porcentaje de variación de caudales futuros. Fuente: autores .............................. 46
Tabla 13 Regionalización de parámetros futuros. Fuente: autores. ....................................... 47
Tabla 14 Comparación de SQI entre RCP 2,6 4,5 y 8,5. Fuente: autores. ........................... 49
7
LISTA DE ILUSTRACIONES
Ilustración 1 Representación conceptual de un modelo de circulación general atmósfera-
océano Fuente: [17] ....................................................................................................................... 24
Ilustración 2: Esquema del funcionamiento de Hydro-BID. Fuente: [30] ............................... 27
Ilustración 3 Metodología del trabajo de grado. Fuente: autores. .......................................... 30
LISTA DE GRÁFICAS
Gráfica 1 Curva de doble masa de precipitación. Fuente: autores. ....................................... 39
Gráfica 2 Curva de duración antes y después de calibrar la estación 16017020. Fuente:
autores. ............................................................................................................................................ 41
Gráfica 3 Curva de duración antes y después de calibrar la estación 16017040. Fuente:
autores. ............................................................................................................................................ 41
Gráfica 4 Curva de duración antes y después de calibrar la estación 16017010. Fuente:
autores. ............................................................................................................................................ 41
Gráfica 5 Curvas de duración-validación, estación 16017020. Fuente: autores. ................. 42
Gráfica 6 Caudales vs precipitación para las condiciones actuales en escala diaria.
Fuente: autores ............................................................................................................................... 42
Gráfica 7 Comparación histórico futuro estación 16010010 y 16010020. Fuente: autores.
........................................................................................................................................................... 44
Gráfica 8 Comparación de los promedios de precipitación generadas por estación. Fuente:
autores. ............................................................................................................................................ 44
Gráfica 9 Comparación de los promedios de temperatura generadas por estación. Fuente:
autores. ............................................................................................................................................ 45
Gráfica 10 Comparación datos históricos con el GCM para las estaciones 16010010 y
16010020. Fuente: autores ........................................................................................................... 45
Gráfica 11 Caudales proyectados. Fuente: autores. ................................................................ 46
Gráfica 12 Índice de la severidad de la sequía (SQI) RCP 2,6. Fuente: autores................. 48
Gráfica 13 Índice de la severidad de la sequía (SQI) RCP 4,5. Fuente: autores................. 48
Gráfica 14 Índice de la severidad de la sequía (SQI) RCP 8,5. Fuente: autores................. 49
LISTA DE ECUACIONES
Ecuación 1 Fórmula del promedio aritmético. Fuente: [30] ..................................................... 32
Ecuación 2 Índice de severidad de sequía hidrológica. Fuente: [35] ..................................... 38
Ecuación 3 Ecuación de regionalización de parámetros. Fuente: [37] .................................. 47
LISTADO DE MAPAS
Mapa 1 Ubicación de la cuenca Rio Pamplonita. Fuente: autores ......................................... 14
Mapa 2 Localización de las subcuencas. Fuente: autores ...................................................... 16
Mapa 3 Mapa pendiente media de la cuenca. Fuente: autores .............................................. 18
8
Mapa 4 (A) AHD Colombia. (B) AHD cuenca Pamplonita. Fuente: autores. ........................ 31
Mapa 5 Ubicación de las estaciones en la cuenca del rio Pamplonita. Fuente: propia. ..... 33
Mapa 6 Estaciones de caudales. Fuente: autores. ................................................................... 34
9
Resumen
El objetivo principal del proyecto de grado es la obtención de índices de sequía bajo
escenarios de cambio climático, para ello se utilizó la modelación hidrológica utilizando la
herramienta Hydro-BID, se presentan los resultados obtenidos a partir de una modelación
hidrológica realizada en la cuenca del río Pamplonita, Colombia; con el fin de determinar
los impactos potenciales del cambio climático sobre el régimen hidrológico de la zona,
implementando la herramienta de modelación para América Latina y el Caribe Hydro-BID,
donde se calibró el modelo a partir de estaciones de caudales, además se realizó una
regionalización de parámetros para modelar los caudales futuros. Se integraron las
variables de precipitación, temperatura y caudal evaluadas para las condiciones actuales y
para los escenarios RCP 2.6, RCP 4.5 y RCP 8.5. Las series climatológicas futuras, de
2015 a 2100, se generaron por medio de la metodología de reducción de escala basada en
el método estadístico de la teoría del caos a partir de los datos obtenidos del modelo de
circulación global CCMS4, ya que este modelo según la evaluación realizada fue el que
mejor se ajustó a la zona de estudio. Adicionalmente se obtuvieron los porcentajes de
variación de caudal de cada uno de los escenarios respecto a las condiciones actuales,
dando como resultado que se presentará una posible disminución en el caudal entre el
6.10% y 10.8% para los diferentes escenarios. Finalmente se realizó el indicador SQI que
refleja la duración y severidad de la sequía para los años 2015 a 2100. Y luego se plantean
algunas medidas para prevenir y mitigar los impactos producidos por el cambio climático en
la cuenca en cuanto a la sequía hidrológica.
Palabras clave: Hydro-BID, cambio climático, RCP, índices de sequía, reducción de escala.
10
Abstract
The main objective of the degree project is to obtain drought indices under climate change
scenarios, for which modeling using the Hydro-BID tool was used, the results obtained from
a hydrological modeling carried out in the Pamplonita river basin are presented. Colombia;
in order to determine the potential impacts of climate change on the hydrological regime of
the area, implementing the modeling tool for Latin America and the Caribbean Hydro-BID,
where the model was calibrated from flow stations, in addition a regionalization of
parameters to model future flows. The variables of precipitation, temperature and flow
evaluated for the current conditions and for the scenarios RCP 2.6, RCP 4.5 and RCP 8.5
were integrated. The future climatological series, from 2015 to 2100, were generated by
means of the scale reduction methodology based on the statistical method of chaos theory
from the data obtained from the global circulation model CCMS4, since this model according
to the The evaluation was the one that best fit the study area. Additionally, the percentages
of variation of flow of each of the scenarios were obtained with respect to the current
conditions, resulting in a possible decrease in the flow between 6.10% and 10.8% for the
different scenarios. Finally, the SQI indicator was produced that reflects the duration and
severity of the drought for the years 2015 to 2100. And then some measures are proposed
to prevent and mitigate the impacts produced by climate change in the basin in terms of
hydrological drought.
Keywords: Hydro-BID, climate change, RCP, drought indices, scale reduction.
11
Introducción
La evaluación de los impactos del cambio climático sobre los recursos hídricos representa una preocupación en los diferentes niveles, lo que ha llevado a los organismos gubernamentales a realizar un esfuerzo por hacer frente a los efectos adversos; planteando acciones de mitigación y adaptación y fortaleciendo el desarrollo de investigación [1]. En el caso particular de Colombia, a pesar de no ser un gran aportante de gases de efecto invernadero a la atmósfera, se ha determinado que hace parte de un conjunto de naciones que se consideran más vulnerables a los efectos del cambio climático [2].
Según estudios realizados por parte del grupo de modelamiento de tiempo, clima y
escenarios de cambio climático perteneciente al Instituto de Hidrología, Meteorología y
Estudios Ambientales (IDEAM) la precipitación actual presenta un aumento de entre el 10%
y el 40% comparado con las décadas anteriores, además la temperatura presenta un
comportamiento acorde a la región, con anomalías entre 0.5°C y 1.5°C [3]. Adicionalmente,
este instituto ha estimado que para los escenarios de cambio climático planteados en el
periodo 2015-2040 se prevé un aumento de la precipitación que varía entre el 10% y el 30%
[3]. Por esta razón, para apoyar la evaluación de los impactos locales en los recursos
hídricos existe la necesidad de desarrollar proyecciones climáticas a escala reducida.
Donde, las técnicas de reducción de escala – o downscaling – consisten en asociar las
propiedades de la atmósfera libre obtenidas a partir de las salidas de los GCM – modelos
de circulación global - a las condiciones meteorológicas locales, ya sea mediante modelos
matemáticos de base física (downscaling dinámico) o modelos estadísticos (downscaling
estadístico), tales métodos recurren a los registros meteorológicos locales para establecer
los modelos óptimos.
Las sequías hidrológicas son una parte normal del clima y pueden darse en todos los
regímenes climáticos del mundo, incluso en desiertos y bosques lluviosos. Son uno de los
peligros naturales más costosos año tras año: sus efectos son considerables y
generalizados, al perjudicar a muchos sectores económicos y personas en cada ocasión.
El rastro de las sequías (o la zona afectada) suele ser mayor que el de otros peligros, que
generalmente se circunscribe a llanuras inundables, regiones costeras, la trayectoria de la
tormenta o las zonas de fallas. Las sequías hacen factible que se observen los cambios en
la precipitación, la temperatura y la situación general de las reservas de agua superficial y
de agua subterránea en una región. Los indicadores o los índices de sequía se utilizan en
muchas ocasiones para facilitar el seguimiento de las sequias, y varían en función de la
región y de la estación. Por lo general, los sistemas de alerta temprana de la sequía tienen
por objeto seguir y evaluar las condiciones y tendencias climáticas, hidrológicas e hídricas,
y suministrar información pertinente al respecto. En teoría, presentan un componente de
vigilancia y un componente de predicción. La finalidad es proporcionar información puntual
antes de la fase incipiente de la sequía, o durante ella, para adoptar medidas.
Este estudio pretende aportar información actualizada sobre el estado de la disponibilidad
hídrica en la cuenca del rio Pamplonita y su proyección futura, basado en escenarios
climáticos de alta resolución y la evaluación de algunos índices de sequía hidrológica. Se
implementó la herramienta Hydro-BID para generar las series de tiempo de caudales bajo
12
el clima actual y bajo las proyecciones climáticas futuras obtenidas de un Modelo de
Circulación Global; esta información servirá como base para la planificación y la gestión de
la oferta hídrica superficial en la cuenca estudiada para un mediano y largo plazo (2015 -
2100).
1. Objetivos
1.1. General
Pronosticar sequías hidrológicas bajo escenarios de cambio climático, mediante la
modelación hidrológica en la cuenca del río Pamplonita.
1.2. Específicos
Generar escenarios de cambio climático a escala reducida de la cuenca a partir de
simulaciones del clima global para la caracterización de la misma.
Generar caudales medios diarios mediante la utilización del modelo hidrológico
Hydro-BID para los diferentes escenarios climáticos.
Clasificar la severidad y duración de las sequías hidrológicas de acuerdo al uso de
indicadores de sequía hidrológica para los diferentes escenarios de cambio
climáticos.
2. Marco contextual
2.1. Problemática
El cambio climático es el conjunto de grandes y rápidas perturbaciones reflejadas en el clima por el aumento de la temperatura del planeta. Una de las mayores causas es la acumulación de gases efecto invernadero, los cuales se pueden identificar cuando las concentraciones en la atmósfera son más elevadas. La mayor parte del impacto del efecto invernadero se genera a partir de la revolución industrial del siglo XIX, en donde las sociedades humanas comienzan a producir dicho efecto, que se lleva a cabo cuando la radiación solar llega a la tierra, y parte de esta radiación se transforma en calor, porque los gases de efecto invernadero se encargan de absorberla y retenerla en la capa atmosférica. Es por esto que, la cantidad de calor retenida determina la temperatura global, haciendo que los días sean más calurosos o las noches más frías. El cambio climático acentúa este efecto, y si no se hace algo para evitar que la temperatura aumente, los ciclos de lluvias se alterarán, aumentarán las tormentas, las sequías serán más prolongadas, habrá nuevas plagas en los cultivos y los pisos térmicos sufrirán una descompensación, es decir se recalentaría el planeta y por supuesto el departamento en estudio: Norte de Santander [4].
El departamento de Norte de Santander, así como en la mayoría de departamentos del territorio colombiano, en los meses de diciembre, enero, febrero y marzo, se ve afectado por el fenómeno climatológico “El Niño” del cual no se conoce la severidad exacta con que éste impactará al país debido a la variabilidad climática, que puede presentar daños irremediables, ya que no se cuenta con un plan de gestión de riesgo adecuado para atender las emergencias que se presentan en la comunidad.
13
Colombia debe dedicar gran esfuerzo a generar conocimiento y prepararse para los posibles impactos de fenómenos climáticos e implementar medidas de adaptación y mitigación en el territorio [5]. Por lo tanto, el proyecto de grado busca realizar una modelación hidrológica para la predicción de sequias hidrológicas en la cuenca del río Pamplonita, que permita prever la ocurrencia de este tipo de fenómenos, esperando que sea base para la construcción de medidas clave para la mitigación y adaptación a los impactos actuales y futuros del cambio climático en la cuenca.
2.2. Justificación
La presente investigación tiene como objetivo principal, realizar una modelación hidrológica para determinar el pronóstico de sequias en la cuenca del rio Pamplonita y evaluar la severidad de las sequías con el fin de brindar información para futuras estrategias de manejo ambiental en cuanto a dicho fenómeno que se presenta en el país y afecta a la población. Esta modelación se realizará utilizando la herramienta Hydro-BID, donde se permitirá conocer el pronóstico de la disponibilidad de agua del rio Pamplonita, el cual se encuentra ubicado en el departamento de Norte de Santander en la vertiente oriental de Colombia.
