Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California
Doctorado en Ciencias en Ciencias de la Tierra
con orientación en Geociencias Ambientales
Modelación del efecto de la variación climática en el balance hídrico en dos cuencas (México y Cuba) bajo un escenario de
cambio climático
Tesis
para cubrir parcialmente los requisitos necesarios para obtener el grado de Doctor en Ciencias
Presenta:
Yalina Montecelos Zamora
Ensenada, Baja California, México 2018
Tesis defendida por
Yalina Montecelos Zamora
y aprobada por el siguiente Comité
Dr. Thomas Gunter Kretzschmar Codirector de tesis
Dra. María Tereza Cavazos Pérez Codirectora de tesis
Miembros del comité
Dr. Rogelio Vázquez González
Dr. Victor Manuel Rodríguez Moreno
Dr. Gerald Corzo Pérez
Dr. Jonás De Dios De Basabe Delgado Coordinador del Posgrado de Ciencias de la Tierra
Dra. Rufina Hernández Martínez Directora de Estudios de Posgrado
Yalina Montecelos Zamora © 2018 Queda prohibida la reproducción parcial o total de esta obra sin el permiso formal y explícito del autor y director de la tesis.
ii
Resumen de la tesis que presenta Yalina Montecelos Zamora como requisito parcial para la obtención del grado de Doctor en Ciencias en Ciencias de la Tierra con orientación en Geociencias Ambientales.
Modelación del efecto de la variación climática en el balance hídrico en dos cuencas (México y Cuba)
bajo un escenario de cambio climático
Resumen aprobado por:
Dr. Thomas Gunter Kretzschmar Codirector de tesis
Dra. María Tereza Cavazos Pérez Codirectora de tesis
Modelar el comportamiento hidrológico en cuencas hidrográficas presenta muchos desafíos debido a las incertidumbres del cambio climático; en este sentido, los modelos hidrológicos y climáticos proporcionan un marco para examinar la relación entre el clima y los recursos hídricos. En este estudio se utilizó y se propuso una parametrización para el modelo hidrológico SWAT (Soil and Water Assessment Tool) para evaluar los impactos del cambio climático sobre la disponibilidad de agua en la cuenca del Río Cauto localizada al sureste de Cuba y en la cuenca de Guadalupe ubicada en el noroeste de México. SWAT se calibró y validó en las dos cuencas obteniendo un buen desempeño según tres métricas de rendimiento: el coeficiente de eficiencia de Nash-Sutcliffe (NSE), el coeficiente de determinación (R2) y el sesgo porcentual (PBIAS). Además, se identificaron los parámetros que mejor describieron las características físicas en la hidrología de las dos regiones. El modelo reveló la naturaleza de los procesos de escorrentía superficial en la hidrología de la cuenca del Río Cauto, mientras que en la cuenca del Río Guadalupe los parámetros relevantes fueron los de flujo base. Los parámetros calibrados tuvieron diferentes rangos de valores en cada región, lo que refleja una diferencia en los mecanismos generadores de escorrentía en las dos cuencas. El efecto del cambio climático se evaluó forzando el modelo SWAT con el Modelo de Circulación Regional (MCR) RegCM4.3 durante un periodo de referencia (1970-2000) y un período futuro (2015-2039) bajo el escenario de altas emisiones (RCP 8.5). Las proyecciones futuras en la cuenca del Río Cauto sugieren aumentos regionales de 1.5°C en la temperatura y una disminución del 38% en la precipitación media anual. Estos cambios se traducen en posibles reducciones en el caudal anual de hasta un 61% con respecto al período de referencia, mientras que la recarga de acuíferos en la cuenca se espera que disminuya hasta un 59%, con la consecuente reducción del flujo de agua subterránea. Por su parte en la cuenca del Río Guadalupe se espera un aumento de 8% en la precipitación anual asociado con el aporte de la lluvia de invierno y verano, y un posible aumento de 1.2° C en la temperatura media anual. Estos cambios podrían afectar negativamente el caudal y la tasa de recarga total del acuífero en la cuenca de Guadalupe con -36% y -55%, respectivamente: mientras que la evapotranspiración anual podría aumentar en un 16%, relacionado con el incremento de la temperatura proyectada. Estos escenarios de proyección pueden ser de interés para los administradores de los recursos hídricos en las dos regiones. La principal contribución de esta tesis es la evaluación de las principales diferencias entre los procesos hidrológicos en las cuencas de los ríos Cauto y Guadalupe, además de ser la primera vez que se realiza una modelación hidroclimática combinada (SWAT con RegCM4) en estas dos cuencas.
Palabras clave: Hidroclimatología, Modelado hidrológico, SWAT, RegCM4.3, Cuba, México.
iii
Abstract of the thesis presented by Yalina Montecelos Zamora as a partial requirement to obtain the Doctor of Science degree in Earth Sciences with orientation in Environmental Geosciences.
Modeling the effect of climatic variation on the water balance in two basins (Mexico and Cuba) under a scenario of climate change
Abstract approved by:
Dr. Thomas Gunter Kretzschmar Thesis Co-director
Dra. María Tereza Cavazos Pérez Thesis Co-director
Modeling hydrological behavior in watersheds presents many challenges due to the uncertainties of climate change; in this sense, hydrological and climate models provide a framework to examine the relationship between climate and water resources. This study used and proposed a parametrization for the SWAT hydrological model (Soil and Water Assessment Tool) to evaluate the impacts of climate change on the availability of water in the Cauto River basin located southeast of Cuba and in the Guadalupe Basin located in northwestern Mexico. SWAT was calibrated and validated in the two basins obtaining a good performance according to three skill metrics: the Nash-Sutcliffe efficiency coefficient (NSE), the coefficient of determination (R2) and the percentage bias (PBIAS). The parameters that best describe the physical characteristics in the hydrology of the regions were identified. The model results revealed the nature of the surface runoff processes in the hydrology of the Cauto river basin, while in Río Guadalupe the relevant parameters were those of base flow. The calibrated parameters had different ranges of values in each region, which reflects a difference in the runoff generating mechanisms in the two basins. The effect of climate change was evaluated by forcing the calibrated SWAT model with the Regional Climate Model (RCM) RegCM4.3 during a reference period (1970-2000) and a future period (2015-2039) under the high emission scenario RCP 8.5. Future projections in the Cauto River basin suggest regional increases of 1.5°C in the mean annual temperature and a 38% decrease in average annual precipitation. These changes translate into possible reductions in the annual flow of up to 61% relative to the reference period, while the recharge of aquifers in the basin is expected to decrease to 59%, with the consequent reduction of groundwater flow. On the other hand, in the Guadalupe basin, a possible annual increase of 8% of precipitation and 1.2°C in the mean annual temperature are expected. These changes could negatively affect the flow and total recharge of the aquifer in the Guadalupe basin by -36% and -55%, respectively: while annual evapotranspiration could increase 16%, related to the increase in projected temperature. These projection scenarios may be of interest to water managers in the two regions. The main contribution of this thesis is the evaluation of the main differences between the hydrological processes in the Cauto and Guadalupe river basins, besides being the first time that a combined hydroclimatic modeling (SWAT and RegCM4) is performed in these watersheds. Keywords: Hydroclimatology, Hydrological Modeling, SWAT, RegCM4.3, Cuba, Mexico.
iv
Dedicatoria
A Dios por preparar este terreno para mí y ser mi refugio cuando sentí
desfallecer.
A mi mamá por su amor, motivación y confianza en todo momento.
A Yosva por ser mi compañero de viaje en este proyecto y brindarme apoyo
incondicional.
“Hasta aquí nos ha ayudado el Señor”
1 Samuel 7:12.
v
Agradecimientos
Agradecida con Dios, por ponerme en este camino y por cada persona que permitió que llegara a mi vida para
alentarme.
A mis Codirectores de Tesis, Dra. Tereza Cavazos y Dr. Thomas Kretzschmar, por su orientación, confianza y apoyo
para poder concluir este trabajo. Gracias en especial a la Dra. Tere por sus acertadas correcciones y sugerencias, su
paciencia y buenos consejos.
Al comité de tesis, Dr. Rogelio Vázquez, Dr. Victor Manuel Rodríguez Moreno y Dr. Gerald Corzo, agradezco su tiempo,
orientación e invaluables contribuciones para la realización de la presente tesis.
Al Consejo Nacional de Ciencia y Tecnología CONACYT por haber otorgado la beca número 381779 para la realización de estudios de posgrado.
Al Centro de Investigación Científica y de Educación Superior de Ensenada CICESE, particularmente agradezco las
atenciones del personal administrativo adscrito a la Dirección de Estudios de Posgrado, Servicios Escolares y
Biblioteca.
Al Departamento de ciencias de la tierra de CICESE, en especial a las secretarias Ivonne Pedrin, Denyse Robles y a los
técnicos José Mojarro, Humberto Benítez, por toda su ayuda durante este largo período de estudios de posgrado.
Al Instituto de Investigaciones Agropecuarias “Jorge Dimitrov” y al Ministerio de Ciencia, Tecnología y Medio
Ambiente de Cuba (CITMA).
Mi gratitud a Eugenio Molina Navarro y Dr. Enrique Vivoni por la incondicionalidad con la que atendieron cada duda
desde mis inicios para abordar el tema de la modelación hidrológica.
A la Dra Michelle Hallack Alegria por haberme facilitado los datos hidroclimáticos de la cuenca de Guadalupe, y por
su colaboración en otros aspectos de esta tesis.
A Euclides por recibirme siempre con la mejor actitud para echarme la mano con los códigos en Matlab y a Natalia
Uribe por instruirme en la preparación de las bases de datos requeridas por SWAT.
A Pamela por la paciencia con que me trasmitió sus conocimientos en CDO, cuando todo parecía demasiado
complicado para mí. También por la amistad que me ha brindado y los buenos momentos compartidos junto a Diego
y las niñas.
A todos los que me ayudaron con el trabajo de campo y la obtención de los datos hidroclimáticos en la cuenca del Río Cauto: Francis Rodríguez, Ángel Sánchez, Alfredo Remón, Hipólito Torres, Guadalupe Bermúdez, Celia Yaima Garces Batista, Daniel Martínez Castro, Alejandro Vichot, Arnoldo Benzanilla y Fermín Sarduy.
A Yosva porque siempre has estado para mí, ofreciéndome la palabra oportuna en cada momento. Me has enseñado
mucho, admiro tu paciencia y buen ánimo.
A Juan y mi mamá, siempre preocupados porque todo me fuera bien y ofreciéndome consejos valiosísimos.
A mi familia que desde Cuba siempre estuvo pendiente y no dudó en que lo conseguiría. Especialmente agradezco a
mis suegros por su apoyo y cariño.
vi
A mi papá por su apoyo y esfuerzo en cada etapa de mi formación académica, gracias por hacerme muchas veces el
camino más ligero.
A Mariam y Yandy por liderar el puesto de mando “Por la Victoria” y a su familia que siempre estuvieron al pendiente
de mí.
A Fany y Pedri por su cariño y palabras de aliento, atesoro cada instante que conviví con ustedes en Ensenada.
Al equipo de Oceanografía (Rosy, Brenda, Gaby y Oscar) ha sido genial compartir con ustedes y por acogerme como una más y mostrarme su disposición para ayudarme.
A Patty y Damián por la amistad que me han regalado en este tiempo en Ensenada, por sus oraciones y muestras de
cariño.
A Lucy, Pepito, Pepe, Laura y Dayron por su apoyo y hospitalidad en las estancias en la Habana antes de llegar a
Ensenada cada año.
A Dolores Sarracino por la confianza y haberme ofrecido el mejor abrazo cuando todo parecía imposible de conseguir.
A Eli que la encontré no hace mucho, mientras pasaba esas largas horas en la biblioteca. Gracias por regalarme una
sonrisa maternal que me transportaba a Cuba cada mañana y por asegurarte que la tesis tenía el formato adecuado.
A Iglesia La Nueva por la inmensa amabilidad y amor que he recibido de ellos, haciéndome sentir en casa durante
este tiempo.
A mis amigos de siempre y de ahora: Daule y Michu, Nuria Zaldivar, Adonis, Pedro (mi papá Dimitroviano), Ángel
Sánchez, Remón, Eduardo y Maura, Pedro y Kety, Robertico y Mileidys, Griselda y William, Arango, Idalmis y Rider,
Isela, Noemí y Paco, Elizabeth Gaona, Tiago y Mirayana, Geovanna, Manuel y Laura, Dra. Mayra, Aime y Claudio,
Salvatore, Loic y Rebeca, Cynthia y Suri, Noemí y René, Mavi y Eddi, Lita y Felipe, Napoleón, Daniela Tazzo, Marianggy,
Mario Fuentes, Francisco del Toro. A todos gracias por la preocupación, por la palabra de aliento y los momentos
compartidos. Gracias Totales!!!!
vii
Tabla de contenido
Página Resumen en español………………………………………………………..……………...……...…………………………… ii Resumen en inglés……………………………………………………….………………………….…………………….…….. iii Dedicatorias………………………….………………………………….……………………………….………………………… iv Agradecimientos………………………………………………….……………………………………..……………….…....... v Lista de figuras………………………………………..………….………………………………….…..……………....…...... ix Lista de tablas……………………………………………………….……………………………………….……………………… xii
Capítulo 1 .................................................................................................................................................. 1
1.1 Introducción .................................................................................................................................... 1
1.2 Objetivos ......................................................................................................................................... 3
1.2.1 Objetivo general ............................................................................................................ 3
1.2.2 Objetivos particulares .................................................................................................... 3
1.3 Estructura de la tesis ...................................................................................................................... 4
1.4 Zonas de estudio ............................................................................................................................. 4
1.4.1 Cuenca del Río Cauto...................................................................................................... 4
1.4.2 Cuenca del Río Guadalupe .............................................................................................. 6
Capítulo 2. Antecedentes ........................................................................................................................ 9
2.1 Modelación hidrológica .................................................................................................................. 9
2.2 Escenarios de emisiones de efecto invernadero ......................................................................... 10
2.3 Modelos climáticos regionales (MCR) ......................................................................................... 12
2.4 Estudios de impactos del cambio climático en los recursos hídricos ......................................... 13
Capítulo 3. Metodología ........................................................................................................................ 15
3.1 Modelo hidrológico SWAT............................................................................................................ 15
3.1.1 Datos de entrada del modelo ....................................................................................... 16
3.1.2 Calibración, validación y análisis de sensibilidad ........................................................... 21
3.1.2.1 Cuenca del Río Cauto ............................................................................................. 21
3.1.2.2 Cuenca del Río Guadalupe ..................................................................................... 23
3.1.3 Evaluación del modelo ................................................................................................. 23
3.2 Modelo climático regional RegCM4.3 .......................................................................................... 24
3.3 Forzamiento de SWAT con RegCM4.3 ......................................................................................... 26
viii
Capítulo 4. Resultados: Cuba ................................................................................................................. 29
4.1 Cuenca del Río Cauto, Cuba ......................................................................................................... 29
4.2 Parámetros sensibles durante la calibración de SWAT ............................................................... 30
4.3 Calibración y validación de SWAT ................................................................................................ 34
4.3.1 Subcuenca La Fuente .................................................................................................... 34
4.3.2 Subcuenca Las Coloradas .............................................................................................. 35
4.4 Análisis de simulaciones históricas .............................................................................................. 39
4.4.1 Análisis histórico del cambio de uso de suelo ................................................................ 43
4.5 Evaluación de RegCM4.3 en la cuenca del Río Cauto .................................................................. 44
4.5.1 Climatología en las subcuencas ..................................................................................... 47
4.6 Impacto del cambio climático en la hidrología de la cuenca ...................................................... 47
4.6.1 Almacenamiento total de agua ..................................................................................... 52
Capítulo 5. Resultados: Baja California .................................................................................................. 54
5.1 Cuenca del Río Guadalupe, México ............................................................................................. 54
5.2 Parámetros sensibles durante la calibración de SWAT ............................................................... 55
5.3 Calibración y validación ................................................................................................................ 57
5.4 Análisis de simulaciones históricas .............................................................................................. 58
5.5 Evaluación histórica de RegCM4.3 ............................................................................................... 59
5.6 Impacto del cambio climático en la hidrología de la cuenca ...................................................... 61
Capítulo 6. Discusión y Conclusiones ..................................................................................................... 64
Capítulo 7. Recomendaciones ................................................................................................................ 74
7.1 Trabajo futuro. .............................................................................................................................. 75
Literatura citada ..................................................................................................................................... 76
Anexos ..................................................................................................................................................... 86
ix
Lista de figuras
Figura 1. Ubicación de la Cuenca Hidrográfica del Río Cauto en el sureste de Cuba (abajo) y su topografía, subcuencas y estaciones hidroclimáticas en la figura de arriba. ......................... 5
Figura 2. Año hidrológico de a) precipitación y b) caudal en la cuenca del Río Cauto, Cuba, según observaciones para el período 1970-2000. ............................................................................ 6
Figura 3. Ubicación de la Cuenca Hidrográfica del Río Guadalupe, en el estado de Baja California y sus tres subcuencas (Valle La Misión, Valle de Guadalupe y Valle de Ojos Negros). ................... 7
Figura 4. Año hidrológico de a) precipitación y b) caudal en la cuenca del Río Guadalupe según observaciones para el período 1973-1986. ............................................................................ 8
Figura 5. Características de la cuenca del río Cauto: a) usos de la tierra, b) tipos de suelo y c) pendientes. .............................................................................................................................................. 20
Figura 6. Características de la cuenca superior del Río Guadalupe: a) usos de la tierra, b) tipos de suelo y c) pendientes. ..................................................................................................................... 20
Figura 7. Anomalías estandarizadas de precipitación (Z) anuales para las subcuencas a) La Fuente y b) Las Coloradas para el período 2001-2010………………………………………………………………………..21
Figura 8. Topografía en (m) del dominio CORDEX CAM para el RegCM4.3. Los rectángulos rojos indican las regiones de estudio. ........................................................................................................ 25
Figura 9. Esquema de las simulaciones realizadas con SWAT forzado inicialmente con datos observados y después con RegCM4.3 con el SWAT calibrado (SWATc). ................................................. 27
Figura 10. Topografía fina de las dos cuencas y malla horizontal del RegCM4.3 con espaciamiento de 50 Km para a) Cuenca del Río Cauto y b) Cuenca del Río Guadalupe. Los cuadros indican los puntos de malla de RegCM4.3 que coinciden con las cuencas. ........................................... 28
Figura 11. Cuenca del Río Cauto en el sureste de Cuba con la ubicación de los pluviómetros y estaciones hidrométricas, ríos y la topografía. Las subcuencas La Fuente y Las Coloradas se identifican con más detalles en los paneles de la derecha………………………………………………………………..30
Figura 12. Precipitación mensual y descargas medias mensuales observadas y simuladas durante a) calibración (2001-2006) y b) validación (2007-2010) para la subcuenca La Fuente. ........... 35
Figura 13. Precipitación mensual y descargas medias mensuales observadas y simuladas durante a) calibración (2001-2006) y b) validación (2007-2010) para la subcuenca Las Coloradas. ..... 37
Figura 14. Variación interanual de la precipitación y caudal observado (negro) y simulado (rojo) en las subcuencas La Fuente (a, b) y Las Coloradas (c, d) durante 1970-2010. Cal y Val indican períodos de calibración y validación separados por líneas verticales. ................................. 41
x
Figura 15. Ciclos anuales de precipitación y caudal simulado en las subcuencas de La Fuente y Las Coloradas para el período de referencia (1970-2000) (a, b) y los períodos de calibración y validación (c, d). .................................................................................................................... 42
Figura 16. Análisis del cambio de uso de suelo basado en imágenes clasificadas a), b) Diferentes tipos de suelos en el año 1984 y 2000 y c) extensión espacial de la pérdida/ganancia en la subcuenca La Fuente para el período entre 1984 y 2016. ................................................... 43
Figura 17. Análisis del cambio de uso de suelo basado en imágenes clasificadas a), b) Diferentes tipos de suelos en el año 1984, 2000 y c) extensión espacial de la pérdida/ganancia en la subcuenca Las Coloradas para el período 1984-2016. ......................................................... 44
Figura 18. Ciclo anual en la cuenca del Río Cauto a) Precipitación (mm), b) Temperatura media (° C), c) Temperatura mínima (° C) y d) Temperatura máxima (° C) según las observaciones (clima estaciones y CRU) y modelos (RegCM4.3 y su modelo global forzado, HadGEM2-ES para el periodo 1970-2000. .............................................................................................................. 46
Figura 19. Relación climática del punto de malla de RegCM4.3 con las estaciones de las subcuencas a) La Fuente y b) Las Coloradas durante el período histórico 1970-2000. ............................... 47
Figura 20. Cambios futuros en la precipitación media mensual a) y b) temperatura para la cuenca del Río Cauto y subcuencas La Fuente y Las Coloradas según el modelo regional RegCM4.3 en el escenario RCP8.5 para 2015-2039 con respecto a 1970-2000. ........................................ 48
Figura 21. Cambios futuros en los componentes del balance hídrico para a) La Fuente y b) Las subcuencas de Las Coloradas en el escenario RCP8.5 para el período 2015-2039 con respecto al período de referencia (1970-2000) .P es la precipitación, AET es evapotranspiración real, y TotalQ es flujo total. Los cambios mensuales son relativos a su contribución anual. ............................................................................................................... 51
Figura 22. Almacenamiento mensual total de agua (ATA) para a) La Fuente y b) Las subcuencas de Las Coloradas para el período de referencia (1970-2000) y el período futuro (2015-2039) bajo el escenario de emisiones RCP8.5. ....................................................................................... 53
Figura 23. Ubicación de la cuenca alta del Río Guadalupe. División de las subcuencas y ubicación de las estaciones climáticas y estación hidrométrica Agua Caliente……………………………………………54
Figura 24. Precipitación y descargas diarias observadas y simuladas durante a) calibración (1976-1981) y b) validación (1982-1986) para la cuenca del Río Guadalupe……………………………………………………………………………………………………………………….57
Figura 25. Variación interanual de la precipitación en la cuenca del Río Guadalupe durante el período 1970-2000. La línea horizontal negra representa los valores medios durante el período 1970-2010 y las líneas punteadas ±1 desviación estándar. .................................................. 58
Figura 26. Ciclo anual en la cuenca del Río Guadalupe a) Precipitación (mm), b) Temperatura media (° C), c) Temperatura mínima (° C) y d) Temperatura máxima (° C) según las observaciones (clima estaciones y CRU) y modelos (RegCM4.3 y su modelo global forzado, HadGEM2-ES) para el periodo 1970-2000. .................................................................................................. 60
xi
Figura 27. Cambios futuros en la precipitación media mensual a) y b) temperatura para la cuenca de del Río Guadalupe según el modelo regional RegCM4.3 bajo el escenario RCP8.5 para 2015-2039 con respecto a 1970-2000. .......................................................................................... 61
Figura 28. Cambios futuros en los componentes del balance hídrico para la cuenca de Guadalupe en el escenario RCP8.5 para el período 2015-2039 con respecto al período de referencia (1970-2000) .P es la precipitación, AET es evapotranspiración real, y TotalQ es flujo total. Los cambios mensuales son relativos a su contribución anual................................................... 63
Figura 29. Mapa de promedio de precipitación (mm/d) en la estación típica de a) lluvias de verano (mayo-octubre) y b) la seca invernal (noviembre-abril) para el período 1970-2000. La abreviatura ZCI indica la posición de la Zona de Convergencia Intertropical según el RegCM4.3 y los cuadros rojos la ubicación de las regiones de estudio................................ 67
Figura 30. Representación esquemática del ciclo hidrológico modelado por SWAT. Obtenido de Neitsch et al. (2011)………………………………………………………………………………………………………………………86
Figura 31. Configuración del archivo de entrada con datos de precipitación diaria para cada estación meteorológica………………………………………………………………………………………………………………….88
Figura 32. Características de las HRU en la cuenca del Río Cauto……………………………………………………….90 Figura 33. Balance anual de los componentes hídricos en la cuenca del Río Cauto para el período
histórico 1970-2000 …………………………………………………………………………………………………………96
Figura 34. Diagrama de cajas de los datos de a) precipitación, b) temperatura máxima y c) temperatura mínima generados para los datos observados y los modelos para el período histórico 1970-2000 en la cuenca del Río Cauto. .......................................................................................... 97
Figura 35. Diagrama de cajas de los datos de a) precipitación, b) temperatura máxima y c) temperatura mínima generados para los datos observados y los modelos para el periodo histórico 1970-2000 en la cuenca del Río Cauto ........................................................................................... 98
Figura 36. Ciclo anual de precipitación en a) cuenca del Río Cauto y b) cuenca del Río Guadalupe según las observaciones (CRU) y los modelos globales evaluados en esta tesis para el periodo 1970-2000………………………………………………………………………………………………………………………………..99
Figura 37. Ciclo anual de precipitación en la cuenca del Río Cauto según las observaciones (CRU) y el modelo climático regional (RCA) para el periodo 1970-2000. ........................................... 100
xii
Lista de tablas
Tabla 1. Escenarios de emisiones RCP del 5to informe del IPCC. Se presenta el rango del aumento proyectado de las temperaturas a escala global para el año 2100 (IPCC, 2013). ................ 12
Tabla 2. Datos de entrada utilizados en la configuración del modelo en las cuencas. .......................... 18
Tabla 3. Características del experimento de RegCM4.3 forzado con el HadGEM2-ES en el dominio CORDEX CAM y variables utilizadas. ..................................................................................... 25
Tabla 4. Características de la cuenca del Río Cauto y las dos subcuencas para el período 1970-2010. . 30
Tabla 5. Rango de valores iniciales para los parámetros ajustados y los valores mejor ajustados después de la calibración con el método SUFI2 para las subcuencas La Fuente y Las Coloradas. La primera columna indica el método usado para obtener el mejor valor. ............................. 33
Tabla 6. Métricas de rendimiento para la calibración y validación mensual del modelo SWAT en las subcuencas de La Fuente y Las Coloradas. ........................................................................... 34
Tabla 7. Medidas de evaluación del flujo anual promedio durante los períodos de calibración (2001-2006) y validación (2007-2010) para valores climatológicos promedios. ............................ 38
Tabla 8. Balance hídrico medio anual (BH) y componentes de flujo (mm) simulados por SWAT para las subcuencas La Fuente y Las Coloradas durante los períodos de calibración (2001-2006) y validación (2007-2010). P: precipitación, AET: evapotranspiración real, SURQ: flujo superficial, LATQ: flujo lateral, GWQ: agua subterránea y TotalQ: flujo total. .................... 39
Tabla 9. Cambios en la temperatura media y precipitación media anual de RegCM4.3 bajo el escenario RCP8.5 para 2015-2039 y 2070-2096 en relación con 1970-2000 para la cuenca del río Cauto y las subcuencas La Fuente y Las Coloradas. ........................................................................ 49
Tabla 10. Escenarios históricos y futuros RCP8.5 de los componentes medios anuales del balance hídrico (mm) y su porcentaje anual (%) de cambios en las subcuencas La Fuente y Las Coloradas. El cambio porcentual es para 2015-2039 en relación con 1970-2000. P: precipitación, PET: evapotranspiración potencial, AET: evapotranspiración real, TotalQ: flujo total, SURQ: flujo superficial, LATQ: flujo lateral, GWQ: flujo de agua subterránea, y AQR: recarga total del acuífero. ................................................................................................................................ 50
Tabla 11. Rango de valores iniciales para los parámetros ajustados y los valores mejor ajustados después de la calibración con el método de incertidumbre SUFI2 para la cuenca Guadalupe. .............................................................................................................................................. 56
Tabla 12. Escenarios histórico y futuro de los componentes medios anuales del balance hídrico (mm) y el porcentaje anual (%) de cambios en la cuenca de Guadalupe. El cambio porcentual es para 2015-2039 en relación con 1970-2000. ................................................................................ 62
Tabla 13. Descripción del archivo de entrada de precipitación (Arnold et al. 2011)……………………………87
Tabla 14. Parámetros incluidos dentro de la tabla sol en SWAT (Arnold et al. 2011)………………………….89
xiii
Tabla 15. Características de las estaciones hidrométricas en la cuenca del Río Cauto y cuenca del Rio Guadalupe………………………………………………………………………………………………………………………...91
Tabla 16. Variables de entrada usadas para los cálculos del acuífero poco profundo durante la calibración en la cuenca del Río Cauto…………………………………………………………………………….92
Tabla 17. Variables de entrada usada para los cálculos del componente superficial………………………….93
Tabla 18. Parámetros más sensibles durante el proceso de calibración en la cuenca del Río Cauto…..94
Tabla 19. Indicadores estadísticos utilizados para evaluar el desempeño del modelo………………………….95
1
Capítulo 1
1.1 Introducción
La gestión y planificación de recursos hídricos en todo el mundo se ha convertido en una tarea desafiante
debido a las incertidumbres del cambio climático (Ficklin et al, 2013), además de una preocupación global
sobre los efectos del clima en la disponibilidad de agua en el futuro en muchas regiones (Mahmoud et al,
2014).
