Post on 12-Jul-2022
3
ESTUDIO DE LA VULNERABILIDAD CLIMÁTICA DEL RECURSO HÍDRICO DE LA CUENCA DEL RÍO PAMPLONITA.
MIXI XIOMARA CASTAÑEDA VEGA NATALIA ORDOÑEZ LANDINEZ
UNIVERSIDAD SANTO TOMÁS FACULTAD DE INGENIERÍA AMBIENTAL
BOGOTÁ D.C 2019
4
ESTUDIO DE LA VULNERABILIDAD CLIMÁTICA DEL RECURSO HÍDRICO DE LA CUENCA DEL RÍO PAMPLONITA.
MIXI XIOMARA CASTAÑEDA VEGA NATALIA ORDOÑEZ LANDINEZ
Trabajo de grado para optar al título de ingeniera ambiental
Director DARWIN MENA RENTERÍA
Ingeniero Ambiental y Sanitario MSc en Evaluación de Recursos Hídricos
Codirector MIGUEL ÁNGEL CAÑÓN RAMOS
Ingeniero Ambiental MSc (c) Hidrosistemas
UNIVERSIDAD SANTO TOMÁS
FACULTAD DE INGENIERÍA AMBIENTAL INGENIERÍA AMBIENTAL
BOGOTÁ D.C 2019
5
DEDICATORIA Gracias a nuestros padres quienes creyeron en nuestra capacidad para llevar a cabo está carrera y nos brindaron comprensión, confianza, cariño, amor y, siempre nos dan ánimo para cumplir con nuestros sueños y anhelar lo mejor para nuestras vidas. Tambien, a nuestras familias y amigos quienes estuvieron presentes en este proceso, ya sea de manera directa o indirecta por su tiempo y apoyo.
6
AGRADECIMIENTOS
A nuestro director y amigo Darwin Mena por la confianza, por cada una de sus palabras que nos guiaron durante el desarrollo de este trabajo y su apoyo incondicional. A nuestros docentes por compartir su conocimiento y experiencia para nuestra formacion profesional y personal, especialmente a Freddy Santiago Duarte, Ronal Sierra y Miguel Cañon, quienes fueron de vital importancia para llevar a cabo este proyecto. A Mauro Nalesso del Banco Interamericano de Desarrollo por compartirnos su conocimiento y aseramiento técnico con la Herramienta Hydro-BID.
7
CONTENIDO
RESUMEN ........................................................................................................ 13
ABSTRACT ....................................................................................................... 14
INTRODUCCIÓN .............................................................................................. 15
1. OBJETIVOS ............................................................................................... 16
1.2 Objetivo General ...................................................................................... 16
1.3 Objetivos específicos ............................................................................... 16
2. MARCO TEÓRICO ..................................................................................... 17
2.1 CAMBIO CLIMÁTICO .............................................................................. 17
2.2 VARIABLES DEL RIESGO ...................................................................... 17
2.3 DESCRIPCIÓN GENERAL DE LA ZONA DE ESTUDIO ......................... 18
2.3.1 Características morfométricas de la cuenca ...................................... 20
2.3.2 Función Hídrica ................................................................................. 21
2.3.3 Climatología de la zona de estudio.................................................... 21
2.4 MODELOS CLIMÁTICOS GLOBALES (GCM) ........................................ 22
2.4.1 Forzamiento radiativo ........................................................................ 23
2.5 ESCENARIOS DE CAMBIO CLIMÁTICO ................................................ 24
2.5.1 Trayectorias de Concentración Representativas (RCP) .................... 25
2.5.2 Reducción de escala (Downscaling).................................................. 26
2.5.3 Método de reducción de escala basado en la teoría del caos ........... 27
2.5.4 Validación de modelos climáticos ...................................................... 29
2.6 MÉTRICAS DE DESEMPEÑO DEL MODELO HIDROLÓGICO .............. 31
2.7 HYDRO-BID............................................................................................. 33
2.7.1 Funcionamiento del sistema Hydro-BID ............................................ 34
2.8 INDICES .................................................................................................. 37
2.8.1 Índice de Regulación Hídrica ............................................................. 37
2.8.2 Índice de Uso del Agua Superficial .................................................... 37
2.8.3 Oferta hídrica disponible .................................................................... 38
2.8.4 Índice de vulnerabilidad por desabastecimiento. ............................... 39
3. METODOLOGÍA ......................................................................................... 40
3.1 CARACTERIZACIÓN CLIMATICA DE LA CUENCA ............................... 40
3.1.1 Recolección de información .............................................................. 40
3.1.2 Homogenización y llenado de series de variables climáticas ............ 43
3.1.3 Análisis estadístico de variables climáticasº ...................................... 43
8
3.2 DISPONIBILIDAD HÍDRICA HYDRO-BID ............................................... 44
3.2.1 Recolección de información .............................................................. 44
3.2.2 Homogenización y llenado de series de precipitación y temperatura 45
3.2.3 Calibración y validación del modelo hidrológico ................................ 46
3.3 ANÁLISIS DE CAMBIO CLIMÁTICO ....................................................... 48
3.3.1 Selección de un modelo de circulación global ................................... 48
3.3.2 Reducción de escala y obtención de series de precipitación y temperatura ................................................................................................ 49
3.3.3 Modelación de los escenarios de cambio climático en Hydro-BID .... 49
3.4 ANÁLISIS DE VULNERABILIDAD ........................................................... 50
3.4.1 Índice de Regulación Hídrica ............................................................. 50
3.4.2 Índice de Uso de Agua Superficial..................................................... 50
3.4.3 Índice de Vulnerabilidad Por Desabastecimiento .............................. 52
4. RESULTADOS ........................................................................................... 52
4.1 CARACTERIZACIÓN CLIMÁTICA .......................................................... 52
4.2 MODELACIÓN HIDROLÓGICA ............................................................... 56
4.2.1 Recolección y homogenización de datos de entrada ........................ 56
4.2.2 Consistencia de los datos de entrada................................................ 57
4.2.3 Calibración y Validación del modelo de Hydro-BID. .......................... 58
4.3 ANÁLISIS DE CAMBIO CLIMÁTICO ....................................................... 62
4.3.1 Selección del modelo ........................................................................ 62
4.3.2 Reducción de escala o downscaling.................................................. 64
4.3.3 Disponibilidad hídrica futura .............................................................. 68
4.3.4 Proyección futura............................................................................... 72
4.4 ANÁLISIS DE VULNERABILIDAD ........................................................... 74
4.4.1 Índice de Retención y Regulación Hídrica ......................................... 74
4.4.2 Índice de Uso de Agua IUA ............................................................... 75
4.4.3 Índice de Vulnerabilidad por desabastecimiento hídrico (IVH). ......... 77
4.5 ESTIMACIÓN DE POSIBLES IMPACTOS FUTUROS Y MEDIDAS DE MITIGACIÓN ................................................................................................. 78
5. IMPACTO SOCIAL .................................................................................. 78
6. CONCLUSIONES ................................................................................... 80
7. RECOMENDACIONES ........................................................................... 81
9
LISTADO DE TABLAS
Tabla 1. Participación de cada Subcuenca en términos de área. ..................... 19
Tabla 2. Características morfométricas y parámetros de forma de la cuenca. . 20 Tabla 3. Los cuatro caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100. ........................................................................................ 25
Tabla 4.Ventajas y desventajas de las técnicas de reducción de escala. ......... 26 Tabla 5. Rangos de métricas de desempeño.................................................... 32
Tabla 6. Valores referenciales del criterio de Nash-Sutcliffe. ............................ 33 Tabla 7. Parámetros del GWLF relacionados con la generación de flujos del ciclo hidrológico ................................................................................................ 36 Tabla 8. Calificación del índice de retención y regulación hídrica ..................... 37
Tabla 9. Rangos y categorías índice de uso de agua ....................................... 38 Tabla 10. Índice de vulnerabilidad al desabastecimiento hídrico (IVH) ............. 39
Tabla 11. Estaciones usadas para la caracterización climática. ....................... 41 Tabla 12. Variables de las estaciones meteorológicas ..................................... 43
Tabla 13. Datos de entrada para la herramienta Hydro-BID para condiciones actuales............................................................................................................. 44
Tabla 14. Dotación por habitante según la altura promedio sobre el nivel del mar de la zona .................................................................................................. 51
Tabla 15. Estadísticas de las series de precipitación diaria de las estaciones seleccionadas. .................................................................................................. 56
Tabla 16. Calibración final de parámetros por subcuenca. ............................... 58 Tabla 17. Métricas de desempeño mensuales y diarias por Subcuenca. ......... 59
Tabla 18. Métricas del GCM ............................................................................. 62 Tabla 19. Comparación histórica del GCM CCSM4 después del donwscaling con las estaciones. ........................................................................................... 65 Tabla 20. Comparación mensual multianual de los datos históricos con los futuros. .............................................................................................................. 65 Tabla 21. Comparación histórica la sincronización de los dos sistemas después del downscaling con las estaciones de temperatura. ......................... 66 Tabla 22. Comparación mensual multianual de los datos históricos con los futuros. .............................................................................................................. 66 Tabla 23. Porcentajes de incremente o disminución de la precipitación y temperatura. ...................................................................................................... 67 Tabla 24. Disponibilidad hídrica para cada RCP ............................................... 72
Tabla 25. IRH para cada RCP con los periodos. .............................................. 74 Tabla 26. Proyección de las demandas por cada periodo desde 2015 a 2100. 76
Tabla 27. IUA para cada RCP por periodo........................................................ 76 Tabla 28. IVH para cada RCP por período. ...................................................... 77
10
LISTADO DE FIGURAS
Figura 1. Localización de la Cuenca del Río Pamplonita. ................................. 18 Figura 2. Los 4 caminos representativos de concentración RCP donde a la izquierda se ve el forzamiento radiativo y a la derecha las emisiones de CO2. 24 Figura 3. Escala GCM. ...................................................................................... 26
Figura 4. Diagrama de espacio de fases a la izquierda precipitación y la derecha temperatura. ........................................................................................ 28
Figura 5. Relación entre 𝒙𝒏, 𝒚𝒏, 𝒙𝒏𝑵𝑵𝑹, 𝒚𝒏, 𝒚𝒏𝑵𝑵𝑫, 𝒚𝒏𝑵𝑵𝑹 ....................... 29
Figura 6. Diagrama de flujo de Hydro-BID ........................................................ 34
Figura 7. Representación esquemática del modelo GWLF ............................... 35 Figura 8. Esquema metodológico ..................................................................... 40
Figura 9. Ubicación de estaciones para caracterización climática .................... 42 Figura 10. Ubicación geográfica de estaciones para Hydro-BID. ...................... 45
Figura 11. Ubicación geográfica de la calibración de la cuenca Pamplonita..... 47 Figura 12. Caudales históricos de la cuenca .................................................... 48
Figura 13. Resultados de la proyección por el programa D-Haya. .................... 51 Figura 14. Comportamiento mensual de la precipitación. ................................. 52
Figura 15. Comportamiento de la temperatura media. ...................................... 53 Figura 16. Comportamiento de brillo solar media ............................................. 54
Figura 17. Comportamiento de la humedad relativa. ........................................ 55 Figura 18. Curva de doble masa para las estaciones 16010060 y 16020110... 57
Figura 19. Calibración de subcuenca aguas arriba 16017020 .......................... 60 Figura 20. Calibración de subcuenca aguas medias 16027100........................ 61
Figura 21. Calibración de subcuenca aguas abajo 16017010 .......................... 61 Figura 22. Comportamiento de GCM y la estación 16015090 de precipitación 63
Figura 23. Comportamiento de los GCM y la estación 16015090 de temperatura. ...................................................................................................... 63
Figura 24. Comportamiento de la precipitación para el RCP 2.6 ...................... 69 Figura 25. Comportamiento de la precipitación para el RCP 4.5 ...................... 69
Figura 26. Comportamiento de la precipitación para el RCP 8.5 ...................... 70 Figura 27. Comportamiento de la temperatura para el RCP 2.6 ....................... 71
Figura 28. Comportamiento de la temperatura para el RCP 4.5 ....................... 71 Figura 29. Comportamiento de la temperatura para el RCP 8.5 ...................... 71
Figura 30. Proyección de los caudales para el periodo 2015 a 2040 ................ 73 Figura 31. Proyección de los caudales para el periodo 2071 a 2100 ................ 73
Figura 32. Proyección de los caudales para el periodo 2041 a 2070. ............... 74
11
LISTA DE ECUACIONES
Ecuación 1. Vecinos falsos ............................................................................... 29
Ecuación 2. RMSE ............................................................................................ 30 Ecuación 3. MAE .............................................................................................. 30
Ecuación 4. MSE .............................................................................................. 31 Ecuación 5. R2 ................................................................................................. 31
Ecuación 6. Error de volumen general .............................................................. 32 Ecuación 7. Correlación de Pearson ................................................................ 32
Ecuación 8. Coeficiente de correlación modificado ........................................... 33 Ecuación 9. Índice de eficiencia de Nash-Sutcliffe ............................................ 33
Ecuación 10. IRH .............................................................................................. 37 Ecuación 11. IUA .............................................................................................. 38
Ecuación 12. Oferta hídrica disponible (OHD) .................................................. 38 Ecuación 13. Interpolación lineal. ..................................................................... 46
Ecuación 14. Despeje de 𝒚 ............................................................................... 46
LISTA DE ANEXOS
Anexo A. Análisis estadísticos de las estaciones climáticas. ............................ 87
Anexo B. Histogramas de brillo solar, humedad relativa, precipitación y temperatura. ...................................................................................................... 88
Anexo C. Análisis estadístico de temperatura y caudal. ................................... 94 Anexo D. Curvas de doble masa ...................................................................... 95
Anexo E. Comparación mensual multianual de los datos históricos con los futuros por escenario de cambio climático de precipitación y temperatura. ...... 98
Anexo F. Métricas antes y después del downscaling de precipitación y temperatura. .................................................................................................... 110
12
ABREVIATURAS AHD: Base de Datos de Hidrología Analítica AM: Estación Agrometeorológica BID: Base de Datos de Hidrología Analítica C: Celcius CO: Estación Climatológica Ordinaria CORPONOR: Corporación Autónoma Regional de la Frontera Nororiental CP: Estación Climatológica Principal ENA: Estudio Nacional del Agua Eq: Equivalente GCM: General Circulation Models ó Modelo de Circulación Global GEI: Gases de Efecto Invernadero. GWLF: Generalized Watershed Loading Factor ó Modelo de Factor de Carga generalizada IPCC: Panel Intergubernamental de Cambio Climático IRH: Índice de Retención y Regulación hídrica IUA: Índice de Uso de Agua IVH: Índice de Vulnerabilidad Hídrica IDEAM: Instituto de Hidrología, Meteorología y Estudios Ambientales Long DFC: longitud máxima de datos faltantes consecutivos MAE: Mean Absolute Error MSE: Mean Square Error m.s.n.m: metros sobre el nivel del mar PIB: Producto interno bruto PM: Estación Pluviométrica
PMIC Programa Mundial de Investigación del Clima POMCA: Plan de Ordenamiento y Manejo de Cuencas PNN: Parque Nacional Natural RCP Representative Concentration Pathways ó Trayectorias de Concentración representativa. RMSE: Root Mean Square Error R2: Correlation SP: Estación Sinóptica Principal Hab: habitante
UNIDADES
cm: centímetros de precipitación m2: metro cuadrado m3: metro cubico mm: milímetros de precipitación S: segundo W: Watts h: horas l: litro
13
RESUMEN
El proyecto evalúa la vulnerabilidad del recurso hídrico superficial de la cuenca del Río Pamplonita ante escenarios de cambio climático, establecidos por el IPCC como Representative Concentration Pathways (RCP), los escenarios seleccionados fueron RCP 2.6, RCP 4.5 Y RCP 8.5 para los periodos 2015 a 2040, 2041 a 2070 y 2071 a 2100; del modelo de circulación global CCSM4, al que se le realizó la reducción de escala por medio de un método estadístico basado en la teoría del caos. Por consiguiente, se usó Hydro-BID para generar los caudales futuros y se analizó los impactos sobre el régimen hidrológico producido por el cambio climático, empleando el Índice de Regulación Hídrica (IRH), Índice de Uso del Agua (IUA) e Índice de Vulnerabilidad al desabastecimiento (IVH) usando la metodología del ENA 2014, donde se establecieron medidas de mitigación. Por último, se obtuvo como resultado que para los tres escenarios hay un posible aumento de la disponibilidad hídrica con respecto a los registros históricos. El RCP 2.6 presentó dicho aumento de 63.3%, 92.9% y 91.3%, para el RCP 4.5 de 91.3%, 86.3% y 65.8% y finalmente el RCP 8.5 de 91.3%, 95.8% y 85.4%. Por lo tanto, los resultados de la simulación demuestran que el IRH es muy alto y el IUA alto, lo que indica que la cuenca tiene una vulnerabilidad media para los tres escenarios de cambio climático, donde se identificó como posible impacto la demanda exhaustiva del recurso hídrico por parte de los municipios presentes en la cuenca, para lo cual, se planteó como medida de mitigación priorizar y establecer los usos del agua teniendo en cuenta la coordinación y gobernabilidad entre los actores y usuarios de los diferentes sectores, para así restaurar y/o conservar la disponibilidad hídrica. Palabras clave: Vulnerabilidad, cambio climático, Hydro-BID, reducción de escala.
14
ABSTRACT
The project assesses the vulnerability of the surface water resource of the Pamplonita River basin to climate change scenarios, established by the IPCC as Representative Concentration Pathways (RCP), the selected scenarios were CPR 2.6, CPR 4.5 and CPR 8.5 for the periods 2015 to 2040, 2041 to 2070 and 2071 to 2100; of the CCSM4 global circulation model, which was scaled down by means of a statistical method based on chaos theory. Therefore, Hydro-IDB was used to generate future flows and, impacts on the hydrological regime produced by climate change were analyzed, using the Water Regulation Index (IRH), Water Use Index (IUA) and Water Index Vulnerability to shortages (IVH) using the ENA 2014 methodology, where mitigation measures were established. Finally, it was obtained as a result that for the three scenarios there is a possible increase in water availability with respect to historical records, of 63.3%, 92.9% and 91.3% for CPR 2.6, for CPR 4.5 of 91.3%, 86.3 % and 65.8% and finally CPR 8.5 of 91.3%, 95.8% and 85.4%, therefore, the simulation results show that the IRH is very high and the IUA high indicating that the basin has a medium vulnerability to the three scenarios of climate change; where the exhaustive demand of the water resource by the municipalities present in the basin was identified as a possible impact, for which, it was considered as a mitigation measure to prioritize and establish the uses of water taking into account the coordination and governance between the actors and Users from different sectors to restore and / or water availability. Key words: Vulnerability, climate change, Hydro-IDB, scale reduction.