Se quiere evaluar un amplio espectro de posibilidades respecto al posible comportamiento del caudal en el futuro y entender y comprender las incertidumbres asociadas, con el fin de orientar decisiones robustas que permitan anticiparse a los posibles hechos y generar desde hoy un accionar eficaz que permita introducir los cambios sociales, ambientales, económicos y políticos necesarios para no llegar a la situación proyectada de un futuro desfavorable, ya que trabajar con escenarios de cambio climático no se pretende predecir el futuro climático de la cuenca.
La cuenca del rio Pamplonita tiene una importancia relevante, respecto al departamento del Norte de Santander, por sus características ha sido un foco de poblamiento del Nororiente colombiano y constituye un área estratégica para el desarrollo departamental, un área de gran influencia comercial y a la vez relevante a nivel primario por las diversas actividades agrícolas y pecuarias que se llevan a cabo, también se traduce en actividades mineras a lo largo de la cuenca [6].
Para el año 2015, la sequía que se presentó en el Norte de Santander afectó la población por el desabastecimiento de agua potable, el cual dejó a más de seis comunidades sin agua para subsistir, otros aspectos que se ven mayormente afectados son la agricultura y la ganadería, donde en este mismo año se presentaron pérdidas por la muerte de ganado, es por esta razón que el gobierno declara calamidad pública en el departamento por 6 meses [7].
2.3. Caso de estudio
La cuenca del río Pamplonita se encuentra ubicada al suroeste del departamento de Norte de Santander, en la vertiente oriental de la cordillera oriental de Colombia. El área de la cuenca está delimitada por los países Colombia y Venezuela, sin embargo, para efectos de este proyecto de grado, sólo se trabajará el territorio colombiano; está comprendida entre coordenadas planas Norte: 1.300.000 y 1.415.000 y Este: 1.150.000 y 1.195.000 posee un área de 189430.56 Ha. El cauce principal con una longitud de 300,64 Km se forma en el municipio de Pamplona en la confluencia de las quebradas El Rosal y Navarro y finaliza cerca del centro poblado de Puerto Villamizar en el Municipio de Cúcuta. La cuenca limita
14
al sur con la cuenca del río Chitagá (municipios de Pamplona, Toledo, Cácota y Labateca), al Norte y Occidente con la cuenca del Río Zulia (municipios de Mutiscua, Pamplona, Cucutilla, Bochalema, Arboledas, Durania, San Cayetano y Cúcuta) y al Oriente con Territorio Venezolano (Municipios de Rafael Urdaneta, Bolívar, Pedro María Ureña y Ayacucho) [6].
Mapa 1 Ubicación de la cuenca Rio Pamplonita. Fuente: autores
La cuenca del río Pamplonita está conformada por 12 municipios de los cuales cinco están en su totalidad dentro de la cuenca y los otros siete municipios comparten su territorio con las cuencas de los ríos Zulia o Chitagá según sea el caso, los municipios que están en su totalidad dentro de la cuenca son: Villa del Rosario, Los Patios, Chinácota, Ragonvalia, Herrán. Y los municipios que no se encuentran en su totalidad son: Cúcuta, Bochalema, Pamplonita, Pamplona, Toledo, San Cayetano y Labateca [8]. El área de cada municipio se observa en la tabla 1 como también su porcentaje dentro de la cuenca.
Tabla 1 Municipios presentes en la cuenca del rio Pamplonita. Fuente: autores
Municipio Area (Ha) Porcentaje de la cuenca (%)
Cucuta 20271.13 10.70
San Cayetano 720.7 0.38
Villa del Rosario 10766.51 5.68
Los patios 7577.32 4.00
Bochalema 10083.53 5.32
Chinacota 17931.52 9.47
Ragonvalia 6641.22 3.51
Pamplonita 14767.56 7.80
Herran 3979.3 2.10
Toledo 1279.38 0.68
Pamplona 5972.47 3.15
Labateca 1596.81 0.84
15
Incluyendo como aporte a la estructura territorial en la cuenca se encuentran 142 veredas en la cuenca que pueden estar en su totalidad dentro de la cuenca o solo una parte de ella. La cuenca cuenta con 16 subcuencas como se evidencia en la tabla 2 y en el mapa 2.
Tabla 2 Área y porcentaje de las subcuencas. Fuente: autores
COMID Area (Ha) Porcentaje de la cuenca (%)
300631500 10729.0088 5.663821417
300608300 2607.12734 1.376297098
300540900 8284.33681 4.37328416
300626200 8417.47465 4.443567348
300564700 9260.35761 4.888523506
300462400 3259.90734 1.720898301
300601200 3772.68402 1.99159204
300656600 40332.4967 21.29144104
300475200 5081.52508 2.682526512
300589100 15110.2526 7.976670881
300492000 7582.33764 4.002700258
300482400 5802.05547 3.062893009
300526900 18597.8034 9.817741685
300570600 1886.306 0.99577701
300595300 6126.25504 3.234037286
300673700 42580.6347 22.47822845
Total 189430.563 100
16
Mapa 2 Localización de las subcuencas. Fuente: autores
La parte alta se ha identificado como zona de recarga hídrica debido al fenómeno de condensación, además por las coberturas vegetales presentes que regulan la dinámica hídrica. Hay numerosas microcuencas que, aunque con un volumen limitado estructuran una cadena de nacimientos de agua en la parte alta y que han sido priorizados por su importancia estratégica. Por su parte, la parte media presenta cuencas de baja jerarquía con mayor tamaño y con una longitud mayor, debido a la distancia recorrida y las corrientes que recibe, los volúmenes son considerables y definen el caudal que recibe el área metropolitana de Cúcuta para surtir el acueducto municipal. Por último, la parte baja tiene un caudal alto debido a la entrada de afluentes importantes como el río Táchira y la quebrada Faustinera. En general, en los dos primeros meses del año se presentan los valores más bajos de temperatura, también, predominan las temperaturas bajas y medias en la mayoría del territorio superando el 60% de este, mientras que las temperaturas altas solo se presentan en un 20% del territorio aproximadamente [6].
Sus características forman parte de una zona montañosa que es el resultado de varios procesos naturales como los movimientos tectónicos, la erosión y el transporte de material particulado, desde las partes más altas a las partes más bajas de la cuenca; por su parte, los suelos son poco desarrollados con valores de fertilidad bajos y ácidos [6].
En la mayoría de la cuenca predomina la cobertura vegetal con un porcentaje aproximado del 94% del territorio con los siguientes usos: bosque natural, bosque plantado, matorrales, herbáceas, silvopastoril, silvoagrícola, cultivos agrícolas, tierras agropecuarias mixtas y potreros abiertos, y solo aproximadamente un 6% del territorio de la cuenca se presentan coberturas de eriales, coberturas hídricas y de infraestructura. El moldeamiento de la superficie terrestre en la cuenca del Río Pamplonita es el resultado de diversos procesos
17
naturales como los movimientos tectónicos ocurridos durante miles de años, además, son el producto de los procesos de carácter exógeno como la erosión, y el transporte de material particulado [8].
Tabla 3 Características morfométricas de la cuenca. Fuente: autores
Características morfométricas
Área (Ha) 189430,5631
Perímetro (km) 1032,34
X centroide (m) 18811689,94
y centroide (m) 21775134,15
Longitud de cauce principal (km) 300,64
Cota Máxima (msnm) 3640
Cota Mínima (msnm) 51
Pendiente media 14,30%
La cuenca del rio pamplonita tiene diferencias de altitudes, pues se encuentran cotas desde los 51 m.s.n.m en la parte baja hasta los 3640 m.s.n.m en la parte alta, lo cual puede influir en el comportamiento de las variables climáticas.
La pendiente media de la cuenca es de 14.30%, en la mayoría de la cuenca tiene pendientes de moderadas a altas (zona centro y sur de la cuenca) y una zona de valles en la parte central y al norte en la confluencia del Pamplonita al Río Zulia como se observa en el mapa 3.
18
Mapa 3 Mapa pendiente media de la cuenca. Fuente: autores
El recurso hídrico en la cuenca se utiliza principalmente para consumo humano en Cúcuta
y para riego de cultivos, principalmente de arroz en las cuencas media y baja. La cuenca
del río Pamplonita tiene conflictos sociales con altos índices de pobreza, desempleo,
migración, vulnerabilidad y dependencia. Es por esto que se pretende evaluar la
vulnerabilidad climática del recurso hídrico superficial, para sistematizar la afectación sobre
su disponibilidad frente a escenarios de cambio climático.
3. Marco referencial
3.1. Antecedentes
La temperatura y la precipitación son dos variables que marcan las tendencias de cambio
climático inducidas tanto por factores naturales como por los cambios que han generado
las actividades humanas en el planeta. En Colombia, se viene haciendo un seguimiento
riguroso a estas dos variables desde que se organizó en 1969 el Servicio Colombiano de
Hidrología y Meteorología (IDEAM) con el aval de la Organización Meteorológica Mundial
(OMM), el cual reordenó y planificó el desarrollo de la red básica nacional.
19
La Tercera Comunicación Nacional de Cambio Climático, presentan los nuevos Escenarios
de Cambio Climático 2011-2100, para las variables de precipitación y temperatura media
en Colombia, los cuales siguen las metodologías propuestas por el Panel
Intergubernamental de Cambio Climático y se basan en la descripción de las trayectorias
de concentración representativas de emisiones o RCP, por sus siglas en inglés (2.6, 4.5,
6.0 y 8.5), así como también en el ensamble multimodelo y multiescenario que permite
promediar las respuestas de los diferentes RCP, de modo que se constituyan en
herramientas sencillas que, sin perder su poder científico, apoyen la toma de decisiones
nacional y regional [9].
Estos Escenarios nos indican que el país en su conjunto estaría afectado por el Cambio
Climático; sin embargo, el aumento esperado en la temperatura, así como el
comportamiento de las precipitaciones no será el mismo para todas las regiones de
Colombia. Esto implica que las medidas para hacer frente a posibles fenómenos extremos
deben ser diferentes para cada región del territorio nacional. Si los niveles de emisiones
globales de GEI aumentan (como es lo más probable), la temperatura media anual en
Colombia podría incrementarse gradualmente para el fin del Siglo XXI (año 2100) en 2.14ºC
[9].
Según los resultados del informe, el principal aumento de temperatura para fin de siglo en
la región Andina será de 2 °C como mínimo en cada departamento. Según el escenario
multimodelo, los departamentos con mayor aumento de temperatura serán Norte de
Santander, Santander y los del Eje Cafetero. En algunas zonas de la cordillera oriental,
actualmente con valores entre 7 °C y 8 °C, subirá para fin de siglo hacia los 9 °C y 10 °C.
Para el periodo 2071 – 2100, se espera que la precipitación media disminuya entre 10 a
30% en cerca del 27% del territorio nacional, De otro lado, para el mismo periodo se espera
que la precipitación aumente entre 10 a 30% en cerca del 14% del territorio nacional [9].
Los RCP son herramientas que ayudan a visualizar cómo pueden cambiar los climas
regionales con el aumento de las concentraciones de gases de efecto invernadero (GEI).
También, a entender y evaluar cómo se pueden ver afectados los sistemas sensibles por el
cambio climático, con la esperanza de servir de información relevante para la política sobre
los cambios previstos y de orientación para la adopción de las medidas oportunas de
mitigación y adaptación. Los escenarios son combinaciones de variables, coherentes con
base al cambio climático inducido por el hombre, donde, las estimaciones de cambio a nivel
regional difieren de manera sustancial; por tanto, las estimaciones de los modelos
individuales deberían tratarse más bien como un escenario. Estos escenarios nos ayudan
a entender los efectos del cambio climático y a determinar vulnerabilidades esenciales. Por
otro lado, se pueden usar para evaluar e identificar estrategias de adaptación [10].
Colombia remite informes periódicos a la Convención Marco de Naciones Unidas Sobre
Cambio Climático (CMNUCC) llamadas Comunicaciones Nacionales sobre Cambio
Climático. Estos informes, cuya elaboración es liderada por el IDEAM, sintetizan los
avances del país en materia de análisis de vulnerabilidad, medidas de mitigación y
adaptación, emisiones de gases de efecto invernadero y acciones de educación, formación
y sensibilización de público frente al Cambio Climático. Desde hace más de una década, el
20
Instituto viene desarrollando modelos dinámicos y estadísticos reconocidos a nivel global,
para la generación del clima a lo largo del siglo XXI, los que permiten calcular posibles
cambios de las variables meteorológicas con respecto al clima actual [9].
En septiembre de 2013, el Programa Mundial de Investigaciones Climáticas (WCRP, por
sus siglas en inglés) publicó su quinto informe de evaluación (CMIP5) sobre el estado del
arte del entendimiento científico del cambio climático. Este informe presenta los resultados
compilados de la modelación de clima realizados por 36 instituciones de diferentes países,
bajo un consenso sobre los periodos de simulación (1850-2100), y los escenarios de los
factores de alteración del sistema climático, denominados rutas representativas de
concentración, o RCP. El RCP es definido como un conjunto posible de cambios antrópicos
y/o naturales en propiedades del sistema terrestre asociadas principalmente con el balance
radiativo del sistema climático [10].
Teniendo en cuenta estos informes de diferentes organizaciones se pretende realizar un
modelo hidrológico bajo escenarios de cambio climático en la cuenca del rio pamplonita
para la realización de índice de sequía hidrológica.
