Evaluación Hidrológica de (Cabecera de) Cuencas con Modelos Numéricos e Información Satelital. Categoría: Gestión Ambiental Juan F. García Quijano - Hidrólogo Principal – juan.f.garciaquijano@mwhglobal.com José Bolzicco – Hidrogeólogo Principal – jose.bolzicco@mwhglobal.com MWH Perú S.A.

Resumen

El mayor problema en el Perú, y en muchos

países en desarrollo, es la disponibilidad de

información hidro-meteorológica confiable y

suficiente, principalmente precipitación.

Según el ANA, las redes hidro-

meteorológicas disponibles se encuentran

en un estado de mantenimiento variable en

función de varios factores. La densidad y

número de estaciones existentes es

insuficiente en el marco a nivel nacional.

Similares condiciones tenemos en términos

de información edafológica y de

vegetación, información que se requiere

para una evaluación hidrológica.

Para superar estos obstáculos en la

evaluación hidrológica, MWH Perú ha

desarrollado nuevos productos adoptando

metodologías innovadoras.

Para la información meteorológica, primer

producto, se han desarrollado campos de

precipitación diaria para cada km2 del país

desde el primero de enero del 2000 hasta

el presente. Estos campos de precipitación

han sido obtenidos procesando la

información del TRMM, los cuales fueron

comparados con los datos de estaciones

meteorológicas del SENAMHI en diferentes

zonas del país con resultados

satisfactorios.

Para la evaluación hidrológica, segundo

producto, la metodología adoptada, es la

estimación de caudales y del balance

hidrológico completo mediante simulación

hidrológica matemática con el modelo

SWAT. La información meteorológica, de

suelos, topografía y de vegetación se

integra con el modelo hidrológico para

obtener balances hidrológicos a nivel de

(sub)cuencas.

Ambas herramientas han sido utilizadas

para evaluar el balance hídrico de la

Cuenca del Alto Marañón y los resultados,

aún sin calibrar, reflejan el comportamiento

hidrológico mensual promedio según los

datos recogidos en campo en las décadas

del 70 y del 80.

INTRODUCCIÓN

Para desarrollar estudios y/o evaluaciones ambientales, balance de aguas, estudios de pre- y factibilidad, entre otros, se requiere comprender los fenómenos hidrológicos, conceptualizarlos y, posteriormente representarlos de manera matemática, determinística (representación de procesos físicos), lo cual además, permitirá evaluar los impactos (de cualquier proyecto) a futuro debido a los cambios (naturales o antrópicos) en el medio ambiente. La evaluación hidrológica de cuencas necesita de dos componentes. En primer lugar, la modelación hidrológica haciendo uso de un modelo numérico de representación física de los procesos hidrológicos (modelo SWAT) y, en segundo lugar, la información meteorológica del área de evaluación (TRMM). La información hidro-meteorológica relevante a considerar en el análisis está constituida por la precipitación, temperatura, presión atmosférica, humedad relativa, radiación solar y velocidad del viento. Sin embargo, esta información casi nunca existe. Muchos de nuestros clientes (compañías mineras, hidroeléctricas, de gas y petróleo), tienen sus operaciones en áreas de difícil acceso (debido a la orografía del terreno) y disponen de escasa información hidro-meteorológica en su cobertura espacial y temporal (registros de corta duración, con interrupciones temporales y estaciones ubicadas en sitios no representativos). Los organismos oficiales, tampoco disponen de

TT-216

información alternativa ya que existen grandes extensiones del Perú sin cobertura de datos climáticos. Asimismo, se presentan situaciones similares (de carencia de información) cuando se trata de información edafológica y de vegetación, los que son requeridos para los diferentes estudios básicos en hidrología. Según la Autoridad Nacional del Agua (ANA), las redes hidrométricas y meteorológicas se encuentran en un estado variable de mantenimiento en función de su situación y del gestor responsable de su operación [ANA, Proyectos Especiales, SENAMHI, Juntas de Usuarios de Riego y otras instituciones]. Estas estaciones miden variables hidro-meteorológicas de frecuencia mínima diaria y tiene registros de diferente longitud, lo que da series históricas muy variables, teniéndose en algunos casos registros largos desde el siglo XX y otras con extensiones muy cortas o interrumpidas. Por otro lado, la densidad y el número de estaciones hidro-meteorológicas existentes son insuficientes a lo largo del territorio, y más aún, estando estas concentradas principalmente en la zona costera del país, donde existe el porcentaje más alto de infraestructura de medición y control. Para superar estas limitaciones en la adquisición de información de base, indispensable para el correcto desarrollo de los diferentes proyectos, es necesario recurrir a tecnologías alternativas que proporcionen información faltante y principalmente confiable. La tecnología satelital ofrece una fuente alternativa de información (precipitación) que la convierte en una herramienta de gran utilidad para los casos mencionados. Ofreciendo además una cobertura espacial completa a nivel país y series de tiempo diario desde el año 2000. El principal objetivo es realizar la evaluación de cuencas en cualquier zona del país a diferentes escalas (quebradas, subcuencas, cuencas, regionales, etc.). Para lograr este objetivo es necesario crear series sintéticas de precipitación diaria para cada km

