NATALIA URIBE RIVERA - Centro Internacional de Agricultura Tropical CIAT Ponencia realizada durante el seminario internacional “Manejo de Cuencas Hidrográficas y Cambio Climático”, desarrollado en Neiva-Huila, Colombia, desde el 4 al 6 de Diciembre de 2012 http://www.fao.org/alc/u/mg

1. Identificación de los servicios
ambientales hidrológicos
empleando el modelo SWAT
La entrada para el diseño de esquemas de PSA
en los Andes
Marcela Quintero, Natalia Uribe
International Center for Tropical Agriculture (CIAT)

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

3. Cuales servicios son relevantes en
los Andes?
• Rendimiento total
• Mejora/mantenimiento
del régimen hidrológico
(caudales de base y
caudales máximos)
• Retención de sedimentos

4. Principales necesidades de investigación
• La identificación de áreas prioritarias para la
provisión de servicios ambientales hidrológicos
• Impacto de los cambios de uso del suelo y las
prácticas de gestión promovidos por esquemas
de Pago por Servicios Ambientales
• Beneficios económicos y los costos de
mejorar/mantener los servicios ambientales
hidrológicos
• Impacto del cambio climático en los servicios
ambientales hidrológicos

5. Lugares de estudio
PAIS CUENCA ÁREA (Km2)
Ecuador Quijos 2426.8
Peru Cañete 5794.0
Piedras Blancas 27.8
La Fe 77.1
Guabas 192.5
Desbaratado 192.5
Tunjuelo 360.5
Colombia Fraile 363.2
Tulua 768.2
Fuquene 783.8
Riogrande II 1034.3
Guavio 1476.2
Magdalena 259232.0
Valles 3859.3
Mexico Axtla 890.4
Necaxa 877.5

6. Modelación hidrológica: una opción para
anticipar impactos
A donde deben ser dirigidos los pagos?
Permite determinar línea base sobre el balance
hídrico
Identificacion de las areas que prestan el servicio
empleando modelos hirologicos
Cuantos pagos se deberian emplear?
Evaluacion ex-ante de las probables alternativas
eco-eficientes de uso del suelo; medidas de
conservacion de los ecosistemas y los proyectos
de desarrollo social.
Cuál es el impacto del cambio climatico?
Estimación de los impactos de cambios climáticos
sobre el balance hídrico
:

7. Modelo Hidrológico - SWAT
SWAT (Soil and Water Assessment Tool) es una herramienta que permite
modelar el impacto del manejo del suelo en la generación de sedimentos y la
regulación del agua, en cuencas hidrográficas.
Posee una interface bajo ArcGIS 9.2 – 9.3, la cual hace mas sencillo su manejo.
Río Grande II - EPM

8. Unidades de Respuesta Hidrológica
Zonas que hay que proteger
Subcuenca porque abastecen servicios
hidrológicas
Uso de la Tierra
Pendiente Zonas que hay que recuperar
para que se mejoren los
servicios hidrológicos
Suelos
Con cuanto contribuye cada
Unidades de Respuesta
zona al volumen total del
Hidrológica
caudal aguas abajo?

9. Estudio de caso peruano, cuenca del río Cañete - Situación actual
Extensión: 5794 km2
Precipitacióndel suelo
Agua usos (mm)
Uso delyagua (m3/s)
(4000-5800)
Cuenca Alta
(4000-5800)
Cuenca Alta
(4000-5800)
Cuenca Alta
736-1169
Pastoreo extensivo 0
(principalmente de manantiales)
Agricultura de subsistencia
Cuenca Media
231-266
(350 – 4000)
Empresa Hidroelectrica
Cuenca Media
Cuenca Media
(350 – 4000)
(350 – 4000)
Prodcutores de camarones
250, 64
0-17
Cuenca Baja
Habitantes urbanos
(0-350) Baja
Cuenca Baja
Cuenca
Uso ineficiente del agua para la agricultura
(0-350)
(0-350)
comercial
Turistas (rafting)

