Identificación de los serviciosambientales hidrológicos

empleando el modelo SWAT La entrada para el diseño de esquemas de PSA

en los Andes

Marcela Quintero, Natalia Uribe

International Center for Tropical Agriculture (CIAT)

Las cuencas de los Andes se caracterizan por la significativa diversidad paisajistica, ampliavariedad de tipos del suelos, usos del suelo y fuertes pendientes, que combinados con los cambios en el clima a lo largo del gradiente altitudinal, que crean diferentes respuestashidrologicas dentro de la misma cuenca.

Caracteristicas de las cuencas en los Andes

• Rendimiento total

• Mejora/mantenimiento del régimen hidrológico (caudales de base y caudales máximos)

• Retención de sedimentos

Cuales servicios son relevantes en los Andes?

Principales necesidades de investigación

• La identificación de áreas prioritarias para la provisión de servicios ambientales hidrológicos

• Impacto de los cambios de uso del suelo y las prácticas de gestión promovidos por esquemas de Pago por Servicios Ambientales

• Beneficios económicos y los costos de mejorar/mantener los servicios ambientales hidrológicos

• Impacto del cambio climático en los servicios ambientales hidrológicos

Lugares de estudio

PAIS CUENCA ÁREA (Km2)Ecuador Quijos 2426.8

Peru Cañete 5794.0

Colombia

Piedras Blancas 27.8

La Fe 77.1Guabas 192.5Desbaratado 192.5

Tunjuelo 360.5Fraile 363.2

Tulua 768.2Fuquene 783.8

Riogrande II 1034.3

Guavio 1476.2Magdalena 259232.0

Mexico

Valles 3859.3Axtla 890.4

Necaxa 877.5

Modelación hidrológica: una opción para anticipar impactos

A donde deben ser dirigidos los pagos?

Permite determinar línea base sobre el balance

hídrico

Identificacion de las areas que prestan el servicio

empleando modelos hirologicos

Cuál es el impacto del cambio climatico?

Estimación de los impactos de cambios climáticos

sobre el balance hídrico

:

Cuantos pagos se deberian emplear?

Evaluacion ex-ante de las probables alternativas

eco-eficientes de uso del suelo; medidas de

conservacion de los ecosistemas y los proyectos

de desarrollo social.

SWAT (Soil and Water Assessment Tool) es una herramienta que permite

modelar el impacto del manejo del suelo en la generación de sedimentos y la

regulación del agua, en cuencas hidrográficas.

Posee una interface bajo ArcGIS 9.2 – 9.3, la cual hace mas sencillo su manejo.

Modelo Hidrológico - SWAT

Río Grande II - EPM

Unidades de Respuesta Hidrológica

Uso de la Tierra

Subcuenca

Suelos

Pendiente

Unidades de Respuesta

Hidrológica

Zonas que hay que proteger

porque abastecen servicios

hidrológicas

Zonas que hay que recuperar

para que se mejoren los

servicios hidrológicos

Con cuanto contribuye cada

zona al volumen total del

caudal aguas abajo?

Cu

enca A

lta(4

00

0-5

80

0)

Precipitación (mm)

736-1169

Cu

enca M

edia

(35

0–

40

00

)

231-266

Cu

enca B

aja(0

-35

0)

0-17

Estudio de caso peruano, cuenca del río Cañete - Situación actual

Cu

enca A

lta(4

00

0-5

80

0)

Uso del agua (m3/s)

0 (principalmente de manantiales)

Cu

enca M

edia

(35

0–

40

00

) 250, 64

Cu

enca B

aja(0

-35

0)

Cu

enca A

lta(4

00

0-5

80

0)

Agua y usos del suelo

Pastoreo extensivoAgricultura de subsistencia

Cu

enca M

edia

(35

0–

40

00

)

Empresa HidroelectricaProdcutores de camarones

Cu

enca B

aja(0

-35

0)