2 del país. Esto permite evaluar

zonas del país que tienen escasa

información, o no cuentan con información. Otras variables meteorológicas (velocidad del viento, humedad relativa, presión atmosférica, etc.,) que son requeridos para la evaluación hidrológica, también se pueden obtener de otros satélites. Bajo las consideraciones antes mencionadas, MWH Perú ha evaluado la cuenca alta del río Marañón cuyos resultados han sido validados satisfactoriamente en dos puntos que tenían información de la década de los 70 y 80. El proceso y las conclusiones de esta investigación se describen las siguientes subsecciones.

1. MATERIALES Y METODOLOGÍAS

1.1. Downscaling de la precipitación

satelital a 1 km2 de resolución.

El satélite “Tropical Rainfall Mapping Mission” (TRMM), satélite lanzado en 1998 y creado por la NASA y la Agencia Espacial Japonesa (JAXA), mide la precipitación promedio cada 3 horas con una resolución espacial de 25 km x 25 km. Desde el inicio de su funcionamiento ya han generado 7 versiones de los datos de precipitación. Para la presente investigación se ha hecho uso de la versión 7. Esta información aunque valiosa, en su formato original, no es útil para los propósitos antes señalados. Por lo tanto es necesario incrementar la resolución a 1 km x 1 km. Cabe señalar que se intentaron varias alternativas para obtener los mejores resultados, desde hacerlo por regiones (costa, sierra y selva), por regiones acotadas a diferentes elevaciones, e incluso incorporando la variable altitud en las ecuaciones. Sin embargo, el mejor resultado se obtuvo a nivel de país y sin tomar en cuenta la topografía. Para aumentar la resolución del producto TRMM 3B42 y 3B43 se ha usado la metodología propuesta por Immerzeel et al., (2009), en la cual hace uso de la respuesta de la vegetación (actividad fotosintética) a la precipitación. La metodología se basa en el supuesto que existe una relación espacial entre la Diferencia Normalizada del Índice de

Vegetación (NDVI, por sus siglas en inglés) y la precipitación a diferentes escalas. El NDVI utilizado ha sido el del sensor MODIS a una resolución espacial de 1km

2 a una

resolución temporal de 8 días. La metodología ha sido adoptada por MWH Perú para obtener información espacial y temporal de precipitaciones y que permiten cubrir aquellas áreas con baja calidad o escasa información o que carecen de información. Se realizó el aumento de resolución de los conjuntos de datos del TRMM utilizando un método desarrollado por Agam et al., (2007) para refinar las imágenes térmicas con el NDVI (Índice de vegetación de diferencia normalizada). El método se basa en el supuesto de que existe una relación entre el NDVI y la precipitación a diferentes escalas. Esta relación se utiliza a una escala más fina para generar más detalle en las mallas de precipitación. Se utilizó un método gradual para probar el supuesto. Primero, se comparó el NDVI promedio desde el año 2000 hasta el 2012 con la precipitación 3B42 y 3B43 anual promedio durante el mismo periodo a diferentes resoluciones (0.25°, 0.50°, 0.75°, 1.00° y 1.25°). Se redujo la resolución de los datos del NDVI, con una resolución original de 1 km

2 mediante la promediación de las

celdas de la malla. Para cada resolución, se realizó la regresión de los valores del NDVI con respecto a la precipitación TRMM. La regresión que mejor se ajustó entre las diferentes resoluciones se utilizó en el procedimiento de downscaling o aumento de resolución. Como segundo paso, se analizó la validez de las relaciones de regresión por años individuales. El proceso de aumento de resolución se realizó de la siguiente manera. Se hizo una distinción entre las imágenes de baja resolución (LR) y las de alta resolución (HR). HR hace referencia a la resolución de la imagen NDVI original (1 km

2) y LR hace

referencia a las cinco resoluciones diferentes que se analizan empezando en la resolución nominal 3B43 (0.25°). Se efectuó una regresión exponencial entre NDVILR y el producto TRMM, que se expresa en la función líneas abajo (Eq. 1).

