2.1. CONTEXTO GEOLÓGICO E HIDROGEOLÓGICO

Los altos topográficos que delimitan naturalmente la cuenca son resultado de la actividad tectónica del Mioceno tardío y los sistemas de fallas del Pleistoceno al Holoceno, que originaron la Faja Volcánica Transmexicana (^{Ferrari et al., 2000}; ^{García et al., 2000}). Estas estructuras corresponden principalmente, al volcán Nevado de Toluca (4,560 msnm) en el flanco suroeste, y la Sierra de las Cruces (3,000 msnm) al este. En la base de la columna estratigráfica se identifican rocas ígneas (basaltos y andesitas), le sobreyacen depósitos piroclásticos de lahares, cenizas y pómez que afloran al pie de las sierras (^{Macías et al., 1997}). Finalmente, se depositan sedimentos granulares de origen aluvial y lacustre, que se interdigitan con materiales de origen volcánico.

Condicionado a la geología, el sistema acuífero se divide en una unidad inferior de rocas volcánicas fracturadas provenientes del Nevado de Toluca y la Sierra de las Cruces, además de un acuífero granular superior (^{Cervantes y Armienta, 2004}; ^{Calderhead et al., 2010a}; CONAGUA, 2015). Análogo a los patrones de lluvia, la mayor recarga ocurre en la Sierra de las Cruces a causa de los patrones de precipitación y el grado de fracturamiento de las rocas (^{Birkle et al., 1998}). En este contexto, el flujo subterráneo en condiciones naturales se dirige al centro de la cuenca, posteriormente presenta una dirección S-N, similar al cauce del río Lerma hacia la cuenca de Ixtlahuaca/Atlacomulco. Sin embargo, el estado hidrodinámico natural de la cuenca ha sido transformado desde principios de la década de los 50’s. Las tasas de extracción de agua subterránea han ido en aumento, de modo específico, para abastecer las necesidades industriales, agrícolas y domésticas de una población creciente. Asimismo, la instalación de la batería de pozos del Sistema Lerma captura parte de la recarga proveniente de las serranías del este. Este acelerado ritmo de extracción de agua ha provocado un desequilibrio hidrológico siendo, en cualquier caso, insuficiente la recarga natural del sistema. El déficit en la disponibilidad media de agua se manifiesta hidrogeológicamente en la reconfiguración del patrón natural de flujo (Figura 1) y, en gran medida, el desarrollo de importantes conos de descenso piezométrico en la zona industrial del Valle de Toluca.

2.2. EVOLUCIÓN DEL USO DEL SUELO

La estratégica ubicación del Valle de Toluca en el centro del país y, muy especialmente, la cercanía con la ciudad de México ha favorecido el establecimiento de una de las principales zonas industriales del país. A la par del desarrollo industrial, el rubro demográfico presenta un crecimiento importante desde 1980 (Figura 2), alcanzado tasas promedio de hasta 30.27 km² por año durante la última década (^{INEGI, 1997}, ²⁰⁰¹; ^{Chen et al., 2014}; ^{Sun et al., 2015}). Como resultado, los usos del suelo destinados a cultivos han disminuido su extensión, dando lugar al establecimiento de superficies artificiales (Tabla 1).

Figura 2 Crecimiento de la mancha urbana en el Valle de Toluca durante el periodo de 1980 a 2020, de acuerdo con los datos del INEGI y GlobeLand30. Análisis por década. 

