En este apartado se discuten los resultados obtenidos durante la etapa de calibración y evaluación del modelo. Pero antes, se comentan aspectos que deben tenerse presentes, relacionados al MDE y la serie de datos de precipitación.
En vista que TOPMODEL se fundamenta en la topografía, una resolución del MDE dentro de las especificaciones era necesaria, por fortuna se contó con un MDE de resolución 25 m. Según K. Beven (2012) la resolución adecuada dependerá de la escala de las características de ladera, pero 50 m o mejores datos se sugieren normalmente.
Entendiendo que en la microcuenca la precipitación presenta una gran variabilidad espacial y temporal, se decide usar solo los datos medidos con la estación climatológica automatizada instalada en el fondo de valle; ya que estos datos permitirían conocer la dinámica de la precipitación y considerando que esta exhibe un gradiente topográfico, incrementándose de este a oeste (Rodríguez, 2010), los datos de precipitación del fondo de valle podrían ser una aproximación de la precipitación para el área de estudio.
Discusión de los resultados obtenidos en la calibración
A partir del MDE, se derivó el índice topográfico, donde predominan valores bajos, que identifican zonas poco propensas a la saturación. Esto se debe a que en el área de estudio predominan las laderas, según Rodríguez (2010) las laderas representan un 53% del área.
El índice topográfico, que busca determinar similaridad hidrológica dentro del área de estudio, no considera la existencia de afloramientos rocosos, unidades que presentan un comportamiento hídrico muy particular, distribuidos en el fondo de valle y también en las laderas (ver figura 8), y que ocupan un 18% del área de estudio (Rodríguez, 2010). Un área de afloramiento rocoso al que se le asigne un valor alto de índice topográfico es un área que
supuestamente es propensa a saturación y solo cuando la alcanza es que genera escorrentía (la escorrentía está condicionada). Mientras que un área de afloramiento rocoso al que se le asigne un valor bajo del índice es un área que no se va a saturar y por ende no va a presentar escorrentía superficial. Por lo tanto, en ningún caso se representa la verdadera funcionalidad hidrológica del afloramiento rocoso, considerándose menos favorable cuando se le asignan valores bajos del índice topográfico.
En la evaluación de la función de retardo para flujo sobre la tierra (delay) con 2 y 4 subdivisiones para el área de estudio, la diferencia entre las eficiencias máximas alcanzadas fue pequeña, esto concuerda con el hecho de que el efecto de la red de canal probablemente se convierte en importante para cuencas con más de 10 km2 aproximadamente, donde el tiempo de viaje a través de la red es tan largo como la fase de infiltración (K Beven & Kirkby, 1979). Esta evaluación solo se realizó durante la calibración de los meses húmedos, cuando se pueden percibir los efectos, ya que según el modelo perceptual durante los meses secos los suelos retienen una gran parte de las pocas precipitaciones que ingresan, por lo es poca la escorrentía superficial.
La diferencia entre las eficiencias máximas obtenidas usando los datos ET0 y los datos Etc aju fue el doble de la obtenida en la evaluación de la función de retardo para flujo sobre la tierra, tanto para los meses húmedos como para el periodo completo. Según Rodríguez (2010) hay dos razones por las que los datos ET0 no se corresponden a las medidas reales: 1) Es calculada para condiciones con disponibilidad permanente de agua y 2) Es calculada para un cultivo de referencia, cuyas características difieren notablemente de las características de la vegetación de la microcuenca. Llama la atención que la diferencia fue la misma en la calibración de los meses húmedos y en la calibración del período completo, cuando en los meses húmedos el problema es solo el tipo de cultivo mientras que para el periodo completo se tiene los dos problemas.
Tanto en la calibración de los meses húmedos como en la calibración del periodo completo, los parámetros más sensibles fueron: qs0, LnTe, m, Srmax y vr; y los menos sensibles: Sr0, k0, CD y td.
Respecto a los parámetros poco sensibles, tenemos a Sr0, un valor inicial que tiene muy poca repercusión en la calidad de los resultados. Y los parámetros k0 y CD, usados para la rutina de infiltración (Wouter Buytaert, 2009), lo que nos permite inferir entonces que el proceso de infiltración no es sensible en este caso.
