Sie sind auf Seite 1von 129

UNIVERSIDAD DE CUENCA

RESUMEN

Con la finalidad de contribuir al entendimiento del manejo integral de cuencas hidrográficas esta investigación pretende determinar el comportamiento hidrológico de micro-cuencas de montaña caracterizadas por un suelo en especial con la aplicación de modelos hidrológicos como: SWAT (Herramienta de Evaluación para el Suelo y Agua), TOPMODEL (Modelo basado en el Índice Topográfico) y WEAP (Evaluación del Agua y Planificación); de los cuales a partir de un primer análisis comparativo se verificaran las ventajas y desventajas de cada uno y así poder seleccionar el modelo más recomendable para realizar el análisis de las micro-cuencas en estudio, Ortigas, Río Grande, Pajonal y Pinos, las cuales están localizadas en la región andina del Ecuador La tesis se realizo en el PROMAS-U. Cuenca dentro del proyecto “Modelación hidrológica distribuida como herramienta de soporte de decisiones para restauración hidrológica forestal de cuencas hidrográficas andinas” con el apoyo del SENACYT. Luego de clasificar los modelos hidrológicos, se analizan las ventajas y desventajas de cada uno de ellos para así poder seleccionar el modelo hidrológico que será implementado con la información de las diferentes micro- cuencas, posterior al análisis comparativo se selecciono el modelo TOPMODEL. Seleccionado el programa, se procede a la calibración del modelo, esto consiste en el ingreso de la información necesaria, realizar diferentes cálculos y aproximaciones que permitan establecer el comportamiento hidrológico más cercano a las condiciones reales; para validarlo y concluir las potencialidades de aplicar el modelo hidrológico en micro-cuencas de alta montaña.

Palabras clave: Páramo, Modelación Hidrológica, Micro cuenca, TOPMODEL.

UNIVERSIDAD DE CUENCA

Contenido

DEDICATORIA

4

AGRADECIMIENTOS

5

1. INTRODUCCION

6

1.1 Antecedentes y Justificación

7

1.2 Auspicio

8

1.3 Objetivos

8

1.3.1 Objetivo General

8

1.3.2 Objetivos específicos

8

2. MATERIALES Y METODOS

9

2.1 Ubicación geográfica del área de estudio

9

2.2 Morfometría de las cuencas

11

2.3 Equipamiento y Medición

14

2.3.1 Precipitación

15

2.3.2 Medición del caudal

15

2.3.3 Medición de datos climatológicos

16

2.4

Recopilación y procesamiento de datos

17

2.4.1

Topografía

17

2.4.2

Suelos

19

2.4.2.1

Tipos de suelos

19

2.4.2.2

Grupos hidrológicos del suelo

22

2.4.3

Uso del suelo/Cobertura vegetal

23

2.4.4

Datos hidrometeorológicos

24

2.4.4.1

Precipitación

25

2.4.4.2

Datos Meteorologicos

29

2.4.5

Caudales

31

3. MODELOS HIDROLOGICOS

34

3.1 Una Visión General sobre los Modelos

34

3.2 Clasificación de los

35

3.3 Análisis de la modelización hidrológica semidistribuida

37

3.3.1 SWAT

37

3.3.2 TOPMODEL

38

3.3.3 WEAP

40

3.4

Selección del modelo semidistribuido

41

UNIVERSIDAD DE CUENCA

4. TOPMODEL

42

4.1 Objetivos de la Modelación

42

4.2 Un Modelo Perceptual de Producción de Escorrentía

43

4.3 Un Modelo Conceptual de Producción de Escorrentía

44

4.3.1 La Organización del Almacenamiento en TOPMODEL

51

4.3.2 Curso del Canal y Estructura de las Sub-cuencas

59

4.3.3 Derivando el Índice Topográfico

60

4.3.4 El concepto TOPMODEL y la Semejanza Hidrológica

62

4.3.5 Calibración del modelo

65

4.4

Revisión Bibliográfica

68

4.4.1 Ejemplos de Aplicación y Resultados

69

4.4.2 Aplicación del TOPMODEL en micro-cuencas del páramo

76

5. RESULTADOS

81

5.1

Calibración

81

5.1.1 Cálculo del Índice Topográfico

81

5.1.2 Ríos

86

5.1.3 Retraso (Delay)

87

5.1.4 TopModel

88

5.2

Validación

108

6. CONCLUSIONES Y RECOMENDACIONES

112

6.1 Conclusiones

112

6.2 Recomendaciones

113

7. BIBLIOGRAFIA

115

8. ANEXOS

122

8.1 Datos de Precipitación

122

8.2 Datos Meteorológicos

126

UNIVERSIDAD DE CUENCA

DEDICATORIA

Dedico el presente trabajo a mis padres y a mi familia, quienes me han apoyado durante toda mi carrera universitaria.

UNIVERSIDAD DE CUENCA

AGRADECIMIENTOS

Luego de haber realizado esta investigación, quiero expresar mis más sinceros agradecimientos primero a Dios, ya que sin El nada hubiera sido posible, y a todas las personas que me ayudaron con el desarrollo del presente trabajo, mis padres, amigos y de manera muy especial al Ing. Felipe Cisneros E. Ph.D, director de la investigación y del PROMAS-U Cuenca.

Al Ing. Cristian Coello M.Sc. quien como tutor de la investigación me brindo su desinterasada ayuda de manera constante a lo largo de toda la realización de la tesis, y a todo el personal del PROMAS que en todo momento me brindaron su apoyo.

5

UNIVERSIDAD DE CUENCA

1. INTRODUCCION

En su acepción más simple, se conoce como cuenca hidrográfica al área drenada por un rio. La cuenca es una unidad natural hidrológica y geofísica, con límites definidos que facilitan la planificación y el aprovechamiento de sus recursos. Los límites de la cuenca dependen de su topografía y están determinados por la línea divisoria de aguas. En la cuenca hidrográfica es posible efectuar el balance del ciclo hidrológico, cuantificando con mayor precisión el agua disponible. Asimismo, las cuencas hidrográficas facilitan la percepción del efecto negativo de las acciones del hombre sobre su entorno, evidenciándola en la contaminación y en la calidad del agua evacuada por la cuenca, quedando claro, que el agua es el recurso integrador y el producto resultante de la cuenca.

Se entiende por manejo de cuencas hidrográficas la aplicación de principios y métodos para el uso racional, integrado y participativo de los recursos naturales de la cuenca; fundamentalmente del agua, del suelo y de la vegetación, a fin de lograr una producción optima y sostenida de estos recursos con el mínimo deterioro ambiental, para beneficio de los pobladores y usuarios de la cuenca.

Con la finalidad de contribuir al entendimiento del manejo integral de cuencas hidrográficas esta investigación pretende determinar el comportamiento hidrológico de micro-cuencas de montaña caracterizadas por un suelo en especial con la aplicación de modelos hidrológicos como: SWAT (Herramienta de Evaluación para el Suelo y Agua), TOPMODEL (Modelo basado en el Índice Topográfico) y WEAP (Evaluación del Agua y Planificación); de los cuales a partir de un primer análisis comparativo se verificaran las ventajas y desventajas de cada uno y así poder seleccionar el modelo más recomendable para realizar el análisis de las micro-cuencas en estudio.

Para el desarrollo de la presente tesis, el área geográfica de investigación lo conforman cuatro micro-cuencas de alta montaña, localizadas en la región andina del Ecuador. Los datos disponibles correspondientes a información de topografía, caudal, precipitación, temperatura, radiación solar, velocidad del viento, punto de rocío, entre otros parámetros climáticos y de suelos; los cuales son los necesarios para la modelación hidrológica. Toda la información y demás recursos necesarios para la realización de esta investigación fueron obtenidos gracias al PROMAS-U. de Cuenca, dentro del proyecto “Modelación hidrológica distribuida como herramienta de soporte de decisiones para restauración hidrológica forestal de cuencas hidrográficas andinas” con el apoyo del SENACYT.

UNIVERSIDAD DE CUENCA

El presente trabajo de investigación consiste en la descripción de la zona de estudio, que abarca la ubicación geográfica de las micro-cuencas, la ubicación de los equipos hidrometeorológicos, el tipo y uso de suelo; el primer objetivo es realizar el control de calidad de la información a ser utilizada, esto comprende el análisis de los datos, relleno y homogeneización de la información, más los análisis hidrológicos correspondientes.

Posterior a estas actividades se procede a clasificar los modelos hidrológicos, se analizaran las ventajas y desventajas de cada uno de ellos para así poder seleccionar el modelo hidrológico que será implementado con la información de las diferentes micro-cuencas.

Otra fase de la investigación consiste en la calibración del modelo, esto

consistirá en el ingreso de la información necesaria, realizar diferentes cálculos

y aproximaciones que permitan establecer el comportamiento hidrológico más

cercano a las condiciones reales; para validarlo y concluir las potencialidades

de aplicar el modelo hidrológico en micro-cuencas de alta montaña.

Con la implementación del modelo se procederá a la presentación de resultados de una manera clara y comprensible.

1.1 Antecedentes y Justificación

Un adecuado manejo de los recursos hídricos comprende un proceso de desarrollo coordinado que involucra el manejo de recursos del agua y de la tierra. Su propósito principal es desarrollar soluciones sostenibles que integren los aspectos técnicos, económicos y sociales de la utilización del agua.

La modelación hidrológica es una herramienta de ayuda que permite entender

y evaluar estos procesos para así identificar las ventajas y desventajas de las acciones antrópicas sobre ecosistemas de montaña y su afección los recursos hídricos. Los modelos hidrológicos tratan de reproducir el fenómeno lluvia- escurrimiento en una cuenca, por ello es muy importante la implementación de estos modelos para la toma de decisiones en la restauración hidrológica forestal de micro cuencas de montaña.

Por todos estos motivos se ha decido estudiar los diferentes tipos de modelos hidrológicos como el SWAT, WEAP y TOPMODEL, y conociendo las ventajas y desventajas de cada uno de ellos seleccionar uno que permita entender el comportamiento hidrológico de las micro-cuencas en estudio.

Con el desarrollo del tema de investigación se pretende adquirir experiencia en la utilización del modelo hidrológico semi-distribuido en cuencas de alta

UNIVERSIDAD DE CUENCA

montaña. Es muy importante conocer los procesos hidrológicos, para lo cual el modelo seleccionado deberá ser muy útil.

1.2 Auspicio

El PROMAS Universidad de Cuenca viene desarrollando proyectos de investigación en el campo de los recursos hídricos bajo el financiamiento de la SENACYT. Los inicios de la investigación se centran en micro cuencas de alta montaña y en la utilización de modelos hidrológicos de diversa complejidad.

En este sentido y en el marco del proyecto “Modelación hidrológica distribuida como herramienta de soporte de decisiones para restauración hidrológica forestal de cuencas hidrográficas andinas” el SENACYT y PROMAS Universidad de Cuenca tienen la necesidad de conocer la validez de la utilización de modelos hidrológicos semidistribuidos en la respuesta hidrológica de micro cuencas con diferente cobertura vegetal.

1.3 Objetivos

1.3.1 Objetivo General

Contribuir al claro entendimiento del proceso hidrológico en cuencas hidrográficas de montaña, en función del uso y tipo del suelo.cobertura vegetal. 1.3 Objetivos 1.3.1 Objetivo General 1.3.2 Objetivos específicos Seleccionar e Implementar un

1.3.2 Objetivos específicos

Seleccionar e Implementar un modelo hidrológico semidistribuido en cuatro micro-cuencas de montaña caracterizadas por coberturas diferentesdel uso y tipo del suelo. 1.3.2 Objetivos específicos Calibración y validación de micro cuencas de

Calibración y validación de micro cuencas de montañas en base a modelización hidrológicade montaña caracterizadas por coberturas diferentes Determinar las variables más sensibles del modelo empleado

Determinar las variables más sensibles del modelo empleado para micro cuencas de montañas.cuencas de montañas en base a modelización hidrológica Determinar la validez del usos de modelos semidistribuidos

Determinar la validez del usos de modelos semidistribuidos en ecosistemas de montañalas variables más sensibles del modelo empleado para micro cuencas de montañas. Martha Elena Carrillo Serrano

UNIVERSIDAD DE CUENCA

2.

MATERIALES Y METODOS

2.1

Ubicación geográfica del área de estudio

La zona de estudio para la presente investigación consta de cuatro micro- cuencas de montaña, dividiéndolas en dos grupos, por un lado dos micro- cuencas con régimen climático de costa y tributantes del pacífico y un grupo de micro-cuencas con régimen bimodal característico de la región andina del sur del País que desembocan en el Atlántico.

Las dos primeras micro-cuencas, Ortigas y Río Grande, se encuentran localizadas en la zona de la cuenca alta del Río Bulubulu, dentro del cantón Cañar, provincia del Cañar (Ver Figura 2.1).

El relieve de la zona en estudio se encuentran en la lateral oeste de la cordillera occidental de la sierra ecuatoriana, en la transición sierra costa, por lo cual presenta un relieve pronunciado y accidentado con la presencia de pendientes pronunciadas, aspectos muy comunes en las micro cuencas de montaña.

aspectos muy comunes en las micro cuencas de montaña. Figura 2.1. Localización de las micro-cuencas de

Figura 2.1. Localización de las micro-cuencas de Ortigas y Río Grande

UNIVERSIDAD DE CUENCA

Río Grande: Esta tiene una extensión de 5,46Km 2 , un perímetro de 10545m, altitudinalemente se encuentra en un rango de 2230 y 3280m.s.n.m. Con una cobertura vegetal natural formada por bosque y chaparro y con poca cantidad de pasto, por lo que se la clasifica como una cobertura mixta. Su tipo de suelo está formado por Andosol y Leptosol, en la salida de la captación encontramos la mayoría otro tipo de suelo como el Cambisol.

Ortigas: Esta tiene una extensión de 0,99Km2, un perímetro de 4750m, el rango de alturas está entre los 2305 y 2880 m.s.n.m. Se encuentra formada de bosque natural, con un poco de pasto que encontramos en la parte occidental de la micro-cuenca, cuya cobertura está clasificada como de bosque nativo; con un tipo de suelo en su mayoría Andosol, en menos presencia encontramos Cambisol y Leptosol.

El clima tiene dos estaciones marcadas: invierno (diciembre-mayo), en donde se espera una precipitación mayor al 90%; y verano (junio-noviembre), que se caracteriza por ser muy seco y extenso.

Las otras dos micro-cuencas con diferente cobertura vegetal fueron identificadas por medio de una imagen satelital y fotografías aéreas que posteriormente fueron localizadas con precisión en la correspondiente visita de campo, las mismas que se encuentran en zonas de páramo. Estas micro- cuencas se ubican al noroeste de la ciudad de Cuenca, la principal carretera de acceso es la vía Cuenca-Molleturo-Naranjal, sector El Cajas conocido como Marianza, dentro de la cuenca del Paute (Ver Figura 2.2).

Marianza, dentro de la cuenca del Paute (Ver Figura 2.2). Figura 2.2. Localización de las dos

Figura 2.2. Localización de las dos micro-cuencas de páramo

UNIVERSIDAD DE CUENCA

Marianza Pajonal: Esta micro-cuenca tiene una extensión de 1,03Km 2 , un perímetro de 4816m. Tiene una cota mínima de 2980 y una cota máxima de 3740m.s.n.m. Con una cobertura vegetal natural formada por pajonal, el tipo de suelo es Andosol, el estado actual es cobertura inalterada, y su uso de suelo es para ganadería extensiva.

Marianza Pinos: Esta micro-cuenca tiene una extensión de 0,59km 2 , un perímetro de 3102m. Tiene una cota mínima de 3240 y una cota máxima de 3700m.s.n.m. Con una cobertura vegetal formada por bosque de pinos en un 98%, el tipo de suelo de esta es Andosol, el estado actual es de una cobertura forestada, y su uso de suelo es para plantación de pinos.

El páramo está caracterizado por un clima frío y húmedo. La precipitación es extremadamente variable en espacio y tiempo. Generalmente, las intensidades de lluvia son bajas. Los vientos pueden ser muy fuertes y altamente variables en dirección, debido a las pendientes fuertes y lo accidentado de la topografía.

2.2 Morfometría de las cuencas

El proceso de caracterización de las propiedades morfométricas de la red de drenaje, es el primer paso en la búsqueda de las relaciones entre estos y las condiciones climáticas, geológicas e hidrológicas que determinan la evolución de la cuenca (Navarrete, 2004). El comportamiento de la red hidrológica, puede verse modificado por las propiedades morfométricas de las cuencas (forma, pendiente y red hidrológica) que tienen que ver con la respuesta del caudal recibido y que pueden operar tanto para disminuir o intensificar las crecidas ya que éstas, actúan incrementando el volumen del flujo y la velocidad de su movimiento que son determinantes para evitar desastres en caso de fuertes lluvias (Robinson, 2000). Para hacer una clasificación de las micro-cuencas en estudio según su forma se han obtenido los siguientes parámetros de forma:

Coeficiente de Compacidad (Cc) o Índice de Gravelius (1914): Es la relación entre el perímetro de la cuenca y el de una circunferencia; sus resultados estarán basados en la clasificación de Campos (1992) mostrados en la Tabla 2.1. Cuánto más cercano esté el índice a la unidad, la cuenca será más circular y por tanto más compacta, y en la media que aumenta, la cuenca adquiere una forma más oval. La fórmula de Gravelius, está dada por:

(2.1)

UNIVERSIDAD DE CUENCA

Donde:

Cc = Coeficiente de compacidad.

A = Área de la cuenca.

Pc= Perímetro de la cuenca.

Clase de

Indice de Compacidad

Forma de la Cuenca

Forma

(Cc)

Clase I

1.0 a 1.25

Casi redonda a oval-redonda

Clase II

1.26 - 1.50

Oval-redonda a oval oblonga

Clase III

1.51 a mas de 2

Oval-oblonga a rectangular-oblonga

Tabla 2.1. Formas de la cuenca de acuerdo al Índice de compacidad. (Campos, 1992)

Los resultados del índice de compacidad y la respectiva clasificación de las micro-cuencas se muestran en la Tabla 2.6.