El aumento de la temperatura, las variaciones en la distribución espacial de la precipitación y los
cambios en la frecuencia e intensidad de eventos extremos que se esperan con el calentamiento global
aumentan la probabilidad de ocurrencia de inundaciones y cambian el suministro total y estacional de
agua, entre otros impactos. Estas tendencias son particularmente severas en zonas tropicales y
mediterráneas que ya son vulnerables a la variabilidad climática y donde la disponibilidad hídrica se
encuentra bajo presión (Ramos et al, 2012).
El uso de modelos hidrológicos combinados con Modelos de Circulación Global (MCG, Chaplot,
2007; Schuol et al, 2008) o Modelos Climáticos Regionales (MCR, Hubbard y Hotchkiss, 1997) son
necesarios para evaluar el futuro de los recursos hidrológicos y cuantificar los posibles cambios en la
dinámica hidrológica.
Un modelo hidrológico calibrado adecuadamente puede proporcionar información útil para la
gestión y planificación de los recursos hídricos en cuencas y permite generar escenarios del
comportamiento del caudal bajo proyecciones del cambio climático. Los modelos hidrológicos se han
empleado en muchas regiones del mundo con diferentes propósitos; por ejemplo Faramarzi et al, (2013)
en África; Shrestha et al, (2017) en América del Norte; Perra et al, (2018) en una cuenca mediterránea en
Italia y Molina-Navarro et al, (2016) en la Cuenca de Guadalupe en Baja California, México.
Estudios sobre el cambio climático en el Caribe (Chen y Taylor, 2002; Campbell et al, 2010;
Karmalkar et al, 2013), particularmente en Cuba (Centella et al, 2008; Planos et al, 2012; Planos et al,
2013), sugieren que la temperatura del aire podría aumentar y la precipitación disminuir a finales del siglo
XXI, especialmente durante la temporada de verano. Esto, combinado con cambios en el uso de la tierra,
podría tener un impacto importante en los procesos hidrológicos a nivel de cuenca.
2
En Cuba la precipitación tiene una alta variabilidad interanual y estacional caracterizada por lluvias
de verano e inviernos relativamente secos. Estacionalmente, Cuba se ve afectada por tormentas
convectivas y ciclones tropicales en verano y otoño, que están parcialmente modulados por El Niño-
Oscilación del Sur (ENSO) en escalas temporales interanuales (Centella et al, 2006; Planos et al, 2013). La
variabilidad de estos fenómenos genera alternancias de años lluviosos y sequías prolongadas. Esta
situación es particularmente grave en la cuenca hidrográfica más grande de Cuba, el Río Cauto (Figura 1),
donde vive aproximadamente el 10% de la población del país. Además, los recursos hídricos en la cuenca
han estado bajo presión debido a las crecientes demandas de riego, ya que la agricultura es el principal
uso de la tierra en la cuenca del Río Cauto (IPF, 2012). Por otro lado, en esta cuenca ya se han documentado
inundaciones recurrentes y sequías, escasez de suministro de agua, deslizamientos de tierra y erosión del
suelo (IPF, 2012).
Por su parte en México, las condiciones de sequía en el Noroeste de México y el Suroeste de Estados
Unidos han sido persistentes desde 1994 y los recursos hídricos han experimentado una demanda
creciente debido al crecimiento de la población (Stahle et al, 2009). En el noroeste del estado de Baja
California se encuentra la cuenca del Río Guadalupe donde los recursos hidrológicos están bajo presión no
solo por su clima semiárido sino también por la demanda de agua para riego, ya que alrededor del 90% de
los vinos mexicanos se producen en esta área. Además, los acuíferos de la región fueron declarados
sobreexplotados en 2012 por la Comisión Mexicana del Agua (CONAGUA, 2013a) y su recarga depende
principalmente de las cantidades de lluvia, por lo que sus variaciones impactan los volúmenes de agua
disponibles.
En este contexto se necesitan herramientas científicas y de gestión que evalúen, en los ámbitos
regional y local, el impacto potencial del cambio climático en la disponibilidad de los recursos hídricos en
el futuro de estas regiones. Los escenarios de cambio climático son de interés para los administradores de
los recursos hídricos en estas regiones y podrían servir como un marco de referencia para la planificación
y gestión del recurso hídrico a nivel de cuenca.
En este estudio, utilizamos el modelo hidrológico SWAT (Soil and Water Assessment Tool, Engel et
al, 1993) forzado con el MCR RegCM4.3 para evaluar su capacidad para simular los recursos hídricos
observados en dos cuencas hidrográficas: la cuenca del Río Cauto en Cuba y la cuenca del Río Guadalupe
en Baja California, México. El objetivo es comprender cómo afectará el cambio climático la disponibilidad
de los componentes del balance hídrico en estas cuencas en un futuro cercano (2015-2039 con respecto
al período de referencia 1970-2000) bajo el escenario de altas emisiones (RCP 8.5) de gases de efecto de
3
invernadero. El modelo SWAT se ha utilizado como una herramienta eficaz para modelar los impactos del
cambio climático sobre los ciclos hidrológicos en diversas cuencas alrededor del mundo (Arnold et al, 1998;
Jha et al, 2004; Shrestha et al, 2013) incluyendo la cuenca del Río Guadalupe (Navarro et al, 2016), pero
en Cuba es la primera vez que se utiliza en el contexto de cambio climático. El RegCM4.3 ha sido
ampliamente utilizado en Cuba y la región del Caribe para estudiar el cambio climático (Martínez-Castro
et al, 2006, 2017; Vichot-Llano et al, 2014) sin embargo, combinado con un modelo hidrológico no se ha
empleado todavía. Por su parte en México y en Baja California, el RegCM4.3 se ha utilizado en estudios del
clima regional y en escenarios de cambio climático (Fuentes-Franco et al, 2014, 2015) pero no para
cuantificar los impactos del cambio climático en los recursos hídricos, ni tampoco combinado con SWAT.
1.2 Objetivos
1.2.1 Objetivo general
Analizar el impacto del cambio climático en los procesos hidrológicos de dos cuencas (Río Cauto y
Guadalupe) bajo el escenario RCP 8.5 utilizando el modelo hidrológico SWAT forzado con el modelo
climático regional RegCM4.3 para determinar los posibles impactos del cambio climático en la hidrología
regional.
1.2.2 Objetivos particulares
Estudiar la variabilidad estacional e interanual de la precipitación y caudal en las cuencas para
entender la respuesta de la hidrología.
Implementar un modelo hidrológico forzado con un modelo climático regional para simular la
respuesta de los procesos hidrológicos bajo condiciones presentes y futuras.
Evaluar la influencia del clima en la gestión de los recursos hídricos en las dos cuencas hidrológicas
para estimar el impacto en los componentes del ciclo hidrológico.
4
1.3 Estructura de la tesis
Este documento está estructurado en 7 capítulos. El capítulo de antecedentes (Capítulo 2) presenta una
introducción al tema objeto de estudio, donde se describen los fundamentos y los conceptos teóricos, de
relevancia en la evaluación de la variabilidad hidroclimática. Después se presenta una reseña de los
estudios de impactos del cambio climático en los recursos hídricos y los modelos hidrológicos más
ampliamente aplicados. En el capítulo 3, se describen las dos zonas de estudio y se resume cómo se
obtuvieron y se procesaron las bases de datos utilizadas (meteorológica, hidrológica y cartográfica).
También se presenta la conceptualización del modelo hidrológico distribuido SWAT, utilizado como
herramienta para simular los procesos del ciclo hidrológico. También se describen las entradas al modelo,
la metodología aplicada en la parametrización del mismo y las métricas utilizadas en las fases de
calibración y validación.
En los Capítulos 4 y 5 se presentan los resultados obtenidos de la simulación hidroclimática en las
dos cuencas. El capítulo incluye tres secciones: en la primera se describe el análisis de sensibilidad de los
parámetros del SWAT y la calibración y validación del modelo. En la segunda, se evalúa la capacidad del
RegCM4.3 como forzamiento del modelo hidrológico. En la tercera se analiza el impacto esperado según
las proyecciones hidrológicas obtenidas para ambas cuencas. La discusión de los resultados se presenta
en el Capítulo 6, y en el Capítulo 7 se resumen las conclusiones de este trabajo y las perspectivas a abordar
para dar continuidad a esta investigación en el futuro.
1.4 Zonas de estudio
1.4.1 Cuenca del Río Cauto
La cuenca del Río Cauto cubre una superficie de 9.540 Km2 y en ella se encuentra el río más extenso de
Cuba con una longitud de 343 km (Figura 1). La cuenca se clasifica como exorreica y escurre directamente
al Mar Caribe. En su recorrido abarca territorios de cuatro de las cinco provincias que conforman la región
oriental del país donde la principal actividad económica que se desarrolla es la agropecuaria. El desarrollo
de la agricultura predomina en el valle del Río Cauto y los ecosistemas de bosque siempre verde cubren la
parte superior de la cuenca.
5
Las formaciones geológicas expuestas en esta cuenca están representadas por depósitos del
Mioceno–Cuaternario, donde predominan las rocas sedimentarias e ígneas. Las rocas sedimentarias son
las que mayormente afloran y están representadas por arcillas arenosas de baja plasticidad, gravas de
diferente composición, cantos de calizas en ocasiones con matriz de arcilla arenosas y/o arena arcillosas
de alta plasticidad. Al norte afloran secuencias sedimentarias con un alto aporte de material volcánico.
Las rocas ígneas están expuestas hacia la porción norte de la cuenca y se encuentran representadas por
tobas.
El clima de la cuenca del Río Cauto se caracteriza por una temporada lluviosa (mayo-octubre) y otra
seca (noviembre-abril) y las temperaturas medias mensuales varían de 24.7 oC a 28 oC (INSMET, 2007).
Como resultado el caudal es estacional, con la mayor parte de la precipitación en verano, presentándose
Figura 1. Ubicación de la Cuenca Hidrográfica del Río Cauto en el sureste de Cuba (abajo) y su topografía, subcuencas y estaciones hidroclimáticas en la figura de arriba.
6
los mayores flujos durante los meses de mayo y octubre (INRH, 2013) (Figura 2). Como se observa en la
Figura 2, tanto la precipitación como la descarga observadas presentan una sequía de medio verano (o
Canícula) en julio-agosto, fenómeno que también se observa en la parte oriental y sur de México y Centro
América y el Caribe (Magaña et al, 1999).
Figura 2. Año hidrológico de a) precipitación y b) caudal en la cuenca del Río Cauto, Cuba, según observaciones para el período 1970-2000.
1.4.2 Cuenca del Río Guadalupe
La cuenca del Río Guadalupe (2.380 km2) se encuentra en el noroeste de México, en el estado de Baja
California (Figura 3). Es una de las áreas agrícolas más productivas de la región (principalmente uvas y
aceitunas) e incluye tres valles: Ojos Negros, Guadalupe y La Misión. Los escurrimientos superficiales de la
cuenca del Río Guadalupe tienen su origen en la Sierra Juárez pasando por el Valle de Ojos Negros; luego
fluye al oeste hacia el Valle de Guadalupe y termina en el Océano Pacífico a la altura del poblado La Misión.
De acuerdo con el levantamiento geológico publicado por el Instituto Nacional de Estadística y
Geografía (INEGI, 1976), la cuenca está dominada por rocas ígneas intrusivas y extrusivas, rocas
metamórficas y por depósitos aluviales. Las rocas ígneas intrusivas son las que afloran con mayor
7
abundancia en la zona de estudio y su vecindad inmediata, están representadas en orden de abundancia
por granodioritas, granitos, dioritas y gabros. Los sedimentos cuaternarios se encuentran principalmente
en la llanura aluvial del valle de Ojos Negros, en el sur de la cuenca alta del Río Guadalupe. Estos
sedimentos configuran los acuíferos Ojos Negros y Real del Castillo, que son importantes para la
agricultura local.
En el área de estudio prevalecen condiciones climáticas del tipo mediterráneo con variación
estacional de la temperatura y la precipitación, así como períodos secos persistentes. Los eventos de lluvia
pueden ser intensos, pero escasos, y la precipitación media anual puede variar de 12 mm hasta más de
750 mm, con un valor promedio de 280 mm en toda la cuenca Guadalupe (Hallack-Alegría et al, 2012).Estos
indicadores soportan la aseveración de que el flujo es altamente estacional, con la mayor parte durante
los meses de noviembre a marzo, relacionado con las precipitaciones de invierno (Figura 4). La
temperatura media anual varía de 12 °C a 18 °C (Beltrán, 1998a; Escolero y Hernández, 1992).
Figura 3. Ubicación de la Cuenca Hidrográfica del Río Guadalupe, en el estado de Baja California, y sus tres subcuencas (Valle La Misión, Valle de Guadalupe y Valle de Ojos Negros).
8
Figura 4. Año hidrológico de a) precipitación y b) caudal en la cuenca del río Guadalupe según observaciones para el período 1973-1986.
9
Capítulo 2. Antecedentes
2.1 Modelación hidrológica
Un modelo hidrológico puede definirse como la representación matemática del ciclo del agua sobre una
determinada porción de territorio, con la finalidad de realizar transformaciones lluvia – escorrentía (Clark,
2011). Los modelos hidrológicos buscan simplificar la complejidad del mundo real por medio de una
selección de los aspectos fundamentales que determinan el funcionamiento del sistema hidrológico
modelado, de forma que generalmente cuantas más simplificaciones supone un modelo, menos precisos
serán sus resultados. Un sistema hidrológico engloba el conjunto de procesos físicos, químicos y biológicos
que actúan sobre unas variables de entrada convirtiéndolas en otras variables de salida (Clark, 2011).
Los modelos se pueden dividir en modelos determinísticos y estocásticos. En el primer caso las
variables vienen determinadas por leyes físicas (empíricas, conceptuales o teóricas) consideradas como
exactas y que explican toda su variabilidad, mientras que en el segundo tipo las variables son regidas en
todo o en parte por las leyes del azar, por lo que son caracterizadas en términos probabilísticos (Estrela,
1996a).
En años recientes, por la capacidad mejorada de los sistemas de cómputo y procesamiento de datos,
los ambientes de trabajo de los Sistemas de Información Geográficas (SIG), permiten la implementación
de modelos hidrológicos espacialmente distribuidos. Esta práctica se ha vuelto cada vez más popular entre
los hidrólogos (Cazorzi y Dalla- Fontana, 1996; Jayakrishnan et al, 2005). Existen diferentes modelos y
diferentes criterios en la manera que cada uno de ellos describe los diferentes componentes del ciclo
hidrológico.
Dentro de los modelos que son aplicados a nivel de cuenca se encuentran Hydrologic Simulation
Package-Fortran (HSPF), HEC Hydrologic Modeling System (HEC-HMS) y el Soil and Water Assessment Tool
(SWAT). Este último es un modelo hidrológico semidistribuido ya que separa en forma discreta las variables
de entrada que utiliza, como los datos espaciales de topografía, uso del suelo y clima (Arnold et al, 1998;
Arnold y Fohrer, 2005). Para mayores detalles sobre la teoría de los componentes del modelo SWAT se
puede ver a Neitsch et al, (2011). En las siguientes secciones se describirán de forma resumida los procesos
más importantes que influyen en la generación de caudales en una cuenca.
10
SWAT es de los modelos más utilizado entre los investigadores que trabajan en temas relacionados
con la planificación y gestión de cuencas hidrográficas en todo el mundo (Wang y Melesse, 2005; Dessu y
Melesse, 2012; Faramarzi et al, 2013). SWAT se ha utilizado con para predecir los recursos hídricos, en la
evaluación del clima y para determinar los impactos del cambio de uso de la tierra (Gassman et al, 2007;
Gassman et al, 2014; Krysanova y White, 2015). Sin embargo, las aplicaciones de SWAT en Cuba y México
son escasas en la literatura científica.
En Cuba los trabajos que reportan el uso de SWAT han sido en la región occidental del país y para
fines particulares. Sánchez (2013) lo utilizó en la Bahía de Cienfuegos para determinar el potencial erosivo
y Mesa (2013) para analizar el efecto de los contaminantes en un reservorio en Mayabeque. Sin embargo,
el uso de SWAT combinado con escenarios de cambio climático no se ha utilizado todavía en Cuba.
En cambio SWAT se ha utilizado en el sur de México para diferentes propósitos (Inurreta-Aguirre et
al, 2013; Salas-Martínez et al, 2014) pero no se ha utilizado de manera exhaustiva en el noroeste de
México, probablemente debido a las dificultades que presenta este modelo cuando se aplica en climas
áridos y semiáridos debido a las variaciones del flujo (Niraula et al, 2012). Sin embargo, Hernández et al
(2012) usó el SWAT para estimar el aporte de sedimentos en la cuenca del arroyo San Carlos al sureste de
la ciudad de Ensenada. También recientemente Molina-Navarro et al, (2016) aplicaron SWAT para evaluar
los impactos potenciales del cambio climático en la disponibilidad de agua en la cuenca del Río Guadalupe
en el estado de Baja California, usando las proyecciones de 6 modelos de circulación global.
Para el desarrollo de esta tesis se utilizó la versión SWAT 2012 (Neitsch et al, 2011) asociada a la
interface gráfica ArcSWAT (Di Luzio et al, 2002) del modelo, donde el simulador está integrado a un SIG.
ArcSWAT utiliza un modelo de elevación digital (DEM), coberturas de suelo y uso de suelo, puntos de
estaciones climáticas como inputs básicos para el modelo (Figura 1).
2.2 Escenarios de emisiones de efecto invernadero
Los modelos climáticos permiten realizar proyecciones del cambio climático relacionado con la creciente
acumulación en la atmósfera de gases de efecto invernadero (GEI), y son la única herramienta que se
dispone para derivar objetivamente las futuras alteraciones del clima debido a estas emisiones (Cubasch
et al, 2001). El rango de variación y la probabilidad asociada con las tendencias climáticas se entienden
11
mejor si se ejecutan múltiples simulaciones con diferentes modelos climáticos, considerando distintos
escenarios GEI.
El concepto de escenarios de cambio climático debidos a los forzamientos de las emisiones de los
GEI fue definido en el Informe Especial sobre Escenarios de Emisiones (Special Report on Emissions
Scenarios, SRES) del Panel Intergubernamental del Cambio Climático (IPCC SRES, 2000). Las emisiones se
asocian al desarrollo demográfico, socioeconómico y tecnológico. Posteriormente, en el 5to Informe del
IPCC (2013) se definieron cuatro nuevos escenarios denominados Trayectorias de Concentración
Representativas (Representative Concentration Pathway, RCPs por sus siglas en inglés). Los RCPs no son
escenarios socioeconómicos, sino que se caracterizan por el Forzamiento Radiativo de los GEIs a escala
global al final del siglo XXI relativo a las condiciones pre-industriales. Este forzamiento oscila entre 2.6 y
8.5W/m2 (Tabla 1). Por ejemplo, el escenario RCP8.5 asume un incremento en el forzamiento radiativo de
8.5W/m2. Las RCPs incluyen un posible escenario en el que los esfuerzos de mitigación a escala global son
muy fuertes lo que conduce a un nivel de forzamiento radiativo muy bajo (RCP2.6); también hay dos
escenarios de estabilización promedio (RCP4.5 y RCP6.0) y un escenario con un nivel muy alto de emisiones
de GEI (RCP8.5); éste último significa que los países hicieron muy pocos esfuerzos por mitigar los GEIs. El
escenario RCP2.6 asume que se van a reducir los gases de efecto invernadero a corto plazo (antes de 2030
se habrán reducido todas las emisiones). El escenario RCP4.5 considera que se comenzarán a reducir los
gases de efecto invernadero antes de 2050. El escenario RCP6.5 estima que, dentro de dos generaciones,
los nacidos en torno al año 2030 empezarán a tomar decisiones, reduciendo las emisiones de manera
efectiva y de forma apresurada. El escenario más extremo, el RCP8.5, supone que no se tomarán medidas
y que seguirán las emisiones de gases de efecto invernadero al mismo nivel de hoy en día.
En esta tesis se consideraron las proyecciones basadas en el escenario RCP8.5 de altas emisiones de
para evaluar cambios en el futuro cercano (2015-2039) en la hidrología de las dos cuencas de estudio. La
decisión de usar este escenario es porque en el futuro cercano los escenarios de emisión de gases de
efecto invernadero (RCP 4.5, 6.5 y 8.5) siguen un camino similar de incremento; después de ese período,
las incertidumbres aumentan con el tiempo debido a los diversos escenarios de emisión y otros factores
(Cubash et al, 2001). También porque es el único escenario disponible en la página web de Coordinated
Regional Downscaling EXperiment (CORDEX) para RegCM4.3 forzado con el modelo climático global
HadGEM2-ES.
12
Tabla 1. Escenarios de emisiones RCP del 5to informe del IPCC. Se presenta el rango del aumento proyectado de las temperaturas a escala global para el año 2100 (IPCC, 2013).
FR (W/m2) Tendencia FR en 2100 CO2 en 2100 Aumento de T (°C)
RCP2.6 2.6 Decreciente 421 ppm 0.3-1.7
RCP4.5 4.5 Estable 538 ppm 1.1-2.6
RCP6.0 6.0 Creciente 670 ppm 1.4-3.1
RCP8.5 8.5 Creciente 936 ppm 2.6-4.8
2.3 Modelos climáticos regionales (MCR)
A pesar de que en la última década ha habido una mejora significativa en la representación del clima por
parte de los Modelos de Circulación Global (MCG), así como un incremento de la capacidad computacional,
la resolución horizontal de la mayoría de estos modelos es del orden de 100-150 de kilómetros.
Con esta resolución, los forzamientos locales que modulan la señal climática a escalas finas
(topografía compleja, características de la superficie, etcétera) no pueden ser capturados (Giorgi et al,
2009). Por otro lado, la baja resolución de los MCG dificulta la simulación de eventos extremos y por lo
tanto el estudio de sus impactos en la variabilidad climática y en el cambio climático (Giorgi et al, 2009).
Los modelos climáticos regionales (MCR) son herramientas muy útiles para entender la dinámica
del clima y realizar estudios de impactos a escala de cuenca. Se han desarrollado varias técnicas
estadísticas y dinámicas de regionalización (o de reducción de escala o de downscaling) para resolver el
problema de la baja resolución espacial de los modelos. Muchos métodos estadísticos de re-escalamiento
consisten en encontrar relaciones entre predictores (de gran escala) y predictandos (de escalas locales o
regionales) las cuales se aplican a las salidas de los MCG (Hewitson y Crane 1996; Cavazos y Hewitson
2005) para generar simulaciones a escalas más finas.
La confiabilidad de las proyecciones de cambio climático debe ser evaluada considerando la
credibilidad de los modelos, la cual puede ser medida por el desempeño de los mismos al reproducir las
condiciones observadas del clima de una región. El programa CORDEX tiene como objetivo la evaluación y
posible mejoría de los modelos regionales en diferentes dominios del mundo; así como generar
experimentos que permitan explorar fuentes de incertidumbre (Giorgi et al, 2009). En esta Tesis se utilizan
las salidas del MCR RegCM4.3 del dominio CORDEX-CAM (de Centro América), con 50 km de resolución
13
espacial; los análisis de esta tesis comprenden dos periodos: un periodo histórico (1970-2000) y uno futuro
(2015-2039). La selección de este modelo se basó en la disponibilidad de datos en el periodo temporal
seleccionado y porque simula adecuadamente las condiciones climáticas históricas del Caribe y México
(e.g. Fuentes-Francos et al, 2014; Martínez-Castro, 2017). Las características de RegCM4.3, junto con las
bases de datos observados, se presentarán en la Sección 3.