No sorprende que representando el flujo subsuperficial un muy alto porcentaje del caudal de la microcuenca, el parámetro qs0, asociado a un valor inicial para este tipo de flujo sea uno de los más sensibles. Srmax se muestra sensible porque de él depende que el agua en la zona raíz pase o no al drenaje de la zona no saturada. Y a su vez, los parámetros
LnTe y m, se presentan sensibles, ya que participan en la representación del flujo entre la
zona de drenaje (de la zona no saturada) y la zona saturada.
Ahora, la sensibilidad que experimenta vr se presume está asociada a la misma deficiencia que se reporta en el modelado de una microcuenca en el páramo ecuatoriano y otra en el páramo colombiano, referente a un tercer reservorio que no se encuentra representado (que no corresponde al almacenamiento en la matriz del suelo ni al agua en escorrentía superficial (Wouter Buytaert et al., 2004)). Pero en este caso, se presume que la deficiencia es de mayores proporciones ya que los valores calibrados de vr son mucho más bajos que los conseguidos para las microcuencas mencionadas, 750 m/h en el caso de la microcuenca ecuatoriana (Wouter Buytaert et al., 2004) y 1808.6 m/h para la microcuenca colombiana (Gil, 2012).
Se podría decir que en términos generales resultaron sensibles los parámetros involucrados en el modelado del flujo subsuperficial a excepción de td, que citando a Gil (2012) carece de sentido físico (Buytaert, comunicación personal), quedando esto confirmado al identificarse como un parámetro no sensible.
Respectos a los rangos para los valores de los parámetros, propuestos para el caso de una microcuenca del páramo andino ecuatoriano (Wouter Buytaert & Beven, 2011), que luego fueron usados para modelar una microcuenca colombiana (Gil, 2012), tenemos que la
mayoría pudieron mantenerse, tanto para la calibración de los meses húmedos y el periodo completo, es el caso de: LnTe, m, vr, k0 y CD. Mientras que, se amplió el rango superior de
qs0 y td, y se disminuyó el rango superior de Sr0 y el rango inferior de Srmax. Solo uno de
estos ajustes fue innecesario y los otros tres están bien justificados, por lo que se puede decir que los valores de los parámetros obtenidos por calibración presentan un sólido significado físico.
El aumento del rango superior de qs0 se justifica porque se necesitaba un valor inicial más alto, considerando que el flujo subsuperficial predominó sobre los otros flujos, representando más del 80% del caudal simulado, mucho más de lo que se reportó para el caso de la microcuenca colombiana, donde el flujo subsuperficial alcanzó un 63% (Gil, 2012). Mientras que el aumento del rango superior de td se considera fue innecesario ya que resultó ser un parámetro poco sensible, tal como se reporta en la literatura (K. Beven, 2012).
La disminución del rango inferior del parámetro Srmax implicó la diminución del rango superior de Sr0, ya que este último se encuentra supeditado por Srmax. Esto se hizo porque TOPMODEL no estaba representando la totalidad de los eventos de precipitación, por ser muy altos los valores del rango Srmax para el caso del páramo venezolano, lo que impedía el drenaje del flujo. Srmax está asociado a la capacidad de campo (K Beven & Kirkby, 1979), citando a Rodríguez (2010) el porcentaje de carbono orgánico presente en los suelos de Venezuela es menor al de los suelos de Ecuador y Colombia. Y se han reportado correlaciones altamente significativas entre la cantidad de carbono orgánico en el suelo y su capacidad de campo (Sosa et al., 1997).
La disminución del rango inferior del parámetro Srmax mejoró la representación de eventos de precipitación y las eficiencias del modelo que ajustan caudales, pero trajo como consecuencia una gran disminución de los flujo de evapotranspiración simulados, por tratarse de una calibración univariante.
Al comparar los valores de los parámetros calibrados para los meses húmedos y el periodo completo tenemos que: 1) Los valores calibrados de Srmax son mayores para el periodo completo (de 5.779894e-03 a 8.991816e-03) que para solo los meses húmedos (de 5.000638e-03. a 5.169969 e-03) y 2) Los valores de vr calibrados para el periodo completo (entre 318 y 462) son mayores que los parámetros calibrados para los meses húmedos (entre 269 y 278). Este comportamiento de los parámetros en los meses húmedos indica que TOPMODEL presenta limitaciones para modelar el comportamiento hídrico del páramo venezolano durante ese periodo.