3.1. MODELO DE BALANCE HIDROLÓGICO SWB2

El modelo de balance de humedad del suelo SWB2 es un código de acceso libre, el cual ha sido desarrollado por el Servicio Geológico de Estados Unidos (USGS) para la estimación de la recarga potencial (^{Westenbroek et al., 2018}). El balance hídrico se basa en la modificación al método de Thornthwaite-Mather (^{Thornthwaite-Mather 1957}), donde, la recarga potencial (Ecuación 1) representa el exceso de humedad del suelo fuera de la zona radicular (Ecuación 2 y 3).

siendo R (in) la recarga potencial, θ _t (in) la humedad del suelo en el día de simulación, θ _r la humedad de la zona radicular, CAD (in) la capacidad de agua disponible en el suelo después de sustraer la necesaria por la vegetación, PR (ft) la profundidad de raíces, θ _t-1 (in) la humedad del día previo, P (in) la precipitación, I (in) la intercepción, E (in) la escorrentía y ET _R (in) la evapotranspiración real.

Las componentes del balance hídrico se estiman a pasos de tiempo de 24 horas en matrices cuadrangulares, cuyo esquema de cálculo comienza con: (1) Lectura de datos de precipitación y temperatura, (2) Intercepción, (3) Escorrentía, (4) Evapotranspiración potencial, (5) Evapotranspiración real, (6) Humedad del suelo. El código SWB2 se ejecuta en una terminal de comandos del Sistema Operativo a través de un archivo de control y una tabla de búsqueda (Figura 3). El análisis de la recarga en el Valle de Toluca se desarrolló para el periodo de 1980 a 2050, con modificaciones al uso del suelo en los años de 1980, 1985, 1995, 2005, 2013, 2020, 2030 y 2040 de acuerdo con los datos disponibles de INEGI y GlobeLand 30.

Figura 3 Diagrama de flujo del modelo de recarga SWB2 y datos de entrada. 

3.2. VARIABLES CLIMATOLÓGICAS

Los valores de precipitación, temperatura máxima y mínima, se compilaron del proyecto Daymet v. 4.0 (^{Thornton et al., 2020}), soportado por la NASA a través del Sistema de Información y Datos Científicos de la Tierra (ESDIS) con el Programa de Ecología Terrestre (https://Daymet.ornl.gov.). Daymet es una serie de algoritmos para la interpolación por pesos ponderados de datos meteorológicos diarios, cuyas fuentes de datos en México son las estaciones de la red climatológica histórica mundial (GHCN), en conjunto con las estaciones del Servicio Meteorológico Nacional (SMN). Las series climatológicas se descargaron en el formato matricial NetCDF con una resolución espacial de 1 km x 1 km y pasos de tiempo diarios durante el periodo de 1980 a 2020.

Para comprobar si la base de datos Daymet proporciona mediciones de precipitación y temperatura similares a las registradas por en las estaciones del SMN (https://smn.conagua.gob.mx), se llevó a cabo una relación promedio lineal entre los promedios anuales para el caso de la precipitación, y mensuales para la temperatura media, durante el periodo de 1981 - 2017. Del total de 21 estaciones climatológicas, se seleccionaron aquellas con el menor porcentaje de datos faltantes para completar las series de tiempo diarias respectivas (Tabla 2). A partir del coeficiente de correlación entre estaciones, se delimitaron clústeres para el posterior tratamiento de relleno de datos (Figura 4).

Figura 4 Ubicación de las estaciones climatológicas del Servicio Meteorológico Nacional utilizadas en la comparación con los datos DAYMET de precipitación y temperatura. 

En las series de precipitación se utilizaron pesos ponderados (Ecuación 4), aplicando la Generalización del coeficiente de correlación modificado con el método de ponderación de distancia inversa (Ecuación 5), que incluye, principalmente, el factor de la altura (^{Morales et al., 2019}),

donde, Z _t es el valor estimado de la precipitación para el punto t, N es el número de estaciones vecinas que conforman el clúster de estimación, W _i es el peso ponderado de la estación i-th, Z _i es el valor de precipitación observado en la estación i-th, ritp , dit-q y hit-s representan el coeficiente de correlación, la distancia y la diferencia de altura entre la estación en análisis t y las estaciones vecinas i-th, respectivamente. El exponencial p es el coeficiente de correlación de Pearson, q representa la influencia de la distancia en los datos cuyo valor fluctúa entre 1.0 y 6.0; en tanto que s es el grado de dominio de altura entre estaciones. De este modo, la precipitación media anual se comparó con el valor del pixel correspondiente a cada estación climatológica en los ráster Daymet.