2.4 Estudios de impactos del cambio climático en los recursos hídricos
En las últimas décadas, muchos estudios han evaluado el impacto potencial del cambio climático en los
recursos hídricos y en la escorrentía. La mayoría de los investigadores que estudian el impacto futuro del
cambio climático emplean un modelo hidrológico forzado por un MCR específico o un MCG, o por varios
modelos (Harrison y Whittington, 2002; van Griensven y Bauwens, 2005).
El cuarto y quinto reportes del IPCC (Magrin et al, 2013) establecen que las emisiones de GEIs y
aerosoles debido a las actividades humanas continúan alterando la atmósfera y el clima. Las consecuencias
potenciales de una concentración atmosférica de CO2 elevada no sólo son temperaturas medias más altas,
sino también cambios en la distribución temporal y espacial de la circulación y la precipitación,
acompañados por un aumento en el riesgo de eventos de lluvias intensas, sequías y olas de calor.
Uno de los impactos hidrológicos más importantes que se estima producirá el cambio climático en
cuencas tropicales son variaciones en la frecuencia de eventos extremos y escasez en el suministro de
agua, entre otros impactos (Parry et al, 2001). Además, los cambios en las lluvias y temperaturas podrían
tener impactos importantes en la disponibilidad y calidad de agua y complicar la gestión de los embalses
y sistemas de riego (Kundzewicz et al, 2008).
Las zonas áridas y semiáridas son regiones que sufren de escasez de agua (Mahmoud et al, 2014) y
enfrentan alta variabilidad de precipitaciones interanuales, que comúnmente se asocian a eventos
extremos como inundaciones y sequías. En estas regiones algunos autores han encontrado también
cambios significativos en los patrones de precipitación con tendencias decrecientes que impactan el caudal
(Molina-Navarro et al, 2016; Perra et al, 2018; Niraula et al, 2012, 2015).
14
Robles-Morua et al (2014) evaluó el impacto del cambio climático en la cuenca del Rio Sonora,
México, mediante el modelo hidrológico semidistribuido HEC-HMS (USACE, 1998). Es un modelo de base
física que se ha sido utilizado para la evaluación del impacto del cambio climático en diferentes partes del
mundo (Ebrahim et al, 2013, Meenu et al, 2013). Robles-Morua et al. utilizan un modelo de mesoescala
forzado con el modelo climático Hadley Centre Coupled Model version 3 (HadCM3), encontrando que en
el futuro las precipitaciones podrían ser significativamente más altas en relación con las simulaciones
históricas, además la estacionalidad podría alterarse con un cambio hacia un suministro de agua más
temprano durante el monzón de América del Norte.
Trang et al (2017) utilizaron un conjunto de MCG como entrada a un modelo hidrológico distribuido
para evaluar impactos del cambio climático a escala mensual en tres cuencas del Río Mekong, el cual fluye
a través de Laos, Vietnam y Camboya. Estos autores encontraron que el clima en el área de estudio podría
volverse más cálido y más húmedo según los dos escenarios de emisión que evaluaron. Sin embargo, el
uso directo de los resultados de los GCM para el análisis hidrológico a escala local puede dar lugar a
resultados inadecuados, debido a sus resoluciones espaciales y temporales gruesas (Elsner et al, 2010).
Mango et al (2011) desarrollaron proyecciones regionales de temperatura y precipitación a partir
de un conjunto de 21 modelos globales para el escenario A1B para África Oriental. De acuerdo con su
análisis encontraron que una disminución combinada en la precipitación y un aumento en la temperatura
condujeron a un posible aumento de la evapotranspiración y una menor escorrentía.
El modelado de la hidrología de las islas tropicales presenta grandes desafíos debido a la fuerte
influencia de eventos extremos, por ejemplo, tormentas tropicales y huracanes, los cuales pueden ser muy
sensibles al cambio climático (Pulwarty et al, 2010). A pesar de la disponibilidad cada vez mayor de
modelos hidrológicos, hay muy pocos estudios sobre los cambios previstos en los presupuestos hídricos
en cuencas hidrográficas de islas tropicales (Safeeq y Fares, 2012). Además, el uso de modelos hidrológicos
para evaluar los impactos en una cuenca depende de las distintas aproximaciones (modelos conceptuales
o basados físicamente, modelos a escala diaria o a escala mensual, distribuidos o discretos).
En esta Tesis se optó por forzar el modelo hidrológico SWAT con datos del MCR RegCM4.3 para
obtener por primera vez proyecciones hidrológicas de este tipo en Cuba y en Baja California, México.
15
Capítulo 3. Metodología
3.1 Modelo hidrológico SWAT
Para la modelación hidrológica se utilizó el SWAT, modelo diseñado por el Departamento de Agricultura
de los Estados Unidos en conjunto con la Universidad de Texas. Este software utiliza datos espacialmente
distribuidos derivados del Modelo Digital de Elevación (MDE), de la cartografía de uso del suelo, y de la
carta edafológica. Para la modelación hidrológica, el modelo utiliza una escala de tiempo diaria (Arnold et
al, 1998; Arnold y Fohrer et al, 2005). SWAT está definido por 8 componentes: hidrología, clima, erosión y
sedimentación, temperatura del suelo, crecimiento de plantas, nutrientes, pesticidas y manejo del suelo
(Miller et al, 2007). El presente estudio se enfoca en los componentes de hidrología y el clima.
El ciclo hidrológico en SWAT está basado en la ecuación de balance hídrico (Neitsch et al, 2011) para
simular distintos procesos hidrológicos:
SWt = SW0 + ∑ ( Rdayti=1 − Qsurf − Ea − Wseep − Qgw ) (1)
donde SWt es el contenido final de agua en el suelo (mm H2O); SW0 es el contenido de agua inicial en el
día i (mm H2O); t es el tiempo (día); Rday es la cantidad de precipitación en el día i (mm H2O); Q surf es la
cantidad de escorrentía diaria (mm H2O); Ea es evapotranspiración diaria (mm H2O); wseep es la cantidad
de agua acumulada en la zona no saturada del perfil del suelo en día i (mm H2O) y Qgw es la cantidad de
flujo de retorno en el día i (mm H2O). Las ecuaciones y la descripción de los elementos se encuentran en
la documentación teórica de SWAT versión 2011 (Neitsch et al., 2011).
El SWAT parte de la ecuación (1); sin embargo, cada proceso hidrológico cuenta con sus ecuaciones
respectivas tomando en cuenta las variables de entrada y las parametrizaciones del modelo, para después
obtener resultados que simulen la realidad de una cuenca. A continuación, se describen las ecuaciones y
procesos utilizados por SWAT para realizar la modelación.
La simulación de la escorrentía a escala diaria se obtiene mediante la técnica de curva número
(USDA-SCS, 1972) y en cada hora por la ecuación de infiltración de Green & Ampt (Green y Ampt, 1911).
Esta última ecuación utiliza datos semidiarios y es una opción alternativa de SWAT para el cálculo de
escorrentía; sin embargo, para esta tesis sólo se disponía de datos diarios de precipitación, por lo que se
utilizó el método curva número.
16
El método de número de curva es una función que depende de la permeabilidad y uso del suelo, de
las características de la vegetación y de la capacidad de infiltración; este último parámetro divide el cálculo
del número de curva en tres condiciones distintas: condiciones normales (CN II), condiciones secas (CN I)
y condiciones húmedas (CN III). La ecuación que simula la escorrentía es:
𝑄𝑠𝑢𝑟𝑓 =(𝑅𝑑𝑎𝑦−𝐼𝑎)2
(𝑅𝑑𝑎𝑦−𝐼𝑎+𝑆) (2)
Donde Qsurf es el escurrimiento del día t (mm H2O), Rday es la precipitación total del día t (mm H2O),
Ia es una abstracción inicial antes de que el suelo se sature el cual incluye en el almacenamiento superficial
(mm H2O), S es el parámetro de retención potencial máxima del día t en (mm H2O) que varía espacialmente
debido a los cambios en el suelo, uso de suelo, pendiente. (Crespo, 2006).
El modelo ofrece tres opciones para estimar la Evapotranspiración potencial (ET): Hargreaves
(Hargreaves y Samani, 1985), Priestley-Taylor (Priestley y Taylor, 1972) y Penman-Monteith (Monteith,
1965). El componente hidrológico de la escorrentía superficial utiliza la fórmula de Manning para
determinar el tiempo de concentración de las cuencas hidrográficas y considerando tanto por tierra como
por el canal de flujo. El modelo SWAT subdivide el cálculo de tiempo de concentración en dos partes, la
primera se encarga de realizar el cálculo del tiempo que le toma al flujo ir desde el punto más remoto de
la subcuenca hasta el canal o río, y la segunda etapa realiza el cálculo a lo largo del canal o río hasta el
punto de salida de la cuenca.
3.1.1 Datos de entrada del modelo
El diseño del modelo utiliza la interface de ArcGIS para SWAT, (ARCSWAT), versión 2012 (Winchell et al,
2013); la información básica necesaria para aplicar el modelo hidrológico se lista en la Tabla 2. En la cuenca
del Río Cauto, el Modelo Digital de Elevación (MDE) se obtuvo de los estudios de Peligro, Vulnerabilidad y
riesgos por inundaciones (AMA,2010) con una resolución de 15 x 15 m. Basado en el MDE, el programa
delinea la red de drenaje y delimita la cuenca y subcuencas para hacer más fáciles y exactos los cálculos;
el SWAT trabaja por Unidades de Respuesta Hidrológica (URH), las que resultan de la combinación de la
información de tipos de suelos con las diferentes coberturas y las pendientes (Neitsch et al, 2005). De esta
manera se obtuvo la delimitación de las cuencas y subcuencas, resultando un total de 82 subcuencas de
17
relativamente el mismo tamaño en la cuenca del Río Cauto en Cuba (Figura 1). Para este propósito se
utilizó un umbral de 80 km2 y de esta manera se generó una red hidrográfica similar a la real.
El mapa de uso del suelo es un insumo fundamental para el modelo SWAT. El Instituto de Suelos
de Cuba proporcionó la cobertura de uso de suelo (1:100.000). Se identificaron siete tipos de uso del suelo
en la cuenca, las áreas más predominantes están dedicadas a la agricultura (39%), bosques y pastos (33%)
y bosques con vegetación perenne (18%), los demás usos son minoritarios (Figura 5a). Se utilizaron las
prácticas de manejo que vienen por defecto en SWAT debido a que no se pudo recopilar este tipo de
información para las subcuencas; es probable que al detallar la información las simulaciones del modelo
podrían ser mejores. No obstante, para cumplir con los objetivos de este estudio se elaboraron mapas de
uso del suelo de las subcuencas donde se realizó la calibración del modelo para años diferentes (1984 y
2016) generados a partir de la interpretación de fotos aéreas e imágenes satelitales Landsat 8 con una
resolución de 30 m. La cobertura de suelo dominante en las dos subcuencas es principalmente de bosques
y pastizales y para el período en el que se realizaron las simulaciones la cobertura del uso del suelo apenas
ha cambiado desde la década de los años 80 según (IPF, 2007).
Para la clasificación de los diferentes usos del suelo en la proyección futura, se utilizaron las
mismas clases que para los mapas de uso del suelo de los años 1984 y 2016, para evitar confusiones y
transiciones de uso que no sean coherentes cuando se pretenda hacer simulaciones futuras de cambios
de uso del suelo (Ozah et al, 2012).
La cartografía de los tipos de suelos (Figura 5b) se obtuvo del Instituto de Suelos de Cuba escala
(1:100.000). La cual contaba con información detallada de las características físicas y químicas de las
unidades de suelos en la zona de estudio. SWAT sólo contiene una base de datos de todas las series de
suelos pertenecientes a Estados Unidos, por lo que fue necesario crear una base de datos propia
correspondiente a los tipos de suelos presentes en la cuenca. Las diversas propiedades físicas del suelo
como la textura, conductividad hidráulica, densidad aparente, contenido de agua disponible, la
profundidad, se obtuvieron de las características descritas en los mapas de suelos y la literatura
relacionada en las subcuencas de la parte alta y media del Río Cauto. Además, se utilizó la Base de
Referencia Mundial para Recursos de Suelos (FAO, 1998) para encontrar las equivalencias con la taxonomía
del suelo de Estados Unidos.
Se establecieron 3 clases de pendientes, siguiendo los criterios de la Organización de las Naciones
Unidas para la Alimentación y la Agricultura (FAO): 0-8%, 8-30% y > 30%. Se utilizó esta clasificación y no
18
una aleatoria porque tiene un sentido físico y relacionado con la hidrología. Los rangos inferiores a 8%
conducen a la erosión en las riberas de los ríos, las que se encuentran entre 8% y 30% pueden generar
erosión en riachuelos y cuando las pendientes son superiores al 30% comienzan los procesos de erosión
del cauce y del canal (FAO, 2003). Estas clases se muestran en la Figura 5c para la cuenca del Río Cauto.
El Instituto de Meteorología de Cuba (INSMET) y el Grupo Empresarial de Aprovechamiento
Hidráulico (GEARH) de Cuba proporcionaron los datos meteorológicos para la cuenca del Río Cauto. Se
identificaron las estaciones (Figura 1) con un tiempo coincidente y con disponibilidad de datos de caudal.
Las precipitaciones diarias, temperaturas máximas y mínimas se obtuvieron en cada estación para el
período 1996-2010, y los valores faltantes se generaron por regresión lineal de la estación con mejor
coeficiente de correlación. Se utilizó este método porque es uno de los más empleados para estimar los
valores de datos faltantes de precipitación y temperatura (Hubbard, 2001; Wade, 1987). También por su
simplicidad, por la bondad y claridad de sus resultados y no requiere de un software específico para la
estimación. Aparicio (2011) y Campos Aranda (1998) indican que este método puede emplearse cuando
se basa en registros simultáneos de tres estaciones que se encuentren lo más cerca posible a la estación
en estudio. Se usó una estación hidrométrica en cada subcuenca (La Fuente y Las Coloradas),
representativa de las secciones medias y altas de la cuenca del Cauto para la calibración y validación del
flujo.
Tabla 2. Datos de entrada utilizados en la configuración del modelo en las cuencas.
Cuencas Insumos Resolución y Fuente
Cauto
MDE Mapa de suelos
Mapa de cobertura Datos hidroclimáticos
(1996-2010)
25X25 m (AMA, 2007) 1:100.000 (Instituto de suelos de Cuba) 1:100.000 (Instituto de suelos de Cuba) Diarios (Precipitación y Temperatura)
Mensuales (Caudal) (INSMET-GEARH)
Guadalupe
MDE Mapa de suelos
Mapa de cobertura Datos hidroclimáticos
(1973-1986)
15x15 m (INEGI) 1:250.000 (INEGI)
1:250. 000 (CONABIO) Diarios (Precipitación y Temperatura)
Diarios (Caudal) (CLICOM-BANDAS)
Para estudiar la cuenca del Río Guadalupe en Baja California, se utilizó la topografía del MDE
obtenido del (INEGI) con una resolución de 15 X 15 m. De esta manera se obtuvo la delimitación de la
cuenca y subcuencas; 17 subcuencas relativamente del mismo tamaño que representa la heterogeneidad
19
de características fisiográficas de toda la cuenca (Figura 3). Para realizar esta delimitación, el área media
de aporte se definió en 100 Km y se estableció el cierre de la cuenca en la estación hidrométrica Agua
Caliente.
La cobertura de suelo (1:250.000) también fue proporcionada por el INEGI y las categorías en el
mapa se relacionaron con las de SWAT. La cuenca alta del Río Guadalupe está dominada en un 77% por
matorrales adaptados a condiciones semiáridas, llamados localmente "chaparral". El bosque de pino cubre
las áreas más altas (8%), especialmente la parte oriental de la cuenca. Tanto la agricultura irrigada como
la no irrigada predominan en el valle de Ojos Negros, ubicado en la parte sur de la cuenca (11.5%). Otros
usos de la tierra son minoritarios (Figura 6a). La cuenca está cubierta principalmente por suelos poco
desarrollados, típicos de terrenos montañosos en zonas semiáridas que en su mayoría son de textura
gruesa. Los tipos predominantes son el leptosol (42%), el phaeozem (26%) y el regosol (23%) como se
observa en la Figura 6b. Para las pendientes del terreno derivadas del MDE se utilizó nuevamente el criterio
de la FAO, descrito anteriormente en esta sección.
Los datos meteorológicos para la cuenca del Río Guadalupe se obtuvieron de la base de datos del
CLICOM disponible en línea (http://clicommex.cicese.mx). Se seleccionaron las estaciones disponibles en
el área de estudio y que tenían una serie de tiempo coincidente con la única estación hidrométrica con
datos de flujos (estación Agua Caliente) para modelar la sección superior del Río Guadalupe (Figura 3). Las
estaciones meteorológicas que se utilizaron fueron: Agua Caliente, El Pinal, Ojos Negros y Sierra Juárez, lo
que aseguró una buena cobertura geográfica del área de estudio (Figura 3). Se obtuvieron precipitaciones
diarias, temperaturas máximas y mínimas en cada estación durante el período 1973-1986.
20
Figura 5. Características de la cuenca del Río Cauto: a) usos del suelo, b) tipos de suelo y c) pendientes.
Figura 6. Características de la cuenca superior del Río Guadalupe: a) usos de la tierra, b) tipos de suelo y c) pendientes.
21
3.1.2 Calibración, validación y análisis de sensibilidad
3.1.2.1 Cuenca del Río Cauto
En esta cuenca se calibró y validó el modelo utilizando información hidrométrica de escala temporal
mensual, ya que no se obtuvieron datos diarios para todo el periodo analizado en las subcuencas del Río
Cauto.
Se seleccionó un período de simulación del 1 de enero de 1996 al 31 de diciembre de 2010. Los
primeros cinco años se utilizaron de calentamiento (spinup) para mitigar el efecto de las condiciones
iniciales del modelo; el período de calibración se extendió del 1 de enero de 2001 al 31 de diciembre de
2006 y se realizó la validación desde el 1 de enero de 2007 hasta el 31 de diciembre de 2010. Tanto en la
calibración como en la validación se incluyeron años húmedos, medios y secos (Figura 7), para comprobar
que el modelo funcionaba bajo diferentes condiciones de humedad (Gan et al, 1997).
Figura 7. Anomalías estandarizadas de precipitación (Z) anuales para las subcuencas de a) La Fuente y b) Las
Coloradas para el período 2001-2010.
22
La selección de parámetros de SWAT incluida inicialmente en el modelado de la cuenca del Río Cauto
se basó en el conocimiento previo del área de estudio, en simulaciones preliminares, y en una revisión
bibliográfica (Heuvelmans et al, 2004, Chu y Shirmohammadi 2004, Gosain et al, 2006). Durante la etapa
de calibración, se realizó un análisis de sensibilidad para identificar los parámetros más influyentes en el
flujo de agua de la cuenca y también para otros procesos hidrológicos. Se utilizó el análisis de sensibilidad
muestreo Hipercubo Latino (LH) incorporado dentro de SWAT-CUP (SWAT Calibration and Uncertainty
Programs, versión 5.1.6) (Abbaspour, 2008), donde la sensibilidad de los parámetros se determina
calculando un sistema de regresión múltiple (Van Griensven, 2005). La sensibilidad de los parámetros se
cuantificó en función de la significancia al 95% de la prueba t-student; un parámetro se consideró sensible
si p ≤ 0.05 (Abbaspour et al, 2007). La prueba t-student provee una medida de sensibilidad que define al
parámetro con mayor valor absoluto como el más sensitivo; por otro lado, el factor p-value determina la
significancia de la sensibilidad, siendo los valores más cercanos a cero los de mayor significancia. Después
de este análisis, la calibración automática en la cuenca del Cauto se realizó con 17 parámetros a una escala
de tiempo mensual utilizando el algoritmo SUFI-2 (Ajuste de Incertidumbre Secuencial) que se encuentra
dentro del programa SWAT-CUP. El proceso de calibración para ajustar los valores de los parámetros
incluye varios pasos: (1) definir la función objetivo, (2) definir el rango inicial de los parámetros, (3) realizar
el análisis de sensibilidad (opcional, pero muy recomendable); (4) emplear el método LH (Abbaspour et al,
2007) de los parámetros, el número común de combinaciones de parámetros es N = 500-1000, (5) ejecutar
las simulaciones N veces y guardar las variables de salida simuladas, (6) el cálculo de la función objetivo,
(7) calcular las métricas a finales de incertidumbre y (8) ajustar el rango de los parámetros y repetir desde
el paso '' 1'', de esta manera, se obtiene el rango óptimo de los parámetros para la simulación posterior.
Para asegurar que el modelo calibrado fuera lo más realista posible, se utilizaron rangos de calibración en
los que el valor mínimo y máximo para cada parámetro estaban limitados a valores realistas para la zona,
y a pesar de que SWAT-CUP sugería valores fuera de esos rangos, se limitaron los valores extremos para
garantizar que el modelo fuera lo más realista posible.
Comparada con otras técnicas de análisis de incertidumbre, SWAT-CUP necesita una menor
cantidad de ejecuciones del modelo para lograr una solución satisfactoria (Ficklin et al, 2012; Yang et al,
2008). En una comparación reciente de tres métodos de análisis de incertidumbre en SWAT-CUP2 (SUFI-
2, GLUE y ParaSol), el método SUFI-2 fue capaz de proporcionar resultados predictivos más razonables y
equilibrados que los otros dos métodos (Wu y Chen, 2015).
El proceso de calibración en Cauto se realizó en forma mensual, para un periodo de simulación de 6
años (2001-2006), contando con datos de caudales mensuales aforados para cada subcuenca por separado
23
(La Fuente y Las Coloradas). Para lograr una buena calibración se recomienda hacer entre 500-1500
iteraciones; en esta tesis se ejecutaron 1500 simulaciones en tres iteraciones de 500 simulaciones,
reajustando los parámetros después de cada corrida. De esta manera se obtuvo una mejor simulación con
la menor discrepancia entre los datos observados y simulados. Los criterios utilizados para evaluar el ajuste
hidrológico fue el coeficiente de determinación (R2), el índice de eficiencia de Nash-Sutcliffe (NSE) (Nash y
Sutcliffe 1970) y el coeficiente PBIAS (Andrade et al, 2013a, Liew et al, 2007). Otros detalles relacionados
con estos criterios se mencionan en la sección 3.1.3.
Después se realizó la validación, la cual consistió en medir la capacidad predictiva del modelo,
mediante la comparación del caudal simulado y el observado, en un periodo diferente al de calibración.
Para ello, se utilizó el procedimiento SUFI-2 en el periodo 2007-2010 siguiendo el mismo esquema
metodológico planteado en la calibración; el programa se corrió para una sola simulación.
3.1.2.2 Cuenca del Río Guadalupe
Molina-Navarro et al, (2016) calibraron y validaron el SWAT para determinar la descarga en la
cuenca del Río Guadalupe. En el presente estudio, actualizamos la configuración de SWAT utilizada por
Molina-Navarro et al, sin cambiar los parámetros relacionados con la descarga, pero ampliamos la serie
temporal de lluvia con datos de una nueva estación meteorológica y agregamos un año más al período de
calentamiento para permitir que los parámetros del modelo alcanzaran un mejor equilibrio. Más detalles
sobre la configuración del modelo hidrológico y el rendimiento se pueden encontrar en Molina-Navarro et
al, (2016).
3.1.3 Evaluación del modelo
Primero el rendimiento del modelo se analizó gráficamente a través de la comparación de los hidrogramas
de los caudales observados y los simulados a lo largo del período de calibración y validación. La precisión
del modelo se evaluó usando tres índices estadísticos aplicados comúnmente en este tipo de estudios
hidrológicos: el índice de eficiencia de Nash-Sutcliffe (NSE) (Nash y Sutcliffe 1970), el coeficiente de
determinación (R2) (Abbaspour et al, 2007) y el coeficiente PBIAS, ya que son las estadísticas más utilizadas
24
para la calibración y validación de series hidrológicas (Gassman et al, 2007). Los valores de R2 varían entre
0 y 1, donde el 0 indica que no hay ajuste y el 1 un ajuste perfecto. El NSE varía entre -∞ a 1, siendo 1 el
ajuste perfecto (ASCE 1993; Gupta et al, 1999 y Moriasi et al, 2007):
𝑁𝑆𝐸 = 1 − [∑ (𝑄𝑜𝑏𝑠 −𝑄𝑠𝑖𝑚)
2𝑛𝑖=1
∑ (𝑄𝑜𝑏𝑠−𝑄𝑚𝑒𝑎𝑛)2𝑛
𝑖=1
] (3)
Donde n es el número total de observaciones, Qsim y Qobs son las descargas simuladas y observadas en
la i-ésima observación, respectivamente, y Qmean es la media de los datos observados en el período de
simulación.
El coeficiente PBIAS es una medida de la tendencia de los flujos medios simulados por el modelo
que son más altos o más bajos que los observados, indicando sobreestimación o subestimación (Andrade
et al, 2013a, Liew et al, 2007):
𝑃𝐵𝐼𝐴𝑆 = [∑ (𝑌𝑖
𝑠𝑖𝑚−𝑌𝑖𝑜𝑏𝑠)𝑛
𝑖=1
∑ (𝑌𝑖𝑜𝑏𝑠)𝑛
𝑖=1
] × 100 (4)
Luego de analizar los indicadores estadísticos antes mencionados para la mejor simulación seguimos
el enfoque sugerido por Moriasi et al, (2007) para evaluar el rendimiento de NSE y PBIAS para la escala de
tiempo mensual aplicada (Tabla 3).
3.2 Modelo climático regional RegCM4.3
El modelo climático regional utilizado en esta tesis es el RegCM4 (Giorgi et al, 2012) originalmente
desarrollado por Giorgi et al, (1993) y Pal et al, (2007); las mejoras y actualizaciones del modelo se realizan
en la Sección “Earth System Physics” del Centro Internacional de Física Teórica Abdus Salam (ICTP). Este
modelo es hidrostático, compresible y tridimensional y tiene disponibles varias parametrizaciones para
resolver procesos físicos, dinámicos y termodinámicos. En 2018, este centro lanzó la última versión del
RegCM4 (v.7). Sin embargo, aquí usamos las salidas diarias de RegCM4.3 (precipitación y temperaturas
máximas y mínimas) (Tabla 3) que están disponibles en línea (https://esg-dn1.nsc.liu.se/search/cordex/).