Un modelo hidrológico, busca representar los diferentes procesos involucrados en la
distribución de la lluvia y la generación de caudales en una determinada cuenca. En la
actualidad se dispone de una amplia variedad de modelos, los cuales han sido planteados
bajo ciertas hipótesis cuyo claro entendimiento garantiza su correcto uso. Por una parte, se
analiza el estado del arte de la modelación hidrología distribuida con mayor énfasis en los
procesos hidrológicos superficiales, entre ellos se destacan PRMS; MIKE-SHE, ANSWERS
(eventos y continuo), TOPMODEL, ATHYS, TREX, AQUA y JAMS. Las principales
diferencias son la discretización espacial de la cuenca, la simulación continua o de eventos
aislados y el enfoque utilizado para la representación de los procesos dominantes. El
segundo enfoque apunta al análisis de los modelos hidrológicos integrados. Un sistema
integrado de flujos superficial-sub superficial incluye una componente superficial, una sub
superficial, condiciones de borde de la interface (entre ellas), condiciones de borde externas
y condiciones iniciales. La diferencia de los distintos modelos radica en la estrategia
planteada para representar cada uno de los sistemas y su interacción [11].
Por otro lado, un estudio realizado en la cuenca del río Chinchiná, Colombia, plantea un
análisis multimodelo para capturar la incertidumbre asociada con la modelación hidrológica,
mediante la aplicación de siete modelos hidrológicos, lluvia-escorrentía de simulación
continua, agregados a escala mensual, con diferentes niveles de complejidad. Las
ecuaciones de control satisfacen los requerimientos de balance de agua. Para la
modelación se tomó como base la información de las estaciones localizadas en el cauce
principal del río Chinchiná. Los registros de temperatura y precipitación de las estaciones
fueron empleados para el balance hidrológico. La radiación solar fue calculada con las
correlaciones propuestas tomando como base los registros de humedad relativa y brillo
solar de las estaciones climatológicas [12].
En el informe del ministerio de agricultura, alimentación y medio ambiente del gobierno de
España que tiene por título, elaboración y mantenimiento de un sistema de indicadores
21
hidrológicos y estudios para la identificación y caracterización de sequias, tiene por objeto
dar un resumen claro y preciso de como a través de indicadores hidrológicos se puede
evaluar la severidad, magnitud e intensidad de la sequía; donde se describe un estado del
arte de índices de sequía y se evalúa un conjunto de ellos aplicándolos a España, estos
índices se obtuvieron de variables hidrológicas como la precipitación y la escorrentía; Como
punto de partida, se describe el modelo de rachas y el conjunto de variables aleatorias que
permiten caracterizar una sequía [13].
La utilidad de los índices de sequía debe considerarse en función de su capacidad
descriptiva y predictiva. Deben ser capaces de caracterizar una sequía y describir
suficientemente elementos como su intensidad o su duración. Si esto se cumple, es posible
estimar la frecuencia y peligrosidad de una sequía, facilitando la consiguiente determinación
de niveles de riesgo [13].
Este informe se relaciona con la investigación puesto que, propone un material instructivo
y de enseñanza en cuanto a la definición y aplicación de diferentes indicadores de sequía
a través de un resumen concreto de los mismos, y muestra una evaluación de cada uno de
estos en varias localidades de España.
Por otro lado, una investigación hecha en una ciudad chilena (Mulchén) para el XXII
congreso chileno de ingeniería hidráulica el cual tiene por objeto determinar el estado de
sequía a través de un indicador como lo es el Standardized Precipitation Index (SPI) que
para su cálculo solo es necesario una variable, la precipitación; sin embargo, se aplicó la
misma metodología de este indicador, pero utilizando otra variable hidrológica como el
caudal. Este estudio se enfoca en determinar una clasificación anual de la zona de estudio,
según las categorías seca, normal y húmeda, la cual se obtendrán implementando la
metodología tradicional del SPI (con precipitaciones), y como propuesta en este estudio, se
empleará la metodología SPI con la variable caudal (SQI). Encontrando así concordancias
en ambas clasificaciones que van desde el 60% al 80% [14].
Esta metodología mencionada anteriormente en la investigación que tiene por título
clasificación de años secos, normales y húmedos mediante el método Standardized
Precipitation Index adaptado a caudal medio mensual: aplicación en Mulchén, fue la
metodología que se tomó como base para evaluar el índice de sequía hidrológica en la
cuenca del Rio pamplonita.
Otra investigación a tener en cuenta fue “La predicción y evaluación de sequias hidrológicas
basadas en el índice de flujo normalizado en el suroeste de china” el cual tiene por objeto
investigar la viabilidad del índice de flujo normalizado (SSI) en el suroeste de china la
cuenca del río Nanpanjiang sobre la base de series de datos hidrológicos y meteorológicos
diarios a largo plazo, la escorrentía generada fue simulada por el modelo diario de
Xinanjiang que se aplicó ampliamente en las regiones húmedas. Luego se calculó el SSI
basándose en la escorrentía generada. El resultado reveló que el índice de flujo
estandarizado funcionó bien al detectar el inicio, la gravedad y la duración de sequía en los
años 2009/2010 [15].
22
Para realizar la evaluación a partir de indicadores de sequía se tuvo en cuenta el manual
de indicadores e índices de sequía hecho por la organización meteorológica mundial (OMM)
y la asociación mundial para el agua que forma parte de la serie de herramientas y
directrices para la gestión integrada de sequias recopiladas por el programa de gestión
integrada de sequias, este documento da un resumen claro de los diferentes índices para
llevar a cabo la evaluación de sequias así como enfoques de vigilancia y orientación de
alerta temprana [16].
El presente trabajo aborda varios conceptos que son importantes de entender para la
realización del mismo, a continuación, se explican cada uno de ellos.
3.2. Cambio climático
De acuerdo con la Convención Marco de las Naciones Unidas sobre Cambio Climático
(CMNUCC), el cambio climático se entiende como una alteración de clima atribuido directa
o indirectamente a la actividad humana que perturba la composición de la atmósfera
mundial y que se suma a la variabilidad natural del clima observada durante períodos de
tiempo comparables. Por otro lado, cabe resaltar también el concepto de variabilidad
climática el cual se refiere a las fluctuaciones observadas en el clima durante períodos de
tiempo relativamente cortos. Durante un año en particular, se registran valores por encima
o por debajo de lo normal [17].
Según el quinto informe del Panel Intergubernamental de expertos sobre el Cambio Climático cada uno de los tres últimos decenios ha sido sucesivamente más cálido en la superficie de la Tierra que cualquier decenio anterior desde 1850. Es probable que el período 1983-2012 haya sido el período de 30 años más cálido de los últimos 1.400 años en el hemisferio norte, donde es posible realizar esa evaluación (nivel de confianza medio). Los datos de temperatura de la superficie terrestre y oceánica, combinados y promediados globalmente, calculados a partir de una tendencia lineal, muestran un calentamiento de 0,85 [0,65 a 1,06] °C, durante el período 1880-2012 [18].
Para Colombia se establecieron nuevos escenarios de cambio climático a partir de RCP. Los Escenarios de Cambio Climático para Colombia siguen las rutas metodológicas propuestas por el Panel Intergubernamental de Cambio Climático (IPCC, Intergubernamental Panel on Climate Change) en su Quinto Informe de Evaluación (AR5) del año 2013, allí se encuentra el establecimiento de los denominados escenarios de cambio climático que son una herramienta que permite identificar las posibles condiciones futuras.
Las emisiones antropógenas de gases de efecto invernadero (GEI) dependen principalmente del tamaño de la población, la actividad económica, el estilo de vida, el uso de la energía, los patrones de uso del suelo, la tecnología y la política climática. Las trayectorias de concentración representativas (RCP), utilizadas para hacer proyecciones basadas en esos factores, describen cuatro trayectorias distintas en el siglo XXI de las emisiones y las concentraciones atmosféricas de gases de efecto invernadero, las emisiones de contaminantes atmosféricos y el uso del suelo. Dichas trayectorias incluyen un escenario de mitigación estricto (RCP2,6), dos escenarios intermedios (RCP4,5 y RCP6,0), y un escenario con un nivel muy alto de emisiones de gases de efecto invernadero (RCP8,5) [18].
23
Para su desarrollo los científicos del IDEAM tomaron los 16 modelos globales que mejor representan el clima de referencia de Colombia (1976-2005) y que modelan la temperatura y la precipitación hasta el año 2100. Estos modelos fueron regionalizados con métodos estadísticos con el fin de proyectarlas en el contexto nacional. Para obtener resultados a partir de dichos modelos globales en el contexto nacional y regional, se estudiaron diversos métodos de ensamble, dando como resultado que el más adecuado es el método de ensamble REA (Reliability Ensemble Averaging), que finalmente se representó cartográficamente, aplicando metodologías de interpolación espacial con ayudas de coberturas como la topografía y el uso del suelo [9].
Tabla 4 Descripción de los escenarios de cambio climático planteados en la tercera comunicación nacional ante la convención marco de las Naciones Unidas. Fuente: [9]
El Forzamiento Radiativo (FR) es un proceso que altera el equilibrio de energía del sistema
Tierra – atmósfera, a raíz de un cambio en la concentración de dióxido de carbono o en la
energía emitida por el Sol. Si el FR es positivo tiende a calentar el sistema (más energía
recibida que emitida), mientras que un FR negativo lo enfría (más energía perdida que
recibida). El FR se expresa en unidades de medida de vatios por metro cuadrado (W/m2).
El FR puede deberse a cambios en la radiación solar incidente, a incrementos en la
concentración de gases como los GEI y los aerosoles, o a cambios en las propiedades
reflectivas superficiales del planeta (cambios en los usos del suelo a coberturas que reflejan
más la radiación solar, por ejemplo, las áreas de construcciones urbanas). Así, al hablar de
escenarios RCP 2.6, 4.5, 6.0 u 8.5, no se están indicando aumentos de temperatura en
grados Celsius, se indica la cantidad de energía que retiene el planeta, producto del FR:
2.6, 4.5, 6.0 u 8.5 W/m2 [9].
3.2.1. Modelo de circulación global (GCM)
Los modelos climáticos globales (MCG) son la herramienta principal para comprender cómo puede cambiar el clima mundial en el futuro [19]. Los modelos climáticos Globales o también denominados Modelos de Circulación General (GCM) son la herramienta disponible más avanzada actualmente, para simular la respuesta del sistema climático global al aumento de las concentraciones de gases de efecto invernadero. Los GCM’s corresponden, por tanto, a modelos numéricos que representan los procesos climáticos, donde se vinculan
24
procesos físicos, químicos y biológicos de la atmosfera, el océano, la criósfera y la superficie terrestre, en sus interacciones y funciones de retroalimentación. Actualmente los modelos de circulación general acoplados Océano - Atmosfera (MCGAAO) ofrecen la más completa representación del sistema climático [20].
Ilustración 1 Representación conceptual de un modelo de circulación general atmósfera-océano Fuente: [17]
Los modelos climáticos globales presentan información en escalas espaciales y temporales
mayores que las requeridas por los modelos hidrológicos, y son por lo tanto inadecuados
para evaluar el efecto local del cambio climático, es así que se requiere realizar un proceso
que es conocido como reducción de escala sobre las proyecciones de los modelos
climáticos. En este caso de estudio se implementó este método (reducción de escala)
basado en la teoría del caos las cuales crean una relación entre modelos climáticos de gran
escala, conocidos como predictores y las variables climáticas locales, conocidas como
predictandos [21].
3.2.2. Método de reducción de escala
El método de reducción de escala consiste en establecer relaciones entre las variables
simuladas por el GCM y los valores históricos de precipitación en estaciones
meteorológicas en superficie [22]. La reducción de escala o downscaling, es un método
para obtener información climática o de cambio climático de alta resolución desde modelos
climáticos globales (GCM) de resolución relativamente gruesa, los GCM tienen una
resolución de 150-300 km por 150-300 km. Muchos modelos de impactos requieren
información a escala de 50 km o menos, por lo que se necesita algún método para estimar
la información a menor escala. La reducción de escala estadística primero deriva las
relaciones estadísticas entre las pequeñas escalas observadas (a menudo, nivel de
25
estación) y variables de escala más grandes (GCM), utilizando métodos analógicos
(tipificación de circulación), análisis de regresión o métodos de redes neuronales. Las
variables obtenidas de las proyecciones GCM del clima futuro se utilizan para conducir las
relaciones estadísticas y así estimar los detalles a menor escala del clima futuro [23].
El método que se utilizo fue el método de reducción de escala estadística el cual se
clasifican en métodos de regresión, métodos de enfoques meteorológicos y métodos
generadores estocásticos de tiempo meteorológico. Los métodos de regresión, establecen
una relación estadística entre los modelos climáticos de gran escala y las variables
climáticas locales, en estos métodos, los procesos físicos en escalas intermedias son
usualmente ignorados. Los métodos de regresión más utilizados para reducción de escala
estadística son la regresión lineal y el método del factor de cambio [24].
Los métodos generadores estocásticos de tiempo meteorológico son modelos estadísticos
que generan series de tiempo de clima que asemejan las propiedades estadísticas de las
series de tiempo observables. El núcleo de la mayoría de generadores de clima, es un
generador de precipitación condicionado a la simulación de otras variables. Sus principales
ventajas corresponden a la capacidad de producir series sintéticas de longitud ilimitada, la
posibilidad de completar datos faltantes y su eficiencia computacional que permite múltiples
proyecciones probabilísticas [24].