(1) Donde Pe (mm año

-1) es el estimado

TRMM en función del NDVILR y a y b son los coeficientes de ajuste que resultan de las regresiones entre NDVI y 3B43 a diferentes escalas. Esto se repitió para las cinco resoluciones bajas y se utilizó la regresión que mejor se ajustaba en el procedimiento de aumento de resolución. Posteriormente, se calculó la diferencia entre Pe y la precipitación TRMM (ΔTRMMLR) en la resolución nominal de 0.25° (LR) de acuerdo con la Eq. (2).

(2) Este residuo de la baja resolución se interpretó como la cantidad de lluvia que no puede ser explicada por la función de regresión de NDVI. Utilizando los puntos centrales de las celdas de la malla TRMM, se interpola el ΔTRMMLR a HR (ΔTRMMHR) utilizando un interpolador tipo spline (tensión) simple (Franke, 1982). Para este trabajo se ha usado la herramienta para interpolar del ArcGIS que cumple semejantes funciones. En general, el “splining” es una técnica determinística para representar curvas bi-dimensionales en superficies tri-dimensionales. La función matemática “spline” se restringe en los puntos centrales de las celdas de la malla TRMM, asume una variación suavizada y comúnmente se utiliza para datos espaciados regularmente. El siguiente paso era estimar las precipitaciones a alta resolución (1km

2) de

acuerdo a la Eq (3):

(3) Se calculó el producto final del aumento de resolución (Pds) agregando el residuo HR

(ΔTRMMHR) al estimado de la precipitación HR en base al NDVI, según la Eq (4).

(4) En resumen, una relación exponencial entre el NDVI de baja resolución y la precipitación se obtiene a una escala óptima entre 0.25° y 1.25° y en segundo lugar, el campo de precipitación en alta resolución se obtiene empleando esta relación, el NDVI de alta resolución y el residuo interpolado, que compensa la variación de la precipitación no explicada por el NDVI.

1.2. Modelo Hidrológico SWAT.

El modelo “Soil Water Assessment Tool”

(SWAT) es un modelo hidrológico a escala

de cuenca desarrollado por el Dr. Jeff

Arnold para el Departamento de

Investigaciones del Servicio Agricultura de

USA. El modelo fue diseñado para predecir

los impactos de las prácticas de manejo de

tierras sobre los caudales y sedimentos en

cuencas grandes y complejas con

diferentes tipos de suelos, prácticas y

condiciones de manejo de la tierra en

periodos largos de tiempo. Para satisfacer

este objetivo el modelo tenía que ser

basado en leyes físicas y no empíricas.

SWAT requiere información meteorológica,

propiedades del suelo, topografía,

vegetación y prácticas de manejo.

El modelo es muy útil para la evaluación de los efectos a largo plazo por el uso de las Unidades de Respuesta Hidrológica (URHs) (Neitsch et al., 2011). También ofrece flexibilidad con respecto al método de cálculo de la evapotranspiración potencial. El modelo SWAT también modela el contenido de agua en el suelo y la erosión la cuál es un factor importante en la evaluación de impactos de diversa naturaleza. Para mayores detalles sobre el modelo ver Neitsch et al., (2011).

2. CASO DE ESTUDIO: CUENCA ALTA

DEL RÍO MARAÑÓN.

El área seleccionada es la cuenca del Alto Marañón (Fig. 1) de aproximadamente 45,000 km

2 con elevaciones que van desde

los 5,980 msnm en la parte sur de la cuenca hasta los 848 msnm en su parte norte (localidad de Corral Quemado). Los ecosistemas más representativos de esta cuenca, según el Mapa Nacional de Bosques elaborado por el Ministerio del Medio Ambiente del Perú, se describen en la Tabla 1. Tabla 1: Ecosistemas más representativos de la cuenca del Alto Marañón.

Ecosistema Área (%) Matorral Húmedo Templado 24.91 Tundra 23.42 Actividad Agropecuaria 14.18 Matorral Subhúmedo Templado 12.96 Monte Semiárido Semicálido 7.53 Monte Subhúmedo Semicálido 5.74 Bosque Húmedo de Montaña 5.73

En cuanto a los suelos de la cuenca del Alto Marañón (Tabla 2) estos se resumen básicamente en dos grupos, regosoles y leptosoles. Ambos son suelos desarrollados en montañas con tasas altas de precipitación. Los suelos están en constante erosión por escorrentía superficial, son suelos poco profundos, poco consolidados y bien drenados con baja retención hídrica. Tabla 2: Suelos más representativos de la cuenca del Alto Marañón

Suelos Área (%) Regosol dístrico – Cambisol dístrico

30.57

Regosol eutrico – Calcisol haplico

23.07

Regosol dístrico – Afloramiento lítico

18.67

Leptosol eutrico – Cambisol eutrico

18.36

Leptosol dístrico – Cambisol dístrico

12.46

Regosol dístrico – Cambisol eutrico

9.76

Figura 1: Mapa topográfico y límite de la cuenca del Alto Marañón hasta el poblado Corral Quemado.