Micro-cuenca

Area (km2)

Perímetro (km)

Cc

Forma de la Cuenca

Ortigas

0.99

4.75

1.35

Oval-redonda a oval oblonga

Rio Grande

5.46

10.545

1.27

Oval-redonda a oval oblonga

Pajonal

1.03

4.816

1.34

Oval-redonda a oval oblonga

Pinos

0.59

3.102

1.14

Oval-redonda a oval oblonga

Tabla 2.2. Clasificación de las micro-cuencas según el coeficiente de compacidad

Razón de Elongación (Re): Es la relación entre el diámetro de un círculo con igual área que la de la cuenca y la longitud máxima de la misma. La fórmula es la propuesta por Shumm (1956):

(2.2)

Donde:

Re= Relación de elongación.

Lc= Longitud del cauce principal de la cuenca.

A = Área.

La ecuación 2.2, es la más extendida para calcular este índice debido a la alta correlación que guarda con la hidrología de la cuenca. Valores cerca a la unidad implicará formas redondeadas y cuanto menor sea a la unidad, será más alargada (González, 2004).

En la Tabla 2.3 se puede observar los valores de la razón de elongación y la forma de las micro-cuencas según este coeficiente.

UNIVERSIDAD DE CUENCA

Micro-cuenca

Area (km2)

Longitud del cauce (km)

Re

Forma de la Cuenca

Ortigas

0.99

1.28

0.87

Redondeada

Rio Grande

5.46

3.57

1.34

Alargada

Pajonal

1.03

1.96

0.32

Alargada

Pinos

0.59

1.45

0.60

Redondeada

Tabla 2.3. Clasificación de las micro-cuencas según razón de elongación (Campos, 1992)

Factor de Forma (F): Este factor fue propuesto por Horton (1945) donde relaciona el área de la cuenca y la longitud de la misma. En este sentido, valores inferiores a la unidad indican cuencas alargadas y aquellos cercanos a uno, son redondeadas. Se expresa con la ecuación:

(2.3)

Donde:

A= Área de la cuenca. L2= Longitud de la cuenca.

En la Tabla 2.4 se muestra la clasificación de las micro-cuencas según el factor forma.

Micro-cuenca

Area (km2)

Longitud de la cuenca (km)

F

Forma de la Cuenca

Ortigas

0.99

1.52

0.99

Redondeada

Rio Grande

5.46

3.45

5.46

Alargada

Pajonal

1.03

1.82

1.03

Alargada

Pinos

0.59

0.98

0.59

Redondeada

Tabla 2.4. Factor forma de las micro-cuencas

Tamaño de la cuenca: Para definirla, Campos (1992) propone una clasificación basada en la superficie de la misma (Tabla 2.5).

Tamaño de la

cuenca (km2)

Descripción

Menores de 25

Muy Pequeña

25 a 250

Pequeña

250 a 500

Intermedia Pequeña

500 a 2500

Intermedia Grande

2500 a 5000

Grande

Mas de 5000

Muy Grande

Tabla 2.5. Clasificación propuesta para el tamaño de cuencas (Campos, 1992)

Según esta tabla, las cuencas en estudio, Ortigas, Río Grande Marianza Pajonal y Marianza Pinos, están clasificadas como Muy Pequeñas.

UNIVERSIDAD DE CUENCA

2.3 Equipamiento y Medición

Para una obtención de datos confiables, la red de monitoreo se ha colocado estratégicamente en las micro-cuencas. La red de pluviógrafos así como las estaciones climáticas y sensores de nivel están ubicados de acuerdo a la Tabla 2.6. Estos datos están georeferenciados según el datum psad56.

NOMBRE

UTMx

UTMy

ALTURA

TIPO

 

(m.s.n.m.)

Marianza: PT1

708862

9684685

3438,7

Pluviógrafo

Marianza: PT2

709221

968439

3621.7

Pluviógrafo

Marianza: PP1

709876

9684662

3375.7

Pluviógrafo

Suscalpamba

715448

9729676

2737

Pluviógrafo

Potrerillos

716951

9733039

2963

Pluviógrafo

Chilchil

710239

9730236

2841

Pluviógrafo

Ortigas

713818

9732708

2330

Pluviógrafo

Marianza: Pajonal

709611

9685452

2980

Est. Hidrográfica

Marianza: Pinos

710442

9684035

3240

Est. Hidrográfica

Ortigas

713907

9732284

2305

Est. Hidrográfica

Río Grande

713611

9731939

2220

Est. Hidrográfica

Marianza

708890

9684604

3454

Est.

Chontamarca

712446

9731058

2254

Est.

Tabla 2.6. Equipos instalados

A cada micro cuenca corresponde una parte del equipo de acuerdo a su ubicación, para un mejor entendimiento de la red de monitoreo, se indica a continuación en la Tabla 2.7, el equipo instalado en cada una de ellas y con el porcentaje de influencia en el caso de los pluviógrafos, cuyo análisis fue realizado mediante polígonos de Thiessen.

Área de Influencia

de Pluviógrafos

Micro-cuenca

Pluviógrafos

Ortigas

Ortigas

100%

Ortigas

45%

Potrerillos

48%

Suscalpamba

7%

Pinos

80%

Pajonal 2

20%

Pajonal 1

75%

Pajonal 2

25%

Río Grande

Marianza Pinos

Marianza Pajonal

Tabla 2.7. Red de Pluviógrafos, y el área de influencia en cada micro-cuenca

UNIVERSIDAD DE CUENCA

2.3.1 Precipitación

Todas las micro cuencas de investigación fueron equipadas para monitoreo de la precipitación, caudal y clima. Los pluviógrafos que fueron instalados tienen resoluciones de impulso de 0.254mm y 0.2mm dependiendo el caso. Los pluviógrafos instalados se muestran en la Figura 2.3 a continuación.

instalados se muestran en la Figura 2.3 a continuación. Figura 2.3. Pluviógrafos instalados “Rain Collector II

Figura 2.3. Pluviógrafos instalados “Rain Collector II y HOBO datalogger”

2.3.2 Medición del caudal

La medición de caudales se realiza mediante estaciones limigráficas en las cuales se tiene la infraestructura necesaria para medir alturas de agua mediante sensores de nivel (Figura 2.4), los cuales mediante curvas calibradas convenientemente de acuerdo a las estructuras de medición, da los caudales instantáneos que salen por el cauce del río.

Para la determinación adecuada de los caudales en cada micro cuenca se implemento:

Un vertedero triangular de cresta delgada (Figura 2.5)adecuada de los caudales en cada micro cuenca se implemento: Un transductor de presión sumergible, sensor

Un transductor de presión sumergible, sensor ubicado aguas arriba del vertedero para medir la altura de agua sobre la cresta del vertedero.Un vertedero triangular de cresta delgada (Figura 2.5) Un instrumento que registra automáticamente el nivel del

Un instrumento que registra automáticamente el nivel del agua o datalogger.para medir la altura de agua sobre la cresta del vertedero. Baro y mini diver para

Baro y mini diver para la estimación de niveles.vertedero. Un instrumento que registra automáticamente el nivel del agua o datalogger. Martha Elena Carrillo Serrano

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 2.4. Transductor de presión (Global water instrument, USA) Figura 2.5. Fotografía del

Figura 2.4. Transductor de presión (Global water instrument, USA)

2.4. Transductor de presión (Global water instrument, USA) Figura 2.5. Fotografía del Vertedero triangular instalado

Figura 2.5. Fotografía del Vertedero triangular instalado en Ortigas

2.3.3 Medición de datos climatológicos

Para la medición de los datos de clima se utilizan las estaciones meteorológicas de:

Chontamarca, ubicada en las coordenadas (712446 UTMx, 9731058 UTMy), la cual caracteriza el clima de las micro-cuencas de Ortigas y Río Grande, la estación de Marianza (Figura 2.6) localizada en las coordenadas (708890 UTMx, 9684604 UTMy) rige el clima de las micro-cuencas Marianza Pajonal y Marianza Pinos, los parámetros obtenidos de las estaciones son:

Velocidad del viento a 2,0m sobre la superficie del suelo, en m/sPinos, los parámetros obtenidos de las estaciones son: Dirección del viento Precipitación en mm Martha Elena

Dirección del vientoVelocidad del viento a 2,0m sobre la superficie del suelo, en m/s Precipitación en mm Martha

Precipitación en mmVelocidad del viento a 2,0m sobre la superficie del suelo, en m/s Dirección del viento Martha

UNIVERSIDAD DE CUENCA

Radiación solar en W/m²UNIVERSIDAD DE CUENCA Temperatura °C (max, min, media) Humedad relativa (max, min, media) Presión Barométrica (mm/bar)

Temperatura °C (max, min, media)UNIVERSIDAD DE CUENCA Radiación solar en W/m² Humedad relativa (max, min, media) Presión Barométrica (mm/bar) Punto

Humedad relativa (max, min, media)Radiación solar en W/m² Temperatura °C (max, min, media) Presión Barométrica (mm/bar) Punto de Rocio ºC

Presión Barométrica (mm/bar)°C (max, min, media) Humedad relativa (max, min, media) Punto de Rocio ºC Figura 2.6. Fotografía

Punto de Rocio ºCrelativa (max, min, media) Presión Barométrica (mm/bar) Figura 2.6. Fotografía de la Estación meteorológica en

media) Presión Barométrica (mm/bar) Punto de Rocio ºC Figura 2.6. Fotografía de la Estación meteorológica en

Figura 2.6. Fotografía de la Estación meteorológica en Marianza (Campbell)

2.4 Recopilación y procesamiento de datos

Para realizar la modelación de una cuenca hidrográfica es necesaria cierta información, como:

Topografía (curvas de nivel, ríos, quebradas).cuenca hidrográfica es necesaria cierta información, como: Suelo. Uso del suelo/Cobertura vegetal. Información

Suelo.como: Topografía (curvas de nivel, ríos, quebradas). Uso del suelo/Cobertura vegetal. Información climática

Uso del suelo/Cobertura vegetal.Topografía (curvas de nivel, ríos, quebradas). Suelo. Información climática como: precipitación, temperatura,

Información climática como: precipitación, temperatura, humedad relativa, radiación solar, velocidad del viento. El registro de estos datos es diario.ríos, quebradas). Suelo. Uso del suelo/Cobertura vegetal. Observaciones y mediciones de caudal como respuesta

Observaciones y mediciones de caudal como respuesta hidrológica en las micro-cuencas, para una correcta calibración del modelo.velocidad del viento. El registro de estos datos es diario. 2.4.1 Topografía La topografía de la

2.4.1

Topografía

La topografía de la cuenca es muy importante ya que sirve para enmarcar el contexto de las áreas y completar la descripción física de la cuenca. Para realizar la modelización de las micro-cuencas se requiere un Modelo de Elevación Digital (DEM). El DEM es una estructura numérica de datos que representa la distribución espacial de la elevación del terreno. Se ha utilizado el

UNIVERSIDAD DE CUENCA

programa ArcGIS9.3 para la realización del DEM de las micro-cuencas estudiadas. En las Figuras 2.7, 2.8, 2.9 y 2.10, se muestra los DEM de cada una de las micro-cuencas.

y 2.10, se muestra los DEM de cada una de las micro-cuencas. Figura 2.7. DEM de

Figura 2.7. DEM de la microcuenca Ortigas

las micro-cuencas. Figura 2.7. DEM de la microcuenca Ortigas Figura 2.8. DEM de la microcuenca Rio

Figura 2.8. DEM de la microcuenca Rio Grande

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 2.9. DEM de la micrcuenca Marianza Pajonal Figura 2.10. DEM de la

Figura 2.9. DEM de la micrcuenca Marianza Pajonal

DE CUENCA Figura 2.9. DEM de la micrcuenca Marianza Pajonal Figura 2.10. DEM de la microcenca

Figura 2.10. DEM de la microcenca Marianza Pinos

2.4.2

Suelos

2.4.2.1

Tipos de suelos

En las micro-cuencas en estudio se determinaron tres tipos de suelos (Ver Figura 2.11 y Figura 2.12), los cuales se describen a continuación:

Andosol: El término Andosol deriva de los vocablos japoneses "an" que significa negro y "do" que significa suelo, haciendo alusión a su carácter de suelos negros de formaciones volcánicas. El material original lo constituyen, fundamentalmente, cenizas volcánicas. Se encuentran en áreas onduladas a

UNIVERSIDAD DE CUENCA

montañosas de las regiones húmedas, desde el ártico al trópico, bajo un amplio rango de formaciones vegetales. Su principal limitación es la elevada capacidad de fijación de fosfatos. Las propiedades físicas de estos suelos están condicionadas por una textura fina, aunque su contenido en arcilla no suele pasar del 20 a 25 %, pobre en arenas y tanto más cuanto mayor es la evolución.

La estructura es "particular" formada por agregados muy finos, de tamaño limo

y arena fina, como consecuencia de la formación de los complejos organo-

metálicos que son el origen de este Grupo de suelos. La formación del complejo verdadero entre los ácidos fúlvicos y el hierro y el aluminio, engloba a los complejos de adsorción constituidos por las arcillas neoformadas en la alteración geoquímica, que precede a la edafización, y los ácidos húmicos poco polimerizados, procedentes de la humificación de los primeros restos vegetales incorporados. Mientras la parte interna del agregado presenta una renovación

de la materia orgánica muy lenta, la parte externa es de renovación más rápida, que facilita su mineralización paulatina. La presencia de alofana como mineral muy abundante de la fracción arcillosa, le otorga al suelo una consistencia "untuosa" muy particular conocida como "tixotropía", cuya peculiaridad es que

al ser presionada una porción húmeda de suelo se licúa y fluye entre los dedos,

volviendo a su estado semisólido original al cesar la presión. Todo ello conduce

a una estructura muy porosa con una densidad aparente del suelo muy baja, entre 0.5 y 0.8 kgdm-3, y una permeabilidad muy elevada.

La desecación del suelo provoca una retracción de los agregados que los hace muy difíciles de volver a rehumectar; por esta razón la capacidad de retención de agua puede reducirse hasta en un 60 % de la inicial. El suelo se convierte en una masa polvorienta e hidrófoba con pérdida de sus mejores características físicas.

La necesidad de mantenerse húmedos para conservar su naturaleza de Andosol, hace que el lavado sea intenso y la pérdida de bases abundante; ello conduce a valores de pH algo ácidos aunque pueden estar cercanos a la neutralidad. El contenido de la materia orgánica, puede alcanzar valores del 20 % o mayores

El término Cambisol se deriva del vocablo latino "cambiare" que

significa cambiar, haciendo alusión al principio de diferenciación de horizontes

manifestado por cambios en el color, la estructura o el lavado de carbonatos, entre otros. Los Cambisoles se desarrollan sobre materiales de alteración procedentes de un amplio tipo de rocas, entre ellos se destacan los depósitos de carácter eólico, aluvial o coluvial. Aparecen sobre todas las morfologías, climas y tipos de vegetación. Permiten un amplio rango de posibles usos agrícolas. Sus principales limitaciones están asociadas a la topografía, bajo espesor, pedregosidad o bajo contenido en bases. En zonas de elevada pendiente su uso queda reducido al forestal o pascícola.

Cambisol:

Leptosol: El término Leptosol se deriva del vocablo griego "leptos" que significa delgado, haciendo alusión a su espesor reducido. Puede estar constituido de rocas o materiales no consolidados. Aparecen en zonas altas o

UNIVERSIDAD DE CUENCA

medias con una topografía escarpada y elevadas pendientes. Se encuentran en todas las zonas climáticas y, particularmente, en áreas fuertemente erosionadas. Son suelos poco aptos para cultivos, por lo que se los mantiene para uso forestal. La única característica asociada al grupo es su falta de espesor, ella lleva consigo una escasa retención de agua y de nutrientes, acrecentada por la textura gruesa que es propia de estos suelos, salvo en casos excepcionales.

excepcionales. ( http://www.unex.es/edafo/FAO.htm ) . Figura 2.11. Tipos de suelos en las micro-cuencas Ortigas y

Figura 2.11. Tipos de suelos en las micro-cuencas Ortigas y Rio Grande

Tipos de suelos en las micro-cuencas Ortigas y Rio Grande Figura 2.12. Tipos de suelos en

Figura 2.12. Tipos de suelos en las micro-cuencas Pajonal y Pinos

UNIVERSIDAD DE CUENCA

En la Tabla 2.8 se muestra la distribución de cada tipo de suelo en las micro- cuencas.

Micro cuenca

Micro cuenca

Andosol (%)

Micro cuenca Andosol (%) Cambisol (%) Leptosol (%)

Cambisol (%)

Micro cuenca Andosol (%) Cambisol (%) Leptosol (%)

Leptosol (%)

Ortigas

72.72

3.13

24.14

Río Grande

56.77

6.42

36.81

Marianza Pajonal

100

0

0

Marianza Pinos

100

0

0

Tabla 2.8. Distribucion de las categoriaas de suelos utilizadas

2.4.2.2 Grupos hidrológicos del suelo

El Servicio de Conservación de los Recursos Naturales (NRCS) de los EE.UU clasifica a los suelos en cuatro grupos hidrológicos (A, B, C, D), basándose en las características de la infiltración de los suelos.

GRUPO A. BAJO POTENCIAL DE ESCORRENTÍA: Son suelos que tienen una alta tasa de infiltración aún cuando están muy húmedos. Consisten en arenas o gravas, son profundos y excesivamente drenados. Tienen una alta tasa de transmisión de agua.

GRUPO B. MODERADAMENTE BAJO POTENCIAL DE ESCORRENTÍA: Son suelos con tasa de infiltración moderada cuando están muy húmedos. Son moderadamente profundos a profundos, de una drenabilidad media a drenados, y con una textura moderadamente fina a gruesa, y permeabilidad moderadamente lenta a moderadamente rápida. Tienen una tasa de transmisión de agua moderada.