3.2.3 Método de reducción de escala basada en la teoría del Caos
El método de reducción de escala basado en la teoría del caos evalúa la presencia de caos
determinístico para diferentes periodos de acumulación. Los sistemas caóticos se
entienden como aquellos que poseen una predictibilidad a corto plazo puesto que son
especialmente sensibles a las variaciones en las condiciones iniciales. El sistema predictivo
caótico se construye con los resultados del tiempo de retardo con el objetivo de encontrar
la serie de tiempo con el menor intervalo de acumulación que presente caos determinístico
en su dinámica, la dimensión de embebimiento y los exponentes de Lyapunov encontrados
para los sistemas en el intervalo de acumulación de precipitación óptimo de cada sistema
dinámico. El modelo predictivo se basa en la sincronización entre las estaciones climáticas
y el modelo climático global, dadas por el parámetro μ del método de los vecinos falsos
mutuos más próximos [25] [21].
3.3. Modelación hidrológica
Un modelo hidrológico es una representación simplificada de un sistema real complejo
llamado prototipo, bajo forma física o matemática. De manera matemática, el sistema real
está representado por una expresión analítica. En un modelo hidrológico, el sistema físico
real que generalmente representamos es la 'cuenca hidrográfica' y cada uno de los
componentes del ciclo hidrológico. De esta manera un modelo matemático ayudará a tomar
decisiones en materia de hidrología, por lo que es necesario tener conocimiento de entradas
(inputs) al sistema y salidas (outputs) a partir del sistema, para verificar si el modelo es
representativo del prototipo [26].
26
Por su parte, los modelos de circulación general de la atmósfera (GCM) son algoritmos
matemáticos que representan el sistema climático de la tierra. Estos modelos se encuentran
en el extremo superior de la jerarquía de modelos del clima, son acoplados (atmósfera-
océano y suelo) y predicen cambios de las variables en un mayor tiempo [27].
3.3.1. Hydro-BID
La herramienta de simulación Hydro-BID es un sistema integrado y cuantitativo para simular
hidrología y gestión de recursos hídricos en la región de LAC, bajo escenarios de cambio
(p. ej., clima, uso del suelo, población), que permite evaluar la cantidad y calidad del agua,
las necesidades de infraestructura, y el diseño de estrategias y proyectos de adaptación en
respuesta a estos cambios [28].
Éste contiene una Base de Datos de hidrología analítica (Analytical Hydrographic Dataset,
LAC-AHD) que contiene más de 230,000 cuencas delineadas y cauces fluviales a lo largo
de la región de América Latina y el Caribe, un sistema de navegación GIS para examinar
cuencas y cauces fluviales, una interfaz de datos climáticos para la obtención de datos de
precipitación y temperatura para la zona y el período de interés y un modelo de lluvia-
escorrentía basado en la formulación de factor de carga de cauces generalizados (GWLF),
el cual permite generar un volumen de escorrentía por cada una de las cuencas y permite
simular a escalas muy pequeñas como a nivel de subcuencas. La AHD utiliza un modelo
de base de datos vectorial en las que los atributos están representados como puntos, líneas
y polígonos en vez de un raster en donde la data es almacenada en una celda (grid). El
modelo de base de datos vectorial de la AHD permite atribuciones más realistas de los
caudales, de las relaciones entre caudales y la estructura hidrográfica, si se compara con
los enfoques hidrográficos de raster o celda [29].
El modelo implementa datos de uso del suelo y cobertura vegetal que son obtenidos de la
Base de Datos de Hidrología Analítica (ADH) que se incluye en el software, de la cual se
obtuvieron también los drenajes, la hidrografía, la delimitación de la zona de estudio, así
como datos propios de la geometría de la cuenca como lo son el área, la longitud del cauce
principal etc [29].
27
Ilustración 2: Esquema del funcionamiento de Hydro-BID. Fuente: [30]
Hydro-BID posee un módulo que permite realizar una interpolación de las series de tiempo
de precipitación y temperatura de las estaciones climatológicas a cada una de las
subcuencas por medio de los centroides de las mismas, para ello es necesario ingresar las
coordenadas de las estaciones y de los centroides.
3.3.1.1 Calibración de Hydro-BID
Para llevar a cabo el proceso de calibración de Hydro-BID este incluye una serie de
parámetros (tabla 5) que permiten ajustar el modelo a la serie de datos observados los
cuales son los registros de caudales obtenidos de las estaciones limnimétricas, para que
de esta forma disminuir el porcentaje de error del modelo.
Tabla 5 Parámetros de calibración de Hydro-BID. Fuente: [30] [31]
Parámetro Descripción
Número de
curva (NC)
Caracteriza el tipo de suelo de la cuenca y su hidrología; oscila entre 0 y
1, en donde un valor de 1 representa que toda el agua que llueve se
convierte en escorrentía y 0 representa una completa infiltración.
Contenido de
agua en el
suelo (AWC)
Representa la cantidad de agua que puede ser almacenada en el suelo
para ser usada por las plantas, afectando la infiltración hacia el agua
subterránea. En la interfaz puede ingresarse como un multiplicador que
altera el valor anidado en la AHD puede ingresarse de forma directa.
Coeficiente de
Recesión (R)
Evidencia cómo el agua subterránea que se encuentra cerca de la
superficie contribuye a los caudales de los ríos o corrientes superficiales
después de un evento de lluvia. En la interfaz puede ingresarse como un
28
multiplicador que altera el valor anidado en la AHD puede ingresarse de
forma directa como resultado de una medición en campo.
Seepage o
coeficiente de
permeabilidad
Representa el intercambio entre las aguas subterráneas cerca de la
superficie con los cuerpos de agua más profundos, en donde la cantidad
de agua que se le atribuye a este parámetro se considera como una
salida de la modelación. También puede ser ingresado como un
multiplicador o en un valor directo.
Factor ET de la
estación de
cultivo
Caracteriza el factor de evapotranspiración de las plantas durante la
etapa de cultivo. Se puede ingresar como multiplicador o como un valor
directo.
Factor ET de la
estación de
latencia
Corresponde al factor de evapotranspiración en la etapa de latencia o en
la etapa en la que no se encuentra cultivada la zona. En la interfaz puede
ingresarse como un multiplicador que altera el valor anidado en la AHD
puede ingresarse de forma directa como resultado de una medición en
campo.
Porcentaje de
la cobertura
impermeable
Porcentaje estimado de la porción impermeable de la cuenca y está
disponible en algunas de las versiones del programa.
Para evaluar el desempeño de la simulación, Hydro-BID cuenta con una serie de métricas
bajo los supuestos de que tanto en la serie de datos generados como los históricos no hay
ningún dato faltante en el periodo de análisis además de estar en una temporalidad diaria
ver tabla 6.
29
Tabla 6: Métricas de desempeño Hydro-BID. Fuente: [32]
Métrica de
desempeño Fórmula
Valor
óptimo
Volumen
general de
error
𝑜𝑣𝑒 = ∑ 𝑆𝑡− ∑ 𝑂𝑡
𝑁𝑡=1
𝑁𝑡=1
∑ 𝑂𝑡𝑁𝑡=1
* 100 Más cercano
a 0
Error del
volumen anual
Error de
volumen
mensual
Correlación R
𝑟 =𝑁 ∑ 𝑂𝑡 𝑆𝑡 − ∑ 𝑂𝑡 ∑ 𝑆𝑡
𝑁𝑡=1
𝑁𝑡=1
𝑁𝑡=1
√[𝑁 ∑ 𝑆²𝑡 − (∑ 𝑆𝑡)²𝑁𝑡=1
𝑁𝑡=1 ][𝑁 ∑ 𝑂²𝑡 − (∑ 𝑂𝑡
𝑁𝑡=1 )²𝑁
𝑡=1 ]
Más cercano
a 1
Coeficiente de
correlación
modificado
𝑟𝑚𝑜𝑑 = 𝑟 min (𝑆𝑠𝑖𝑚 , 𝑆𝑜𝑏𝑠)
max(𝑆𝑠𝑖𝑚 , 𝑆𝑜𝑏𝑠)
Más cercano
a 1
Índice de
Eficiencia de
Nash-Sutcliffe
𝑟² = 1 − ∑ (𝑆𝑡 − 𝑂𝑡)²𝑁
𝑡=1
∑ (𝑂𝑡 − 𝜇𝑜)²𝑁𝑡=1
<0.2 es
insuficiente
0.2 - 0.4 es
satisfactorio
0.4 – 0.6 es
Bueno
0.6 – 0.8 es
Muy bueno
>0.8 es
Excelente
30
4. Metodología
Este proyecto de grado se divide en 3 fases metodológicas principales, primero, se realizó
una calibración y validación de datos en Hydro-BID, segundo se realizó un análisis de
cambio climático y modelación de caudales futuros a partir de escenarios de cambio
climático, por último, se realizó un indicador de sequía hidrológica, y así, finalmente plantear
medidas de prevención de la misma. Cada una de estas fases consta de sus
correspondientes actividades que se evidencian en la ilustración 3 y que se describirán a
continuación.
Ilustración 3 Metodología del trabajo de grado. Fuente: autores.
4.1. Fase 1
4.1.1. Obtención de datos
Para llevar a cabo el proyecto de grado, se necesitaron datos de entrada, como
precipitación acumulada diaria en mm, temperatura media diaria en °C y series de caudales
en m3/s, que abarcan una temporalidad desde 1989 al 2014, debido a que en varias
estaciones meteorológicas éste periodo presenta una continuidad de datos históricos
relevantes óptimos para la caracterización y análisis de datos. Dichos datos fueron
suministrados por las diferentes entidades de la región y del país, como el Instituto de
Hidrología, Meteorología y Estudios Ambientales (IDEAM), la Corporación Autónoma
Regional De la Frontera Nororiental (CORPONOR), y el Plan de Ordenamiento y Manejo
Cuenca Río Pamplonita (POMCA), además de informes relacionados con el estudio y
evaluación de la cuenca.
Metodología
Fase 1
Obetención de datos
Llenado de datos y
consistencia
Calibración y validación del
modelo Hydro-BID
Fase 2
Análisis de Cambio Climático
Selección del modelo de
circulación global
Reducción de escala y construcción de series
de precipitación y temperatura
Modelación de caudales futuros a
partir de escenarios de cambio climático
Fase 3
Realización de indicadores de
sequía hidrológica
Planteamiento de medidas de
prevención de la sequía hidrológica
31
Por otro lado, la delimitación y procesamiento de la cuenca se realizó implementando la
base de datos de hidrología analítica (AHD) del software Hydro-BID. Se empleó el sistema
de información geográfico de código libre QGIS para visualizar y editar la base de datos
para lo cual se cargó las capas de “catchment” y “AHD” En primer lugar, se realizó un
acercamiento a la zona del territorio de Colombia (mapa 4a) y se demarcó la cuenca del río
Pamplonita (mapa 4b) por medio de un elemento denominado navegador AHD que
proporciona las subcuencas con su respectivo número identificador (COMID), los ríos
principales, la dirección del caudal y datos de la geometría de la cuenca como el área, la
longitud del cauce principal y el perímetro. Por otro lado, usando las herramientas de
geometría de QGIS se hallaron los centroides de cada una de las subcuencas, paso que es
fundamental en la modelación para la interpolación climática que permite distribuir los datos
de temperatura y precipitación a lo largo de la cuenca.
Mapa 4 (A) AHD Colombia. (B) AHD cuenca Pamplonita. Fuente: autores.
4.1.2. Llenado de datos y consistencia
Luego de la obtención de los datos de entrada, se llevó a cabo el llenado y consistencia de
las series de variables climáticas, precipitación y temperatura. Para esto, se usó el software
de programación Python, donde se realizó un código que fue útil para completar los datos
faltantes a mayor velocidad. El método usado fue el promedio aritmético (ver ecuación 1),
puesto que el porcentaje de datos faltantes es menor al 10%, además de esto, se
presentaron estaciones adyacentes para ambas variables.
32
Ecuación 1 Fórmula del promedio aritmético. Fuente: [30]
𝑋𝑖 =𝐴𝑖 + 𝐵𝑖 + 𝐶𝑖
3
Donde, X es la precipitación y/o temperatura estimada para el día i. A, B, C es la
precipitación y/o temperatura observada de las estaciones adyacentes en el día i.
Fueron exactamente 16 estaciones de precipitación y 6 estaciones de temperatura con un
registro histórico de 25 años, es decir desde el 01 de abril del 1989 hasta el 31 de diciembre
del 2014, con una temporalidad diaria. En la tabla 7 se observa el listado de las estaciones
utilizadas y en el mapa 5 su respectiva ubicación.
Tabla 7 Estaciones utilizadas cuenca Pamplonita. Fuente: autores.
33
Mapa 5 Ubicación de las estaciones en la cuenca del rio Pamplonita. Fuente: propia.
Además de esto, se les realizó a los datos de precipitación un análisis de consistencia a
cada estación, por medio del método de la curva de doble masa, con el fin de observar
cambios en la pendiente que pueda revelar algún tipo de error sistemático en la medición.
