XI Congreso Ecuatoriano de la Ciencia del Suelo EVALUACION DE SWAT2000 COMO HERRAMIENTA PARA EL ANALISIS DE ESCENARIOS DE CAMBIO DE USO DEL SUELO EN MICROCUENCAS DE MONTAÑA DEL SUR DEL ECUADOR Patricio Crespo1,2, Cristian Coello1, Vicente Iñiguez1, Felipe Cisneros1, Pedro Cisneros1, Marco Ramírez1 y Jan Feyen1,3
INTRODUCCION De acuerdo con la FAO (2006) la pérdida mundial de áreas de bosque durante el periodo 2000-2005 fue estimado en -7.3x 106 ha/año. El continente con mayor tasa de perdida de bosque es Sur América (-0.5% del área de bosque existente) y el país con mayor tasa de deforestación mundial relativo al área es el Ecuador con -1.7% del área de bosque existente. Una de las causas para ello, ha sido el rápido incremento de la población en las últimas décadas. Más aún, cuando en el Ecuador, cerca de 46% de la población habita en la sierra (área montañosa), poniendo una continúa presión sobre los ecosistemas. Razón por la cual áreas montañosas con cobertura natural de bosque están siendo y han sido reemplazadas por tierras agrícolas, para luego de agotar su fertilidad ser abandonadas. En este contexto, estos cambios de uso del suelo a menudo tienen efectos sobre el ciclo hidrológico y los procesos hidrológicos. Los efectos de la conversión de bosque a pasto o la aforestación de zonas de pasto han sido muy estudiados a nivel mundial. Estos estudios indican por un lado, un incremento en los caudales medios anuales a causa de la deforestación (Hibbert, 1967, Bosch y Hewlett, 1982, Zhang et al., 1999, Wilk et al., 2001 y Andreassian, 2004); y por otro, la reducción de los caudales pico y el volumen de escorrentía total por efecto de la aforestación (Siriwardena et al., 2006). Sin embargo, existen muy pocos estudios en zonas de bosques tropicales (PROMAS/DIUC, 2004, Bogner et al., 2008 y Coello et al., 2008). No obstante, la mayoría de estudios realizados son ha escala de parcela o ladera y muy pocos a escala mayor y en zonas de bosque montano; por lo que surgen inquietudes a cerca de la validez de extrapolar el conocimiento de áreas lejanas o el sobre-escalamiento del conocimiento. En este sentido, la presente investigación tiene como objetivo principal evaluar la aplicabilidad de la herramienta matemática “SWAT 2000” para la predicción de los efectos de cambios de uso del suelo a escala de microcuenca, basándose en el conocimiento previo de microcuencas vecinas. MATERIALES Y METODOS Descripción de la zona de estudio La investigación se llevó a cabo en tres microcuencas (0.99 – 5.50 Km²), con una altitud entre 1980 a 3300 m s.n.m. La zona esta situada en la parte lateral oeste de la cordillera occidental de la sierra sur ecuatoriana, en la transición sierra – costa de la provincia del Cañar (E 711000, N 9727000; E 718000, N 9734000), por lo cual se observa un relieve pronunciado y accidentado con la presencia de pendientes pronunciadas, característica muy común en las microcuencas de montaña (Tabla 1). Las microcuencas son drenadas por pequeños tributarios del río Bulu Bulu el cual fluye hacia el océano Pacífico (Figura 1). El clima de la zona se caracteriza por tener una marcada variabilidad espacial y temporal (PROMAS/DIUC, 2006). La precipitación media anual tiene valores entre 1000 y 1200 mm por año. 1 2 3
Programa para el Manejo del Agua y del Suelo, PROMAS, Universidad de Cuenca, Cuenca, Ecuador Institute of Resources Management, Justus-Liebig University of Giessen, Giessen, Germany Department of Land Management and Economics, Katholieke Universiteit Leuven, Heverlee, Belgium. Correo electrónico autor:
[email protected]
1
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo La zona posee dos estaciones muy marcadas, la estación lluviosa de diciembre a mayo y la estación seca de junio a noviembre, correspondiente a un régimen de costa con dominancia de precipitación orográfica. Los meses más húmedos son febrero y marzo con casi el 60% de la precipitación anual y los más secos junio y julio con solo el 3%. La temperatura tiene valores registrados entre 9 y 22 °C a 2254 m s.n.m., siendo el mes más frío diciembre y el más caliente octubre. La humedad relativa es elevada durante todo el año con valores que registrados entre 40 y 100%. Los suelos son predominantemente Andosoles, Leptosoles y Cambisoles (FAO/ISRIC/ISSS, 1998), 55, 26 y 19 % del total de área respectivamente. Los dos primeros poseen una profundidad del horizonte orgánico no mayor a 30 cm. Los Andosoles de la zona son suelos formados a partir de materiales volcánicos, generalmente cenizas aerotransportadas. Se caracterizan por la presencia de un horizonte ándico o un vítrico (FAO/ISRIC/ISSS, 1998). Los Cambisoles de la zona son suelos en transformación, la presencia de un horizonte cámbico es su principal característica. Son suelos que poseen minerales que están meteorizándose en su composición, se originan a partir de la descomposición de las rocas primarias que evolucionan a materiales regolíticos y que luego de su alteración son capaces de liberar cationes que están presentes en el perfil del suelo especialmente en el horizonte cámbico. Son suelos condicionados por su limitada edad. Los Leptosoles son suelos superficiales, su profundidad no supera los 30 cm y yacen sobre una capa de roca (FAO/ISRIC/ISSS, 1998). Una descripción detallada se encentra en Crespo et al, 2008.