GRUPO C. MODERADAMENTE ALTO POTENCIAL DE ESCORRENTÍA: Son suelos con infiltración lenta cuando están muy húmedos. Consisten en un estrato que impide el movimiento del agua hacia abajo; tienen una textura moderadamente fina a fina. Estos suelos pueden ser pobremente drenados a moderadamente drenados, a poca profundidad (50-100cm) tienen permeabilidad lenta a muy lenta. Tienen un bajo índice de transmisión de agua.

GRUPO D. ALTO POTENCIAL DE ESCORRENTÍA: Son suelos con infiltración muy lenta cuando están muy húmedos. Consisten de suelos arcillosos con alto potencial de expansión; permanente nivel freático alto; suelos con estrato arcilloso superficial; suelos poco profundos. Tienen una tasa de transmisión muy lenta.

(Hidrología en la Ingeniería, Germán Monsalve Sáenz, 1999).

A continuación en la Tabla 2.9 se muestra las principales propiedades de los suelos que conforman las cuatro micro-cuencas.

UNIVERSIDAD DE CUENCA

MICRO CUENCAS Andosol Cambisol Cambisol Leptosol Leptosol Andosol Andosol DESCRIPCION ORTIGAS RÍO
MICRO CUENCAS

MICRO CUENCAS

MICRO CUENCAS

Andosol

Cambisol

Cambisol

Leptosol

Leptosol

Andosol

Andosol

DESCRIPCION

ORTIGAS

RÍO GRANDE

PAJONAL

A

Grupo Hidrologico

B

C

C

B

C

C

Ks mm/h

231.47

28.7

26.2

231.47

28.7

26.2

AWC

0.25

0.15

0.26

0.25

0.15

0.26

Arena %

50

42

29

43

42

29

Limo %

35

43

42.3

43

43

42.3

Arcilla %

15

15

28.7

14

15

28.7

Roca %

0

0

2

0

0

2

Bulk Density gr/cm3

0.58

1.6

1.15

1.1

1.6

1.15

% Carbono = 0,58MO (%)

9.1

5.8

3.7

6.7

5.8

3.7

Andosol

PINOS

A

19.55 0.2 40 35 25 0 0.69 7.3
19.55
0.2
40
35
25
0
0.69
7.3

44

0.3

37

36

27

0

0.52

7.2

Tabla 2.9. Propiedades de los Suelos de las micro-cuencas en estudio

Fuente: Laboratorio de Hidrofísica de Suelos PROMAS.

2.4.3 Uso del suelo/Cobertura vegetal

En las micro-cuencas de Río Grande y Ortigas se han encontrado cobertura de bosque, chaparro y pasto. En la Figura 2.13 se muestra el mapa de uso del suelos en estas dos micro-cuencas.

el mapa de uso del suelos en estas dos micro-cuencas. Figura 2.13. Mapa de usos de

Figura 2.13. Mapa de usos de suelos de las micro-cuencas de Ortigas y Río Grande

En las micro-cuencas de Marianza se han encontrado cobertura de Bosque de Pinos y Pajonal, como se muetra en la Figura 2.14.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 2.14. Mapa de usos de suelos de las micro-cuencas de Marianza Pajonal

Figura 2.14. Mapa de usos de suelos de las micro-cuencas de Marianza Pajonal y Pinos

La escala con la que se han realizado los levantamientos de la cobertura vegetal para las micro-cuencas de Ortigas y Río Grande es de 1:10000 y para las micro-cuencas de Marianza se cuenta con una escala de 1:25000.

En la Tabla 2.10 se muestra la distribución de la cobertura de suelos en las micro-cuencas de estudio.

Micro-cuenca
Micro-cuenca
Micro-cuenca
Micro-cuenca

Micro-cuenca

Micro-cuenca

Río Grande

Ortigas

Pajonal

Pinos

Pastos

33.3

22

----

----

Bosque Montano

28.3

73.6

----

----

Chaparro

(%)

38.4

4.4

----

13.42

Pajonal

----

----

100

----

Pino

----

----

----

86.48

86.48

Tabla 2.10. Distribucion de cobertura de suelos de las microcuencas

2.4.4 Datos hidrometeorológicos

Debido a ciertos inconvenientes en los equipos de medición, las series de datos con las que se cuenta no se encuentran completas, por lo tanto algunas series fueron rellenadas.

Los datos hidrometeorológicos que se obtienen de cada vienen en diversa escala temporal sin embargo para uso del modelo hidrológico el time step o tiempo de simulación es de escala diaria, cuyos parámetros son: precipitación (mm), punto de rocío (°C), radiación solar (W/m2), velocidad de viento (m/s),

UNIVERSIDAD DE CUENCA

temperatura máxima, media y mínima (°C); y humedad relativa máxima, media y mínima (%).

Los datos registrados en la estación meteorológica de Chontamarca, son referentes de las micro-cuencas de Ortigas y Río Grande. El registro disponible consta desde el 07/Oct/2005 hasta el 25/Feb/2010, no todos los datos están completos, para temperatura, punto de rocío, humedad relativa, temperatura máxima y minina; y para humedad relativa máxima y mínima, se ha tomado de sus registros un año completo y se ha procedido a rellenar los

datos faltantes. Para los datos de radiación solar y velocidad del viento, no se encontró un año completo por lo que se tomaron los datos correspondientes de

la estación de Namza, la cual se encuentra en las coordenadas (725665 UTMx,

9746066 UTMy), con una cota de 1820 m.s.n.m. cuyo régimen climático y

condiciones son muy similares a los registradas en la estación de Chontamarca.

En la estación de Chontamarca el registro de la presión se ha tomado en base

a la Ecuación 2.4, la misma que es una simplificación de la ley de los gases ideales, a una temperatura atmosférica estándar de 20°C.

(2.4)

Donde A es la altura, que para ésta estación es igual a 2254 m.s.n.m., el valor resultante de esta ecuación es una constante igual a 773.36 Kpa o 773.6 mbar.

Para las micro-cuencas de Marianza Pajonal y Marianza Pinos, se utilizan los datos registrados por la estación meteorológica de Marianza; el registro en esta estación consta desde el 29/May/2004 hasta el 24/Feb/2010, los datos faltantes se rellenaron con los del año completo del 19/Jun/2006 al 18/Jun/2007.

Todos los datos obtenidos para la realización de la investigación, han sido proporcionados por el PROMAS - Universidad de Cuenca.

2.4.4.1

Precipitación

Para la calibración y validación de las cuatro micro-cuencas, se realiza un análisis de las precipitaciones registradas en los pliviógrafos. Como la serie de datos se encuentran incompletas tanto para los pluviógrafos como para las estaciones meteorológicas, para rellenarlos se obtuvo el coeficiente de correlación entre los pliviógrafos y la estación, tanto para las micro-cuencas de Ortigas y Rio Grande como para las micro-cuencas de Marianza.

UNIVERSIDAD DE CUENCA

El coeficiente de correlación describe la intensidad de la relación entre dos conjuntos de variables de nivel de intervalo. Es la medida de la intensidad de la relación lineal entre dos variables. El valor del coeficiente de correlación puede tomar valores desde menos uno hasta uno, indicando que mientras más cercano a uno sea el valor del coeficiente de correlación, en cualquier dirección, más fuerte será la asociación lineal entre las dos variables. Mientras más cercano a cero sea el coeficiente de correlación indicará que más débil es la asociación entre ambas variables. Si es igual a cero se concluirá que no existe relación lineal alguna entre ambas variables.

En sentido estricto, correlación entre dos variables tan solo significa que ambas variables comparten información, que comparten variabilidad, por esta razón es factible utilizarlo para el relleno de información, ya que los datos de precipitación de los diferentes pluviógrafos guardan entre ellos cierta relación.

La Tabla 2.11, muestra los valores de correlación entre los pluviógrafos para las micro-cuencas de Ortigas y Río Grande, para realizar la correlación se eliminaron los días sin datos.

Coeficientes de Correlacion
Coeficientes de Correlacion
Coeficientes de Correlacion
Coeficientes de Correlacion
Coeficientes de Correlacion

Coeficientes de Correlacion

Ortigas

 

Pluviógrafos

Ortigas

1

Potrerillos

0.890

Suscalpamba

0.857

Chontamarca

0.930

Potrerillos

1

0.758

0.812

Suscalpamba

Chontamarca

 

1

0.894

1 0.894 1

1

Tabla 2.11. Correlación entre los pluviógrafos en Ortigas y Río Grande

Para rellenar los datos de las micro-cuencas de Marianza, primero se obtuvieron los coeficientes de correlación solamente entre los pluviógrafos para el relleno de Pajonal 2, estos valores se muestran de la Tabla 2.12.

Coeficiente de Correlacion
Coeficiente de Correlacion
Coeficiente de Correlacion
Coeficiente de Correlacion

Coeficiente de Correlacion

Pluviógrafos

Pajonal 1

Pajonal 2

Pajonal 1

1

0.953

Pajonal 2

1

Pluviógrafos Pajonal 1 Pajonal 2 Pajonal 1 1 0.953 Pajonal 2 1 Pinos Pinos 0.946 0.963
Pluviógrafos Pajonal 1 Pajonal 2 Pajonal 1 1 0.953 Pajonal 2 1 Pinos Pinos 0.946 0.963

Pinos

Pluviógrafos Pajonal 1 Pajonal 2 Pajonal 1 1 0.953 Pajonal 2 1 Pinos Pinos 0.946 0.963
Pluviógrafos Pajonal 1 Pajonal 2 Pajonal 1 1 0.953 Pajonal 2 1 Pinos Pinos 0.946 0.963

Pinos

0.946

0.963

1

1

Tabla 2.12. Correlación entre pluviógrafos de Marianza

Con los datos de Pajonal 2 ya rellenados, se obtuvieron los valores de los coeficientes de correlación para poder rellenar los demás pluviógrafos y la estación meteorológica para estas micro-cuencas. Los nuevos valores de correlación se muestran en la Tabla 2.13.

UNIVERSIDAD DE CUENCA

Coeficiente de Correlacion
Coeficiente de Correlacion
Coeficiente de Correlacion
Coeficiente de Correlacion
Coeficiente de Correlacion

Coeficiente de Correlacion

Pluviógrafos

Pajonal 1

Pajonal 1

1

Pluviógrafos Pajonal 1 Pajonal 1 1 Pajonal 2 Pinos Marianza Pajonal 2 Pinos Marianza 0.916 0.909

Pajonal 2

Pinos

Marianza

Pajonal 1 Pajonal 1 1 Pajonal 2 Pinos Marianza Pajonal 2 Pinos Marianza 0.916 0.909 0.731
Pajonal 1 Pajonal 1 1 Pajonal 2 Pinos Marianza Pajonal 2 Pinos Marianza 0.916 0.909 0.731

Pajonal 2

Pinos

Marianza

0.916

0.909

0.731

2 Pinos Marianza Pajonal 2 Pinos Marianza 0.916 0.909 0.731 1 0.755 0.764 1 0.755 1

1

0.755

0.764

1

0.755

1

1

Tabla 2.13. Correlación entre pluviógrafos de Marianza

Con los datos rellenados se procedió a realizar las siguientes gráficas que muestran la distribución de las precipitaciones calculada para una resolución mensual.

Ortigas Potrerillos Suscalpamba Est. Chontamarca 25 20 15 10 5 0 oct/05 abr/06 oct/06 abr/07
Ortigas
Potrerillos
Suscalpamba
Est. Chontamarca
25
20
15
10
5
0
oct/05
abr/06
oct/06
abr/07
oct/07
abr/08
oct/08
abr/09
oct/09
Fecha
Precipitación (mm)

Figura 2.15. Precipitación mensual para las micro cuencas de Ortigas y Río Grande

La Figura 2.15, representa el promedio mensual de las precipitaciones de los pluviógrafos y de la estación meteorológica de Chontamarca, es notoria la presencia de inviernos marcados desde el mes de Diciembre hasta el mes de Mayo, por lo que en los meses restantes se observa la presencia de fuertes veranos, reflejando un claro comportamiento del régimen de la costa ecuatoriana.

UNIVERSIDAD DE CUENCA

Pajonal 1 Pajonal 2 Pinos Marianza 8 7 6 5 4 3 2 1 0
Pajonal 1
Pajonal 2
Pinos
Marianza
8
7
6
5
4
3
2
1
0
may-04
nov-04
may-05
nov-05
may-06
nov-06
may-07
nov-07
may-08
nov-08
may-09
nov-09
Fecha
Precipitaci'on (mm)

Figura 2.16. Precipitación mensual para las micro cuencas de Marianza

En la Figura 2.16 se observa el promedio mensual de las precipitaciones de los pluviógrafos instalados para las micro-cuencas de Marianza, estos registran lluvias constantes durante todo el año, con valores mayores en los meses de Marzo a Mayo, por lo que es evidente el comportamiento del régimen del oriente ecuatoriano. Las precipitaciones en estas micro cuencas son mucho menores a las precipitaciones registradas en Ortigas y Río Grande.

Para cada uno de los pluviógrafos se ha determinado el volumen acumulado de precipitación durante todo el periodo disponible de datos, los mismos que se muestran en las siguientes figuras.

8000 7000 6000 5000 4000 3000 2000 1000 0 Fecha Precipitacion Acumulada (mm) feb-05 sep-05
8000
7000
6000
5000
4000
3000
2000
1000
0
Fecha
Precipitacion Acumulada (mm)
feb-05
sep-05
mar -06
oct-06
abr -07
nov-07
jun-08
dic -08
jul-09
ene -10
ago-10

Ortigas

Potrerillos

Suscalpamba

Est. Chontamarca

Figura 2.17. Precipitación acumulada en Ortigas y Río Grande.

UNIVERSIDAD DE CUENCA

De la Figura 2.17 se puede observar que tanto los pluviógrafos como la estación meteorológica presentan un comportamiento similar, siendo el de Ortigas el que presenta la mayor cantidad de precipitación registrada en estos 4 años, Potrerillos y la estación de Chontamarca también presentan una precipitación alta, Suscalpamba es el que presenta la mayor diferencia de valores con respecto a los otros pluviógrafos.

7000 6000 5000 4000 3000 2000 1000 0 ene -0 4 may-0 5 oct-0 6
7000
6000
5000
4000
3000
2000
1000
0
ene -0 4
may-0 5
oct-0 6
feb-0 8
jul-0 9
nov-1 0
Fecha
Precipitacion Acumulada (mm)

Pajonal 1

Pajonal 2

Pinos

Est. Marianza

Figura 2.18. Precipitación acumulada en Marianza.

De la Figura 2.18 se observa que la estación de Marianza es la que presenta la menor cantidad de precipitación en comparación con los demás pluviógrafos que presentan una similitud alta.

Los graficos con precipitaciones diarias de todos estos pluviógrafos se pueden encontrar en el Anexo 8.1.

2.4.4.2 Datos Meteorologicos

Tanto en la estación de Chontamarca como en la de Marianza, se cuenta con datos de punto de rocío, radiación solar, velocidad del viento, temperatura (máxima y mínima), y humedad relativa. En la Figura 2.19 se muestra las graficas de estos datos registrados por ambas estaciones.

Se muestran los datos meteorológicos con una resolución mensual; las variables meteorológicas son muy distintas entre estas dos estaciones, lo que indica que las micro cuencas de Marianza y Ortigas Río Grande tendrán un comportamiento muy diferente.

UNIVERSIDAD DE CUENCA

Los datos meteorológicos diarios de las dos estaciones Chontamarca y Marianza que se utilizaron para la calibración de las cuatro micro cuencas se encuentra en el Anexo A.2.

Punto de rocío (ºC)

Chontamarca

17 15 13 11 9 7 5 3 may/2005 oct/2006 feb/2008 jul/2009 nov/2010
17
15
13
11
9
7
5
3
may/2005
oct/2006
feb/2008
jul/2009
nov/2010

Fecha

Punto de rocío (ºC)

Marianza

9 8 7 6 5 4 3 2 ene-04 may-05 oct-06 feb-08 jul-09 nov-10
9
8
7
6
5
4
3
2
ene-04
may-05
oct-06
feb-08
jul-09
nov-10

Fecha

Chontamarca Marianza 600 400 350 500 300 400 250 300 200 200 150 100 100
Chontamarca
Marianza
600
400
350
500
300
400
250
300
200
200
150
100
100
0
50
may/2005
oct/2006
feb/2008
jul/2009
nov/2010
ene-04
may-05
oct-06
feb-08
jul-09
nov-10
Fecha
Fecha
Radiacion solar (W/m2)
Radiacion solar (W/m2)
Chontamarca Marianza 10 2.00 9 1.80 8 1.60 7 1.40 6 1.20 5 1.00 4
Chontamarca
Marianza
10
2.00
9
1.80
8
1.60
7
1.40
6
1.20
5
1.00
4
0.80
3
2
0.60
1
0.40
0
0.20
may/2005
oct/2006
feb/2008
jul/2009
nov/2010
ene-04
may-05
oct-06
feb-08
jul-09
nov-10
Fecha
Fecha
Chontamarca
Marianza
22
19
17
20
15
18
13
11
16
9
T. max
T. min
14
T. max
T. min
7
12
5
3
10
ene-04
may-05
oct-06
feb-08
jul-09
nov-10
may/2005
oct/2006
feb/2008
jul/2009
nov/2010
Fecha
Fecha
Temperatura (ºC)
Velocidad del viento (m/s)
Temperatura (ºC)
Velocidad del viento (m/s)
Chontamarca Marianza 110 95 100 90 90 85 80 80 70 75 60 70 50
Chontamarca
Marianza
110
95
100
90
90
85
80
80
70
75
60
70
50
40
65
may/2005
oct/2006
feb/2008
jul/2009
nov/2010
ene-04
may-05
oct-06
feb-08
jul-09
nov-10
Fecha
Fecha
Humedad relativa (%)
Humedad relativa (%)

Figura 2.19. Datos meteorológicos registrados por la estación de Chontamarca y Marianza

UNIVERSIDAD DE CUENCA

2.4.5

Caudales

Los datos de caudal han sido medidos en la salida de cada micro cuenca, los registros requeridos por la modelación son diarios. En las siguientes figuras se puede apreciar los caudales registrados en las salidas de las micro cuencas en estudio.