15
INTRODUCCIÓN
El cambio climático es una realidad y se afirma que es el problema ambiental más grande y complejo que afronta la humanidad en la actualidad, se manifiesta en el aumento de la temperatura media global, el alza del nivel del mar, modificaciones en el patrón de precipitaciones y los eventos climáticos extremos. Al respecto, Colombia hace parte de la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC), por ende, ha venido participando en el desarrollo de las negociaciones internacionales para enfrentar de forma compartida pero diferenciada, los retos del cambio climático [1]. Colombia por sus características geográficas, económicas, sociales y ecosistémicas, es uno de los países más vulnerables ante el cambio climático, según la tercera comunicación de cambio climático, el país contribuyo con el 0.4% de las emisiones GEI del total de emisiones mundiales, lo que equivale a 258.8 millones de toneladas de dióxido de carbono, por lo que se comprometió en el marco del Acuerdo de París a reducir en un 20% las emisiones de GEI proyectadas a 2030. Por lo cual, profundizar en el conocimiento de la vulnerabilidad ante el cambio climático, permitirá conocer impactos, para así diseñar e implementar medidas efectivas frente a este. Las cuencas del país pueden llegar hacer vulnerables, por tanto, son necesarios estudios locales que evalúen los posibles impactos potenciales del cambio climático [2], [3]. El caso de estudio comprende la cuenca del río Pamplonita, localizada en el sur del departamento de Norte de Santander, la cual, nace en el municipio de Pamplona a una altura de 3.200 msnm, donde es un ecosistema diverso, que concentra el 85% de la población total de Norte de Santander, las actividades agropecuarias que se llevan a cabo dentro de la cuenca del río Pamplonita son cultivos de cacao, plátano, arroz de riego, palma, entre otros. El estudio tiene la caracterización climática de las variables temperatura, precipitación, brillo solar, humedad relativa, realizada a partir de registros mensuales de 10 estaciones, ubicadas en la cuenca con información suministrada por el IDEAM. Se evalúa la vulnerabilidad que tiene el recurso hídrico superficial frente a diferentes escenarios de cambio climático para los periodos 2011 a 2040, 2040 a 2070 y 2071 a 2100, para lo cual, se realizó una modelación hidrológica para condiciones actuales y futuras usando el programa Hydro-BID, para los escenarios del GCM CCSM4 empleando una metodología basada en la teoría del caos, para así analizar la influencia de las variables temperatura y precipitación en el caudal. Se estiman posibles impactos producidos en el caudal, a partir del sistema de índices hídricos con los cuales se pretende proponer medidas de mitigación sobre la disponibilidad del recurso y las restricciones por afectaciones a la oferta. Estos índices están asociados al régimen natural (IRH) y a la intervención antrópica (IUA e IVH).
16
1. OBJETIVOS
1.2 Objetivo General
Evaluar la vulnerabilidad climática del recurso hídrico superficial de la cuenca del río Pamplonita a partir de los escenarios de cambio climático.
1.3 Objetivos específicos
• Realizar la caracterización climática de la cuenca.
• Generar los escenarios RCP 2.6, 4.5 y 8.5 de cambio climático de escala reducida a partir de las representaciones de los modelos del clima global.
• Estimar la disponibilidad hídrica presente y proyectada a partir los escenarios de cambio climático.
• Evaluar el impacto de los escenarios de cambio climático sobre el recurso hídrico superficial a partir de índices.
17
2. MARCO TEÓRICO
2.1 CAMBIO CLIMÁTICO
Es la variación del estado del clima que puede ser identificable mediante pruebas estadísticas en las variaciones del valor medio y/o en la variabilidad de sus propiedades las cuales persiste durante largos periodos de tiempo como decenios. Sus causas pueden deberse a cambios antropógenos o procesos internos naturales. Sin embargo, este concepto tiende a confundirse con la variabilidad climática, es por esto que la Tercera Comunicación Nacional de Colombia a la Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC) indica que la variabilidad climática es atribuida a causas naturales y se evalúa en corto y mediana plazo (días a < 30 años). Según el artículo “¿Qué es el cambio climático?” de la Nasa Knows, es un cambio en el clima habitual que se encuentra en un lugar de la tierra, puede ser un cambio en la cantidad de lluvia o puede ser un cambio en la temperatura habitual de un lugar durante un mes o una temporada, el clima puede cambiar en unas pocas horas o incluso tardar millones de años [4] [5].
2.2 VARIABLES DEL RIESGO
La Tercera Comunicación del Cambio Climático junto con el Panel Intergubernamental de cambio climático describen las variables de riesgo como un grupo básico de conceptos asociados a los efectos del cambio climático, tales como la vulnerabilidad, el riesgo, adaptación y la amenaza de un territorio, los cuales infieren en el desarrollo del país para cada uno de sus sectores, por ende es importante conocer cada una de ellas para entender dichos conceptos que se tienden a confundir en la sociedad, es por esto que el IPCC define la variable de riesgo como la probabilidad de ocurrencia de un evento amenazante relacionado con el cambio climático, respecto de la situación particular que un territorio tiene para responder, o verse afectado, a sus impactos potenciales. Los análisis de riesgo por cambio climático permiten identificar aquellas dimensiones que pueden verse más afectadas por causa de fenómenos asociados al mismo. De esta forma, los territorios identifican las prioridades para la toma de decisiones para la reducción de la vulnerabilidad [6]. De igual forma el IPCC define la Vulnerabilidad como el grado de susceptibilidad de un sistema o su capacidad de soportar los efectos adversos al cambio climático, incluida la variabilidad climática y los fenómenos extremos, así como también está en función del carácter, magnitud y velocidad de la variación climática al que se encuentra expuesto un territorio, su sensibilidad y su capacidad de adaptación. Por otra parte, la ley 1523 de 2012 menciona el concepto de Adaptación como el ajuste de los sistemas humanos o naturales como respuesta a estímulos climáticos proyectados o reales, o sus efectos que pueden moderar el daño o aprovechar sus aspectos beneficiosos. Dentro de las variables de riesgo mencionadas anteriormente se encuentra la amenaza
18
climática, que se refiere a la ocurrencia de eventos de cambio climático que pueden llegar a tener impacto físicos, sociales, económicos y ambientales en una zona determinada y un periodo de tiempo, es así como cada amenaza se caracteriza por su localización, frecuencia e intensidad [7].
2.3 DESCRIPCIÓN GENERAL DE LA ZONA DE ESTUDIO
La cuenca del río Pamplonita se encuentra ubicatda en la vertiente oriental de la cordillera oriental de Colombia, en zona fronteriza con Venezuela, que en términos de área ocupa más de un tercio de la cuenca en el territorio venezolano, haciendo de esta una cuenca binacional. Se forma en el municipio de Pamplona en la confluencia de las quebradas El Rosal y Navarro, finaliza cerca del centro poblado de Puerto Villamizar en el Municipio de Cúcuta. En la parte alta de la cuenca se ha identificado como zona de recarga hídrica debido al fenómeno de condensación y, por las coberturas vegetales presentes, ver figura 1 [8].
Figura 1. Localización de la Cuenca del Río Pamplonita.
Fuente: autores
La cuenca del río Pamplonita Pertenece a la gran cuenca del Catatumbo, cuenca Mayor del Río Zulia, que vierte sus aguas al Lago de Maracaibo en la República Bolivariana de Venezuela. El río Pamplonita nace al sur del
19
departamento de Norte de Santander, en el páramo de Fontibón, ubicado en el municipio de Pamplona a una altura de 3.200 msnm y una temperatura de 8° Celsius; desemboca en el río Zulia al norte del departamento en el municipio de Puerto Santander a una altura de 50 msnm con una temperatura de 30° celcius. Su cauce principal es de 116 km aproximadamente y, la cuenca se encuentra con diez municipios, los cuales son Bochalema, Chinacota, Cúcuta, Herrán, Los Patios, Pamplona, Pamplonita, Puerto Santander, Rangovalia y Villa del rosario. La cuenca se encuentra dividida en 25 subcuencas compartidas entre Colombia y Venezuela, como se puede observar en la tabla 1, con áreas aproximadas de 13.1 km2 hasta 202.1 km2 y pendientes medias entre 4.8 y 26.5 grados, la densidad del drenaje varía de 1.29 a 2.69 km/km2 con un valor medio para la cuenca de 1.73 km/km2. Tabla 1. Participación de cada Subcuenca en términos de área.
Subcuenca Área (km2)
Área (%)
Subcuenca Área (km2)
Área (%)
Caño Negro
153 7,56 Chiracoca 42.3 2,08
Faustinera 37.4 1,85 El Laurel 32.2 1,60
Don Pedra 69.8 3,45 La Tescua 43 2,12
Modelo 63.8 3,15 El Naranjo 104.5 5,16
Juana Paula
157.7 7,80 Agua
Blanca 158.3 7,82
Los Padres 112.4 5,55 Bataga 49.9 2,46
La Ciénaga 202.1 9,98 El Volcán 111.3 5,50
Regaderas 30.4 1,50 Guamarela 74.6 2,35
Tascarena 62.5 3,08 Bianoulios 107 5,28
Agua Negra 13.1 0,65 El Morro 18.5 0,91
La Honda 86.9 4,30 Jaguara 45.6 2,25
20
Suarez 39.3 1,94 Cascabelera 18.5 0,91
Iscalá 108.5 5,36 La Teja 99.7 4,92
Fuente: Autores.
2.3.1 Características morfométricas de la cuenca
Las características físicas de la cuenca del río Pamplonita fueron recopiladas a partir de fuentes primarias y secundarias como el estudio de ordenamiento y manejo de la cuenca del río Pamplonita contenidos en CORPONOR, en el que se identifica sus principales parámetros y su comportamiento ante diferentes escenarios de cambio climático [9]. Estas características se evidencian en la tabla 2: Tabla 2. Características morfométricas y parámetros de forma de la cuenca.
Características morfométricas y parámetros de forma de la cuenca
Área 2024 (km2) Coeficiente de compacidad
2.4
Perímetro 378 (km) Factor de forma 0.12
Longitud 110 (km) Índice de
alargamiento 3
Longitud cauce principal 157.7 (km) Elevación máxima.
3,648 (m)
Pendiente cauce principal 0.015 Elevación mínima.
42 (m)
Ancho 12.9 (km) Elevación media. 1,333 (m)
Ancho máximo 37 (km) Elevación mediana.
1240 (m)
Fuente: [9]. Otra característica de la cuenca del río Pamplonita son sus patrones de drenaje, el cual es dentritico las cuales varían en función de las pendientes, por lo que en la parte alta de la cuenca muestra drenajes más rectos, similares a un patrón Pinar, y en la cuenca media el drenaje es típico de un patrón dendrítico, que posteriormente en la parte más baja de la cuenca pasa a ser un
21
patrón meándrico. El cauce principal cuenta con una pendiente media de 1.5%, con número de orden 7, elaborado bajo la metodología de Horton y Strahler [9].
2.3.2 Función Hídrica
La parte alta de la cuenca se ha identificado según el Plan de Ordenamiento y Manejo de Cuencas (POMCA) como zona de recarga. La parte media presenta cuencas de baja jerarquía pero con mayor tamaño y longitud, debido a que se empieza a recibir agua de subcuencas como Iscala, La honda, El Naranjo, El Volcán, La Tescua y Batagá, lo que ayuda a que se incremente el caudal que recibe el acueducto del Área Metropolitana de Cúcuta. La parte baja tiene un caudal alto debido a la entrada de afluentes importantes como el río Táchira y la quebrada Faustinera. La demanda hídrica de la cuenca se encuentra definida por todas las actividades socioeconómicas que se llevan a cabo en la región, que se agrupan en los sectores doméstico, agrícola, industrial y pecuario, las cuales hacían uso para el año 2015 de 2.6 x 108 m3/año. Según el estudio realizado por el POMCA del río Pamplonita, el sector que más demanda agua en toda la cuenca, es el sector agrícola con el 50% de participación con respecto al volumen total demandado, por lo que este sector genera una demanda del recurso para cultivos como arroz de riego, plátano, palma, cacao, café caña y pastos. En segundo lugar, el sector doméstico por el crecimiento exponencial de la población, especialmente en los municipios de Los Patios, Villa Rosario y Cúcuta, ya que, dentro de estos es donde mayor producción del recurso se presenta y por su ubicación es de suponer que deberían soportar la demanda de grandes centros poblados y actividades económicas [9].
2.3.3 Climatología de la zona de estudio
La zona de estudio presenta un carácter bimodal con dos máximos de precipitación, el primero en abril-mayo y el segundo en octubre-noviembre, esto está asociado al doble paso de la Zona de Convergencia Intertropical (ZCIT), que es el principal sistema que rige la precipitación en Colombia. La precipitación para las ocho estaciones analizadas está entre 30mm a 310mm, donde la segunda temporada es más intensa que la primera debido a que el proceso de lluvias está condicionado por el ZCIT y por los sistemas atmosféricos que registran su mayor desplazamiento al norte [6], [10]. La temperatura en la cuenca se encuentra altamente influenciada por la orografía, es decir, el dominio de relieves de montaña, esto ocasiona que a mayor altitud la temperatura sea menor como es en el caso de la estación Parque Nacional Natural Tama que registra las temperaturas mínimas en 13°C con una altitud de 2500msnm. Las estaciones Aeropuerto Camilo Daza y Cinera-Villa Olga registran las más altas temperaturas en la cuenca con 28°C con una altitud entre 250msnm y 100msnm. La temperatura coincide con el comportamiento bimodal de las lluvias, donde este comportamiento tiene que
22
ver con el desplazamiento de la ZCIT, y la influencia que tiene el cordón de nubes que transporta sobre la radiación solar entrante y saliente [10]. El brillo solar para la cuenca presenta un comportamiento acorde a la precipitación y temperatura con cuatro estaciones analizadas a lo largo de la cuenca, donde los valores de brillo solar mínimos se registran en el mes de abril registrando valores de 90h (inicio de la temporada de lluvias) y los valores máximos registrados de 200h y 220h, en los meses de julio y agosto, esto se debe a que la ZCIT se desplaza a su punto más norte, reduciendo las lluvias en la cuenca y permitiendo la entrada de mayor radiación solar, por la menor presencia de nubes [10]. La humedad relativa en la cuenca se analizó por medio de seis estaciones, donde se presenta una relación inversa al comportamiento de la temperatura de la cuenca y directamente proporcional al de la precipitación, presentando la máxima humedad de 90% en las estaciones Parque Nacional Natural Tamá y Esperanza LA, esto debido a que se registran también elevados volúmenes de precipitación en dichas estaciones y los menores valores registrados para la cuenca de 64% se encuentran en las estaciones de Aeropuerto Camilo Daza y Carmen de Tonchala. También, coincide con los periodos de lluvias y los periodos secos, ya que, a mayor precipitación, mayor humedad, mientras que a menor precipitación, menor humedad [10], [11].
2.4 MODELOS CLIMÁTICOS GLOBALES (GCM)
Los modelos climáticos globales o General Circulation Models (GCM), en la actualidad son la herramienta más avanzada para simular los efectos del aumento de las concentraciones de gases de efecto invernadero. Los GCM son modelos numéricos que representan el sistema climático basado en las propiedades físicas, químicas y biológicas de sus componentes (la atmósfera, el océano, la criosfera y la superficie terrestre) [12], [13]. Los GCM representan el clima usando una cuadrícula tridimensional sobre la tierra, la cual tiene una resolución horizontal entre 250 y 600 Km, la resolución vertical entre 10 a 20 capas para la atmósfera y hasta 30 capas la vertical oceánica; estos modelos solo presentan información en escalas superiores a los 100km, por lo cual son ineficientes para usarlos en la evaluación del impacto de procesos hidrológicos y los relacionados con la generación de nubes ocurren a escalas más pequeñas y no pueden modelarse adecuadamente [14]. Se analizaron tres GCM para representar el clima de la cuenca del río pamplonita, los cuales fueron:
23
CCSM4 Es un modelo climático desarrollado en la universidad de Miami Rosenstiel de Ciencias Marinas y Atmosféricas (RSMAS) es acoplado para simular el sistema climático de la tierra, está compuesto por cinco diferentes modelos geofísicos que simulan la atmósfera terrestre, el océano, la superficie terrestre, el hielo marino y terrestre y un componente acoplador central que coordina los modelos y pasa la información entre ellos. Además, permite hacer investigaciones sobre los estados climáticos del pasado, presente y futuro de la tierra [15]. MPI-ESM Este modelo se desarrolló en el instituto Max Planck de meteorología, el cual acopla la atmósfera, el océano y la superficie terrestre, a través, del cambio de energía, impulso, agua y dióxido de carbono; se realiza basándose en componentes que llamo ECHAM6, MPIOM, y JSBACH, juntos conforman el MPI-ESM. El primero realiza la circulación atmosférica general para formar la atmósfera del MPI-ESM, el segundo es para la parte oceánica marina donde incluye un modelo de hielo marino dinámico/termodinámico, el último es el componente para la biosfera terrestre, también, tiene una parte integral que proporciona las condiciones de contorno atmosférico más bajas sobre la tierra, representando así dinámica de absorción y liberación de carbono terrestre, donde, por medio, de un esquema de pronóstico y el desarrollo de componentes adecuados permite la captación, almacenamiento y liberación de carbono de la vegetación y los suelos [16]. CanCm4 Este modelo fue desarrollado por el Centro Canadiense de Análisis y Modelización del Clima (CCCma) con el fin de aplicar modelos informáticos del sistema climático para simular el clima global y canadiense, y para predecir cambios a escalas de tiempo estacionales a centurias. El análisis de las simulaciones, junto con los datos observados, son utilizados para proporcionar información cuantitativa que permiten informar la adaptación y mitigación al cambio climático no solo en Canadá sino a nivel internacional. Cabe resaltar que el CCCma desarrolla este sistema de modelado para producir pronósticos estacionales operados por ambiente y clima cambiante de Canadá, y lleva a cabo experimentos de modelos climáticos coordinados por el PMIC y con apoyo del IPCC [17].
2.4.1 Forzamiento radiativo
Un forzante radiativo en clima significa cualquier cambio en la radiación (calor) entrante o saliente de un sistema climático. Un cambio impuesto en el balance radiativo de la tierra que se compone de un forzante positivo que tiende a calentar el sistema (más energía recibida que emitida), mientras que uno negativo lo enfría (más energía perdida que recibida). Estos cambios pueden deberse a la radiación solar incidente, a incrementos en la concentración de especies activas radiativas como gases de efecto invernadero y aerosoles, o a
24
cambios en las propiedades reflectivas superficiales del planeta (cambios en las coberturas del suelo que reflejan más la radiación solar, por ejemplo, las áreas de construcciones urbanas. Es por esto que al hablar de escenarios RCP 2.6, 4.5, 6.0, y 8.5, no se están indicando aumentos de temperatura en grados celcius, se indica es la cantidad de energía que retiene el planeta, producto del forzamiento radiativo ver figura 2 [18]. Figura 2. Los 4 caminos representativos de concentración RCP donde a la izquierda se ve el forzamiento radiativo y a la derecha las emisiones de CO2.
Fuente: [3]
2.5 ESCENARIOS DE CAMBIO CLIMÁTICO
Un escenario es una descripción basada en un conjunto de variables de relaciones claves, sobre cómo puede desarrollarse el futuro. Un escenario de cambio climático es la representación del clima que se observaría bajo una concentración determinada de GEI y aerosoles en la atmósfera en diferentes periodos de tiempo futuros. El objetivo de trabajar con estos escenarios es evaluar un amplio espectro de posibilidades, respecto al posible comportamiento del clima futuro y las incertidumbres asociadas, para así orientar decisiones a posibles hechos [18]. Estos escenarios han sido definidos por el IPCC en sus diferentes reportes desde 1992, Escenarios IS92 y Reporte especial de escenarios de emisiones SRES, el último y quinto reporte de evaluación AR5 definió los nuevos escenarios denominados Trayectorias de Concentración Representativas (RCPs). Dentro de estos escenarios se encuentran cuatro trayectorias posibles: RCP 2.6 RCP 4.5, RCP 6.0, y RCP 8.5 [19].