4.1.3. Calibración y validación del modelo Hydro-BID
El software hidrológico Hydro-BID aplicado en este proyecto de grado, requiere como datos
de entrada series de precipitación en centímetros, temperatura en grados Celsius y por
último series de caudal en metros cúbicos por segundo, bajo una temporalidad diaria, en
cuanto a datos climáticos.
La calibración del modelo se desarrolló por subcuencas, desde la subcuenca aguas arriba
hasta la subcuenca aguas abajo, para lograr llegar a la desembocadura del caudal,
realizándose manualmente por ensayo y error. Se tuvo en cuenta un periodo de calibración
para la primera estación aguas arriba (16017020), comprendido desde el 01/04/1989 hasta
el 31/12/2006 y posteriormente se realizó una validación desde el 01/01/2005 hasta el
31/12/2014, para la segunda estación (16017040) el periodo de calibración está
comprendido entre 01/04/1989 al 31/12/1994, y debido a que ésta estación no presenta
más registros de caudales en la zona, no se realizó la validación. Por último, la tercera
estación se tuvo en cuenta el periodo de calibración entre 01/04/1989 al 31/12/1991 y la
validación entre 01/01/2012 al 31/12/2014, dado que dicho periodo es el que registra los
34
caudales más completos en la estación. Hay que tener en cuenta que la última calibración
se realiza teniendo en cuenta las dos anteriores.
En el mapa 6 se puede observar las subcuencas que se tuvieron en cuenta para la
realización de la calibración desde aguas arriba (color azul), hasta aguas abajo (color rosa),
además de esto, se presenta la ubicación de cada una de las estaciones de caudales con
su respectivo código.
Mapa 6 Estaciones de caudales. Fuente: autores.
Los parámetros para realizar el proceso de calibración fueron el número de curva, que se
usa para caracterizar el tipo de suelo de la cuenca y su hidrología, este parámetro oscila
entre 0 y 1; el contenido disponible de agua (AWC), representa la cantidad de agua que
puede ser almacenada en el suelo para ser usada por las plantas, afectando la infiltración
hacia el agua subterránea; el coeficiente de recesión (R) evidencia cómo el agua
subterránea que se encuentra cerca de la superficie contribuye a los caudales de los ríos o
corrientes superficiales después de un evento de lluvia y, por último, las pérdidas del
sistema o el seepage, representa el intercambio entre las aguas sub-superficiales con los
cuerpos de agua más profundos, en donde la cantidad de agua que se le atribuye a este
parámetro se considera como una salida del modelo [33].
Otros parámetros importantes son el factor de evapotranspiración de la estación de cultivo
(Grow season ET factor) y el factor de evapotranspiración de la estación de latencia para
cuando hay o no presencia de cultivos en la cuenca. Estos parámetros pueden ser un solo
valor aplicado a todas las cuencas o un multiplicador de los valores de las cuencas, en este
35
caso de estudio se le otorgo el valor de 1, ya que en la cuenca se encuentran una gran
variedad de cultivos diferenciados por su tipo y su estacionalidad.
En los resultados finales, Hydro-BID integra una serie de métricas con los cuales se evalúa
el proceso de calibración, estas métricas se observan en la tabla 8, la idea final del proceso
es encontrar un equilibrio entre las variables estadísticas y las variables hidráulicas.
Tabla 8 Valores óptimos de las métricas. Fuente: autores.
Métrica Valor óptimo
Volumen del error general Más cercano a 0
Correlación (R) 0-1
Correlación Modificada 0-1
Eficiencia de Nash-Sutcliffe
0 – 0.1 insatisfactorio
0.2 – 0.4 es satisfactorio
0.41 - 0.6 es bueno
0.61 – 0.8 es muy bueno
>0.8 es excelente
4.2. Fase 2
4.2.1. Análisis de cambio climático
En primer lugar, se seleccionaron 3 escenarios de cambio climático de los 4 planteados por
el Panel de Expertos Intergubernamentales sobre Cambio Climático (IPCC); estos fueron
el RCP 2.6 RCP 4.5 Y RCP 8.5. Ya que para cada una de las categorías de emisiones un
RCP contiene un conjunto de valores iniciales y el valor estimado de las emisiones para el
año 2100, basado en suposiciones sobre la actividad económica, fuente de energía,
crecimiento de la población entre otros factores socio-económicos [21].
El escenario RCP 2.6 fue desarrollado por el equipo de modelación IMAGE. Este escenario
representa en la literatura el más bajo nivel de concentración de gases de efecto
invernadero. El escenario RCP 4.5 fue desarrollado por el equipo de modelación GCAM.
Es un escenario de estabilización en el cual la fuerza radiativa total se estabiliza
inmediatamente después del año de 2100 sin sobrepasar el nivel objetivo de fuerza
radiativa a largo plazo. El escenario RCP 8.5 fue desarrollado utilizando el modelo
36
MESSAGE y el marco de referencia IIASA. Esta trayectoria está caracterizada por el
incremento de emisiones de gases de efecto invernadero a través del tiempo [34].
4.2.1.1 Selección del modelo de circulación global
Posteriormente se desarrolló la selección del modelo de circulación global (GCM) para
obtener la proyección de las variables climáticas precipitación y temperatura a futuro,
inicialmente se preseleccionaron 3 modelos teniendo en cuenta una búsqueda bibliográfica
de estudios, donde se evaluaron modelos de circulación global en Colombia, se tomó como
referencia el documento que se titula “Evaluación de los modelos globales del clima
utilizados para la generación de escenarios de cambio climático con el clima presente en
Colombia” allí se evaluó el desempeño de algunos GCM a partir de métricas para todo
Colombia [35].
Los modelos escogidos para identificar cual se ajustaba mejor, fueron CCSM4, MPI-
ESR.MR y CanCM4, Para cada modelo se ingresó el mismo periodo de tiempo con los
escenarios de RCP’s mencionados, con el fin de determinar a partir de métricas estadísticas
el modelo más óptimo que se ajuste a las condiciones de la zona, se realizó la evaluación
del modelo para cada una de las variables (precipitación y temperatura) con el mismo
periodo de tiempo, modelos climáticos globales, y escenarios RCP’s.
Como resultados de este procedimiento se obtuvo cual fue el mejor modelo, el cual se
evaluó por medio de las métricas del coeficiente de correlación y la desviación estándar,
también se halló la media, los máximos y los mínimos para comprarlos con los de la estación
El modelo que más se ajustó a las condiciones actuales de la zona fue el modelo CCSM4
el cual se evaluó a partir de la correlación donde se muestra el "grado de ajuste," o
semejanza, entre los valores del modelo y los patrones observados. La correlación valora
el rango entre -1 y 1, donde 1 representa la correlación perfecta y cero ninguna correlación.
4.2.1.2 Reducción de escala y construcción de series de precipitación y
temperatura
La técnica de reducción de escala considera los conceptos del caos determinístico y la
dinámica no lineal en series climatológicas. Evalúa la presencia de caos determinístico para
diferentes intervalos de acumulación de la precipitación de las series de tiempo históricas
tanto de las estaciones climáticas locales, como del modelo climático global y se construye
el modelo caótico predictivo con los resultados de tiempo de retardo, este método requiere
como datos de entrada las series de precipitación y temperatura de las estaciones
meteorológicas y un catálogo que contiene las coordenadas de las estaciones y el modelo
histórico del GCM al igual que los datos de los RCP seleccionados y como salidas genera
las series reducidas de precipitación y temperatura futuras [21].
4.2.2. Modelación de caudales futuros a partir de escenarios de cambio climático
La modelación de los escenarios de cambio climático se realizó implementando las series
de precipitación y temperatura construidas a partir del procedimiento de reducción de
37
escala. Para ello se tuvo que implementar nuevamente el interpolador climático del software
Hydro-BID, Los parámetros del modelo utilizados fueron los obtenidos en la calibración de
la subcuenca más aguas abajo, es decir la correspondiente al identificador COMID con la
estación de caudal y se seleccionó la opción “all catchment” que indica que los resultados
serán calculados en todas las subcuencas y no solo en la subcuenca de salida. Como
resultado de la modelación se obtienen series de caudal en temporalidad mensual y diaria,
una hoja de cálculo con el balance hídrico de cada subcuenca además de una curva de
duración que evidencia el ajuste del modelo entre los datos observados y simulados.
4.3. Fase 3
4.3.1. Realización de indicadores de sequía hidrológica
Se realizaron dos índices de severidad de sequía hidrológica a partir de los caudales
arrojados por Hydro-BID desde 2015 a 2100, para definir con precisión el índice de
severidad más representativo para la cuenca del rio Pamplonita.
Se presentan los resultados del índice estandarizado de caudal (SQI) que se adaptó de la
metodología SPI – índice estandarizado de precipitación – pero con la variable caudal, ya
que el SPI hace referencia al índice de precipitación estandarizado el cual fue desarrollado
por McKee, Doesken y Kleist (1993), y tiene como propósito determinar un indicador para
clasificar el estado de sequía de un lugar en específico, con el fin de monitorear y analizar
las zonas donde el uso del recurso hídrico es relevante. Para determinar este indicador solo
es necesaria la variable precipitación. Sin embargo, esta metodología se puede aplicar de
forma similar con otras variables hidrológicas como: caudales, capas de nieve, aguas
subterráneas, entre otras [36].
El estado de sequía se define a través de una estandarización de la precipitación, ésta
corresponde a la diferencia de precipitación a partir de la media para un determinado
periodo de tiempo, dividido por la desviación estándar. La media y desviación estándar se
determinan a partir de registros de precipitación. Una desventaja del método es que, por lo
general, la precipitación no presenta una distribución normal, lo que se soluciona a través
de una transformación sobre la distribución que mejor responda a la variable.
El procedimiento de cálculo del SPI es el siguiente, se dispone de una serie de
precipitaciones mensuales para m meses, se recomienda el uso de al menos 30 años de
registros continuos. Luego se prepara una serie de datos correspondiente a un periodo de
i meses, donde i pueden ser series de 1, 3, 6, 12, 24 o 48 meses. Con esta nueva serie se
lleva a cabo un análisis estadístico y se establece la relación con la función de distribución
que mejor ajusta a los datos, esto según un test de Chi-cuadrado. Una vez establecido el
ajuste, se determina la probabilidad de las precipitaciones observadas en la serie de i
meses.
Finalmente, cada probabilidad es utilizada para calcular la inversa de una función normal
estándar, con media nula y una desviación estándar correspondiente la unidad. Con esto
se logra pasar de una función de distribución cualquiera a una distribución normal. El valor
38
obtenido en el paso anterior corresponde al SPI para dicha precipitación en particular. El
SPI al estar basado en una distribución normal estandarizada, puede utilizarse para
determinar tanto estados de humedad como de sequía [36].
Dichos pasos pueden resumirse y ser calculados por un software que permite introducir
valores de caudales y no solo precipitación, lo que conlleva al uso del índice estandarizado
de caudal (SQI), el cual se usó para determinar la severidad de sequía hidrológica de la
cuenca.
Por otro lado, también se realizó el índice de severidad de sequía expuesto en un estudio
en la región de la India central, en el cual se requerían datos diarios de caudales de 30 años
en adelante. En primera instancia se ordenan los datos en orden descendente para obtener
la curva de duración, posteriormente se halla el caudal ecológico Q75 y con este dato se
realiza la ecuación 2 para obtener así la severidad de sequía diaria (Si) en todos los años,
cuando el valor es negativo y es igual o mayor a 10 días, es considerado como un periodo
de sequía, y teniendo en cuenta dichos periodos se realizan gráficas donde refleja la
severidad de la sequía hidrológica y su duración en cada año.
Ecuación 2 Índice de severidad de sequía hidrológica. Fuente: [35]
𝑆𝑖 = ∫(𝑄𝑡 − 𝑄75)𝑑𝑡
5. Resultados
5.1. Fase 1
5.1.1. Consistencia de datos
Como resultado del análisis de consistencia de los datos de precipitación y temperatura,
por medio de la metodología de la curva de doble masa se obtuvo que las pendientes no
presentan una variación significativa en la pendiente, comportamiento que se evidencia en
la gráfica 1, por lo que no fue necesario aplicar el coeficiente de ajuste. Este resultado se
comprueba con los valores obtenidos por medio del parámetro de ajuste R2 que varió entre
0.9698 y 0.9983, para los datos de precipitación, mostrando un ajuste óptimo entre las
estaciones. Puede observarse las curvas de doble masa de las demás estaciones en el
anexo A.
39
Gráfica 1 Curva de doble masa de precipitación. Fuente: autores.
5.1.2. Calibración y validación del modelo Hydro-BID
A lo largo de la calibración se identificó como los diferentes parámetros de Hydro-BID
estimulaban el caudal simulado, pues si se aumenta el seepage, el volumen de los caudales
reflejados en la curva de duración disminuye; también se observó que el valor asociado al
coeficiente R muestra que, si se aumenta, la pendiente de la curva también aumenta, así
mismo, cuando el valor del número de curva se reduce, los caudales disminuyen siendo
menos sensibles a los eventos de precipitación. Hay que tener en cuenta que para los
parámetros de número de curva y el contenido de agua almacenado en el suelo, el valor
que se ingresa en la interfaz de los parámetros se toma como un multiplicador, es decir,
cuando el valor ingresado se encuentra entre 0 y 1 implica una disminución en el valor que
se encuentra anidado con la base de datos AHD.
