Introducción

Dentro de los servicios que brinda una cuenca destacan los ambientales, incluyendo los hidrológicos, cuya característica de cantidad y calidad dependen del clima y de las condiciones de conservación en las que se encuentre la cuenca (^{Duque-Yaguache & Vázquez-Zambrano, 2015}). La capacidad de una cuenca para proveer servicios hidrológicos depende de características entrelazadas que se distribuyen heterogéneamente en su superficie (^{Isik, Kalin, Schoonover, Srivastava, & Lockaby, 2013}); las cuales son: topografía, cubierta vegetal, uso del suelo y climatología (^{Brauman, Daily, Duarte, & Mooney, 2007}).

Principalmente, en las regiones áridas, la escasez de agua es un tema de interés que suscita investigaciones hidrológicas enfocadas en los aspectos que las caracterizan (^{Loyer, Estrada, Jasso, & Moreno, 1993}). En estas investigaciones, ya sea de cuenca o de ecosistema, un tópico importante es la simulación de procesos; en la cual, el usuario puede obtener datos relativos al comportamiento de un sistema a través de un modelo, cuya relación causa efecto es la misma (o similar) a la del sistema original (^{Sánchez-Cohen, 2005}).

A nivel de cuenca, la modelación hidrológica es un componente indispensable en la investigación, manejo y gestión de los recursos hídricos (^{Johnston & Smakhtin, 2014}). En la actualidad, existen diversas herramientas computacionales para la modelación de procesos hidrológicos, cada una definida por el tipo de parámetros que utiliza como insumo y su campo específico de aplicación.

Entre los modelos más utilizados se encuentran: a) el MODFLOW, empleado para simulación de sistemas de agua subterránea en acuíferos confinados y no confinados, considera además flujos de recarga, evapotranspiración, extracciones, ríos y drenes (^{Chen, Izady, & Abdalla, 2017}); b) el Soil & Water Assessment Tool (SWAT), permite simular los efectos en variables hidrológicas como resultado de las prácticas de manejo realizadas en las cuencas (^{Dunea et al., 2016}); c) el Hydrological Bureau Water balance-section (HBV) fue desarrollado por el Instituto Hidrológico y Meteorológico Sueco en 1976 y se ha aplicado bajo condiciones climáticas y escalas diversas (^{Güitrón, 2007}), y d) el Water Evaluation and Planning System (WEAP) el cual sirve en la planificación y distribución de recursos hídricos y puede ser aplicado a diferentes escalas (^{Adgolign, Srinivasa-Rao, & Abbulu, 2016}). Este último incluye demandas de agua con prioridades asociadas y usa escenarios para evaluar los impactos y diferentes esquemas de distribución del recurso hídrico en la cuenca (^{Amisigo, McCluskey, & Swanson, 2015}; ^{Johannsen, Hengst, Goll, Höllermann, & Diekkruger, 2016}).

De acuerdo con ^{Lalika, Meire, Ngaga, y Chang’a, (2014)}, las cuencas y sus ríos son ecológicamente vitales para el aprovisionamiento, bienestar y prosperidad de los seres humanos; sin embargo, las actividades antropogénicas, aunadas a la variabilidad y cambio climático, las están degradando. Estos acontecimientos se presentan como una de las mayores preocupaciones ante los posibles efectos del cambio climático en los recursos hídricos (^{Martínez-Austria, & Patiño-Gómez, 2012}). Además, la presión sobre los recursos hídricos agrava cada vez más su disponibilidad, sobre todo en zonas con régimen pluvial bajo.