Caudal (l/s)

120

100

80

60

40

20

0

Fecha feb-05 jun-05 oct -05 feb-06 jun-06 oct -06 feb-07 jun-07 oct -07 feb-08 jun-08
Fecha
feb-05
jun-05
oct -05
feb-06
jun-06
oct -06
feb-07
jun-07
oct -07
feb-08
jun-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10

Figura 2.20. Caudal Ortigas

En la Figura 2.20 se puede apreciar que en la micro-cuenca de Ortigas existe una regulacion del flujo en la epoca del verano, esto esta relacionado de manera directa con la cobertura vegetal que en el caso de Ortigas predomina el bosque primario natural.

4000 3500 3000 2500 2000 1500 1000 500 0 Fecha Caudal l/s feb-05 jun-05 oct
4000
3500
3000
2500
2000
1500
1000
500
0
Fecha
Caudal l/s
feb-05
jun-05
oct -05
feb-06
jun-06
oct -06
feb-07
jun-07
oct -07
feb-08
jun-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10

Figura 2.21. Caudal Río Grande

UNIVERSIDAD DE CUENCA

De la Figura 2.21, se observa que Río Grande no presenta una regulación del caudal y tiene valores muy bajos. La pérdida de datos se debe al daño en el equipo de medición debido a los fuertes inviernos y a caudales altos presentados.

110 100 90 80 70 60 50 40 30 20 10 0 Fecha Caudal (l/s)
110
100
90
80
70
60
50
40
30
20
10
0
Fecha
Caudal (l/s)
oct -03
feb-04
jun-04
oct -04
feb-05
jun-05
oct -05
feb-06
jun-06
oct -06
feb-07
jun-07
oct -07
feb-08
jun-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10
sep-10

Figura 2.22. Caudal Marianza Pajonal

50 45 40 35 30 25 20 15 10 5 0 Fecha Caudal (l/s) dic
50
45
40
35
30
25
20
15
10
5
0
Fecha
Caudal (l/s)
dic -03
abr -04
ago-04
nov-04
mar -05
jul-05
nov-05
mar -06
jul-06
nov-06
mar -07
jul-07
nov-07
mar -08
jul-08
nov-08
mar -09
jul-09
nov-09
mar -10
jul-10

Figura 2.23. Caudal Marianza Pinos

En la Figura 2.22 y Figura 2.23 se puede apreciar que el comportamiento de los caudales son similares, auque los valores son mucho menor en la micro cuenca de Pinos, debido a la evapotranspiración generada por la cobertura vegetal de bosque de pinos.

UNIVERSIDAD DE CUENCA

La evapotranspiración es la perdida de humedad de una superficie por evaporacion directa junto con la perdida de agua por transpiración de la vegetación.

En la Tabla 2.14 se muestra el caudal especifico, el cual fue obtenido con el promedio del caudal y el área de cada micro-cuenca.

Micro-cuenca

Micro-cuenca

Qe

Ortigas

26.23

Río Grande

30.57

Marianza Pinos

9.32

Marianza Pajonal

14.96

Tabla 2.14. Caudal específico en lt/s/km 2 de las micro-cuencas

UNIVERSIDAD DE CUENCA

3. MODELOS HIDROLOGICOS

Un modelo Hidrológico puede ser definido como una representación matemática del flujo del agua y sus componentes sobre alguna parte de la superficie o subsuperficie de la tierra. Hay una estrecha relación entre la modelación hidrológica, la biológica y la ecológica, pues el transporte de materiales por el agua está influenciado por actividades biológicas que pueden aumentar o disminuir las cantidades de éstos materiales en el agua, y a su vez el régimen de flujo puede afectar los diversos hábitats. Además la hidrología está estrechamente vinculada a las condiciones climáticas y, por tanto, los modelos hidrológicos y atmosféricos deberían estar relacionados, pero en la práctica una estrecha relación entre éstos modelos se hace muy difícil, puesto que los modelos atmosféricos trabajan con resoluciones espaciales mucho mayores que las utilizadas en la modelación hidrológica.

La cuenca hidrográfica es el objeto de estudio de la mayoría de los modelos hidrológicos, reuniendo las superficies que captan y descargan agua sobre uno o más canales de escurrimiento que desembocan en una única salida. La cuenca puede constituir una unidad espacial par los modelos agregados que consideran las propiedades medias para toda la cuenca, o bien, se puede subdividir en función a diferentes enfoques a fin de considerar sus características espacialmente distribuidas.

3.1 Una Visión General sobre los Modelos

Un modelo puede ser considerado como una representación simplificada de la realidad, facilitando la comprensión de los procesos que envuelven esta realidad. Puede haber un entendimiento cualitativo de un proceso en particular, pero la comprensión cuantitativa puede ser limitada. La posibilidad de expresar los procesos físicos como un conjunto de ecuaciones matemáticas detalladas puede no existir, o las ecuaciones pueden ser muy complejas, exigiendo simplificaciones para su uso.

Por otra parte limitaciones computacionales o la manera en la cual las ecuaciones matemáticas son convertidas en procesos numéricos discretos, llevan a parametrizaciones de los procesos complejos en escalas muy detalladas que pueden no ser explícitamente representadas en el modelo. En algunos casos, estos conjuntos de ecuaciones pueden ser vistos como una colección de hipótesis

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA que conectan entradas y salidas del sistema. Este conjunto de ecuaciones parametrizadas representa

que conectan entradas y salidas del sistema. Este conjunto de ecuaciones parametrizadas representa la mejor aproximación del modelador para explicar estos procesos, considerando todas las restricciones. Un mismo proceso puede ser representado de diferentes maneras, siendo algunas más apropiadas para determinados casos. Por lo tanto no existe un modelo único que sea el mejor, pero puede existir aquel que describa mejor un fenómeno.

De manera general, un modelo es un sistema de ecuaciones y procedimientos compuestos por variables y parámetros. Los parámetros mantienen su valor inalterado durante todo el proceso estudiado. Por lo tanto un parámetro tiene el mismo valor para todos los intervalos de tiempo, lo que no significa que no puede variar en él espacialmente. Por otro lado las variables pueden cambiar a lo largo del tiempo durante el modelo se esté ejecutando.

En un modelo se pueden distinguir tres tipos de variables. La primera, que se llama variable de estado, es el enfoque de estudio del modelo. Hay siempre una ecuación diferencial relacionada con esta variable. El estado de un sistema puede ser descrito comprobando el valor de cada variable de estado. El segundo tipo de variable en un modelos es la variable proceso o proceso simplemente, también llamada de flujo. Los flujos son las entradas y salidas de las variables de estado. Típicamente los flujos son calculados como una función de las variables de estado y de las variables impulsadoras o forzantes. También los parámetros se pueden utilizar en el cálculo de los flujos. Por ejemplo, la tasa de infiltración del suelo puede considerarse un proceso variable que cambia el contenido de agua en el suelo. El tercero y último tipo de variable “forzante” que usada por el modelo más no es calculada por él, de esta forma, la variación de esta variable debe ser indicada en el modelo. Esta variable puede representar un flujo (flujo forzante) o acciones externas al modelo (acciones forzantes) que alimentan el modelo funcionando como propulsor. La lluvia y el acuífero no confinado, respectivamente, son ejemplos típicos de flujo y acción forzante en modelos de balance de agua en el suelo. La variable forzante puede actuar también como un modulador/controlador del flujo en el modelo, como sucede, por ejemplo, con el viento que puede influenciar la tasa de evaporación del suelo.

3.2 Clasificación de los modelos.

Los modelos pueden ser clasificados en función de diferentes aspectos. Comúnmente, los modelos son clasificados, de entre otras formas, según el tipo de variables utilizadas en el modelo (estocásticas o determinísticas), o el tipo de relaciones entre estas variables (empíricas o basadas en procesos), la forma de representación de datos (discretos o continuos), la existencia de relaciones

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA espaciales (puntuales o distribuidos), y la existencia de dependencia temporal (estáticos o

espaciales (puntuales o distribuidos), y la existencia de dependencia temporal (estáticos o dinámicos).

Se dice que un modelo es estocástico cuando al menos una de las variables involucradas tiene comportamiento aleatorio. Un modelo es determinista si los conceptos de probabilidad no se consideran durante la elaboración del modelo. Se debe tener en cuenta que una variable de entrada puede ser aleatoria, pero el modelo todavía es determinista si para cada valor de entrada hay un único valor de salida. Sistemas mutlivariables no lineales pueden llevar a resultados caóticos que erróneamente son interpretados como variables aleatorias.

Los modelos pueden ser clasificados como esporádicos (concentrado o agregados) o distribuido. En determinados modelos, se supone que todas las variables de entrada y la producción es representativa de la zona de estudio.

Por otra parte, los modelos distribuidos consideran la variabilidad espacial que se encuentran en varias variables del modelo. En general, cualquier discretización del espacio se hace y por lo tanto cada elemento discreto puede ser tratado como un punto que representa homogéneamente toda la zona. Modelos distribuidos más realistas consideran también la existencia de la relación espacial entre elementos vecinos (relación topológica).

Por último, los modelos pueden ser estáticos, cuando, con un conjunto de datos de entrada se produce un resultado derivado de la solución de las ecuaciones del modelo en un solo paso. Los modelos dinámicos utilizan el resultado de una iteración como entrada para una próxima iteración.

La elección de un determinado tipo de modelo debe basarse en la aplicación que se desea y la disponibilidad de datos básicos. El uso de modelos hidrológicos distribuidos físicamente con el argumento de que este tipo de modelo es el mejor representa los procesos físicos dentro de la cuenca y es inherentemente superior a un modelo agregado (Beven, 1991). Por otro lado, los modelos hidrológicos distribuidos físicos requieren necesariamente de una cantidad bastante extensa y detallada de información sobre la cuenca a fin de lograr una buena parametrización del modelo. Beven (1991) sugiere que este tipo de modelo es más adecuado para explorar las interacciones entre los procesos y simular los efectos de futuros cambios de uso del suelo. El mismo autor en otra publicación (Beven, 1989), habla de las limitaciones de los modelos físicos cuando se utilizan en las predicciones hidrológicas. Básicamente, muchos modelos llamados "físicos" no explican las simplificaciones utilizadas en la solución de las ecuaciones del modelo, y ni hablar de los problemas de dimensionalidad de la calibración de los

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA parámetros. El autor también llama la atención sobre el hecho de que las

parámetros. El autor también llama la atención sobre el hecho de que las ecuaciones físicas básicas del modelo generalmente son definidas para condiciones homogéneas y bien controlados, y su generalización no cumple las heterogeneidad natural de los elementos que intervienen en el modelado.

3.3 Análisis de la modelización hidrológica semidistribuida

Se hará un análisis de ciertos modelos semidistribuidos como el SWAT, TOPMODEL y el modelo no espacial WEAP, que presenta características de un modelo agregado, estos modelos fueron previamente seleccionados dado la experiencia de investigadores del PROMAS Universidad de Cuenca y su conocimiento en el manejo de este tipo de modelos. Luego de analizar cada uno, se elegirá el más adecuado para modelar las cuatro micro-cuencas en estudio.

3.3.1

SWAT

Herramienta de Evaluación para el Suelo y Agua (Soil and Water Assessment Tool, SWAT, por sus siglas en ingles), es un modelo determinístico semi- distribuido físicamente-variado, desarrollado por el Dr. Jeff Arnold en el Departamento de Agricultura de los Estados Unidos con la Universidad de Texas, fue desarrollado para predecir el impacto en el manejo del suelo y la vegetación en la producción de agua, sedimentos y químicos agrícolas en grandes y complejas cuencas con variación en suelos, uso de suelo y condiciones de manejo en largos periodos de tiempo. El modelo tiene como principal objetivo el predecir el efecto en la toma de decisiones en el manejo de la producción de agua, sedimentos, nutrientes y pesticidas con razonable precisión en cuencas que no cuentan con estaciones de aforo (Arnold et al., 1987).

El modelo está conformado por un conjunto de submodelos, los cuales se emplean para simular distintos procesos hidrológicos. El modelo hidrológico está basado en la ecuación general de balance hídrico:

(3.1)

Donde SW t es el contenido final de agua en

contenido de agua inicial en el día i (mmH 2 O), t es el tiempo (día), R day es la cantidad de precipitación en el día i (mmH 2 O), w seep es la cantidad de agua

el suelo (mmH 2 O), SW o es el

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA acumulada en la zona no saturada del perfil del suelo en el día

acumulada en la zona no saturada del perfil del suelo en el día i (mmH 2 O) y Q gw es la cantidad de flujo de retorno en el día i (mmH 2 O) (Arnold., et al 1991).

Los principales componentes del modelo pueden ser ubicados en ocho principales divisiones: hidrología, clima, sedimentación, temperatura del suelo, crecimiento de cultivos, nutrientes, pesticidas y manejo de cultivos. Entre éstos, uno de los más importantes es el que calcula los escurrimientos, ya que sirve de base para los otros submodelos.

El modelo calcula el escurrimiento, simula el escurrimiento máximo, la tasa pico de escurrimientos, la producción de sedimentos en las cuencas a nivel de unidad de respuesta hidrológica (URH), Un URH son áreas hidrológicamente homogéneas con similares características hidrológicas y morfológicas, es el resultado de cruzar la cobertura vegetal y el tipo de suelo.

Aunque se han desarrollado métodos de campo para medir parámetros del suelo (como la conductividad hidráulica), virtualmente todos los modelos requieren una calibración para ajustar al menos algunos de sus parámetros (Sorooshian et al., 1998). La calibración de un modelo de la naturaleza del SWAT consiste en lograr un ajuste satisfactorio entre los escurrimientos observados y los calculados, mediante el cambio en los valores de los parámetros de mayor influencia. Por su parte, la validación del modelo consiste en medir su capacidad predictiva mediante la comparación de los escurrimientos calculados y los observados con los parámetros determinados en la fase de calibración pero en un período diferente del utilizado en la calibración. Generalmente el ajuste entre escurrimientos observados y calculados obtenido durante la validación es menos satisfactorio que el obtenido en la calibración, pero es más representativo de la exactitud de las predicciones que se hagan con el modelo (Palacios, 1986).

3.3.2

TOPMODEL

El desarrollo de TOPMODEL se inició por el Profesor Mike Kirkby en la Escuela de Geografía, Universidad de Leeds con la financiación del Reino Unido Natural Environment Research Council en 1974. Las primeras versiones fueron programadas por Keith Beven en Fortran IV.

Desde 1974 ha habido muchas variantes de TOPMODEL desarrollado en Leeds, Lancaster y en otros lugares.

UNIVERSIDAD DE CUENCA

La versión, TOPMODEL (Beven, 1995), es más adecuada para cuencas con suelos poco profundos y topografía moderada, que no sufren de periodos secos excesivamente largos.

TOPMODEL (Beven, 1995) es una herramienta de modelización semi-distribuida y basada en procesos físicos que se fundamenta en el concepto del índice topográfico ln(a/tan b), donde a es el área de drenaje hacia este punto de la cuenca y b la pendiente del terreno. Es una indicación de la susceptibilidad de ciertos puntos de la cuenca a saturarse completamente y por ello puede ser visto como un índice de similaridad hidrológica.

TOPMODEL considera que la escorrentía puede ser estimada con base en un modelo que enlaza la componente de escorrentía subsuperficial y el de escorrentía superficial. La primera predice flujo espacialmente uniforme a tasas determinadas por la topografía y los suelos en la parte alta de la ladera. La segunda predice la escorrentía en condiciones de saturación. Estos modelos de producción de flujo en ladera se pueden combinar con un algoritmo de traslación de caudales en la red de canales para dar la respuesta hidrológica de la cuenca.

TOPMODEL usa el mapa de índices topográficos de la cuenca, una descripción de la red de drenaje y cinco parámetros que pueden ser optimizados utilizando simulaciones Monte Carlo.

PARAMETRO

PARAMETRO

m:

Chvel:

TO:

Srmax:

Srinit:

DESCRIPCION

DESCRIPCION

DESCRIPCION
Parámetro del modelo Velocidad del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo

Parámetro del modelo Velocidad del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo Déficit de almacenamiento inicial

del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo Déficit de almacenamiento inicial
del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo Déficit de almacenamiento inicial
del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo Déficit de almacenamiento inicial
del tránsito en el canal Transmisitividad lateral Déficit de almacenamiento máximo Déficit de almacenamiento inicial

Tabla 3.1. Parámetros del TOPMODEL

Las simulaciones Monte Carlo (Beven, 2002) generan una gran cantidad de conjuntos de parámetros escogidos aleatoriamente dentro de un rango de parámetros determinados con anterioridad a partir de límites impuestos. Entonces el modelo se corre con cada juego de parámetros y su eficiencia es calculada. Este método exige mucho tiempo de formulación ya que son necesarias miles de simulaciones, pero tiene la ventaja de que puede revelar múltiples juegos de parámetros óptimos que no pueden ser detectados usando la clásica optimización de parámetros.

UNIVERSIDAD DE CUENCA

3.3.3

WEAP

Evaluación del Agua y Planificación, ("Water Evaluation And Planning", WEAP, por sus siglas en ingles), es una herramienta de modelación para la planificación y distribución de agua que puede ser aplicada a diferentes escalas, desde pequeñas zonas de captación hasta extensas cuencas.