En esta cuenca se obtuvieron caudales solo para dos localidades, en Corral Quemado y en Tingo Chico (Fig1). El área de aporte hasta Tingo Chico es de aproximadamente 4,418 km

2 y se

encontraron registros de caudales de 1975 a 1983 y de 1987 a 1994. Por otro lado, el área de aporte hasta Corral Quemado es de aprox. 45,000 km

2 y los registros de

caudales van de 1975 a 1983. Estos dos puntos se usarán como controles para los resultados del modelo hidrológico SWAT.

3. RESULTADOS

3.1. Downscaling de la precipitación

satelital a 1 km de resolución.

Se comparó la relación precipitación vs. NDVI a 0.25º, 0.50º, 0.75º, 1.00

o y 1.25º

usando regresiones exponenciales. La figura 2 muestra los resultados de las comparaciones.

Figura 2: Resultados de las regresiones a 0.25º, 0.50º, 0.75º, 1.00

o y 1.25º para poder

determinar la mejor correlación espacial. Figura 2a: Regresión a 0.25º

Figura 2b: Regresión a 0.50º

Figura 2c: Regresión a 0.75º

Figura 2d: Regresión a 1.00

o

Figura 2e: Regresión a 1.25º

Corral Quemado

Tingo Chico

De los resultados obtenidos se determinó que la mejor correlación se obtiene a 1.25º para el país. Sin embargo, cabe notar, que no siempre con el aumento de la escala se obtiene mejor resolución. Por ejemplo, para España y para otras cuencas en China la mejor correlación se obtuvo a 0.75º (Immerzeel et al., 2009; Jia et al., 2011). Basados en la correlación seleccionada, se obtuvo la precipitación anual, mensual y diaria para todo el país. La figura 3 muestra un ejemplo de la precipitación anual para los años 2003 y 2005. Figura 3: Precipitación anual a 1 km

2 de

resolución para el Perú en el 2003 y 2005. Figura 3a: Mapa de precipitación anual 2003 a 1 km

2 de resolución.

Figura 3b: Mapa de precipitación anual 2005 a 1 km

2 de resolución.

Con el objetivo de validar la información obtenida aquí se eligieron diferentes estaciones meteorológicas del SENAMHI que tuvieran registros del 2000 en adelante. En la figura 4 mostramos algunos ejemplos para Ancash, Cajamarca, Moquegua y Tacna. Figura 4: Comparación de la precipitación registrada por estaciones del SENAMHI (líneas rojas) y las estimadas en base al TRMM (líneas azules). Figura 4a: Estación Sihuas en Ancash.

Figura 4b: Estación Jacas Chico en Ancash

Figura 4c: Estación Chugur en Cajamarca

Figura 4d: Estación Cachachi en Cajamarca

Figura 4e: Estación Ichuña en Moquegua

Figura 4f: Estación Bocatoma en Tacna

Figura 4g: Estación Puquina en Moquegua

3.2. Estimación de caudales para la

cuenca del Alto Marañón.

Ya que los caudales observados en Tingo Chico y Corral Quemado son anteriores al 2000 - desde cuando tenemos datos del TRMM - solo se puede comprar promedios mensuales para evaluar el comportamiento anual y la variabilidad mensual del caudal. La figura 5 muestra los resultados de los caudales promedios mensuales y sus variaciones para Tingo Chico. Los resultados demuestran que la combinación de la precipitación satelital - además de otras variables meteorológicas - y el uso del modelo hidrológico SWAT, nos permite evaluar cuencas que no tienen datos de campo actuales o que nunca los tuvieron. Figura 5: Comparación de los caudales medios mensuales y sus variaciones medidos en Tingo Chico (Ancash) entre 1975 y 1994 y los caudales estimados con el modelo SWAT. Figura 5a: Caudales mensuales

Figura 5b: Variación estándar (+ y -) de los caudales mensuales en Tingo Chico (Ancash).

