Documentos de Académico
Documentos de Profesional
Documentos de Cultura
12 PDF
12 PDF
RESUMEN:
Este artículo presenta una revisión del estado del arte del análisis del impacto hidrológico utilizando
de los modelos de cambio en el uso del suelo, considerando que el uso de la tierra y su transformación
en el tiempo influyen en diversos componentes hidrológicos como la evaporación, escorrentía
superficial, infiltración y recarga de aguas subterráneas. Durante las últimas décadas se ha
incrementado la adopción de programas de modelación de cambios de uso del suelo en la
planificación y formulación de políticas, debido a que permite explorar futuros posibles y evaluar
consecuencias de diferentes estrategias de gestión. Sin embargo pocas aplicaciones incluyen el
estudio de cuencas mediante el uso de modelos de cambios de uso de suelo, por esta razón este artículo
expone una descripción general de las etapas de modelación del cambio en el uso del suelo. Se
identifica además la brecha de conocimiento existente en el empleo de los modelos de cambio de uso
en el suelo con el análisis de los impactos hidrológicos futuros, mostrando estudios de aplicación y
resaltando las perspectivas de trabajo para la planificación de cuencas, teniendo en cuenta su potencial
para representar la evolución temporal y mejorar la capacidad de predicción de los modelos
hidrológicos.
ABSTRACT:
This article presents a state of the art review about hydrological impact analysis using land use
models. The land use and its transformation over time influence hydrological components such as
evaporation, surface runoff, infiltration and groundwater recharge. During last decades has increased
the adoption of programs of land use changes modeling in planning and policy, because it allows
exploring possible futures and evaluate consequences of different management strategies. However
few applications include the watershed study using land use models, for this reason, this article
presents an overview of the stages on land use model. The existing knowledge gap of land use models
and of future hydrological impacts analysis, showing application studies and highlighting job
prospects for watershed planning is identified, taking into account its potential to represent the time
evolution and improve the predictability of hydrological models.
PALABRAS CLAVES: Modelación Integrada, Hidrología, Cambio del uso del suelo
INTRODUCCION
Los impactos del uso del suelo sobre los recursos hídricos han sido generalmente evaluados
con la ayuda de modelos hidrológicos. Una aproximación aplicada en numerosos estudios es la
comparación de los resultados de simulaciones hidrológicas, utilizando diferentes usos de suelo
correspondientes a diferentes momentos históricos (mapas de fechas pasadas) , tal como la evaluación
de los efectos de los cambios históricos de la cobertura del suelo en la respuesta hidrológica en la
cuenca Cannosville (Miller et al., 2002), el estudio de los caudales ante el cambio de cobertura del
suelo en la cuenca Nethravathi (Babar & Ramesh, 2013), y el análisis de los efectos hidrológicos
debido a los usos del suelo en una cuenca en Etiopia (Gumindoga, Rientjes, Haile, & Dube, 2014).
También se han estimado diferentes escenarios futuros del uso del suelo a partir de variables
socioeconómicas o ecosistémicas, para observar el impacto hidrológico modelado, como por ejemplo
el estudio del efecto a largo plazo de la urbanización en el río Santa Clara USA (He & Hogue, 2012).
Se conoce que los modelos hidrológicos requieren variables de entrada, generalmente variables
espacio-temporales; sin embargo los escenarios de cambio en el uso del suelo a menudo se basan en
cambios parciales o completos, como por ejemplo la deforestación y la urbanización (Wagner et al.,
2016). Las consecuencias del cambio en el uso del suelo sobre los procesos hidrológicos se han
identificado como un foco importante de investigación en este siglo; para entenderlas se requiere
trascender las fronteras tradicionales entre disciplinas tales como la hidrología y la geografía (DeFries
& Eshleman, 2004) con el propósito de entender cómo las trayectorias del cambio en el uso del suelo
se manifestarán en el futuro. Esta comprensión es fundamental para los planificadores y tomadores
de decisiones frente a las problemáticas de las cuencas (Wilson & Weng, 2011).
La modelación de cambio en el uso del suelo involucra varias etapas que se muestran en la
Figura 1 y son: 1. Estimación de la cantidad de cambio de uso o transición: en general los modelos
utilizan la matriz de Markov obtenida de la comparación de mapas de uso de suelo en dos estados
temporales pasados (fechas) de la variable que se va a modelar (Camacho Olmedo, Molero Melgarejo,
& Paegelow, 2010). Esta matriz indica el área (o número de pixeles) de cada transición y se
transforma en una matriz de probabilidad que es la base para la proyección a una fecha futura, (Pontius
Jr & Petrova, 2010). 2. Determinación de la probabilidad (idoneidad o potencial) de cambio: se
seleccionan las variables explicativas biofísicas o socioeconómicas (tales como pendiente, distancia
a carreteras, red hidrográfica y asentamientos, tipos de suelo, etc.) y se establece a partir de la relación
entre las variables explicativas y los tipos de cambio en el uso de suelo, ya sea utilizando evaluación
multicriterio, modelos de regresión logística, métodos de pesos de evidencia, o redes neuronales (J.