WEAP funciona usando el principio básico de balance de masa pudiendo ser utilizado para sistemas municipales y agrícolas, a una sola cuenca o complejos sistemas de cuencas transfronterizos. Por otra parte, WEAP puede simular una amplia gama de los componentes naturales e intervenidos de estos sistemas, incluyendo escorrentía por precipitación, flujos base, y recarga de aguas subterráneas por precipitación; análisis de las demandas sectoriales; conservación del agua; derechos de agua y prioridades de asignación, operaciones de los embalses; generación de hidroelectricidad; seguimiento de la contaminación y calidad de las agua; evaluaciones de vulnerabilidad; y requisitos de los ecosistemas. Un módulo de análisis financiero también permite que el usuario investigue comparaciones de costo-beneficio para los proyectos.

Los usos de WEAP incluyen generalmente varios pasos:

Definición del Estudio: Se establece el marco temporal, los límites espaciales, los componentes del sistema, y la configuración del problema.

Cuentas Actuales: Se desarrolla una caracterización de la demanda actual del agua, las cargas de contaminantes, los recursos y las fuentes para el sistema. Esto se puede ver como la etapa de calibración en el desarrollo de una aplicación.

Escenarios: Se pueden explorar los impactos que tendría, un sistema de supuestos alternativos sobre las políticas futuras, costos, y del clima, por ejemplo, en la demanda del agua, oferta de agua, hidrología, y contaminación.

Evaluación: Los escenarios se evalúan con respecto a la disponibilidad de agua, los costos y los beneficios, compatibilidad con los objetivos ambientales, y la sensibilidad a la incertidumbre en las variables dominantes.

WEAP calcula la demanda, oferta, escorrentía, infiltración, requisitos para las cosechas, flujos y almacenamiento del agua, generación, tratamiento y descarga de contaminantes más de calidad de agua en ríos para variados escenarios hidrológicos y de políticas.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA 3.4 Selección del modelo semidistribuido Luego de analizar cada uno de los modelos

3.4 Selección del modelo semidistribuido

Luego de analizar cada uno de los modelos hidrológicos (SWAT, TOPMODEL y WEAP) y de revisar los resultados de investigaciones realizadas en microcuencas de los Andes bajo similares características, se definió que el modelo semidistribuido TOP MODEL presenta condiciones apropiadas para la modelización, el modelo permitirá la obtención de resultados favorables; SWAT por su parte ya ha sido implementado en microcuencas de la región Austral del Ecuador con resultados interesantes, y WEAP aunque trabaje bien en cuencas pequeñas está más enfocado para cuencas grandes, la escala temporal de la información puede ser incluso mensual, los resultados de este modelo tendrán un considerable grado de incertidumbre.

En virtud de lo antes expuesto y gracias al tipo de información de calidad disponible de estas microcuencas se ha seleccionado como la mejor opción a TOPMODEL, ya que se basa en el concepto de índice topográfico que es muy eficaz para cuencas pequeñas como es el caso del presente estudio y permite mediante las simulaciones Monte Carlo, la debida calibración de los parámetros que intervienen en este modelo.

UNIVERSIDAD DE CUENCA

4.

TOPMODEL

4.1

Objetivos de la Modelación

TOPMODEL no es un paquete de modelado hidrológico, es más bien un conjunto de herramientas conceptuales que se pueden utilizar para reproducir el comportamiento hidrológico de las cuencas de una forma distribuida o semi- distribuida, en particular la dinámica de las áreas contribuyentes superficiales y subsuperficiales.

El modelo se basa en una simple y aproximada teoría hidrológica, debido a la falta de medidas del estado de las variables internas y características de la cuenca, la representación de las respuestas hidrológicas internas de la cuenca debe ser necesariamente funcional en tanto que se introduzcan el número mínimo de parámetros a ser calibrados.

Los conceptos siempre se han mantenido lo suficientemente simples para que las estructuras del modelo utilizadas puedan ser modificadas con el objetivo de que las predicciones sean lo más cercanas a las percepciones del modelador sobre el comportamiento de la cuenca. La naturaleza distribuida de las predicciones puede ser de gran ayuda en este sentido.

Por lo tanto TOPMODEL puede ser considerado como el producto de dos objetivos. Uno de ellos es el desarrollo de una pragmática y práctica predicción y un modelo de simulación continua. El otro es el desarrollo de un marco teórico dentro del cual se perciben los procesos hidrológicos; aspectos de escala y realismo y los procedimientos del modelo pueden ser objeto de investigación.

Los parámetros están destinados a ser interpretados físicamente y su número se mantiene en el mínimo para garantizar que no se conviertan en simples artefactos estadísticos de un ejercicio de calibración.

El modelo en la práctica representa un intento por combinar la eficiencia computacional y de los parámetros de un modelo conceptual con un enlace entre la teoría física y la posibilidad de una evaluación más rigurosa (como la que ofrece un modelo distribuido).

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA 4.2 Un Modelo Perceptual de Producción de Escorrentía El proceso de modelación consiste

4.2 Un Modelo Perceptual de Producción de Escorrentía

El proceso de modelación consiste en una secuencia de pasos de simplificación. Beven (1991) ha sugerido que el hidrólogo puede tener un modelo cualitativo mucho más complejo de la hidrología de cuencas, de lo que pueda ya sea ser escrito en forma matemática o programado en una computadora. Cada hidrólogo puede tener un “modelo perceptual” individual de este tipo y Beven (1994, 1989b, 1991) ha esbozado un modelo complejo y su representación en una función de distribución. Los datos relevantes de este modelo están brevemente descritos, ya que son la base de los conceptos del TOPMODEL.

Los procesos hidrológicos dentro de una cuenca son dinámica y heterogéneamente distribuidos. La interacción entre vegetación y la dinámica de la lluvia puede producir datos no uniformes en los límites superiores del suelo. La heterogeneidad del suelo y del lecho rocoso puede a la larga complicar el tipo de flujo, causando fenómenos de tubificación y ojos de agua. En el límite inferior del suelo, las irregularidades en el lecho rocoso pueden afectar el patrón de las descargas sub-superficiales a la corriente.

La tendencia general del agua a fluir hacia abajo es, sin embargo, susceptible de una conceptualización a macro escala. Para el caso del flujo de la zona de saturación, en suelos poco profundos relativos a la escala de ladera, este control gravitacional debe resultar en un nivel freático casi paralelo a la topografía de la superficie sobre gran parte de la longitud de la ladera, por lo menos cuando las condiciones son suficientemente húmedas para que exista un flujo saturado. Debe esperarse entonces que el agua fluya hacia abajo desde la pendiente fuerte hacia pendientes poco pronunciadas y hacia áreas de convergencia de pendientes.

Es claro, sin embargo, que los procesos de flujo superficial y sub-superficial son muy complejos. El flujo superficial generado, ya sea por mecanismos de exceso de infiltración o de saturación, puede darse a través de una capa vegetal, capa orgánica, arroyos o canales efímeros. El flujo puede también re-infiltrarse localmente. El flujo de exceso de saturación, el cual puede tener una contribución del flujo de retorno, puede ser causado ya sea por el nivel freático que sube a la superficie o por un lleno total de las capas superficiales del suelo, dando lugar a una forma de capa freática impermeable. El área en donde el nivel freático alcanza la superficie puede variar en el tiempo, causando que la fuente del flujo de exceso de saturación sea dinámica. Similarmente, el área que contribuye la crecida de las corrientes sub-superficiales puede variar en el tiempo. El flujo de la zona no saturada puede ser altamente irregular, con una geometría compleja. Es

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA imposible incorporar toda la heterogeneidad de flujos no saturados percibida en un set

imposible incorporar toda la heterogeneidad de flujos no saturados percibida en un set de conceptos relativamente simples a macro escala. Las propiedades hidrológicas del suelo son también con frecuencia altamente variables verticalmente, a menudo con alta conductividad cerca a la superficie.

4.3 Un Modelo Conceptual de Producción de Escorrentía

Cada modelo es un intento de capturar la esencia de esta compleja naturaleza de una manera manejable, pero es importante reconocer que esta conceptualización también encierra un grado considerable de simplificación.

Al hacer esta conceptualización TOPMODEL se basa en dos hipótesis básicas:

A.1.

Que la dinámica de la zona saturada se puede aproximar por sucesivas representaciones de estados estacionarios.

A.2. Que la gradiente hidráulica de la zona saturada se puede aproximar por la pendiente local de la superficie topográfica, denominada tanβ en el modelo.

Estos supuestos conducen a relaciones simples entre el almacenamiento de la cuenca (o déficit de almacenamiento) y los niveles locales del nivel freático (o déficit de almacenamiento debido al drenaje) en los que el principal factor es el índice topográfico (a/tanβ) propuesto por primera vez por Kirkby (1975) y desarrollado como un modelo hidrológico completo por Beven y Kirkby (1976, 1979). El índice de Kirkby representa la propensión de cualquier punto de la cuenca, a desarrollar condiciones saturadas. Valores altos del índice topográfico serán causados debido ya sea a grandes pendientes o a la convergencia del contorno de contra pendiente, y a las pendientes bajas. Los supuestos son similares a los utilizados en la elaboración del índice de humedad desarrollado independientemente por O'Loughlin (1981, 1986). TOPMODEL, en su forma original, sin embargo se aprovecha de la simplificación matemática permitida por una tercera hipótesis.

A.3.

Que la distribución de la transmisividad pendiente abajo es una función exponencial del déficit de almacenamiento o de la profundidad del nivel freático:

UNIVERSIDAD DE CUENCA

Donde:

T o

Transmisividad lateral cuando el suelo está apenas saturado (m 2 /h).

S

Déficit local de almacenamiento (m).

m

Parámetro del modelo (m).

Beven (1984) ha proporcionado datos que sugieren que una caída exponencial (vertical) en la conductividad del suelo con la profundidad puede ser adecuada para describir los cambios verticales en las propiedades hidráulicas de una gran variedad de suelos y ha demostrado (Beven, 1986a) que la función exponencial equivalente de la transmisividad puede ser derivada bajo la creencia de isotropía (posiblemente dudosa).

En términos de profundidad el nivel freático esto puede ser escrito así.

Donde:

z profundidad local del nivel freático (m).

ƒ parámetro de escala (m -1 ).

Los parámetros f y m están aproximadamente relacionados por ƒ = Δθ 1 /m

Donde:

Δθ 1

cambio efectivo del contenido de agua por unidad de profundidad en la zona no saturada, debido al rápido drenaje gravitacional.

Una interpretación física del parámetro m, es que controla la profundidad efectiva del perfil del suelo de la cuenca. Esto lo hace de forma interactiva con el parámetro T o , que define la transmisividad del perfil cuando se satura la superficie. Un valor mayor de m aumenta efectivamente la profundidad activa del

perfil del suelo. Un valor pequeño, especialmente si se asocia con un

relativamente elevado T o , genera una poca profundidad efectiva del suelo, pero con una pronunciada caída de transmisividad. Esta combinación tiende a producir una bien definida y relativamente superficial curva de recesión de respuesta en el hidrograma del modelo. Estos principios se muestran en la Figura 4.1.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.1. Relaciones Exponenciales entre la tranmisividad y la profundidad del nivel freático
UNIVERSIDAD DE CUENCA Figura 4.1. Relaciones Exponenciales entre la tranmisividad y la profundidad del nivel freático

Figura 4.1. Relaciones Exponenciales entre la tranmisividad y la profundidad del nivel freático y sus correspondientes curcas de recesión. Curva a: T o = 8m 2 /h, m = 0,02 m; curva b: T o =2m 2 /h, m = 0,05 m.

Bajo la hipótesis A2 de una gradiente efectiva del nivel freático y flujo saturado paralelo a la pendiente de la superficie local tanβ, entonces en cualquier punto i de una ladera, la velocidad del flujo sub-superficial saturado qi por unidad de longitud de contorno (m 2 /h) puede ser descrito por la siguiente ecuación.

(4.1)

Donde T o y tanβ son valores locales de la transmisividad y pendiente respectivamente en el punto i.

UNIVERSIDAD DE CUENCA

Luego, ante la hipótesis A1, en cualquier intervalo de tiempo, existe a través del

suelo un estado de flujo cuasi-estacionario, y asumiendo una cuarta hipótesis:

A.4.

Que una tasa de recarga espacialmente homogénea r (m/h) entra en el nivel freático, el flujo sub-superficial por unidad de longitud de contorno qi también puede ser dada por:

de longitud de contorno q i también puede ser dada por: (4.2) Donde: a es el

(4.2)

Donde:

a es el área de la ladera por unidad de longitud de contorno (m 2 ) que drena a través del punto i.

Al combinar las ecuaciones. (4.1) y (4.2) es posible derivar una fórmula para cualquier punto relacionando la profundidad local del nivel freático con el índice topográfico ln(a/tanβ) en ese punto, el parámetro f, la transmisividad local saturada y la tasa de recarga efectiva, r.

(4.3)

Una expresión para la toda la cuenca, es decir, para la profundidad del nivel freático ( ), puede obtenerse integrando a ecuación (4.3) para el área de la cuenca (A), que contribuye al nivel freático.

A continuación se expresa este promedio areal en términos de sumatoria de todos los puntos dentro de la cuenca.

(4.4)

Para integrar espacialmente toda la cuenca, se requiere implícitamente que la ecuación (4.4) se mantenga incluso en los lugares donde el agua esté estancada en la superficie (z i <0). Beven (1991), justifica esta hipótesis, basado en que, la relación expresada por la ecuación (4.1) es exponencial y que, para muchas cuencas, el flujo superficial podría ser relativamente lento debido a la cobertura vegetal. Mediante el uso de la ecuación (4.3) en la ecuación (4.4), si asumimos que r es espacialmente constante, ln(r) puede ser eliminado con lo que se tiene una relación entre la profundidad media del nivel freático, la profundidad local del nivel freático, las variables topográficas y la transmisividad saturada. Obteniendo la siguiente ecuación:

UNIVERSIDAD DE CUENCA

(4.5)

Donde ln(a/T o tanβ) es el índice de suelo-topográfico de Beven (1986a) y

(4.6)

Un valor medio areal independiente de la transmisividad puede ser definido, así:

(4.7)

La ecuación (4.5) puede ser reordenada para obtener:

Donde

(4.8a)

 

(4.9)

Es una constante topográfica de la cuenca.

La

ecuación

8

puede

también

ser

escrita

en

términos

de

déficit

de

almacenamiento como:

 
 

(4.8b)

Estas ecuaciones (4.8a y 4.8b) expresan la desviación entre el promedio de la profundidad del nivel freático (o déficit) y la profundidad local del nivel freático (o déficit) en cualquier punto en términos de la desviación del índice topográfico local de su medio areal, y la desviación del logaritmo de transmisividad local desde su valor integral areal. La relación está medida por los parámetros f o m. Dado un valor de o , las ecuaciones (4.8a,b) pueden ser usadas para predecir el patrón de la profundidad del nivel freático de una cuenca, basado en el conocimiento de la distribución espacial del índice del suelo-topográfico a/T o tanβ o, si se asume que la transmisividad del suelo saturado es una constante espacial, del índice topográfico a/tanβ. Las ecuaciones (4.8a,b) implican que todos los puntos que tienen el mismo valor del índice suelo-topográfico a/T o tanβ se comportan funcionalmente de idéntica manera. La variable a/T o tanβ es en consecuencia un índice de similaridad hidrológica.

UNIVERSIDAD DE CUENCA

La distribución espacial de a/tanβ (ver Figura 4.2) puede ser derivada desde un análisis de un Modelo Digital de Elevación (DEM) de la cuenca (Quinn et.al.1991), sin embargo aplicaciones iniciales del TOPMODEL tuvieron que confiarse sobre mapas interpretados manualmente (Beven and Kirkby, 1979) o en funciones analíticas de ladera. (Beven and Wood, 1983).

en funciones analíticas de ladera. (Beven and Wood, 1983). Figura 4.2. (A) Función de Distribución del

Figura 4.2. (A) Función de Distribución del Indice (a/tanβ) de la cuenca Maimai en Nueva

Zelanda.

(B) Patrón de ln(a/tanβ) de la topografía de la cuenca Maimai.

UNIVERSIDAD DE CUENCA

Para calcular el área de contribución superficial (o sub-superficial), el índice topográfico de la cuenca es expresado como una función de distribución (Figura 4.2.B) discretización de la función de distribución de a/tanβ trae ventajas computables. Dado que los puntos que tienen el mismo valor de a/T o tanβ se asume que se comportan de manera similar hidrológicamente, entonces el cálculo requerido para generar un patrón de distribución espacial del nivel freático local se reduce a un cálculo para cada clase de a/T o tanβ; no se requieren cálculos para cada lugar individual en el espacio (Figura 4.3¡Error! No se encuentra el origen de la referencia.). Este enfoque debería ser computacionalmente más eficiente que un esquema de solución que deba hacer cálculos en cada uno de un gran número de nodos de la grilla espacial, una ventaja significativa cuando se lleva a cabo una calibración iterativa y procedimientos de parámetros de sensibilidad.

iterativa y procedimientos de parámetros de sensibilidad. Figura 4.3. Representación esquemática de elementos de

Figura 4.3. Representación esquemática de elementos de almacenamiento dentro de un incremento discreto de ln(a/tanB) del área de una cuenca. Donde se muestra el almacenamiento de la zona de raíces S rz , el almacenamiento de drenaje vertical S uz, y la recarga de la zona saturada, q v , para un intervalo y el área, ai, que drena a través de un punto particular i. El área sombreada representa el área de saturación de la superficie correspondiente, en este caso, a valores ln(a/tanB) cayendo desde los valores más altos.

De particular interés es el caso en el que la ecuación (4.8a,b) predice que el nivel freático local está por encima de la superficie (z i < 0), o por encima de una determinada franja cercana a la saturación capilar (z i - ψ o ). Estas zonas son donde se prevé que se produzca un flujo superficial saturado y sus distribuciones

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA espaciales constituyen áreas variables saturadas que generan la respuesta del escurrimiento

espaciales constituyen áreas variables saturadas que generan la respuesta del escurrimiento superficial del modelo. En el procedimiento del modelo, cualquier lluvia que caiga sobre la zona saturada se toma como escurrimiento, junto con las lluvias en exceso de las necesarias para llenar las zonas donde la profundidad del nivel freático z i es pequeña. La ecuación (4.8a,b) también puede usarse para predecir el patrón de crecida de las áreas contribuyentes sub-superficiales, o del fluido a través de diferentes horizontes de suelo (Robson et al. 1992) si éstas pueden ser definidas por algún valor límite de la profundidad del nivel freático.