La figura 5 muestra que los caudales obtenidos con el modelo SWAT y sus variaciones mensuales son comparables y replican consistentemente el comportamiento hidrológico obtenido mediante mediciones de campo. En Corral Quemado, en la década del 70 y del 80, se observaron años extremadamente secos como en 1977 – 1978 y 1979 – 1980 (La Niña) intercalados por un año extremadamente húmedo como en 1978 – 1979 (El Niño). En los registros de precipitación del TRMM se observan solamente años promedios. Los resultados para esta localidad se muestran en la figura 6. Como se puede observar en la figura 6(b), los resultados mensuales promedios obtenidos con el modelo SWAT, pueden explicar una gran variabilidad de los caudales vistos en las décadas de los 70 y los 80. Es importante señalar que estos resultados no cuentan con calibración. Es decir, con los criterios adecuados, el uso combinado de la información meteorológica satelital y el modelo hidrológico, se es capaz de reproducir realistamente caudales en cualquier zona del país.

Figura 6: Caudales estimados y sus variaciones mensuales en Corral Quemado por el modelo SWAT y su comparación con los caudales estimados entre 1975 y 1983. Figura 6a: Caudal mensual promedio estimado por el modelo SWAT con datos desde el 2000 hasta el 2012.

Figura 6b: Comparación de los caudales estimados con el modelo SWAT (línea negra y desviación estándar – líneas punteadas) y los caudales medidos entre 1975 y 1983. Cabe señalar que entre 1975 y 1983, hubo años secos y húmedos mientras que desde el año 2000 (información satelital) se han observado solamente años normales.

4. Conclusiones

Uno de los mayores impedimentos en el

país, para evaluar certeramente la

hidrología de cuencas y sus cabeceras, es

la falta de información meteorológica, sobre

todo precipitación.

Para evaluar la hidrología de amplias zonas del país, que no cuentan con registros históricos de caudales ni meteorológicos, se hace necesario el uso de modelos de representación matemática de la física que gobierna los fenómenos hidrológicos (por ejemplo, evapotranspiración e infiltración). Esto por el simple hecho que los modelos empíricos (regresión input – output) no son aplicables debido a la falta de información.

Para superar estos obstáculos se propuso: 1. El uso de información satelital para

obtener precipitación satelital diaria a 1 km

2 de resolución desde el año 2,000

hasta la fecha. 2. El uso del modelo hidrológico SWAT

para evaluar el balance hidrológico de diferentes cuencas en el país.

3. La cuenca del Alto Marañón hasta la localidad de Corral Quemado se propuso como caso ejemplo del uso de ambas herramientas.

Los resultados obtenidos demuestran que:

La precipitación obtenida por aumento de la resolución de la precipitación satelital sirve como proxy de la precipitación real ante la falta de información de estaciones de campo.

El uso combinado de la información meteorológica satelital y del modelo hidrológico SWAT permite obtener estimación de caudales y del balance hidrológico realistas inclusive cuando no existen datos de campo.

Las aplicaciones de estos nuevos desarrollos son vastas en los diferentes sectores industriales superando la falta de información de campo. Algunas de las aplicaciones más resaltantes son:

Evaluación hidrológica de cuencas (estimación de caudales y transporte de sedimentos).

Estimación de escorrentía superficial por zonas para el diseño de estructuras hidráulicas.

Producción hídrica de cuencas y sus cabeceras.

Evaluación de impactos hidrológicos.

Determinación de criterios ambientales para la ubicación de presas de relaves y botaderos minimizando impactos ambientales y costos durante la fase de cierre.

Estimación de volúmenes requeridos para riegos.

Determinación de zonas de recarga de acuíferos y los volúmenes de recarga.

Manejo integral de cuencas.

Como herramienta de diagnóstico para la evaluación de problemas en el aprovechamiento de aguas por diversos sectores productivos y sociales.

Etc. REFERENCIAS Agam, N., Kustas, W. P., Anderson, M. C., Li, F., & Neale, C. M. U. (2007). A vegetation index based technique for spatial sharpening of thermal imagery. Remote Sensing of Environment, (107), 545−558.

Franke, R. (1982). Smooth interpolation of scattered data by local thin plate splines. Computers and Mathematics with Applications, (8) 237−281.

Immerzeel W.W., Rutten, M.M., Droogers, P. (2009). Spatial downscaling of TRMM precipitation using vegetative response on the Iberian Peninsula. Remote Sensing of Environment, (113), 362 – 370.

Jia, S., Zhu, W., Lu, A., Yan, T. (2011). A statistical sptial downscaling algorith of TRMM precipitacition base don NDVI and DEM in the Qaidam Basin of China. Remote Sensing of Environment, (115) 3069-6079.

Neitsch, S.L. Arnold, J.G., Kiniry, J.R., Williams, J.R. 2011. Soil and Water Assessment Tool. Theoretical Documentation. Version 200. Texas A&M University, College of Agriculture and Life Sciences. TR-406 2001.