1 2
3
Figura 1. Ubicación de la zona de estudio y ubicación del equipo de monitoreo. La microcuenca de Ortigas (MC1) (Figura 1) posee predominantemente cobertura de bosque montano bajo (74%) (Bruijnzeel, 2001) con poca o ninguna alteración humana y pasto en la parte alta (22%). En la microcuenca de Río Grande (MC2) predominan matorrales (chaparro), pastos y bosque montano bajo, prácticamente en similar porcentaje, los matorrales son producto de regeneración natural. Mientras en la microcuenca de Caparina (MC3) predominan los pastos con un 94 %, producto de la alteración humana con una alta degradación.
2
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo Tabla 1. Características morfométricas de las microcuencas. Característica
Ortigas (MC1)
Río Grande (MC2)
Área (km²) Cota máxima (m s.n.m.)
0.99 2880
5.50 3280
Cota mínima (m s.n.m)
2305
2230
Desnivel máximo (m) Pendiente máxima (%)
575
950
1982 858
110.66
156.35
244.72
Pendiente mínima (%)
4.52
2.01
0.16
Caparina (MC3) 3.08 2840
Levantamiento de información Para la medición de la precipitación se instalaron cuatro pluviografos de tipo automático de cubeta basculante con una precisión de 0.2 mm; se instaló una estación climática que permite medir: lluvia, humedad relativa, temperatura, velocidad y dirección de viento, punto de rocío, presión barométrica, radiación solar que permite tomar datos con una resolución horaria. El relleno de información faltante se realizo mediante el análisis de correlaciones entre las estaciones de la zona. Para cuantificar el caudal de salida se construyó un vertedero tipo V-notch (90°) en MC1, y en las microcuencas MC2 y MC3 se aprovecho estructuras hidráulicas existentes, cada una provista de un sensor de presión “Global water instrument, USA” para medir el nivel del agua automáticamente cada 5 minutos a la salida de cada microcuenca (Figura 1). Se cuenta con registros de medición desde mayo del 2005. Para convertir los niveles de agua en caudal se usaron ecuaciones empíricas basadas en mediciones directas de caudales “aforos” a diferentes niveles, las mismas que se encuentran detalladas en Crespo et al., 2008. La Evapotranspiración de referencia se estimo siguiendo el método de PenmmanMonteith incluido en el reporte de la FAO-56 descrito por Allen et al, 1998. La información respecto a suelos existente en la zona es escasa o nula, por lo que de acuerdo con los requerimientos mínimos del modelo SWAT se levantó en campo información mediante la descripción de 10 calicatas y la comprobación vía transectos. Se tomó muestras alteradas e inalteradas (anillos de de 100 cm³ “Kopecky”) para los análisis de la capacidad de almacenamiento de agua (curva de retención de agua) en cada uno de los sitios. La conductividad hidráulica saturada se midió mediante el método de pozo invertido (Coello, 2005). Los suelos se han clasificado mediante el World Referente Base for Soil Resources (WRB) (FAO/ISRIC/ISSS, 1998). Para implementar adecuadamente el modelo se ha agregado la información, y se agrupó los suelos por sus características físicas. Un detalle de los resultados se encuentra en Crespo et al. (2008). Se generó un modelo de elevación digital (DEM) con una resolución espacial de 30 m utilizando topografía digital (1:25000). Una imagen Landsat ETM+ de Noviembre de 2001 fue utilizada para realizar una clasificación supervisada de la cobertura vegetal. Krajenbrink, 2007 como parte del proyecto de investigación estimó el índice de cobertura foliar (LAI, por sus siglas en inglés) para los diferentes tipos de cobertura vegetal, mediante la calibración del modelo SWAT en diferentes cuencas de montaña, demostrando la importancia de éste parámetro en la cálculo de la evapotranspiración actual. Los demás parámetros fueros estimados basados en observaciones cualitativas de campo. Modelamiento Para el análisis de los diferentes escenarios de cambio de uso de suelo en las microcuencas, se uso la Herramienta para el Manejo del Agua y el Suelo (Soil and Water Assessment Tool “SWAT 2000”)