25
2.5.1 Trayectorias de Concentración Representativas (RCP)
Los RCP representan el forzamiento radiativo total calculado hasta el año 2100 respecto al año 1750, es importante tener en cuenta que los RCP pueden representar una variedad de políticas climáticas, es decir cada RCP puede ser el resultado de diferentes combinaciones de futuros económicos, tecnológicos, demográficos, políticos e institucionales. Cada escenario asume una línea evolutiva determinada, como por ejemplo los escenarios A1, A2, B1, B2 utilizados en el tercer y cuarto informe de evaluación, el primer escenario A1 representaba un mundo de crecimiento económico muy rápido junto a la introducción de tecnologías nuevas más eficaces, mientras que el B2 representaba a la sostenibilidad económica, social y ambiental, con un continuo crecimiento de la población y con niveles medios de desarrollo y cambio tecnológicos muy rápidos. De esta forma estos escenarios fueron evolucionando hasta llegar al AR5, quienes construyeron un nuevo grupo de escenarios denominados RCP (2.6, 4.5, 6.0, 8.5), estos escenarios se centran en las emisiones antropogénicas y no incluyen cambios en impulsores naturales como el forzamiento solar o volcánico, o las emisiones naturales del CH4 o N2O. Por ejemplo, el RCP 2.6 significa 2,6 W/m2, lo cual representa un escenario de mitigación y por objetivo mantener el calentamiento global a menos de 2 ºC, el RCP 4.5 y RCP 6.0 son escenarios de estabilización y el RCP 8.5 corresponde a un escenario con un nivel muy alto de emisiones de efecto invernadero. Lo anterior se puede evidenciar en la tabla 3 [4], [19]. Tabla 3. Los cuatro caminos de Forzamiento Radiativo (FR) seleccionados por el IPCC para evaluar el comportamiento de la concentración de emisiones GEI en el planeta a 2100.
Escenario
Forzamiento
Radiamento (W/m2)
CO2eq atmosféric
o (ppm)
Anomalía de
Temperatura
Trayectoria
Equivalente para
escenarios SRES (AR4)
RCP8.5 8.5 >1370 4.9 2100, en aumento
SRES A1F1
RCP6.0 6.0 850 3 Estabilización después de 2100
SRES B2
RCP4.5 4.5 650 2.4 Estabilización después de 2100
SRES B1
RCP2.6 2.6 490 1.5
Picos antes de 2100 y después declina
Ninguno
Fuente: [18]
26
2.5.2 Reducción de escala (Downscaling)
Los GCM tienen información a gran escala espacial y temporal, lo cual dificulta que puedan ser aplicados de una manera directa a una región o lugar concreto, por lo que se hace necesario la reducción de escala para conseguir información más aproximada a las condiciones climáticas reales de esa región o lugar, para así evaluar el efecto local del cambio climático. El downscaling se puede realizar a escala espacial donde se reduce la resolución de la cuadricula del GCM a una más fina o escala temporal donde se pueden cambiar los datos resultados de mensuales a diarios [14], [20]. Figura 3. Escala GCM.
Fuente: [21]
Las técnicas de reducción de escala están divididas en dos tipos: las técnicas de escala dinámica (en inglés Dynamical Downscaling), la cual representa el proceso atmosférico físico en un área de interés, usando un RCM (Regional Climate Model). La otra técnica es llamada reducción de escala estadística (en inglés Statistical Downscaling), esta consiste en establecer relaciones estadísticas entre el clima a larga escala y el clima local, lo que se obtiene aplicando relaciones previamente identificadas en el clima observado entre estos los modelos climáticos de gran escala y las variables climatológicas. Esta metodología estadística deber ser lo suficientemente no-lineal como para poder obtener relaciones no-lineales que unen a los modelos de gran escala con las variables climatológicas consideradas a escala local. Las ventajas y desventajas de las técnicas se pueden ver en la tabla 4: [22]. Tabla 4.Ventajas y desventajas de las técnicas de reducción de escala.
Reducción de escala estadística
Reducción de escala dinámica
Ventajas
• Cálculo computacional económico y eficiente.
• Puede proveer variables climáticas en escala puntual a partir de los resultados de GCM
• Permite incorporar
• Genera resultados basados en procesos físicos consistentes.
• Produce información en resolución final de las GCM
27
directamente las observaciones locales
atmosféricos en escalas más pequeñas.
Desventajas
• Requiere series históricas para calibración de larga duración y alta confiabilidad.
• Depende de la elección de los predictores
• Tamaño del dominio, regulación climática y la temporada afectan el nivel de la reducción de escala.
• Cálculo computacional intensivo.
• Número limitado de escenarios disponibles
• Fuertemente dependiente de los límites del GCM
Fuente: [14]
2.5.3 Método de reducción de escala basado en la teoría del caos
La teoría del caos se define como el estudio del comportamiento aperiódico en sistemas dinámicos no lineales. Es un modelo teórico que trata de expresar el proceder de sistemas dinámicos, que parecen desarrollarse aleatoriamente, como, por ejemplo, el clima es un sistema dinámico el cual es muy sensible a las variables iniciales, es transitivo y sus orbitas periódicas son densas por lo que el clima es un sistema apropiado para trabajar en la teoría del caos [23] , [24] , [14] [25]. Este método evalúa la presencia de caos determinístico para diferentes periodos de las variables (precipitación y temperatura) de las estaciones climáticas locales, como del GCM. Los sistemas caóticos son aquellos que poseen una predictibilidad a corto plazo pues, presentan sensibilidad a las variaciones de las condiciones iniciales. El sistema predictivo construye con los resultados del tiempo de retardo, el espacio fase y los exponentes de Lyapunov encontrados para los sistemas en el intervalo de acumulación para la precipitación y la temperatura óptima de cada sistema dinámico. Se sincronizan
las estaciones climáticas locales y el GCM, resultado del parámetro 𝜇 del método de los vecinos falsos mutuos más próximos, en esto se basa el modelo predictivo [14], [26]. Se evalúa la presencia del caos determinístico para obtener en el caso de la precipitación el menor periodo de acumulación en el cual se presenta caos, lo mismo para la temperatura, pero el menor periodo promedio; se reconstruye el tiempo de fase por medio del método del Time Delay para calcular los valores del tiempo de retardo (τ) para encontrar los valores apropiados del tiempo de
28
retardo y de la dimensión del plano fase (m) necesarios para adquirir los exponentes de Lyapunov [26]. El espacio fase son todos los estados posibles del sistema, donde cada punto en el espacio de fases corresponde a un estado único y al haber una evolución en el tiempo del sistema se crea una trayectoria. La dimensión del espacio de fases es infinita cuando el estado del sistema es un campo vectorial, por lo que observando un proceso real no se puede abarcar todas las posibles variables de estado del sistema; porque no todas son conocidas o no todas pueden ser medidas. Cada componente tiene información esencial sobre la dinámica de todo el sistema, por consiguiente, se puede construir una trayectoria de espacio de fases equivalente a la original utilizando únicamente una serie temporal como se ve en la figura 4 donde se observa el espacio de fase para la precipitación y la temperatura. El conjunto limitante que reúne trayectorias asintóticas cercanas al equilibrio se le conoce como “atractor”, donde este puede exhibir un tipo inusual de auto-similitud y estructuras presentes en todas sus escalas y, por consiguiente, es necesario encontrar una dimensión apropiada del plano de fase, de una manera en que la estructura del atractor permanezca invariante [23], [26]. Figura 4. Diagrama de espacio de fases a la izquierda precipitación y la derecha temperatura.
Fuente: [23] Luego, se realiza la sincronización de los sistemas por medio del método del vecino falso más cercano que se basa en el cálculo del parámetro 𝜇, el cual evalúa los vecindarios locales entre dos series de tiempo donde 𝜇 toma los
valores del orden 1 si existe una sincronización completa, de lo contrario 𝜇 tiene que ser un numero cuya magnitud sea comparable con el producto del tamaño del atractor divido por el producto de la distancia entre los vecinos más cercanos en la serie de tiempo, ver ecuación 1.
29
Ecuación 1. Vecinos falsos
µ =1
𝑁∑
‖𝑦𝑛 − 𝑦𝑛𝑁𝑁𝐷‖ ‖𝑥𝑛 − 𝑥𝑛𝑁𝑁𝑅‖
‖𝑥𝑛 − 𝑥𝑛𝑁𝑁𝐷‖ ‖𝑦𝑛 − 𝑦𝑛𝑁𝑁𝑅‖
𝑁
𝑛=1
Fuente: [14] Donde, 𝑥𝑛 y 𝑦𝑛, representan puntos del sistema conductor y de respuesta en un instante n. 𝑥𝑛𝑁𝑁𝐷 y 𝑦𝑛𝑁𝑁𝑅 son los puntos más cercanos en el atractor de 𝑥𝑛 y 𝑦𝑛 en sus respectivos sistemas. 𝑥𝑛𝑁𝑁𝑅 y 𝑦𝑛𝑁𝑁𝐷, son puntos del sistema alterno en el instante de tiempo n para
𝑦𝑛𝑁𝑁𝑅 y 𝑥𝑛𝑁𝑁𝐷. Figura 5. Relación entre 𝒙𝒏, 𝒚𝒏, 𝒙𝒏𝑵𝑵𝑹, 𝒚𝒏, 𝒚𝒏𝑵𝑵𝑫, 𝒚𝒏𝑵𝑵𝑹
Fuente: [14]
2.5.4 Validación de modelos climáticos
Para los procesos de modelación climática es importante llevar a cabo la validación de los datos que permitan verificar el ajuste de los datos observados con los datos simulados, ya que los mismos modelos climáticos globales poseen distintas fuentes de incertidumbres que afectan las proyecciones futuras del clima. Además, los modelos poseen una serie de capacidades y limitaciones que se necesitan conocer y evaluar previamente a su ejecución, por lo tanto, en el proceso de validación de modelos es necesario incluir aspectos como:
● Promedios anuales ● Comparar el clima histórico con el clima del modelo. Un modelo que
representa mejor el clima histórico provee confianza en los resultados de sus proyecciones futuras.
30
● Definir métricas para evaluar el desempeño del modelo. Métricas de desempeño del downscaling Las métricas de desempeño hacen referencia a la medición coherente de una actividad difícilmente cuantificable por otros medios, dentro del contexto de evaluación de modelos climáticos, es una medida cuantitativa de conformidad entre una cantidad simulada y la observada que puede utilizarse para evaluar el desempeño de los distintos modelos. Estas métricas se describen a continuación:
• RMSE: Se define (Root Mean Square Error) como la raíz cuadrada de la media de los errores al cuadrado (ecuación 2) :
Ecuación 2. RMSE
𝑹𝑴𝑺𝑬 = √𝟏
𝒏∑(𝒚𝒊 − Ŷ𝒊)
𝟐𝒏
𝒕=𝟏
𝟐
Fuente: [27]
Donde n es el número total de comparaciones, 𝑦𝑖 es el valor del modelo
y la observación es Ŷ𝑖. [27] El error cuadrático medio (RMSE) también llamado desviación cuadrática media es una medida de uso frecuente de la diferencia entre los valores pronosticados por un modelo y los valores realmente observados [28].
• MAE: Se define (Mean Absolute Error) como la magnitud promedio de los errores de un ejercicio de pronóstico sin tener en cuenta su signo, es decir, el promedio de los valores absolutos de los errores calculados; representada en la ecuación 3, [28]. Ecuación 3. MAE
𝑀𝐴𝐸 =1
𝑛∑|𝑦𝑡 − Ŷ𝑡|
𝑛
𝑡=1
Fuente: [28]
Donde n es el número de muestras, Ŷ𝑡 es la estimación de 𝑦𝑡, para que así de él error absoluto. MAE en conjunto con el RMSE se utilizan para determinar la variación del error en el conjunto de mediciones, por lo que es importante resaltar que RMSE siempre será mayor o igual al MAE (por su naturaleza cuadrática). Por consiguiente, a mayor diferencia
31
entre MAE y RMSE mayor varianza entre los errores individuales de la muestra. Se espera que los resultados de MAE y RMSE sean cercanos a 0 [29].
• MSE: se define como (Mean Square Error) la media de et2, es decir el
promedio de los errores entre el estimador y lo que se estima al cuadrado: Ecuación 4. MSE
𝑀𝑆𝐸 =1
𝑛∑(𝑦𝑡 − Ŷ𝑡)
2𝑛
𝑡=1
Fuente: [28]
• Coeficiente de determinación lineal: Es una medida de “ajuste”, o semejanza, entre los valores del modelo y los observados. La correlación va del rango entre 0 y 1. Cuando el ajuste es bueno R2 será cercano a 1, es decir, hay una mayor asociación entre X e Y, cuando el ajuste es malo R2 sera cercano a cero ya que no existe una asociación entre X e Y. Esta métrica se calcula sobre las n localizaciones, en donde f denota el valor del modelo y O denota la observación [30]. Ecuación 5. R2
𝑅2 =∑ (ŷ − ȳ)2
𝑖
∑ (𝑦𝑖−𝑖 ȳ)2
ŷ= dato observado
𝑦𝑖= dato simulado
ȳ= promedio de lo observado
Fuente: [31]
2.6 MÉTRICAS DE DESEMPEÑO DEL MODELO HIDROLÓGICO
Para evaluar el desempeño de los parámetros, las salidas del modelo generan series de tiempo de flujo de cada corrida las cuales se trazan contra las series de tiempo de flujos observados ya sea de temporalidad diaria o mensual. Las métricas generales de la simulación se calculan con base a las medidas de desempeño que se describen en la tabla a continuación, ver tabla 5 [32].
32
Tabla 5. Rangos de métricas de desempeño
Métrica Valor óptimo
Volumen del error general Más cercano a 0
Correlación de Pearson (R) Más cercano a 1
Correlación Modificada Más cercano a 1
Eficiencia de Nash-Sutcliffe
0.2 es insuficiente 0.2 – 0.4 es satisfactorio
0.4 - 0.6 es bueno 0.6 – 0.8 es muy bueno
>0.8 es excelente
Fuente: [32] Las siguientes ecuaciones corresponden a las métricas de desempeño de la calibración, con las cuales se desarrolló el modelo hidrológico.
a. Error de volumen general (Overall volume error) Ecuación 6. Error de volumen general
𝑜𝑣𝑒 =∑ 𝑆𝑡𝑁
𝑡=1 − ∑ 𝑂𝑡𝑁𝑡=1
∑ 𝑂𝑡𝑁𝑡=1
∗ 100
Fuente: [33] Donde N: es el número de días de la simulación sin el primer año. t=1 comienza el primer día del segundo año de la simulación.
b. Correlación (r)
Ecuación 7. Correlación de Pearson
𝑟 =𝑁 ∑ 𝑂𝑡𝑁
𝑡=1 𝑆𝑡 − ∑ 𝑂𝑡 ∑ 𝑆𝑡𝑁𝑡=1
𝑁𝑡=1
√[𝑁 ∑ 𝑠𝑡2 − (∑ 𝑆𝑡
𝑁𝑡=1 )2𝑁
𝑡=1 ][ 𝑁 ∑ 𝑂𝑡2𝑁
𝑡=1 − (∑ 𝑂𝑡𝑁𝑡=1 )2]
Fuente: [33]
33
c. Coeficiente de Correlación modificado. Ecuación 8. Coeficiente de correlación modificado
rmod=r
min(𝑆𝑠𝑖𝑚 ,𝑆𝑜𝑏𝑠)
max(𝑆𝑠𝑖𝑚 ,𝑆𝑜𝑏𝑠)
Fuente: [32]
Donde Sobs y Ssim son desviaciones estándar de las series de tiempo de flujos observadas y simuladas, respectivamente. d. Índice de Eficiencia de Nash-Sutcliffe, R2. Ecuación 9. Índice de eficiencia de Nash-Sutcliffe
𝒓𝟐 = 𝟏. 𝟎 −∑ (𝑺𝒕 − 𝑶𝒕)𝟐𝑵
𝒕=𝟏
∑ (𝑶𝒕 − 𝝁𝒐)𝟐𝑵𝒕=𝟏
Fuente: [33]
El criterio de Nash-Sutcliffe es uno de los más usados en hidrología: mide cuanto de la variabilidad de las observaciones es explicada por la simulación. Si la simulación es perfecta, E=1; sin embargo, si se intenta ajustar las observaciones con el valor promedio, entonces E=0. Estos valores se resumen en la tabla 6. Tabla 6. Valores referenciales del criterio de Nash-Sutcliffe.
E Ajuste
<0.2 Insuficiente
0.2 – 0.4 Satisfactorio
0.4 – 0.6 Bueno
0.6 -0.8 Muy Bueno
>0.8 Excelente
Fuente: [33]
2.7 HYDRO-BID
Hydro-BID es una herramienta de simulación creada por el Banco Inter-Americano de Desarrollo (BID) para dar soporte a la región de Latinoamérica y el Caribe (LAC) en el manejo y planificación del recurso hídrico. Es un sistema integrado y cuantitativo de simulación hidrológica y gestión de recursos hídricos en la región de LAC, bajo escenarios de cambio (por ejemplo, clima, uso del suelo, población), que permite evaluar la cantidad y calidad del agua, las necesidades de infraestructura, y el diseño de estrategias y proyectos de
34
adaptación en respuesta a estos cambios, para una mejor interpretación ver figura 6. El modelo de Hydro-BID contiene una Base de Datos Hidrográficos (LAC-AHD) que contiene más de 230,000 cuencas delimitadas y cauces fluviales a lo largo de la región de América Latina y el Caribe, un Sistema de navegación GIS para examinar cuencas y cauces fluviales, una interfaz de datos climáticos para la obtención de datos de precipitación y temperatura para la zona y el período de interés y un modelo de lluvia-escorrentía basado en la formulación Generalized Watershed Loading Factor (GWLF) [34]. Figura 6. Diagrama de flujo de Hydro-BID
Fuente: [34]
2.7.1 Funcionamiento del sistema Hydro-BID
Hydro-BID se construye sobre la base de datos de Hidrología Analítica (AHD) que incorpora los datos de uso de tierras, tipo de suelos, precipitaciones y temperatura dentro del área de estudio, así como los flujos de corrientes observados para usarlos en la calibración. La herramienta informática aplica el modelo Factor de Carga de Cauces Generalizados, (en inglés GWLF). La salida se genera como una serie de tiempo de proyecciones de flujos de agua, en escala diaria o mensual. La herramienta posee una interfaz gráfica para el usuario para aceptar la entrada del modelo, así como también para mostrar un resumen gráfico y tabular los resultados. El modelo de precipitación-escorrentía componente de GWLF se aplica a unidades de cuencas pequeñas al tomar en consideración los usos de tierras y las condiciones de suelo dentro de la cuenca. La respuesta a cada uso de tierra en una cuenca dada es tratada por
35
separado para generar un volumen de escorrentía estimado. Dicho modelo posee además otros componentes a evaluar dentro de las características de una cuenca las cuales son: deshielo, evapotranspiración potencial, escorrentía, percolación, flujo y tránsito. Ver figura 7 [34]. La figura 7, es una representación conceptual que maneja Hydro-BID en el modelado, en el que se calcula la escorrentía y los flujos base por cuenca de captación, la escorrentía se genera en forma de exceso de infiltración y el flujo base es una liberación gradual de la capa saturada. Tras tomar en cuenta la escorrentía proveniente de las precipitaciones, toda agua que excede un volumen calculado de evaporación se infiltra a la capa no saturada. No obstante, el agua infiltrada se pasa desde la capa no saturada hacia abajo para reponer el volumen almacenado de la capa saturada. Cabe resaltar que el volumen de agua ubicado en la capa saturada puede agotarse por medio de la filtración a un acuífero subterráneo más profundo [34]. Figura 7. Representación esquemática del modelo GWLF
Fuente: [34]
2.7.2 Parámetros y datos del GWLF
Los parámetros a evaluar en Hydro-BID requeridos por el GWLF se acoplan en una base de datos para cada cuenca de la AHD, incluyendo el área de captación y la longitud del cauce. [32] Los parámetros principales del modelo hidrológico se describen a continuación en la tabla 7:
36
Tabla 7. Parámetros del GWLF relacionados con la generación de flujos del ciclo hidrológico
Parámetros Descripción Método de Estimación
Capacidad disponible de Agua del Suelo (U*)
Este parámetro activa el inicio de la percolación
Puede ser estimado por las características del suelo.