En la calibración de los meses húmedos se subestiman los picos, pudiendo deberse a que el modelo no representa la conectividad que existe entre las lagunas y la red de drenaje durante este periodo o la alta variabilidad espacial de la precipitación, tal como se reporta para el páramo colombiano (Gil, 2012), sumado a la inadecuada representación que se hace de los afloramientos rocosos. Lo que provoca una sobreestimación del almacenamiento (>5% de la precipitación observada) y a su vez sobrestimación del caudal base.
En los meses húmedos el flujo predominante en la microcuenca es el subsuperficial, seguido por el flujo sobre la tierra por exceso de saturación y por último el flujo sobre la tierra por exceso de infiltración; con un almacenamiento superior al real, como ya se indicó. Si se comparan estos resultados con lo planteado en el modelo perceptual, podemos decir que TOPMODEL logra modelar elementos claves de la hidrología de la microcuenca, pero sin duda es necesario incorporar otros elementos que al no estar presentes causan la subestimación de los picos y sus consecuencias.
En el caso de la calibración del periodo completo, tenemos de igual forma picos subestimados y caudales base sobreestimados durante los meses húmedos, por las razones ya expuestas. Y es en los meses secos donde no se logra representar la mayor parte de los eventos de precipitación, debido a que el primer supuesto fundamental de TOPMODEL no se cumple (K. Beven, 2012), manteniendo a lo largo de dicho periodo un caudal sobrestimado, debido a la sobrestimación del almacenamiento ocurrida durante los meses húmedos. Contrario a como se pensaba, no es evidente una disminución durante los meses
secos de la sobreestimación del caudal, y no fue problema la representación de los eventos de precipitación durante el mes de transición (seco - húmedo).
Para el periodo completo el caudal total simulado es mayor respecto al observado, esto se debe a que si bien existe compensación del caudal sobrestimado y subestimado en los meses húmedos, durante los meses secos solo tenemos sobrestimación. El flujo predominante es también el flujo subsuperficial, seguido por flujo sobre la tierra por exceso de saturación y por exceso de infiltración, con un almacenamiento superior al real.
Por último, se considera que la eficiencia obtenida en la calibración del periodo completo (0.8027) es superior a la eficiencia obtenida en la calibración de los meses húmedos (0.692), debido a que una buena parte de la serie de datos de caudal presenta baja variabilidad, la correspondiente a los meses secos. Sin embargo, para el caso del modelado de una microcuenca de páramo andino venezolano, tanto el modelado de meses húmedos como el modelado de meses secos deben ser revisados.
Discusión de los resultados obtenidos en la evaluación
Pese a que no se pudo contar con datos de Etc aju para el periodo de evaluación, los resultados de la ejecución de TOPMODEL usando los parámetros calibrados y datos de
ET0, nos sugieren que la evaluación puede ser aún mejor que 0.647 y 0.778 para los meses
húmedos y el periodo completo, respectivamente.
Tenemos que tanto en la evaluación de los meses húmedos como en el periodo completo, se consigue una distribución de los flujos similar a la obtenida en la etapa de calibración, acorde con el modelo perceptual, con predominio del flujo subsuperficial (87.23% del caudal simulado y 89.19% del caudal simulado, respectivamente). Y se presenta un almacenamiento promedio sobreestimado (9.90% de la precipitación observada y 7.42% de la precipitación observada, respectivamente), debido las limitaciones existentes para modelar los meses húmedos.
También se presentan considerables diferencias entre la evapotranspiración observada y la simulada, para ambos casos, tal como sucedió durante la etapa de calibración cuando se disminuyó el límite inferior de Srmax.
C
ONCLUSIONESEl análisis de investigaciones que versan sobre el modelado del comportamiento hídrico de microcuencas del páramo andino ecuatoriano y colombiano usando TOPMODEL, fue fundamental para el desarrollo de la presente investigación. Facilitó la construcción de hipótesis de investigación y la implementación del modelo en el valle principal de la microcuenca de la Quebrada de Miguaguó, particularmente útil fue el rango de valores para los parámetros. Este análisis fue posible luego de alcanzar conocimiento de la teoría subyacente a TOPMODEL.
A partir del conocimiento generado por las investigaciones del proyecto Red SuAgua, se pudo construir un primer modelo perceptual de la microcuenca de la Quebrada de Miaguaguó, que facilitó las etapas de calibración y evaluación del modelo.