10. Situación deseada
Inversión en
(4000-5800)
Cuenca Alta
alternativas de uso
de la tierra (altos
rendimientos de
agua y rendimiento
económico)
Cuenca Media
(350 – 4000)
Conservación de Transferir
ecosistemas una parte
de sus
Las asimetrias beneficios
socioeconomicas de
la cuenca pueda ser
Cuenca Baja
(0-350)
balanceadas por
estos mecanismos
para compartir
beneficios

11. Los datos hidrológicos y meteorológicos

12. Resultados de la modelación hidrológica
Cuadal Mensual- CAÑETE (1993 - 2009)
350
300
Simulated Observed
250
Caudal (m3/s)
200
150
100
50
0
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
Cuenca Cañete (5794 km2)
Estadisticos Caudal mensual Caudal mensual
simulado (m3/s) observado (m3/s)
Q obs 44.1 55.9
NS 0.65
r 0.83
= Promedio del caudal
Q obs
NS = Coeficiente de Nash-Sutcliffe
R = Coeficiente de Correlacion

13. Cuadal Mensual - Calibración (1993-2000) Caudal Mensual - validacion (2001-2009)
350 200
300 Simulado Observado
Simulado Observado
250 150
Caudal (m3/s)
Caudal (m3/s)
200
100
150
100
50
50
0 0
1995
1996
1997
2000
1993
1994
1998
1999
2001
2005
2006
2007
2008
2002
2003
2004
2009
Caudal Diario - Calibración (1993-2000) Caudal Diario - Validacion (2001-2009)
600 500
Simualdo Observados
500 Simulado Observados
400
400
Caudal (m3/s)
300
Caudal (m3/s)
300
200 200
100 100
0
0
Daily Flow Monthly Flow
Statistics
Calibrated Simulated Calibrated Simulated
NS 0.39 0.15 0.59 0.73
r 0.66 0.64 0.78 0.88

14. Calibración: Parametros ajustados
VALOR OBTENIDO
NOMBRE VARIABLE VALOR
PARAMETRO RANGO CALIBRACION
EN SWAT DEFULT
MANUAL
Baseflow alpha factor [days] ALPHA_BF.gw 0-1 0.048 0.01
Groundwater delay [days] GW_DELAY.gw 0 - 500 31 25
Groundwater "revap" coefficient GW_REVAP.gw 0.02 - 0.2 0.02 0.02
Threshold water depth in the shallow aquifer for flow [mm] GWQMN.gw 0 - 5000 0 1
Threshold water depth in the shallow aquifer for "revap" REVAPMN.gw 0 - 500 1 50
Soil evaporation compensation factor ESCO.hru 0.01 - 1 0.95 1
Plant uptake compensation factor EPCO.hru 0.01 - 1 1 1
Maximum canopy storage [mm] CANMX.hru 0 - 100 0 0
Average slope steepness [m/m] SLOPE.hru 0 - 0.6 Varia por HRU Varia por HRU
Average slope length [m] SLSUBBSN.hru 10 – 150 Varia por HRU Varia por HRU
Snow pack temperature lag factor TIMP.bsn 0.01 - 1 1 0.5
Melt factor for snow on June 21 [mm H2O/ºC-day] SMFMX.bsn 0 - 10 4.5 3.5
Melt factor for snow on December 21 [mm H2O/ºC-day] SMFMN.bsn 0 - 10 4.5 1
Snowfall temperature [ºC] SFTMP.bsn ±5 1 1
Snow melt base temperature [ºC] SMTMP.bsn ±5 0.5 2
Surface runoff lag time [days] SURLAG.bsn 1 - 24 4 8
Available water capacity [mm H20/mm soil] SOL_AWC.sol 0-1 Varia por suelo Varia por Suelo
Saturated hydraulic conductivity [mm/hr] SOL_K.sol 0 - 2000 Varia por suelo Varia por Suelo
Moist soil albedo SOL_ALB.sol 0 - 0.25 Varia por suelo Varia por Suelo
Channel effective hydraulic conductivity [mm/hr] CH_K2.rte 0 - 150 0 0
Manning's nvalue for main channel CH_N2.rte 0 - 0.3 Varia por HRU Varia por HRU
Initial SCS CN II value CN2.mgt 20 - 90 Varia por HRU Varia por HRU
Temperature lapse rate [°C/km] TLAPS.sub -5 - 50 0 -6.5