3
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo que es un modelo determinístico semi - distribuido (Rouhani et al., 2005) tipo “caja gris” Físicamente basado (Neitsch et al., 2002). Fue desarrollado por el Dr. Jeff Arnold para la USDA Agricultural Research Service (ARS) en los 90´s y fue una combinación de los modelos EPIC (Erosion Productivity Impact Calculator) (Williams, 1995) y GLEAMS (Grounwater Loading Effects of Agricultural Management System) (Knisel y Williams, 1995). El modelo ha sido parametrizado (Lenhart et al., 2002) en base al conocimiento de la zona y los procesos identificados en varios estudios en el sur del ecuador en ecosistemas similares (Fleischbein et al., 2005, Goller at al., 2005, Fleischbein et al., 2006, Wilcke et al., 2008 y Bogner at al., 2008). Los cuales identifican al flujo lateral como flujo dominante para el caso de las cuencas forestadas y al flujo superficial para los pastos. Para ambos casos se desestima el aporte de aguas subterráneas provenientes de la zona rocosa. El tamaño de celda del DEM, valor del tamaño mínimo de generación de una subcuenca (CSTV “Catchment Size Threshold Value”) (Romanowicz et al., 2005) y el porcentaje de agregación de las Unidades de Respuesta Hidrológica (HRU) fueron estimados mediante la optimización durante la calibración. Debido a la escala del estudio (Woods, 2004; Lenhart et al., 2002), a la geología de la zona, y a los procesos hidrológicos principales, los parámetros de aguas subterráneas no fueron tomados en cuenta para la calibración. Como primer paso en la calibración del modelo, se realizó un análisis de sensibilidad para reducir el número de parámetros de calibración y disminuir la sobreparametrización (Beven, 1996). Usando el esquema propuesto por Refsgaard y Storm (1996) se efectuó una calibración y validación manual usando la prueba de muestras divididas “Split-sample test”. Para alcanzar las condiciones de borde iniciales de humedad del suelo y capacidad de infiltración fue necesario usar un periodo previo (warm-up period) de precipitación de siete meses. Para evaluar la calibración se utilizo el Coeficiente de eficiencia EF de Nash & Sutcliffe (Nash & Sutcliffe , 1970) ya que éste evalúa la relación 1:1 de los datos en análisis (Rouhani et al., 2005). Siendo el valor óptimo 1. Un detalle se encuentra en Crespo (2006). La separación de los flujos se realizó usando técnicas numéricas de filtrado, la interpretación física de los mismos está basada en reservorios lineales. El modelo utilizado para éste propósito fue desarrollado por Willems en el 2004 y es conocido como WETSPRO (Water Engineering Time Series PROcessing tool). Adicionalmente, la incertidumbre producto de la calibración se evaluó usando métodos estadísticos simples de límites de confianza y predicción con una confianza del 95%, el software R-code se utilizó para el análisis. Escenarios de cambio de uso del suelo De acuerdo con la FAO (2006) en la época pre-colombina mas del 90% de la superficie del Ecuador estuvo cubierta por bosque nativo. Mientras que para el 2005 se estimo que esta cantidad decreció al 39%, producto principalmente de la colonización de las áreas montañosas y la tala de bosques costeros con fines principalmente agrícolas (Mosandl et al., 2008). Sin embargo, de 1972 a 1985 las áreas de pasto aumentaron considerablemente en las zonas montañosas producto de la degradación de las tierras dedicadas a la agricultura y la constante caída de precios de los productos agrícolas principalmente papas y maíz (Wunder, 2000). Sin embargo, producto de la contínua presión, existen áreas que por sus características morfológicas y edáficas fueron abandonadas, donde procesos de regeneración natural y la reforestación con especies exóticas predominaron. En este contexto y basados en el conocimiento de la zona, se ha identificado que el ciclo de cambio de uso de suelo en la zona sigue el esquema mostrado en la figura 2.