Si bien existen diferencias entre los páramos venezolanos y los de otros países, no debemos perder de vista las coincidencias. La hipótesis que se formuló sobre las limitaciones de TOPMODEL modelando el comportamiento hídrico de la microcuenca de la Quebrada de Miguaguó para meses húmedos, es prácticamente el resultado que se obtuvo del modelado de una microcuenca del páramo colombiano, ya que del análisis se desprende que el páramo venezolano presenta más similitud con el páramo colombiano, que con el ecuatoriano. Siendo el desempeño del modelo en los meses húmedos, tal como se enunciaba en la hipótesis, salvo por la presencia de un elemento adicional “los afloramientos rocosos”, no presentes en la microcuenca del páramo colombiano o por lo menos no reportado.
Para la construcción de la segunda hipótesis, que abarca periodos con meses secos y de transición, se usó conocimiento de experiencias en cuencas mediterráneas. Aun cuando la hipótesis no fue aceptada en su totalidad, se pudo verificar la incapacidad de TOPMODEL para representar eventos de precipitación durante los meses secos. Y la
tercera hipótesis, que compara el desempeño usando datos de ET0 contra datos de Etc aju, fue parcialmente evaluada por falta de datos.
En general, existen limitaciones para modelar con TOPMODEL el comportamiento hídrico del valle principal de la microcuenca de la Quebrada de Miguaguó. Se han conseguido los mismos problemas presentados al modelar una microcuenca de páramo colombiano, ellos se atribuyeron a que el modelo no representa la conectividad que existe entre las lagunas y la red de drenaje y a la alta variabilidad espacial de la precipitación. Otras limitaciones se identificaron, relacionadas a elementos propios de los páramos venezolanos, que no están contemplados en TOPMODEL, como el modelado de afloramientos rocosos y una marcada estacionalidad de las precipitaciones.
R
ECOMENDACIONESEntre las recomendaciones tenemos:
1) Realizar la evaluación del modelo usando datos de Etc aju para el periodo de evaluación.
2) Integrar datos de precipitación provenientes de las diferentes unidades monitoreadas en el valle principal de la microcuenca de la Quebrada Miguaguó, entre ellas la ladera derecha y la ladera izquierda, que puedan ser usados para alimentar el modelo.
3) Estimar un rango de valores para el parámetro Srmax, que permita restringir los valores de este parámetro para el modelado de la hidrología de microcuencas del páramo venezolano.
R
EFERENCIASAcevedo, Llambí, Naranjo, Smith, & Sarmiento. (2006). Establecimiento de una red
comunitaria de investigación participativa para el uso eficiente del agua y el suelo en agroecosistemas del Valle Alto del río Chama. Mérida.
Bernal, C. (2010). Metodología de la investigación. Pearson Educación.
Beven, K. (1997). Topmodel : a Critique. Hydrological Processes, 11, 1069 – 1085.
Beven, K. (2012). Rainfall-Runoff Modelling: The Premier. John Wiley / Sons, Ltd (Secon Edit).
Beven, K., Freer, J., & Piñol, J. (1997). Modelling the hydrological response of mediterranean catchments, Prades, Catalonia. The use of distributed models as aids to hypothesis formulation. Hydrological Processes, 11, 1287–1306.
Beven, K., & Kirkby, M. (1979). A physically based, variable contributing area model of basin hydrology. Hydrological Sciences Bulletin, 24(1), 43–69.
Buytaert, W. (2009). Implementation of the hydrological model TOPMODEL in R.
Buytaert, W., & Beven, K. (2011). Models as multiple working hypotheses: Hydrological simulation of tropical alpine wetlands. Hydrological Processes, 25, 1784–1799. Buytaert, W., Célleri, R., De Biévre, B., Cisneros, F., Wyseure, G., Deckers, J., &
Hofstede, R. (2006). Human impact on the hydrology of the Andean páramos. Earth-
Science Reviews, 79, 53–72.
Buytaert, W., Célleri, R., De Bièvre, B., Deckers, J., & Wyseure, G. (2004). Modelando el comportamiento hidrológico de microcuencas de páramo en el Sur del Ecuador con TOPMODEL. In Memorias del III Congreso Latinoamericano sobre Manejo de
Cuencas Hidrográficas. Arequipa.