Habitantes urbanosUso ineficiente del agua para la agricultura comercial Turistas (rafting)

Extensión: 5794 km2

Situación deseada

Cu

enca A

lta(4

00

0-5

80

0)

Cu

enca M

edia

(35

0–

40

00

)C

uen

ca Baja

(0-3

50

)

Transferir

una parte

de sus

beneficios

Inversión en

alternativas de uso

de la tierra (altos

rendimientos de

agua y rendimiento

económico)

Conservación de

ecosistemas

Las asimetrias

socioeconomicas de

la cuenca pueda ser

balanceadas por

estos mecanismos

para compartir

beneficios

Los datos hidrológicos y meteorológicos

Resultados de la modelación hidrológica

0

50

100

150

200

250

300

3501

99

3

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

Cau

dal

(m

3/s

)

Cuadal Mensual- CAÑETE (1993 - 2009)

Simulated Observed

Estadisticos

Cuenca Cañete (5794 km2)

Caudal mensualsimulado (m3/s)

Caudal mensualobservado (m3/s)

44.1 55.9

NS 0.65

r 0.83

= Promedio del caudalNS = Coeficiente de Nash-SutcliffeR = Coeficiente de Correlacion

obsQ

obsQ

0

50

100

150

200

250

300

350

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

Ca

ud

al

(m3

/s)

Cuadal Mensual - Calibración (1993-2000)

Simulado Observado

0

50

100

150

200

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

Ca

ud

al

(m3

/s)

Caudal Mensual - validacion (2001-2009)

Simulado Observado

0

100

200

300

400

500

600

Ca

ud

al

(m3

/s)

Caudal Diario - Calibración (1993-2000)

Simualdo Observados

0

100

200

300

400

500

Ca

ud

al

(m3

/s)

Caudal Diario - Validacion (2001-2009)

Simulado Observados

Calibrated Simulated Calibrated Simulated

NS 0.39 0.15 0.59 0.73

r 0.66 0.64 0.78 0.88

StatisticsDaily Flow Monthly Flow

Calibración: Parametros ajustados

Baseflow alpha factor [days] ALPHA_BF.gw 0 - 1 0.048 0.01

Groundwater delay [days] GW_DELAY.gw 0 - 500 31 25

Groundwater "revap" coefficient GW_REVAP.gw 0.02 - 0.2 0.02 0.02

Threshold water depth in the shallow aquifer for flow [mm] GWQMN.gw 0 - 5000 0 1

Threshold water depth in the shallow aquifer for "revap" REVAPMN.gw 0 - 500 1 50

Soil evaporation compensation factor ESCO.hru 0.01 - 1 0.95 1

Plant uptake compensation factor EPCO.hru 0.01 - 1 1 1

Maximum canopy storage [mm] CANMX.hru 0 - 100 0 0

Average slope steepness [m/m] SLOPE.hru 0 - 0.6 Varia por HRU Varia por HRU

Average slope length [m] SLSUBBSN.hru 10 – 150 Varia por HRU Varia por HRU

Snow pack temperature lag factor TIMP.bsn 0.01 - 1 1 0.5

Melt factor for snow on June 21 [mm H2O/ºC-day] SMFMX.bsn 0 - 10 4.5 3.5

Melt factor for snow on December 21 [mm H2O/ºC-day] SMFMN.bsn 0 - 10 4.5 1

Snowfall temperature [ºC] SFTMP.bsn ± 5 1 1

Snow melt base temperature [ºC] SMTMP.bsn ± 5 0.5 2

Surface runoff lag time [days] SURLAG.bsn 1 - 24 4 8Available water capacity [mm H20/mm soil] SOL_AWC.sol 0 - 1 Varia por suelo Varia por Suelo

Saturated hydraulic conductivity [mm/hr] SOL_K.sol 0 - 2000 Varia por suelo Varia por Suelo