Por otra parte, los conjuntos de temperatura máxima y mínima se completaron por regresiones ponderadas (Ecuación 6), aplicando un filtro gaussiano con una función lineal para equilibrar la diferencia altitudinal entre estaciones (^{Stahl et al., 2006}).

donde Tp es la temperatura promedio (ºC), Ti es la temperatura registrada en la estación vecina i, b₀ y b₁ son ecoeficientes de regresión entre estaciones, hp es la altura de la estación de estudio (msnm), hi es la altura en la estación vecina i, y n es el número de estaciones utilizadas en el análisis. El peso ponderado wi se basa en la distancia entre estaciones considerando un filtro gaussiano (Ecuación 7).

donde r es la distancia entre las estaciones de estudio (m), R _p es la distancia entre el punto de análisis y la estación más lejana dentro del clúster de evaluación, α es la constante de curvatura del filtro gaussiano con valores entre 1 y 7, para este caso se ajustó el valor de 1.

3.3. CÁLCULO DE LA INTERCEPCIÓN

Dado los extensos bosques que bordean la cuenca, la intercepción se analizó con el método de Gash modificado (^{Gash, 1979}; ^{Gash et al., 1995}), el cual, involucra la absorción de agua en el tallo, follaje y tronco. A las mallas de uso del suelo se les asignaron valores de fracción cubierta por follaje y relación evaporación-precipitación (Tabla 3), de acuerdo con ^{Westenbroek et al., (2018)} y ^{Salvador et al., (2021)}. Los datos de captación en el tallo, follaje y tronco, que se especifican en la tabla de búsqueda (Tabla 4), se recopilaron de estudios realizados en bosques del estado de México (^{Bolaños et al., 2021}), cultivos de maíz (^{Nazari et al., 2020}) y pastizales (^{Couturier y Ripley, 1973}).

3.4. CÁLCULO DEL ESCURRIMIENTO

El escurrimiento se estimó con el método del Número de Curva (CN), que relaciona la lluvia antecedente, el tipo de suelo, el uso del suelo, la cobertura vegetal y la capacidad de infiltración del suelo. El Número de Curva puede variar entre 0-100, de acuerdo con el grupo hidrológico de suelo. A este respecto, los datos edafológicos (escala 1:250 000), publicados por el ^{INEGI (2017)}, se categorizaron en grupos hidrológicos del suelo de acuerdo con el Soil Conservation Service (^{USDA, 2009}). Para esta clasificación fueron consideradas las texturas y el contenido de finos registrados en la Base Referencial Mundial del Recurso Suelo (^{IUSS, 2015}), para cada tipo de suelo.

Los grupos hidrológicos de suelo identificados comprenden del B al D, siendo el grupo B el predominante (62.66%) en la planicie del valle, representando un menor potencial de escurrimiento y una mayor tasa de infiltración. Por su parte, el grupo C (37.10%) corresponde a las áreas de basaltos y andesitas fracturadas. Finalmente, el grupo D (0.24%) se identificó en el alto del volcán Nevado de Toluca, y representa la zona con el mayor potencial de escurrimiento (Figura 5a). La selección del Número de Curva para las combinaciones de uso de suelo y grupo hidrológico (Tabla 4) retoma los valores propuestos para México, con base en las condiciones hidrológicas de la cuenca Lerma-Santiago (^{Hernández, 2014}).

Figura 5 Datos de entrada al modelo de recarga SWB2: a) Delimitación de los grupos hidrológicos de suelos y tasas de infiltración, a partir de los datos edafológicos del INEGI (2014) y los parámetros propuestos por la ^{USDA (2009)}, b) Distribución de la capacidad de retención de agua del suelo, basado en las texturas de suelo propuestas por el INEGI (2014). 