Al momento de realizar la calibración de los datos actuales se realizaron más de 40 pruebas
y los parámetros que se ajustaron a cada una de las subcuencas se presentan en la tabla
9.
Tabla 9. Parámetros de calibración para la subcuencas. Fuente: autores
Parámetros - Estación de caudal 16017020 16017040 16017010
NC 1.178 0.978 0.6
AWC 0.05 0.0599 0.05
R coefficient 0.009 0.009 0.8
Seepage 0.0003 0.0001 0.9
Grow Season ET Factor 1 1 2
Dormant Season ET Factor 3 3.3 2.7
y = 0.7101x - 23210R² = 0.9983
-10000
1000200030004000500060007000
Pre
cip
itac
ión
acu
mu
lad
a (c
m)
Estación 16010060
16010060
Lineal(16010060)
40
Al aplicar los parámetros en la estación aguas debajo de cada estación, se obtuvieron las métricas de desempeño como se muestra en la tabla 10 a nivel diario y mensual para cada uno de las estaciones.
Tabla 10. Métricas de desempeño de la estación aguas abajo. Fuente: autores.
Estación 16017020 16017040 16017010
Métrica Valor
mensual
Valor
diario
Valor
mensual
Valor
diario
Valor
mensual
Valor
diario
Volumen
general de
error
-2,22 -2,2 3,02 2,84 -12,08 -12,34
Correlación
(R) 0,84 0,48 0,76 0,6 0,87 0,76
Correlación
modificada 0,64 0,44 0,62 0,52 0,73 0,74
Eficiencia
Nash-
Sutcliffe
0,69 -0,15 0,35 0,06 0,73 0,5
Las métricas de desempeño obtenidas durante el proceso de calibración se encuentran cercanas al rango óptimo, demostrando que los resultados finales de la simulación son confiables y que el modelo representa la realidad de la zona de estudio. Igualmente, la simulación de la cuenca del río Pamplonita, describe con mayor precisión las condiciones mensuales de la cuenca a diferencia de las condiciones diarias, puesto que las primeras se encuentran más cerca de los rangos de desempeño satisfactorio y excelente.
Finalmente, Hydro-BID arrojó las curvas de duración antes y después del proceso de calibración para cada subcuenca, en donde se evidencia el ajuste obtenido entre los datos simulados y los datos observados, mostrados en las gráficas 2,3 y 4 donde la línea roja corresponde al observado y la línea azul al modelado.
41
Gráfica 2 Curva de duración antes y después de calibrar la estación 16017020. Fuente: autores.
Gráfica 3 Curva de duración antes y después de calibrar la estación 16017040. Fuente: autores.
Gráfica 4 Curva de duración antes y después de calibrar la estación 16017010. Fuente: autores.
En cuanto a la sensibilidad de los parámetros de calibración de Hydro-BID se observó que los parámetros más sensibles son el AWC, ya que este representa el volumen de agua que es capaz de absorber el suelo, y el número de curva, porque representa el nivel de impermeabilización ya sea natural o antrópico.
Adicionalmente se realizó la curva de duración para el proceso de validación que comprueba que la calibración fue llevada a cabo correctamente, como se observa en la gráfica 5.
42
Gráfica 5 Curvas de duración-validación, estación 16017020. Fuente: autores.
Por otro lado, en la gráfica 6 muestra la relación entre el comportamiento de los caudales de la cuenca (morado para el observado y azul oscuro para el simulado) con el comportamiento de la precipitación (líneas de color azul claro presentadas en la parte superior de la gráfica), se establece que el comportamiento de la escorrentía es directamente proporcional al de la lluvia de la zona de estudio, en donde a mayor cantidad de precipitación mayor volumen de escorrentía se va a generar a lo largo de la misma.
Gráfica 6 Caudales vs precipitación para las condiciones actuales en escala diaria. Fuente: autores
43
5.2. Fase 2
5.2.1. Análisis de cambio climático
5.2.1.1. Selección del modelo de circulación global
Para seleccionar el GCM de mejor desempeño para la cuenca se calculó la métrica del coeficiente de correlación y la desviación estándar de cada estación respecto a los datos históricos del modelo de circulación global. A partir de lo anterior se obtuvo que el CCSM4 es el que mejor describe las condiciones de clima local de la zona, ya que tiene la mejor correlación con respecto a los otros GCM para la variable de precipitación y temperatura como se observa en la tabla 11. Este comportamiento también se ve reflejado en la gráfica 7 en donde se observa la acumulación anual de precipitación y el promedio de temperatura anual tanto del modelo como de las estaciones. Para observar las demás estaciones ver anexo B.
Tabla 11 Métricas GCM. Fuente: autores
Desviación Estándar Coeficiente de Correlación
Variable Estación MPI CCSM4 CanCM4 MPI CCSM4 CanCM4
Pre
cip
ita
ció
n
16010010 0.127 0.141 0.080 0.020 -0.003 -0.025
16010020 0.147 0.165 0.094 -0.006 -0.001 -0.018
16010040 0.259 0.289 0.165 0.005 0.026 0.009
16010060 0.256 0.286 0.163 0.005 0.007 0.000
16010100 0.245 0.273 0.156 -0.017 -0.031 -0.043
16020340 0.164 0.183 0.104 -0.003 -0.023 -0.009
16020370 0.126 0.140 0.080 0.032 -0.007 -0.016
16025040 0.104 0.071 0.055 0.043 0.034 0.007
16020110 0.126 0.140 0.080 0.053 0.092 0.027
16015010 0.120 0.082 0.063 0.041 0.120 0.071
16015030 0.161 0.111 0.085 0.042 0.061 0.036
16015090 0.006 0.007 0.004 -0.016 -0.010 -0.009
16025010 0.257 0.287 0.163 0.016 -0.008 -0.006
16010340 0.292 0.326 0.186 0.024 0.028 0.011
16020180 0.136 0.152 0.087 0.007 -0.019 -0.037
16015020 0.279 0.311 0.177 0.047 0.049 -0.009
Te
mp
era
tura
16015020 1.332 1.039 0.831 0.184 0.258 0.288
16025040 1.022 0.802 0.542 0.172 0.399 0.346
16015010 0.762 0.594 0.475 0.216 0.342 0.306
16015030 0.855 0.671 0.454 0.124 0.194 0.201
16015090 1.488 1.160 0.928 0.127 0.244 0.279
16025010 1.054 0.822 0.657 0.191 0.281 0.314
44
Gráfica 7 Comparación histórico futuro estación 16010010 y 16010020. Fuente: autores.
5.2.1.2. Reducción de escala y construcción de series de temperatura y
precipitación.
Para el método de reducción de escala se obtuvieron las series de precipitación y temperatura reducidas a la escala local, necesarias para el análisis a nivel de cuenca. A partir de las gráficas 8 y 9 se evidencia que se presentaron diferencias entre los valores promedio de precipitación y temperatura entre las estaciones en comparación con los datos históricos. Así mismo no se muestra una tendencia generalizada de aumento o disminución constante puesto que en algunas estaciones el RCP 2.6 presenta magnitudes mayores en comparación al RCP 8.5 o 4.5 y en otras estaciones se presenta un comportamiento contrario, esto puede atribuirse a diversos factores como la geometría de la cuenca.
Gráfica 8 Comparación de los promedios de precipitación generadas por estación. Fuente: autores.
1
2
3
4
5
6
7
8
9
10
11
12
Pre
cip
ita
ció
n (
mm
)
Estaciones
Histórico
RCP 2.6
RCP 4.5
RCP 8.5
45
Gráfica 9 Comparación de los promedios de temperatura generadas por estación. Fuente: autores.
Siguiendo con lo anterior, en la gráfica 10 se puede observar la comparación del GCM
aplicado a la zona de estudio sin la técnica de reducción de escala, dónde se evidencia una
sobreestimación de los datos (línea roja). Sin embargo, cuando el GCM es ajustado a la
técnica, el nivel de error se minimiza acercándose a los datos de la estación (línea verde).
Las gráficas de las demás estaciones se pueden observar en el anexo C.
Gráfica 10 Comparación datos históricos con el GCM para las estaciones 16010010 y 16010020.
Fuente: autores
5.2.2. Modelación de caudales futuros a partir de escenarios de cambio
climático.
Después de obtener las series de datos climatológicos (precipitación y temperatura) a partir del GCM y la reducción de escala se procedió a realizar de nuevo la interpolación y modelación en Hydro-BID, donde se obtuvieron las series de caudales tanto para las condiciones actuales (1989-2014) como para las condiciones futuras (2015-2100) en temporalidad mensual y diaria que representan la escorrentía generada a lo largo de la cuenca.
Historico
RCP 2.6
RCP 4.5RCP 8.5
0
5
10
15
20
25
30
46
Adicionalmente se obtuvieron los porcentajes de variación de caudal de cada uno de los escenarios respecto a las condiciones actuales, dando como resultado que se presentará una posible disminución en el caudal entre el 6,10% y 10,84% para los diferentes RCP’s como se observa en la tabla 12.
Tabla 12 Porcentaje de variación de caudales futuros. Fuente: autores
Escenario Caudal
(m3/s)
Porcentaje de
variación (%)
Actual 20.90
RCP 2.6 2015-2100 19.63 -6.10
RCP 4.5 2015-2100 18.64 -10.84
RCP 8.5 2015-2100 19.46 -6.92
Del mismo modo, en la gráfica 11 se evidencia el comportamiento de los caudales mensuales desde 2015 a 2100, presentando que el RCP 4,5 es el periodo más crítico en cuanto a la oferta hídrica.
Gráfica 11 Caudales proyectados. Fuente: autores.
Cabe resaltar que, se tuvo que realizar una regionalización de parámetros en la cuenca, debido a la ausencia de datos suficientes de caudal en las cuencas media y baja, es por esto que no se podía realizar una correcta validación en estas cuencas, por ello, se optó por realizar polígonos de Thiessen y aplicar la siguiente ecuación.
0
10
20
30
40
50
60
70
80
90
20
15
-Jan
20
17
-May
20
19
-Sep
20
22
-Jan
20
24
-May
20
26
-Sep
20
29
-Jan
20
31
-May
20
33
-Sep
20
36
-Jan
20
38
-May
20
40
-Sep
20
43
-Jan
20
45
-May
20
47
-Sep
20
50
-Jan
20
52
-May
20
54
-Sep
20
57
-Jan
20
59
-May
20
61
-Sep
20
64
-Jan
20
66
-May
20
68
-Sep
20
71
-Jan
20
73
-May
20
75
-Sep
20
78
-Jan
20
80
-May
20
82
-Sep
20
85
-Jan
20
87
-May
20
89
-Sep
20
92
-Jan
20
94
-May
20
96
-Sep
20
99
-Jan
Cau
dal
(m3/s
)
Fecha (meses)
RCP 2.6
RCP 4.5
RCP 8.5
47
Ecuación 3 Ecuación de regionalización de parámetros. Fuente: [37]
𝑃𝑓 = (𝑃1 ∗ 𝐴1) + (𝑃2 ∗ 𝐴2) + (𝑃3 ∗ 𝐴3)
𝐴𝑡
Donde, Pf es el parámetro final, P1,2,3 son los parámetros de calibración de cada subcuenca, A1,2,3 son las áreas de influencia de cada estación según los polígonos de Thiessen y At es el área total de la cuenca.
Los resultados de los parámetros finales se usaron para la calibración de la subcuenca aguas abajo, puesto que es allí donde se encuentra el caudal de desembocadura y así poder generar los caudales futuros de 2015 a 2100. Dichos parámetros se presentan a continuación.
Tabla 13 Regionalización de parámetros futuros. Fuente: autores.
Parámetros
Curve Number 0.74269306
AWC 0.05215357
R coefficient 0.5451836
Seepage 0.61012297
Grow Season 1.67785537
Dormant Season 2.86190317
5.3. Fase 3
5.3.1. Realización de indicadores de sequía hidrológica
Las características hidrológicas de la sequía, que incluyen inicio, finalización, frecuencia,
severidad y duración de un evento de sequía, se han evaluado en función del índice
estandarizado de caudales (SQI, siglas en inglés), a través de la metodología del índice
estandarizado de precipitación (SPI). Siguiendo con lo anterior, se realizaron cuatro
gráficas, se presentará la primera en la que se resumen los años del 2015 al 2100 la
severidad y la duración de la sequía, por su parte, las tres gráficas siguientes se muestran
en el anexo D que reflejan las mismas características del 2015 al 2040, 2041 al 2070 y del
2071 al 2100 respectivamente, según la tercera comunicación para el cambio climático.
Dichas gráficas se realizaron por cada RCP manejado en este trabajo de grado, es decir,
2.6 (gráfica 12), 4.5 (gráfica 13) y 8.5 (gráfica 14) para el completo análisis y comparación,
de esta manera se verá el comportamiento de la sequía desde distintos puntos de estudio.
48
Gráfica 12 Índice de la severidad de la sequía (SQI) RCP 2,6. Fuente: autores.
Gráfica 13 Índice de la severidad de la sequía (SQI) RCP 4,5. Fuente: autores.