4.3.1 La Organización del Almacenamiento en TOPMODEL

Hay varias maneras de organizar los almacenamientos incorporados en TOPMODEL. Esencialmente se prevé una simple serie de almacenamientos, dirigiendo el agua desde la superficie hacia la zona saturada. Es notorio que, en cualquier cadena de almacenamientos, la forma de la salida será fuertemente controlada por la acción del último almacenamiento dinámico (Kirkby 1975, Beven y Kirkby 1979). Esto se aplica a la combinación de almacenamientos no lineares, como aquellos que se percibe existen en cuencas hidrológicas. De esa manera es importante representar detalladamente la no linealidad de la mayoría de los almacenamientos de respuesta lenta, aunque más almacenamientos dinámicos pueden ser aproximados por representaciones simples lineares. Kirkby (1975) presentó un resumen esquemático de las diferentes características de los tiempos respuesta de varios procesos en cuencas, de los cuales aparentemente la zona saturada es típicamente la más lenta en responder. TOPMODEL sin embargo adopta un almacenamiento no lineal de la zona saturada, pero generalmente supone representaciones lineares más simples de otros almacenamientos más dinámicos. Los almacenamientos, flujos internos y entradas/salidas son generalmente expresados en términos de metros equivalentes al agua (por unidad de tiempo).

Beven y Kirkby (1979) aplicaron TOPMODEL a la cuenca del Crimple Beck en el norte de Inglaterra, usando tres almacenamientos: uno de intercepción o depresión, uno de infiltración y uno de zona saturada. El de intercepción y depresión fue requerido llenar antes de que la infiltración pudiera ocurrir. La evaporación a la más alta potencia fue permitida en este almacenamiento hasta que se vació. El de infiltración fue formulado para permitir una respuesta de flujo superficial Hortoniano (Esto es, que el exceso superficial se origina cuando la intensidad de la lluvia supera a la capacidad de infiltración del suelo) con una capacidad promedio de infiltración de la cuenca calculada en función de una capacidad máxima de infiltración y el máximo almacenamiento de la zona.

UNIVERSIDAD DE CUENCA

En otras aplicaciones del TOPMODEL, más explícitamente se adoptaron aproximaciones de infiltración basadas físicamente. (Beven 1984, 1986a, b; Sivapalan et. al. 1987, 1990; Wood et. al. 1988, 1990). Sin embargo, estas aproximaciones introducen parámetros adicionales al modelo que son difíciles de calibrar, especialmente para el caso de suelos espacialmente heterogéneos. En una segunda aplicación de TOPMODEL al sitio Crimple Beck, Beven et. al. (1984) encontró que la estructura del modelo anterior, conduce toda el agua infiltrada inmediatamente a la zona saturada, generando una sobreestimación de la descarga atribuida a una subestimación de las pérdidas por evapotranspiración. Se consideró que este problema reflejó la incapacidad del modelo de retrasar el flujo vertical no saturado del agua entre el almacenamiento de infiltración y el nivel freático. Una teórica "capacidad de campo" fue por lo tanto introducida al modelo. Esta comprendió un valor de almacenamiento de infiltración que tenía que ser superado antes que se permita el flujo a la zona saturada. De esta forma, el agua impedida de entrar en la zona saturada, quedó disponible para la evapotranspiración, reduciendo la sobreestimación de crecidas que siguen a los períodos secos.

Una formulación revisada de los almacenamientos de TOPMODEL ha sido presentada por Quinn (1991), Beven (1991) y Quinn y Beven (1993) y se muestra en la Figura 4.4 para el caso de saturación expresada en términos de profundidad del nivel freático.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.4. Una interpretación simple de los elementos de almacenamiento vertical en TOPMODEL.
UNIVERSIDAD DE CUENCA Figura 4.4. Una interpretación simple de los elementos de almacenamiento vertical en TOPMODEL.

Figura 4.4. Una interpretación simple de los elementos de almacenamiento vertical en TOPMODEL. S i es el déficit de almacenamiento local de drenaje por gravedad, q v es la recarga local de la zona saturada, y φ o es la profundidad de la “franja capilar”

Habrá un juego de almacenamientos para cada clase a/T o tanβ (Figura 4.3¡Error! No se encuentra el origen de la referencia.), de modo que haya un registro adecuado de la variación prevista en profundidad del nivel freático en el curso del agua a través de la zona no saturada. Aquí el almacenamiento de la zona de raíces tiene la misma función de los almacenamientos de intercepción y evaporación de versiones anteriores de TOPMODEL, a pesar de que puede ser necesario añadir un almacenamiento adicional de intercepción y superficial, particularmente por las copas de los árboles. La noción de una zona no activa de agua en el suelo refleja el concepto de “capacidad de campo”. El flujo vertical desde la zona de raíces hacia el nivel freático puede ocurrir en la zona de “drenaje gravitacional” cuando la “capacidad de campo” sea satisfecha. Una conversión muy simple entre el déficit de almacenamiento, debido al drenaje, y la profundidad del nivel freático asume que el drenaje rápido gravitacional afecta solo a los poros más grandes, hasta la “capacidad de campo” y que la diferencia en almacenamiento entre la saturación y la “capacidad de campo” no cambia con la profundidad. Esto resulta en esta simple escala lineal.

(4.10)

UNIVERSIDAD DE CUENCA

Donde:

θ

θ

Δθ1

Ψ o

Contenido de humedad da saturación. Contenido de humedad de “capacidad de campo”. Porosidad de drenaje efectiva. Profundidad efectiva de la franja capilar que supone que es la saturación.

s

fc

Nótese que si la saturación está expresada solo como un déficit de almacenamiento, no es necesario calibrar los parámetros Δθ1 y Ψ o pero ninguna comparación con niveles freáticos observados deben ser hechos por separado.

Sivapalan (1987, 1990; Wood 1990) ha usado una formula más compleja de conversión del déficit de almacenamiento en profundidad del nivel freático, en la cual se asume que algunas características de humedad del suelo son conocidas y que inicialmente un drenaje gravitacional completo mantiene el nivel freático. Esto ha sido usado para definir condiciones iniciales, previo a simples simulaciones de tormentas, pero introduce parámetros adicionales asociados con las funciones características de la humedad del suelo (relaciones de Brooks-Corey en su caso con más de tres parámetros) y, mientras una hipótesis supuesta matemática conveniente es inconsistente con la suposición de que la posición del nivel freático es controlada por una tasa de recarga constante.

Hornberger (1985) aplicó una versión de TOPMODEL con más almacenamientos,

a una cuenca forestal en el estudio Shenandoah Watershed Acidification. Este

tipo de formulación usó componentes adicionales para permitir la modificación de

la química de lluvias por vegetación y residuos forestales, (hojarasca, etc). El gran

número de parámetros, sin embargo, probó no ser identificables sobre la base de

la simulación de flujos de agua por sí sola.

Medición de Humedad: Flujo en zonas no saturadas

La estructura básica del suelo mostrada en Figura 4.4 puede ser usada para ilustrar una variedad de descripciones de los procesos en zonas no saturadas según lo definido por el modelador. Beven (1991) nota la dificultad de predecir el patrón espacial de flujo en la zona no saturada. Es particularmente difícil una medición explícita por los efectos de la heterogeneidad local del suelo y la macroporosidad (Beven y Germann, 1982). Actualmente no se dispone de una descripción matemática adecuada del flujo no saturado en suelos estructurados con parámetros que puedan ser identificados a una escala práctica de predicción,

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA si los valores de parámetros serían determinados por calibración, sólo entonces estaría

si los valores de parámetros serían determinados por calibración, sólo entonces estaría disponible una mínima parametrización.

Una mínima parametrización debe dar cuenta de los cambios en los flujos de zonas no saturadas con el almacenamiento local de la zona no saturada y la profundidad del nivel freático (o el déficit de almacenamiento), teniendo en cuenta el hecho de que cualquier relación funcional puede ser altamente no lineal. Dos fórmulaciones que han sido adoptadas en aplicaciones pasadas del TOPMODEL han asumido que los flujos de zonas no saturadas son esencialmente verticales y han sido expresados en términos de flujo de drenaje desde la zona no saturada. Estas aproximaciones han usado ya sea un simple lapso de tiempo de almacenamiento déficit-dependiente o una ecuación de flujo basado en la conductividad. Ambos calculan un flujo de drenaje vertical q v para cada clase de topografía.

Expresados en términos de déficit de almacenamiento, Beven y Wood (1983) sugirieron que una fórmula funcional más adecuada para el flujo vertical qv en cualquier punto i es:

adecuada para el flujo vertical qv en cualquier punto i es: (4.11) Donde: S u z

(4.11)

Donde:

S uz Almacenamiento en la zona no saturada (drenaje gravitacional). S i Déficit local de la zona saturada debido al drenaje gravitacional y dependiente de la profundidad del nivel freático.

El parámetro t d es una constante del tiempo. La ecuación (4.11) es la ecuación de un almacenamiento lineal pero con una constante de tiempo S i ·t d que aumenta con el incremento de profundidad del nivel freático.

Una segunda fórmula propuesta por Beven (1986 a,b) fundamentada en el flujo de Darcy, en base a una zona no saturada que, mediante una función exponencial de conductividad, puede expresarse así:

Donde:

exponencial de conductividad, puede expresarse así: Donde: (4.12) α Parámetro de la gradiente hidráulica vertical

(4.12)

α

Parámetro de la gradiente hidráulica vertical efectiva.

K o

Conductividad saturada en la superficie.

zi

Profundidad local del nivel freático.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Si el valor de α se hace uno, asumiendo que el flujo vertical

Si el valor de α se hace uno, asumiendo que el flujo vertical es igual a la conductividad hidráulica saturada justo en el nivel freático, se elimina como un parámetro.

Contabilizar la evapotranspiración con un mínimo número de parámetros es un problema de complejidad similar al de la zona de drenaje no saturada. TOPMODEL sigue la práctica generalmente adoptada para calcular la evapotranspiración actual (E a ) como una función de evaporación potencial (E p ) y el almacenamiento de humedad de la zona de raíces para casos donde E a no puede ser especificado directamente. En la descripción que hace Beven (1991) de TOPMODEL, la evaporación es llevada a su máxima tasa potencial, para que el agua drene libremente en la zona no saturada y para predecir las áreas de saturación de la superficie. Cuando se agota la zona de drenaje gravitacional, la evapotranspiración puede continuar hasta agotar la reserva de la zona de raíces a una tasa E a dada por:

reserva de la zona de raíces a una tasa E a dada por: (4.13) Donde: S

(4.13)

Donde:

S

S

Déficit de almacenamiento de la zona de raíces.

Déficit máximo admisible de almacenamiento.

rz

rmax

Si una profundidad efectiva de la zona de raíces S rz puede asumirse como S rmax puede ser calculada por:

Donde:

θ wp

La humedad contenida en el punto de marchitez.

Para la calibración es necesario únicamente especificar el valor de un solo parámetro S rmax pero otras formulaciones pueden ayudar a definir este valor.

El flujo de agua que entra en el nivel freático es qv. Este drenaje es además un componente de la recarga total de la zona saturada global. Para calcular el balance promedio de agua de la cuenca, deben sumarse todas las recargas locales. Si Q v es la recarga del nivel freático en cualquier intervalo de tiempo, entonces:

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA (4.14) Donde: Ai Porción de área asociada con el índice topográfico clase i,

(4.14)

Donde:

Ai Porción de área asociada con el índice topográfico clase i, como una fracción del área total de la cuenca.

Cálculo de humedad: flujos de zona saturada

La salida de la zona saturada es dada por el término de flujo base Q b Este puede ser calculado en un sentido distribuido por la sumatoria de los flujos sub- superficiales a lo largo de cada m canal que alcanza la longitud l. Recordando la ecuación 4.1 se puede escribir:

(4.15)

Sustituyendo por z j usando la ecuación (5) y reordenando, se tiene que:

Puesto que a j representa el área de contribución por unidad de longitud de contorno, luego:

Por lo tanto

(4.16)

Donde:

A área total de la cuenca (m 2 )

Es por lo tanto posible calcular el flujo base en términos del nivel freático medio de la cuenca ( ):

(4.17)

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Donde (4.18) es la descarga cuando o es igual a cero. Esta es

Donde

(4.18)

es la descarga cuando o es igual a cero. Esta es la misma fórmula que Beven y Kirkby (1979) asumieron originalmente, si la relación lineal entre el déficit de almacenamiento y la profundidad del nivel freático de la ecuación (4.10) se mantiene. La solución de la ecuación (4.17), para una recesión pura, en la cual las entradas se supone que son cero, muestra que la descarga tiene una inversa o una relación hiperbólica de primer orden con el tiempo como:

(4.19)

Así, si la Ecuación (4.17) es una relación apropiada para representar el drenaje sub-superficial de una cuenca dada, el gráfico 1/Q b con el tiempo debería ser una

línea recta (¡Error! No se encuentra el origen de la referencia.) con pendiente 1/m.

encuentra el origen de la referencia. ) con pendiente 1/m. Figura 4.5. Curvas de recesión tipo

Figura 4.5. Curvas de recesión tipo para tres diferentes cuencas del Reino Unido graficando 1/Q versus el tiempo. Una línea recta indica correspondencia con la ecuación (4.17), la cual puede ser una adecuada representación para estos casos.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Así dadas algunas curvas de recesión, no mayormente influenciadas por procesos de

Así dadas algunas curvas de recesión, no mayormente influenciadas por procesos de evapotranspiración o de derretimiento de nieve, puede ser posible fijar un valor de m el cual necesitará entonces una mínima calibración.

El déficit de almacenamiento medio antes de cada intervalo se calcula restando la recarga de la zona no saturada y sumando el flujo base calculado para el intervalo anterior, así:

(4.20)

Cálculos similares se pueden realizar para la formulación del déficit medio de almacenamiento de la cuenca.

La ecuación (4.17) se puede usar para la zona saturada al empezar la corrida del programa. Si la descarga inicial se conoce y se asume que es solo el resultado del drenaje de la zona saturada, la ecuación (4.17) puede ser modificada para dar valores de .

4.3.2 Curso del Canal y Estructura de las Sub-cuencas

Para muchas cuencas, especialmente grandes, no es apropiado asumir que toda la escorrentía alcanza a la salida de la cuenca dentro de un solo intervalo de tiempo.

En estos casos un encausamiento de la salida del modelo es necesario (Beven 1979). Para este fin, Beven y Kirkby (1979) propusieron que una función de retardo del flujo superficial y una función del cauce deberían ser empleados dentro de la estructura del TOPMODEL. Se asume que el tiempo que toma alcanzar la salida de la cuenca desde cualquier punto está dado por:

Donde:

x i

Longitud

tanβ i

Pendiente

(4.21)

del i ésimo segmento del cauce dividido en N segmentos. El parámetro de velocidad v (m/h) se asume que es constante. Dada la ecuación (4.21), permite un único histograma de tiempo de retardo a ser derivado en base a la topografía de la cuenca para cualquier área contribuyente de escorrentía. Esto es, en efecto, una variación del método de encausamiento tiempo-área (Clark 1945),

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA pero desarrollado con el fin de relacionar en forma dinámica el tiempo de

pero desarrollado con el fin de relacionar en forma dinámica el tiempo de retardo del escurrimiento con el tamaño de la fuente.

Los efectos del encausamiento del canal fueron considerados por Beven y Kirkby (1979) usando una aproximación basada en la velocidad promedio de la onda de flujo para la red de canales, siendo relacionada de forma no lineal con el flujo de salida total. La hipótesis fue una aproximación explícita de un algoritmo de encausamiento de un canal de onda cinemática y no es recomendado, ya que no es siempre estable. La mayoría de aplicaciones han sido basadas en un simple algoritmo de onda de encausamiento de velocidad constante, aquivalente al algoritmo basado en la función de ancho del canal usado por Surkan (1969), Kirkby (1976) y Beven (1979, Beven y Wood, 1993), el cual tiene la ventaja que introduce sólo un parámetro de velocidad de onda.

4.3.3 Derivando el Índice Topográfico

Se requiere un análisis de la topografía de la cuenca para obtener la función de distribución a/tanB (Figura 4.2). Para obtener valores discretos de a/tanβ está implicito algún muestreo topográfico. Desarrollos iniciales de TOPMODEL se fundamentaron en un análisis manual, basado en mapas de información de pendientes locales, áreas en contra pendiente y zonas de acumulación. Beven y Kirkby (1979) diseñaron técnicas computarizadas utilizadas para determinar la función de distribución de la topografía (y el histograma de tiempo de retardo del flujo superficial) basado en la división de la cuenca en sub-cuencas. Cada unidad fue discretizada en pequeños elementos de pendiente “local” sobre la base de las trayectorias dominantes de flujo (deducidas de las líneas de máxima pendiente). El cálculo de a/tanβ se llevó a cabo para la gradiente de cada elemento. A pesar de ser una aproximación, este método se justificó por su relativa eficiencia y porque las observaciones de campo de las líneas de flujo podrían utilizarse en la definición de los elementos de pendiente a ser analizados. En particular, podrían ser tomados en cuenta los efectos de desagües y caminos en el control efectivo las áreas contribuyentes en contra pendiente. Dichas modificaciones humanas de las vías del flujo hidrológico natural no se incluyen normalmente en modelos digitales de elevación terreno (DEM) de las cuencas hidrográficas.