3.5. ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN BASADA EN LA HUMEDAD DEL SUELO

La evapotranspiración real (ET_r) se contempla como una función lineal de la evapotranspiración potencial (ET _p), y que, a su vez, depende la humedad diaria del suelo. La ET_p se calculó con el método de Hargreaves-Samani (Ecuación 8), debido a la validación global que posee en zonas con poca información climatológica (^{Hargreaves y Samani, 1985}; ^{Allen et al., 1998}).

donde, ET _p es el valor de referencia de la evapotranspiración (mm/día), T _med , T _max , T _min son las temperaturas diarias media, máxima y mínima correspondiente (°C) y R _a es la radiación solar incidente en un punto determinado de la atmósfera (mm/día). Los valores de radiación solar parten de estimaciones estándar que consideran la posición de la Tierra en relación con el Sol y la posición de la celda en correspondencia con la tierra. En tal sentido, se consideró la tabla de radiación solar propuesta por ^{Allen et al., (1998)}, con base en la latitud de cada celda y el día calendario de simulación. Por su parte, la ET _r (Ecuación 9) es igual a la diferencia de la humedad provisional (Ecuación 10) del suelo y la humedad del día de estudio (Ecuación 11),

donde θ _t-1 es la humedad del día anterior ( in ), θ _p es la humedad provisional ( in ), θ _t es la humedad del día de estudio ( in ), y θ _r es la humedad de la zona radicular (Ecuación 2). De esta manera, se elaboró un ráster de capacidad de agua disponible ( CAD ) con base en el grid edafológico del INEGI y los valores de retención de agua propuestos por ^{Thornthwaite y Mather (1957)}, (Figura 5b). El intervalo de datos oscila entre 10 - 28.3 cm/m, asignándose los mayores valores para la planicie de la cuenca y la zona de la Laguna de Almoloya.

3.6. PROBABLES ESCENARIOS FUTUROS DE CLIMA Y USO DE SUELO

3.6.2. Proyecciones de crecimiento urbano

La expansión de la mancha urbana se analizó como una relación población - extensión de la mancha urbana (Ecuación 12) mediante la ecuación de ^{Marshall (2007)}.

A2A1=P2P1n (12)

donde, A ₁ y A ₂ son las áreas de mancha urbana en los tiempos 1 y 2 respectivamente, P ₁ y P ₂ corresponden al tamaño de la población en los tiempos 1 y 2, n es el coeficiente de elasticidad población-área, que representa el área que ocuparán los nuevos residentes en comparación con los existentes. La determinación del valor n se derivó de los valores históricos de población registrados en el estudio de Delimitación de las Zonas Metropolitanas de México (^{SEDATU et al., 2018}) y las tasas de crecimiento promedio total proyectadas por ^{Mendoza et al., (2019)} durante el periodo de 2020 al 2050. La población presentaría un aumento de 0.14%, 0.60% y 0.91% en el mejor, moderado y peor caso (Tabla 5), lo cual deriva en un crecimiento del área urbana de 8%, 40% y 66% (Figura 6). Con base en el ráster de uso del suelo del año 2020, se incrementó la extensión de la urbe mediante Sistemas de Información Geográfica. Lo anterior implica que las matrices de fracción cubierta por follaje y relación evaporación-precipitación, en particular, sean modificados de acuerdo con el uso del suelo en cada escenario futuro.

Figura 6 Proyecciones de la extensión de la mancha urbana del Valle de Toluca en Km2 para los años 2030, 2040 y 2050, con base en las tasas de crecimiento de la población en el Valle de Toluca propuestas por ^{Mendoza et al., (2019)}. 