Número de Curva (CN)
Controla la cantidad inicial de abstracción y usada para calcular la detención
Se escoge usando el uso del suelo y el tipo de clasificación del suelo
Coeficiente de la Curva de Evaporación (CV)
Representa la variación estacional de la evaporación debido al crecimiento de la vegetación
Se estima mensualmente.
Coeficiente de Recesión de Aguas Subterráneas (r)
Controla la tasa de flujo de agua subterránea desde la zona saturada
En estaciones de aforo en las cuencas, el parámetro de recesión puede ser estimado usando técnicas de separación hidrográfica.
Parámetro de Percolación (s)
Controla la tasa de percolación hacia el acuífero de aguas subterráneas profundas
Dependiendo de la formación geológica, los valores de percolación pueden ser muy variables
Fuente: [32]
37
2.8 INDICES
Los índices ambientales según el IDEAM pertenecen a un grupo amplio de temáticas y fenómenos, no solo físico, sino también de aquellos que reflejan las relaciones de la sociedad con su entorno ecosistémico. A partir de la información de estos índices el IDEAM cumple con sus objetivos de generar conocimiento y acceso a la información, a través de ellos facilitando a las demás entidades del Sistema Nacional Ambiental (SINA) el ordenamiento ambiental del territorio y la conservación de los ecosistemas, así mismo a toda aquella población y sectores económicos que pueden hacer uso de esta información para la toma de decisiones [35].
2.8.1 Índice de Regulación Hídrica
El índice de retención y regulación evalúa la capacidad de la cuenca para mantener un régimen de caudales, producto de la interacción del sistema suelo-vegetación con las condiciones climáticas y con las características físicas y morfométricas de la cuenca. Este índice permite evaluar la capacidad de regulación del sistema en su conjunto, con ayuda de la ecuación 10 y la tabla 8 [36]. La curva de duración permite reconocer las condiciones de regulación de la cuenca y los valores característicos de caudales medios, así como la interpretación de las características del régimen hidrológico de un río, y el comportamiento de la retención y la regulación de humedad en la cuenca [37]. Ecuación 10. IRH
IRH= VP / Vt Fuente: [36] Donde: Vp: Volumen representado por el área que se encuentra por debajo de la línea del caudal medio. Vt: Volumen total representado por el área bajo la curva. Tabla 8. Calificación del índice de retención y regulación hídrica
Fuente: [36]
2.8.2 Índice de Uso del Agua Superficial
El índice de uso del agua superficial, corresponde a la cantidad de agua utilizada por los diferentes sectores usuarios, en un periodo determinado
38
(anual, mensual) y por unidad espacial de subzona hidrográfica y cuencas abastecedoras de acueductos en relación con la oferta hídrica superficial disponible para las mismas unidades de tiempo y espaciales. El cálculo de la oferta hídrica natural disponible se realiza para condiciones hidrológicas medias con base en las series de caudales medios anuales. La relación porcentual de la demanda de agua en relación a la oferta hídrica disponible, las categorías de este índice se ve en la tabla 9 [36]. Ecuación 11. IUA
IUAjt = (Dhjt /Ohjt *) 100 Fuente: [36]
Dónde: Dhjt: Demanda hídrica sectorial en la unidad espacial de referencia j, en el periodo de tiempo t. Ohjt: Oferta hídrica superficial disponible en la unidad espacial de referencia j, en el periodo de tiempo t. Tabla 9. Rangos y categorías índice de uso de agua
Fuente: [36].
2.8.3 Oferta hídrica disponible
De acuerdo con el IDEAM (2010), es el volumen de agua promedio que resulta de sustraer a la oferta hídrica total superficial (OHTS), el volumen de agua que garantiza el uso para el funcionamiento de los ecosistemas y de los sistemas fluviales. Para su estimación se debe realizar la curva de duración de caudales para cada subzona, en el que se define el porcentaje de caudal ambiental, y se identifica si la zona en general tiene una buena regulación, estableciendo un límite en el valor del índice de regulación hídrica (IRH). Si la regulación es moderada a alta, se asume como caudal ambiental 85 (Q85) [38]. Ecuación 12. Oferta hídrica disponible (OHD)
Caudal disponible= caudal oferta total – caudal ambiental.
39
Fuente: [38]
2.8.4 Índice de vulnerabilidad por desabastecimiento.
Es el grado de fragilidad del sistema hídrico para mantener una oferta para el abastecimiento de agua de sectores usuarios del recurso, para condiciones hidrológicas promedio [37]. El índice de vulnerabilidad se calcula con el IRH, para luego sacar el IUA, donde los resultados de estos dos índices y la tabla 10 se ubicarán la categoría IVH, es decir, se ubicará en la tabla el resultado del IRH y el IUA, lo que dará como resultado el IVH [36]. Tabla 10. Índice de vulnerabilidad al desabastecimiento hídrico (IVH)
Fuente: [36]
40
3. METODOLOGÍA
La metodología usada en el presente estudio se desarrolló a partir de tres grandes etapas las cuales se describen a continuación en la Figura 8. Figura 8. Esquema metodológico
3.1 CARACTERIZACIÓN CLIMATICA DE LA CUENCA
3.1.1 Recolección de información
El análisis de las variables climatológicas (temperatura, brillo solar, precipitación, humedad relativa y Temperatura) fue realizado a partir de los registros mensuales de las estaciones meteorológicas ubicadas en la cuenca, administradas por el IDEAM. A partir de esta información se seleccionaron las estaciones meteorológicas con registros históricos desde 1970 a 2017, a escala mensual, debido a que en muchas estaciones meteorológicas este periodo presenta una continuidad de datos históricos relevantes. Ver Tabla 11 y 12 y Figura 9.
41
Tabla 11. Estaciones usadas para la caracterización climática.
Código Nombre Tipo Municipio
16010340 Tasajero Pm Cúcuta
16015030 Esperanza LA Co Ragonvalia
16025030 Salazar Cp Salazar
16025040 Cínera-villa olga
Cp Cúcuta
16015010 APTO Camilo Daza
Sp Cúcuta
16025010 Carmen tonchala
Cp Cúcuta
16020080 Cucutilla Pm Cucutilla
16015090 Tama Parque Nal
Cp Herrán
16035010 Tibu Co Tibu
16015020 Iser Pamplona Am Pamplona
Fuente: autores
42
Figura 9. Ubicación de estaciones para caracterización climática
Fuente: autores.
43
Tabla 12. Variables de las estaciones meteorológicas
Estaciones Variables Climáticas
Apto Camilo daza
Brillo solar, humedad relativa, precipitación, temperatura.
Cinera-Villa Olga
Brillo solar, humedad relativa, precipitación, temperatura.
Iser Pamplona Brillo solar, humedad relativa, precipitación,
temperatura.
Carmen Tonchala
Brillo solar, humedad relativa, precipitación, temperatura.
Tamá Parque Nal
Temperatura, precipitación, humedad relativa.
Tasajero Precipitación
Tibú Precipitación
Salazar Temperatura
Fuente: autores
3.1.2 Homogenización y llenado de series de variables climáticas
Se dice que una serie es homogénea cuando su variabilidad obedece únicamente a causas climáticas. Las series temporales largas tienen datos con vicisitudes, cuya detección no es fácil como, por ejemplo, los registros falsos o el cambio de las características del lugar, lo que da una homogeneidad de la serie diferentes a la realidad climática. Por lo cual se han venido desarrollando métodos de homogenización de series climáticas, que intentan discernir los datos reales climáticos, en este caso, se analizaron las series de las estaciones presentes en la cuenca, donde se procedió homogenizar y llenar los datos faltantes de 10 estaciones por medio del lenguaje de programación Python usando la metodología de interpolación lineal, el cual es un método recomendado por bibliografía especializada, ver ecuación 13 [39], [40].
3.1.3 Análisis estadístico de variables climáticasº
El análisis estadístico que se realizó para las estaciones mencionadas en la tabla 11, con el fin de determinar la calidad de la información y establecer el porcentaje de datos faltantes, se llevó a cabo a través de los parámetros de media, máxima, desviación estándar, coeficiente de varianza y longitud máxima de datos faltantes (Long DFC). El parámetro de desviación estándar indica qué tan dispersos están los datos con respecto a la media, es decir, que mientras mayor sea la desviación estándar, mayor será la dispersión de los datos, así se determinaran los valores óptimos. El parámetro de coeficiente de varianza indicara la relación entre el tamaño de la media y la variabilidad de la variable,
44
hallando así el conjunto de datos óptimo de las series. Finalmente el parámetro de Long DFC permite identificar los datos faltantes consecutivos de una serie de datos, en el presente proyecto los datos se encontraban a escala mensual. A partir de este análisis se verificará la calidad de la información disponible en las estaciones meteorológicas, ver Anexo A.
3.2 DISPONIBILIDAD HÍDRICA HYDRO-BID
La disponibilidad hídrica superficial presente y futura se estimó mediante el modelo de simulación hidrológica lluvia-escorrentía (GWLF) de la herramienta Hydro-BID, el cual genera el balance hídrico y las series de caudales; donde la disponibilidad hídrica actual es de 1989 a 2014 y para los periodos futuros entre 2015 a 2040, 2041 a 2070, 2071 a 2100. Esta etapa del caso de estudio incluyó las siguientes actividades:
3.2.1 Recolección de información
Se recolectó y analizó la información histórica de las variables climatológicas de precipitación, temperatura y caudal, con el fin conocer mejor el clima actual del área del caso de estudio, así como la identificación de algunas condiciones naturales. En la tabla 13 se puede apreciar la información suministrada al modelo. Tabla 13. Datos de entrada para la herramienta Hydro-BID para condiciones actuales
Tipo de Datos Fuente Total de Información
Periodo Disponible
Precipitación total diaria en cm
Información suministrada por el IDEAM
15 estaciones
1989 - 2014
Temperatura media diaria en ºC
Información suministrada por el IDEAM
6 estaciones
Uso de la Tierra [32]
Base de Datos AHD
Tipo de Suelo [41]
Base de Datos AHD
Series de caudales
Información suministrada por el IDEAM
3 estaciones
45
Fuente: autores Para Hydro-BID el tratamiento previo de los datos de entrada es importante ya que, permiten analizar el comportamiento de las variables dentro del modelo. Por lo tanto, al número de estaciones de la tabla se les realizó un análisis estadístico en el que se pudo identificar la calidad y cantidad de datos faltantes. Así mismo a continuación en la Figura 10 se puede observar la ubicación geográfica de las estaciones utilizadas en el modelo hidrológico Hydro-BID. Figura 10. Ubicación geográfica de estaciones para Hydro-BID.
Fuente: autores.
3.2.2 Homogenización y llenado de series de precipitación y temperatura
Para realizar el llenado de datos de las series de tiempo de precipitación y temperatura se empleó la metodología de Interpolación Lineal. Este método es el más simple en uso, donde se interpola con líneas rectas entre una serie de
46
puntos que se desea conocer, para efectos del área de estudio se utilizaron dos estaciones próximas más representativas al punto de interés que se quería completar. Es por esto que se desarrolló el llenado de datos a partir de la ecuación 13, [42]: Ecuación 13. Interpolación lineal.
𝑦 − 𝑥0
𝑦1 − 𝑦0=
𝑥 − 𝑥0
𝑥1 − 𝑥0
Fuente: [42]
En lo anterior, el único valor desconocido es 𝑦 , que representa el valor
desconocido para 𝑥, despejando resulta la siguiente ecuación [42]: Ecuación 14. Despeje de 𝒚
𝑦 = 𝑦0 + (𝑥 − 𝑥0)𝑦1 − 𝑦0
𝑥1 − 𝑥0
Fuente: [42]
3.2.3 Calibración y validación del modelo hidrológico
La etapa de calibración del modelo se desarrolló dividiendo la cuenca del río pamplonita en aguas arriba, aguas medias y aguas abajo, donde se contó con tres (3) estaciones de caudal observado, que estaban unidas al COMID de la subcuenca, las cuales tienen una temporalidad diaria; este proceso se realizó de forma manual por el método de ensayo y error, modificando los parámetros contenidos en Hydro-BID para hallar el rango óptimo. A medida que se iba realizando la calibración, ésta se relacionaba con la siguiente para poder obtener una calibración no solo de la subcuenca sino de toda la cuenca del río Pamplonita. Cabe resaltar que esta calibración del río Pamplonita se llevó a cabo para el periodo incluido desde 01 de abril de 1989 hasta 31 de diciembre de 2014. La calibración realizada para las tres estaciones de caudal como se observa en la Figura 11 fue de aguas arriba identificada con el COMID 300608300 que se representa con el color amarillo, la subcuenca que representa la parte media está identificada con el COMID 300526900 la cual fue calibrada con la estación aguas arriba con el color verde y, la tercera calibración se llevó a cabo en la parte baja de la cuenca representada con el COMID 300482400 calibrada con la estación ubicada en la parte media, así logrando realizar la modelación hidrológica actual de la cuenca.
47
Figura 11. Ubicación geográfica de la calibración de la cuenca Pamplonita.
Fuente: autores.
Adicionalmente, se graficaron las tres estaciones de caudal donde se puede observar la estación 1601720 está vinculada al COMID 300608300 ubicada aguas arriba de la cuenca que presenta un caudal promedio de 7.2m3/s; la estación 16027100 está vinculada al COMID 300526900 ubicada aguas medias, donde presenta un caudal promedio de 16.7 m3/s este caudal aumenta debido al aporte que recibe la cuenca de diferentes quebradas como Iscalá, La Honda, El Naranjo entre otras; aguas abajo esta la estación 16017010 vinculada con el COMID 300482400 con un caudal promedio de 24.0 m3/s que es el caudal de salida, es decir, este caudal es mayor debido a que los tributarios desembocan en el cauce principal y por ello al final de la cuenca se encuentra el mayor caudal, se pueden observar en la Figura 12.
48
Figura 12. Caudales históricos de la cuenca
Fuente: autores
Finalmente, Hydro-BID arroja resultados estadísticos que permiten evaluar el
desempeño de los modelos, uno de estos resultados son las métricas de desempeño mencionadas anteriormente, las cuales son: Error de volumen general, Correlación, Coeficiente de correlación modificado y el Índice de eficiencia de Nash-Sutcliffe.
3.3 ANÁLISIS DE CAMBIO CLIMÁTICO
Se seleccionaron tres modelos climáticos globales del conjunto de 36 modelos del CMIP5, seleccionados por ser los que mejor representan la climatología del país, los cuales tienen escalas espaciales y temporales mayores que las requeridas para la modelación hidrológica, causando que no se pueda evaluar el efecto local del cambio climático, por lo tanto, se realiza un proceso de reducción de escala sobre el modelo climatológico global seleccionado.
3.3.1 Selección de un modelo de circulación global
Se preseleccionaron tres modelos climatológicos globales que fueron el MPI-ESM-MR, CCSM4 y CanCM4, debido a que han sido utilizados en Colombia por ser los más representativos frente al total de los modelos en estudios como Cambio climático en temperatura, precipitación y humedad relativa para Colombia usando modelos meteorológicos de alta resolución panorama (2011-2100) donde en los resultados indicaron que hay dos modelos que mejor representan la climatología de Colombia que fueron CCSM3 y ECHAM5. [43] El informe, Evaluación de las simulaciones de precipitación y temperatura de los modelos climáticos globales del proyecto CMIP5 con el clima presente en Colombia se concluyó que los modelos que mejor representan la distribución
0
50
100
150
200
250
300
19
89
-Ap
r
19
90
-Feb
19
90
-Dec
19
91
-Oct
19
92
-Au
g
19
93
-Ju
n
19
94
-Ap
r
19
95
-Feb
19
95
-Dec
19
96
-Oct
19
97
-Au
g
19
98
-Ju
n
19
99
-Ap
r
20
00
-Feb
20
00
-Dec
20
01
-Oct
20
02
-Au
g
20
03
-Ju
n
20
04
-Ap
r
20
05
-Feb
20
05
-Dec
20
06
-Oct
20
07
-Au
g
20
08
-Ju
n
20
09
-Ap
r
20
10
-Feb
20
10
-Dec
20
11
-Oct
20
12
-Au
g
20
13
-Ju
n
20
14
-Ap
r
Cau
dal
(m
3/s
)
Años
16017020 16027100 16017010
49
de la precipitación son CCSM4 (NCAR-USA), MPI-ESM (Alemania) [44]. Adicional a la Evaluación de los modelos globales del clima utilizados para la generación de escenarios de cambio climático con el clima presente en Colombia se concluyó que el modelo CCSM-3.0 actualmente CCSM4 fue uno de los mejores modelos que representó anualmente la temperatura y la precipitación en el campo nacional [27]. Posteriormente se calculó la desviación estándar, la raíz cuadrada del error cuadrático medio (RMSE), el promedio y el máximo entre el histórico del GCM y las estaciones de precipitación y temperatura para así determinar el modelo seleccionado [20].
3.3.2 Reducción de escala y obtención de series de precipitación y temperatura
La técnica reducción de escala estadística basada en la teoría del caos fue la usada en el proyecto, la cual necesita como datos de entrada las coordenadas de las estaciones, las series de precipitación y temperatura de las estaciones, los registros históricos del GMC para los RCP 2.6, 4.5 y 8.5 de las variables precipitación y temperatura que se descargaron del centro de Análisis de Datos Ambientales (en inglés Centre for Environmental Data Analysis, CEDA). Para dar como salidas, las series de precipitación y temperatura en una escala espacial menor. Las series de tiempo de precipitación y temperatura se usaron para reconstruir el espacio de fase mediante el método Time-Delay, que se encarga de encontrar los valores apropiados del tiempo de retardo τ y la dimensión del plano de fase m para capturar la dinámica del atractor. Estos resultados fueron usados para calcular los exponentes de Lyapunov y evaluar la presencia de caos determinístico. Posteriormente, se crea un modelo predictivo basado en la sincronización general de los dos sistemas dinámicos (series locales y GCM) y la función del parámetro 𝜇 de los vecinos falsos mutuos más próximos. Finalmente, se comparan las series del GCM con las estaciones locales por medio de 4 métricas RMSE, MSE, MAE y R2; antes y después del downscaling para así verificar la eficiencia del método.
3.3.3 Modelación de los escenarios de cambio climático en Hydro-BID
Los escenarios de cambio climático que se utilizaron correspondieron a los RCP 2.6, 4.5 y 8.5 para el futuro lejano (2015 a 2100), de los cuales se emplearon las series de precipitación y temperatura obtenidas a partir del método de reducción de escala. Esta modelación hidrológica para escenarios de cambio climático se llevó a cabo en Hydro-BID, el cual permitió realizar estas proyecciones para los periodos de 2015 a 2040, 2041 a 2070 y 2071 a 2100, la corrida de estos modelos se realizó bajo cada escenario, es decir, se realizaron nueve corridas del modelo. En este caso los parámetros de
50
calibración no fueron modificados ya que, la calibración fue obtenida de la cuenca aguas abajo realizada para la disponibilidad hídrica presente. Las salidas del modelo se representan en series mensuales de caudal, un balance hídrico para cada subcuenca y además se proveen estadísticas y gráficas que permitieron la evaluación y el desempeño de las series.