-10
-5
0
5
10
15
20
25
30
35
40
20
15
20
17
20
19
20
21
20
23
20
25
20
27
20
29
20
31
20
33
20
35
20
37
20
39
20
41
20
43
20
45
20
47
20
49
20
51
20
53
20
55
20
57
20
59
20
61
20
63
20
65
20
67
20
69
20
71
20
73
20
75
20
77
20
79
20
81
20
83
20
85
20
87
20
89
20
91
20
93
20
95
20
97
20
99
AÑOS
SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
-5
0
5
10
15
20
25
30
35
40
20
15
20
17
20
19
20
21
20
23
20
25
20
27
20
29
20
31
20
33
20
35
20
37
20
39
20
41
20
43
20
45
20
47
20
49
20
51
20
53
20
55
20
57
20
59
20
61
20
63
20
65
20
67
20
69
20
71
20
73
20
75
20
77
20
79
20
81
20
83
20
85
20
87
20
89
20
91
20
93
20
95
20
97
20
99
AÑOS
SEVERIDAD (m3/s)
DURACIÓN (semanas)
49
Gráfica 14 Índice de la severidad de la sequía (SQI) RCP 8,5. Fuente: autores.
A continuación, se presenta una tabla resumen en donde se comparan los resultados de
los índices de severidad de sequía para cada uno de los RCP mencionados a través del
documento para visualizar mejor la diferencia entre la duración, severidad y número de
eventos de sequía que podrían presentarse en la cuenca del rio Pamplonita, de acuerdo
con los caudales futuros arrojados por Hydro-BID.
Tabla 14 Comparación de SQI entre RCP 2,6 4,5 y 8,5. Fuente: autores.
RCP 2,6 RCP 4,5 RCP 8,5
La severidad máxima total durante un
solo evento de sequía es de -4,34
m3/s entre el 9 de julio del 2051 al 16
de julio del 2051, durante un período
de 1 semana.
La severidad máxima total durante
un solo evento de sequía es de -
2,88 m3/s entre el 21 de mayo del
2061 al 18 de junio del 2061,
durante un período de 4
semanas.
La severidad máxima total durante un
solo evento de sequía es de -3.03
m3/s entre el 14 de mayo del 2066 al
4 de junio del 2066, durante un
período de 3 semanas.
La severidad más alta de sequía
combinada es de -7,01 m3/s que se
observó durante la sequía
generalizada del año 2095, con una
duración de 23 semanas y, además,
fue testigo de 6 eventos de sequía de
severidades y duraciones variables.
Durante este año, el evento de sequía
con la máxima gravedad de sequía es
de -1,28 m3/s que se observó entre el
La severidad más alta de sequía
combinada es de -7,31 m3/s que
se observó durante la sequía
generalizada del año 2061, con
una duración de 20 semanas y,
además, fue testigo de 4 eventos
de sequía de severidades y
duraciones variables. Durante
este año, el evento de sequía con
la máxima gravedad de sequía es
La severidad más alta de sequía
combinada es de -8,51 m3/s que se
observó durante la sequía
generalizada del año 2027, con una
duración de 12 semanas y, además,
fue testigo de 6 eventos de sequía de
severidades y duraciones variables.
Durante este año, el evento de sequía
con la máxima gravedad de sequía es
de -2,4 m3/s que se observó entre el
-10
-5
0
5
10
15
20
25
30
35
40
20
15
20
17
20
19
20
21
20
23
20
25
20
27
20
29
20
31
20
33
20
35
20
37
20
39
20
41
20
43
20
45
20
47
20
49
20
51
20
53
20
55
20
57
20
59
20
61
20
63
20
65
20
67
20
69
20
71
20
73
20
75
20
77
20
79
20
81
20
83
20
85
20
87
20
89
20
91
20
93
20
95
20
97
20
99
AÑOS
SEVERIDAD (m3/s)
DURACIÓN (semanas)
50
RCP 2,6 RCP 4,5 RCP 8,5
11 de junio y el 23 de julio del 2095,
con una duración de sequía de 6
semanas.
de -2,88 m3/s que se observó
entre el 21 de mayo y el 18 de
junio del 2061, con una duración
de sequía de 4 semanas.
19 de noviembre y el 17 de diciembre
del 2027, con una duración de sequía
de 4 semanas.
Durante 2072, cuatro eventos de
sequía ocurrieron en la cuenca entre
el 05 de febrero y el 03 de junio (17
semanas); del 24 de junio al 22 de julio
(4 semanas); también del 12 de
agosto al 26 de agosto (2 semanas); y
por último del 18 de noviembre del
2072 al 26 de febrero del 2073 (14
semanas) con una severidad
combinada de -4,26 m3/s. Se observó
que la duración máxima de la sequía
es de 37 semanas.
Durante 2089, cuatro eventos de
sequía ocurrieron en la cuenca
entre el 19 de febrero y el 05 de
marzo (2 semanas); del 09 de abril
al 23 de julio (15 semanas);
también del 03 de septiembre al
17 de septiembre (2 semanas), y
por último del 15 de octubre del
2089 al 22 de enero del 2090 (14
semanas) con una severidad
combinada de -4,47 m3/s. Se
observó que la duración máxima
de la sequía es de 33 semanas.
Durante 2072 y 2089, tres y dos
eventos de sequía ocurrieron
respectivamente en la cuenca, con
una severidad combinada de -2,56
m3/s y -2,23 m3/s. Se observó que la
duración máxima de estas sequías es
de 37 semanas.
El número máximo es de seis
eventos de sequía que ocurrió en el
año 2095.
El número máximo es de seis
eventos de sequía que ocurrió en
el año 2041.
El número máximo es de seis
eventos de sequía que ocurrió en el
año 2027.
Un número total de 249 eventos de
sequía hidrológica con severidades
variables ocurridos entre el 2015 al
2100, es decir en 85 años.
Un número total de 252 eventos
de sequía hidrológica con
severidades variables ocurridos
entre el 2015 al 2100, es decir en
85 años.
Un número total de 246 eventos de
sequía hidrológica con severidades
variables ocurridos entre el 2015 al
2100, es decir en 85 años.
5.3.2. Medidas de prevención y mitigación de la sequía hidrológica.
Las medidas de prevención se implantan mucho antes de que suceda una sequía, como es
crear una cultura en la población para cuidar el agua. Por ejemplo, se recomienda que en
las escuelas de nivel básico se impartan clases sobre el uso adecuado de los recursos
naturales; repartir folletos en los mercados, en la calle, en los centros de trabajo, en los
lugares recreativos, etc., que hablen sobre el uso adecuado del agua. Otras medidas son
la implantación de técnicas de irrigación para reducir la cantidad de agua en la agricultura
y que las cosechas sean satisfactorias; introducir en el campo algún tipo de ganado o de
cultivo que se adapte mejor al clima; poner en marcha programas de supervisión continua
en las industrias para que no viertan desechos a los ríos, y cuidar que éstos no se
contaminen, entre otras.
51
Por otro lado, las medidas de mitigación para disminuir los efectos negativos de las sequías
pueden ser construcciones y obras de ingeniería que ayudan a controlar, almacenar, extraer
y distribuir el agua, con el fin de optimar el uso del vital recurso en época de sequía. Entre
estas obras de ingeniería están: presas, tanques de almacenamiento, sistemas de
abastecimiento de agua potable, plantas de tratamiento de aguas negras, perforación de
pozos, canales revestidos y sistemas de irrigación. [38]
En general, todas las obras de ingeniería para mitigar las sequías son costosas y por sí
solas no son la solución que evite las sequías, más bien son el complemento de otras
medidas que en conjunto ayuden a contrarrestar los efectos negativos de este fenómeno.
5. Conclusiones
Teniendo en cuenta el aumento en la temperatura media de la zona, se concluye que para
el final del siglo la temperatura aumenta de 2 a 3 grados Celsius, lo que representa un
consecuente aumento de fenómenos naturales, como sequías en las diferentes regiones
del país, que no se encuentran en condiciones para afrontar este tipo de fenómenos y una
mayor demanda del recurso hídrico.
Hydro-BID representó de forma acertada las condiciones medias y mínimas de la zona de
la cuenca del río Pamplonita en términos de caudal, lo que se evidencia al comparar el
comportamiento del régimen de escorrentía generado, como resultado de la simulación con
el registro histórico de caudales. De la misma forma, la simulación de este programa
representa mejor las condiciones mensuales de la cuenca, lo cual se evidencia en las
métricas de desempeño.
En la cuenca del río Pamplonita para el periodo comprendido entre 2015 y 2100 se espera
que en la oferta del rio presente una disminución de caudal de 10,84 m3/s, presentando
diferentes impactos tanto económicos como sociales, debido a que este rio es el principal
cauce de abastecimiento del municipio de Cúcuta, por lo que es responsabilidad de las
autoridades ambientales locales y regionales plantear estrategias y alternativas de
adaptación y mitigación que permitan reducir la magnitud de los impactos. Esto requiere
una planificación y gestión adecuada de los recursos hídricos para utilizar de manera óptima
el agua disponible en la cuenca. Esto se puede lograr a través de medidas de intervención
en cuencas hidrográficas mediante la construcción de represas de tamaño mediano junto
con represas de control y estructuras de recarga artificial para la utilización efectiva y la
conservación de los recursos hídricos disponibles.
Debido a la ausencia de series de datos de caudales en las estaciones limnimétricas en el
periodo de estudio, se optó por realizar una regionalización de parámetros, donde se obtuvo
así, los parámetros generales de toda la cuenca, realizando la calibración adecuada y así
poder generar los caudales futuros.
En cuanto al índice de severidad de sequía hidrológica se presentó un cuadro comparativo,
donde se demostró la gravedad y duración de dichas sequías para los diferentes RCP’s,
52
concluyendo que en todos los escenarios hay fuertes sequías, para el RCP 2,6 se espera
una severidad de sequía de -7,01 m3/s con una duración de 23 semanas; por otro lado, para
el RCP 4,5 se observa una severidad de -7,31 m3/s con una duración de 20 semanas; y por
último, para el RCP 8,5 se prevé una severidad de sequía de -8,51 m3/s con una duración
de 12 semanas, siendo este último el escenario con una severidad de sequía más crítica
para el año 2027.
El proceso de reducción de escala permite representar de forma más acertada las
condiciones reales de la zona de estudio, aumentando la correlación entre los datos
observados y los datos históricos del GCM, esto se evidencia en los resultados de las
métricas y en los datos.
Las proyecciones de caudales obtenidas indican una disminución en el caudal entre el
6.10% y 10.8% para los diferentes escenarios en la oferta hídrica de la cuenca, lo que
sumado al aumento poblacional y a la expansión agrícola e industrial de la zona, puede
llegar a ocasionar una sequía hídrica debido al aumento en la presión generada en los ríos
de la cuenca. En este orden de ideas, es responsabilidad de las autoridades ambientales y
de los actores institucionales y gubernamentales, llevar un control sobre las actividades
económicas que hacen uso del recurso y que se desarrollan en la cuenca del río Pamplonita
con el fin de reducir el riesgo por desabastecimiento y sequía hídrica.
6. Recomendaciones
Para futuros proyectos se recomienda que las autoridades ambientales del departamento
del Norte de Santander realicen una verificación adecuada de los diferentes tipos de
estaciones que se encuentran dentro de la cuenca, para llevar un registro adecuado del
estado del rio y así facilitar la realización de futuros estudios dentro de la cuenca.
Debido a que la cuenca esta compartida con el país de Venezuela, se recomienda para
futuros estudios, incluir dicho país para el completo análisis de la cuenca del rio Pamplonita.
53
7. Bibliografía
[1] A. C., D. J. D y J. F. Guzmán Ruiz, «Cambio climatico mas probable para Colombia a lo largo
del siglo XXI respecto al clima presente,» IDEAM, Bogota, 2012.
[2] B. E. O. Torres, «Generacion de escenarios de cambio cloiamtico regionales y locales a partir
de modelos globales,» IDEAM, Bogota, 2010.
[3] M. c. Garcia, «Variabilidad climatica, cambio climatico y recurso hidrico en colombia,»
Revista de ingenieria Universidad de los andes, p. 5, 2012.
[4] Corponor, Plan de accion 2012-2015, Cucuta, Norte de Santander, 2012.
[5] C. C. Posada, «La adapatacion del cambio climatico en Colombia,» Scielo, p. 7, 2007.
[6] Corporación Autónoma Regional de la Frontera Nororiental, «Plan de ordenacion y manejo
de la cuenca hidrografica del Rio Pamplonita,» Cucuta, 2010.
[7] Corporación andina de fomento, «Fenomeno El Niño 1997-1998,» Pamplonita, 2007.
[8] Corponor, «Ordenando nuestra cuenca; tomo III caracterización y diagnóstico,» San José de
Cúcuta, 2014.
[9] IDEAM, «Nuevos escenarios de cambio climatico para colombia 2011 - 2100,» Ministerio de
Ambiente y Desarrollo Sostenible, Bogota, 2015.
[10] United Nations Framework Convention on Climate Change, «MATERIALES DE FORMACIÓN
DEL CGE. EVALUACIÓN DE VULNERABILIDAD Y ADAPTACIÓN,» Capitulo 8 - Escenarios de
cambio climático, 2015.
[11] J. F. W. S. M. R. Eliana Jorquera, «Revisión del estado del arte en la modelación hidrológica
distribuida e integrada,» Córdoba, Argentina, 2014.