4.1. COMPARACIÓN CLIMATOLÓGICA

La relación promedio de datos SMN/Daymet en las estaciones de estudio es de 0.95, con máximos y mínimos que oscilan entre 2.35 y 0.30 (Figura 7a). En general, las estaciones localizadas en los altos montañosos exhiben las menores relaciones, donde destaca la estación con clave 15122 con una relación promedio de 0.82. Los extremos negativos podrían atribuirse a los periodos de tiempo con lecturas nulas, ya que, a pesar del proceso de relleno de series, existen subperiodos donde no se registran datos en las estaciones del clúster. De hecho, esto es significativo particularmente en el análisis de la precipitación, ya que se realizó la comparativa SMN/Daymet con las sumatorias anuales, lo que podría derivar en una subestimación de la precipitación en los registros del SMN y un valor atípico SMN/Daymet. Cabe destacar la tendencia positiva en las relaciones posteriores al año 2012, que refleja una subestimación de la precipitación en la base de datos Daymet. A este respecto, los grids de precipitación del periodo 2013-2020 se incrementaron en un factor de 1.32.

Figura 7 Comparación de las variables climatológicas obtenidas del análisis diario en las estaciones del SMN y las reportadas en los datos matriciales Daymet durante el periodo de 1981 a 2017. a) Relación de la precipitación anual, b) Diagrama de caja y bigotes construido a partir de las diferencias de la temperatura media mensual. La simbología es válida para las figuras 7a y 7b. 

En el análisis de la temperatura media, se compararon los valores promedio mensuales del registro SMN y la base Daymet, en cada estación de estudio (Figura 7b). Similar a la tendencia encontrada en el análisis de la precipitación, las estaciones aledañas a las serranías (15045, 15057, 15089 y 15122) presentan los diferenciales más importantes y mayores valores atípicos. Esto podría indicar una desigualdad en las estimaciones del SMN y Daymet, proporcional a la altura de la estación de estudio. No obstante, la evaluación mensual denota una diferencia media de 0.84° C entre los registros del SMN y los grids de Daymet que, para fines prácticos, resulta poco significativa para justificar un coeficiente de incremento en la temperatura. A este respecto, los valores de temperatura máxima y mínima de DAYMET se utilizaron en el balance hídrico sin tratamiento previo.

4.2. RECARGA POTENCIAL HISTÓRICA

Las simulaciones del balance hídrico durante 1980 a 2021 resultan en láminas de recarga que varían espacialmente a razón del uso del suelo, tipo de suelo, así como tasas de precipitación. El volumen promedio anual de recarga potencial en la cuenca ronda los 369.5 Mm³ con una tasa de infiltración de 174.5 mm/año. A primera vista, las componentes anuales del balance hidrológico siguen el comportamiento de la precipitación, como sucede en cuencas con recarga mayormente controlada por la topografía (^{Sanford, 2002}). No obstante, aunque la principal recarga del sistema acuífero de Toluca proviene de la captación de agua en las serranías fracturadas, la recarga vertical en el Valle fluctúa bajo efectos derivados del cambio de uso del suelo.

Referente a las variables climatológicas, las tasas de precipitación oscilan entre 1,353 mm/año y 756 mm/año con ciclos secos en los intervalos 1982-1992 y 2012-2020, así como ciclos húmedos en 1993-2011, siendo el año 2005 anormalmente seco (Figura 8). Destaca el descenso de la precipitación posterior a 2012, a pesar del factor de incremento aplicado a las mallas de precipitación. En el caso de la temperatura, se observa un alza en las temperaturas máxima y mínima a partir del año 2012, que explica el incremento en la ET _p (Figura 8). Por el contrario, la ET _r exhibe una tendencia negativa posterior al 2012 a medida que la precipitación se reduce.

Figura 8 Tasas promedio anuales de las componentes del balance hídrico obtenidas en el modelo SWB2 durante 1980-2021. Las áreas ensombrecidas en azul y rojo denotan el aumento/decremento en la recarga respectivamente. 