4
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo En el presente caso los escenarios de cambio fueron desarrollados de acuerdo a lo propuesto por Becker, et al (2002). El objetivo del análisis de escenarios es la predicción de los efectos hidrológicos que se producirían en las microcuencas por el cambio extremo o parcial de usos de la tierra, basados en el conocimiento de sucesión que se encuentra en la zona.
Figura 2. Esquema de escenarios propuestos. En este sentido, la microcuenca MC1 caracterizada por un bosque montano natural con excelentes características de regulación tiene un escenario interesante: ¿Cual es el efecto de la deforestación sobre la hidrología futura de la microcuenca?. En las cuencas MC2 y MC3 el escenario es diferente, las condiciones actuales de uso del suelo están caracterizadas por pastos, agricultura y cobertura mixta con diferentes grados de conservación, por lo que un escenario que pudiera reflejar cambios sería: ¿Cuál es el efecto hidrológico con reforestación en las microcuencas MC2 y MC3 con especies nativas similares al bosque montano de la microcuenca MC1?. Para éste efecto, se han diseñado seis escenarios posibles que se detallan en la Tabla 2. Tabla 2. Detalles de los escenarios propuestos. Las letras D y F significan deforestación y forestación respectivamente. Escenario
Microcuenca
Uso actual o cobertura
Escenario de Cobertura
Detalles escenario
Condiciones de Evaluación
1
Caparina MC3
Pastos
Mixta (F)
Bosque 30% Pastos 30% Chaparro 40%
Intermedia
2
Caparina MC3
Pastos
Bosque Nativo (F)
Bosque 90% Pastos 10%
Extrema
3
Río Grande MC2
Mixta
Bosque Nativo (F)
Bosque 70% Pastos 30%
Intermedia
4
Ortigas MC1
Bosque
Pastos y cultivos (D)
Pastos 100%
Extrema
5
Ortigas MC1
Bosque
Mixta (D)
Pastos 20% Chaparro 40% Bosque 40%
Intermedia
6
Río Grande MC2
Mixta
Pastos y cultivos (D)
Pastos 70% Bosque-Chaparro 30%
Intermedia
5
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo RESULTADOS Análisis de información hidrométrica La precipitación en la zona posee gran variabilidad espacial y temporal (Figura 3) (PROMAS/DIUC, 2006, Crespo et al, 2008). El gradiente de precipitación entre los 1900 y 3000 m s.n.m. es aproximadamente de 342 mm .100 m-1 para el período lluvioso y de 140 mm .100 m-1 para el período seco. Debido a que la mayoría de precipitación es unimodal orográfica el gradiente es acentuado en la época lluviosa. PROMAS/DIUC (2006) reporta gradientes de 21 y 16 mm .100 m-1 para la estación lluviosa y seca respectivamente entre los 1900 y 3500 m s.n.m. a una distancia no mayor a los 20 Km de la zona de estudio; mientras Bendix et al (2008) reporta un gradiente promedio de 220 mm .100 m-1 para la zona de bosque siempre verde del sur del Ecuador. Un análisis completo de la precipitación y clima para la zona de estudio se encuentra en Crespo et al. (2008)
Tabla 3. Caudales Máximo, Mínimos y Medios de las microcuencas (l/s/km²), constantes de recesión (K) para flujos base y rápidos (días). Microcuenca
Q prom
Q min
Q máx
K base
K rápidos
MC1 MC2 MC3
16.30 24.00 47.70
5.25 2.14 0.06
109.20 355.80 829.80
350 120 55
20 26 5
La respuesta hidrológica de las microcuencas presenta diferencias marcadas durante la época seca y lluviosa. La microcuenca forestada (MC1) tiene un caudal mínimo mayor a los medidos para el caso de las microcuencas con alteración humana (MC2 y MC3), y viceversa para el caso de los caudales máximos. Es decir, la microcuenca de pasto (MC3) responde muy rápidamente a los eventos de lluvia (K rápidos), y su aporte para épocas de estiaje es mínimo o nulo (flujo base es el 25% del flujo total) (Tabla 3); mientras la microcuenca forestada aporta considerablemente al flujo base (63% del flujo total). Esto es corroborado y analizado con mayor detalle por Coello et al. (2008). La microcuenca forestada presenta caudales bien regulados en comparación con las demás que presentan picos mayores y con mayor frecuencia (Figura 3) producto del grado de degradación (Coello et al, 2008 (b)).
Ortigas (2830 m s.n.m.) Potrerillos (2963 m s.n.m.) Chilchil (2841 m s.n.m.) Suscalpamba (2730 m s.n.m.)