[12] J. J. V. Olga Lucía Ocampo, «Análisis comparativo de modelos hidrológicos de simulación
continua en cuencas de alta montaña: caso del Río Chinchiná,» Colombia, 2013.
[13] Secretaria de estado de medio ambiente, «Elaboracion y mantenimiento de un sistema de
indicadores hidrologicos y estudios para la identificacion y caracterizacion de sequias,»
Madrid, 2013.
[14] D. Q. Tejada, G. S. Sandoval y M. peredo, «Clasificación de años secos, normales y humedos,
mediante el metodo Standardized precipitation index adaptado a caudal medio mensual:
Aplicación en Mulchén,» de Clasificación de años secos, normales y humedos, mediante el
54
metodo Standardized precipitation index adaptado a caudal medio mensual: Aplicación en
Mulchén, Santiago de chile, 2015.
[15] X. Liua, X. Xub, M. Yubc y J. Lud, «Predicción y evaluación de sequias hidrológicas basadas en
el índice de flujo normalizado en el suroeste de china,» ScienceDirect, p. 5, 2016.
[16] Organización metereológica mundial, Manual de indicadores e indices de sequía, Ginebra,
2016.
[17] Naciones unidas, «Convencion marco de las naciones unidas sobre el cambio climatico,»
1992.
[18] IPCC, «Cambio climatico 2014: informe de sintesis,» Ginebra, 2014.
[19] D. Maraun, F. Wetterhall, A. Ireson, R. Chandler, E. Kendon, M. Widmann, H. Rust, T. Sauter,
M. Themeßl, V. Venema, K. Chun, C. Goodess, R. Jones, C. Onof y M. Vrac, «Precipitation
downscaling under climate change: Recent developments to bridge the gap between
dynamical models and the end user,» Reviews of Geophysics, p. 48, Septiembre 2010.
[20] A. R. Roa, «Evaluacion de los modelos globales del clima utillizados para la generacion de
escenarios de cambio climatico con el clima presente en colombia,» IDEAM, Bogota, 2010.
[21] F. S. Duarte, «Técnica de reducción de escala estadística basada en la teoría del caos:
Aplicación y desempeño en la Cuenca del Rio Bogotá,» Bogota, 2017.
[22] N. R. B. Suarez, «El método de reducción de escala estadístico aplicado a estudios de cambio
climático,» Universidad Nacional, Bogotá, Colombia, 2000.
[23] IDEAM, «Guía de procedimiento para la generación de escenarios de cambio climático
regional y local a partir de los modelos globales,» Bogotá, 2010.
[24] Wilby, Charles, Zorita, Timbal, Whetton y Mearns, «Guidelines for Use of climate Scenarios
Developed from Statistical,» 2004.
[25] F. Duarte, G. corzo, G. Santos y O. Hernandez, «Chaotic Statistical Downscaling (CSD):
Application and comparison in the Bogota River Basin,» Conference on hydroinformatics,
Bogota, 2018.
[26] IDEAM, «Estudio Nacional del Agua,» IDEAM, Bogota D.C, 2014.
[27] Cambridge University Press, Climate Change 2007: The Physical Science Basis. Contribution
of Working Group I to the Fourth Assessment, New York, NY, USA: The Intergovernmental
Panel on Climate Change, 2007.
55
[28] M. Nalesso, «Hydro-BID,» Banco Interamericano de desarrollo, 2014.
[29] J. Rinner, Bruhn Mark, F. Miralles-Wihelm y R. Muñoz Castillo, «Base de datos de hidrologia
analitica,» BID, 2014.
[30] F. Moreda, F. Miralles-Wilhelm y R. M. Castillo, «Hydro-BID: Un sistema integrado para la
simulacion de impactos del cambio climatico sobre los recursos Hidricos Parte 2,» Banco
interamericano de desarrollo, 2014.
[31] Banco Interamericano de desarrollo, «Como ir ajustando parametros de calibracion Hydro-
BID,» 2017.
[32] J. Cabrera, «Calibracion de modelos hidrologicos,» Bogota.
[33] F. Morena, F. Miralles-Wilhelm y R. Muñoz, «Hydro-BID: Un sistema integrado para la
simulacion de impactos para el cambio climatico sobre los recursos hidricos, parte 2,» Banco
interamericano de desarrollo, 2014.
[34] G. Wayne, «The beginner's guide to representative concentration pathways,» Bogota, 2013.
[35] A. Rodríguez, «Evaluación de los modelos globales del clima utilizados para la generación de
escenarios de cambio climático con el clima presente en Colombia,» IDEAM, Bogota, 2010.
[36] T. B. McKee, N. J. Doesken y J. Kleist, «The Relationship of drought frequency and duration to
time scales,» California, 1993.
[37] A. C. Jimenez, «Aplicación del método de regionalización para la determinación de caudales
en el puente Carrasquillo.,» Piura, Perú, 2009.
[38] Centro nacional de prevención de desastres, «Sequías,» CENAPRED, México, D.F., 2002.
[39] E. Molina, M. Hallack, S. Martinez, J. Ramirez, A. Mungaray y A. Sastre, «Hydrological
modeling and climate change impacts in an agricultural semiarid region. Case study:
Guadalupe River basin, Mexico,» Agricultural Water Management, pp. 29-42, 2016.
[40] V. Y. D. T. Colombia. MINISTERIO DE AMBIENTE, Política Nacional para la Gestión Integral del
Recurso Hídrico, Bogotá, D.C.: Ministerio de Ambiente, Vivienda y Desarrollo Territorial,
2010.
[41] Arango, C., J. Dorado, G. D. y J. F. Ruiz, «Cambio climatico mas probable para colombia a lo
largo del siglo XXI respecto al clima presente,» IDEAM, Bogota, 2012.
56
[42] Sistema de Informacion Ambiental de Colombia, «SIAC,» Abril 2014. [En línea]. Available:
www.siac.gov.co/climaticovulnerabilidad.
[43] Estudio Nacional del Agua, «Indides de Regulacion Hidrica,» 2014. [En línea]. Available:
Dodumenacion.ideam.gov.co/openbiblio/bvirtual/02308/ENA_2014.pdf.
[44] L. A. Aristizábal, «Estimación hidrológica bajo escenarios de cambio climático en Colombia,»
Universidad Nacional de Colombia, Medellín, 2009.
[45] Ministerio de medio ambiente, «Guia para la redacción de planes especiales de actuación en
situación de alerta y eventual sequía,» España, 2005.
[46] D. Rojas, «Manual de hidrología,» 1992.
[47] T. T. N. Swetalina, «Evaluation of Hydrological Drought Characteristics for Bearma Basin in
Bundelkhand Region of Central India,» Science Direct, India, 2015.
[48] J. C. J. S. Fekadu M, «Introducción a los métdos de rellenado de datos,» 2017.
57
ANEXOS
ANEXO A: Curvas de doble masa
y = 0.358x - 11932R² = 0.9752
-1000
0
1000
2000
3000
4000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010340
16010340 Lineal (16010340)
y = 0.3885x - 13025R² = 0.9698
-1000
0
1000
2000
3000
4000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16020180
16020180 Lineal (16020180)
y = 0.2747x - 9129.5R² = 0.9889
-5000
50010001500200025003000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
416025010
16025010 Lineal (16025010)
58
y = 0.2353x - 7795.8R² = 0.9921
-5000
5001000150020002500
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010010
16010010 Lineal (16010010)
y = 0.288x - 9372.6R² = 0.9969
0500
10001500200025003000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010020
16010020 Lineal (16010020)
y = 6.2964x - 204302R² = 0.9944
0
20000
40000
60000
80000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010040
16010040 Lineal (16010040)
59
y = 0.7101x - 23210R² = 0.9983
-2000
0
2000
4000
6000
8000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010060
16010060 Lineal (16010060)
y = 0.5567x - 18236R² = 0.9965
-10000
100020003000400050006000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16010100
16010100 Lineal (16010100)
y = 0.2514x - 8250.1R² = 0.995
-5000
5001000150020002500
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16015020
16015020 Lineal (16015020)
60
y = 0.5851x - 19296R² = 0.9911
-2000
0
2000
4000
6000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16020340
16020340 Lineal (16020340)
y = 0.8325x - 27438R² = 0.9966
-2000
0
2000
4000
6000
8000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16020370
16020370 Lineal (16020370)
y = 0.688x - 22502R² = 0.9933
-2000
0
2000
4000
6000
8000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16025040
16025040 Lineal (16025040)
61
y = 0.3229x - 10417R² = 0.9983
0
1000
2000
3000
40001
/04
/19
89
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16020110
16020110 Lineal (16020110)
y = 0.2544x - 8409.4R² = 0.9927
-5000
5001000150020002500
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16015010
16015010 Lineal (16015010)
62
ANEXO B: Comparación histórico vs futuro del GCM
Gráficas de precipitación de los datos históricos y futuros por estación
y = 0.4272x - 14002R² = 0.9959
-10000
10002000300040005000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16015030
16015030 Lineal (16015030)
y = 0.3661x - 11823R² = 0.983
0
1000
2000
3000
4000
1/0
4/1
98
9
1/0
4/1
99
0
1/0
4/1
99
1
1/0
4/1
99
2
1/0
4/1
99
3
1/0
4/1
99
4
1/0
4/1
99
5
1/0
4/1
99
6
1/0
4/1
99
7
1/0
4/1
99
8
1/0
4/1
99
9
1/0
4/2
00
0
1/0
4/2
00
1
1/0
4/2
00
2
1/0
4/2
00
3
1/0
4/2
00
4
1/0
4/2
00
5
1/0
4/2
00
6
1/0
4/2
00
7
1/0
4/2
00
8
1/0
4/2
00
9
1/0
4/2
01
0
1/0
4/2
01
1
1/0
4/2
01
2
1/0
4/2
01
3
1/0
4/2
01
4
16015090
16015090 Lineal (16015090)
63
64
65
Gráficas de temperatura de los datos históricos y futuros por estación
66
ANEXO C: Comparación histórico vs futuro del GCM reducido
Gráficas de la reducción de escala y el GCM comparado con la estación
67
68
Gráficas de la reducción de escala y el GCM comparado con la estación
69
ANEXO D: Índices de severidad de la sequía hidrológica SQI
-10
-5
0
5
10
15
20
25
30
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n
(sem
anas
)
AÑOS
RCP 2,6 (2015-2040) SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
0
10
20
30
40
20
41
20
42
20
43
20
44
20
45
20
46
20
47
20
48
20
49
20
50
20
51
20
52
20
53
20
54
20
55
20
56
20
57
20
58
20
59
20
60
20
61
20
62
20
63
20
64
20
65
20
66
20
67
20
68
20
69
20
70Se
veri
dad
(m
3/S
) /
Du
raci
ón
(s
eman
as)
AÑOS
RCP 2,6 (2041-2070) SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
0
10
20
30
40
20
71
20
72
20
73
20
74
20
75
20
76
20
77
20
78
20
79
20
80
20
81
20
82
20
83
20
84
20
85
20
86
20
87
20
88
20
89
20
90
20
91
20
92
20
93
20
94
20
95
20
96
20
97
20
98
20
99
21
00
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n
(sem
anas
)
AÑOS
RCP 2,6 (2071-2100) SEVERIDAD (m3/s)
DURACIÓN (semanas)
70
-10
-5
0
5
10
15
20
25
30
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 4,5 (2015-2040)
SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
-5
0
5
10
15
20
25
30
20
41
20
42
20
43
20
44
20
45
20
46
20
47
20
48
20
49
20
50
20
51
20
52
20
53
20
54
20
55
20
56
20
57
20
58
20
59
20
60
20
61
20
62
20
63
20
64
20
65
20
66
20
67
20
68
20
69
20
70
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 4,5 (2041-2070)
SEVERIDAD (m3/s)
DURACIÓN (semanas)
71
-10
-5
0
5
10
15
20
25
30
35
20
71
20
72
20
73
20
74
20
75
20
76
20
77
20
78
20
79
20
80
20
81
20
82
20
83
20
84
20
85
20
86
20
87
20
88
20
89
20
90
20
91
20
92
20
93
20
94
20
95
20
96
20
97
20
98
20
99
21
00
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 4,5 (2071-2100)
SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
-5
0
5
10
15
20
25
30
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 8,5 (2015-2040)
SEVERIDAD (m3/s)
DURACIÓN (semanas)
72
-10
-5
0
5
10
15
20
25
30
35
20
41
20
42
20
43
20
44
20
45
20
46
20
47
20
48
20
49
20
50
20
51
20
52
20
53
20
54
20
55
20
56
20
57
20
58
20
59
20
60
20
61
20
62
20
63
20
64
20
65
20
66
20
67
20
68
20
69
20
70
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 8,5 (2041-2070)
SEVERIDAD (m3/s)
DURACIÓN (semanas)
-10
-5
0
5
10
15
20
25
30
35
40
20
71
20
72
20
73
20
74
20
75
20
76
20
77
20
78
20
79
20
80
20
81
20
82
20
83
20
84
20
85
20
86
20
87
20
88
20
89
20
90
20
91
20
92
20
93
20
94
20
95
20
96
20
97
20
98
20
99
21
00
Seve
rid
ad (
m3
/S)
/ D
ura
ció
n (
sem
anas
)
AÑOS
RCP 8,5 (2071-2100)
SEVERIDAD (m3/s)
DURACIÓN (semanas)