En México, en la Sierra Madre Occidental, se encuentra la cuenca que comprende el río Sextín o del Oro. Desde su nacimiento hasta la confluencia con el río Ramos, en el vaso de la presa Lázaro Cárdenas (El Palmito), presenta un área de 8,248 km², 245 km de longitud (^{Secretaría de Recursos Hidráulicos [SRH], 1970}) y su disponibilidad media anual de las aguas superficiales, hasta la estación hidrométrica Sardinas, es 102.7 Mm³ (^{Diario Oficial de la Federación [DOF], 2016}). En 1970, comenzó a operar la estación Sardinas, ubicada sobre el río Sextín, 390 m aguas arriba de la confluencia con el arroyo Sardinas, a 1 km al poniente del poblado del mismo nombre y a 12 km al noroeste de la población San Bernardo, dentro del municipio del mismo nombre en el estado de Durango, México (^{Comisión Nacional del Agua [CONAGUA], 2016b}). Esta estación se creó con el objetivo de determinar el régimen hidráulico de la corriente, así como conocer las aportaciones a la presa Lázaro Cárdenas (^{CONAGUA, 2016a}; ^{SRH, 1970}).

El objetivo del presente trabajo fue evaluar el impacto de las variaciones de los patrones climáticos sobre el escurrimiento de la cuenca del río Sextín mediante el modelo WEAP. Lo anterior debido a la necesidad de contar con herramientas de análisis y de apoyo en la toma de decisiones donde existe incertidumbre climática.

Materiales y métodos

Área de estudio

El presente estudio se realizó en la parte alta del río Nazas, perteneciente a la región hidrológica No. 36 Nazas-Aguanaval ubicada al centro-noreste de Durango, México (Figura 1). La extensión territorial de la cuenca de estudio es de 5,019.88 km² y forma parte de la Sierra Madre Occidental. Su precipitación anual es de 480 a 650 mm, la temperatura promedio máxima y mínima anual de 25.8 y 1.9 °C, respectivamente (^{Instituto Mexicano de Tecnología del Agua [IMTA], 2009}), y su volumen medio anual de escurrimiento natural es de 523.56 Mm³ (^{CONAGUA, 2016a}). La cuenca abarca parte de los municipios Tepehuanes, Guanaceví, Ocampo, San Bernardo, Indé y El Oro, Durango, México.

Figura 1 Ubicación geográfica de la zona de estudio. 

Delimitación de la cuenca

Los procesos para la elaboración del esquema hidrológico en el WEAP implican la delimitación de la cuenca, y si es posible su limitación a subcuencas. Para este caso se utilizó la información vectorial del simulador de flujos de agua de cuencas hidrográficas (SIATL); el cual clasifica a la zona de estudio en cinco subcuencas (Cuadro 1; ^{Instituto Nacional de Estadística y Geografía [INEGI], 2016}).

Cuadro 1 Características generales de las subcuencas consideradas en el estudio. 

Subcuenca	Clave	Perímetro (km)	Área (km2 )	Elevación máx. (m)	Elevación mín. (m)	Pendiente media (%)
El Oro	RH36Cg	276.95	2445.27	3140	1800	28.49
San Esteban	RH36Cf	177.59	716.54	3140	1800	37.83
De Lobos	RH36Ce	166.91	515.11	3260	1700	37.91
Matalotes	RH36Cd	186.84	891.90	2980	1660	34.82
Sextín	RH36Cc	216.29	451.06	2700	1639	29.48

El gradiente altitudinal en la zona de estudio oscila entre 1,600 y 3,260 m, con pendiente media de 33 %. Específicamente, para la subcuenca Sextín se hizo una delimitación autónoma, debido a que la estación de aforo se encuentra en una zona intermedia y la superficie total no representaba el escurrimiento real en la zona de estudio (Figura 2). La estación hidrométrica utilizada para la delimitación de la cuenca corresponde a la estación Sardinas (clave 36071), localizada en el municipio de San Bernardo a 1,639 m de altitud (26° 5’ 3’’ latitud norte y 105° 33’ 57’’ longitud oeste; ^{CONAGUA, 2016b}).

Figura 2 Modelo digital de elevación de la zona de estudio. 