Mas, Kolb, & Houet, 2011). 3. Asignación de los cambios a los lugares más probables: se seleccionan
los píxeles que van a sufrir de cambio con base en los mapas de probabilidad, bajo el supuesto de que
los píxeles que cambiarán son los que tienen el mayor potencial (J.-F. Mas, Kolb, Paegelow, Camacho
Olmedo, & Houet, 2014), utilizando un procedimiento multiobjetivo que resuelve los conflictos de
asignación de tierras (Kamusoko, Aniya, Adi, & Manjoro, 2009) o aplicando procesos iterativos o
funciones autómatas celulares que emplean un algoritmo de selección estocástica. 4. Reproducción
de patrones espaciales o del paisaje: se realiza en la mayoría de los casos, utilizando autómatas
celulares, para obtener un efecto de proximidad o formación de parches. Algunos programas reducen
la idoneidad de las áreas alejadas, otros utilizan dos autómatas celulares complementarios (J. Mas et
al., 2011). 5. Evaluación de la modelación: se estima mediante la determinación de la similitud
espacial entre el mapa simulado y el mapa de referencia, con cierta tolerancia (van Vliet, Hagen-
Zanker, Hurkens, & van Delden, 2013), mediante índices (análisis ROC, índice Kappa, índice de
similitud difuso) (J. Mas et al., 2011).
Los diferentes programas de modelación de cambio en el uso del suelo, tienen distintos
algoritmos y funciones, la decisión del programa a utilizar deberá hacerse de acuerdo con el objetivo
y los datos disponibles de la modelación, (Camacho Olmedo, Pontius, Paegelow, & Mas, 2015).
Recientemente algunos estudios han resaltado las ventajas de la combinación de los modelos de uso
del suelo y modelos hidrológicos para evaluar con mayor precisión el impacto del uso del suelo sobre
la hidrología de las cuencas (Öztürk et al., 2013).
El uso del suelo es considerado como un insumo clave en la gestión de recursos hídricos, la
gestión de riesgos hidroclimáticos, tales como inundaciones y sequías, la planificación de cuencas y
la degradación del suelo (Thanapakpawin et al., 2007), por esto existe un creciente interés en utilizar
modelos de cambio de uso del suelo integrados a modelos hidrológicos. Se presenta a continuación
una revisión del estado del arte de manera cronológica sobre el avance en la integración de estos
modelos, considerando su potencialidad para representar la relación entre uso del suelo y la
hidrología. Se tomó como punto referencia el año 2010, porque a partir de éste se han adelantado un
mayor número de estudios con nuevos enfoques y aplicaciones.
Uno de los trabajos pioneros es el estudio de la influencia de las condiciones del uso del suelo
en el proceso lluvia-escorrentía en una cuenca en el suroeste de Alemania sujeta a expansión urbana
(Niehoff, Fritsch, & Bronstert, 2002). El modelo hidrológico utilizado es una versión modificada del
modelo distribuido, de base física WaSiM-ETH (Water balance Simulation Model –ETH) (Schulla
& Jasper, 1998) y la generación espacialmente explícita de los escenarios del uso del suelo se adelantó
con el modelo LUCK (Land-Use Modelling Kit), para la transformación de las tendencias de uso del
suelo en escenarios. La asignación de las categorías de uso del suelo de cada celda dependen de una
evaluación de las características del sitio y de sus relaciones de vecindad.
En este mismo sentido, se han simulado varios escenarios a partir de políticas espaciales y no
espaciales para un rápido crecimiento urbano en la cuenca Wu-Tu en el norte de Taiwan (Lin et al.,
2007). Este estudio combina el uso del suelo, las métricas del paisaje, y un modelo hidrológico con
pruebas estadísticas., utilizando un modelo de cambio en el uso del suelo CLUE-S (Conversión of
Land Use and its Effects at Small regional extend) (Verburg, 2010). Luego mediante Arview 3.0
calcula métricas del paisaje, finalmente los componentes hidrológicos son simulados en GWLF
(Generalized Watershed Loading Functions) (Haith & Shoenaker, 1987) para diversos escenarios de
uso del suelo hasta el año 2020. La variabilidad y magnitud de los componentes hidrológicos fueron
significativos e influenciados por los cambios de uso de suelo durante el periodo de simulación, en
particular la escorrentía y el caudal de aguas subterráneas.