Caudal (m3/s/Km2 x10-3)
Precipitación Acumulada (mm)
500 4000
3000
2000
1000
400
300
200
100
0
0
9/5/05 3/24/06 10/10/06 4/28/07 11/14/07 6/1/08
MC3
MC2
MC1
Figura 3. Izquierda, Precipitaciones acumuladas para el periodo de simulación. Derecha, diagramas de caja para caudales específicos con una resolución diaria (box plots, Tukey 1977).
6
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo Modelamiento Del análisis de sensibilidad efectuado para cada microcuenca se puede concluir que los parámetros mas influyentes son (1) la longitud promedio de la pendiente, (2) tiempo de viaje del flujo lateral, (3) el número de curva, (4) el factor alpha del flujo base y (5) la cantidad de agua disponible en el suelo, los mismos que han sido enumerados según su ranking. Sin embargo, los efectos sobre la respuesta hidrológica cambian según la microcuenca. Un análisis completo se encuentra en Crespo et al. (2008). Tabla 4 Coeficientes de Nash & Sutcliffe (EF) y la relación entre el promedio del caudal observado (Qobs,av) y el caudal simulado ( Qmod,av ) para los periodos de calibración (cal) y validación (val) Estadístico
MC1
MC2
MC3
cal
val
cal
val
cal
val
EF
0.40
0.57
0.51
0.61
0.84
0.66
Qmod,av Qobs,av
1.3
1.2
0.8
0.7
1.2
0.9
La Tabla 4 muestra los valores de EF para las diferentes microcuencas. Durante el período de calibración se obtuvo valores de EF de 0.4 y 0.51 para las microcuencas MC1 y MC2 respectivamente y 0.8 para MC3, mientras durante el período de validación en todos los casos los valores son mayores a 0.5. La calibración para MC1 y MC2 muestra problemas en la simulación de caudales pico, no asi para el caso de flujos base (Figura 4). Esto puede deberse dos razones, (1) la deficiencia del modelo para simular los procesos presentes en las microcuencas debido a las características especiales de los suelos y procesos hidrológicos de la zona o (2) a la deficiencia en la medición de la precipitación debido, a que no se cuantificó la entrada de agua producto de la captura de neblina y lluvia horizontal en el caso de MC1. Para el caso de MC3 la calibración se considera aceptable. La incertidumbre producto de la deficiencia del modelo para simular los procesos hidrológicos presentes en la zona, esta asociado principalmente al error en la conceptualización de la percolación profunda, ya que no es posible colocar la profundidad del horizonte impermeable, de manera que todo el exceso de agua se percola y no fluye lateralmente como sería lo correcto. Esto se demuestra ya que durante las épocas lluviosas la salida más importante del balance hídrico es la percolación profunda, dejando en segundo plano al flujo lateral (datos no mostrados), que fue identificado por varios autores como el flujo predominante en ecosistemas similares y también de acuerdo a la información hidrométrica medida (Fleischbein et al., 2005, Goller at al., 2005, Fleischbein et al., 2006, Wilcke et al., 2008 y Bogner at al., 2008, Coello et al., 2008). El modelo, sin embargo es capaz de simular acertadamente los procesos en la microcuenca degrada MC3; de los resultados de la simulación se concluyen que el proceso mas relevante es el flujo superficial por exceso de infiltración, debido a (1) el contenido de humedad del suelo y la poca cantidad de flujo lateral simulado y (2) los valores de la conductividad hidráulica saturada medida (10 y 30 mm . h-1) (Crespo et al., 2008) . Esto también es analizado por Bogner et al. (2008) mediante el uso de trazadores en la zona sur del Ecuador.