Descripción y parametrización de WEAP

El WEAP permite a los usuarios crear modelos específicos, los cuales pueden calcular cambios hidrológicos considerando alteraciones producidas por condiciones ambientales o infraestructura (^{Flores-López et al., 2016}).

^{Yates, Sieber, Purkey, Hubber-Lee, y Galbraith (2005a}, ^2005b) y ^{Yates et al. (2007)}describen el WEAP como un modelo continuo configurado como un set de subcuencas contiguas que cubren toda la extensión de la cuenca de análisis. Un set homogéneo de datos climáticos (precipitación, temperatura, humedad relativa y velocidad del viento) es utilizado en cada subcuenca, las cuales se encuentran divididas en diferentes tipos de cobertura/uso de suelo (^{Centro de Cambio Global [CCG], 2009}).

Dentro del sistema, un modelo cuasi físico unidimensional, con dos receptáculos de balance de agua para cada tipo de cobertura/uso de suelo, reparte el agua entre escorrentía superficial, infiltración, evaporación, flujo base y percolación. Los datos de cada área se suman para obtener los valores agregados en una subcuenca. En cada tiempo de corrida del modelo, el WEAP calcula primero los flujos hidrológicos, que son traspasados a los ríos y acuíferos asociados (Figura 3). Para el cálculo de evapotranspiración, el modelo utiliza intrínsecamente la ecuación de Penman-Monteith (^{Sieber & Purkey, 2015}).

Figura 3 Elementos hidrológicos modelados en el WEAP (^{Centro de Cambio Global [CCG], 2009}). ^§ET: evapotranspiración, PET: evapotranspiración potencial, Z1: nivel de humedad inicial en zona de raíces, Z2: nivel de humedad inicial en zona profunda.  

El WEAP requiere la entrada de datos climatológicos y de cobertura vegetal para estimar los componentes del balance hidrológico para cada unidad hidrológica espacial básica que tiene que ser identificada en el modelo. Estas unidades básicas corresponden a las zonas de captación, denominadas en el modelo como catchments (^{CCG, 2009}).

La resolución de los catchments en el WEAP puede ser ajustada con base en la densidad de estaciones climáticas disponibles. En regiones con escasa información, el número de unidades hidrológicas puede ser menor; sin embargo, permite conservar la representatividad de la cuenca en su conjunto (^{Flores-López et al., 2016}).

Los datos climáticos requeridos para realizar la modelación son precipitación, temperatura, humedad, viento, punto de derretimiento, punto de congelamiento, latitud, y cantidad inicial de nieve (en caso de que esta variable sea relevante; ^{CCG, 2009}). Adicionalmente, son necesarios datos de caudales en estaciones de medición para poder comparar los resultados del modelo y realizar calibraciones.

Calibración del modelo

La cuantificación de las diferencias entre los datos observados y los generados ayuda a estimar el grado de confiabilidad de los resultados del modelo. La modificación de ciertas condiciones en el sistema permite ajustar los valores del modelo a los reales. En este caso, las variables que se cambiaron en el modelo y que mostraron sensibilidad en los resultados fueron: factor de resistencia a la escorrentía (RRF), dirección preferencial de flujo (f), nivel de humedad inicial en zona de raíces (Z1) y nivel de humedad inicial en zona profunda (Z2). Los ajustes realizados en dichas variables se hicieron considerando los rangos establecidos por el modelo y por otros esquemas hidrológicos similares a la cuenca de estudio (^{Flores-López et al., 2016}).