Se usaron las salidas para el dominio de Centroamérica (CAM) a través del programa Coordinated Regional
Dynamical Experiment (CORDEX; Giorgi et al, 2012) y tienen una resolución de 50 km.
25
Tabla 3. Características del experimento de RegCM4.3 forzado con el HadGEM2-ES en el dominio CORDEX CAM y variables utilizadas.
Experimento Frecuencia Corridas Variables
Histórico (1970-2000) diaria r1i1p1
Precip,
Tmax y
Tmin
Futuro (2015-2039)
RCP8.5
diaria r1i1p1
Precip,
Tmax y
Tmin
En la Figura 8 se muestra la topografía del dominio CORDEX CAM de las salidas de RegCM4.3, y las
dos regiones de estudio seleccionadas para esta tesis: la cuenca de Río Cauto en Cuba (15° a 26° N y 75° a
78° W) y la cuenca del Río Guadalupe en Baja California (31° a 33° N y 117° a 115° W).
Figura 8. Topografía en (m) del dominio CORDEX CAM para el RegCM4.3. Los rectángulos rojos indican las regiones
de estudio.
Algunos de los esquemas convectivos que usa el modelo son el de Emanuel (1991), Grell (1993) y
Tiedtke (1989), entre otros. RegCM4 utiliza dos opciones de módulos de superficie, el “Community Land
26
Model” (CLM) versión 3.5 (Oleson et al, 2008) y el esquema “Biosphere-Atmosphere Transfer Scheme”
(BATS) (Dickinson et al, 1993). Estas configuraciones funcionan relativamente bien en México y la región
del Caribe porque simulan adecuadamente las condiciones climáticas promedio actuales, el ciclo anual de
la precipitación y la temperatura y su variabilidad interanual (Fuentes-Franco et al, 2014, 2015; Martínez-
Castro et al, 2017). Además, reproducen de una manera adecuada procesos físicos, como la convección y
precipitaciones asociadas así como los patrones de circulación típicos de estas regiones.
En la página de CORDEX hay simulaciones de RegCM4.3 forzadas con tres diferentes MCG. En esta
tesis se usaron las simulaciones del RegCM4.3 forzado con el Hadley Global Environment Model 2-Earth
(HadGEM2-ES) que reproduce relativamente bien el clima de México y el Caribe (Fuentes-Franco et al,
2014, 2015; Martínez-Castro et al, 2017).
Para evaluar las simulaciones de RegCM4.3 en el período histórico, se utilizaron datos mensuales de
temperatura y precipitación del “Climate Research Unit” (CRU) de la Universidad de East Anglia (Mitchell
y Jones 2005) que tienen una resolución de 50 km. También se emplearon datos diarios de temperatura y
precipitación de las estaciones meteorológicas provenientes de la base de datos del Instituto de
Meteorología de Cuba, (INSMET) y el Instituto Nacional de Recursos Hidráulicos, (INRH) y en el caso de la
cuenca de Guadalupe los datos de las estaciones se encuentran disponibles en http://clicom-
mex.cicese.mx. También se descargaron los datos diarios del modelo de circulación global HadGEM2-ES
del Proyecto de Intercomparación de Modelos Climáticos Fase 5 (por sus siglas en inglés CMIP5) (Taylor et
al, 2012) con fines de verificación (disponible gratuitamente en http://cmip-pcmdi.llnl.gov/).
3.3 Forzamiento de SWAT con RegCM4.3
Después de calibrar y validar el SWAT con datos observados en cada cuenca, el modelo calibrado se forzó
y ejecutó nuevamente con datos de precipitación y temperatura máxima y mínima derivados del modelo
RegCM4.3 (sin corrección de sesgo) para el período histórico 1970-2000 y el escenario RCP 8.5 para el
período 2015-2039 (Figura 8). La corrección por sesgo tiene ventajas (Robles-Morua et al, 2014; Hawkins
et al, 2015) y desventajas (Ehret et al, 2012). No obstante, no se utilizó la corrección ya que RegCM4.3
forzado con HadGEM2-ES simula razonablemente el patrón de los ciclos anuales de temperatura media y
precipitación en las dos regiones (Fuentes-Franco et al, 2015; Martínez-Castro et al, 2017). Por otro lado,
en este estudio se inspeccionaron los cambios en los regímenes hidrológicos futuros en términos de la
27
diferencia de las proyecciones de SWAT en el futuro cercano (2015-2039) bajo el escenario RCP 8.5 con
respecto al período de referencia (1970-2000), por lo que esto también justificó el no utilizar la corrección
por sesgo.
Se usaron tres conjuntos de datos climáticos para inicializar a SWAT como se muestra en la
columna izquierda del esquema de la Figura 9, un conjunto de datos observados de estaciones y dos
conjuntos de datos climáticos simulados del modelo RegCM4.3. La simulación implementada de RegCM4.3
tiene una resolución de 50 km (Giorgi et al, 2012), resultando entonces 4 pixeles dentro de la cuenca del
Río Cauto y dos pixeles en la cuenca del Río Guadalupe (Figura 10). Los puntos de malla con los cuales se
ejecutó SWAT fueron seleccionados aplicando los criterios de latitud y longitud más cercanas a la ubicación
de las estaciones climáticas de observación dentro de las subcuencas. Las estaciones que se encontraban
dentro de cada pixel del modelo se promediaron y de esta forma se obtuvo una estación virtual ubicada
en el centro del pixel del modelo, cuyos datos son el promedio de las series de las estaciones localizadas
dentro del mismo. Los valores promedio del pixel se compararon con los datos históricos de las estaciones
meteorológicas localizadas en el pixel y con los registros más extenso en cada subcuenca a través de un
análisis de correlación; posteriormente, estos valores promedio (observados y los del pixel del modelo) se
utilizaron para forzar el modelo hidrológico SWAT.
Figura 9. Esquema de las simulaciones realizadas con SWAT forzado inicialmente con datos observados y después con RegCM4.3 con el SWAT calibrado (SWATc).
28
Figura 10. Topografía fina de las dos cuencas y malla horizontal del RegCM4.3 con espaciamiento de 50 Km para a) Cuenca del Río Cauto y b) Cuenca del Río Guadalupe. Los cuadros indican los puntos de malla de RegCM4.3 que coinciden con las cuencas.
29
Capítulo 4. Resultados: Cuba
4.1 Cuenca del Río Cauto, Cuba
El SWAT se implementó para toda la cuenca (Figura 1) y para la calibración se seleccionaron dos
subcuencas que representan las características hidrológicas de la parte media (La Fuente) y alta (Las
Coloradas) (Figura 11). Estas subcuencas son importante en la gestión de avenidas del Río Cauto por lo
que nos ayudarán a identificar los diferentes parámetros hidrológicos que influyen en la generación del
caudal. También se seleccionaron debido a la disponibilidad de datos observados de caudal y de clima, que
son esenciales para la calibración y validación del modelo. Por otro lado, la variabilidad del terreno, el
suelo y las condiciones de uso de la tierra es menor que en toda la cuenca del Río Cauto lo que ayuda a
una mejor comprensión de los procesos hidrológicos.
El clima de las dos subcuencas se caracteriza por una temporada lluviosa (mayo-octubre) y otra seca
(noviembre-abril) y las temperaturas medias mensuales varían de 19°C a 21°C (INSMET, 2007). Como
resultado el caudal es estacional, con la mayor parte de la precipitación en verano, presentándose los
mayores flujos durante los meses de mayo a octubre (INRH, 2013). Las observaciones pluviométricas de
las estaciones revelan que la precipitación promedio es de 1.625 mm en la Fuente y de 1.447 mm en las
Coloradas. Los principales tipos de suelos que predominan son: fersialíticos, ferralíticos y pardos con
carbonatos, que presentan textura arcillosa y un coeficiente de infiltración casi nulo que limita el
movimiento del agua a través del suelo y en consecuencia, la recarga de los acuíferos. La elevación de La
Fuente oscila entre 120 y 1.000 m y en las Coloradas entre 200 a 1.200 m (Figura. 11). El área de estas dos
subcuencas es de 75.40 Km2 y 64.23 Km2, respectivamente (Figura 11 y Tabla 4).
30
Figura 11. Cuenca del Río Cauto en el sureste de Cuba con la ubicación de los pluviómetros y estaciones hidrométricas, ríos y la topografía. Las subcuencas La Fuente y Las Coloradas se identifican con más detalles en los paneles de la derecha.
Tabla 4. Características de la cuenca del Río Cauto y las dos subcuencas para el período 1970-2010.
4.2 Parámetros sensibles durante la calibración de SWAT
La Tabla 5 muestra los valores de los rangos iniciales de los parámetros del modelo SWAT y los valores
finales seleccionados para cada subcuenca. El análisis de sensibilidad mostró que cinco parámetros fueron
los más sensibles en base a un valor de p significativo (<0.05): el número de curva (CN2), la capacidad de
Precipitación (mm) Descarga media (m3/s)
Cuenca Area
(km2)
Rango de
elevación (m) Anual Verano Invierno Anual Verano Invierno
Cauto 9540 0-1753 1232 904 328 63 - -
La Fuente 75 120-500 1625 1038 590 16.9 13.38 7.65
Las Coloradas 64 500-1000 1447 993 453 10.8 7.70 3.86
31
agua disponible (SOL_ AWC), la conductividad hidráulica saturada (SOL_K) la conductividad hidráulica
efectiva en el canal (CH_K2) y factor alfa de flujo base para el almacenamiento bancario (ALPHA_BNK).
Otros estudios también encontraron estos parámetros como relevantes para el modelado hidrológico en
diferentes cuencas del mundo (Lelis et al. 2010; Zhang et al. 2011; Strauch et al. 2012; Guse et al. 2014).
La alta sensibilidad de CN2 y SOL_AWC reveló la importancia de la escorrentía superficial en la
hidrología de las subcuencas, lo que se esperaba teniendo en cuenta las características de las mismas.
Aunque otros parámetros seleccionados inicialmente mostraron menor sensibilidad, con valores p entre
0.1 y 0.05, se mantuvieron en el proceso de calibración debido a su importancia para las aguas
subterráneas, la red de arroyos y la escorrentía superficial, un argumento también utilizado por White y
Chaubey (2005).
Los valores de los parámetros estimados por SWAT estuvieron dentro de los rangos físicos
razonables y describieron los procesos hidrológicos en La Fuente y Las Coloradas en base a las
observaciones de precipitación y flujo de agua. Los valores finales calibrados obtenidos ayudaron a
identificar las diferencias entre las dos subcuencas. Como era de esperar, el número de curva resultó ser
un parámetro importante para la producción de flujo continuo y las variaciones entre las dos subcuencas
podrían atribuirse a las características morfológicas las cuales pueden ser de dos tipos, las que condicionan
el volumen de escurrimiento, como el área de la cuenca y el tipo de suelo y las que condicionan la velocidad
de la respuesta como son el orden de la corriente, pendiente y los cauces.
La subcuenca de La Fuente tiene una capacidad de infiltración más baja y un mayor potencial de
producción de escurrimiento en las elevaciones medias en comparación con la subcuenca de Las
Coloradas, donde la vegetación boscosa y los suelos volcánicos altamente permeables favorecen la
infiltración en la región montañosa. Las diferencias en el factor de compensación de la evaporación del
suelo (ESCO), coeficiente de recesión para caudal base (ALPHA BF) y coeficiente de agua subterránea
(GW_REVAP) entre las subcuencas pueden estar relacionadas con variaciones en las características
morfológicas.
Los rangos de los parámetros SOL_AWC y SOL_K son muy diferentes entre las subcuencas
estudiadas. Las Coloradas está caracterizada por altas variaciones en las características hidráulicas del
suelo (SOL_AWC y SOL_K) este incremento de la conductividad hidráulica del suelo está altamente
conectado con la presencia de suelos con un coeficiente de infiltración alto. La Fuente se caracteriza por
una disminución en los valores de los parámetros hidráulicos del suelo (contenido de agua disponible y
32
conductividad hidráulica) durante la calibración. Esto puede estar relacionado con que el cauce en el curso
superior-medio está formado por una laja natural que semeja el plato de un canal revestido, lo cual hace
que las avenidas ocurren con mucha rapidez y no sea favorable la infiltración.
Cuando el valor calibrado de ESCO disminuye de 1 (valor por defecto) a valores más bajos significa
que el suelo superior es capaz de extraer más demanda evaporativa. Así un ESCO de 0.28 para Las
Coloradas fue razonable debido a que en esta subcuenca se desarrollan bosques como uso del suelo
predominante y se entiende que bajo estas condiciones la generación de evapotranspiración es mayor.
Sin embargo, el ESCO para La Fuente tuvo un comportamiento diferente quizás era necesario aumentar
este valor para propiciar una respuesta más rápida de la escorrentía.
El factor de compensación de captación de las plantas (EPCO), cuando es cercano a 1 indica que el
agua del suelo es tomada de los perfiles más profundos del suelo. En las subcuencas el valor obtenido es
congruente con el uso de la tierra, con árboles de raíces profundas que requieren extraer agua de las capas
más profundas del suelo.
El coeficiente de Gw_Revap describe la cantidad de agua que se mueve desde el acuífero superficial
hasta las raíces. En ambas subcuencas se obtuvo un valor cercano a 0, reflejando un movimiento
restringido del agua desde el acuífero superficial hasta las raíces. Esto puede estar relacionado con la
captación directa de agua subterránea por las raíces profundas de los árboles. El umbral de la profundidad
del agua en el acuífero (REVAPMN) aumentó notablemente después de la calibración para las dos
subcuencas.
Los parámetros calibrados proporcionan una guía para la simulación precisa del drenaje en sistemas
hidrológicos como el que presenta la cuenca del Río Cauto en su porción media y alta. Estos parámetros
calibrados se utilizaron en la siguiente etapa para forzar SWAT con los datos de precipitación y
temperaturas del modelo regional RegCM4.3 durante el periodo histórico (1970-2000) y el futuro (2015-
2039).
33
Tabla 5. Rango de valores iniciales para los parámetros ajustados y los valores mejor ajustados después de la calibración con el método SUFI2 para las subcuencas La Fuente y Las Coloradas. La primera columna indica el método usado para obtener el mejor valor.
La Fuente Las Coloradas
Método (*)
Parámetro Descripción Rango inicial
Mejor valor
Rango inicial
Mejor valor
v ALPHA_BF (days) -Coeficiente de recesión para el caudal base
0-1 0.60 0-1 0.20
v ALPHA_BNK -Factor del caudal base para el almacenamiento
0-1 0.48 0-1 0.92
v CH_K2 (mm h-1) -Conductividad hidraúlica efectiva del canal principal
5-130 44.67 5-130 77.24
v CH_N2 -Valor del índice de Manning para el canal principal
0-0.3 0.22 0-0.3 0.12
r CN2 -Curva número para la escorrentía para condiciones de humedad II
53.9-113.1 54.2-61.3 17.5-113.1 24-83.4
v EPCO -Factor de compensación de captación de las plantas
0-1 0.78 0-1 0.62
v ESCO -Factor de compensación de la evaporación del suelo
0-1 0.63 0-1 0.28
v GW_DELAY (days) -Tiempo de retardo para recarga del acuífero
0-500 93 0-500 495
v GW_REVAP
-Coeficiente de agua subterránea
0.02-0.2
0.18
0.02-0.2
0.16
v GWQMN (mm) -Profundidad del umbral de agua en el acuífero superficial requerida para que el flujo de retorno se produzca
0-5000 3414 0-2000 3526
v Lat_TTIME -Tiempo del flujo lateral 0-180 7.2 0-180 159.7 r OV_N -Coeficiente de
Manning’s n para el flujo terrestre
0.07-0.20 0.09-0.14 0.07-0.20 0.10-0.15
v REVAPMN (mm) -Profundidad del umbral de agua en el acuífero superficial
0-1000 714 0-1000 369
r SOL_AWC (mm H2O/mm soil)
-Capacidad de agua disponible en el suelo
0.1-0.9 0.43 0.02-0.9 0.12-0.59
r SOL_BD (g cm-3) -Densidad húmeda aparente
0.2-4.50 1.47-3.68 0.7-4.0 0.38-0.44
r SOL_K (mm h-1) -Conductividad hidraúlica saturada
0.9-720 1.80-157.7 3.2-720 1.12-98.56
v SURLAG (days) -Escorrentía superficial 0.1-24 23 0.1-24 2.53 *r: Multiplicar valor por… *v: Reemplazar valor por
34
4.3 Calibración y validación de SWAT
4.3.1 Subcuenca La Fuente
Las descargas simuladas y observadas en la subcuenca La Fuente durante los periodos de calibración y
validación se muestran en la Figura 12. Durante la calibración, SWAT reprodujo las descargas observadas
y su variación en el tiempo, pero tendió a sobreestimar el flujo durante períodos secos. Esta
sobreestimación puede indicar que el modelo no capta por completo la dinámica de los componentes del
agua subterránea (Ficklin et al, 2013) o no está simulando adecuadamente la capacidad de
evapotranspiración de la vegetación (Molina-Navarro et al, 2016). De acuerdo con estos resultados, se ha
demostrado que SWAT es débil cuando se simulan flujos bajos en otras regiones (Feyereisen et al, 2007;
Gebremariam et al, 2014). La inexactitud del rendimiento del modelo durante los períodos secos también
puede asociarse con la elección de la función objetivo (NSE) utilizada para calibrar el modelo, que tiende
a dar más peso a los eventos de inundación (Zhang et al, 2015).
Las métricas de rendimiento del modelo para la subcuenca de La Fuente se muestran en la Tabla 6.
Según el NSE (= 0.67) los resultados del modelo calibrado son "buenos" (Moriasi et al, 2007). El período de
validación del modelo mostró un mejor rendimiento que el período de calibración NSE (= 0.85), lo que
indica una calificación "muy buena". El PBIAS basado en valores mensuales muestra una ligera
subestimación del flujo (-4%) en la calibración y subestimación (-15%) durante el período de validación.
Las bajas magnitudes de PBIAS corresponden a una calificación de desempeño "muy buena" para el
modelo en ambos períodos (Moriasi et al, 2007). Los valores de R2 para la descarga son 0.67 para la
calibración y 0.86 para la validación, correspondientes a las calificaciones de desempeño del modelo de
"bueno" y "muy bueno" (Moriasi et al, 2007). Aunque esto no ocurre con frecuencia, algunos autores
también han documentado una mejora estadística en el período de validación (Gassman et al, 2007; Liew
et al, 2007; Andrade et al, 2013).
Tabla 6. Métricas de rendimiento para la calibración y validación mensual del modelo SWAT en las subcuencas de La Fuente y Las Coloradas.
Subcuencas Calibración (2001-2006) Validación (2007-2010)
NSE R2 PBIAS NSE R2 PBIAS
La Fuente 0.67 0.67 -4% 0.85 0.86 -15%
Las Coloradas 0.54 0.50 19% 0.45 0.74 34%
35
Figura.12. Precipitación mensual y descargas medias mensuales observadas y simuladas durante a) calibración (2001-2006) y b) validación (2007-2010) para la subcuenca La Fuente.
4.3.2 Subcuenca Las Coloradas
La Figura 13 muestra las descargas mensuales simuladas y observadas en la subcuenca de Las Coloradas
durante los períodos de calibración y validación. En general, las descargas simuladas se compararon bien
con las observaciones, aunque algunos de los períodos de flujo bajo no se captaron bien, como también
se señaló anteriormente en la subcuenca de La Fuente (Figura 12). Por otro lado, los picos de flujo
tendieron a sobreestimarse en algunos eventos de precipitación extrema (> 500 mm/mes), especialmente
durante el período de validación (PBIAS = 34%, Tabla 6). Durante este período, la precipitación fue
significativamente mayor (> 200 mm) (Figura 13 b) que los dos picos más grandes (de ~ 800 mm) del
período de calibración (Figura 13 a). Una posible explicación para esta sobreestimación es que la
calibración no cubrió eventos de lluvia extremos de todo el período, lo que resultó en un rendimiento
deficiente durante la validación. Algunos autores también han reportado sobreestimación de los caudales
máximos para períodos lluviosos en cuencas con respuestas hidrológicas muy rápidas en otros climas
(Tripathi et al, 2003). De acuerdo con PBIAS y la habilidad del modelo a escala mensual de acuerdo a NSE
(0.54) y R2 (0.50), el rendimiento de la calibración puede describirse como "satisfactorio" (Moriasi et al,
2007). Durante el período de validación, las mediciones estadísticas arrojaron un peor rendimiento que la
36
calibración, como se ve en la Tabla 6, pero aun así son satisfactorias de acuerdo con Van Liew et al, (2005).
Es común que la habilidad estadística durante el período de validación sea menor que durante el período
de calibración porque los parámetros del modelo están optimizados para la calibración [Moriasi et al,
2007). En general, el rendimiento para los períodos de calibración en las subcuencas varía de "bueno" a
"satisfactorio" según los criterios de Moriasi et al, (2007). El modelo en la subcuenca La Fuente arrojó un
mejor desempeño estadístico que en la subcuenca Las Coloradas en todas las métricas evaluadas (mayor
R2 y NSE, y menor PBIAS). Es notable el mejor valor de NSE durante la validación (0.85 en La Fuente vs.
0.45 en Las Coloradas). La razón principal puede asociarse a la falta de precisión en la simulación para
capturar la mayoría de los picos de flujos, mientras que en La Fuente varios picos mostraron un ajuste casi
perfecto. También la función objetivo, NSE, es muy sensible a la precisión en la simulación de flujos altos
ya que tiende a depender de los eventos máximos de la variable calibrada (Zhang et al, 2015).
A pesar de estos resultados, consideramos que el modelo de calibración predice el flujo de
referencia razonablemente bien, por lo que el modelo es adecuado para analizar los cambios futuros en
la hidrología de la cuenca en función de los escenarios de cambio climático (Niraula et al, 2015).
37
Figura 13. Precipitación mensual y descargas medias mensuales observadas y simuladas durante a) calibración (2001-2006) y b) validación (2007-2010) para la subcuenca Las Coloradas.
Las predicciones del modelo en ambas subcuencas aseguraron una simulación adecuada para los
dos periodos, como se muestra en la Tabla 7. Sin embargo, se lograron mejores simulaciones del flujo
medio anual en la subcuenca de La Fuente caracterizada por caudales más altos que en la subcuenca Las
Coloradas ubicada a mayor altitud. El caudal anual promedio observado en La Fuente fue de 18.22 m3/s,
mientras que SWAT simuló 19.07 m3/s en el período de calibración. En el período de validación, la
velocidad de flujo observada fue de 25.24 m3/s y la corriente media anual simulada fue de 22.42 m3/s. Esta
similitud en el flujo medio anual fue el resultado de ajustar el rango de los parámetros CN2, SOL_AWC y
SOL_K dentro de valores realistas, limitando los rangos de parámetros dados por SWAT-CUP después de
cada iteración durante la calibración, lo que permitió una mejor simulación de la infiltración,
almacenamiento en el suelo y que la descarga superficial para esta subcuenca se redujera. Los resultados
de calibración en Las Coloradas arrojaron una tasa de flujo promedio anual de flujo de 13.83 m3/s, mientras
que la observada fue de 11.58 m3/s. Durante el período de validación, la tasa de caudal promedio
observada fue de 11.57 m3/s, mientras que SWAT simuló 15.50 m3/s. Esta sobreestimación (observada
menos simulada) en el flujo máximo refleja que los parámetros del suelo y de flujo base no variaron lo
38
suficiente para garantizar una mejor representación de los procesos de escurrimiento superficial. Un
comportamiento similar se encontró en una cuenca de montaña con clima tropical en Brasil (Fukunaga et
al, 2015).
Tabla 7. Medidas de evaluación del flujo anual promedio durante los periodos de calibración (2001-2006) y validación (2007-2010) para valores climatológicos promedios.
Subcuencas Precipitación
(mm/año)
Descarga
observada
(m3/s)
Descarga
simulada
(m3/s)
Anomalía
(m3/s)
Calibración
La Fuente 1653 18.22 19.07 0.85
Las Coloradas 1627 11.58 13.83 2.25
Validación
La Fuente 1935 25.24 22.42 -2.82
Las Coloradas 1927 11.56 15.50 3.94
Además de las variaciones temporales del flujo de la corriente, el modelo debe proporcionar una
estimación precisa de los principales componentes del balance total de agua en las dos subcuencas. Estos
resultados se muestran en la Tabla 8 para los períodos de calibración y validación. En la subcuenca de La
Fuente, la evapotranspiración real (AET) representó 42 y 41% de la precipitación total (P) durante los
períodos de calibración y validación, respectivamente, lo que es consistente con un 40% reportado por
INRH (1991) para el período de referencia (1961 -1990) en la cuenca del Río Cauto. La escorrentía total
(TotalQ) representó el 38 y el 39% de la entrada de agua a través de P durante la calibración y la validación,
respectivamente (Tabla 6). El principal componente de la descarga fue el flujo lateral (LATQ), mientras que
la relevancia de los flujos de superficie (SURQ) y subterránea (GWQ) fue menor (Tabla 8). Los resultados
fueron similares en la subcuenca Las Coloradas, donde AET representó 43% y 40% de P durante los
períodos de calibración y validación, respectivamente, mientras que la contribución relativa de TotalQ al
balance hídrico fue ligeramente mayor que en La Fuente, equivalente al 45% de P (Tabla 8). Una vez más,
LATQ fue el componente de flujo principal, seguido por SurQ. Teniendo en cuenta el funcionamiento del
SWAT, el almacenamiento en el acuífero y del suelo en su conjunto puede explicar el porcentaje de P no
explicado por AET y TotalQ en las simulaciones (Neitsch et al, 2011).
39
Tabla 8. Balance hídrico medio anual (BH) y componentes de flujo (mm) simulados por SWAT para las subcuencas La Fuente y Las Coloradas durante los períodos de calibración (2001-2006) y validación (2007-2010). P: precipitación, AET: evapotranspiración real, SURQ: flujo superficial, LATQ: flujo lateral, GWQ: agua subterránea y TotalQ: flujo total.