7
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo 0.16
Q observado Q simulado
Caudal (m3.s-1)
0.12
0.08
0.04
0 9/5/05 3/24/06 10/10/06 4/28/07 11/14/07 6/1/08
Figura 4. Izquierda, Simulación (cal y val) para la microcuenca MC1 (Bosque) para una resolución diaria. Derecha, Bandas de error relativas a la incertidumbre (lt/s), en rojo los limites de confianza y en azul los límites de predicción. Por otra parte, la incertidumbre asociada a la deficiencia en la medición de la precipitación real debido a que no se midió la cantidad de agua producto de la captura de neblina en el bosque. Este efecto, ha sido estudiado con detalle en el sur del Ecuador, donde se ha identificado que la influencia seria en el orden del 5.6 al 10% de la precipitación incidente anual a 2176 y 2193 m s.n.m respectivamente (Bendix et al., 2007), esto descartaría este error como fuente principal de la incertidumbre. Sin embargo, producto de las diferencias en la estructura del bosque este efecto no puede ser descartado en la zona de estudio. Mas aún cuando la pérdida producto de la intercepción seria mínima ya que en la zona la humedad relativa del aire fluctúa entre el 75 y 100% siendo del 90% promedio en la época lluviosa. La Figura 4 muestra las bandas de incertidumbre producto de la calibración para el caso de MC1, las demás microcuencas presentan resultados similares. El rango de incertidumbre es significativamente elevado, esto imposibilita la evaluación de los escenarios intermedios. Escenarios En los escenarios 1,3 y 6 no es posible observar cambios evidentes (datos no mostrados) en la respuesta hidrológica de las diferentes microcuencas, todos ellos corresponden a condiciones de cambio intermedio. Esto se debe al alto nivel de incertidumbre existente en las calibraciones, así como al desconocimiento de las características principalmente de evolución de los suelos, esto ha sido identificado como uno de los problemas de la modelización de escenarios de cambio a nivel mundial (Beven, 1996). El escenario 2 muestra una disminución en los flujos rápidos y un aumento en los flujos base (Figura 5 (a)), con valores para la relación entre los caudales observados y simulación para el escenario (Qobs/Qesc) de 0.35 y 1.55 para flujos base y rápidos respectivamente para el periodo de calibración, y de 0.13 y 3.04 para los caudales mínimo y máximo instantáneos respectivamente. Es decir, el principal efecto se observa sobre los flujos pico producto principalmente del aumento de la evapotranspiración, con un aumento considerable del flujo lateral debido al incremento de la capacidad de retención de agua y la conductividad hidráulica en los suelos.
8
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo El escenario 4, por el contrario produce una aumento en los caudales rápidos y una disminución en los caudales base de manera considerable (Figura 5 (a)). Con una relación Qobs/Qesc de 3.5 y 0.44 para flujos base y rápidos respectivamente y de 5.2 y 0.18 para caudales mínimos y máximos instantáneos respectivamente. El efecto en este escenario se da sobre los flujos base y rápidos en todo el rango de caudales, esto se debe a mas de las razones expuestas en el escenario 2, por las características topográficas, ya que la microcuenca MC3 es considerablemente menos escarpada. El escenario 5 presenta resultados similares, pero menos acentuados (datos no mostrados).
1.6
Q observado Q simulado Escenario 2
Caudal (m3.s-1)
1.2
0.8
0.4
0 9/5/05
3/24/06
10/10/06
4/28/07
11/14/07
(b)
(a) 0.5
Caudal (m3.s-1)
0.4
Q observado Q simulado Escenario 4
0.3
0.2
0.1
0 9/5/05 3/24/06 10/10/06 4/28/07 11/14/07 6/1/08
(c) (d) Figura 5. (a y c), Caudales observados, simulados y resultados del análisis de escenarios. (b y d), Bandas de error relativas a la incertidumbre (lt/s), en rojo los limites de confianza y en azul los límites de predicción. Sin embargo, estadísticamente solo se puede hablar de tendencias ya que del análisis de incertidumbre efectuado no se puede estadísticamente concluir que existen efectos producidos por el cambio de uso del suelo en ninguno de los escenarios. Resultados similares fueron encontrados por Varano (2003). Esto evidencia la necesidad disminuir la incertidumbre en las calibraciones. CONCLUSIONES El modelo SWAT 2000 muestra tener dificultad para simular el comportamiento hidrológico de las microcuencas forestadas y con cobertura mixta, debido principalmente a errores en la conceptualización de los procesos hidrológicos (flujo lateral vs. Percolación profunda). La
9
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo conceptualización de hidro-pedología debe ser mejorada considerablemente, esto ya ha sido parcialmente abordado por Eckhardt et al. (2002) y se ha desarrollado una nueva versión llamada SWAT-G, donde se potencializa el flujo lateral. Para el caso de la microcuenca con cobertura de pasto la simulación es aceptable. Por otra parte, después de un análisis adecuado de la información hidrométrica e hidrofísica de los suelos se puede concluir que las tendencias son claras y no dejan duda alguna del efecto de las cubiertas vegetales en la hidrología de cuencas hidrográficas, los pastos asentados sobre suelos en procesos de degradación presentan la tendencia de tener flujos superficiales altos permitiendo la generación de escorrentía inmediata, el caudal