15. Caudal Mensual Subcuenca1 Vs Est. Aguas Calientes (1993-1997)
50
Simulado Observado
40
Caudal (m3/s)
30
20
10
0
1993
1994
1996
1997
1995
Caudal mensual Subcuenca 6 Vs Est. Tinco (1993-1997)
Caudal mensual Subcuenca 13 Vs Est. Chavín (1993-1997)
50
250
Simulado Observado
40 Simulado Observado
200
Caudal (m3/s)
Caudal (m3/s)
30 150
20 100
10 50
0 0
1993
1994
1995
1996
1997
1996
1997
1993
1994
1995
Caudal Mensual (1993-1997)
Stadistica
Aguas
Tinco Chavín Regantes
Calientes
NS 0.01 0.80 0.66 0.62
r 0.97 0.95 0.93 0.81

16. Priorización de las URH
(Unidades de Respuesta Hidrologica)

17. Agricultura:
Relación entre la productividad y el riego
10.00
9.00
Productividad (ton/ha)
8.00
7.00
CORA (Jul-Ago)-Ene
CORB (Jun-Jul)-Dic
CORC May-Nov
6.00
CORD Abr-Oct
CORE Mar-Set
5.00 CORF (Feb-Mar)-Ago
CORL Oct-Feb
4.00
3.00
0 50 100 150 200 250 300
Variación del riego (mm)
(Pareja, 2011)

18. Estudio de caso Colombia, cuenca del río Amaime
Escenarios cambio de cobertura

19. Analisis de Impacto en caudal y sedimentos
Promedio mensual Caudal simulado Vs Aforado - Amaime Promedio mensual Sedimentos simulado Vs Aforado - Amaime
16.00 8
14.00 7
Sedimentos (T/Ha)
Caudal (m3/seg)
12.00 6
10.00 Actual 5 Actual
8.00 Sin Politica 4 Sin Politoca
6.00 Con Politica 3 Con Politica
4.00 2
2.00 1
0.00 0
yo
rzo
re
ril
re
to
re
o
ero
nio
re
lio
o
zo
e
ril
e
o
e
ro
o
nio
e
lio
rer
Ab
ay
mb
t ub
os
r
Ma
mb
mb
br
br
er
t
br
Ju
Ab
Ma
re
ub
os
ar
Ju
En
Ju
b
Ju
m
En
M
m
m
Ag
b
vi e
Oc
M
ci e
e
Ag
Fe
t
vi e
Oc
cie
ie
Fe
pt i
No
pt
Di
Se
No
Di
Se
Tiempo (mes) Tiempo (mes)
C U EN C A A MA IME
C audal (m 3/seg) Sedim entos (t/ha)
Tiem po Escenario Escenario 1 C am bio Escenario 2 C am bio Escenario Escenario 1 C am bio Escenario 2 C am bio
(M es) Actual Sin politica (% ) C on Politica (% ) Actual Sin politica (% ) C on Politica (% )
Enero 8.69 9.61 10.5 8.90 2.4 2.6 5.70 119.2 1.42 -45.4
Febrero 8.36 9.27 10.9 8.57 2.6 1.03 4.77 363.1 0.59 -42.7
M arzo 9.83 10.87 10.6 10.07 2.5 1.11 5.02 352.3 0.45 -59.5
Abril 8.35 8.95 7.2 8.59 2.8 0.74 2.59 250.0 0.23 -68.9
M ayo 8.28 8.77 5.8 8.53 2.9 0.91 2.90 218.7 0.46 -49.5
Junio 4.02 4.06 1.1 4.20 4.5 0.16 0.33 106.3 0.06 -62.5
Julio 3.97 3.97 -0.2 4.11 3.5 0.01 0.05 0.0 0 -100.0
Agosto 3.63 3.63 0.0 3.73 3.0 0.02 0.06 200.0 0 -100.0
Septiem bre 5.25 5.45 3.8 5.41 3.2 0.2 0.52 160.0 0.08 -60.0
O ctubre 10.09 10.79 6.9 10.30 2.1 1.94 2.95 52.1 1.01 -47.9
N oviem bre 13.16 14.52 10.3 13.43 2.1 1.54 4.76 209.1 0.88 -42.9
D iciem bre 9.81 10.89 11.1 9.94 1.4 4.71 7.41 57.3 3.02 -35.9