La Fuente Las Coloradas
Componente Calibración Validación Calibración Validación
P 1653 1935 1627 1927
AET 699 810 700 780
SURQ 136 215 130 230
LATQ 487 545 453 539
GWQ 89 107 117 135
TotalQ 712 867 701 904
En cuanto a los componentes del flujo, el comportamiento hidrológico observado en las dos
subcuencas es típico de paisajes montañosos con pendientes pronunciadas que favorecen la escorrentía
directa (es decir, SURQ y LATQ). Esto también se observa en otras cuencas tropicales (Bruijnzeel, 2004;
Marhaento et al, 2017) donde se presentan resultados similares. La mayor contribución de GWQ en La
Fuente que en Las Coloradas puede explicarse por sus pendientes más bajas, lo que podría favorecer una
mayor recarga.
Dado que los componentes de balance hídrico y flujo están de acuerdo con los valores esperados
de dichas variables en el área de estudio, el modelo se puede usar para la evaluación de escenarios de
cambio climático.
4.4 Análisis de simulaciones históricas
La Figura 14 muestra la variación interanual de la precipitación anual y el flujo de las subcuencas La
Fuente y Las Coloradas para el período de referencia 1970-2010; la precipitación media anual en La Fuente
es aproximadamente 200 mm más alta que en Las Coloradas (Tabla 4). Esto, junto con la mayor producción
de escorrentía superficial en La Fuente, favorece un caudal anual mayor (16.9 m3/s) que en Las Coloradas
(10.8 m3/s). Durante el período de referencia, la precipitación y el flujo de las subcuencas no mostraron
40
una tendencia significativa, pero se caracterizaron por una gran variabilidad interanual relacionada con la
actividad de ciclones tropicales y la contribución de ENSO a la precipitación de invierno (Ballester et al,
1995; Limia et al, 2000). La precipitación de la estación seca invernal (noviembre-abril) en las subcuencas
está estadísticamente correlacionada (0.46; p <0.05) con el índice Oceánico El Niño (ONI) de noviembre-
enero, por lo que los años donde se presenta el Niño tienden a favorecer una mayor precipitación invernal
en la región (Cárdenas, 1998; Planos et al, 2012).
La correlación entre precipitación y flujo en Las Coloradas (r = 0.81) es estadísticamente mayor que
en La Fuente (r = 0.54), probablemente debido a las diferencias hidrológicas entre las subcuencas. Si bien
el flujo anual simulado en ambas subcuencas es similar a las observaciones, como lo reflejan los altos
valores de correlación en La Fuente (r = 0.89) y Las Coloradas (r = 0.92), se observa un sesgo positivo
sistemático en la simulación del flujo anual en Las Coloradas.
41
Los ciclos anuales de precipitación y caudal para la línea base (1970-2010) y los períodos de
calibración y validación (2001-2010) se muestran en la (Figura 15). Las precipitaciones se caracterizan por
una distribución bimodal con picos en mayo y octubre durante la estación lluviosa y una sequía de medio
verano en julio. En el período 2001-2010, hay una ligera disminución en la precipitación invernal a
principios de año, pero el ciclo anual es más intenso al final del verano en comparación con el período de
referencia (1970-2000).
El ciclo anual de caudal para el período 1970-2000 muestra las mayores descargas en mayo y
octubre, cuando se reciben las precipitaciones más importantes, y flujos más pequeños en la estación seca
de noviembre a abril. Durante 2001-2010, hay descargas significativamente menores en todos los meses,
Figura 14. Variación interanual de la precipitación y caudal observado (negro) y simulado (rojo) en las subcuencas La Fuente (a, b) y Las Coloradas (c, d) durante 1970-2010. Cal y Val indican períodos de calibración y validación separados por líneas verticales.
42
que son bien simuladas por SWAT. Las causas de la reducción de la descarga en el período reciente pueden
explicarse parcialmente por cambios en el uso de la tierra (IPF, 2007). En los últimos meses de la estación
lluviosa, ocurre un segundo pico de lluvia y de la descarga después de la sequía de medio verano, pero
ésta es aún más baja que durante el primer período (1970-2000). En general, el modelo captura bien la
estacionalidad del flujo, aunque en Las Coloradas el modelo muestra una tendencia general a sobreestimar
durante los meses de verano y en La Fuente a subestimar en algunos meses del año.
Figura 15. Ciclos anuales de precipitación y caudal simulado en las subcuencas de La Fuente y Las Coloradas para el período de referencia (1970-2000) (a, b) y los períodos de calibración y validación (c, d).
43
4.4.1 Análisis histórico del cambio de uso de suelo
En esta tesis evaluamos el cambio de uso de suelo en las subcuencas La Fuente y Las Coloradas; de manera
complementaria al modelado de SWAT. Con el objetivo de evaluar cómo estos cambios impactan los
diferentes procesos hidrológicos y también fue una manera de comprobar que los parámetros obtenidos
durante el proceso de calibración van a funcionar bajo diferentes condiciones de cambio de uso de suelos.
Lo evaluamos usando imágenes satelitales Landsat 8 con una resolución de 30 m, los resultados de los
cambios de uso del suelo se obtuvieron entre los mapas de uso del suelo de 2016 y de 1984 generados a
partir de la interpretación de fotos aéreas e imágenes satelitales.
En la Figura 16 se muestra que en 1984 el área ocupada por cobertura boscosa en la subcuenca la
Fuente era de 55.11 Km2 y 16.45 Km2 de herbazales con pastizales y parches de cultivos; el índice de
urbanización era bajo, representado por 1.30 Km2 y 2.55 Km2 de asentamientos urbanos y rurales,
respectivamente. Para el año 2016 la cobertura boscosa se redujo ligeramente observándose 54.25 Km2;
los herbazales con pastizales y parches de cultivos se redujeron más que los bosques observándose ahora
13.93 Km2 y los asentamientos urbanos y rurales no cambiaron. En este período, los cambios más
significativos están ligados a la reducción de los herbazales con pastizales y pérdida de la cobertura
boscosa.
Figura 16. Análisis del cambio de uso de suelo basado en imágenes clasificadas a), b) Diferentes tipos de suelos en el año 1984 y 2000 y c) extensión espacial de la pérdida/ganancia en la subcuenca La Fuente para el período entre 1984 y 2016.
44
En 1984 la subcuenca Las Coloradas (Figura 17) mostraba una cobertura boscosa de 58.05 Km2, 5.78
Km2 de herbazales con pastizales y parches de cultivos y 0.4 Km2 de asentamientos rurales con casi cero
índice de urbanización. Para el año 2016, la cobertura boscosa aumentó a 60.34 Km2, la de herbazales y
pastizales con parches de cultivos disminuyó a 3.49 Km2 y la de asentamientos rurales se ha mantenido sin
cambio. En este período se registra una recuperación de cobertura boscosa de 2.29 Km2
De manera general en ambas subcuencas se muestra una predominancia de la cobertura boscosa a
través del tiempo. Esto puede explicarse gracias a las políticas de conservación que se desarrollan en el
país y los programas por parte de instituciones como el IPF para conservar los recursos naturales a través
de la aplicación de diferentes programas ambientales. Estos resultados son un indicativo de que la
cobertura del uso del suelo apenas ha cambiado desde la década de los años 80 y por consiguiente
inferimos que el período seleccionado para establecer el modelado en las subcuencas mantiene el mismo
comportamiento.
Figura 17. Análisis del cambio de uso de suelo basado en imágenes clasificadas a), b) Diferentes tipos de suelos en el año 1984, 2000 y c) extensión espacial de la pérdida/ganancia en la subcuenca Las Coloradas para el período 1984-2016.
4.5 Evaluación de RegCM4.3 en la cuenca del Río Cauto
La Figura 18 muestra los ciclos anuales de precipitación y temperaturas utilizando los datos observados y
del modelo regional (RegCM4.3) y el global (HadGEM2-ES) para los puntos de malla sobre la cuenca del
Río Cauto. La intercomparación muestra un buen acuerdo entre las dos bases de datos observadas (CRU y
45
datos de la estación), destacando la bimodalidad de la precipitación. Sin embargo, CRU tiene los picos de
lluvia en mayo y septiembre, mientras que los picos de la estación ocurren en mayo y octubre (similar a
RegCM4.3 y HadGEM2-ES), este segundo pico es debido a la influencia de los ciclones tropicales. La
discrepancia en el segundo máximo podría estar relacionada con la resolución de la cuadrícula (50 km) de
CRU. Al usar los datos de CRU, Karmalkar et al, (2014) declaró que el ciclo anual de precipitación en el
Caribe occidental es predominantemente bimodal con el primer máximo en mayo o junio y el segundo
máximo entre agosto y noviembre, dependiendo de la ubicación de la zona.
Los resultados indican que tanto el modelo regional (RegCM4.3) como el global (HadGEM2-ES)
poseen una habilidad razonable para reproducir el patrón bimodal de la precipitación observada en el área
de estudio, pero RegCM4.3 subestima ligeramente la precipitación anual observada en la Fuente (en un
16%) y Las Coloradas (en un 15%). La subestimación de RegCM4.3 podría estar relacionada con la elección
de las parametrizaciones convectivas utilizadas (Diro et al, 2012; Fuentes-Franco et al, 2014; Martínez-
Castro et al, 2017). En general RegCM4.3 mejora la precipitación mensual con respecto a su modelo global
forzante (HadGEM2-ES) y también logra capturar muy bien el pico máximo de precipitación en octubre,
así como la precipitación invernal.
Al contrastar el patrón general de los ciclos anuales de las temperaturas medias, máximas y mínimas
de RegCM4.3 y HadGEM2-ES, en comparación con CRU y las estaciones climáticas, se observa que los dos
modelos tienden a subestimar la temperatura máxima y a sobreestimar la temperatura mínima. Las
temperaturas máximas más altas ocurren durante el verano y ambos modelos apuntan a julio y agosto
como los meses más calurosos, consistentes con las observaciones, pero RegCM4.3 subestima
significativamente la temperatura máxima en 4 °C durante el verano, lo que podría tener un impacto en el
balance hídrico.
46
Figura 18. Ciclo anual en la cuenca del Río Cauto a) Precipitación (mm), b) Temperatura media (° C), c) Temperatura mínima (° C) y d) Temperatura máxima (° C) según las observaciones (clima estaciones y CRU) y modelos (RegCM4.3 y su modelo global forzado, HadGEM2-ES para el periodo 1970-2000.
47
4.5.1 Climatología en las subcuencas
SWAT fue forzado con los datos de salida de RegCM4.3 y para ello seleccionamos un punto de malla
cercano a las estaciones de observación en cada subcuenca. Obteniendo de esta manera para cada punto
de malla y variable (precipitación y temperatura) dos series diarias, una del clima actual (1970-2000) y del
clima futuro en el período (2015-2039). Las características del punto de malla en cada subcuenca (Figura
19) muestran que RegCM4.3 simula adecuadamente el ciclo anual de precipitación y captura la
bimodalidad observada según las estaciones.
Figura 19. Relación climática del punto de malla de RegCM4.3 con las estaciones de las subcuencas a) La Fuente y b) Las Coloradas durante el periodo histórico 1970-2000.
4.6 Impacto del cambio climático en la hidrología de la cuenca
La Figura 20 muestra los cambios futuros (2015-2039 relativos a 1970-2000) de la precipitación y la
temperatura en la cuenca del río Cauto y en las subcuencas derivadas de RegCM4.3 bajo el escenario
climático más extremo (RCP8.5). Las proyecciones sugieren una estación lluviosa más seca de mayo a
octubre y un ligero aumento de la precipitación en marzo, al final del invierno boreal. Los escenarios
futuros para la temperatura son todos positivos, pero el aumento es mayor en verano que en invierno (>
48
1.4 ° C), lo que podría tener efectos significativos en el caudal total. Las temperaturas más altas aumentan
la evapotranspiración potencial, que a su vez puede reducir la escorrentía significativamente,
dependiendo de los cambios. Se prevé que el clima promedio durante 2015-2039 sea más seco (-18%) y
más cálido (+ 1.5 ° C) en relación con 1970-2000 (Tabla 9). Estos resultados son consistentes con estudios
previos que proyectan una reducción significativa de las precipitaciones de verano en la región del Caribe
(Christensen et al, 2007; Taylor et al, 2007; Centella et al, 2008; Rauscher et al, 2008) y en la cuenca del
río Cauto (Álvarez-Adán et al, 2015). Los cambios proyectados en las precipitaciones invernales son
pequeños y positivos, lo que podría estar relacionado con posibles aumentos en la frecuencia e intensidad
de los eventos asociados con el ENOS (Cárdenas y Naranjo, 1996; Cárdenas, 1998; Roque et al, 2002;
Centella et al, 2006). La Tabla 7 también muestra los cambios proyectados de temperatura y precipitación
para 2070-2096 en relación con 1970-2000 bajo el escenario RCP8.5 en la cuenca del río Cauto. Estos
resultados sugieren un aumento significativo de la temperatura (+ 3.3 °C) y una posible reducción en la
precipitación anual de -25%. Las tendencias de temperatura y precipitación del siglo XXI en la región
sugieren posibles impactos negativos en el flujo de la corriente, como se describe a continuación para el
futuro cercano.
Figura 20. Cambios futuros en la precipitación media mensual a) y b) temperatura para la cuenca del Río Cauto y subcuencas La Fuente y Las Coloradas según el modelo regional RegCM4.3 en el escenario RCP8.5 para 2015-2039 con respecto a 1970-2000.
49
Tabla 9. Cambios en la temperatura media y precipitación media anual de RegCM4.3 bajo el escenario RCP8.5 para 2015-2039 y 2070-2096 en relación con 1970-2000 para la cuenca del Río Cauto y las subcuencas La Fuente y Las Coloradas.
Cuenca y subcuencas Temperatura media
cambio(°C)
Precipitacion media anual
cambio (%)
2015-2039
Cauto 1.4 -18
La Fuente 1.8 -36
Las Coloradas 1.5 -41
2070-2096
Cauto 3.3 -25
La Fuente 4.0 -44
Las Coloradas 3.9 -47
La Tabla 10 muestra los escenarios históricos y futuros de los componentes del balance hídrico en
las dos subcuencas. La precipitación anual podría disminuir en el futuro cercano entre 36% y 41%, pero
RegCM4.3 mostró un 15% de subestimación durante el período histórico con respecto a los datos de la
estación (Figura 18a). Bajo estas condiciones, los escenarios futuros de SWAT indican que los cambios en
la precipitación y la temperatura podrían afectar negativamente el flujo total (TotalQ) en las subcuencas
La Fuente y Las Coloradas en -53% y -61%, respectivamente (Tabla 10). Estos resultados son consistentes
con otros estudios de la región del Caribe que proyectan una reducción del flujo de la corriente durante la
estación húmeda (Donk et al, 2018). Estos escenarios también están en línea con (Arnell, 2004) que
informó un comportamiento similar en otras islas del Caribe.
La evapotranspiración potencial (PET) aumenta ligeramente en el escenario de RCP8.5 asociado con
el aumento de la temperatura media. A pesar de este aumento en PET, la AET disminuye en La Fuente (-
25%) y en Las Coloradas (-31%). Tal reducción se asocia con una menor disponibilidad de agua del suelo
para la evapotranspiración debido a una reducción en la precipitación (especialmente durante el verano,
Figura 9). Sin embargo, se espera que el porcentaje de pérdida de la precipitación a través de AET aumente
en el escenario futuro (Tabla 10). A partir de este análisis, es claro que las disminuciones en los
componentes hidrológicos están asociadas con los cambios proyectados en la precipitación (reducción) y
la temperatura (aumento). Otros estudios también han señalado que los componentes hidrológicos son
50
especialmente sensibles a la disminución de la precipitación y las altas temperaturas (Hansen et al, 2006;
Massah y Morid, 2007; Chien et al, 2013).
La recarga total del acuífero también podría disminuir hasta -52% en La Fuente y -63% en Las
Coloradas en 2015-2039 en comparación con el período de referencia. En consecuencia, se espera que
disminuya la contribución del flujo de agua subterránea al caudal (71% en La Fuente y 64% en Las
Coloradas, Tabla 7). La reducción de la precipitación y el mayor porcentaje de pérdida de agua a través de
AET pueden explicar este proceso.
Tabla 10. Escenarios históricos y futuros RCP8.5 de los componentes medios anuales del balance hídrico (mm) y su porcentaje anual (%) de cambios en las subcuencas La Fuente y Las Coloradas. El cambio porcentual es para 2015-2039 en relación con 1970-2000. P: precipitación, PET: evapotranspiración potencial, AET: evapotranspiración real, TotalQ: flujo total, SURQ: flujo superficial, LATQ: flujo lateral, GWQ: flujo de agua subterránea, y AQR: recarga total del acuífero.
Componente RegCM4.3 (Histórico)
(1970-2000)
RegCM4.3 (RCP 8.5)
(2015-2039) Cambio (%)
La Fuente
P 1191 765 -36
PET 1260 1289 2
AET 725 541 -25
Total Q 273 128 -53
SURQ 45 19 -58
LATQ 212 104 -51
GWQ 17 5 -71
AQR 209 100 -52
Las Coloradas
P 1182 694 -41
PET 1263 1300 3
AET 800 550 -31
TotalQ 261 101 -61
SURQ 98 38 -62
LATQ 156 62 -60
GWQ 5 2 -64
AQR 116 42 -63
51
En el ciclo anual, las proyecciones de los componentes del balance hídrico muestran diferentes
respuestas estacionales (Figura 21). Los mayores cambios positivos y negativos se observan en el
componente TotalQ en las subcuencas. Esto indica la alta sensibilidad de la escorrentía superficial a los
cambios en la entrada de precipitación, especialmente durante el verano. Una observación interesante de
la Figura 16 es que la evapotranspiración es menos sensible a la precipitación, con un conjunto moderado
de cambios en su comportamiento a lo largo del año. AET se reduce especialmente desde la primavera
hasta principios de otoño, cuando se espera que P disminuya. La reducción de P es más notable en el
verano, consistente con las proyecciones de precipitación para el Caribe (Rauscher et al, 2008; Álvarez-
Adán et al, 2015). Esta reducción y el aumento de la temperatura podrían afectar la recarga del acuífero
en las subcuencas durante el verano en el futuro cercano. En invierno, el cambio de precipitación es
pequeño, con un pequeño aumento (disminución) en marzo (diciembre). Estos cambios afectarían
negativamente a TotalQ, especialmente en mayo y octubre, como se ve en la Figura 21.
Figura 21 Cambios futuros en los componentes del balance hídrico para a) La Fuente y b) Las subcuencas de Las Coloradas en el escenario RCP8.5 para el período 2015-2039 con respecto al período de referencia (1970-2000) .P es la precipitación, AET es evapotranspiración real, y TotalQ es flujo total. Los cambios mensuales son relativos a su contribución anual.
52
4.6.1 Almacenamiento total de agua
El almacenamiento total de agua (ATA) obtenido del balance hídrico mensual como ATA = P - (TotalQ +
AET) se muestra en la Figura 22 para el período de referencia y el escenario futuro. La ecuación de ATA es
simple y se ha usado para varios propósitos (Kwadijk, 1993; Milly, 1994). En un artículo reciente, Thapa et
al, (2016) demostraron que las estimaciones a escala de cuenca para el balance de agua obtenido con
SWAT son exitosas. Su estudio se centró en el uso de tres modelos hidrológicos (SWAT, HBV y BTOPMC)
para analizar los componentes del balance hídrico y sus variaciones temporales y estacionales. SWAT fue
mejor que los otros dos modelos, al capturar los patrones de flujo en la mayoría de las estaciones. Para la
cuenca del río Cauto, ATA muestra valores positivos durante la estación lluviosa (mayo-octubre) y
negativos durante la estación seca (Figura 22). El almacenamiento negativo también se observa en julio
durante la temporada de la MSD. En general, se encuentra un buen acuerdo entre ATA y la lluvia en las
dos subcuencas. Durante el período de referencia, el ATA varía de +45 mm a -7 mm en la subcuenca de La
Fuente, mientras que en Las Coloradas; ATA varía de +57 mm a -26 mm. Esto implica que la subcuenca de
La Fuente puede almacenar un poco más de agua en la estación lluviosa, que luego se usa durante la
estación seca, mientras que la respuesta de escurrimiento más rápida en Las Coloradas impide un mayor
almacenamiento en la estación lluviosa y libera menos durante los períodos secos.
En el futuro cercano, el ciclo anual de ATA es similar al período de referencia, pero es más bajo
durante el verano, especialmente en La Fuente (Figura 22a); se observa un valor positivo a principios del
invierno (enero, febrero, marzo) en ambas subcuencas. Este comportamiento en el almacenamiento
podría estar relacionado con la reducción de la precipitación durante el verano y el ligero aumento de la
precipitación en el invierno boreal (Figura 20). En promedio, el ATA anual podría fluctuar en el futuro de
+30 mm a -2 mm en La Fuente y de + 35 mm a -12 mm en la subcuenca Las Coloradas. Los datos de ATA
proporcionan una importante fuente de información para la simulación del ciclo hidrológico en las
subcuencas y pueden dar una estimación aproximada de las variables hidrológicas para el futuro. Sin
embargo, estos escenarios deben tomarse con precaución ya que se basan en un solo MCR; además,
RegCM4.3 tiene sus propias incertidumbres basadas en los sesgos históricos y que se han mencionado
antes en este trabajo. Por lo tanto, los escenarios presentados aquí representan un posible futuro y la
metodología sirve como guía para investigaciones hidroclimáticas en esta región.
53
Figura 22. Almacenamiento mensual total de agua (ATA) para a) La Fuente y b) Las subcuencas de Las Coloradas para el período de referencia (1970-2000) y el período futuro (2015-2039) bajo el escenario de emisiones RCP8.5.
54
Capítulo 5. Resultados: Baja California
5.1 Cuenca del Río Guadalupe, México
Como se mencionó en la Sección 3, el modelo SWAT fue calibrado y validado con observaciones para la
cuenca del Río Guadalupe por Molina-Navarro et al, (2016). En el presente estudio, actualizamos la
calibración realizada por estos autores para determinar los parámetros más sensibles en la región. Una
vez re-calibrado, el SWAT se forzó con el RegCM4.3 en el periodo histórico (1970-2000) y el período futuro
(2015-2039) para cuantificar el impacto potencial del clima en la hidrología de esta cuenca. En este estudio
el modelado hidrológico se estableció en la "cuenca alta del Río Guadalupe" que tiene una extensión de
1.577 km2 y desemboca en la estación hidrométrica Agua Caliente (Figura 23), esto nos permite estimar la
cantidad de agua que recibe el Valle de Guadalupe aguas abajo.
Figura 23. Ubicación de la cuenca alta del Río Guadalupe. División de las subcuencas y ubicación de las estaciones
climáticas y estación hidrométrica Agua Caliente.
55
5.2 Parámetros sensibles durante la calibración de SWAT
El análisis de sensibilidad mostró los parámetros más influyentes que controlan la hidrología en la cuenca
alta del Río Guadalupe (Tabla 11), consistente con Molina-Navarro et al, (2016); de manera sintetizada
aquí se describen los más importantes.
El número curva (CN2) del Servicio de Conservación de Suelos de Estados Unidos resultó el más
sensible; otros parámetros que mostraron alta sensibilidad fueron el factor de compensación de la
evaporación del suelo (ESCO), el umbral profundidad del agua en el acuífero superficial requerida para el
flujo de retorno (GWQMN), la conductividad hidráulica efectiva (CH K2), la conductividad hidráulica
saturada de suelos (SOL K) y el coeficiente de recesión de flujo base (ALPHA BF). La alta sensibilidad de
GWQMN, CH K2 y ALPHA BF revela la importancia del sistema de agua subterránea en la hidrología de esta
cuenca.
La conductividad hidráulica (SOL K), a pesar de ser un parámetro del suelo, tiene una conexión
directa con el agua subterránea ya que es una medida de la facilidad de movimiento del agua a través del
suelo (Arnold et al, 2011), que finalmente llega al acuífero superficial. La sensibilidad de ESCO concuerda
con la importancia de la evaporación (alta tasas de evapotranspiración) en áreas con clima mediterráneo.
Resultados similares del análisis de sensibilidad se han encontrado en cuencas semiáridas del suroeste de
los Estados Unidos (Ficklin et al, 2013b; Niraula et al, 2012, 2015) y en cuencas de clima mediterráneo (De
Girolamo y Lo Porto, 2012; Galván et al, 2009; Molina-Navarro et al, 2014b).
El coeficiente de revaporación del agua subterránea (GW REVAP) y la profundidad umbral del agua
en el acuífero poco profundo para "revap" (REVAPMN) no mostraron alta sensibilidad, pero fueron
incluidos en la calibración debido a la gran importancia para el flujo base y la evapotranspiración en áreas
bajo clima mediterráneo, como lo recomendó Molina-Navarro et al, (2015).
56
Tabla 11. Rango de valores iniciales para los parámetros ajustados y los valores mejor ajustados después de la calibración con el método de incertidumbre SUFI2 para la cuenca Guadalupe.
Guadalupe
Parámetro Descripción Rango inicial
Mejor valor
ALPHA_BF (days) -Coeficiente de
recesión para caudal base
0-1 0.0441
CH_K2 (mm h-1) -Conductividad
hidraúlica efectiva del canal principal
0-130 89.4
CN2 -Curve number for soil moisture condition II
53.9-113.1 20-70
ESCO -Factor de
compensación de la evaporación del suelo
0-1 0.05
GW_REVAP -Coeficiente de agua
subterránea 0.02-0.2 0.16
GWQMN (mm)
- Profundidad del umbral de agua en el acuífero superficial
requerida para que el flujo de retorno se
produzca
0-2000 370
RCHRG_DP -Fracción de la
percolación profunda del acuífero
0.01-30 0.13
REVAPMN (mm) - Profundidad del
umbral de agua en el acuífero superficial
0-1000 339
SOL_AWC
(mm H2O/mm soil)
-Capacidad de agua disponible en el suelo
0 -0.17 0-0.22
SOL_Z (mm) -Depth from soil
surface to bottom of layer
102–1524 125–1872
SOL_K (mm h-1) -Conductividad
hidráulica saturada 0-550 0-113
SURLAG (days) -Escorrentía superficial
0.1-24 0.28
57
5.3 Calibración y validación
Los resultados de la recalibración realizados en este estudio mostraron mejoras en comparación con las
estadísticas de rendimiento reportadas por Molina-Navarro et al, (2016). Los resultados indican un buen
ajuste de acuerdo con NSE (0.70), R2 (0.67) y PBIAS (-23%). El rendimiento de la recalibración puede
describirse como "buena" (Moriasi et al, 2007), lo que garantiza una buena simulación del caudal a nivel
de cuenca. Las descargas observadas y simuladas en la cuenca de Guadalupe durante los períodos de
calibración y validación se muestran en la (Figura 24). SWAT reproduce las descargas observadas y su
magnitud en el tiempo, aunque subestima un tanto, algunos flujos máximos.