De la evolución del uso del suelo, se observa un crecimiento de la mancha urbana de 0.4% en 1980 a 17.5% en 2020, que limitó las zonas de cultivo y pastizal, reduciéndolas de 17.7% a 8.1% (Tabla 1). Dentro de los efectos asociados, el incremento en la escorrentía de ~200% durante 1995-2012, se atribuye a la impermeabilización parcial o total del suelo, posterior a tal periodo, la disminución de la variable corresponde también a la baja precipitación. La intercepción, del mismo modo, expone una ligera disminución hasta el 2020, que concuerda con la gradual reducción de los usos del suelo con parámetros de intercepción asignados en el método Gash (^{Gash et al., 1995}). Esta combinación de cambios ejerce, igualmente, un potente efecto en la ET _r , ya que, al incrementarse la escorrentía e intercepción, la θ _p tendería a disminuir.

En cuanto a la distribución espacial de la recarga potencial, la variación en las zonas montañosas estaría más estrechamente relacionada a factores climatológicos, mientras que, en áreas del valle, los cambios del uso del suelo ejercen mayor influencia. En cada análisis, destaca la baja recarga en celdas asignadas a usos artificiales, muy a pesar del 85% de impermeabilidad asignado a tales celdas (Figura 9). Finalmente, el tipo de suelo, la textura, y la capacidad de retención de agua intervienen en la distribución de la recarga, siendo las porciones de arcilla limosa en el centro del Valle una limitante en la infiltración.

Figura 9 Distribución espacial de la recarga potencial obtenida del modelo de recarga SWB2. Se muestran los volúmenes y tasas promedio anuales para los periodos a) 1980-1984; b) 1985-1994; c) 1995-2004; d) 2005-2012; d) 2013-2021. 

4.3. PROYECCIÓN DE LA RECARGA POTENCIAL

Los resultados de las proyecciones de recarga se presentan como porcentajes de cambio con respecto a la serie promedio histórica de 1980 al 2021 (Figura 10). Los cambios en las precipitaciones corresponden a los derivados de las predicciones del IPCC, que oscilan entre -3.80% en el mejor caso y -10.80% en el peor escenario (Figura 10 a-d). Similar al análisis de la recarga histórica, estos valores condicionan directamente el desarrollo de los demás parámetros hidrológicos. En los tres escenarios, la evapotranspiración real disminuye en las serranías a causa de la disminución en la precipitación; sin embargo, la zona del valle presenta un cambio positivo atribuido al incremento en las temperaturas (Figura 10 e-10h). Análogo al comportamiento histórico, el escurrimiento se intensifica en las celdas cuyo uso del suelo fue modificado a superficie urbana, en estos pixeles el cambio llega a superar el 100 % (Figura 10 i-10l). Finalmente, la recarga expone cambios negativos en todos los casos, en menor o mayor medida, de acuerdo con el escenario de análisis. El porcentaje de cambio promedio con respecto a la serie 1992-2021 es de -16.59%, -19.99% y -22.61% para el mejor, promedio y peor escenario respectivamente (Figura 10 m-10p).

Figura 10 Distribución espacial de variables del balance hidrológico para escenarios futuros. Las estimaciones de recarga histórica corresponden al promedio anual de 1980-2021 (a), (e), (i), (m), mientras que las proyecciones de recarga para 2022-2050 se muestran como porcentajes de cambio con respecto al promedio histórico para el peor escenario (b), (f), (j), (n), el escenario promedio (c), (g), (k), (o), y el peor escenario (d), (h), (l), (p). 

4.4. COMPARACIÓN CON ESTUDIOS PREVIOS

A partir de este estudio se obtienen resultados que se sitúan en los intervalos de recarga obtenidos en trabajos previos en el Valle de Toluca, con diferencias, principalmente, asociadas a la discretización espacial/temporal y los métodos de cálculo (Tabla 6). En comparación con el trabajo realizado por ^{Calderhead et al., (2012b)}, los volúmenes de recarga difieren, sobre todo, por la distribución de datos climatológicos y el periodo de tiempo utilizado en ambos estudios. A este respecto, los años con los extremos de precipitación obtenidos en la presente investigación no se sitúan dentro del análisis efectuado por ^{Calderhead et al.¸(2012b)}, lo que supone un factor preponderante en la diferencia en los valores de la recarga. En la proyección de la recarga, los cambios se relacionan con los factores de incremento/decremento utilizados en los posibles escenarios futuros.