3.4 ANÁLISIS DE VULNERABILIDAD
La vulnerabilidad del recurso hídrico fue analizada considerando la susceptibilidad de la cuenca para conservar y mantener el régimen hidrológico actual y futuro ante posibles alteraciones por cambio climático. Dentro de las metodologías para el análisis de vulnerabilidad, se emplearon los indicadores del régimen hidrológico, los cuales fueron evaluados a través de los índices de regulación hídrica, índice de uso del agua superficial y el índice de vulnerabilidad por desabastecimiento [45]. Aplicación de índices hidrológicos Los indices de régimen hidrológico se calcularon para el periodo 2015 a 2100 que se basaron en las proyecciones de caudales de las estaciones presentes en la cuenca. La importancia de calcular cada uno de estos índices se describe a continuación:
3.4.1 Índice de Regulación Hídrica
Para su determinación, se siguió la metodología del ENA 2018, donde se calculó este índice con base en la curva de duración de caudales medios diarios de cada uno de los RCP 2.6, 4.5 y 8.5, que en el caso del presente trabajo se obtuvo a través de la herramienta Hydro-BID. Para efectos de análisis los resultados se dividieron por tres periodos de tiempo los cuales fueron 2015 a 2040, 2041 a 2070, 2071 a 2100.
3.4.2 Índice de Uso de Agua Superficial
Para la aplicación de este índice se utilizaron las demandas proyectadas al año 2100 para cada uno de los sectores: doméstico, pecuario, agrícola e industrial, para lo cual se realizó el siguiente procedimiento: Demanda doméstica Para la proyección de la población se usaron los métodos crecimiento lineal, geométrico y logarítmico, posteriormente se hizo un promedio de estos 3
51
métodos. Para facilitar el procedimiento de este índice se utilizó el programa D-Haya POBLACIONAL el cual fue creado por la Escuela de Ingenieros para el Diseño de Acueductos y Alcantarillados, que arrojo la proyección para los periodos de 2015 a 2040, 2041 a 2070 y 2071 a 2100, usando como referencia los censos de los años 1973, 1985, 1993 y 2005 para los 10 municipios presentes en la cuenca, que son: Bochalema, Chinacota, Cúcuta, Herran, Los Patios, Pamplona, Pamplonita, Puerto Santander, Rangovalia y Villa del rosario, ver Figura 13.
Figura 13. Resultados de la proyección por el programa D-Haya.
Fuente: autores La dotación se determinó por habitante de acuerdo a lo establecido en el RAS 2017, a partir de la tabla 14.
Tabla 14. Dotación por habitante según la altura promedio sobre el nivel del mar de la zona
Altura promedio sobre el nivel del mar de la
zona atendida
Dotación neta máxima
(L/hab*día)
>2000 m.s.n.m 120
1000-2000 m.s.n.m 130
<1000 m.s.n.m 140
Fuente: [46]
Demanda pecuaria, agrícola e industrial
El crecimiento de cada uno de los sectores se tomó, a partir del crecimiento del Producto Interno Bruto (PIB) para cada sector, esta información se obtuvo de las bases de datos del DANE.
1. Se halló el porcentaje de crecimiento desde el 2002 hasta el 2017 para las demandas anteriormente mencionadas en los diez municipios presentes en la cuenca. Para la demanda agrícola, pecuaria e industrial fue de 2.6% [47]. 2. El porcentaje de variación se incrementó a la demanda de cada sector para luego realizar la proyección hasta 2100.
52
Oferta Hídrica Disponible La oferta hídrica se obtuvo a partir de las series de caudal por medio de Hydro-BID, y el caudal ambiental se obtuvo a partir del índice de regulación hídrica (IRH), utilizando la ecuación 15.
3.4.3 Índice de Vulnerabilidad Por Desabastecimiento
Este índice se realizó para los periodos de 2015-2040, 2041-2070, 2071-2100, bajo los tres escenarios de cambio climático RCP 2.6, 4.5 y 8.5. Los resultados obtenidos, a través, de los índices fueron claves en el estudio de vulnerabilidad, ya que permitieron identificar los impactos, para los cuales se establecieron las medidas de mitigación.
4. RESULTADOS
4.1 CARACTERIZACIÓN CLIMÁTICA
La caracterización de la cuenca se realizó con 10 estaciones descritas en la tabla 11, con una frecuencia media anual, donde se analizaron las variables de brillo solar, humedad relativa, precipitación y temperatura. A continuación, se exponen los resultados de cada una de las variables y en el anexo B se pueden ver los histogramas. Precipitación En la mayoría de las estaciones el comportamiento de la precipitación es bimodal con dos temporadas de lluvia en los meses de abril-mayo y octubre-noviembre y los períodos menos lluviosos son entre febrero y marzo y entre julio y septiembre. La estación Tibú registra los mayores valores de precipitación con máximos en abril con 310 mm y octubre con 340 mm. Se presenta un comportamiento muy diferente en la estación PNN Tamá, donde manifiesta una precipitación de tipo monomodal con 6 meses de mayores precipitaciones de marzo a agosto y 6 meses de menores precipitaciones de septiembre a febrero, cuando la ZCIT se ubica al sur del país, donde su máximo está en junio con 210 mm. Este comportamiento monomodal, se puede deber a que se encuentra influenciada por la climatología de la Orinoquía y no por la climatología de la zona andina. El fenómeno de La Niña ha influenciado en la cuenca para los años 1988-1989, 2010-2011, durante este fenómeno se registraron mayores precipitaciones históricas en las ocho estaciones analizadas de la cuenca donde para los meses de septiembre a noviembre se registran anomalías, ver figura 14. Figura 14. Comportamiento mensual de la precipitación.
53
Fuente: autores
Temperatura La temperatura es la única variable meteorológica que tiene una relación lineal con la altitud, a mayor altura, menor temperatura y, viceversa. En la cuenca del río pamplonita para las siete estaciones analizadas, se puede decir que al correlacionar la temperatura con la altura sobre el nivel del mar, el gradiente térmico es de 1°C por cada 170 m de diferencia altitudinal. Las estaciones PNN Tamá e Iser Pamplona registran valores con un comportamiento consecutivo donde la temperatura está entre 13 a 15°C para todos los meses, debido a que su altitud se encuentra a 2500 m.s.n.m y 2340 m.s.n.m. La estación Esperanza LA tiene una temperatura entre 16°C a 18°C con una altitud de 1760 m.s.n.m. Se incrementa la variación para la estación Salazar donde se registra valores máximos de 24°C para los meses de agosto-septiembre con una altitud de 860 m.s.n.m. finalmente, en las estaciones APTO Camilo Daza, Carmen de Tonchalá y Cínera Villa Olga donde se presentan valores constantes, pero con las más altas temperaturas que tiene la cuenca que es de 28°C casi todo el año por su altitud menor a los 300 m.s.n.m, también se puede observar que la variación de la temperatura es muy baja debido a que durante todo el año el comportamiento de las estaciones se mantiene directamente relacionado con la altura sobre el nivel del mar, ya que se distribuye la temperatura en forma diferente en la cuenca, ver figura 15. Figura 15. Comportamiento de la temperatura media.
0,0
50,0
100,0
150,0
200,0
250,0
300,0
350,0
400,0
Pre
cip
itac
ión
(m
m)
Meses
Tasajero Tibú APTO Camilo Daza
Iser Pamplona Esperanza LA PNN Tamá
Carmen Tonchala Cinera-Villa Olga
54
Fuente: autores
Brillo solar Esta variable presenta un comportamiento de dos periodos con máximos en diciembre-enero y julio-agosto, debido a que el predominio de tiempo seco favorece el incremento de horas de brillo solar y por consiguiente, la cantidad de radiación solar incidente, además, todas las estaciones presentan un comportamiento de valores mínimos de brillo solar para el mes de abril debido a que coincide con la temporada de lluvias. La estación APTO Camilo Daza es la que registra los mayores valores mensuales de 210 h/mes y en la estación Iser pamplona se observa los valores mínimos de 150 h/mes. Los valores máximos de brillo solar se encuentran entre los 300 m.s.n.m lo que corresponde a la parta baja de la cuenca donde se encuentran los municipios de Cúcuta, Puerto Santander y parte de los Patíos y Villa del Rosario, en la parte media municipios de Ragonvalia, Chinácota y Pamplonita donde el brillo solar fluctúa entre 141 a 155 h y en la parte alta en los municipios de Herrán y Pamplona donde el brillo solar esta entre 90 a 124 h, ver figura 16.
Figura 16. Comportamiento de brillo solar media
10,012,014,016,018,020,022,024,026,028,030,0
Tem
per
atu
ra (
°C)
Meses
APTO Camilo Daza Iser pamplona Esperanza LA PNN Tamá
Carmen Tonchala Salazar Cinera-Villa Olga
55
Fuente: autores
Humedad relativa La humedad relativa mensual, presenta un comportamiento bimodal con valores máximos en los meses de abril y noviembre, exceptuando las estaciones PNN Tamá y Esperanza LA que presentan los máximos valores y constantes durante casi todo el año de un 90%. Para la estación PNN Tamá se dan estas condiciones de mantener generalmente una humedad por encima de 80%, debido a que está ubicada en zona de paramo por lo cual se ve influenciada, la estación Esperanza LA presenta un régimen húmedo por los bosques natural secundario que predominan en el municipio de Ragonvalia, además por la alta humedad relativa que tiene la estación en esa zona da para una baja radiación y temperatura, ver figura 17. Figura 17. Comportamiento de la humedad relativa.
Fuente: autores
Análisis estadístico de variables climáticas.
0
50
100
150
200
250
Bri
llo
So
lar
(h)
Meses
Cinera-Villa Olga APTO Camilo Daza Iser Pamplona Carmen Tonchala
50,0
60,0
70,0
80,0
90,0
100,0
Hu
med
ad R
elat
iva
(%)
MesesAPTO Camilo Daza iser pamplona Esperanza LA
Tama Parque NAL Carmen Tonchala Cinera-Villa Olga
56
El análisis estadístico en el anexo A se puede comprobar que las estaciones para la precipitación tienen un porcentaje de datos faltantes entre 0.51% a 14.51%, una longitud máxima de datos faltantes consecutivos (Long DFC) de 10 meses con un promedio de 728.8 a 2241 datos de precipitación por estación, un máximo de 3593 mm y un coeficiente de varianza entre 0.25 a 0.47, lo que significa que entre más cercanos estén los valores a cero, mayor será el nivel de confiabilidad de los datos; para la temperatura se obtuvo un porcentaje de datos faltantes entre 0.19% a 8.64%, Long DFC de 9 meses con un promedio de 13.9 a 27.6 de datos faltantes de temperatura por estación, un máximo de 29.6°C y un coeficiente de varianza entre 0.021 a 0.034; la humedad relativa tuvo un porcentaje de datos faltantes de 4.17 a 18.27%, Long DFC de 12 meses con un promedio entre 76.50 a 95.83, un máximo de 5.17% y un coeficiente de variación entre 0.029 a 0.075; para brillo solar se obtuvo un porcentaje de datos faltantes entre 6.18% a 11.88%, Long DFC de 10 meses con un promedio entre 124.21 a 184.4, un máximo de 200.9 h y un coeficiente de variación entre 0.052 a 0.099. De lo anteriormente descrito, se puede decir que los datos son confiables ya que no superan un año de datos faltantes.
4.2 MODELACIÓN HIDROLÓGICA
4.2.1 Recolección y homogenización de datos de entrada
Con base a los registros históricos de precipitación y temperatura de cada estación meteorológica seleccionada, se obtuvo como resultado una serie histórica representativa para la cuenca en el periodo de tiempo de 1989 a 2014. En la tabla 15 se observa el análisis de las estaciones utilizadas en la modelación. Tabla 15. Estadísticas de las series de precipitación diaria de las estaciones seleccionadas.
Estadísticas de Variable Precipitación
ID
Cantidad de
Datos
%Datos faltante
s long DFC
Media
Máximo
Desviación
Coeficiente varianza
16010010 9312 0.999 31 2.272 146 8.259 3.635
16010020 8977 4.56 204 3.049 130 9.588 3.145
16010040 8347 11.25 608 6.997 195 18.006 2.573
16010060 9375 0.329 30 7.105 222 16.851 2.372
16010100 9117 3.072 275 5.412 170 15.508 2.865
16015010 9403 0.031 1 2.465 168.4 8.378 3.398
16015020 9351 0.584 30 2.527 76.2 5.98 2.366
16015030 9350 0.595 31 4.255 87.5 8.672 2.038
16015090 7372 21.62
1202
4.646 103.5 8.058 1.735
57
16020110 9326 0.85 49 3.35 170 8.425 2.515
16020180 9106 3.189 130 3.107 145 10.784 3.471
16020340 9266 1.488 78 5.725 140 16.668 2.912
16020370 9406 0 0 8.057 249 19.142 2.376
16025010 9337 0.733 61 2.671 195.4 9.04 3.384
16025040 8796 6.485 103 6.314 224.7 16.271 2.577
Promedio 9056 3.719 189 4.53 161.51 11.98 2.76
Fuente: autores
En la tabla 15 se puede observar que existe un promedio de 9056 datos de precipitación diaria por estación, y un 3,719% de datos faltantes, una media de 4,53 cm, un promedio de desviación estándar de 11,98 y un máximo promedio de 161,51cm. En la tabla se puede observar que de las 15 estaciones los datos faltantes consecutivos son bajos, situación que determina la confiabilidad de la calidad de las estaciones. Adicional a esto se llevó a cabo el análisis estadístico para las variables de temperatura y caudal que se encuentran en el anexo D, en el que se obtuvo como resultado un promedio óptimo de los datos. Para la temperatura existe un promedio de 8492 datos de los cuales el 9,7% son faltantes, además se obtuvo una temperatura máxima de 21ºC y una desviación de 1511,4. Cabe resaltar que en esta variable la serie histórica contó con 247 datos faltantes consecutivos (DFC), lo que aseguro una confiabilidad favorable de los datos. Por otro lado, la variable de caudal arrojó un promedio de 9136 datos, de los cuales 3% equivalen a datos faltantes, con una media de 16 m3/s, y un valor máximo de 588.3 m3/s, la desviación se encontró entre 7.24 y 28.03.
4.2.2 Consistencia de los datos de entrada
A partir del análisis estadístico que se realizó a cada una de las estaciones de precipitación con influencia en la cuenca del río Pamplonita, se obtuvo como resultado las gráficas de doble masa lo que permitió, que las estaciones de precipitación que están ubicadas en diferentes partes de la cuenca con datos en periodos mensuales, guardan una relación de proporcionalidad que se representó gráficamente en el anexo D. El análisis de doble masa realizado para las estaciones de precipitación de la cuenca del río Pamplonita arrojó buenos resultados como se pueden observar en la Figura 18. El índice de correlación R2 máximo fue de 0,9985 en el que la línea sigue una tendencia lineal, y una correlación mínima de 0,9699 lo que indica un buen ajuste de los datos, para las demás estaciones también se evidencia lo mismo. Figura 18. Curva de doble masa para las estaciones 16010060 y 16020110.
58
Fuente: autores
4.2.3 Calibración y Validación del modelo de Hydro-BID.
Se realizó la calibración de las tres subcuencas seleccionadas a través de Hydro-BID, en el que se pudo evidenciar la relación que poseen los parámetros de calibración con las variables a medida que se iban cambiando. El primero fue el número de curva que a medida que se reducía su valor, los caudales también lo hacían en las gráficas de salida del modelo, es decir que este factor posee menos sensibilidad a los eventos de precipitación. El segundo fue Contenido Disponible de Agua (AWC) el cual interacciona con el Coeficiente de Recesión (RC) y altera el caudal a medida que este incrementa, es decir, que presenta mayor impacto en caudales mínimos. El tercer parámetro fue el Seepage (Filtración), una reducción de este factor provocaba el aumento del volumen de escorrentía. Los valores de los parámetros calibrados se observan en la tabla 16 a continuación para cada subcuenca. Tabla 16. Calibración final de parámetros por subcuenca.
Parámetros
Subcuenca
300608300 Estación
(16017020)
300526900 Estación
(16027100)
300482400 Estación
(16017010)
NC 0.8 0.15 1
AWC 0.7 1.75 1
RC 0.006 0.00158 0.005
Seepage 0.00167 0.0009 0.0008
Grow Season ET Factor
1 1 1
Dormant 1 1 1
59
Season ET Factor
Fuente: autores De acuerdo con las calibraciones realizadas para cada subcuenca Hydro-BID proporciona estadísticas diarias y mensuales para evaluar el desempeño del modelo, tales como: el error general de Volumen (%), Correlación (r), Correlación Modificada Rmod (%) y por último el coeficiente de eficiencia Nash-Sutcliffe, así como también se proporcionan errores de volumen mensuales y anuales. La tabla 17 a continuación representan los resultados de estas estadísticas para cada subcuenca. Tabla 17. Métricas de desempeño mensuales y diarias por Subcuenca.
Subcuencas
300608300 estación
(16017020)
300526900 estación
(16027100)
300482400 estación
(16017010)
Métricas de desempeño
Valores Diarios
Valores mensual
es
Valores Diarios
Valores mensual
es
Valores Diarios
Valores mensua
les
Error General de volumen (%)
-8,5 -8,4 1,19 1,5 5,26 4,77
Correlación (R)
0.57 0,79 0,22 0,3 0,44 0,91
Correlación Modificada Rmod (%)
0,49 0,67 0,15 0,26 0,42 0,86
Coef. Nash-Sutcliffe
0,23 0,61 -0.7 0,01 -0,18 0,29
Fuente: autores
Según los resultados de las métricas de desempeño evidenciadas en la Tabla 17 el modelo es satisfactorio conforme a los valores obtenidos para la subcuenca aguas arriba (300608300), observando el coeficiente de Nash cumple con los rangos establecidos para los valores mensuales, lo que representa una eficiencia muy buena que oscila entre 0,2 y 0,6 , indicando que se puede tener un nivel alto de confiabilidad en la simulación, con respecto al error general los valores más confiables son los mensuales los cuales están
60
más cercanos a cero, lo que indica que el porcentaje de error entre los valores simulados y los observados son favorables para el modelo. Para la métrica correlación R los valores mensuales y diarios son muy favorables ya que se encuentran cercanos a 1, es decir, que la simulación es satisfactoria y confiable para la modelación hidrológica. Con base a los resultados de las métricas de desempeño se obtuvieron las curvas de duración de caudales arrojadas por Hydro-BID, antes de la calibración y después del proceso de calibración, de las cuales se escogieron las curvas óptimas según sus métricas para cada subcuenca. En las figuras 19, 20 y 21 se evidencia dos curvas, azul para los datos simulados y roja para los datos observados. A través de los parámetros calibrados, el ajuste entre las curvas es cada vez más cercano, lo que indica un buen ajuste de los valores observados, además, las gráficas de precipitación son coherentes con las series de caudal. Conforme a la sensibilidad de los parámetros calibrados, para el modelo fue evidente la variación de cada uno de estos. Sin embargo, el parámetro más susceptible fue el número de curva junto con el coeficiente de permeabilidad, los cuales permiten determinar el rango de infiltración de la precipitación teniendo en cuenta el tipo de uso del suelo, que para la cuenca es muy bueno ya que, al tener buena de retención y regulación hídrica, toda su capacidad de infiltración hace que sus caudales se mantengan. Asimismo, como se puede observar en las figuras (19, 20, 21), se realizó la calibración para toda la cuenca dividida en 3 partes, Aguas arriba, Aguas medias y Aguas abajo, lo que permitió tener un buen ajuste de los datos, ya que a medida que van cambiando sus variables morfométricas esta se ve expuesta a diferentes cambios de ecosistema y aumento poblacional. Figura 19. Calibración de subcuenca aguas arriba 16017020 Antes Después
Fuente: autores
61
Fuente: autores Figura 20. Calibración de subcuenca aguas medias 16027100 Antes Después
Fuente: autores
Figura 21. Calibración de subcuenca aguas abajo 16017010
62
Antes Después
Fuente: autores
4.3 ANÁLISIS DE CAMBIO CLIMÁTICO
4.3.1 Selección del modelo
Se evaluaron las estaciones de precipitación y temperatura con el histórico del GCM por medio de las métricas desviación estándar, RMSE, media y máximo; calculando así la capacidad de cada modelo para simular el clima presente, para lo cual, el mejor modelo para la cuenca del río Pamplonita como resultado de esta evaluación fue CCSM4 para las dos variables precipitación y temperatura. En la Tabla 18 se presentan los resultados de las métricas donde se evidencia que los valores son satisfactorios debido a que en esta etapa el modelo global estaba en una resolución espacial (mundial), en cuanto a la resolución que se encuentran las estaciones (local). Además, se confirmar con las Figuras que el comportamiento de la precipitación y temperatura del modelo CCSM4 con respecto a las estaciones representa las condiciones del clima local. Tabla 18. Métricas del GCM
63
Fuente: autores
En la Figura 22 se puede observar la capacidad de simulación del modelo, donde el GCM CCSM4 está mostrando un comportamiento monomodal para la estación PNN Tamá, la cual también presentó este mismo comportamiento en la caracterización climática para la precipitación, por lo que el modelo está representando gráficamente bien el comportamiento de las estaciones. En el Figura 23 que representa la temperatura el modelo presenta un patrón muy cercano al comportamiento actual debido a que se puede evidenciar que los máximos de la temperatura actual coinciden con los máximos del GCM, pero en el GCM se puede ver el incremento tanto para la temperatura como para la precipitación. Figura 22. Comportamiento de GCM y la estación 16015090 de precipitación
Fuente: autores
Figura 23. Comportamiento de los GCM y la estación 16015090 de temperatura.