Figura 24. Precipitación y descargas diarias observadas y simuladas durante a) calibración (1976-1981) y b) validación (1982-1986) para la cuenca del Río Guadalupe.
58
5.4 Análisis de simulaciones históricas
La Figura 25 muestra la variación interanual de la precipitación en la cuenca de Guadalupe para el período
de referencia 1970-2000; la precipitación media anual es aproximadamente de 273 mm y se observa una
gran variabilidad anual, con periodos secos persistentes y algunos años muy lluviosos. Las descargas son
altamente estacionales con la mayor parte de la precipitación en invierno. A escala anual, los años
húmedos y secos se clasificaron usando anomalías de precipitación estandarizada (Z) utilizando ± 1
desviación estándar (Z); donde la anomalía está definida como la precipitación media anual de las
estaciones en cada región menos la climatología media para el periodo de 1970 a 2000 dividida entre su
desviación estándar.
Los años en los que se observaron anomalías positivas (> 1 desviación estándar) son 1978, 1980, y
1983, y de 1988 al 2000 fue un periodo de sequías persistente ya que la precipitación anual estuvo por
debajo de la media. Es importante destacar que el periodo seleccionado para llevar a cabo el modelado
en esta cuenca (1973-1986) es el más húmedo del periodo de estudio (1970-2000). Esto podría tener
implicaciones para las predicciones del balance de agua, ya que en esta cuenca prevalecen
mayoritariamente los períodos secos por lo que es posible que el modelo no capture por completo la
dinámica hidrológica ante eventos de flujos bajos. Se seleccionó el periodo de 1973-1986 porque era el
que tenía más datos observados de descarga.
Figura 25. Variación interanual de la precipitación en la cuenca del Río Guadalupe durante el periodo 1970-2000. La línea horizontal negra representa los valores medios durante el período 1970-2010 y las líneas punteadas ±1 desviación estándar.
59
5.5 Evaluación histórica de RegCM4.3
La Figura 26 muestra los ciclos anuales de precipitación y temperaturas utilizando los datos observados y
de los dos modelos (RegCM4.3 y HadGEM2-ES) en la cuenca del Río Guadalupe, Baja California. Los
resultados indican que el modelo regional RegCM4.3 simula razonablemente el patrón estacional en el
área de estudio, especialmente a principios del año que es cuando llueve más. Aquí se observa un valor
agregado del modelo regional en relación con el modelo global forzante (HadGEM2-ES) que subestima
significativamente la lluvia invernal. Aunque de septiembre a octubre RegCM4.3 sobrestima, sigue muy
bien el patrón del ciclo anual, consistente con lo documentado por Fuentes-Franco et al, (2013). Estos
autores encuentran que las simulaciones que utilizan la parametrización de Emanuel sobreestiman la
precipitación sobre el norte de México. Las salidas del RegCM4.3 del dominio CORDEX CAM utilizadas en
esta tesis son las mismas que las de Fuentes-Franco et al, lo que podría explicar el sesgo húmedo que se
observa en el área de estudio. Tanto el RegCM4.3 como el HadGEM2-ES tienden a subestimar la
temperatura máxima y a sobreestimar la temperatura mínima. Las temperaturas máximas más altas
ocurren durante el verano y ambos modelos apuntan a julio y agosto como los meses más calurosos,
consistentes con las observaciones, pero RegCM4.3 subestima significativamente la temperatura máxima
en 4 °C durante el verano, lo que podría tener un impacto en el balance hídrico.
60
Figura 26. Ciclo anual en la cuenca del Río Guadalupe a) Precipitación (mm), b) Temperatura media (° C), c) Temperatura mínima (° C) y d) Temperatura máxima (° C) según las observaciones (clima estaciones y CRU) y modelos (RegCM4.3 y su modelo global forzado, HadGEM2-ES) para el periodo 1970-2000.
61
5.6 Impacto del cambio climático en la hidrología de la cuenca
La Figura 27 muestra los cambios futuros (2015-2039 relativos a 1970-2000) de la precipitación y la
temperatura en la cuenca del Río Guadalupe derivadas de RegCM4.3 bajo el escenario climático más
extremo (RCP8.5). Las proyecciones sugieren que la precipitación seguirá siendo similar o incluso mayor;
con aumento en verano y reducción en otoño. Esto es consistente con reportes de otros autores que han
trabajado en la región (Cavazos y Arriaga-Ramírez, 2012; Fuentes-Franco et al, 2014; Torres-Alavez et al,
2014). La temperatura aumenta en todos los meses lo que podría tener efectos significativos en la
reducción de la escorrentía por el consecuente aumento de la evapotranspiración potencial. Se prevé que
el clima promedio durante 2015-2039 sea ligeramente más húmedo (8%) y más cálido (+ 1.2 °C) en relación
con 1970-2000.
Los escenarios futuros de SWAT indican que los cambios en la precipitación y la temperatura podrían
afectar negativamente el flujo total (TotalQ) en la cuenca de Guadalupe -36% (Tabla 12). Se observa a
escala mensual (Figura 28) una reducción bastante constante en algunos meses de otoño, invierno y
primavera, mientras que en verano se espera un aumento en el caudal (Figura 28). La evapotranspiración
Figura 27. Cambios futuros en la precipitación media mensual a) y b) temperatura para la cuenca del Río Guadalupe según el modelo regional RegCM4.3 bajo el escenario RCP8.5 para 2015-2039 con respecto a 1970-2000.
62
real (AET) aumenta (16%) en el escenario de RCP8.5 asociado con el aumento de la temperatura media y
pudiera estar asociado con mayor contenido de humedad del suelo provocado por el ligero aumento de
la precipitación que se proyecta en los meses de invierno y verano en el futuro.
Se espera que la recarga total del acuífero disminuya significativamente con el cambio climático en
el corto plazo (-55%) bajo el escenario RCP8.5 para 2015-2039 en comparación con el período histórico
(1970-2000). La disminución de la precipitación en otoño puede explicar esto, debido a que la recarga del
acuífero comienza en otoño en esta cuenca. En verano, la precipitación aunque aumenta ligeramente sigue
siendo similar, cuando casi toda el agua se pierde a través de AET, no permitiendo la recarga del acuífero
y, en consecuencia, el flujo base. Estos resultados son consistentes con lo planteado por Campos-Gaytan
et al, (2014) que predijeron una disminución de los niveles de agua subterránea en el acuífero Guadalupe
bajo condiciones futuras de menor precipitación.
Tabla 12. Escenarios histórico y futuro de los componentes medios anuales del balance hídrico (mm) y el porcentaje anual (%) de cambios en la cuenca de Guadalupe. El cambio porcentual es para 2015-2039 en relación con 1970-2000.
Componente RegCM4.3 (Histórico)
(1970-2000)
RegCM4.3 (RCP 8.5)
(2015-2039) Cambio (%)
Guadalupe
P 473 511 8
PET 1542 1691 9
AET 179 209 16
Total Q 263 170 -35
SURQ 49 21 -57
LATQ 93 102 10
GWQ 121 47 -60
63
Figura 28. Cambios futuros en los componentes del balance hídrico para la cuenca del Río Guadalupe en el escenario RCP8.5 para el período 2015-2039 con respecto al período de referencia (1970-2000) .P es la precipitación, ET es evapotranspiración real, y TotalQ es flujo total. Los cambios mensuales son relativos a su contribución anual.
64
Capítulo 6. Discusión y Conclusiones
En el presente estudio, la modelación hidrológica indicó cuales son los parámetros que dominan la
dinámica hidrológica de las dos cuencas estudiadas. El flujo de agua en la cuenca del Río Cauto es
controlado por los parámetros de escorrentía superficial, mientras que en la del Río Guadalupe destacan
los procesos de flujo base. Este resultado resalta la versatilidad de SWAT para simular con éxito diferentes
procesos hidrológicos en diversas regiones del mundo, y es consistente con las conclusiones de estudios
previos (Fukunaga et al, 2015; Malago et al, 2015; Shter et al, 2010).
Los valores finales de los parámetros calibrados son muy diferentes entre las dos regiones y
describen los procesos hidrológicos de acuerdo con las observaciones de precipitación y flujo de agua. En
la cuenca del Río Guadalupe los parámetros de flujo lateral tienen poco impacto en el rendimiento global
del balance hídrico, consistente con la baja precipitación en esta zona de clima mediterráneo, lo que
favorece el flujo de agua subterránea, limitando el flujo lateral y la escorrentía. Sin embargo, un
comportamiento diferente ocurre en las subcuencas del Río Cauto, localizadas en una región tropical
donde la precipitación es casi 5 veces mayor que en Guadalupe y donde el mayor aporte al balance hídrico
es recibido por el escurrimiento superficial. Además, hay otros factores que entran en juego como las
diferencias fisiográficas, geológicas y climáticas que se presentan en cada región.
En la cuenca del Río Cauto los valores de ESCO varían entre 0.28-0.62 siendo concordante con lo
reportado por otros autores que han trabajo en cuencas tropicales (Pinto et al, 2013; Strauch et al, 2012).
En Guadalupe, el ESCO se acerca a 0.05, consistente con las altas tasas de evapotranspiración que se
presentan en áreas con clima mediterráneo. En algunos trabajos realizados en cuencas mediterráneas, se
ha encontrado resultados similares (Galván et al, 2009; Molina-Navarro et al, 2014b). Por lo tanto, el hecho
que el valor de ESCO en Guadalupe fuera mucho más bajo que en las subcuencas del Río Cauto es
razonable.
Los rangos de los parámetros SOL_AWC y SOL_K también son muy diferentes entre las dos regiones.
La cuenca del Río Guadalupe presenta altas variaciones en las características hidráulicas del suelo
(SOL_AWC y SOL_K); con incrementos en la conductividad, lo que está altamente relacionado con la
presencia de los acuíferos Cuaternarios Ojos Negros y Real del Castillo, que cubren una superficie de
aproximadamente 200 km2 en la parte sur del área de estudio. La conductividad hidráulica (SOL K), a pesar
de ser un parámetro del suelo, también tiene una conexión con el agua subterránea y es una medida de
la facilidad de movimiento del agua a través del suelo (Arnold et al, 2011). El valor calibrado en la cuenca
65
del Río Guadalupe revela una respuesta intermedia, que coincide con las características hidrogeológicas
del área en su porción más alta, donde los acuíferos relevantes son aluviales, no confinados y detríticos,
con un factor de recarga notable.
Por su parte la cuenca del Río Cauto se caracteriza por una disminución en los valores de los
parámetros hidráulicos del suelo (contenido de agua disponible y conductividad hidráulica). Esto puede
ser explicado por un mayor potencial de producción de escurrimiento en las elevaciones medias y altas,
además de que las propiedades físicas del suelo con bajo coeficiente de infiltración, no favorecen la
recarga.
El coeficiente de Gw_Revap describe la cantidad de agua que se mueve desde el acuífero superficial
hasta las raíces. En las dos subcuencas del Río Cauto y en la cuenca del Río Guadalupe se obtuvo un valor
cercano a 0, reflejando un movimiento restringido del agua desde el acuífero superficial hasta las raíces.
Esta coincidencia puede estar relacionada con el uso de la tierra, en particular con áreas cubiertas por
bosques, donde es más probable que el agua de los acuíferos pocos profundos se pierda por
evapotranspiración (Heuvelmans et al, 2004).
En este estudio aparte de entender las diferencias en la generación de escorrentía en cada región a
través de la parametrización del modelo hidrológico, estudiamos las diferencias climáticas entre las dos
regiones por la importancia para el proceso de modelación precipitación-escorrentía (Pilgrim et al, 1988).
La cuenca del Río Guadalupe se caracteriza por tener un clima mediterráneo con lluvias que se registran
principalmente en invierno que es cuando el sistema de alta presión que se sitúa en el Océano Pacífico
subtropical, frente a esta región, se debilita permitiendo así la entrada de sistemas convectivos y frentes.
Algunos de estos sistemas son modulados por el fenómeno de El Niño/Oscilación del Sur y por la Oscilación
Decenal del Pacífico (ODP) (e.g. Gershunov y Barnett, 1998; Pavía y Badán, 1998; Pavía y Graef, 2002;
Cavazos y Rivas, 2004; Pavía et al, 2006). Las temperaturas son bajas en invierno y muy altas en verano,
estudios recientes del cambio climático sugieren posibles aumentos de la temperatura máxima entre 4 y
5°C en la temperatura máxima extrema en el noroeste de México para finales del siglo XXI (Cavazos et al,
2013a).
En contraste, la cuenca del Río Cauto es muy húmeda, debido a su topografía, la influencia de
sistemas tropicales del Atlántico y el paso de frentes fríos, generando lluvias casi todo el año (Planos et al,
2012). La temperatura media anual varía desde 24°C en las llanuras hasta 26°C en las costas orientales, y
menores de 20°C en las partes más altas de la Sierra Maestra. A pesar de su condición tropical, durante el
66
año se presenta cierta estacionalidad en el régimen térmico, con dos temporadas conocidas como verano
(lluviosa), de mayo a octubre, siendo julio y agosto los meses más calurosos; e invierno (poco lluviosos),
de noviembre a abril, con enero y febrero son los meses más fríos. Estas diferencias, que ocurren en escalas
de tiempo y espacio diferentes, generan una distribución desigual del clima, del agua y del impacto de los
fenómenos naturales y desastres en ambas regiones. En este sentido la Zona de Convergencia Intertropical
(ZCI) juega un papel muy importante en la modulación del clima, así que en esta tesis también verificamos
como era simulada por el modelo climático regional (RegCM4.3). En la Figura 29 se muestran dos mapas
del promedio de precipitación en la estación típica de lluvias de verano (mayo-octubre) en casi todo el
dominio, con excepción de Baja California; y las lluvias de la temporada seca (noviembre-abril) para el
periodo histórico de 1970-2000 en el dominio CORDEX Centroamérica. Es interesante resaltar que
RegCM4.3 reproduce adecuadamente los patrones de humedad de invierno y verano, dejando ver
claramente que la temporada húmeda en la cuenca del Río Cauto corresponde a la seca en Guadalupe y
viceversa. Durante el verano, el RegCM4.3 (Figura 29) ubica la ZCI alrededor de los 10°N donde aparece la
mayor convergencia de humedad, mientras que en invierno se aleja de las costas del Pacífico de México y
Centro América.
67
Los resultados de la aplicación, calibración y validación del modelo hidrológico SWAT en las dos
subcuencas del Río Cauto fueron entre satisfactorios y buenos; el modelo fue capaz de representar bien
los flujos máximos mensuales en la mayoría de los casos, pero la descarga no se estimó con precisión
durante los períodos de bajo flujo. Los criterios utilizados para la evaluación del modelo mostraron que
SWAT simuló bien el caudal durante los periodos de calibración y validación, excepto para la validación en
la subcuenca Las Coloradas. La habilidad relativamente baja del modelo en Las Coloradas se asoció
parcialmente con las funciones objetivas o índices de rendimiento utilizados para calibrar el modelo, que
Figura 29. Mapa de promedio de precipitación (mm/d) en la estación típica de a) lluvias de verano (mayo-octubre) y b) la seca invernal (noviembre-abril) para el período 1970-2000. La abreviatura ZCI indica la posición de la Zona de Convergencia Intertropical según el RegCM4.3 y los cuadros rojos la ubicación de las regiones de estudio.
68
dependen más de las características de inundación (Zhang et al, 2015), especialmente NSE. Sin embargo,
se utilizó esta métrica porque los eventos de flujo máximos son una característica muy importante en
regiones tropicales y además, NSE es la estadística de rendimiento más utilizada en la literatura SWAT.
También hay factores físicos que pueden explicar el bajo rendimiento de SWAT en una región tropical. En
primer lugar, la longitud limitada del conjunto de datos de observación, que no incluye todos los tipos de
eventos durante los periodos de calibración y validación (Stehr et al, 2015). En segundo lugar, los valores
de los parámetros pueden cambiar (de la calibración al período de validación) debido a diferencias en la
vegetación y condiciones climáticas (Merz et al, 2012). A pesar del desempeño modesto en la subcuenca
Las Coloradas durante el período de validación, el rendimiento general durante el período de calibración
varió de "bueno" a "satisfactorio" en las dos subcuencas, esto justifica que el modelo calibrado es
adecuado y puede utilizarse para estudiar los posibles impactos del cambio climático en la disponibilidad
de agua.
Partiendo del modelo calibrado a escala mensual para las subcuencas del Río Cauto se demostró
que el modelo reproduce bien los rasgos importantes de la hidrología de la región. Es importante hacer
notar que no se calibró el modelo utilizando información de escala temporal diaria tan importante para
muchos procesos hidrológicos, debido a la falta de datos diarios de caudal. Sin embargo, como el objetivo
en esta tesis fue evaluar el impacto del cambio climático futuro en la disponibilidad del agua y no los
procesos hidrológicos de alta frecuencia en detalle, la calibración mensual fue suficiente.
Las simulaciones históricas del RegCM4.3 en la cuenca del Río Cauto mostraron una subestimación
de la precipitación veraniega en comparación con los datos de las estaciones, pero mejoraron la
precipitación en comparación con su modelo global forzado (HadGEM2-ES). Es probable que la
subestimación de RegCM4.3 esté relacionada con la representación deficiente de algunos componentes
del ciclo hidrológico (humedad del suelo, flujos de superficie y tipos de vegetación, parametrización
convectiva) como lo explican Martínez-Castro et al (2017). Otros modelos climáticos regionales, como
PRECIS, también tienden a subestimar la precipitación en las islas del Caribe (Centella et al, 2015). La
compleja interacción entre las islas pequeñas y el océano también puede ser un factor limitante.
En este estudio, encontramos que el impacto del cambio climático se podría traducir en la
disminución de la precipitación y de los componentes del balance hídrico durante la estación húmeda de
mayo a octubre, y podría aumentar ligeramente la precipitación durante el invierno boreal. Estos
resultados son consistentes con las proyecciones documentadas por otros modelos para el Caribe
(Karmalkar et al, 2013; Taylor et al 2007). La respuesta a la precipitación proyectada en el escenario de
69
emisiones RCP8.5 sugiere que las condiciones secas podrían intensificarse durante el verano en la cuenca
del río Cauto en el futuro cercano. Los escenarios futuros para la temperatura fueron todos positivos, pero
el aumento fue mayor durante el verano (> 1.4 °C) que en invierno, lo que podría tener efectos negativos
en el flujo total de la corriente. La respuesta hidrológica a los impactos combinados de los cambios de
temperatura y precipitación provocaría escasez de agua (como lo sugiere la simulación SWAT) y la
necesidad de una mejor y más eficiente planificación del suministro de agua a corto plazo en las
subcuencas. Los hallazgos presentados aquí, basados en simulaciones SWAT, sugieren una reducción
significativa en la disponibilidad de aguas superficiales y subterráneas en las dos subcuencas en el futuro
cercano (2015-2039 en relación con el período de referencia), con las mayores disminuciones esperadas
durante la estación lluviosa (en boreal verano). Las diferencias en las proyecciones hidrológicas futuras en
comparación con las condiciones históricas son notables. En promedio, la reducción en la descarga podría
estar cerca de -50% en La Fuente y -62% en Las Coloradas. El modelo también sugiere una reducción de la
recarga del acuífero de -57% en La Fuente y -59% en Las Coloradas, con efectos sobre la contribución del
flujo de agua subterránea. Estos cambios pueden ser impulsados por una disminución en la precipitación
en la mayoría de los meses y un alto porcentaje de pérdida de agua a través de AET.
Además, los valores estimados de ATA revelan disminuciones en el almacenamiento de agua
durante el verano y un cambio de almacenamiento pequeño, pero positivo, en el invierno boreal, lo que
sugiere que deben tenerse en cuenta las fluctuaciones estacionales de los componentes del balance
hídrico. Sin embargo, estos resultados deben tomarse con cautela teniendo en cuenta las debilidades ya
mencionadas del modelado SWAT durante condiciones secas y durante grandes flujos máximos, que
pueden no capturar completamente la dinámica del sistema hidrológico (Molina-Navarro et al, 2016).
En la segunda parte de esta tesis, SWAT mostró un buen desempeño en la cuenca superior del río
Guadalupe a pesar de las debilidades del modelo para predecir el escurrimiento en cuencas con clima
semiárido. Las predicciones de balance de agua y componentes de flujo fueron satisfactorias. El modelo
fue inexacto durante algunos períodos de bajo flujo, sobreestimando las descargas. Es posible que el
modelo no capte por completo la dinámica del agua subterránea y evapotranspiración en la cuenca.
Las simulaciones históricas de RegCM4.3 mostraron que el modelo se desempeñó bien en la cuenca
del Río Guadalupe al capturar la precipitación y la temperatura de forma realista. Aunque, sobreestima la
precipitación y subestima la temperatura sigue bien el patrón del ciclo anual. Ambos sesgos también se
observaron en las simulaciones de MCG utilizados en esta región (Cavazos y Arriaga-Ramírez, 2012; Torres-
Alavez et al, 2014) y MCR (Fuentes-Franco et al, 2014), pero la estimación de la lluvia de RegCM4.3 es
70
mucho mejor que las de los modelos globales, los cuales la subestiman significativamente la precipitación,
sobre todo en invierno.
Para el futuro, RegCM4.3 sugiere la posibilidad de condiciones más húmedas durante el verano,
mientras que podrían ser un poco más secas en el otoño. En contraste con los resultados del RegCM4.3,
los cambios en la precipitación proyectados por MCGs para finales del siglo 21 también indican que se
pueden esperar condiciones secas en otoño, esto último consistente con lo reportado con datos del
Proyecto de Intercomparación de Modelos Acoplados Fase 3 (CMIP3) por varios autores (e.g. Seager et al.
2010; Cavazos y Arriaga-Ramírez, 2012) y del Proyecto de Intercomparación de Modelos Acoplados Fase 5
(CMIP5) (Torres-Alavez, 2012; Colorado-Ruiz et al, 2018). El modelo proyecta un calentamiento de más de
1.2 °C, lo cual está en correspondencia con lo reportado por otros autores (e.g. Maloney et al. 2013;
Colorado-Ruiz et al, 2018) que han encontrado cambios drásticos en la temperatura a nivel regional.
El escenario de cambio climático evaluado en esta tesis indica que en la cuenca de Guadalupe podría
haber un impacto notable en las descargas de los ríos, disminuyendo alrededor de -36%. Este resultado es
consistente con otros estudios de la región que han señalado una reducción del caudal anual en cuencas
cercanas (Ficklin et al, 2013c; Georgakakos, 2014; Molina-Navarro et al, 2016).
El modelo también proyectó una reducción de la recarga del acuífero (hasta -24%) con su
consiguiente efecto en la contribución del flujo de agua subterránea, probablemente impulsado por el
cambio en el patrón de la precipitación y el mayor porcentaje de pérdida de agua por AET. Los impactos
simulados del cambio climático pueden tener fuertes implicaciones en esta región donde los recursos
hídricos ya están bajo fuerte presión tanto del sector agrícola como del público.
Este trabajo tiene algunas limitaciones, que en estudios futuros se pueden reducir al considerar
algunos de los siguientes problemas. 1) El impacto del cambio climático que abordamos aquí solo utiliza
un modelo hidrológico (SWAT) y dos variables de forzamiento (precipitación y temperatura), descuidando
otros factores atmosféricos cercanos a la superficie, que podrían afectar la generación de la escorrentía.
2) La distribución de la lluvia en SWAT se realiza asociando cada subcuenca con la estación de medición de
flujo más cercana a su centroide. Partiendo de esta metodología, SWAT fue forzado con los datos de salida
de RegCM4.3 con datos de una estación virtual de medición cercana a las estaciones de observación en
cada subcuenca. Esto último es un punto débil de la metodología, pues la representatividad espacial de la
lluvia pudiera verse comprometida al no proporcionar suficiente detalle del clima espacial para capturar
la heterogeneidad de los procesos hidrológicos. 3) Los parámetros SWAT utilizados durante el período de
71
calibración se mantuvieron iguales para las simulaciones de escenarios históricos y futuros. Esta suposición
podría generar incertidumbres en simulaciones de escenarios dependiendo de la magnitud de los cambios
tecnológicos y climáticos futuros. 4) El uso agrícola genérico de SWAT con operaciones de gestión
predeterminadas podría ser otra debilidad del modelo; la no especificación de los tipos de cultivos y las
prácticas de manejo en la región de estudio pueden conducir a errores, particularmente con respecto a la
evapotranspiración. Resultados recientes (Pierini et al, 2014; Qiao et al, 2015) han demostrado que los
parámetros biofísicos detallados de las especies de cultivo pueden mejorar el rendimiento de modelos
distribuidos como SWAT y reducir la incertidumbre del modelo. Sin embargo, el uso de la tierra en nuestras
dos subcuencas calibradas está dominado por bosques y pastos, mientras que la agricultura es menor. 5)
Se aplicaron simulaciones RegCM4.3 a SWAT sin una corrección de sesgo, que tiene ventajas (Hawkins et
al, 2015; Robles-Morua et al, 2014) y desventajas (Ehret et al, 2012). 6) SWAT fue forzado con un único
MCR (RegCM4.3 forzado con HadGEM2-ES) y un escenario de emisión único (RCP8.5). Sin embargo, en
nuestro caso particular, antes del año 2050, todos los escenarios de proyección RCP son muy similares
(Cubash et al, 2001) lo que en este caso justifica el uso de un único escenario de emisión. Además, los
resultados climáticos presentados aquí son consistentes con otros estudios para la región del Caribe
basados en diferentes MCR (Martínez-Castro et al, 2017) y MCG (Taylor et al, 2017) y de Baja California
(Cavazos y Arriaga-Ramírez 2012; Fuentes-Franco et al, 2015; Colorado et al, 2018).
