Centro de Investigación Científica y de Educación Superior ... · propuso una parametrización...

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.

http://clicommex.cicese.mx/

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.

https://esg-dn1.nsc.liu.se/search/cordex/

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

http://clicom-mex.cicese.mx/

http://clicom-mex.cicese.mx/

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.

Centro de Investigación Científica y de Educación Superior ... · propuso una parametrización...

Documents

Transcript of Centro de Investigación Científica y de Educación Superior ... · propuso una parametrización...