64
Fuente: autores
4.3.2 Reducción de escala o downscaling
Se puede evidenciar en la tabla 19, que el modelo predictivo basado en la sincronización de las estaciones locales y el GCM tienen una mayor cercanía, lo que indica que el modelo está siendo preciso al momento de efectuar el clima. Las métricas RMSE, MAE, MSE y R2, se usaron para determinar la precisión de la sincronización de los datos del GCM antes y después de la técnica reducción de escala con respecto a las estaciones locales que se encuentran en el anexo F. Para la variable precipitación muestra la métrica RMSE antes del downscaling (A) para los tres RCP que se tienen resultados entre 6.40 a 6.83 al realizar la tecnica de downscaling se obtienen valores entre 0.73 a 2.30, es decir, que se mejoro la capacidad del modelo predictivo ya que cuanto menor sea el valor de la raíz de error cuadrado medio, mejor sera el modelo predictivo. MAE para los tres RCP da valores estimados entre 3.11 a 3.68, despues de realizar la técnica de dowscaling se tienen valores entre 0.40 a 1.48 donde se evidencia que la magnitud promedio del error disminuyo. MSE tiene valores para los tres RCP antes del dawnscaling entre 40.90 a 44.35 estos valores son más grandes, debido a que esta métrica es una medida de dispersión del error de pronóstico, por ende el error se maximiza ya que se eleva al cuadrado, despues del downscaling da valores entre 0.53 a 5.29 por lo que se evidencia que se disminuye el error. R2 para los tres RCP da valores entre 0.01 a 0.10 antes del downscaling, lo que quiere decir que el modelo de regresion solo explica entre el 1% a 10% de la varibilidad total de las observaciones, despues del downscaling los valores son entre 0.37 a 0.84. al realizar la tecnica se realiza un ajuste de los datos entre 37% a 84%. Se evidencia que las cuatro métricas utilizadas, son susceptibles a ponderar el error de la escala más grande cuando se comparan los datos antes y después del downscaling, debido a que tienen diferentes escalas [48]. Para la variable temperatura en el anexo F, se observa que para los tres RCP en la métrica RMSE antes del downscaling se tiene valores entre 3.10 a 8.63 y después valores entre 1.45 a 3.31 indicando que se disminuye el error, MAE para los tres RCP antes del downscaling tiene valores entre 2.51 a 8.26 y después de 1.16 a 2.73 la precisión de la técnica es aceptable, MSE para los tres RCP tiene valores entre 9.62 a 74.40 antes del downscaling y después entre 2.28 a 11.61 a pesar que se disminuye el error de los valores después de la técnica, siguen siendo aceptables debido a que esta métrica eleva al
65
cuadrado los errores. R2 para los tres escenarios antes del downscaling da valores entre 0.18 a 1.53 y después de 0.32 a 0.61, lo que indica que al realizar el downscaling el ajuste de los datos esta entre un 32% a 61% de asociación entre ambas variables. Para esta variable no se evidenciaron cambios significativos despues del downscaling debido a que la variable tiene cambios de 0.05°C, los cuales son casi impercitibles como se puede evidenciar más adelante. La Tabla 19 muestra que el GCM original, es decir, sin reducción de escala tiende a aumentar en valores por encima de los 2000 mm por el contrario el GCM ajustado con la estación tiene valores 100 mm, es decir, que la técnica de reducción de escala permite minimizar los niveles de error que se dan al utilizar los modelos de GCM para el estudio. Se puede ver que el comportamiento de GCM ajustado con la estación es casi el mismo, es decir, se sincronizó muy bien las series del modelo con el GCM. Los datos de precipitación históricos y del modelo están en un periodo mensual multianual en el que la precipitación va en aumento, es decir, la tendencia es el incremento de precipitación, pero el régimen casi que se mantiene, además, los picos del modelo coinciden, por lo tanto, los máximos se van a mantener en el tiempo, como se puede ver en la Tabla 20, las gráficas de las demás estaciones se pueden observar en el anexo E. Tabla 19. Comparación histórica del GCM CCSM4 después del donwscaling con las estaciones.
Precipitación RCP2.6 Precipitación RCP 4.5 Precipitación RCP 8.5
Fuente: autores Tabla 20. Comparación mensual multianual de los datos históricos con los futuros.
Precipitación RCP 2.6 Precipitación RCP 4.5 Precipitación RCP 8.5
66
La Tabla 21, muestra el GCM ajustado, es decir, la sincronización del GCM con las estaciones locales donde el GCM ajustado tiende a aumentar la temperatura en diferentes picos, pero manteniendo la misma temperatura promedio, por lo que no se evidencian cambios significativos a través de cada uno de los RCP estudiados. Además, la temperatura está entre 27°C a 29°C tanto para el GCM ajustado como para la estación, posiblemente el hecho de que el GCM aproxima de diferentes maneras ciertos procesos como el de la nubosidad, es decir, la cobertura de nubes afecta en el incremento o disminución de la temperatura. En el anexo F se puede ver que las métricas para después del downscaling en esta variable el modelo es aceptable. [49] Tabla 21. Comparación histórica la sincronización de los dos sistemas después del downscaling con las estaciones de temperatura.
Temperatura RCP 2.6 Temperatura RCP 4.5 Temperatura RCP 8.5
Fuente: autores La Tabla 22, muestra que históricamente la temperatura tiende a aumentar hasta alcanzar la máxima para los tres RCP entre 28.5°C a 29°C, por el contrario, el GCM CCSM4 es de 28°C a 28.5°C, es decir, se sigue comprobando que no se van a tener cambios en la temperatura notables, es decir, la temperatura se va a mantener en el tiempo. Tabla 22. Comparación mensual multianual de los datos históricos con los futuros.
Temperatura RCP 2.6 Temperatura RCP 4.5 Temperatura RCP 8.5
67
Fuente: autores Se realizó el cálculo del incremento o disminución de la precipitación y la temperatura en porcentaje para cada estación en dos periodos, los cuales son a mediados del siglo (Half Of century HOC) y a final del siglo (End Of Century EOC). En la tabla 23 se observa que la precipitación promedio a HOC para los escenarios RCP 2.6, RCP 4.5 y RCP 8.5 según las proyecciones se incrementa en la primera mitad del siglo entre un 42.5% a 45.3%. Mientras que para la temperatura promedio se verá un incremento que va desde 0.5% a 0.7%; en cuanto a EOC para los escenarios RCP 2.6, RCP 4.5 y RCP 8.5 en la precipitación se ve un aumento en el primer RCP y en los demás una disminución con respecto a la precipitación promedio de 44.4% para el primer RCP, para el segundo de 40.2% y para el último de 39.1%; con respecto a la temperatura en promedio aumento de 0.4% a 0.8% donde este último valor se presenta en el escenario RCP 4.5. Para la variable de precipitación en general se ven incrementos, pero eso no significa que no vayan a existir periodos de estiaje, en cuanto a la temperatura presenta leves incrementas casi imperceptibles, como hemos podido evidenciar en las distintas graficas a pesar de que se tengan picos se mantiene la temperatura promedio. Tabla 23. Porcentajes de incremente o disminución de la precipitación y temperatura.
Variable
Estación
RCP 2.6 RCP 4.5 RCP 8.5
MOC (%)
EOC (%)
MOC (%)
EOC (%)
MOC (%)
EOC (%)
Pre
cip
ita
ció
n
16010010
61.3 58 48.2 57.1 73.9 78.1
16010020
48.3 47.5 51.4 56.8 53.2 59.1
16010040
29.6 38.8 39.4 33.9 49.2 50.5
16010060
44.1 52.7 47.8 47.4 41.8 34.3
16010100
27 36.4 18.6 15.6 37.8 21.9
16015010
69.1 63.4 62.5 58.8 64 48.3
1601502 34.2 34.2 48.9 45.1 34.4 32.3
68
0
16015030
33.8 29.3 24.1 20.1 31.1 28.9
16015090
41.1 42.3 32.9 32.5 43.4 29.1
16020110
38.6 49.2 25.3 26.8 25.1 29.6
16020180
42.3 39 63.4 54.1 60 38.4
16020340
41.9 48.1 34.7 30 30.1 27.4
16020370
48 39.9 40.4 37.9 47.1 35.6
16025010
73.2 50.9 69.7 60.2 45.6 46.5
16025040
42.9 35.9 30.7 26.9 43.4 26.5
Promedio 45.03 44.37 42.53 40.2 45.34 39.1
Te
mp
era
tura
16015010
-0.5 -0.5 0 -0.2 -0.3 -0.9
16015020
1.3 0.6 1.2 1.4 1.5 1.5
16015030
1.1 1 1.2 1.6 1 0.7
16015090
1 0.9 1.4 1.3 1.1 0.8
16025010
-0.5 -0.4 -0.5 -0.3 0 0.3
16025040
0.6 0.8 1 0.8 0.5 0.8
Promedio 0.5 0.4 0.7 0.8 0.6 0.5
Fuente: autores.
4.3.3 Disponibilidad hídrica futura
El agua es uno de los recursos que más incide sobre el desarrollo de una región, por eso, es de gran importancia estudiar su disponibilidad. Al realizar la disponibilidad hídrica presente y futura con la precipitación en cm, se pudo evidenciar que los caudales en los RCP aumentan con respecto a los datos históricos registrados, en general para los tres RPC, por lo que se realizó un análisis de precipitación para saber la relación que tiene esta variable con el aumento del caudal. La Figura 24 representa el comportamiento de la precipitación para el RCP 2.6 donde se puede observar que la serie histórica (1989 a 2014) en comparación
69
con cada uno de periodos del RCP 2.6 presenta un aumento de la precipitación, donde para los tres periodos de 2015 a 2040, 2041 a 2070 y 2071 a 2100 es un incremento significativo con respecto a la serie histórica de 1989 a 2014 que registra valores entre 8 cm a 24 cm, de 2015 a 2040 entre 9.0 cm a 33.0 cm, de 2041 a 2070 de 9 cm a 34.0 donde en este RCP para la mayoría de estaciones se presenta el aumento y, de 2071 a 2100 entre 8 a 33 cm, por lo que habrá un incremento de aproximadamente el 44.2% en promedio de la precipitación como se puede observar en la tabla 23. La precipitación es un aporte directo al caudal del río y, también llega al río por medio de la infiltración a través del suelo [50]. Figura 24. Comportamiento de la precipitación para el RCP 2.6
Fuente: autores
La Figura 25 muestra el comportamiento de la precipitación donde el histórico esta entre 7 cm a 24 cm, el periodo de 2015 a 2040 está entre 9 cm a 34 cm donde para la mayoría de las estaciones se ve un aumento mayor de la precipitación comparándolo con los otros periodos, de 2041 a 2070 está entre 9 cm a 33 cm y, de 2071 a 2100 está entre 10 cm a 33 cm. Aproximadamente para este RCP puede haber un aumento de 41.3% La estación que presenta los valores más altos es 16020370 tanto para la figura 24 y 26. Figura 25. Comportamiento de la precipitación para el RCP 4.5
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
Pre
cip
itac
ión
(cm
)
Estaciones
1989 a 2014
2015 a 2040
2041 a 2070
2071 a 2100
70
Fuente: autores
La Figura 26 presenta un comportamiento para el histórico de 10 cm a 24 cm, el periodo de 2015 a 2040 está entre 9 cm a 33 cm, de 2041 a 2070 este entre 9 cm a 33 cm es el periodo donde la mayoría de las estaciones presentan aumento y, de 2071 a 2100 entre 10 cm a 33 cm. La estación 16020370 sigue presentando los valores más altos de precipitación para los tres periodos. Figura 26. Comportamiento de la precipitación para el RCP 8.5
Fuente: autores
La Figura 27 muestra el comportamiento de la temperatura en el cual no se ven cambios significativos debido a que se mantiene casi igual para los tres periodos, ya que tiene un aumento de temperatura de 0.45%, la Figura 28 tiene un aumento de 0.75% y la Figura 29 de 0.55%, por lo que al compararla con la histórica parece similar.
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
Pre
cip
ita
ció
n (
cm)
Estaciones
1989 a 2014
2015 a 2040
2041 a 2070
2071 a 2100
0,0
5,0
10,0
15,0
20,0
25,0
30,0
35,0
40,0
Pre
cip
ita
ció
n (
cm)
Estaciones
2015 a 2040
2041 a 2070
2071 a 2100
1989 a 2014
71
Figura 27. Comportamiento de la temperatura para el RCP 2.6
Fuente: autores
Figura 28. Comportamiento de la temperatura para el RCP 4.5
Fuente: autores Figura 29. Comportamiento de la temperatura para el RCP 8.5
0,00
5,00
10,00
15,00
20,00
25,00
30,00
16015010 16015020 16015030 16015090 16025010 16025040
Tem
per
atu
ra (
°C)
Estaciones
1989-2014
2015 a 2040
2041 a 2070
2071 a 2100
0,00
5,00
10,00
15,00
20,00
25,00
30,00
16015010 16015020 16015030 16015090 16025010 16025040
Tem
per
atu
ra (
°C)
Estaciones
1989-2014
2015 a 2040
2041 a 2070
2071 a 2100
72
Fuente: autores
4.3.4 Proyección futura
Se realizó la calibración y validación del clima actual en una temporalidad diaria (1989 a 2014) usando Hydro-BID, donde se obtuvo una oferta actual promedio de 24.0 m3/s para la corriente del río Pamplonita. Luego, al realizar la reducción de escala se obtuvo las series de precipitación y temperatura de 2015 a 2100, las cuales se ingresaron a Hydro-BID para generar los caudales y así calcular la disponibilidad hídrica de cada uno de los RCP como se muestra en la Tabla 24. Tabla 24. Disponibilidad hídrica para cada RCP
Periodo actual Caudal actual (m3/s)
1989 a 2014 24.0
Periodo futuro RCP 2.6
(m3/s) RCP 4.5
(m3/s) RCP 8.5
(m3/s)
2015 a 2040 39.2 45.9 45.9
2041 a 2070 46.3 44.7 47.0
2071 a 2100 45.9 39.8 44.5
Fuente: autores La Figura 30 representa el periodo de 2015 a 2040, bajo el escenario RCP 2.6 los caudales simulados aumentaron con respecto a la oferta actual en un 63,3% y para el RCP 4.5 y 8.5 aumento un 91.25%. La Figura 31 muestra que para el periodo de 2041 a 2070 en el RCP 2.6 los caudales simulados aumentaron con respecto a la oferta actual en un 92,9% mientras que para los RCP 4.5 y 8.5 aumentaron en un 86,2% y 95,8%. La Figura 32 presenta para el periodo de 2071 a 2100 bajo el RCP 2.6 los caudales simulados aumentaron con respecto a la oferta actual en un 91,2% y para los RCP 4.5 y 8.5
0,00
5,00
10,00
15,00
20,00
25,00
30,00
16015010 16015020 16015030 16015090 16025010 16025040
Tem
per
atu
ra(°
C)
Estaciones
1989-2014
2015 a 2040
2041 a 2070
2071 a 2100
73
aumentaron en un 65,8% y 85,4% respectivamente. Además, el posible incremento de la precipitación que se observa para mediados del siglo como para finales del siglo (Tabla 23), puede estar relacionado con la intensidad y duración de la lluvia que puede ayudar a aumentar la frecuencia de caudales, teniendo en cuenta; que la cuenca tiene un alto índice de regulación hídrica lo que podría mantener dicho caudal en el tiempo como se evidencia. Se debe tener en cuenta, que la base de datos AHD que se maneja en Hydro-BID tiene como condiciones constantes el uso de la tierra, tipo de suelo y pendiente topográfica, donde estas dos primeras condiciones puede que no se cumplen en el tiempo para la realidad debido a que las actividades económicas de la cuenca pueden variar, generando una posible variabilidad en los caudales. Figura 30. Proyección de los caudales para el periodo 2015 a 2040
Fuente: autores Figura 31. Proyección de los caudales para el periodo 2071 a 2100
Fuente: autores
.
0,010,020,030,040,050,060,070,080,090,0
100,0
ene-
15
ago
-16
mar
-18
oct
-19
may
-21
dic
-22
jul-
24
feb
-26
sep
-27
abr-
29
no
v-3
0
jun
-32
ene-
34
ago
-35
mar
-37
oct
-38
may
-40
Ca
ud
al
(m3/s
)
Fecha
RCP 2.6
RCP 4.5
RCP 8.5
0,0
20,0
40,0
60,0
80,0
100,0
ene-
41
jun
-42
no
v-4
3
abr-
45
sep
-46
feb
-48
jul-
49
dic
-50
may
-52
oct
-53
mar
-55
ago
-56
ene-
58
jun
-59
no
v-6
0
abr-
62
sep
-63
feb
-65
jul-
66
dic
-67
may
-69
oct
-70
Cau
dal
(m
3/
s)
Fecha
RCP 2.6
RCP 4.5
RCP 8.5
74
Figura 32. Proyección de los caudales para el periodo 2041 a 2070.
Fuente: autores
4.4 ANÁLISIS DE VULNERABILIDAD
4.4.1 Índice de Retención y Regulación Hídrica
A partir de las series de tiempo de los RCP simulados en Hydro-BID, se obtuvieron los caudales con los que se halló el IRH para cada RCP en los diferentes periodos de tiempo, donde se obtuvo como resultado los siguientes valores que se muestran en la tabla 25. Tabla 25. IRH para cada RCP con los periodos.