Buytaert, W., Reusser, D., Krause, S., & Renaud, J. (2008). Why can´t we do better than Topmodel? Hydrological Processes, 22, 4175–4179.
Célleri, R., Buytaert, W., De Bièvre, B., & Tobón, C. (2009). Understanding the hydrology of tropical Andean ecosystems through an Andean Network of Basins. In Proceedings
of the Workshop held at Gostar-Hahnenklee (pp. 209–212).
Célleri, R., & Feyen, J. (2009). The Hydrology of Tropical Andean Ecosystems: Importance, Knowledge Status, and Perspectives. Mountain Research and
Chow, V., Maidment, D., & Mays, L. (1994). Hidrología aplicada. McGRAW-HILL
Interamericana. Santa Fé de Bogota.
Córdova, C. (2014). Estudio de las características edáficas con el fin de estimar la
capacidad potencial de almacenamiento hídrico en los suelos minerales de la Microcuenca de Miguaguó, Mixteque. Estado Mérida, Venezuela. Thesis. Universidad
de los Andes.
Gil, E. (2012). Modelación Hidrológica de los Páramos Andinos con TOPMODEL :
páramo de Chingaza , Colombia. Universidad Nacional de Colombia.
Gumindoga, W., Rientjes, T., Shekede, M. D., Rwasoka, D. T., Nhapi, I., & Haile, A. T. (2014). Hydrological Impacts of Urbanization of Two Catchments in Harare, Zimbabwe. Remote Sensing, 6, 12544–12574.
Haefner, J. (2005). Modeling Biological Systems: Principles and Applications. Springer. Hernandez Sampieri, R., Fernandez Collado, C., & Baptista Lucio, M. del P. (2010).
Metodología de la investigación. McGRAW-HILL Interamericana.
McIntyre, N., Ballard, C., Bruen, M., & Bulygina, N. (2012). Modelling the hydrological impacts of rural land use change: current state of the science and future challenges. In
British Hydrological Society Eleventh National Symposium (pp. 1–7). Dundee.
Metcalfe, P., Beven, K., & Freer, J. (2016). Implementation of the Dynamic TOPMODEL Hydrological Model Version.
Oberto, L. (2006). Evaluación de la Aplicación del Modelo Lluvia- escorrentía
TOPMODEL a la cuenca del Embalse Yacambú. Universidad Centrooccidental
Lisandro Alvarado.
OMM. (2011). Guía de prácticas hidrológicas Volumen I.
OMM, & UNESCO. (1998). Glossario Hidrológico Internacional. IHP/OHP-Berichte. Quichimbo, A., Vázquez, R., & Samaniego, E. (2013). Aplicabilidad de los modelos NAM
y DBM para estimar caudales en subcuencas alto andinas de Ecuador. Maskana, 4(2), 85–103.
Quintero, M., Wunder, S., & Estrada, R. D. (2009). For services rendered ? Modeling hydrology and livelihoods in Andean payments for environmental services schemes.
Forest Ecology and Management, 258(9), 1871–1880. Retrieved from
http://dx.doi.org/10.1016/j.foreco.2009.04.032
geomorfológicas y de vegetación sobre el balance hídrico de una microcuenca andina de venezuela. Universida de los Andes.
Rodríguez, M., Acevedo, D., Buytaert, W., Ablan, M., & De Bièvre, B. (2014). El páramo andino como productor y regulador del recurso agua. El caso de la microcuenca alta de la Quebrada Mixteque, Sierra Nevada de Mérida, Venezuela. Avances En
Investigación Para La Conservación de Los Páramos Andinos, CONDESAN, 245–
266.
Rogelis, M., Werner, M., Obregón, N., & Wright, N. (2016). Hydrological model assessment for flood early warning in a tropical high mountain basin. Hydrology and
Earth System Sciences Discussions, 30, 1–36.
Sandoval, D. (2015). Intercepción, Evaporación desde el Suelo y Transpiración en un
Páramo Andino Venezolano: modelización desde la hoja al ecosistema. Universidad
de los Andes.
Smith, J. K., Sarmiento, L., & Acevedo, D. (2007). Mapeo de Fincas y Recolección de
información Agrícola a través de investigación participativa. Mérida.
Vázquez, R. (2010). Modelación hidrológica de una microcuenca Altoandina ubicada en el