Sin embargo, ahora existen métodos computarizados más sofisticados que el DEM. Quinn (1991) desarrolló un grupo de programas Análisis Digital de Terrenos (DTA), basado en datos de raster de elevación, con el objetivo de investigar su utilidad en la obtención de la información topográfica requerida por el TOPMODEL.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA La aplicación de estas técnicas para el estudio de la modelación de cuencas

La aplicación de estas técnicas para el estudio de la modelación de cuencas ha sido descrita por Quinn (1991) y Quinn y Beven (1993). Ahí la naturaleza funcional del índice a/tanβ fue discutida en términos de la calidad de la representación, de las características topográficas hidrológicamente significativas, por métodos DTA. Hay elecciones subjetivas que se hicieron en el DTA. Quinn (1991) describe un algoritmo de dirección de flujo múltiple basado en la distribución de superficie para todos los elementos de pendiente de la grilla; Wolock (1993) por otro lado, usa un algoritmo basado en una sola dirección de flujo con la mayor pendiente. También se han usado otras técnicas; la mayoría de DEM raster han sido el resultado de datos de curvas de nivel digitalizados a partir de mapas existentes y Moore (1986) ha usado técnicas DTA basadas en las vías de flujo resultantes directamente de datos de curvas de nivel para calcular el índice a/tanβ, una versión computarizada del procedimiento manual original (y extremadamente tedioso).

A pesar de que estas técnicas ofrecen un buen ahorro de tiempo en la aplicación del TOPMODEL, también plantean importantes preguntas teóricas de las cuales dos son las más importantes. La primera, ¿cómo podrían ser calculadas las áreas contribuyentes en contra pendiente a partir de los datos topográficos? y, la segunda, ¿qué escala de resolución podría ser adoptada para el DEM de la cuenca? En términos generales, cabe señalar que los métodos DTA, en el contexto del TOPMODEL, pueden tener implicaciones sobre procesos hidrológicos relacionados con la topografía y los valores apropiados de los parámetros. El DEM debe tener una resolución muy alta para reflejar bien el efecto de la topografía en las corrientes de flujo superficial o sub superficial. Una resolución tosca de los datos del DEM puede, por ejemplo, fallar en la representación de algunas características de la convergencia de pendientes. Sin embargo, una resolución demasiado fina puede introducir perturbaciones a la dirección de flujo y ángulos de pendiente que no pueden reflejarse en una superficie del nivel freático. La resolución apropiada dependerá de las características de la escala del terreno pero datos de 50m o mejores aproximaciones son normalmente sugeridos. La experiencia de Lancaster y otros (por ejemplo Jordan 1992; Wendling, 1992; Chairat y Delleur, 1993a) muestra que la escala usada del DEM afecta la distribución del índice topográfico resultante, en particular induciendo un cambio en el valor medio λ y los valores calibrados de los parámetros en aplicaciones particulares. La ubicación de los ríos, y su influencia en las celdas del DEM que los contienen, también es problemática. Hay una opción de permitir que la zona de contra pendiente continúe acumulando a lo largo de la red fluvial, o permitir al río actuar como un sumidero de los flujos de ladera. La primera tiende a sobreestimar y la segunda tiende a subestimar la contribución de las zonas riparias si el ancho del río es pequeño comparado con la escala de la grilla del DEM

UNIVERSIDAD DE CUENCA

Cabe destacar que una parametrización de la distribución de ln(a/tanβ) en algunos casos puede resultar útil. Sivapalan et al. (1990) introdujo el uso de una distribución gamma en su versión a escala de TOPMODEL. Wendling (1992) también utilizo una distribución gamma en una función de producción de escurrimiento para un modelo de previsión de inundaciones y Wolock (1993) da detalles de una versión de la distribución gamma para la simulación continua.

4.3.4 El concepto TOPMODEL y la Semejanza Hidrológica

El índice topográfico ln(a/tanβ) o el índice suelo-topográfico ln(a/T o tanβ) dada la aceptación de las hipótesis de simplificación de TOPMODEL, son índices de semejanza hidrológica en un punto dentro de la cuenca. La respuesta de cualquier cuenca individual, según lo predice TOPMODEL, depende de la semejanza en la distribución de los índices y en la secuencia de entrada a la cual la cuenca está sujeta incluyendo tanto el tiempo como la variabilidad espacial de la tasa de precipitación y las pérdidas por evaporación. En pequeña escala, por ejemplo pequeños afloramientos de agua, el patrón de variabilidad también puede ser importante, pero a escalas más grandes, es factible tener una muestra suficiente de la posible variabilidad de la topografía, el suelo y la vegetación dentro de la cuenca que permita la representación de esta variabilidad en términos de simples funciones de distribución. La escala a la que esta simplificación es válida, la cual se denominó Área Elemental Representativa (por sus siglas en inglés REA), ha sido investigada en simulaciones hipotéticas por Wood (1988, 1990). Se utilizaron datos topográficos reales, junto con modelos espaciales estocásticos del suelo y la lluvia para evaluar la variabilidad de las respuestas hidrológicas a crecidas calculadas a diferentes escalas espaciales. Tanto el exceso de infiltración como los mecanismos de producción de escorrentía por exceso de saturación fueron incluidos (Figura 4.6).

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.6. Producción de escurrimiento simulada normalizada como una función del área media
UNIVERSIDAD DE CUENCA Figura 4.6. Producción de escurrimiento simulada normalizada como una función del área media

Figura 4.6. Producción de escurrimiento simulada normalizada como una función del área media de la cuenca para cuatro intervalos de tiempo. Durante el evento del 4 de Agosto de 1987 en la cuenca de Kings Creek, Kansas

Sus resultados sugirieron una REA mínima para las condiciones simuladas del orden de 1km 2 . Es importante señalar que no se sugiere que esta es la escala a la cual una descripción global de parámetros puede ser utilizada; aún puede ser necesario para representar la heterogeneidad de la producción de escorrentía a escalas mayores que el REA, esto se puede hacer por medio de una función de distribución o funciones de representación de esa variabilidad. Sivapalan (1987, 1990) ha tomado este concepto en la producción de una versión no-dimensional de TOPMODEL en la que diferentes cuencas se pueden comparar en términos de varios coeficientes de escala. La similitud de estos coeficientes debería implicar similitud en la producción de escorrentía. Estos resultados son, por supuesto, dependientes de la aceptación de que las hipótesis en las que se basa el índice topográfico de TOPMODEL son realistas. Estas hipótesis son, primeramente, que el área contribuyente en contra pendiente se extiende hasta la divisoria de la ladera y que el nivel freático es paralelo a la superficie del suelo. Sólo entonces es el índice fácil de calcular a partir del análisis digital del terreno. Ya se ha indicado anteriormente cómo la transmisividad efectiva

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA del suelo se puede utilizar para modificar el índice, pero esto entonces requiere

del suelo se puede utilizar para modificar el índice, pero esto entonces requiere a una información adicional que rara vez, o nunca, está disponible en una cuenca a escala. Además, ambas hipótesis pueden estar equilibradas, pero también a costa de requerir información adicional.

Ha habido algunas pruebas de la semejanza hidrológica implícita en el índice. Troch (1993a) ha comparado la conceptualización de TOPMODEL de Sivapalan (1987) con datos de campo y la salida de una ecuación de Richards totalmente dinámica en tres dimensiones basada en un modelo de elementos finitos (aunque con muy diferentes hipótesis acerca de la conductividad del suelo). Demostraron que la representación del estado cuasi-estacionario del TOPMODEL fue una aproximación razonable para las mediciones. En las comparaciones con datos de campo, Moore (1988) encontró una buena correlación con el índice topográfico y las medidas de la humedad de la superficie del suelo en una pequeña cuenca de páramo, pero Ladson y Moore (1992) encontraron correlaciones muy pobres con los sensores gravimétricos y de teledetección (PBMR) de la humedad de la superficie del suelo en FIFE Konza Pradera en Kansas, una pradera natural, con una densa capa de hierba en la superficie. Se encontró similarmente poca correlación entre el índice topográfico y la humedad del suelo gravimétrica y superficial estimada por el Radar de Apertura Sintética (SAR) para la cuenca agrícola Slapton Madera en Devon, Reino Unido. La humedad superficial del suelo es, por supuesto, fuertemente afectada por la evapotranspiración así como por el flujo superficial y una mejor correlación era de esperar con los niveles freáticos.

Burt y Butcher (1986) demostraron que en algunas cuencas húmedas con un subsuelo profundo y, a veces con sistemas desconectados de flujo saturado, como la cuenca Slapton Wood, el índice topográfico (que no permita una transmisividad variable) puede tener una utilidad limitada como indicador de la profundidad del nivel freático. Para confirmar esto, se ha demostrado que TOPMODEL puede dar buenas simulaciones de las descargas de la cuenca Slapton Wood una vez que la cuenca se ha mojado en invierno, pero que es muy difícil predecir la secuencia de mojado. Jones (1986) también explica las limitaciones de utilizar un índice estático, como el ln(a/tanβ), para predecir las respuestas dinámicas de la cuenca. Jordan (1992), trabajando en una pequeña cuenca en Suiza, encontró que para algunas fechas hubo una muy buena correlación entre el índice topográfico y la profundidad del nivel freático, pero en otras fechas una pobre relación.

Otra variable de prueba es el grado de saturación del suelo bajo diferentes condiciones. Beven y Kirkby (1979) demostraron la similitud en el patrón de las áreas saturadas medidas y el índice topográfico de una pequeña sub-cuenca de Beck Crimple en Yorkshire, mientras que Kirkby (1978) presentó un análisis similar

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA para las áreas saturadas medidas de la cuenca WC- 4 del río “Sleepers”,

para las áreas saturadas medidas de la cuenca WC-4 del río “Sleepers”, Vermont (Dunne, 1978). Merot (1988) y Merot y Bruneau (1993) han demostrado que el índice topográfico puede ser un indicador útil de las zonas de humedales en los paisajes de Bocage de Bretaña en Francia, mientras que Moore et al. (1988) han mostrado cómo se pueden predecir las zonas potenciales de erosión.

4.3.5 Calibración del modelo

A los valores de los parámetros introducidos en la descripción de los conceptos de TOPMODEL se les ha dado nombres basados en descripciones físicas de los procesos de flujo. Las denominaciones utilizadas, sin embargo, son descripciones físicas simplificadas, deliberadamente una respuesta a la falta de descripciones detalladas en la ladera a escala es reducir al mínimo el número de valores de los parámetros a calibrar. Un número de estudios han sugerido que sólo hay suficiente información en un conjunto de observaciones precipitación- escurrimiento para calibrar 4 o 5 parámetros (Kirkby, 1975; Hornberger, 1985). En esencia, TOPMODEL proporciona un modelo no lineal funcional para respuestas rápidas y lentas de cuencas y flujo base utilizando un número reducido de parámetros.

Se ha sostenido en los últimos años que el realismo de los modelos hidrológicos más complejos puede ser ilusorio (Beven 1987a,1989, Grayson, 1992). Una implicación de este argumento es que la interpretación física de los parámetros de calibración puede ser difícil, desde la calibración de los valores de los parámetros se puede compensar los errores estructurales del modelo y puede haber un conjunto de parámetros diferentes que pueden dar simulaciones aceptables y físicamente admisibles. Una consecuencia de estos argumentos es que la idea de un conjunto "óptimo" de valores de los parámetros deben ser rechazados en favor de un concepto de multi finalidad de los conjuntos de parámetros. Este concepto permite que pueda haber múltiples óptimos parámetros de respuesta, interacción entre parámetros, errores en los datos observados, en efecto, diferentes conjuntos “óptimos” si se utilizan diferentes períodos de calibración.

De hecho, algunos de los parámetros de TOPMODEL pueden, en principio, ser determinados a partir de mediciones de campo y algunas aplicaciones se han hecho utilizando únicamente los valores medidos y estimados (Beven y Kirkby, 1979; Beven, 1983). Cada formulación de TOPMODEL puede presentar un conjunto de parámetros individuales a ser calibrados, sin embargo, hay siempre tres o cuatro parámetros críticos que controlan directamente la respuesta del modelo. Estos son los parámetros de la zona saturada f (o m en la formulación

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA original de déficit de almacenamiento), los valores de transmisividad saturada T o ,

original de déficit de almacenamiento), los valores de transmisividad saturada T o , y el parámetro de la zona de la raíces S rmax , y en cuencas grandes la velocidad del cauce, v.

Ya se ha señalado que el parámetro de caída de la transmisividad saturada, m, puede ser derivado de un análisis de las curvas de recesión de la cuenca. Dado que este es uno de los parámetros del modelo más importante que refuerza la idea de que para simular respuestas hidrológicas de cuencas a escala, las medidas más útiles se harán en la misma escala, especialmente en las cuencas no aforadas. La medición más útil será el caudal seguido de una buena estimación de la entrada de las lluvias, sobre todo si varían espacialmente.

Otros parámetros que pueden (en principio) ser estimados en el campo incluyen perfiles de la transmisividad del suelo y la cantidad de agua disponible en la zona de raíces. Para las aplicaciones tempranas de TOPMODEL, Beven y Kirkby (1979) describieron el método del infiltrómetro de aspersión para la calibración de los parámetros de la intercepción, del almacenamiento de infiltración, y de la velocidad del flujo superficial. Estas técnicas fueron utilizadas por Beven (1984) con razonable éxito en las aplicaciones a tres cuencas del Reino Unido. Estas medidas son, sin embargo, fundamentalmente, de técnicas de medición “puntual”, considerando que el modelo requiere ya sea valores efectivos en la escala de la grilla o distribuciones ideales que reflejan la heterogeneidad espacial en la cuenca. Las dificultades de muestreo, y la falta de una teoría de los valores efectivos de los parámetros, suponen que tal heterogeneidad (así como las simplificaciones y errores inherentes a la estructura del modelo) inevitablemente introducirán incertidumbre en las predicciones del modelo.

Trabajos recientes en Lancaster se han enfocado en investigar el desempeño del modelo en términos de multi finalidad de los conjuntos de parámetros y la incertidumbre, en lugar de la optimización del ajuste (Binley, 1991; Binley y Beven, 1991; Beven y Binley 1992; Beven, 1993). Con este fin, una metodología ha sido desarrollada (Beven y Binley 1992) por el que la calibración de un modelo hidrológico genera un conjunto de límites de incertidumbre que definen los rangos de respuestas esperadas. Este procedimiento se ha denominado Estimación Generalizada de la Probabilidad de Incertidumbre (GLUE por sus siglas en inglés). Muchas simulaciones modelo se realizan, cada una asociada a un conjunto de valores de parámetros escogido de forma aleatoria. La metodología de la incertidumbre acordó para cada conjunto de parámetros un peso de probabilidad, definido por algunos, seleccionado subjetivamente, "función de probabilidad" o índice de rendimiento. Este peso de probabilidad puede ser definido en términos de hipótesis específicas acerca de la naturaleza de los

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA residuos del modelo, pero también se pueden utilizar medidas posibilistas derivados de la

residuos del modelo, pero también se pueden utilizar medidas posibilistas derivados de la teoría de conjuntos difusos. Simulaciones no aceptables están dadas por un peso de probabilidad de cero. La probabilidad acumulada de todas las simulaciones conservadas se puede tomar para sumar a la unidad. En cualquier intervalo, entonces es posible derivar una función de densidad de probabilidad para todo el rango de simulaciones con modelos ponderados por sus probabilidades. A partir de esta función, límites de incertidumbre pueden extraerse (normalmente el quinto y nonagésimo quinto percentiles) definiendo el rango probable de las predicciones del modelo. No se reconoce una simulación "óptima" de simulación, sin embargo, mientras más datos de calibración se consideren, o más combinaciones de parámetros se ponen a prueba, las probabilidades de simulación pueden ser actualizadas con un enfoque Bayesiano, modificando así los límites de incertidumbre del modelo. Si estos límites se vuelven más estrechos, entonces puede considerarse que la calibración del modelo ha mejorado. El caso, en donde los límites de incertidumbre de la predicción no envuelvan una respuesta observada, sugiere una falla fundamental del modelo (o una función inapropiada de probabilidad). Si los cambios en la distribución de probabilidad amplían los límites de la incertidumbre esto indica una reducción de la capacidad predictiva del modelo.

Una característica importante del procedimiento de estimación de la incertidumbre es que permite probabilidades de simulación que se definirán de acuerdo a diferentes tipos de datos de calibración. Por ejemplo, se pueden combinar los niveles en los pozos con la descarga observada en el cálculo de la potencia de un modelo para predecir tanto las profundidades del nivel freático como el caudal (Binley y Beven, 1991). Esto debería dar una indicación mejor del realismo de la combinación modelo/conjunto de parámetros. La experiencia de campo puede tener cabida dentro de este marco. Para una cuenca donde el flujo superficial no se cree que ocurre, todas las simulaciones de los modelos que exhiben flujo superficial podrían, por ejemplo, dar una probabilidad de cero. Se noto que la optimización tradicional corresponde a un conjunto de parámetros con una probabilidad de uno, con todos los demás da cero. Una de las consecuencias de la estimación de la incertidumbre asociada con las predicciones es que se plantea la interrogante de qué tipo de datos serían más valiosos en la reducción de que la incertidumbre, especialmente con respecto a las predicciones distribuidas del modelo. En la actualidad, el uso de medidas de, la transmisividad, del nivel freático y de las áreas saturadas contribuyentes están siendo exploradas dentro de este marco.

La metodología GLUE es computacionalmente exigente. Miles de realizaciones del modelo pueden ser necesarias para explorar completamente el espacio de

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA parámetros definidos para una cuenca dada, cada realización se conserva en la memoria

parámetros definidos para una cuenca dada, cada realización se conserva en la memoria para la actualización de la probabilidad. Aunque esto puede ser un obstáculo significativo cuando modelos distribuidos complejos deben ser calibrados, la estructura simple de TOPMODEL lo hace particularmente adecuado para la calibración utilizando dichas técnicas de estimación de la incertidumbre. La técnica se adapta también a la implementación en computadores paralelos. Algunos ejemplos de cálculo utilizando TOPMODEL para la captación Maimai en Nueva Zelanda se muestran en la Figura 4.7.