Haciendo alusión al trabajo de ^{Pacheco (2012)}, la recarga para los años 1985, 1996 y 2009 es de 302.1 Mm³, 258.3 Mm³ y 335.1 Mm³, en tanto que, con el modelo SWB2 los valores obtenidos son de 251.3 Mm³, 421.3 Mm³ y 419.4 Mm³, para los mismos años de estudio. Las diferencias se relacionan con los pasos de tiempo en el balance hídrico, ya que el empleo de escalas mensuales puede subestimar hasta un 25% la recarga frente a escalas diarias (^{Rushton y Ward, 1979}). En este contexto, el año 1985 corresponde a un periodo de bajas precipitaciones, limitando la humedad diaria del suelo y el agua disponible para percolación. En las predicciones de recarga para los años 2015 y 2020 se aplicaron tasas de precipitación y evapotranspiración constantes (Pacheco, 2012), no obstante, en este estudio se utilizan los registros de precipitación históricos que muestran descensos pluviométricos para tales años, derivando en una diferencia en más del 200% en la recarga.

Las tasas de recarga más altas para el Valle de Toluca se presentan en el estudio de ^{Sánchez (2019)}, contrariamente a lo esperado en balances hídricos mensuales, tal como se argumenta en los estudios de ^{Pacheco (2012)} y ^{Salas (2012)}. Con áreas de estudio de 2,738 km² (^{Sánchez, 2019}) y 2,100 km² en este estudio, la extensión en el polígono utilizado supondría la discrepancia en los volúmenes de recarga.

En análisis previos se señala la recarga como un porcentaje de la precipitación, que oscila entre 30% y 40% para la Sierra de las Cruces (^{Ortega y Farvolden, 1989}). Sin embargo, en este estudio se ha encontrado una relación de hasta el 50% durante las épocas húmedas, atribuido al método de balance que considera la humedad del día anterior, lo cual conlleva un aumento de la conductividad hidráulica del suelo en los periodos húmedos.

4.5. LIMITANTES DEL MODELO Y RECOMENDACIONES

El modelo SWB2 no contempla el tránsito del agua en la zona no saturada hasta el nivel freático, lo cual se manifiesta en diferencias entre la recarga potencial obtenida y la recarga real (Dripps y Bradbury, 2007; ^{Anderson et al., 2015}). Por otro lado, la aplicación de un esquema de calibración basado en la separación del flujo base de hidrogramas (^{Smith y Westenbroek, 2015}; ^{Bradbury et al., 2017}) resulta inviable para el Valle de Toluca debido a la poca interacción hidrológica entre el río Lerma y el sistema acuífero. Otros estudios, recomiendan igualar la evapotranspiración y la escorrentía, considerando que la mayor parte de la escorrentía sea evaporada a efectos del clima semiárido-templado (^{Calderhead, 2009}). Las tasas de evapotranspiración obtenidas son significativamente altas en comparación con las tasas de escorrentía, de manera que la calibración a partir de dichos parámetros resulta descartada.

La validez de los resultados de modelos de balance hídrico es proporcional a la calidad de los datos de entrada, siendo preferible el uso de datos obtenidos de métodos directos en el área de estudio. A este respecto, se recomienda la medición puntual de la retención de agua en las zonas arcillosas y areno arcillosas, puesto que, los altos valores de porosidad registrados pueden sugerir una mayor retención de agua de la utilizada en este trabajo. Del mismo modo, conviene perfeccionar las proyecciones de cambio de uso del suelo, al incluir modificaciones a cada uso de suelo además del artificial, mediante modelos que incluyan la estructura urbana, el clima y la topografía.