Moist soil albedo SOL_ALB.sol 0 - 0.25 Varia por suelo Varia por Suelo

Channel effective hydraulic conductivity [mm/hr] CH_K2.rte 0 - 150 0 0

Manning's nvalue for main channel CH_N2.rte 0 - 0.3 Varia por HRU Varia por HRU

Initial SCS CN II value CN2.mgt 20 - 90 Varia por HRU Varia por HRU

Temperature lapse rate [°C/km] TLAPS.sub -5 - 50 0 -6.5

PARAMETRONOMBRE VARIABLE

EN SWATRANGO

VALOR

DEFULT

VALOR OBTENIDO

CALIBRACION

MANUAL

0

10

20

30

40

5019

93

1994

1995

1996

1997

Cau

dal

(m

3/s

)

Caudal Mensual Subcuenca1 Vs Est. Aguas Calientes (1993-1997)

Simulado Observado

0

10

20

30

40

50

19

93

19

94

19

95

19

96

19

97

Cau

dal

(m

3/s

)

Caudal mensual Subcuenca 6 Vs Est. Tinco (1993-1997)

Simulado Observado

0

50

100

150

200

250

1993

1994

1995

1996

1997

Cau

dal

(m

3/s

)

Caudal mensual Subcuenca 13 Vs Est. Chavín (1993-1997)

Simulado Observado

Aguas

CalientesTinco Chavín Regantes

NS 0.01 0.80 0.66 0.62

r 0.97 0.95 0.93 0.81

Stadistica

Caudal Mensual (1993-1997)

Priorización de las URH (Unidades de Respuesta Hidrologica)

Agricultura:Relación entre la productividad y el riego

3.00

4.00

5.00

6.00

7.00

8.00

9.00

10.00

0 50 100 150 200 250 300

Pro

du

cti

vid

ad

(to

n/h

a)

Variación del riego (mm)

CORA (Jul-Ago)-Ene

CORB (Jun-Jul)-Dic

CORC May-Nov

CORD Abr-Oct

CORE Mar-Set

CORF (Feb-Mar)-Ago

CORL Oct-Feb

(Pareja, 2011)

Escenarios cambio de cobertura

Estudio de caso Colombia, cuenca del río Amaime

Analisis de Impacto en caudal y sedimentos

Promedio mensual Caudal simulado Vs Aforado - Amaime

0.00

2.00

4.00

6.00

8.00

10.00

12.00

14.00

16.00

Ene

ro

Febr

ero

Mar

zo

Abr

il

May

o

Junio

Julio

Ago

sto

Sep

tiembr

e

Octub

re

Nov

iembre

Diciembre

Tiempo (mes)

Ca

ud

al (m

3/s

eg

)

Actual

Sin Politica

Con Politica

Promedio mensual Sedimentos simulado Vs Aforado - Amaime

0

1

2

3

4

5

6

7

8

Enero

Febrero

Marzo

Abril

Mayo

Junio

Julio

Agos

to

Septiembre

Octub

re

Nov

iembre

Diciembre

Tiempo (mes)

Se

dim

en

tos

(T

/Ha

)