2015 a 2040
Vp Vt IRH Q_Ambiental
(m3/s)
RCP 2.6 10849.78 12227.66 0.89 30.1
RCP 4.5 12745.35 14317.48 0.89 35.5
RCP 8.5 12768.06 14312.47 0.89 34.0
2041 a 2070
Vp Vt IRH Q_Ambiental
(m3/s)
RCP 2.6 14760.7 16668.6 0.93 35.6
RCP 4.5 14171.2 16094.0 0.92 33.0
RCP 8.5 15094.8 16919.1 0.92 36.3
2071 a 2100
Vp Vt IRH Q_Ambiental
(m3/s)
0,0
10,0
20,0
30,0
40,0
50,0
60,0
70,0
80,0
90,0
100,0
ene-
71
jul-
72
ene-
74
jul-
75
ene-
77
jul-
78
ene-
80
jul-
81
ene-
83
jul-
84
ene-
86
jul-
87
ene-
89
jul-
90
ene-
92
jul-
93
ene-
95
jul-
96
ene-
98
jul-
99
Cau
dal
(m
3/
s)
Fecha
RCP 2.6
RCP 4.5
RCP 8.5
75
RCP 2.6 14843.5 16527.3 0.93 36.5
RCP 4.5 12063.5 14343.4 0.88 25.3
RCP 8.5 14259.5 16013.6 0.91 35.0
Fuente: autores De acuerdo con los resultados obtenidos del IRH se puede observar que para cada RCP los valores se encuentran entre el rango de 0.84 a 0.89, por lo que se determinó que la cuenca del río pamplonita posee un porcentaje de regulación muy alto, donde posiblemente esto ayude a que el caudal se mantenga en el tiempo para cada RCP.
4.4.2 Índice de Uso de Agua IUA
La tabla 26. Muestra la demanda sectorial, donde la mayor demanda que se da en el uso del agua es por la actividad agrícola. Según la bibliografía consultada las principales actividades son el arroz de riego con 29%, plátano con 20%, palma con 9%, cacao con 8% y en un 34% café, caña, pastos, entre otros; estas actividades se concentran mayormente en los municipios de Villa del Rosario, Cúcuta, Bochalema y Pamplonita. En la tabla 26, se puede ver que no se presenta un crecimiento del consumo de agua en este sector en los diferentes periodos, esto se puede deber a que en este cálculo no se tuvo en cuenta la prolongación de fenómenos climatológicos, ni el crecimiento poblacional en este sector, auge de actividades económicas, entre otras [51]. El sector pecuario está representado según la fuente consultada por la cría de bovinos para engorde y producción de leche, donde el municipio que mayor ejerce demanda hídrica es Villa del Rosario debido a que existen muchas áreas rurales; la cría de equinos para la carga, los porcinos para cría y producción de carne esta actividad está principalmente en Cúcuta; los caprinos para la producción de leche y carne no se ve un aumento significativo, en la tabla 26 más bien se mantiene la demanda de agua [52]. El sector industrial, el municipio más representativo por esta actividad es Cúcuta y entre las industrias más destacadas están las relacionadas con la construcción, específicamente las que producen cemento, ladrillo, arcilla y cerámica; además, se explota carbón. Para este cálculo solo se tuvo información de tres municipios quienes son Cúcuta, los patios y pamplonita, donde, para ningún periodo se evidencia aun crecimiento. Cabe recordar que en general para el sector agrícola, pecuario e industrial se realizó la proyección con ayuda del PIB, debido a que este estudio va enfocado es, en como impactan los RCP [9]. El sector doméstico llega a situaciones críticas en el municipio de Cúcuta, ya que la demanda del acueducto debe ser complementada con la captación del río Zulia, también hay otros municipios que se han visto afectados como Los Patios, Villa del rosario donde se atienden a más de un millón de usuarios. Como se puede observar en la Tabla 26, la demanda doméstica va creciendo para el periodo de 2041 a 2070 en 33.3% con respecto al valor del periodo
76
anterior y para el 2070 a 2100 en 25%, en este sector se puede ver la variación quizás porque se tiene en cuenta la población y la cantidad de agua consumida por habitante [9]. Tabla 26. Proyección de las demandas por cada periodo desde 2015 a 2100.
2015-2040
Demanda
Domestico (m3/s)
Demanda Agrícola (m3/s)
Demanda Pecuario (m3/s)
Demanda Industrial
(m3/s)
0.21 2.11 0.15 0.05
Demanda total 2.52
2041-2070
Demanda
Domestico (m3/s)
Demanda Agrícola (m3/s)
Demanda Pecuario (m3/s)
Demanda Industrial
(m3/s)
0.28 2.11 0.15 0.05
Demanda total 2.59
2071-2100
Demanda
Domestico (m3/s)
Demanda Agrícola (m3/s)
Demanda Pecuario (m3/s)
Demanda Industrial
(m3/s)
0.35 2.11 0.15 0.05
Demanda total 2.66
Los resultados del IUA obtenidos para cada escenario de cambio climático se incluyen en la tabla 27. Tabla 27. IUA para cada RCP por periodo.
2015-2040
RCP2.6 RCP4.5 RCP8.5
Oh 9.14 10.40 10.90
Dh 2.52
IUA 27.57 24.23 23.11
2041-2070
RCP2.6 RCP4.5 RCP8.5
Oh 10.70 11.70 10.70
Dh 2.59
IUA 24.19 22.13 24.19
2071-2100
77
RCP2.6 RCP4.5 RCP8.5
Oh 9.50 14.60 9.40
Dh 2.59
IUA 27.98 18.20 28.27
Fuente: autores
Los resultados de la estimación del IUA para los RCP por periodo al clasificarlos en categorías con el apoyo del ENA 2014, da que el índice de uso de agua es alto para los tres RCP en el periodo de 2015 a 2040, para el periodo de 2041 a 2070 los tres RCP son alto, mientras que para el periodo de 2071 a 2100 los RCP 2.6 y 8.5 tiene un IUA alto debido a la cuenca se encuentra en un rango entre 20 a 50 para alta y el RCP 4.5 es moderado debido a que esta entre 10 a 20, lo cual indica que la disponibilidad de agua se puede convertir en un factor limitante del desarrollo, por lo que se debe implementar un mejor sistema de monitoreo y seguimiento del agua. Con base a la categoría en la que se encuentra el río Pamplonita, se confirma a través de otros estudios realizados en la cuenca como el del POMCA 2015 que la cuenca apenas puede cubrir la demanda hídrica para abastecimiento de grandes centros poblados durante casi todo el año, por lo que la categoría general del IUA para la cuenca del río Pamplonita es alto.
4.4.3 Índice de Vulnerabilidad por desabastecimiento hídrico (IVH).
Los resultados obtenidos para este índice se derivan de la relación entre los dos índices IRH y IUA. En términos generales se obtienen relaciones para el IVH de media vulnerabilidad para la oferta total en los tres escenarios de cambio climático, como se puede ver en la tabla 28. Tabla 28. IVH para cada RCP por período.
IVH 2015-2040
IRH IUA IVH
RCP 2.6 0.88 Muy alta 27.6 Alto Media
RCP 4.5 0.86 Muy alta 24.2 Alto Media
RCP 8.5 0.88 Muy alta 23.1 Alto Media
IVH 2041-2070
IRH IUA IVH
RCP 2.6 0.88 Muy alta 24.2 Alto Media
RCP 4.5 0.86 Muy alta 22.1 Alto Media
RCP 8.5 0.88 Muy alta 24.2 Alto Media
IVH 2071-2100
IRH IUA IVH
RCP 2.6 0.88 Muy alta 27.0 Alto Media
78
RCP 4.5 0.86 Muy alta 18.2
Moderado
Media
RCP 8.5 0.88 Muy alta 28.3 Alto Media
Fuente: autores De acuerdo con los valores obtenidos en la estimación del IVH se puede observar que la categoría de vulnerabilidad del sistema hídrico es media para los tres escenarios que se desarrollaron en la cuenca, los datos corroboraron la demanda del recurso hídrico y los diferentes problemas de abastecimiento que presenta la cuenca del río Pamplonita.
4.5 ESTIMACIÓN DE POSIBLES IMPACTOS FUTUROS Y MEDIDAS DE
MITIGACIÓN
La cuenca tiene una vulnerabilidad media, esto trae como impacto la disminución de la oferta hídrica disponible en los tres RCP estudiados, por lo que se plantean medidas de mitigación sustentadas en los resultados obtenidos: Hay una demanda exhaustiva del recurso por parte de los municipios presentes en la cuenca, por lo que se debe priorizar y establecer los usos del agua teniendo en cuenta la coordinación y gobernabilidad entre los actores y usuarios de los diferentes sectores para así restaurar y/o conservar los servicios ecosistémicos priorizando la atención a la disponibilidad hídrica. La distribución irregular del recurso hídrico junto con los RCP hace que se deban incrementar los estudios y tecnologías para el aprovechamiento del agua subterránea, pero priorizando la gestión y conservación integrada de la cuenca que permita lograr mantener la disponibilidad hídrica [53]. Realizar acuerdos transfronterizos por la corriente del río Tachira donde su nacimiento es en Venezuela y es un tributario importante para la cuenca del río pamplonita, por lo que se debe implementar herramientas que contribuyan a una evaluación integral de la cuenca, para así reducir posibles riesgos e incertidumbres no solo para el tema hídrico sino también económicos, sociales y ambientales, y así tener un desarrollo sostenible de la cuenca [54].
5. IMPACTO SOCIAL
El presente trabajo de grado, quiere generar información que contribuya a profundizar el conocimiento acerca de la vulnerabilidad climática que tiene la cuenca del río Pamplonita en el recurso hídrico superficial frente al cambio climático, para así diseñar e implementar medidas efectivas de mitigación, pues, Norte de Santander no cuenta con un plan integral de cambio climático y/o mitigación [55]. Por lo cual, este trabajo puede servir para tomar decisiones
79
sobre la infraestructura, zonificación, abastecimiento, entre otros temas, donde se puede mejorar la capacidad de respuesta ante fenómenos hidroclimatológicos. Los escenarios de cambio climático tienen información importante, para la formulación de instrumentos de gestión del cambio climático como programas, proyectos e inversiones; que, con la orientación de las autoridades locales y los sectores, se puede avanzar en aumentar el nivel de compresión y de planificación, para así reducir riesgos y aumentar la capacidad adaptativa [1]. El recurso hídrico superficial de la cuenca del río Pamplonita se encuentra medianamente vulnerable, por lo que este estudio genera conocimiento de su distribución, estado, y demandas que sufre. Por consiguiente, es un soporte para la planificación del territorio, donde se determine las potencialidades y restricciones que se tienen para el aprovechamiento eficiente y sostenible del recurso. La cuenca del río pamplonita se ha visto bastante afectada por los fenómenos hidroclimatológicos, que han dejado pérdidas económicas de 413 millones de dólares, dejado más 300 pérdidas humanas y más de 10.000 viviendas damnificadas; por lo cual este estudio puede servir para diseñar mecanismos de alerta a la población y con las medidas de mitigación reducir impactos a la economía, la sociedad y la infraestructura [56].
80
6. CONCLUSIONES
El CCSM4 usando los RCP 2.6, 4.5 y 8.5 evidenció un aumento en promedio de un 40% para la precipitación contribuyendo el aumento de los caudales, pero a pesar de ello la oferta hídrica disponible no alcanza a suplir la demanda, además al realizar las series de la temperatura se incrementó en promedio 0.5% sin embargo, al compararlo con las series históricas se mantiene el mismo rango en sus valores máximos de 30°C y mínimos de temperatura de 15°C. Las métricas de desempeño y las representaciones graficas demuestran una correlación aceptable del modelo ajustado después del downscaling con la estación, al realizar este trabajo se evidencia la importancia de implementar esta técnica para tener un nivel más alto de confiabilidad en los resultados e identificar posibles impactos de los RCP al sistema hídrico desde una escala espacial más aterrizada a los hechos. La modelación a través de la herramienta Hydro-BID permite identificar la situación actual que experimentan los usuarios del recurso hídrico en la cuenca, donde se confirma a través del periodo de tiempo de 1989 a 2014, una oferta no satisfecha equivalente a 24.0 m3/s por lo tanto, se deben abastecer también del rio Zulia pero se estima que la oferta incrementa en aproximadamente un 80% para el periodo de tiempo de 2015 a 2100 para cada RCP. A pesar de esto la disponibilidad del recurso no se puede garantizar y trae como consecuencia una cuenca con vulnerabilidad media debido a que no tiene una oferta hídrica disponible en los tres RCP para la demanda. Para la cuenca del rio Pamplonita, la implementación de medidas de mitigación a posibles impactos futuros es necesaria para reducir los efectos e impactos del cambio climático y de vulnerabilidad climática, ya que el enfoque de los diferentes RCP amplía la visión del tiempo y con ellos las medidas efectivas para garantizar la disponibilidad hídrica como priorizar y establecer los usos del agua teniendo en cuenta la coordinación y gobernabilidad entre los actores y usuarios de los diferentes sectores para así restaurar y/o conservar la disponibilidad hídrica. La cuenca del rio Pamplonita tiene un índice de retención hídrica muy alto, por lo tanto, posee una muy alta retención y regulación de humedad, debido, a que la cuenca mantiene gran parte de sus condiciones naturales influenciadas por la relación con los factores meteorológicos, su interacción con la cobertura superficial y procesos de agua en el suelo. Se concluye de lo anterior que la cuenca tiene la capacidad de mantener su oferta hídrica a través del tiempo. El IUA muestra la relación oferta demanda de la cuenca del rio pamplonita para los RCP 2.6, 4.5 y 8.5 del periodo 2015-2040, siendo alto, ya que la demanda supera la oferta, esto se puede ver en el crecimiento significativo de la población que se acentúa en los municipios aledaños y a las diferentes
81
captaciones por sector económico que se presentan en la zona. Para los periodos 2041 a 2070 y 2071 a 2100 mantienen la categoría de alto para el IUA, por lo que hasta finales del siglo puede haber una posible lucha por reducir la excesiva demanda al recurso. A partir del caso de estudio se pudo concluir que la herramienta Hydro-BID es importante para el desarrollo de estudios hidrológicos ya que proporcionó los resultados de balance hídrico, modelación de escenarios de cambio climático, caudales, entre otros resultados que permitieron determinar la afectación que tiene el recurso por clima en condiciones actuales y futuros. El análisis de vulnerabilidad hídrica muestra un aumento de los caudales para el periodo de 2015 a 2100, donde probablemente se presentes inundaciones debido a que el cauce principal de la cuenca pasa muy cerca a los centros poblados. Por lo tanto, en los planes de ordenamiento territorial futuros se deben identificar las zonas que presenten dicho riesgo para la localización de asentamientos humanos y estrategias para el manejo de las mismas. Hydro-BID es una herramienta que se encuentra en estado de actualizaciones por lo que para modelar las series diarias del proyecto aún no se encuentra en óptimas condiciones, esto se pudo evidenciar por medio de las métricas de desempeño, que la modelación no arroja valores óptimos para la cuenca, sin embargo, la herramienta demuestra que, para series mensuales, sus métricas de desempeño son satisfactorias.
7. RECOMENDACIONES
El estudio actual se desarrolló para Colombia, sin embargo, hay que tener en cuenta que la cuenca es binacional, por lo que se recomienda para futuros estudios hacer alianzas con entidades venezolanas encargadas donde se
82
pueda desarrollar un estudio integrado de la cuenca, que permita un desarrollo sostenible de la misma. Se recomienda realizar estudios para la infraestructura de plantas de tratamiento de aguas residuales con el fin de reducir la contaminación que se está presentando por vertimientos sin tratamiento previo. Se aconseja fortalecer las diferentes entidades ambientales, como también los instrumentos de planificación y ordenamiento territorial con el fin de gestionar eficazmente todos aquellos planes y proyectos encaminados al cambio climático. Se debe promover la participación ciudadana para la toma de decisiones que se lleven a cabo en la cuenca del rio pamplonita, debido a que la población no cuenta con la educación ambiental pertinente, lo que ocasiona desconocimiento de la importancia que posee la ronda hídrica. Se deben coordinar iniciativas para abordar la problemática del cambio climático en conjunto de actores, tanto públicos como privados para así fortalecer la gestión del cambio climático. La herramienta de modelación Hydro-BID al ingresar las series de caudal para la proyección de escenarios de cambio climático, el modelo no arrojaba resultados debido a que el periodo no compartía las mismas fechas, por lo que se recomienda tener el mismo periodo de tiempo para las series de caudal con respecto a las que se desea proyectar. Esto con el fin de evitar falencias en los resultados gráficos y cuantitativos. A partir de los resultados de retención y regulación hídrica de la cuenca del rio pamplonita, se recomienda seguir manteniendo y/o aumentando buenas prácticas ambientales que favorezcan la conservación de los diferentes ecosistemas que contribuyan a preservar este índice. Se recomienda usar este proyecto para apoyar la implementación del plan integral de cambio climático y/o mitigación que se llevará a cabo en Norte de Santander, con el ánimo de diseñar e implementar medidas efectivas de mitigación, y contribuir al manejo del recurso hídrico frente a escenarios de cambio climático. BIBLIOGRFÍA
[1] L. Murillo, M. Florián, G. Pabón, P. Pérez, M. Rojas y R. Suárez, «Política
83
Nacional de Cambio Climático,» Punto aparte , Bogota D.C, 2017 .
[2] IDEAM, PNUD, MADS, DNP, «Inventario nacional y departamental de Gases Efecto Invernadero Colombia Tercera Comunicación Nacional de Cambio Climático,» Punto a Parte , Bogotá D.C, 2016.
[3] G. C, B. X, G. R y R. Suárez, «El ABC de los compromisos de Colombia para la COP21,» WWF-Colombia , Colombia , 215.
[4] Banco Interamericano de Desarrollo , «Inter-American Development Bank,» Marzo 2015. [En línea]. Available: https://sector.iadb.org/es/adaptacion/pages/trayectorias-de-concentraci%C3%B3n-representativas-rcp. [Último acceso: 8 Enero 2018].
[5] Nasa Educational Technology Services , «¿Que es el cambio climatico?,» Oficial de la Nasa , p. 1, 2014.
[6] IDEAM; PNUD; MADS; DNP; CANCILLERÍA, «Tercera Comunicación Nacional De Colombia a La Convención Marco De Las Naciones Unidas Sobre Cambio Climático (CMNUCC).,» .Puntoaparte Bookvertising, Bogotá D.C., 2017.
[7] INSTITUTO DE HIDROLOGÍA, METEREOLOGÍA Y ESTUDIOS AMBIENTALES, «INSTITUTO DE HIDROLOGÍA, METEREOLOGÍA Y ESTUDIOS AMBIENTALES,» 24 Abril 2012. [En línea]. Available: http://www.ideam.gov.co/documents/24189/390483/11.+LEY+1523+DE+2012.pdf/4e93527d-3bb8-4b53-b678-fbde8107d340?version=1.2. [Último acceso: 15 Diciembre 2017].
[8] Corporación Autónoma Regional de la Frontera Nororiental , «Plan de ordenamiento y manejo cuenca río Pamplonita, marco conceptual y metodológico,» CORPONOR, Cúcuta, 2011.
[9] Nororiental, Corporación Autónoma Regional de la Frontera, «Plan de ordenamiento y manejo cuenca río Pamplonita, catacterización y diagnóstico,» CORPONOR, Cúcuta, 2015.
[10] CORPONOR , «Corporación Autónoma Regional de la Fronterna Nororiental,» 15 Noviembre 2017. [En línea]. Available: http://corponor.gov.co/es/index.php/es/frontpage2/2488-9-kilometros-del-rio-pamplonita-seran-intervenidos-para-la-mitigacion-de-riesgos. [Último acceso: 23 Enero 2019].
[11] CORPONOR , «PLANEAR: Plan estratégico ambiental regional 2016-2035,» CORPONOR, Colombia , 2016.
[12] C. Field, V. Barros, D. Dokken, K. Mach, M. Mastrandrea, T. Bilir, M. Chatterjee, K. Ebi, Y. Estrada, R. Genova, B. Girma, E. Kissel y A. Levy, «Climate change 2014: impacts, adaptation and vulnerability, Glossary,» IPCC, New York , 2018.
[13] IPCC, «Intergovernmental Panel on Climate Change,» [En línea]. Available: https://www.ipcc-data.org/guidelines/pages/gcm_guide.html. [Último acceso: 6 Julio 2017].