20. Estudio de caso Colombia, cuencas del Valle del Cauca
Comportamiento del Clima Actual Vs. Clima Futuro al 2020 y 2050

21. PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA TULUÁ
Producción de Agua (mm/año) 1600
1400
1200
1990-2004
1000
800 2040-2069
600
400
200
0
Modelo
PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA GUABAS
1400
Producción de Agua (mm/año)
1200
1000
1990-2004
800
2040-2069
600
400
200
0
Modelo

22. PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA FRAILE
Producción de Agua (mm/año) 1600
1400
1200
1990-2004
1000
800 2040-2069
600
400
200
0
Modelo
PROMEDIO DE PRODUCCIÓN DE AGUA – CUENCA DESBARATADO
1600
Producción de Agua (mm/año)
1400
1200
1990-2004
1000
800 2040-2069
600
400
200
0
Modelo

23. Análisis de Cambio – Promedio Modelos GCM’s
CAMBIO EN PRODUCCIÓN DE AGUA
CUENCA ÁREA (Km2) MÍN. MÁX. PROMEDIO GANANCIA PÉRDIDA
Tuluá 766.767 -783.078 1145.290 246.973 595.11 Km2 (77.61 %) 171.65 Km2 (22.39 %)
Guabas 191.450 -667.615 677.692 16.774 85.81 Km2 (44.82 %) 105.64 Km2 (55.18 %)
Fraile 361.578 -140.122 1249.100 416.843 322.41 Km2 (89.17 %) 39.16 Km2 (10.83 %)
Desbaratado 192.368 152.811 1460.100 649.627 192.37 Km2 (100 %) 0 Km2 (0 %)

24. Que tan inciertas son estas evaluaciones? ¿Son
confiables para el diseño de esquemas de PSA?
• “En esencia, todos los modelos tienen inertidumbre, pero algunos son
útiles" (Box, 1919)
• Qué tanto nivel de incertidumbre deben tener para no ser útil?
• Analisis de Incertudumbre
• Las decisiones de PSA no se toman sobre la base de los valores
absolutos de los resultados
• Con SWAT se puede obtener buena información para identificar áreas
importantes de SAH en términos relativos
• Buen desempeño de los resultados con respecto a la simulación del
caudal. Útil para el análisis de valoración económica
• Muy útil para proporcionar argumentos durante el diseño y
negociación de los proyectos de PSA (dónde, por qué?)

25. Ventajas de la selección de HRU como
unidad de análisis
• Identificación de aéreas prioritarias en la cuenca.
• Una mejor identificación de costos y beneficios directos
y sociales.
• Un mayor reconocimiento de los ecosistemas poco
estudiados y/o tenidos en cuenta.
• Una mejor contabilización de las actividades en el
momento en que ocurre.
• Un método ágil de extrapolación e integración de la
información.

26. Gracias por su atención!!
n.uribe@cgiar.org