Actual

Sin Politoca

Con Politica

Enero 8.69 9.61 10.5 8.90 2.4 2.6 5.70 119.2 1.42 -45.4

Febrero 8.36 9.27 10.9 8.57 2.6 1.03 4.77 363.1 0.59 -42.7

M arzo 9.83 10.87 10.6 10.07 2.5 1.11 5.02 352.3 0.45 -59.5

Abril 8.35 8.95 7.2 8.59 2.8 0.74 2.59 250.0 0.23 -68.9

M ayo 8.28 8.77 5.8 8.53 2.9 0.91 2.90 218.7 0.46 -49.5

Junio 4.02 4.06 1.1 4.20 4.5 0.16 0.33 106.3 0.06 -62.5

Julio 3.97 3.97 -0 .2 4.11 3.5 0.01 0.05 0.0 0 -100.0

Agosto 3.63 3.63 0.0 3.73 3.0 0.02 0.06 200.0 0 -100.0

Septiem bre 5.25 5.45 3.8 5.41 3.2 0.2 0.52 160.0 0.08 -60.0

O ctubre 10.09 10.79 6.9 10.30 2.1 1.94 2.95 52.1 1.01 -47.9

N oviem bre 13.16 14.52 10.3 13.43 2.1 1.54 4.76 209.1 0.88 -42.9

D iciem bre 9.81 10.89 11.1 9.94 1.4 4.71 7.41 57.3 3.02 -35.9

C U EN C A A MA IME

C audal (m 3/seg) Sedim entos (t/ha)

Tiem po

(M es)

Escenario

Actual

Escenario 1

S in po litica

C am bio

(%)

Escenario 2

C on Politica

C am bio

(%)

Escenario

Actual

Escenario 1

S in po litica

C am bio

(%)

Escenario 2

C on Politica

C am bio

(%)

Comportamiento del Clima Actual Vs. Clima Futuro al 2020 y 2050

Estudio de caso Colombia, cuencas del Valle del Cauca

0

200

400

600

800

1000

1200

1400

1600P

rod

ucc

ión

de

Agu

a (m

m/a

ño

)

Modelo

PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA TULUÁ

1990-2004

0

200

400

600

800

1000

1200

1400

Pro

du

cció

n d

e A

gua

(mm

/añ

o)

Modelo

PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA GUABAS

1990-2004

2040-2069

2040-2069

0

200

400

600

800

1000

1200

1400

1600P

rod

ucc

ión

de

Agu

a(m

m/a

ño

)

Modelo

PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA FRAILE

1990-2004

2040-2069

0

200

400

600

800

1000

1200

1400

1600

Pro

du

cció

n d

e A

gua

(mm

/añ

o)

Modelo

PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA DESBARATADO

1990-2004

2040-2069

Análisis de Cambio – Promedio Modelos GCM’s

CUENCA ÁREA (Km2) MÍN. MÁX. PROMEDIO GANANCIA PÉRDIDA

Tuluá 766.767 -783.078 1145.290 246.973 595.11 Km2 (77.61 %) 171.65 Km2 (22.39 %)

Guabas 191.450 -667.615 677.692 16.774 85.81 Km2 (44.82 %) 105.64 Km2 (55.18 %)

Fraile 361.578 -140.122 1249.100 416.843 322.41 Km2 (89.17 %) 39.16 Km2 (10.83 %)

Desbaratado 192.368 152.811 1460.100 649.627 192.37 Km2 (100 %) 0 Km2 (0 %)

CAMBIO EN PRODUCCIÓN DE AGUA

Que tan inciertas son estas evaluaciones? ¿Son confiables para el diseño de esquemas de PSA?

• “En esencia, todos los modelos tienen inertidumbre, pero algunos son útiles" (Box, 1919)

• Qué tanto nivel de incertidumbre deben tener para no ser útil?

• Analisis de Incertudumbre

• Las decisiones de PSA no se toman sobre la base de los valores absolutos de los resultados

• Con SWAT se puede obtener buena información para identificar áreas importantes de SAH en términos relativos

• Buen desempeño de los resultados con respecto a la simulación del caudal. Útil para el análisis de valoración económica

• Muy útil para proporcionar argumentos durante el diseño y negociación de los proyectos de PSA (dónde, por qué?)

Ventajas de la selección de HRU como unidad de análisis

• Identificación de aéreas prioritarias en la cuenca.

• Una mejor identificación de costos y beneficios directos y sociales.

• Un mayor reconocimiento de los ecosistemas poco estudiados y/o tenidos en cuenta.

• Una mejor contabilización de las actividades en el momento en que ocurre.

• Un método ágil de extrapolación e integración de la información.

Gracias por su atención!!

n.uribe@cgiar.org