En el presente estudio, no se validó el modelo, ya que el objetivo del trabajo es encontrar la mejor eficiencia predictiva del modelo con base en los escurrimientos observados, más no realizar proyecciones. Se utilizó uso de suelo y vegetación, con el propósito de que los datos medidos de escurrimiento representen, lo más cercano posible, la cobertura vegetal que en su momento existió. No obstante, para medir la eficiencia predictiva del modelo se utilizaron algunos indicadores frecuentemente usados en modelación hidrológica (^{Ahmed, 2012}), mismos que se enlistan a continuación:

Porcentaje de BIAS (% BIAS)

Este indicador se puede concebir como el promedio de los residuales de una fracción del caudal promedio (Ecuación 1). También es equivalente al error del volumen de flujo acumulado en relación con el volumen observado, el cual normalmente se conoce como error de balance hídrico en la literatura de modelación hidrológica. En general, valores bajos de % BIAS indican mejor eficiencia del modelo.

(1)

Coeficiente de regresión (R²)

Expresa la fortaleza de asociación entre dos variables. Cuando R ² = 1 indica una relación positiva perfecta entre dos variables, pero no es un garante automático de una buena simulación, ya que es insensible a adiciones y a diferencias proporcionales entre el tiempo observado y predicho.

(2)

Coeficiente de eficiencia de Nash-Sutcliffe (NSE)

Este coeficiente ha sido utilizado ampliamente por modeladores hidrológicos. El NSE puede ser considerado como el cociente de la raíz del error cuadrático medio para la varianza de los datos observados, sustraídos en la unidad. El valor de NSE varía de - ∞ a 1, siendo 1 el valor óptimo. Generalmente, entre 0 y 1 son considerados aceptables, mientras que valores < 0 indican que el promedio observado es mejor predictor que el simulado; lo que implica que la eficiencia del modelo es inaceptable.

(3)

Resultados y discusión

En México, se han realizado diversos estudios de sistemas hidrológicos basados en el programa de simulación WEAP. Entre ellos destaca el realizado para la cuenca del río Guayalejo-Tamesí en Tamaulipas, México, que consistió en la modelación de los efectos del cambio climático sobre la disponibilidad de agua para uso doméstico, industrial y agrícola. Los resultados obtenidos indicaron vulnerabilidad mayor por parte del sector agrícola ante el cambio climático para los escenarios de emisiones A2 y B2 (^{Sánchez-Torres, Ospina-Noreña, Gay-García, & Conde, 2009}); este último menos adverso a satisfacer la demanda de agua de la región. Otra aplicación en México con el WEAP fue en la cuenca del río Grande/Bravo (^{Sandoval-Solís & McKinney, 2009}); no obstante, el desarrollo de políticas públicas en relación con el manejo del recurso hídrico es escaso en el país.

Para la cuenca en estudio, la Figura 4 muestra los datos observados y simulados por el modelo. Se puede observar que la simulación global en el período de calibración (1971-2004) es aceptable e indica la capacidad del modelo para predecir, en general, la respuesta hidrológica de la cuenca.

Figura 4 Flujo observado y simulado por el modelo. 

La curva de duración de caudales realizada es representativa del régimen de caudales medios de la corriente, por lo que puede ser utilizada para pronosticar el comportamiento del régimen futuro en la cuenca analizada (Figura 5).

Figura 5 Curva de duración de caudales basada en escurrimientos mensuales. 

El valor del NSE fue de 0.81 y el de % BIAS de 12.1, considerados muy bueno y satisfactorio, respectivamente (^{Moriasi et al., 2007}); mientras que el R² fue de 0.81.

Referente a los escenarios futuros de cambio climático obtenidos, tanto para la temperatura máxima (Tmáx) como para la mínima (Tmín), en las cuatro estaciones analizadas, se proyectaron incrementos de 0.6 a 1.3 °C y de 0.7 a 1.6 °C, respectivamente. Lo anterior considerando ambos escenarios analizados en los 2020s. En lo que respecta a la precipitación pluvial (PP), los resultados indicaron un aumento de 30 a 70 mm en promedio para las estaciones inmersas en la cuenca; salvo para Guanaceví que arrojó disminuciones (3 %) respecto del promedio histórico (Cuadro 3).