Finalmente, los resultados obtenidos en esta tesis se pueden resumir de la siguiente manera:
Cuenca del Río Cauto
1) Según las proyecciones futuras, la temperatura en toda la cuenca del Río Cauto sugiere aumentos
regionales de 1.5 °C en la temperatura media anual y una disminución en la precipitación media anual de
18%, con las mayores disminuciones esperadas durante la temporada de verano.
2) Bajo estas condiciones, los recursos hídricos superficiales en la cuenca del Río Cauto pueden
experimentar cambios considerables. Con base en las proyecciones de RCP8.5, la reducción promedio en
la descarga podría ser cercana al -53% en la mediana altitud (La Fuente) y al 61% en las subcuencas de
altura (Las Coloradas). El modelo SWAT también sugiere una reducción de la recarga del acuífero de -52%
en La Fuente y -63% en Las Coloradas, con efectos sobre la contribución del flujo de agua subterránea.
Estos cambios pueden ser impulsados por una disminución en la precipitación en la mayoría de los meses,
pero especialmente durante el verano, y un alto porcentaje de pérdida de agua a través de AET.
72
Cuenca del Río Guadalupe
1) Según las proyecciones futuras, la temperatura podría tener incrementos regionales de 1.2 °C y la
precipitación media anual de un 8%, con cambios positivos durante la temporada de verano e invierno.
2) Los escenarios de cambio climático con base en las proyecciones de RegCM4.3 mostraron un impacto
notable en las descargas, disminuyendo alrededor de 36%. El modelo SWAT también sugiere una
reducción de la recarga del acuífero de -24%, con efectos en la contribución del flujo de agua subterránea.
3) En esta región, el modelo proporciona algunas pautas para los tomadores de decisiones sobre cómo el
cambio climático podría afectar la disponibilidad de agua, sirviendo como una herramienta para probar
otros escenarios.
De manera general y a la vista de los resultados, las proyecciones hidroclimáticas que se muestran
aquí representan posibles escenarios para la cuenca del Río Cauto y la cuenca del Río Guadalupe para el
futuro cercano; estos resultados proporcionan directrices para los responsables de la toma de decisiones
sobre cómo el cambio climático puede afectar la disponibilidad de agua en estas regiones. Además, el
conocimiento de un posible aumento de aproximadamente 1.5 °C y una posible reducción de las descargas
en estas cuencas durante el periodo 2015-2039 (relativo al período base) es estratégico para implementar
acciones de adaptación frente al cambio climático en las dos cuencas estudiadas. En cada región, el
impacto del cambio climático es diferenciado y su impacto sobre la productividad de agua depende, en
gran medida, de la distribución espacial y temporal de las anomalías de temperatura, precipitación y de
las características de la demanda de agua en estas cuencas.
Los resultados del análisis de sensibilidad obtenido con el modelo SWAT muestran claramente la
capacidad para describir las características físicas en la hidrología de las regiones, además los parámetros
obtenidos muestran una buena representación de los mecanismos de generación de escorrentía entre las
dos cuencas estudiadas. A pesar de la incertidumbre en las predicciones del MCR y del SWAT, se utilizó
una metodología de modelación que constituye un enfoque válido para aumentar la confiabilidad tanto
de las proyecciones climáticas como hidrológicas, al usar un modelo hidrológico distribuido forzado por
un MCR. Antes de esta investigación, no se disponía de un enfoque de modelado similar (SWAT con
RegCM4.3) en estas cuencas; las herramientas utilizadas aquí pueden transferirse a los administradores
de los recursos hídricos y los científicos de las regiones, los cuales pueden mejorar la metodología para
73
reducir las incertidumbres mediante el uso de diferentes parámetros SWAT y otros modelos regionales y
escenarios de emisiones.
74
Capítulo 7. Recomendaciones
La metodología utilizada en esta tesis para determinar los posibles impactos del cambio climático en la
hidrología de diferentes cuencas, puede ser implementada en otras regiones. Particularmente, en aquellas
donde se cuente con información suficiente referente a datos hidrológicos, meteorológicos y cartografía
básica. Proponemos utilizar dos herramientas disponibles para realizar este tipo de estudio; la
implementación del modelo hidrológico (SWAT) y la utilización de un MCR (RegCM4.3 por ejemplo). Esta
metodología es un punto de partida para establecer nuevas proyecciones hidroclimáticas en cuencas de
interés nacional en Cuba y México.
Este estudio representa el primer esfuerzo de modelación hidroclimática combinando el modelo
hidrológico SWAT con el modelo climático RegCM4.3 para generar proyecciones hidroclimáticas regionales
con en la cuenca del Río Cauto y en la cuenca del Río Guadalupe. Los resultados presentados aquí podrían
mejorarse en un futuro con información suplementaria (datos diarios del caudal y de otras variables
fisiográficas y de uso de suelo) que ayuden a generar un modelo calibrado y validado con estimaciones
más precisas.
Considerar un modelo que incluya más estaciones hidrológicas en las cuencas, para poder obtener
una representación espacial más exacta.
Utilizar los resultados de la parametrización del modelo en cada región y realizar una
generalización para otras cuencas de interés en la hidrología de Cuba y México.
Mejorar las proyecciones hidrológicas considerando ensambles de varios MCR para las variables
precipitación, temperatura máxima y mínima, como entrada al modelo hidrológico SWAT a escala de
cuenca. O utilizar salidas del MCR a una escala espacial más fina.
Caracterizar las regiones de estudio analizando la tendencia de los eventos extremos de
precipitación y diarias y su contribución a la variabilidad de la precipitación interanual en el siglo XX y XXI.
75
7.1 Trabajo futuro
La motivación principal de esta tesis es la contribución al conocimiento del sistema hidrológico de la
cuenca del Río Cauto en el sureste de Cuba y en la cuenca del Río Guadalupe en el noroeste de México. En
ese sentido, el trabajo futuro estará encaminado a asimilar los resultados de nuestro trabajo y transferirlos
a los administradores de los recursos hídricos en estas regiones. Planeamos incluir más escenarios de
emisión, exploraremos la combinación de MCR que capturen los rangos esenciales del clima en las
regiones de estudio. Con el fin de establecer un marco de referencia sobre los posibles cambios del clima
y su efecto en la disponibilidad del agua, permitiendo proponer medidas de adaptación o mitigación ante
estos efectos.
76
Literatura citada
Abanades García, J. C., Cuadrat Prats, J. M., de Castro Muñoz de Lucas, M., Fernández García, F.,….. Vallejo
Calzada, R. (2007). El cambio climático en España.
Abbaspour, K. (2008). SWAT-CUP2: SWAT Calibration and Uncertainty Programs: A Pser Manual, Eawag.
Swiss Federal Institute of Aquatic Science and Technology, Duebendorf, Switzerland.
Abbaspour, K.C.; Rouholahnejad, E.; Vaghefi, S.; Srinivasan, R.; Yang, H.; Kløve, B. (2015). A continental-
scale hydrology and water quality model for Europe: Calibration and uncertainty of a high-
resolution large-scale SWAT model. J.Hydrol, 524, 733-752,
http://dx.doi.org/10.1016/j.jhydrol.2015.03.027.
Agencia Medio Ambiente (AMA) (2007). Lineamientos metodológicos para la realización de los estudios
de peligro, vulnerabilidad y riesgos de desastres de inundación por penetraciones del mar,
inundación por intensas lluvias y afectaciones por fuertes vientos, Cuba. Informe interno,
Ministerio de Ciencia, Tecnología y Medio Ambiente (CITMA) La Habana, Cuba.
Álvarez-Adán, A., Febles, G., Díaz, L. (2015). La variabilidad climática y análisis de contextos futuros de
cambio climático en la cuenca del Cauto. Ciencias de la Tierra y el Espacio, 16, 107-116.
Anand, J., Gosain A.K., Khosa, R., Srinivasanb, R. (2018). Regional scale hydrologic modeling for prediction
of water balance, analysis of trends in streamflow and variations in streamflow: The case study of
the Ganga River basin. J. Hydrol.: Regional Studies, 16, 32-53.
https://doi.org/10.1016/j.ejrh.2018.02.007 .
Andrade, M.A., Mello, C.R., Beskow, S. (2013). Simulacão hidrológica em uma bacia hidrográfica
representativa dos Latossolos na região Alto Rio Grande. Eng. Agríc. Ambient, 17, 69-76.
Arriaga Ramírez Sarahí and T. Cavazos. (2010). Regional trends of daily precipitation indices in northwest
Mexico and southwest United States. Journal of Geophysical Research. Vol. 115(D14111): 1-10p.
doi:10.1029/2009JD013248.
Arnell. N.W. (2004) Climate change and global water resources: SRES emissions and socio-economic
scenarios. Global. Environ. Change. 14, 31-52, doi:10.1016/j.gloenvcha.2003.10.006.
Arnold, J. G., Srinivasan, R., Muttiah, R. S., Williams, J. R. (1998). Large area hydrologic modeling and
assessment – Part 1: Model development. J. Am. Water Res. Assoc. 34, 73–89,
https://doi.org/10.1111/j.1752-1688.1998.tb05961.x
Arnold, J.G. and Fohrer, N. (2005).SWAT2000: Current capabilities and research opportunities in applied
watershed modeling, Hydrol Process. 19, 563–572.
Beltrán L. (1998a). Actualización Hidrogeológica del acuífero del Valle de Guadalupe, Municipio de
Ensenada, Baja California. Ensenada, México. Comisión Nacional del Agua. Gerencia Regional de
la Península de Baja California. Subgerencia Técnica Regional. 24 pp
Campbell, J.D.,Taylor, M.A., Stephenson, T.S., Watson, R.A., Whyte, F.S (2010). Future climate of the
Caribbean from a regional climate model. Int. J. Climatol. 31, 1866-1878,
https://doi.org/10.1002/joc.2200.
77
Cárdenas, P. (1998). Papel de índices teleconectivos y del ENOS en la predictibilidad de la lluvia en Cuba.
SOMETCUBA, Boletín de la Sociedad Meteorológica de Cuba. 4(2). http://www.met.inf.cu
Centella, A., Lapinel, B., Solano, O., Vázquez. R., Fonseca, C., Cutié, V., Baéz, R., González, S., Sille, J.,
Rosario, P y Duarte, L. (2006). La sequía meteorológica y agrícola en la República de Cuba y la
República Dominicana, 172 p. http://www.cu.undp.org/content/dam/cuba/docs/libro_sequia.pdf
Centella, A., Taylor, M.A., Bezanilla, A., Martinez, D., Campbell, J.D., Stephenson, T.S., Vichot, A. (2015).
Assessing the effect of domain size over the Caribbean region using the PRECIS regional climate
model. Clim. Dyn, 44, 1901-1918, https://doi 10.1007/s00382-014-2272-8.
Chaplot, V. (2007). Water and soil resources response to rising levels of atmospheric CO2 concentration
and to changes in precipitation and air temperature. J. Hydrol. 337 (12), 159–171.
Chen, A.A., Taylor M.A. (2002). Investigating the link between early season Caribbean rainfall and the El
Niño +1 year. Int J. Climatol. 22, 87–106
Chien, H., Yeh, P.J.F., Knouft, J.H. (2013). Modeling the potential impacts of climate change on streamflow
in agricultural watersheds of the Midwestern United States. J. Hydrol, 491, 73-88,
http://dx.doi.org/10.1016/j.jhydrol.2013.03.026 / 22.
Christensen, J. H., Hewitson, B., Busuioc, A. (2007). Regional climate projections, in Climate Change 2007:
The Physical Science Basis. Contribution of Working Group I to the Fourth Assessment Report of
the Intergovernmental Panel on Climate Change, Chap, 11, 235-336.
Chu, T.W., Shirmohammadi, A. (2004). Evaluation of the SWAT models hydrology component in the
piedmont physiographic region of Maryland. Trans. ASABE. 47, 1057–1073.
Clark, D. B., Mercado, L. M., Sitch, S., Jones, C. D., Gedney, N., Best, M. J., Pryor, M.,Rooney, G. G., Essery,
R. L. H., Blyth, E., Boucher, O., Harding, R. J., Huntingford,C., y Cox, P. M. (2011). The Joint UK Land
Environment Simulator (JULES), model description – Part 2: Carbon fluxes and vegetation
dynamics, Geosci. Model Dev., 4,701-722.
Colorado-Ruiz, G.,Cavazos, T., Salinas, J.A., Grau, P., Ayala, R. (2018). Climate change projections from
Coupled Model Intercomparison Project phase 5 multi-model weighted ensembles for Mexico, the
North American monsoon, and the mid-summer drought región. Int.J.Climatol, 1-18.
Cazorzi, F., Dalla-Fontana,G. (1996). Snowmelt modelling by combining air temperature and a distributed
radiation index. J.Hydrol, 181,169-187.
Cavazos, T. & Hewitson, B. C. (2005). Performance of NCEP variables in statistical downscaling of daily
precipitation. Climate Research, 28, 95-107
CONAGUA. (2013). Determinación de la disponibilidad de agua en el acuífero de Guadalupe (0207), estado
de Baja California, Comisión Nacional del Agua, México D.F.
Cubasch, U., Wuebbles, D. (2001). Projections of future climate change. In: Climate Change 2001: The
Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the
Intergovernmental Panel on Climate Change [J. T. Houghton, Y. Ding, D. J. Griggs, M. Noquer, P. J.
van der Linden, X. Dai, K. Maskell and C. A. Johnson (eds.)]. Cambridge University Press,
Cambridge, United Kingdom and New York, NY, USA, 527–582.
78
Di Luzio, M., Srinivasan, R., Arnold, J. C. & Neitsch, S. L. (2002) ArcView Interface for SWAT2000 User’s
Guide. Texas Water Resources Institute, College Station, Texas, USA.
Donk, P., Van. Uytven. E., Willems.P. , Taylor.M. (2018). Assessment of the potential implications of a 1.5
°C versus higher global temperature rise for the Afobaka hydropower scheme in Suriname. J. Reg.
Environ. Change. https://doi.org/10.1007/s10113-018-1339-1.
Ebrahim, G.Y., et al. (2013). Downscaling technique uncertainty in assessing hydrological impact of climate
change in the Upper Beles River basin, Ethiopia. Hydrology Research, 44 (2), 377– 398.
doi:10.2166/nh.2012.037.
Ehret. U., Zehe. E., Wulfmeyer. V., Warrach-Sagi. V., Liebert. J. (2012). "Should we apply bias correction to
global and regional climate model data?" Hydrol. Earth Syst. Sci, 3391-3404,
https://doi.org/10.5194/hess-16-3391-2012.
Emanuel, K. (1991). A scheme for representing cumulus convection in large-scale models. J. Atmos. Sci, 48,
2313-2335, https://doi.org/10.1175/1520-0469(1991)048<2313:ASFRCC>2.0.CO;2.
Engel, B.A., Srinivasan, R., Arnold, J.G., Rewerts, C. y Brown S.J. (1993). Nonpoint source (NPS) pollution
modeling using models integrated with Geographic Information Systems (GIS). Water Science and
Technology, 28(3‑5), 685-690.
Escolero-Fuentes OA y Hernández-Rosas MT. (1992). Manejo conjunto en el Valle de Guadalupe, B.C.,
como una estrategia apropiada para el uso eficiente del agua en zonas áridas. Comisión
Internacional de riesgo y drenaje. Tercera Conferencia Panamericana de Riesgo y Drenaje:
Modernización de los distritos de riego. Mazatlán, Sinaloa. Noviembre de 1992. 12 pp
Estrela, T. y Quintas, L. (1996a). A distributed hydrological model for water resources assessment in large
basins. Proceedings of 1st International Conference on Rivertech, 2, 861-868.
Faramarzi, M., Abbaspour, K.C., Vaghefi, S.A., Farzaneh, M., Zehnder, A.J.B., Srinivasan, R., Yang, H.(2013).
Modeling impacts of climate change on freshwater availability in Africa. J. Hydrol, 480, 85–101,
http://dx.doi.org/10.1016/j.jhydrol.2012.12.016.
Feyereisen, G.W.; Strickland, T. C.; Bosch, D. D.; Sullivan, D. G. (2007). Evaluation of SWAT manual
calibration and input parameter sensitivity in the little river watershed. Trans. ASABE, 50, 843-85,
ISSN 00012351.
Ficklin, D.L., Luo, Y., Luedeling, E., Zhang, M. (2009). Climate change sensitivity assessment of a highly
agricultural watershed using SWAT. J. Hydrol, 374, 16–29,
https://doi:10.1016/j.jhydrol.2009.05.016.
Ficklin, D.L., Stewart I.T., Maurer, E.P. (2013). Climate Change Impacts on Streamflow and Subbasin-Scale
Hydrology in the Upper Colorado River Basin. PLoS ONE. 8, 8-19,
https://doi.org/10.1371/journal.pone.0071297.
Food and Agriculture Organization of the United Nations (FAO) (2006). The digital soil map of the world
and derived soil 25 properties, version 3.6. Land and Water Digital Media Series 2, Rome, Italy.
Fuentes-Franco, R., Coppola, E., Giorgi, F., Graef, F., Pavía, E.G. (2014). Assessment of RegCM4 simulated
inter-annual variability and daily-scale statistics of temperature and precipitation over Mexico.
Clim Dyn, 42, 629–647, DOI 10.1007/s00382-013-1686-z.
79
Fuentes-Franco, R.,Coppola, E., Giorgi, F., Pavia, E., Diro, G.T., Graef, F. (2015). Inter-annual variability of
precipitation over Southern Mexico and Central America and its relationship to sea surface
temperature from a set of future projections from CMIP5 GCMs and RegCM4 CORDEX simulations.
Clim Dyn, 425:-440, https://doi.org/10.1007/s00382-014-2258-6.
Fukunaga, D., Avelino. R., Zanety, S.S., Olivera,T.L., Costa,M.A. (2014). Application of the SWAT hydrologic
model to a tropical watershed at Brazil. Catena, 125, 206-213,
https://doi.org/10.1016/j.catena.2014.10.032.
Gan, T., Dlamini, E., Biftu, G. (1997). Effects of model complexity and structure, dataquality, and objective
functions on hydrologic modeling. J. Hydrol. 192 (1),81–103.
Gassman, P.W., Sadeghi, A.M., Srinivasan, R. (2014). Applications of the SWAT model special section:
overview and insights. J. Environ. Qual. 43, 1–8, doi:10.2134/jeq2013.11.0466.
Gassman, W. P., Reyes, M. R., Green, C. H., and Arnold, J. G. (2007). The soil and water assessment tool:
historical development, applications, and future research direction, T. ASABE, 50, 1211– 1250.
Gebremariam, S.Y., Martin, J.F., DeMarchi, C., Bosch, N.S., Confesor, R., Ludsin, S.A. (2014). A
comprehensive approach to evaluating watershed models for predicting river flow regimes critical
to downstream ecosystem services. Environ. Mod. Softw.61, 121-134,
https://doi.org/10.1016/j.envsoft.2014.07.004.
Giorgi F., Marinucci, M.R., Bates, G.T. (1993a) Development of a second generation regional climate model
(REGCM2). Part I: boundary layer and radiative transfer processes. Mon Wea Rev, 121, 2794–2813,
https://doi.org/10.1175/1520-0493(1993)121<2794:DOASGR>2.0.CO;2.
Giorgi, F., Jones, C., and Asrar, G. R. (2009). Cómo abordar las necesidades de información climática a nivel
regional: el marco del CORDEX. Boletín de la OMM, 58(3), 175.
Giorgi, F., Coppola, E., Solmon, F., Mariotti, L. (2012). RegCM4: Model description and preliminary tests
over multiple CORDEX domains. Clim. Res, 52, 7-29, https://doi:10.3354/cr01018.
Grell, G.A. (1993). Prognostic evaluation of assumptions used by cumulus parameterizations. Mon. Wea.
Rev, 21, 764-787, https://doi.org/10.1175/1520-0493(1993)121<0764:PEOAUB>2.0.CO;2.
Gosain, A.K., Rao, S., Basuray, D. (2006). Climate change impact assessment on hydrology of Indian River
basins. Curr. Sci. 90(3), 346–353.
Guse, B., Reusser, D. E., Fohrer, N. (2014). How to improve the representation of hydrological processes in
SWAT for a lowland catchment - Temporal analysis of parameter sensitivity and model
performance. Hydrol. Proc, 28, 2651-2670, https://doi.org/10.1002/hyp.9777.
Hallack-Alegría, M., Ramírez-Hernández, J., Watkins Jr., D.W. (2012).ENSO-conditioned rainfall drought
frequency analysis in northwest BajaCalifornia, Mexico. Int. J. Clim. 32, 831–842.
Hargreaves, G.H., Samani, Z.A (1985). Reference crop evapotranspiration from temperature. Appl. Eng.
Agric. 1, 96-99, http://dx.doi.org/10.13031/2013.26773.
Harrison, G.P., Whittington, A.R. (2003). "Climate change impacts on financial risk in hydropower projects",
Power Systems IEEE Transactions on, vol. 18, no. 4, pp. 1324-1330.
80
Hawkins, G.A., Vivoni, E.R., Robles-Morua, A., Mascaro, G., Rivera, E., Domínguez, F. A. (2015). Climate
Change Projection for Summer Hydrologic Conditions in a Semiarid Watershed of Central Arizona.
J. Arid Environ. 118, 9-20, https://doi.org/10.1016/j.jaridenv.2015.02.022.
Hewitson, B. C., & Crane, R. G. (1996). Climate downscaling: techniques and application. Climate Research,
7, 85-95.
Hernández Quesada, E. (2012). Erosión de suelos, aporte y transporte de sedimentos en la cuenca del
arroyo San Carlos, Baja California, México. Tesis de Maestría en Ciencias. Centro de Investigación
Científica y de Educación Superior de Ensenada, Baja California. 83 pp.
Heuvelmans, G., Muys, B., Feyen, J. (2004). Evaluation of hydrological model parameter transferability for
simulating the impact of land use on catchment hydrology. Phys. Chem. Earth. 29, 739-747,
https://doi.org/10.1016/j.pce.2004.05.002.
Hubbard, C.M., Hotchkiss, R.H. (1997). Hydrologic Modeling of the Missouri River in a Climate Change
Model. Paper presented at the American Water Resources Association Symposium. Keystone, CO,
June.
INSMET (Instituto Nacional de Meteorología de Cuba). Base de datos de factores climáticos comprendidos
en el período 1980-2007. Informe Interno Instituto Nacional de Meteorología de Cuba, La Habana,
Cuba, 2012.
Inurreta-Aguirre, H.D., García-Pérez, E., Uresti-Gil, J., Martínez-Dávila, J.P.,Ortiz-Laurel, H., 2013. Potential
to produce Jatropha curcas L. as feedstock forbiodiesel in the State of Veracruz. Trop. Subtrop.
Agroecosyst. 16, 325–339.
IPCC SRES. (2000). Special Report on Emissions Scenarios: A special report of Working Group III of the
Intergovernmental Panel on Climate Change. Nakićenović, N., y Swart, R. (Eds.). Cambridge
University Press, ISBN 0-521-80081-1, 978-052180081-5.
IPCC. (2013). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth
Assessment Report of the Intergovernmental Panel on Climate Change. Stocker, T.F., Qin, D.,
Plattner, G.-K., Tignor, M., Allen, S.K., Boschung, J., Nauels, A., Xia, Y., Bex, V., y Midgley, P.M.
(Eds.). Cambridge University Press, United Kingdom and New York, pp 1535.
IPF (Instituto de Planificación Física). (2012). Diagnóstico cuenca del Río Cauto, Granma, Cuba. Reporte de
Investigación Instituto de Planificación Física, Granma, Cuba.
Jayakrishnan, R, Srinivasan, R, Santhi, C, Arnold, J. (2005). Advances in the application of the SWAT model
for water resources management. Hydrological Processes 19(3):749-762.
Jha, M., Gassman, P. W. (2013). Changes in hydrology and streamflow as predicted by modeling
experiment forced with climate models. Hydrol. Process. 28, 2772–2781,
https://doi.org/10.1002/hyp.9836.
Jha, M.,Pan, Z., Takle, S. E., Gu, R. (2004). The Impacts of Climate Change on Stream Flow in the Upper
Mississippi River Basin: A Regional Climate Model Perspective. J. Geophys. Res. Atmos. 109, 1984–
2012, https://doi:10.1029/2003JD003686.
81
Karmalkar, A.V.,Taylor, M.A., Campbell, J.,New, M., Centella, A., Benzanilla, A. (2013). A review of observed
and projected changes in climate for the islands in the Caribbean. Atmosphere. 26, 283-309, ISSN:
0187-6236
Krysanova, V., White, M., 2015. Advances in water resources assessment with SWAT an overview. Hydrol.
Sci. J. 60, 771–783.
Kundzewicz, Z. W., Mata, L. J., Arnell, N. W., Döll, P., Jimenez, B., Miller, K., Oki, T., Şen, Z., & Shiklomanov,
I. (2008) The implications of projected climate change for freshwater resources and their
management. Hydrol. Sci. J. 53(1), 3–10
Kwadijk, J. (1993). The impact of climate change on the discharge of the River. PhD Thesis. Netherlands
Geographical Studies. 171- 201p.
Lelis, T.A., and Calijuri, M.L. (2010). Modelagem hidrossedimentológica de bacia hidrográfica na região
sudeste do Brasil, utilizando o SWAT. Rev. Ambien. Água. 5, 158-174. (English abstract).
Leta, O.T., El-Kadi, A.I., Dulai, H., Ghazal,K.A. (2016). Assessment of climate change impacts on water
balancecomponents of Heeia watershed in Hawaii. J. Hydrol.: Regional Studies. 8,182-197.
http://dx.doi.org/10.1016/j.ejrh.2016.09.006.
Liew, M.W., Veith, T.L., Bosch, D.D., Arnold, J.G. (2007). Suitability of SWAT for the conservation effects
assessment project: a comparison on USDA–ARS watersheds. J. Hydrol. Res. 12, 173–189
Magaña, V. O., Amador, J. A., y Medina, S. (1999). The Midsummer Drought over Mexico and Central
America. J. Climate, 12, 1577-1588.
Mahmoud, A.-A., El-Naga, A., Jaber, M., Hammouri, N. (2014). Water scarcity impacton climate change in
semi-arid regions: a case study in Mujib basin, Jordan.Arab J. Geosci. 8, 951–959.