[14] F. DUARTE, «Técnica de reduccion de escala estadística basada en la teoría del caos: aplicación y desempeño en la cuenca del río Bogotá,»
84
Escuela Colombiana de Ingeniería , Bogotá , 2017.
[15] C. E. S. Model, «CESM Home,» 2016 . [En línea]. Available: http://www.cesm.ucar.edu/models/ccsm4.0/notable_improvements.html.
[16] T. M. P. I. f. Meteorology, «The Max Planck Institute for Meteorology,» 2016. [En línea]. Available: https://www.mpimet.mpg.de/en/science/models/mpi-esm/.
[17] Environment and Climate Change Canada, «Government of Canada,» 09 06 2017. [En línea]. Available: http://ec.gc.ca/ccmac-cccma/default.asp?lang=En&n=4596B3A2-1. [Último acceso: 5 12 2017].
[18] IDEAM, PNUD, MADS, DNP, CANCILLERÍA, «Nuevos Escenarios de Cambio Climático para Colombia 2011-2100 Herramientas Científicas para la Toma de Decisiones – Enfoque Nacional – Departamental: Tercera Comunicación Nacional de Cambio Climático.,» UNATINTAMEDIOS, Bogotá D.C , 2015.
[19] R.K. Pachauri y L.A. Meyer , « Cambio climático 2014: Informe de síntesis. Contribución de los Grupos de trabajo I, II y III al Quinto Informe de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático,» IPCC, Ginebra, Suiza , 2014.
[20] B. Oviedo y G. León, «Guía de procedimiento para la generación de escenarios de cambio climático regional y local a partir de los modelos globales,» IDEAM, Bogotá D.C, 2010.
[21] «National Center for atmospheric,» 16 Agosto 2013. [En línea]. Available: https://www.earthsystemcog.org/projects/downscaling-2013/. [Último acceso: 20 Enero 2018].
[22] Fundación para la investigación del clima, «Fundación para la investigación del clima,» 2014. [En línea]. Available: https://www.ficlima.org/metodologia_downscaling_estadistica_FICLIMA.pdf. [Último acceso: 15 Enero 2018].
[23] M.F.Ayala, «Análisis de la dinámica caótica para las series temporales de variables metereológicas en la estación climatológica de Chone,» Ecuador , 2017.
[24] D. Luengo, «Estimación óptima de secuencias caóticas con aplicación en comunicaciones,» España, 2006.
[25] R. WYLBY y C. W. DAWSON, «The Statistical DownScaling Model: insights from one decade of application,» INTERNATIONAL JOURNAL OF CLIMATOLOGY, nº 33, pp. 1707-1719, 2012.
[26] G. A. C. P. R. S. G. O. E. H. M. F. S. Duarte Prieto, «Chaotic Statistical Downscaling (CSD): Application and Comparison in the Bogotá River Basin,» Bogotá , 2018.
[27] A. Rodríguez Roa, «Evaluación de los modelos globales del clima utilizados para la generación de escenarios de cambio climático con el clima presente en Colombia,» IDEAM, Bogotá D.C, 2010.
[28] P. Negrón, «Redes neuronales sigmoidal con algoritmo LM para pronóstico de tendencia del precio de las acciones del IPSA,» Pontificia Universidad Católica de Valparaíso, Chile, 2014.
85
[29] C. M. V. d. Rey, «Coeficiente de Correlacion lineal de Pearson,» España.
[30] L. C, «Metodología en salud pública: correlación y regresión lineal,» Instituto Aragones de Ciencias de la Salud , Aragon , 2014.
[31] N. Lacourly, Estadística multivariada, Chile : ebooks Patagonia, 2010.
[32] F. Moreda, R. Muñoz y F. Miralles, «Hydro-BID: Un Sistema Integrado para la Simulación de Impactos del Cambio Climático sobre los Recursos Hídricos,» BID , 2015.
[33] F.-W. R. C. F. Moreda, «Hydro-BID: un sistema integrado para la simulación deimpactos del cambio climático sobre los recursos hídricos parte 2,» 2014.
[34] HYDRO-BID, «Hydro-BID,» 2015. [En línea]. Available: http://sp.hydrobidlac.org/sobre-hydrobid. [Último acceso: 12 Diciembre 2017].
[35] IDEAM, «Indicadores y Variables Ambientales Nacionales,» Bogotá , 2014.
[36] Instituto de Hidrología, Metereología y Estudios Ambientales, «Estudio Nacional del Agua 2014,» IDEAM, Bogota D.C, 2014.
[37] IDEAM 2019 , «Estudio Nacional del Agua 2018,» Ideam , Bogotá , 2019.
[38] IDEAM (2019). Estudio Nacional del Agua 2018. Bogotá: Ideam: 452 pp. , «Estudio Nacional del Agua,» Bogota, 2018.
[39] Gobierno de Canarias , «Cualificación y homogenización de las series climáticas mensuales de precipitación de Canarias; Memoria Metodológica.,» Canarias, 2011.
[40] O. Ocampo, «Análisis de Vulnerabilidad de la cuenca del río Chinchiná para condiciones estacionarias y de cambio climático,» UNAL, Manizales , 2012.
[41] IIASA, «Harmonized World Soil Database,» HWSD, 2012. [En línea]. Available: http://www.iiasa.ac.at/Research/LUC/External-World-soil-database/HTML. [Último acceso: 14 Marzo 2018].
[42] G.A.Prieto, «Universidad de los Andes,» [En línea]. Available: http://wwwprof.uniandes.edu.co/~gprieto/classes/compufis/interpolacion.pdf. [Último acceso: 20 Julio 2018].
[43] J. R. Murcia, «Cambio climático en temperatura, precipitación y humedad relativa para Colombia usando modelos meteorológicos de alta resolución (panorama 2011-2100),» IDEAM, Bogotá, 2010.
[44] A. O. R. Roa, «Evaluación de las simulaciones de precipitación y temperatura de los modelos climáticos globales del proyecto CMIP5 con el clima presente en Colombia.,» IDEAM, Bogotá, 2012.
[45] M. GARCIA, A. PIÑEROS, F. BERNAL y S. ARDILA, «Variabilidad Climática Cambio Climático y el Recurso Hídrico en Colombia,» Revista de Ingeniería, pp. 60-64, 2012.
[46] Ministerio de Vivienda, Ciudad y Territorio , «Resolución 0330 de 2017 Reglamento técnico para el sector de agua potable y saneamiento basico RAS,» Minambiente, Bogotá, 2017.
86
[47] Departamento Administrativo Nacional de Estadística , «Producto interno bruto trimestral a precios constantes de 2005 por ramas de actividad economica,» DANE, Bogotá , 2018.
[48] C. J.R, S. A.J y C. Ramos, «Recomendaciones para seleccionar índices para la validación de modelos,» Tecnológicas , vol. Edición Especial , pp. 109-122, 2013.
[49] A. Alonso, «Evaluación de modelos climáticos: el comportamiento de la variable nubosidad,» Universitat Girona, España, 2016.
[50] E. Ruiz y M. Martínez, «Open Course Ware,» [En línea]. Available: https://ocw.ehu.eus/pluginfile.php/4576/mod_resource/content/1/Material_Docente/Tema_5.pdf. [Último acceso: 20 Septimbre 2019].
[51] IDEAM , «Reporte de avance del Estudio Nacional del Agua ENA 2018,» IDEAM , Bogotá D.C, 2018.
[52] Corporación autónoma regional de la Frontera Nororiental , Plan de acción 2016 a 2019, Cúcuta, 2017.
[53] Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), Global Water Partnership (GWP), «Tecnologías para el uso sostenible del agua: una contribución a la seguridad alimentaria y la adaptación al cambio climático,» FAO, Honduras, 2013.
[54] GWP, INBO, the handbook for integrated water resources management in transboundary basins of rivers lakes and aquifers, GWP , 2012.
[55] IDEAM, PNUD, MADS, DNP, CANCILLERÍA, FMAM., «Acciones de Mitigación en Colombia. Tercera Comunicación Nacional de Cambio Climático.,» IDEAM , Bogotá D.C , 2017.
[56] Banco Mundial , «Análisis de la gestión del riesgo de desastres en Colombia : un aporte para la construcción de políticas públicas,» Banco mundial , Bogotá D.C, 2012.
[57] Corporación Autónoma Regional de la Frontera Nororiental, «Plan de ordenación y manejo de la cuenca hidrográfica del Rio Pamplonita – Resumen ejecutivo,» CORPONOR, Cúcuta, 2010.
[58] Global Water Partnership , «Briefing note ecosystem services and water segurity,» 2018 .
[59] ANDI , «The caribbean environment programme,» [En línea]. Available: http://cep.unep.org/repcar/capacitacion-y-concienciacion/andi/publicaciones-andi/Guia%20ambiental%20plaguicidas.pdf. [Último acceso: 15 Enero 2019].
[60] L. M. M. Contreras, «Base teórica para la reducción del impacto ambiental ocasionado por obras realizadas para la protección del cauce del río Pamplonita en el sector de Chiveras,» Universidad Militar Nueva granada , Bogotá, 2014.
[61] H. d. l. Vera, «El cambio lingüístico y la teoría del caos. Una propuesta sobre la predictibilidad de los neologismos denotativos,» Universidad Complutense, Madrid, 2018.
[62]
87
Anexos
Anexo A. Análisis estadísticos de las estaciones climáticas.
ESTADÍSTICA DE CARACTERIZACIÓN CLIMÁTICA
88
ID Cantidad de Datos
% Datos faltantes
Long DFC Media (mm)
Máximo (mm)
Desviación (mm)
Coeficiente de
Varianza
Precipitación
16010340 382 3.5 7 1207 3006 532.06 0.4405
16035010 390 4.4 7 1192 3006 548.5 0.4599
16015010 859 0.58 4 728.8 1555 346.23 0.4750
16015030 508 3.79 4 1457 2579 402.10 0.2759
16015020 534 1.11 4 909.4 1592 241.45 0.2655
16015090 277 14.50 10 1405 2562 525.10 0.3735
16025010 585 0.51 3 957.8 1836 302.20 0.3155
16025040 577 1.87 3 2241 3593 578.80 0.2582
Temperatura
16015010 859 0.578 4 27.6 29.6 0.8090 0.029
16015020 516 0.193 1 15.1 16.0 0.5264 0.034
16015030 534 1.111 3 17.0 18.1 0.4226 0.024
16015090 296 8.641 9 13.9 14.7 0.4212 0.030
16025010 584 0.680 3 27.4 29.1 0.8246 0.030
16025030 531 1.666 6 22.8 24.4 0.6263 0.027
16015040 585 0.510 3 27.6 28.8 0.5804 0.021
Humedad Relativa
16015010 828 4.166 9 68.40 76.50 4.066 0.059
16015020 504 4.545 6 76.37 80.58 2.215 0.029
16015030 374 16.517 12 89.08 95.83 3.648 0.040
15015090 255 18.269 12 88.81 94.33 3.066 0.034
16025010 460 4.166 7 68.83 80.67 5.170 0.075
16025040 437 15.310 8 80.06 86.25 2.783 0.034
Brillo Solar
16015010 440 6.183 6 184.35 200.92 9.764 0.052
16025040 497 11.879 8 155.1 186.4 13.893 0.076
16015020 466 9.689 10 124.21 145.02 9.499 0.099
16025010 437 6.623 4 141.2 173.0 14.020 0.089
Fuente: autores Anexo B. Histogramas de brillo solar, humedad relativa, precipitación y temperatura.
• BRILLO SOLAR
89
• HUMEDAD RELATIVA
0
50
100
150
200
250B
rillo S
ola
r (h
rs)
Meses
Estación Cinera-Villa Olga
0
50
100
150
200
250
Bri
llo S
ola
r (h
rs)
Meses
Estación APTO Camilo Daza
020406080
100120140160180
Bri
llo S
ola
r (h
rs)
Meses
Estación Iser Pamplona
0
50
100
150
200
Bri
llo S
ola
r (h
rs)
Meses
Estación Carmen Tonchala
0,010,020,030,040,050,060,070,080,0
Hum
edad R
ela
tiva (%
)
Meses
Estación APTO Camilo Daza
66,068,070,072,074,076,078,080,082,0
Hum
edad R
ela
tiva (%
)
Meses
Estación Iser Pamplona
90
• PRECIPITACIÓN
85,0
86,0
87,0
88,0
89,0
90,0
91,0
92,0H
um
edad R
ela
tiva (%
)
Meses
Estación Esperanza LA
87,0
87,5
88,0
88,5
89,0
89,5
90,0
Hum
edad R
ela
tiva (%
)
Meses
Estación Tama Parque NAL
0,010,020,030,040,050,060,070,080,090,0
Hum
edad R
ela
tiva (%
)
Meses
Estación Carmen Tonchala
70,072,074,076,078,080,082,084,086,0
Hum
edad R
ela
tivo (%
)
Meses
Estación Cinera-Villa Olga
0
50
100
150
200
Pre
cip
itació
n (m
m)
Meses
Estación Tasajero
0
50
100
150
200
Pre
cip
itació
n (m
m)
Meses
Estación Tibú
91
0
50
100
150
200P
recip
itació
n (m
m)
Meses
Estación APTO Camilo Daza
0
50
100
150
200
Pre
cip
itació
n (m
m)
Meses
Estación Iser Pamplona
0
50
100
150
200
Pre
cip
itacio
n (m
m)
Meses
Estación Esperanza LA
0
50
100
150
200
250
Pre
cip
itacio
n (m
m)
Meses
Estación Tama Parque NAL
0
50
100
150
200
Pre
cip
itació
n (m
m)
Meses
Estación Tonchala
050
100150200250300350
Pre
cip
itació
n (m
m)
Meses
Estación Cinera-Villa Olga
92
• TEMPERATURA
131314141515161617
Tem
pera
tura
(°C
)
Meses
Estación Iser Pamplona
15
16
16
17
17
18
18
Tem
pera
tura
(°C
)
Meses
Estación Esperanza LA
13131313131414141414
Tem
pera
tura
(°C
)
Meses
Estación Tama Parque NAL
24
25
26
27
28
29
30
Tem
pera
tura
(°C
)
Meses
Estación Carmen Tonchala
93
Fuente: autores
20,5
21
21,5
22
22,5
23
23,5
24T
em
pera
tura
(°C
)
Meses
Estación Salazar
2525,5
2626,5
2727,5
2828,5
29
Tem
pera
tura
(°C
)
Meses
Estación Cinera-Villa Olga
25262627272828292930
Tem
pera
tura
(°C
)
Meses
Estación APTO Camilo Daza
94
Anexo C. Análisis estadístico de temperatura y caudal.
Estadísticas de Variable Temperatura
ID Cantidad de Datos
%Datos faltantes
Long DFC
Media Máximo Desviación
Coeficiente varianza
16015010 9377 0,3083 2 27,32 32.7 1.804 0.066
16015020 9131 2,9236 30 15,3 19.5 1.201 0.078
16015030 8921 5,1562 70 17,02 21 1.022 0.060
16015090 6957 26,0365
1202 13,75 18.1 0.962 0.070
16025010 9089 3,3701 28 27,46 33.6 2.017 0.073
16025040 7478 20,4975
152 27,9 33.3 1.513 0.054
Promedio 8492,2
9,7 247,3
21,5 21,0 1511,4
Fuente: autores
Estadísticas de Variable Caudal
ID Cantidad de Datos
%Datos faltantes
Long DFC
Media
Máximo
Desviación
Coeficiente varianza
16017010 9020 4,1037 98 24,03 588.3 28.03 1.166
16017020 9319 0,9249 58 7,17 128.4 7.24 1.009
16027100 9070 3,5721 54 16,67 197.8 12.54 0.752
Promedio 9136 3 70 16 1088
95
Fuente: autores
Anexo D. Curvas de doble masa
Estación 16010010
Estación 16010020
Estación 16010100
Estación 16015010
Estación 16010040
Estación 16010060
y = 869,42x - 2E+06R² = 0,9932
0
5000
10000
15000
20000
25000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo (Años)
pp acum
Lineal
(pp
acum)
y = 2290,6x - 5E+06R² = 0,9945
010000200003000040000500006000070000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 2594,8x - 5E+06R² = 0,9984
010000200003000040000500006000070000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 1049,4x - 2E+06R² = 0,9971
0
5000
10000
15000
20000
25000
30000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo (Años)
pp acum
Lineal (ppacum)
y = 932,46x - 2E+06R² = 0,9931
0
5000
10000
15000
20000
25000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 2019,6x - 4E+06R² = 0,9963
0
10000
20000
30000
40000
50000
60000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
96
Estación 16015030
Estación 16015020
Estación 16015090
Estación 16020110
Estación 16020180
Estación 16020340
y = 1553,8x - 3E+06R² = 0,9965
0
10000
20000
30000
40000
50000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
ppacum
Lineal(ppacum)
y = 919,13x - 2E+06R² = 0,9954
0
5000
10000
15000
20000
25000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 1202,9x - 2E+06R² = 0,9748
0
10000
20000
30000
40000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
ppacum
Lineal(ppacum)
y = 1171,6x - 2E+06R² = 0,9985
0
10000
20000
30000
40000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 2104,4x - 4E+06R² = 0,9919
0100002000030000400005000060000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
97
Estación 16020370
Estación 16025010
Estación 16025040
y = 1158,3x - 2E+06R² = 0,9699
0
5000
10000
15000
20000
25000
30000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (pp acum)
y = 3044,1x - 3644,9R² = 0,9971
0
10000
20000
30000
40000
50000
60000
70000
80000
PT
acu
m (
cm)
Tiempo Años
pp acumLineal…
y = 1009,1x - 2E+06R² = 0,9895
0
5000
10000
15000
20000
25000
30000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
pp acum
Lineal (ppacum)
y = 2171x - 4E+06R² = 0,9896
0
10000
20000
30000
40000
50000
60000
1.989 1.996 2.003 2.010
PT
acu
m (
cm)
Tiempo Años
ppacum
Lineal(ppacum)
98
Fuente: autores Anexo E. Comparación mensual multianual de los datos históricos con los futuros por escenario de cambio climático de precipitación y temperatura. PRECIPITACION RCP 2.6
Estación 16010010 Estación 16010020
Estación 16010040 Estación 14010060
Estación 16010100 Estación 16015010
Estación 16015020 Estación 16015030
99
Estación 16015090 Estación 16020110
Estación 16020180 Estación 16020340
Estación 16020370 Estación 16025010
Estación 16025040
100
101
PRECIPITACION RCP 4.5
Estación 16010010 Estación 16010020
Estación 16010040 Estación 14010060
Estación 16010100 Estación 16015010
Estación 16015020 Estación 16015030
102
103
Estación 16015090 Estación 16020110
Estación 16020180 Estación 16020340
Estación 16020370 Estación 16025010
Estación 16025040
104
PRECIPITACION RCP 8.5
Estación 16010010 Estación 16010020
Estación 16010040 Estación 14010060
Estación 16010100 Estación 16015010
Estación 16015020 Estación 16015030
105
Estación 16015090 Estación 16020110
Estación 16020180 Estación 16020340
Estación 16020370 Estación 16025010
Estación 16025040
106
TEMPERATURA RCP 2.6
Fuente: autores
Estación 16015010 Estación 16015020
Estación 16015030 Estación 16015090
Estación 16025010 Estación 16025040
107
TEMPERATURA RCP 4.5
Estación 16015010 Estación 16015020
Estación 16015030 Estación 16015090
Estación 16025010 Estación 16025040
108
109
TEMPERATURA RCP 8.5
Fuente: autores
Estación 16015010 Estación 16015020
Estación 16015030 Estación 16015090
Estación 16025010 Estación 16025040
110
Anexo F. Métricas antes y después del downscaling de precipitación y temperatura.
Fuente: autores
Fuente: autores