Para el segundo periodo proyectado (2050s), la Tmáx presentó un incremento de 1.5 a 2.1 °C y la Tmín de 1.5 a 2.4 °C, considerando los escenarios A2 y A1B. Los resultados de la PP mostraron un aumento de 12 a 60 mm en promedio para las estaciones de la cuenca; excepto para Guanaceví que arrojó disminuciones (2.8 %) en su valor promedio respecto del histórico (Cuadro 4).

Cabe mencionar la Tmáx, Tmín y PP mantienen un comportamiento similar en ambos periodos y escenarios analizados, respectivamente. Sin embargo, la Tmín anual muestra un rango más amplio que la Tmáx anual entre lo observado y lo generado, tanto para los 2020s como para los 2050s; lo que puede sugerir que la amplitud térmica tenga decrementos de manera general. En términos de cambio climático, se debe considerar que oscilaciones de temperaturas impactan de manera positiva o negativa diversos sistemas y procesos (^{Landa, Magaña, & Neri, 2008}).

Asimismo, la magnitud de los incrementos proyectados en temperatura aumenta entre más lejano sea el plazo y entre escenarios de emisiones de gases efecto invernadero (GEI); a mayor emisiones consideradas mayor es el incremento de la temperatura (^{Secretaría de Medio Ambiente y Recursos Naturales - Instituto Nacional de Ecología [SEMARNAT-INE], 2009}). Para el caso de la PP acumulada anual, el ensamble de proyecciones indica que las lluvias disminuirán en gran parte del país hacia mediados y finales del presente siglo (^{SEMARNAT-INE, 2009}).

La dispersión entre experimentos es muy amplia, lo que refleja la gran incertidumbre en las proyecciones de lluvia. Contrario a lo reportado por la ^{SEMARNAT-INE (2009)}, los resultados mostraron incrementos en 75 % de las estaciones analizadas. Por otro lado, para evaluar el impacto de los escenarios climáticos en el balance hídrico de la cuenca, la parte climática dentro del esquema hidrológico se sustituyó por la serie de datos generados por LARS-WG para cada estación; mientras que los demás parámetros del modelo se mantuvieron constantes (Figura 6).

Figura 6 Flujo modelado para los escenarios regionalizados de cambio climático A2 y A1B. 

El escenario A1B, en el periodo 2020s, proyectó un incremento en el gasto medio anual de la cuenca de 9.6 %; mientras que para el A2 fue de 3 %. Lo anterior como efecto del posible aumento de las precipitaciones en las estaciones analizadas. En el segundo periodo analizado (2050s), el escenario A1B mostró 4.2 % más en el gasto promedio anual; sin embargo, el A2 reflejó una disminución de 3.3 %, considerando las precipitaciones obtenidas por el generador climático. Los valores históricos promedio observados para los escurrimientos en la cuenca fueron de 523.5 Mm³, por lo que, en términos generales, asumiendo un aumento en la PP, el modelo predijo el incremento en el escurrimiento para ambos escenarios.

Conclusiones

Las proyecciones de los escenarios climáticos regionalizados proyectaron aumento en las tres variables analizadas para la mayoría de las estaciones climatológicas de la cuenca (temperatura mínima, máxima y precipitación). Se prevé un incremento de 1 °C debido a los impactos potenciales que pudieran repercutir en términos de requerimientos hídricos de cultivos, especies forestales, etc.

El aumento en la precipitación, no necesariamente se considera una buena condición, teniendo en cuenta la temporalidad en la cual pudiera ocurrir. Asimismo, se proyecta un incremento del escurrimiento para los dos periodos analizados (2020s y 2050s); sin embargo, los análisis subsecuentes necesitan evaluar el impacto que éste podría tener en procesos como la erosión. Se recomienda hacer más estudios con otros modelos climáticos que permitan realizar comparaciones y determinar las tendencias para una mejor comprensión y análisis de los riesgos futuros pro efectos de las variaciones climáticas.