Mango, L. M.; Melesse, A.M.; Mclain, M.E.; Gan, D.; Setegn, S.G. (2011). Land use and climate change
impacts on the hydrology of the upper Mara River Basin, Kenya: results of a modeling study to
support better resource management. Hydrol. Earth Syst. Sci. 15, 2245-2258,
https://doi.org/10.5194/hess-15-2245-2011.
Marhaento, Hero., Booij, M. J., Rientjes, T., Hoekstra, A. Y. (2017). Attribution of changes in the water
balance of a tropical catchment to land use change using the SWAT model. Hydrol. Proc. 31, 2029-
2040, https://doi.org/10.1002/hyp.11167.
Martínez-Castro, D., Da Rocha, R.P, Benzanilla-Morlot, A, Alvarez-Escudero, L, Reyes-Fernández, J.P, Silva-
Vidal. Y., Arritt, R.W. (2006). Sensitivity studies of the RegCM3 simulation of summer precipitation,
temperature and local wind field in the Caribbean region. Theor. Appl. Climatol. 86, 5–22,
https://doi.org/10.1007/s00704-005-0201-9.
Martínez-Castro, D, Vichot-Llano, A, Bezanilla-Morlot, A, Centella-Artola, A, Campbell, J,Giorgi, F, Viloria-
Holguin, C. (2017). The performance of RegCM4 over the Central America and Caribbean region
using different cumulus parameterizations. Clim. Dyn. 16, 77-98, https:// doi 10.1007/s00382-017-
3863-y.
Massah, A.R., Morid. S. (2007). The Impacts of Climate Change on Water Resources and Agricultural
Production. J. Water Res. 1, 40-47, https://doi.org/10.1038/nature09364.
82
Meenu, R., Rehana, S., and Mujumdar, P.P. (2013). Assessment of hydrologic impacts of climate change in
Tunga-Bhadra river basin, India, with HEC-HMS and SDSM. Hydrological Processes, 27 (11), 1572–
1589. doi:10.1002/hyp.9220.
Merz, R., Parajka J., Bloeschl, G. (2011). Time stability of catchment model parameters: Implications for
climate impact analyses. Water Resour. Res. 47, W02531, https://doi:10.1029/2010WR009505.
Mesa-Pérez, M.A., Sánchez-Pérez, J.M., Sauvage, S., Váldes, R. (2013). Modeling pollutants inputs in a
reservoir using SWAT model in the Mayabeque catchment (Cuba), Conference International
SWAT, Paul Sabatier University, Toulouse, France.
Milly, P. (1994) Climate, interseasonal storage of soil water, and the annual water balance. Adv. Water
Res. 17, 19-24, https://doi.org/10.1029/94WR00586.
Molina-Navarro, E., Hallack-Alegria, M., Martínez-Pérez, S., Ramírez-Hernández, J., Mungaray-Moctezuma,
A., Sastre-Merlín, A. (2016). Hydrological modeling and climate change impacts in an agricultural
semiarid region. Case study: Guadalupe River basin, México. Agric. Water Manag. 175, 29-42,
https://dx.doi.org/10.1016/j.agwat.2015.10.029.
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harem, R. D., Veith, T. L. (2007) Model
evaluation guidelines for systematic quantification of accuracy in watershed simulations. Trans.
ASABE. 50, 850–900, ISSN 0001−2351.
Nash, J. E., Sutcliff, J. V. (1970). River flow forecasting through conceptual models, part I – a discussion of
principles. J. Hydrol. 10, 282–290, https://10.1016/0022-1694 (70)90255-6.
Neitsch, S. L., Arnold, J. G., Kiniry, J. R., Williams, J. R. (2011). Soil and Water Assessment Tool 469
Theoretical Documentation. Version 2009, Texas Water Resources Institute, Texas A&M 470
University System, College Station, TX, USA.
New, M., Hulme, M., Jones, P.D. (2000). Representing twentieth century space-time climate variability.
Part 2: development of 1901-96 monthly grids of terrestrial surface climate. J. Clim. 13, 2217-2238,
https://doi.org/10.1175/1520-0442(2000)013<2217:RTCSTC>2.0.CO;2.
Niraula, R., Norman, L.M., Meixner, T., Callegary, J.B. (2012). Multi-gauge calibrationfor modeling the semi-
arid Santa Cruz Watershed in Arizona-Mexico borderarea using SWAT. Air Soil Water Res. 5, 41–
57.
Niraula,R., Meixner.T., Norman, L.M. (2015). Determining the importance of model calibration for
forecasting absolute/relative changes in streamflow from LULC and climate changes. J. Hydrol.
522, 439-451, https://doi.org/10.1016/j.jhydrol.2015.01.007.
Oleson, K.W., Niu, G.Y., Yang Z.L., Lawrence, D. (2008). Improvements to the community land model and
their impact on the hydrological cycle. J. Geophys. Res. 113, 2005-2012, https://doi:
10.1029/2007JG000562.
Ozah, AP, Dami, A, Adesina, FA. (2012). A Deterministic Cellular Automata Model for Simulating Rural Land
Use Dynamics: A Case Study of Lake Chad Basin. Journal of Earth Science and Engineering 2(1):22-
34.
Pal, J.S., Giorgi, F., Bi X, Elguindi N, Solmon F, Gao X, Francisco R, Zakey A, Winter J, Ashfaq M, Syed F, Bell
J, Diffenbaugh N, Karmacharya J, Konare A, Martinez-Castro D, Porfirio da Rocha R, Sloan L, Steiner.
83
(2007). A Regional climate modeling for the developing world: the ICTP RegCM3 and RegCNET. Bull
Am Meteor Soc.88, 1395–1409, https://doi.org/10.1175/BAMS-88-9-1395.
Parry, M.L., Canziani, O.F., Palutikof, J.P., van der Linden, P.J.; Hanson, C.E. (Eds.) (2007). Climate Change
2007: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Fourth
Assessment Report of the Intergovernmental Panel on Climate Change; Cambridge University
Press: Cambridge, UK; New York,USA.
Perra, E., Piras, M., Deidda, R., Paniconi, C., Mascaro, G., Vivoni, E.R. (2018). Pierluigi,C.; Marras,
P.A.;Ludwig, R.; Meyer, R. Multimodel assessment of climate change-induced hydrologic impacts
for a Mediterranean catchment. Hydrol. Earth Syst. Sci. 22, 4125-4143.
https://doi.org/10.5194/hess-2018-165.
Pierini, N., Vivoni, E., Robles-Morua, A., Scott, R., Nearing, M. (2014). Using observations and a distributed
hydrologic model to explore runoff thresholds linked with mesquite encroachment in the Sonoran
Desert, Water Resour. Res. 50, 8191–8215, https://doi.org/10.1002/2014WR015781.
Planos, E., Guevara, A.V., Rivero, R. (2012). Cambio climático en Cuba: vulnerabilidad, impacto y medidas
de adaptación. Editorial AMA. Multimedia Instituto de Meteorología de Cuba. ISBN 978-959-300-
035-2.
Planos, E.O., Rivero, R., Guevara, V. (Eds.). (2012). Informe sobre Impacto del Cambio Climático y Medidas
de Adaptación en Cuba. Segunda Comunicación Nacional de Cuba al Convenio Marco de las
Naciones Unidas. Cuba. Available at:
http://research3.fit.edu/sealevelriselibrary/documents/doc_mgr/473/28.%20Planos%20et%20al
.%20%20(2012).%20%20Impacts%20and%20Adaptation%20to%20CC%20in%20Cuba.pdf
[Accessed 15 November 2017].
Planos, E., Guevara, A.V., Rivero, R., (2013). Cambio climático en Cuba: vulnerabilidad, impacto y medidas
de adaptación. Multimedia Instituto de Meteorología de Cuba. Editorial AMA. ISBN 978-959-300-
035-2.
Pulwarty, R.S., Nurse, L.A., Trotz, U.O (2013). Caribbean islands in a changing climate. Environ: Sci. Policy
Sustain. 2010, 52, 16– 27, http://dx.doi.org/10.1080/00139157.2010.522460.
Qiao, L., Zou, C., Will, R., Stebler, E. (2015). Calibration of SWAT model for woody plant encroachment
using paired experimental watershed data, J. Hydrol. 523, 231–239,
https://doi.org/10.1016/j.jhydrol.2015.01.056
Ramos, M. C., Balasch, J. C. y Martínez-Casasnovas, J. A. (2012). Seasonal temperature and precipitation
variability during the last 60 years in a Mediterranean climate area of Northeastern Spain: a
multivariate analysis. Theor. Appl. Climatol., 110, 35–53
Rauscher, S.A., Giorgi, F., Diffenbaugh. N. S., Seth, A. (2008). Extension and intensi?cation of the Meso-
American midsummer drought in the twenty-?rst century. Clim. Dyn. 31, 551-571, https://doi.org
/10.1007/s00382-007-0359-1.
Robles-Morua, A., Che, D., Mayer, A.S., Vivoni, E.R. (2014). Hydrological assessment of proposed reservoirs
in the Sonora River Basin, Mexico, under historical and future climate scenarios. J.Hydrol. Sci. 50-
16, https://doi.org/10.1080/02626667.2013.878462.
84
Rodríguez, Y (2011). Modelación hidrológica de avenidas. Caso de estudio: Cuenca del río Zaza. Tesis en
opción al grado científico de Doctor en Ciencias Técnicas. Centro de Investigaciones Hidráulicas.
Facultad de Ingeniería Civil. Instituto Superior Politécnico José Antonio Echeverría. La Habana.
Rodríguez, Y., Marrero, N. (2010). Metodología para la simulación hidrológica de eventos extremos
máximos en ausencia de datos hidrométricos a escala horaria. Rev. Cienc. Tecn. Agrop. 19, 22-26.
Safeeq, M., Fares, A (2012). Hydrologic response of a Hawaiian watershed to future climate change
scenarios. Hydrol. Processess, 26, 2745–2764, http://dx.doi.org/10.1002/hyp.8328.
Salas-Martínez, R., Ibá˜nez-Castillo, L.A., Arteaga-Ramírez, R., Martínez-Menes, R.,Fernández-Reynoso, S.
(2014). Hydrological modelling of Mixteco Riverwatershed in the State of Oaxaca, Mexico.
Agrociencia 48, 1–15.
Sánchez, M., Muñoz, A., Sánchez, J.M., Savine, S., Viera, M., Castellanos, L., Vigo,Y., Estupiñan, L., Barcia,
S. (2013). Determination of the Erosive Potential to Cienfuegos Bay in Cuba, Using the SWAT
Hydrological Model. Conference International SWAT, Paul Sabatier University, Toulouse, France.
Schuol, J., Abbaspour, K.C., Srinivasan, R., Yang, H. (2008). Estimation of freshwater vailability in the West
African sub-continent using the SWAT hydrologic model. J. Hydrol. 352(1–2), 30–49.
Shrestha, B., Babel, M.S., Maskey, S., van Griensven, A., Uhlenbrook, S., Green, A., Akkharath, I. (2013).
Impact of climate change on sediment yield in the Mekong River basin: a case study of the Nam
Ou basin, Lao PDR. Hydrol. Earth Syst. Sci. 17, 1–20, https://doi:10.5194/hess-17-1-2013.
Shrestha, N. K., Du, X., Wang, J. (2017). Assessing climate change impacts on fresh water resources of the
Athabasca River Basin, Canada. Sci. Total Environ.60-61,425-440.
https://doi.org/10.1016/j.scitotenv.2017.05.013.
Sloan, P. G., Moore, I. D. (1984). Modeling subsurface stormflow on steeply sloping forested watersheds,
Water Res. Research. 20, 1815-1822, https://doi.org/10.1029/WR020i012p01815.
Stahle, D.W., Cook, E.R., Villanueva-Diaz, J., Fye, F.K., Burnette, D.J., Griffin, R.D.,Acuna-Soto, R., Seager,
R., Heim Jr., R.R. (2009). Early 21st-century drought in Mexico. Eos Trans. AGU 90 (11), 89–100.
Stehr, A., Debels, P., Romero, F, Alcayaga, H. (2010). Hydrological modelling with SWAT under conditions
of limited data availability: evaluation of results from a Chilean case study. J. Hydrol. Sci. 53, 588-
601, https://doi.org/10.1623/hysj.53.3.588.
Taylor, K. E., Stouffer, R. J., Meehl, A. (2012). An Overview of CMIP5 and the Experiment Desing. Ame.
Meteorol. Soc, 2012, 485-498, https://doi.org/10.1175/BAMS-D-11-00094.1.
Taylor, M. A., Centella, A., Charlery, J., Borrajero, I., Bezanilla, A., Campbell, J. D. (2007). Glimpses of the
future: A briefing from the PRECIS Caribbean climate change project, Caribbean Community
Climate Change Centre, Belmopan, Belize.
Taylor, M.A., Clarke, L.A., Centella, A., Benzanilla, A., Stephenson,T., Jones,J.J., Campbell,D., Vichot,A.,
Charlery, J. (2018). Future Caribbean Climates in a World of Rising Temperatures: The 1.5 vs 2.0
Dilemma. J. Int. Climatol. 2907-2926, https://doi.org/10.1175/JCLI-D-17-0074.1
Thapaa, B.R., Ishidairaa, H., Prasad, V., Man, M. (2016). A multi-model approach for analyzing water
balancedynamics in Kathmandu Valley, Nepal. J. Hydrol. Reg. Studies. 9, 149-162,
https://doi.org/10.1016/j.ejrh.2016.12.080
85
Trang, N.T.T., Shrestha, S., Shrestha, M., Datta, A., Kawasaki, A. (2017). Evaluating the impacts of climate
and land-use change on the hydrology and nutrient yield in a transboundary river basin: a case
study in the 3S river basin (Sekong, Sesan, and Srepok). Sci. Total Environ. 2017, 576, 586–598,
https://doi.org/10.1016/j.scitotenv.2016.10.138.
Tripathi, M.P., Panda, R. K., Raghuwanshi, N.S. (2003). Calibration and Validation of SWAT Model for
Predicting Runoff and Sediment Yield of a Small Watershed in India. J. Agr. Eng. 12, 95-118.
Torres-Alavez, A., Cavazos, T., Turrent, C. (2014). Land-sea thermal contrast and intensity of the North
American Monsoon under climate change conditions. J. Clim. 25, 4566-4580.
UNFCCC. (2015). INDCs as communicated by Parties. Recuperado en 2018 de:
http://www4.unfccc.int/submissions/indc/Submission%20Pages /submissions.aspx 2015.
USDA, S.C.S. (U.S. Department of Agriculture-Soil Conservation Service).(1972). National Engineering
Handbook Section 4 Hydrology. Chapters 4–10.
Van Griensven, A. (2005). Sensitivity, auto-calibration, uncertainty and model evaluation in SWAT 2005,
UNESCO-IHE, Netherlands.
Van Griensven, A and Bauwens, W (2005). Application and evaluation of ESWAT on the Dender basin and
the Wister Lake basin. Hydrol. Process.19, 827-838.
Van Liew, M. W.,Arnold, J. G.,Bosch, D. D. (2005). Problems and potential of autocalibrating a hydrologic
model. Trans.Am. Soc. Agric. 48(3), 1025–1040, https://doi.org/10.13031/2013.18514.
Wang, X., Melesse, A.M., Yang, W. (2005). Effects of STATSGO and SSURGO as inputs on SWAT Model’s
snowmelt simulation. J Am Water Resour Assoc, 42, 1217–1236.
White, K.L., Chaubey, I. (2005). Sensitivity analysis, calibration, validations for a multisite and multivariable
SWAT. J. Am. Water Res. Assoc. 41, 1077-1089, https://doi.org/10.1111/j.1752-
1688.2005.tb03786.x.
Williams, J.R. (1969). Flood Routing with variable travel time of variable storage coefficients. Trans. ASAE.
12, 100-103, http://dx.doi.org/10.13031/2013.38772.
Winchell, M., Srinivasan, R., Di Luzio, M., Arnold, J. G. (2013). ArcSWAT Interface for 521 SWAT2012 User's
Guide. Blackland Research and Extension Center, Temple, TX, USA, 522, 439- 464.
Wu, H., Chen, B. (2015). Evaluating uncertainty estimates in distributed hydrological modeling for the
Wenjing River watershed in China by GLUE, SUFI-2, and ParaSol methods. Ecol. Modell. 76, 110–
121.
Yang, J., Reichert, P., Abbaspour, K.C., Xia, J., Yang, H. (2008). Comparing uncertainty analysis techniques
for a SWAT application to the Chaohe Basin in China. J. Hydrol. 358, 1-23
Zhang, A.J., Zheng, C.M., Wang, S., Yao, Y.Y. (2015). Analysis of streamflow variations in the Heihe River
Basin, northwest China: Trends, abrupt changes, driving factors and ecological influences. J.
Hydrol.: Regional Studies.3, 106-124, https://doi.org/10.1016/j.ejrh.2014.10.005.
86
Anexos
ANEXO 1. Esquema del modelo SWAT
Figura 30. Representación esquemática del ciclo hidrológico modelado por SWAT. Obtenido de Neitsch et al. (2011).
87
ANEXO 2. Datos climáticos de entrada para generar el modelo de
cuenca
Formatos requeridos por SWAT para cada variable climática. SWAT requiere de información climática
diaria de precipitación, temperatura máxima y mínima, velocidad del viento, humedad relativa y radiación
solar. Cada una de estas variables, son leídas por SWAT en un formato establecido. En esta tesis solo
disponíamos de datos de precipitación y temperatura máxima y mínima y fueron los empleados. En líneas
generales, los archivos no deben tener espacios/filas en blanco. Cuando se considera un periodo particular
de tiempo, ejemplo: 1/1/1970 a 31/12/2000, no pueden faltar fechas; es decir, el número de filas del
archivo debe coincidir con el número de días del periodo. En caso de que el dato esté ausente o se
considere erróneo debe ser reemplazado por -99.0. Precipitación: precipitación caída durante el día en
unidades de “mm”.
Los archivos que identifican las estaciones, deberán tener el formato dado en la Tabla 13
Tabla 13. Descripción del archivo de entrada de precipitación (Arnold et al, 2011).
El archivo para cada estación meteorológica (*.pcp) de precipitación diaria, fue creado en un archivo tipo
“txt”. Este archivo deberá ser nombrado con el mismo nombre dado al archivo de entrada que identifica
las estaciones. El archivo deberá poseer 8 dígitos p.e. “Fte1pc”. El encabezado del archivo corresponderá
a la fecha de inicio de los datos año-mes-día y tendrá el formato: yyyymmdd, p.e. 19700101. Abajo,
continuaran los datos correspondientes a la precipitación, en la que cada fila corresponderá al registro de
cada día. Los datos tendrán el siguiente formato:
Variables Definición
ID Número identificador de la estación meteorológica en el SIG
Name Nombre dado al archivo correspondiente a cada estación para la variable precipitación.
Lat. Latitud
Long. Longitud
Elevation Elevación (m)
88
Figura 31. Configuración del archivo de entrada con datos de precipitación diaria para cada estación meteorológica.
89
ANEXO 3. Datos de entrada de las características de suelo para generar el modelo de cuenca
La cobertura digital de suelos para la cuenca del Río Cauto fue ingresada al modelo, se asoció a un archivo
denominado SoilC. En esta tesis, este archivo, fue creado; es decir, no se usaron los archivos dados por el
programa ya que los tipos de suelos y el sistema de clasificación son diferentes a los de la base de datos
original.
Tabla 14. Parámetros incluidos dentro de la tabla sol en SWAT (Arnold et al, 2011).
Columna Descripción y formato
SNAM Nombre del suelo
NLAYERS Numero de horizontes presente en la unidad
HYDGRP Grupo hidrológico del suelo (A, B, C, D)
SOL_ZMX Máxima profundidad de raíces (mm)
Texture Textura del suelo
SOL_Z Máxima profundidad del suelo
SOL_BD Densidad de humedad aparente (Mg/m3)
SOL_AWC Capacidad de agua disponible en el suelo (mm H2O/ mm suelo)
SOL_K Conductividad hidraúlica saturada (m/h)
SOL_CBN Contenido de Carbono Orgánico (% Peso del suelo)
CLAY Contenido de arcilla (% Peso del suelo)
SILT Contenido de Limo (% Peso del suelo)
SAND Contenido de arena (% Peso del suelo)
90
ANEXO 4. Archivo de salida con la definición de las HRU para la cuenca del Río Cauto
Figura 32. Características de las HRU en la cuenca del Río Cauto.
91
ANEXO 5. Cierres hidrométricos usados en las subcuencas evaluadas
Tabla 15. Características de las estaciones hidrométricas en la cuenca del Río Cauto y cuenca del Rio Guadalupe.
No Estación Latitud Longitud Área
(Km2)
Altitud
(msnm)
Periodo de Observación
Tiempo de medición
Cuba
1 La Fuente 20.260 -76.450 76 197 1996-2010 Mensual
2 Las Coloradas 20.070 -76.167 65 260 1996-2010 Mensual
México
1 Agua Caliente 32.102 -116.500 1577 554 1973-1986 Diario y Mensual
92
ANEXO 6. Parámetros seleccionados durante el proceso de calibración para evaluar el acuífero poco profundo
Tabla 16. Variables de entrada usadas para los cálculos del acuífero poco profundo durante la calibración en la cuenca
del Río Cauto.
Nombre de la variable Definición Nombre del archivo
GW_DELAY Tiempo de demora para
recargar el acuífero (días) .gw
GW_QMN
Nivel del umbral del acuífero
poco profundo para un flujo
normal (mm H2O)
.gw
ALFHA_BF Constante de disminución del
flujo normal .gw
REVAPMN
Nivel del umbral freático en
acuífero poco profundo para la
revap (mm H2O)
.gw
GW_REVAP Coeficiente de
revapotranspiración .gw
RCCHRG_DP Coeficiente de percolación del
acuífero .gw
93
ANEXO 7. Parámetros seleccionados durante el proceso de calibración para evaluar la escorrentía superficial
Tabla 17. Variables de entrada usada para los cálculos del componente superficial.
Nombre de la variable Definición Nombre del archivo
CN2 Curva número de escorrentía para condiciones de
humedad (II) .mgt
ESCO Factor de compensación de la evaporación del suelo .hru
SOL_AWC Capacidad de agua disponible en el suelo .sol
94
ANEXO 8. Parámetros más sensibles durante la calibración en la cuenca del Río Cauto
Tabla 18. Parámetros más sensibles durante el proceso de calibración en la cuenca del Río Cauto.
Sensibilidad global
Parámetros p-value t-value Rank
CN2 0.00 -23 1
SOL_AWC
(mm H2O/mm soil)
0.00 2.83 2
CH_K2 (mm h-1) 0.02 2.06 3
ALPHA_BNK 0.04 -1.98 4
SOL_K (mm h-1) 0.05 -1.90 5
95
ANEXO 9.
Tabla 19. Indicadores estadísticos utilizados para evaluar el desempeño del modelo.
Rendimiento NSE PBIAS %
Muy bueno 0.75 < NSE ≤ 1 PBIAS < ±10 PBIAS
Bueno 0.65 < NSE ≤ 0.75 ±10 ≤ PBIAS < ±15
Satisfactorio 0.50 < NSE ≤ 0.65 ±15 ≤ PBIAS< ±25
Insatisfactorio NSE ≤ 0.50 PBIAS > ±25
96
ANEXO 10. Archivo de salida con el balance hídrico estimado por SWAT
para el período 1970-2000, usando los datos de precipitación y
temperatura de RegCM4.3 (Archivo Output. STD)
Figura 33. Balance anual de los componentes hídricos en la cuenca del Río Cauto para el periodo histórico 1970-2000.
97
ANEXO 11. Diagrama de cajas de los datos observados y los modelos para el periodo histórico 1970-2000 en la cuenca del Río Cauto
Figura 34. Diagrama de cajas de los datos de a) precipitación, b) temperatura máxima y c) temperatura mínima generados para los datos observados y los modelos para el periodo histórico 1970-2000 en la cuenca del Río Cauto.
98
ANEXO 12. Diagrama de cajas de los datos observados y los modelos para el periodo histórico 1970-2000 en la cuenca del Río Guadalupe
Figura 35. Diagrama de cajas de los datos de a) precipitación, b) temperatura máxima y c) temperatura mínima generados para los datos observados y los modelos para el periodo histórico 1970-2000 en la cuenca del Río Guadalupe.
99
ANEXO 13. Evaluación de los Modelos Climáticos Globales (MCG)
Se consideraron los siguientes modelos climáticos globales (MCG) del Proyecto de Intercomparación de
Modelos Climáticos fase 5 (por sus siglas en inglés CMIP5; Taylor et al., 2009. Los MCG considerados en
este estudio se puede ver en la Figura que se muestra a continuación. Fueron escogidos porque según
varios autores eran los que simulaban mejor algunas características de las zonas objetos de estudio:
Monzón de América del Norte (Liang et al., 2008; Lin et al, 2008; Domínguez et al, 2009; Cavazos y Arriaga-
Ramírez, 2012) y clima del Caribe (Taylor et al, 2017). En general, los MCG capturan adecuadamente el
patrón del ciclo anual de precipitación en las dos regiones evaluadas, pero al comparar individualmente
los modelos se encuentra que el HadGEM2-ES es de los mejores para reproducir las lluvias en las dos
regiones.
Figura 36. Ciclo anual de precipitación en a) cuenca del Río Cauto y b) cuenca del Río Guadalupe según las observaciones (CRU) y los modelos globales evaluados en esta tesis para el periodo 1970-2000.
100
ANEXO 14. Evaluación del Modelo Climático Regional (RCA4)
En esta tesis evaluamos el modelo RCA4, que se encuentra disponible para la región CORDEX-CAM y que
se forzó con diferentes GCM y tres vías de concentración representativas (RCP4.5, RCP6.5 y RCP8.5). Sin
embargo, RCA4 sobreestima sustancialmente el ciclo anual de precipitación observado en nuestra región
de estudio (ver la figura a continuación), y no reprodujo la bimodalidad de la precipitación. Por esta razón,
no usamos este otro modelo en nuestro estudio, y nos enfocamos solo en la salida de RegCM4.3.
Figura 37. Ciclo anual de precipitación en la cuenca del Río Cauto según las observaciones (CRU) y el modelo
climático regional (RCA) para el periodo 1970-2000.