Maimai en Nueva Zelanda se muestran en la Figura 4.7. Figura 4.7. Caudal Observado (línea continua)

Figura 4.7. Caudal Observado (línea continua) el 90% de la confianza de los límites de predicción (línea punteada) para diferentes periodos de tormenta en la cuenca Maimai, Nueva Zelanda

4.4 Revisión Bibliográfica

En esta sección, se mostrará algunos ejemplos de aplicación del TOPMODEL en ciertas cuencas.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA 4.4.1 Ejemplos de Aplicación y Resultados Simulación de cuencas con respuestas húmedas TOPMODEL

4.4.1 Ejemplos de Aplicación y Resultados

Simulación de cuencas con respuestas húmedas

TOPMODEL se desarrolló originalmente para simular pequeñas cuencas de montaña en el Reino Unido (Beven y Kirkby, 1979; Beven, 1984). Estos estudios demostraron que era posible obtener resultados razonables con una calibración mínima de los valores de los parámetros. Desde entonces han habido aplicaciones en una serie de cuencas con regímenes húmedos templados en el Oeste de los EE.UU. (Beven y Wood, 1983; Hornberger, 1985), Nueva Zelanda (Beven, 1993), Escocia (Robson, 1993). En todos estos casos se ha encontrado que, después de la calibración de los parámetros, TOPMODEL proporciona buenas simulaciones de descargas del flujo, y simulaciones ampliamente creíbles de la variable área contribuyente (Figura 4.8).

creíbles de la variable área contribuyente (Figura 4.8). Figura 4.8. a.- Precipitaciones, descargas observadas

Figura 4.8. a.- Precipitaciones, descargas observadas (línea continua) y predicción de las descargas (línea punteada). Para una simulación de validación de una fracción del registro para la cuenca del río “Severn” en Plynlimon, Gales.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA b.- Predicción de los patrones de los déficit de almacenamiento y saturación para
UNIVERSIDAD DE CUENCA b.- Predicción de los patrones de los déficit de almacenamiento y saturación para

b.- Predicción de los patrones de los déficit de almacenamiento y saturación para la simulación TOPMODEL de la cuenca del río Wye en Plynlimon, Gales. (A) Mapa de déficit de humedad con la mayor área saturada, 1985. (B) Mapa de déficit de humedad con la menor área saturada, de 1985. (C) Mapa de déficit de humedad con saturación promedio, 1985. (D) Frecuencia acumulada de saturación para los distintos pixels durante nueve meses en 1985.

La experiencia con la calibración de modelos, sin embargo, ha demostrado que los valores de los parámetros ajustados pueden ser difíciles de interpretar físicamente. En particular, la calibración de To parámetro de la transmisividad (al cual las simulaciones no tienden a ser muy sensible), a menudo dan valores muy altos. Este parámetro controla la tasa de drenaje de la zona saturada. Podría haber dos razones para esto. Una es que los valores efectivos de transmisividad en la dirección del flujo puede ser mucho mayores de los que se podría esperar en base de las mediciones de la conductividad vertical hidráulica a pequeña escala, debido a los efectos de rutas preferenciales de flujos o zonas de regolitos fracturados. Ciertamente, las simulaciones de flujo de Darcy muestran que sólo con valores altos y una inclinación razonable se tienen curvas de drenaje sensibles de lo contrario el suelo permanece cerca de la saturación durante largos períodos de tiempo. En segundo lugar, y posiblemente exacerbando este efecto, las respuestas rápidas de TOPMODEL se rigen por la distribución del índice

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA (a/Totanβ). En el análisis de la topografía de la cuenca, el área de

(a/Totanβ). En el análisis de la topografía de la cuenca, el área de drenaje en contra pendiente, a, se supone que se extiende a la línea divisoria. Esto podría ser una sobreestimación en muchos casos, especialmente en las cuencas más secas, de modo que un valor efectivo de a, debido a la variabilidad en la tasa de recarga en contra pendiente, podría ser mucho menor. Un gran To, entonces podría compensar cualquier sobreestimación en el índice (a/tanβ).

Las cuencas con sistemas de aguas subterráneas más profundas, o zonas saturadas localmente empinadas pueden ser mucho más difíciles de modelar. Estas cuencas tienden a pasar por una secuencia de humectación al final del período de verano en la que los controles de la recarga a cualquier zona saturada y la conectividad de las zonas saturadas locales pueden cambiar con el tiempo.

Simulación de las cuencas con respuestas más secas

Un modelo que pretende predecir respuestas rápidas de cuencas, en base de la dinámica de las zonas saturadas contribuyentes, no parece ser un candidato idóneo para simular respuestas de cuencas que están a menudo secas, por ejemplo en climas mediterráneos o de sabana.

Sin embargo Durand, (1992) ha mostrado que TOPMODEL puede simular con éxito las descargas en las cuencas de Mont-Lozère, en Cevennes, al sur de Francia. Sempere - Torres (1990) y Wendling (1992) también han utilizado un TOPMODEL basado en una función de producción de escorrentía para simular la respuesta de las cuencas de Gardon D`Anduze y Réal Collobrier también en el sur de Francia respectivamente. Muestran que la función de producción de escorrentía puede utilizarse con éxito para fines de previsión de inundaciones después de la calibración de un pequeño número de tormentas y demostró ser más sólido en la validación, que otras funciones estudiadas.

Sin embargo, la experiencia en la modelación de la cuenca Booro-Borotou en Costa de Marfil (Quinn, 1991), y en las cuencas en las montañas de Prades de Cataluña, España, sugiere que TOPMODEL sólo proveerá simulaciones satisfactoria una vez que la cuenca esté saturada. En muchas cuencas con bajas precipitaciones, por supuesto, el suelo nunca podrá llegar a un estado saturado, y la respuesta puede ser controlada por la conectividad de cualquier flujo saturado. Estas cuencas también tienden a recibir precipitaciones de tormentas cortas, de intensidad alta. Las precipitaciones pueden dar lugar, al menos localmente, a la producción de un flujo superficial de exceso de infiltración el mismo que no es usualmente incluido en las hipótesis fundamentales de los conceptos TOPMODEL

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA que siempre deben ser tomados en cuenta en relación con el adecuado modelo

que siempre deben ser tomados en cuenta en relación con el adecuado modelo de percepción para una cuenca en particular.

Predicciones de frecuencia de inundaciones

Beven (1986a, b) vinculó una versión de TOPMODEL a una tormenta al azar y a un período entre tormentas para hacer predicciones de la frecuencia de inundaciones para una serie de climas. Las simulaciones hechas utilizaron distribuciones del índice suelo-topografía, basadas en distribuciones hipotéticas de la conductividad hidráulica, que fueron usadas también con la variación del modelo de infiltración de Green-Ampt de Beven (1984) para hacer predicciones de la escorrentía distribuida (exceso de infiltración). El modelo permitió la producción de escorrentía que se analiza en términos de volúmenes de exceso de infiltración, el exceso de saturación y la flujo superficial, junto con las distribuciones de frecuencia de exceso de infiltración y las áreas contribuyentes de exceso de saturación. Estos fueron, sin embargo, simulaciones hipotéticas.

Beven (1987b) aplicó un modelo similar a la cuenca de Wye en Plynlimon, Gales, con simulaciones basadas en las tormentas y condiciones iniciales aleatorias en función de las observaciones de campo. El modelo fue capaz de reproducir el pico observado sobre el umbral de las características de frecuencia de la cuenca, para los 14 años de registros disponibles después de la calibración de un solo parámetro. La inseguridad en las predicciones de frecuencia fue evaluada mediante simulaciones múltiples de períodos de 14 años (Figura 4.9).

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.9. A.- Curva media de frecuencia de inundaciones simulada en TOPMODEL.(± 1
UNIVERSIDAD DE CUENCA Figura 4.9. A.- Curva media de frecuencia de inundaciones simulada en TOPMODEL.(± 1

Figura 4.9. A.- Curva media de frecuencia de inundaciones simulada en TOPMODEL.(± 1 std. desv. derivados de 10 realizaciones de cada uno de los 14 años de datos) del río Wye, Plynlimon, datos de descarga media horaria comparados con los picos observados sobre la curva de umbral para los 14 años desde 1969 hasta 1982. B.- Histogramas de frecuencia máximos simulados del área contribuyente para los picos de inundación por encima de las tormentas umbrales de las 10 realizaciones usadas en A.

Sivapalan, (1990) obtuvo un modelo a escala de frecuencia de inundaciones basado en los conceptos de TOPMODEL y mostró que la producción de escorrentía de la cuenca podría ser comparada sobre la base de ocho variables similares. Sus curvas de frecuencia de inundación fueron derivadas de simulaciones tormenta a tormenta y mostraron una transición entre el flujo superficial de exceso de saturación.

UNIVERSIDAD DE CUENCA

TOPMODEL en un marco SIG

Como un modelo distribuido que puede hacer uso de los datos topográficos, información sobre el suelo y la vegetación TOPMODEL se adapta bien a la implementación con un Sistema de Información Geográfica (SIG). Aunque muchos de los sistemas SIG no han tenido las facilidades para acoplar la modelación interactiva y la visualización de los resultados de una simulación distribuida, un número de tales implementaciones de TOPMODEL han sido realizadas. En Lancaster, han estado involucrados en la vinculación de TOPMODEL al Sistema de Información del Agua (WIS), desarrollado por el Instituto de Hidrología, Wallingford y ICL Ltd (Romanowicz, 1993a, b). WIS puede acceder directamente a la base de datos topográfica de 50 m para el Reino Unido, junto con datos de lluvia y de descarga para sitios de aforo. La aplicación TOPMODEL puede, para un punto seleccionado en la red fluvial, determinar la distribución adecuada del índice topográfico, llevar a cabo la calibración de parámetros y un análisis de sensibilidad incluyendo la GLUE (uncertainty estimation simulations) simulación de incertidumbres en la estimación, en un procesador paralelo externo (por ejemplo la Figura 4.10).

un procesador paralelo externo (por ejemplo la Figura 4.10). Figura 4.10. Implementación de TOPMODEL dentro del

Figura 4.10. Implementación de TOPMODEL dentro del Instituto de Hidrología Sistema de Información del Agua (WIS). El patrón que se muestra es la predicción del déficit de humedad del suelo para el río Severn en Plynlimon, Gales.

UNIVERSIDAD DE CUENCA

TOPMODEL y la interacción Superficie Terrestre - Atmósfera

Una limitación de la actual generación de modelos de circulación atmosférica general (GCM) es que toman poco en cuenta la variabilidad de las características

superficiales y la hidrología en sus cálculos de los flujos de la superficie de la tierra

a la atmósfera. TOPMODEL proporciona una manera muy sencilla de incorporar

esta heterogeneidad en los modelos suelo-vegetación-atmósfera de una manera

en la que la disponibilidad de agua de la superficie para la evapotranspiración pueda variar en forma dinámica. Esta posibilidad ha sido analizada en una serie de papers, en particular los de Famiglietti y Wood (1991), Famiglietti, (1992) y Quinn, (1994). Estos documentos muestran que la variabilidad hidrológica simulada por TOPMODEL puede tener un efecto importante en los flujos de evapotranspiración previstos bajo ciertas circunstancias. Sin embargo, hay que recordar que las hipótesis de TOPMODEL no se cumplirán en todas partes dentro de un cuadro de grilla GCM. Un enfoque de la función de distribución todavía podría ser adecuado, pero puede ser necesario considerar un índice más amplio

hidrológica.

de

la

semejanza

Un estudio ha examinado la interacción del cambio climático en un tiempo amplio

y la hidrología utilizando TOPMODEL (Wolock y Hornberger, 1991) y lo ha hecho

de una manera interesante. El modelo utilizado fue calibrado para la cuenca del White Oak Run en Virginia por Homberger, (1985), pero el modelo se corrió con secuencias de entrada estocásticas usando un modelo de generación de tormenta similar al de Beven (1986a, b). Se realizaron simulaciones de sesenta años bajo diferentes escenarios climáticos, pero a diferencia de muchos otros estudios sobre los efectos del cambio climático, el uso de múltiples realizaciones permitió el cálculo de incertidumbres en los efectos hidrológicos de los caudales pico y el rendimiento de la cuenca para cada escenario. Los resultados demuestran la dificultad de detectar de forma inequívoca los efectos del cambio climático.

TOPMODEL y predicciones geoquímicas

Uno de los atractivos de TOPMODEL es la posibilidad de hacer predicciones sobre la división entre la producción de escorrentía superficial y subterránea y la forma en que estas varían en diferentes partes de una cuenca. De hecho, al asumir un cierto conocimiento sobre las características de profundidad y químicas de los diferentes horizontes del suelo, es posible utilizar las predicciones de la profundidad del nivel freático en lugares diferentes, en momentos diferentes, para examinar la mezcla de agua del suelo al entrar en la corriente. Esta posibilidad ha sido explorada por Robson, (1992) en una aplicación de TOPMODEL a la cuenca

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Hafren, Plynlimon, Gales. Se demostró que los resultados del modelo, son equiparables con

Hafren, Plynlimon, Gales. Se demostró que los resultados del modelo, son equiparables con una interpretación de la mezcla de dos componentes del suelo de las señales químicas en el corriente, siempre que el flujo generado en las áreas saturadas contribuyentes, se asume que tiene una composición bien mezclada (ya sea una mezcla de suelo orgánico y las aguas profundas o la química de la precipitación media). Las posibilidades de inferir el comportamiento químico de tales predicciones distribuidas todavía requiere más exploración y validación interna.

El hecho de que puede haber alguna relación entre las características topográficas de una cuenca y sus características químicas, con la conclusión de que esto se debe a los efectos de la topografía en vías de flujo (preferenciales), también ha sido explorado por Wolock, (1989,1990). En estudios de cuencas en el noreste de Estados Unidos y Gales se mostro que la media de la distribución ln(a/tanβ) está fuertemente relacionada con la acidificación de la cuenca. Las predicciones de TOPMODEL de las áreas susceptibles a la saturación superficial también han sido utilizadas en Gales para decidir las zonas para encalado (Waters, 1991).

4.4.2 Aplicación del TOPMODEL en micro-cuencas del páramo

El páramo es caracterizado por tener un clima frío y húmedo. Sus suelos volcánicos (Andosoles) tienen una capacidad de retención de agua muy alta que amortigua la escorrentía, produciendo un patrón de caudales de las cuencas bastante uniforme, por lo que sirven como proveedores de agua para las depresiones andinas densamente pobladas.

TOPMODEL fue aplicado en una micro-cuenca de páramo representativa de 2.58 km2 en la cuenca del río Machangara ubicada al noreste de la ciudad de Cuenca al sur del Ecuador (Figura 4.11). La cuenca ha sido monitoreada durante un año con 3 pluviógrafos electrónicos. Los caudales fueron medidos cada 30 minutos usando un vertedero con sección triangular y un sensor para medir el nivel del agua. Un modelo digital de elevación con celdas de 20x20 m fue generado a partir de curvas de nivel. Valores de evapotranspiración fueron determinados con base a datos meteorológicos medidos en el páramo.

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.11. La cuenca Huagrauma TOPMODEL (Beven, 1995) se fundamenta en el concepto
UNIVERSIDAD DE CUENCA Figura 4.11. La cuenca Huagrauma TOPMODEL (Beven, 1995) se fundamenta en el concepto

Figura 4.11. La cuenca Huagrauma

TOPMODEL (Beven, 1995) se fundamenta en el concepto del índice topográfico ln(a/tan b), el cual es una indicación de la susceptibilidad de ciertos puntos de la cuenca a saturarse completamente (Figura 4.12) y por ello puede ser visto como un índice de similaridad hidrológica. Los colores más claros de la figura representan una elevada susceptibilidad a saturarse.

figura representan una elevada susceptibilidad a saturarse. Figura 4.12. Mapa de índices topográficos Martha Elena

Figura 4.12. Mapa de índices topográficos

UNIVERSIDAD DE CUENCA

Este índice topográfico es calculado con el modelo digital de elevación. La distribución espacial del índice topográfico es combinada con la asumpsion de que la distribución de transmisividad pendiente abajo con la profundidad puede ser descrita como una función exponencial del déficit de almacenamiento.

T=To*exp(-S/m)

El modelo asume una homogeneidad espacial de las propiedades del suelo en la cuenca y un comportamiento hidrológico similar de los puntos que tienen el mismo valor del índice topográfico. Los suelos de la cuenca son Andosoles (FAO) con poca profundidad más o menos homogénea de 0.5 m, cubriendo roca madre metamórfica. Muestran una gran homogeneidad en características hidrofísicas (permeabilidad y capacidad de retención de agua). Experimentos de campo indican que la conductividad saturada de los suelos de páramo es generalmente alta (alrededor de 20mm/h). Sin embargo, al ya no estar saturado el suelo el movimiento del agua en el suelo se vuelve muy lento y cae rápidamente a cero para un pF igual a 1 (antes de llegar a capacidad de campo).

La simulación hidrológica, sensibilidad de parámetros y optimización Monte Carlo fueron ejecutados para períodos consecutivos de 52 días. El juego de parámetros óptimos fue escogido de acuerdo al valor más alto del coeficiente de eficiencia de Nash y Sutcliffe (Beven, 2002). El valor más alto de la eficiencia de Nash y Sutcliffe que pudo ser obtenido es de 0.77, el cual representa una simulación satisfactoria.

SRmax (déficit de almacenamiento máximo) y SRinit (déficit de almacenamiento inicial) son los parámetros menos sensibles ya que ellos no revelan ningún valor óptimo sobre el rango de posibles valores (Figura 4.13).

UNIVERSIDAD DE CUENCA

UNIVERSIDAD DE CUENCA Figura 4.13. Valores optimizados de Monte Carlo para cada parámetro de TOPMODEL El
UNIVERSIDAD DE CUENCA Figura 4.13. Valores optimizados de Monte Carlo para cada parámetro de TOPMODEL El

Figura 4.13. Valores optimizados de Monte Carlo para cada parámetro de TOPMODEL