base llega a valores ínfimos después de un periodo seco corto. Los bosques primarios actúan de manera totalmente inversa, la regulación del volumen de agua es muy importante en verano y evita en la época lluviosa la generación de crecientes que puedan causar problemas de inundación. Esto si bien es confirmado por la simulación cabria hacerse una pregunta: Cual es la ventaja de la simulación matemática, si con mediciones es posible conocer y llegar a las conclusiones deseadas?. Esta pregunta es pertinente ya que no fue posible obtener conclusiones para los escenarios de cambio parcial mediante el uso del modelo. En este contexto, los resultados producto del análisis de escenarios deben ser examinados cuidadosamente, con un criterio técnico amplio, debido a que únicamente se pudo obtener tendencias del comportamiento hidrológico de las microcuencas de diferente cobertura vegetal, mas no hacer una evaluación cuantitativa del recurso hídrico disponible, debido al alto grado de incertidumbre. El reto más importante para a futuro hacer uso de herramientas matemáticas en la predicción de escenarios de cambio, será disminuir el grado de incertidumbre, basados principalmente en el mejoramiento del conocimiento de los procesos hidrológicos. AGRADECIMIENTOS Los autores expresan su reconocimiento y sincero agradecimiento por el apoyo y la información proporcionada para esta investigación a PROTOS/SENDAS a través del estudio de “Modelización hidrológica de microcuencas del Cantón Cañar” llevado en conjunto con PROMAS Universidad de Cuenca. Agradecemos la colaboración Sandra Mejía en las pruebas de laboratorio BIBLIOGRAFIA Allen, R.G. 1990. In REF-ET Reference Evapotranspiration Calculator, Man and Biosphere Digest Series, Kimberly Anderson JM, Spencer T. UNESCO: Paris; 95. Andreassian, V. 2004. Waters and forests: from historical controversy to scientific debate. J. Hydrol. 291, 1–27. Becker, A., B. Klöcking, W. Lahmer, y B. Pfützner. 2002. The hydrological modeling system En: Matematical Models of Large Watershed Hydrology. Ed: Singh V. y Frevert D. Water resources publications. Bendix, J., R. Rollenbeck, P. Fabian, P. Emck, M. Richter, y E. Beck. 2008. Climatic Variability. En: Gradients in a Tropical Mountain Ecosystem of Ecuador, Beck, Bendix, Kottke, Makeschin, Mosandl (Eds.). Springer 148 Beven, K.J. 1996. A Discussion of Distributed Hydrologycal Modelling, In: Distributed Hydrological Modelling, Science and Technology Library, 255-278.
10
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo Bogner, C., S. Engelhardt, J. Zeilinger, y B. Huwe. 2008. Visualization and Analysis of Flow Patterns and Water Flow Simulations in Disturbed and Undisturbed Tropical Soils. En: Gradients in a Tropical Mountain Ecosystem of Ecuador, Beck, Bendix, Kottke, Makeschin, Mosandl (Eds.). Springer 148. Bosch, J.M. y J.D. Hewlett. 1982. A review of catchment experiments to determine the effect of vegetation changes on water yield and evapotranspiration. J. Hydrol. 55, 3–23. Bruijnzeel, L.A. 2001. Hydrology of tropical montane cloud forests: a Reassessment. Land Use Water Res 1:1.1–1.18 (available at: www.luwrr.com) Cisneros, F., C. Coello, y J. Feyen. 2008. Analisis de curvas de duracion general para determinar el nivel de degradacion de cuencas. PROMAS Universidad de Cuenca – Ecuador, No Publicado Coello, C., F. Cisneros, y J. Feyen. 2008. Efecto de la cobertura vegetal en la respuesta hidrológica de cuencas hidrograficas. PROMAS Universidad de Cuenca – Ecuador, No Publicado Crespo, P. 2006. Análisis del efecto de escala de la información sobre el desempeño de modelo SWAT en una microcuenca de montaña. MSc Tesis, PROMAS-U. CUENCA. Crespo, P., C. Coello, V. Iñiguez, F. Cisneros, y M. Ramirez. 2008. Implementación de un modelo hidrológico en microcuencas del río BuluBulu. PROTOS/SENDAS-Universidad de Cuenca – Ecuador, No Publicado Eckhardt, K., S. Haverkamp, N. Fohrer, y H.-G. Frede. 2002. SWAT-G, a version of SWAT99.2 modified for application to low mountain range catchments. Physics and Chemistry of the Earth 27, 641-644. FAO/ISRIC/ISSS (1998) World Referente Base for Soil Resources, World Soil Resources Report Nr. 84, FAO: Rome; 88. FAO. 2006. Global forest resources assessment 2005. Progress towards sustainable forest management. Food and Agricultural Organization of the United Nations, Rome Fleischbein, K., W. Wilcke, J. Boy, C. Valarezo, W. Zech, y K. Knoblich. 2005. Rainfall interception in a lower montane forest in Ecuador: effects of canopy properties. Hydrol Process 19:1355— 1371. Fleischbein, K., W. Wilcke, C. Valarezo, W. Zech, y K. Knoblich. 2006. Water budgets of three small catchments under montane forest in Ecuador: experimental and modeling approach. Hydrol Process 20:2491–2507. Goller, R., W. Wilcke, M .Leng, H.J. Tobschall, K. Wagner, C. Valarezo, y W. Zech. 2005. Tracing water paths through small catchments under a tropical montane rain forest in south Ecuador by an oxygen isotope approach. J Hydrol 308:67–80. Hibbert, A.R. 1967. Forest treatment effects on water yield. En:, International Symposium on Forest Hydrology, Sopper, W.E., Lull, H.W. (Eds.). Pergamon, Oxford, p. 813. Knisel, W.G., J.R.Williams. 1995. Hydrology components of CREAMS and GLEAMS models, In: Computer Models of Watershed Hydrology, Water Resources Publications. 1069-1114.
11
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo Krajenbrink, H.J. 2007. Application of SWAT in four tropical mountainous micro-catchments MSc Dissertation, Delph University. Lenhart, T., K. Eckhardt, N. Fohrer, y H.-G. Frede. 2002. Comparison of two different approaches of sensitivity analysis, Physics and Chemistry of the Earth. 27, 645-654. Mosandl, R., S. Günter, B. Stimm, y M. Weber. 2008. Ecuador Suffers the Highest Deforestation Rate in South America. En: Gradients in a Tropical Mountain Ecosystem of Ecuador, Beck, Bendix, Kottke, Makeschin, Mosandl (Eds.). Springer 148. Nash, J.E. and J.V. Sutcliffe. 1970. River flow forecasting through conceptual models. I. A discussion of principles. J. Hydrol.. 10: 282 290. Neitsch, S.L., J.G. Arnold, J.R. Kinir, y J.R. Williams. 2002. Soil and Water Assessment Tool Theorical Documentation, USDA, Agriculture Research Service, Temple, Texas, USA PROMAS/DIUC. 2004. Efectos de la cobertura vegetal en la regulación hidrológica de microcuenca de páramo. No Publicado Refsgaard, J.C., y B. Storm. 1996. Construction and validation of hydrological models, Distributed Hydrological Modelling, Science and Technology Library, 47-54.
En:
Romanowicz ,A.A., M. Vanclooster, M. Rounsevell, y I. La Junesse. 2005. Sensitivity of the SWAT model to the soil and land use data parametrisation: a case study in the Thyle catchment, Belgium, Ecological Modelling. 187, 27–39 Siriwardena, L., B.L. Finlayson, y T.A. McMahon. 2006. The impact of land use change on catchment hydrology in large catchments: The Comet River, Central Queensland, Australia. J. of Hydrology 326, 199-214 Tukey ,J. 1977. Exploratory Data Analysis. Addison-Wesley Publishing Company. Varanou, E., M. Pikounis, E. Evangelos. Baltas, M. Mimikou. 2003. Application of the SWAT model for the sensitivity analysis of runoff to land use change. En: 2nd International SWAT Conference, TWRI Technical Report 266, Bari – Italy, 48-63 Wilcke, W., S. Yasin, K. Fleischbein, R. Goller, J. Boy, J. Knuth, C. Valarezo, y W. Zech. 2008. Water Relations. En: Gradients in a Tropical Mountain Ecosystem of Ecuador, Beck, Bendix, Kottke, Makeschin, Mosandl (Eds.). Springer 148. Willems, P. 2004. WETSPRO water engineering time series processing tool, K.U. Leuven, Hydraulics Laboratoty, Belgium. Williams, J.R. 1995. The EPIC model, In: Computer Models of Watershed Hydrology, Water Resources Publications. 909-1000 Wilk, J., L. Andersson, V. Plermkamon. 2001. Hydrological impacts of forest conversion to agriculture in a large river basin in northeast Thailand. Hydrol. Process. 15, 2729– 2748. Woods, R. 2004. The impact of spatial scale on spatial variability in hydrologic response: Experiments and ideas, Hydrol. Sci. J. 287, 153-167. Wunder, S. 2000. The economics of deforestation: the example of Ecuador. St. Martin, New York
12
Quito, 29 – 31 de Octubre del 2008
XI Congreso Ecuatoriano de la Ciencia del Suelo
Zhang, L., W.R. Dawes, y G.R. Walker. 1999. Predicting the Effect of Vegetation Changes on Catchment Average Water Balance, Cooperative Research Centre for Catchment Hydrology, Technical Report 99/12, 35pp.
13
Quito, 29 – 31 de Octubre del 2008