En otro trabajo concluyen que la conexión de un modelo distribuido de cambio en el uso del
suelo y un modelo hidrológico semi-distribuido, puede ser una herramienta de apoyo a la toma de
decisiones a largo plazo, tomando como caso de estudio la cuenca del río Kirshwaukee, en USA (Choi
& Deal, 2008), la cual es agrícola y está sujeta a presión por el desarrollo urbano. Se acoplaron el
modelo espacial de crecimiento urbano LEAMluc (Land use Evolution and impact Assessment
Model), basado en autómatas celulares y el modelo hidrológico continuo semi-distribuido HSPF
(Hydrologic Simulation Program Fortran) (Imhoff, J.C., Kittle Jr., J.L., Jobes, T.H., Donigian Jr.,
2001) para predecir cuantitativamente el caudal de respuesta hasta el año 2051. Los resultados
indican que los escenarios generados arrojan leves cambios en la escorrentía total, pero algunos
cambios importantes en el flujo superficial.
De otra parte, sobre la mencionada cuenca Wu-Tu, se adelantó otro trabajo (Lin, Verburg,
Chang, Chen, & Chen, 2009), con el objetivo de demostrar la utilidad de la optimización de los
patrones espaciales forestales. Los resultados se compararon con la modelación de cambios de uso
del suelo CLUE-S basado en las tendencias forestales establecidas. Cada modelo se integró a un
modelo hidrológico HEC-HMS, concluyendo que los dos modelos no dieron salidas hidrológicas
significativamente diferentes, de manera que tanto la optimización de medidas de paisaje
predefinidas, como la modelación de uso de suelo, pueden facilitar la planificación del uso del suelo.
El método comúnmente utilizado para integrar la modelación de cambio del uso del suelo y
la modelación hidrológica es la comparación de los resultados de las simulaciones hidrológicas
basándose en los mapas de uso de suelo históricos y futuros producto de modelación, tal como se ha
visto en los estudios mencionados anteriormente. La Figura 2 muestra un esquema de esta evaluación
también denominada delta; sin embargo esta solo proporciona un valor medio de los impactos y no
tiene en cuenta los cambios no lineales del uso del suelo y sus impactos hidrológicos potencialmente
no son lineales (Wagner et al., 2016). Por lo anterior, algunos trabajos han explorado enfoques
dinámicos de integración. Por ejemplo sobre la estudiada cuenca Wu-Tu se propone la integración de
modelos (Chu, Lin, Huang, Hsu, & Chen, 2010) utilizando el modelo de cambio en el uso del suelo,
CLUE-S y un modelo hidrológico distribuido – DHSVM (Distributed Hydrology- Soil Vegetation
Model) (Wigmosta & Burges, 1997), para examinar diferentes escenarios evaluados hasta 2025. Los
resultados indican que las diversas políticas como: i) sin cambio, ii) cambio simultáneo y iii) cambio
dinámico del uso del suelo, tienen diferentes niveles de impacto en la simulación de la distribución
espacial de los componentes hidrológicos. Concluyen que la utilización de cambios dinámicos
inducen cambios significativos en la distribución del nivel del agua subterránea y humedad del suelo.
Figura 2.- Evaluación delta del impacto hidrológico. Fuente: Adaptado de Randhir & Tsvetkova, 2011
Los trabajos adelantados hasta el año 2010, dan cuenta de los avances en la integración de los modelos
hidrológicos y de uso del suelo, especialmente en relación al estudio de los procesos de urbanización,
la exploración del uso de diferentes programas, la aplicación de la metodología delta y la utilidad de
este enfoque para la toma de decisiones.
También en Norteamérica, en la cuenca del río Des Plaines, Illinois, USA, (Wilson & Weng,
2011), se desarrolló un estudio para predecir los impactos del uso de la tierra y los cambios climáticos
sobre la calidad del agua superficial entre los años 2010 a 2030, utilizando el módulo LCM (Land
Change Modeler) disponible en el programa IDRISI (Eastman, 2012). Para caracterizar tres
escenarios futuros de uso de la tierra y los patrones climáticos futuros se tomaron de un reporte del
Panel Intergubernamental de Cambio Climático (IPCC). Se empleó el modelo SWAT (Soil and Water
Assessment Tool)(Arnold, Srinivasan, Muttiah, & Williams, 1998) para estimar los sólidos
suspendidos totales y la concentración de fósforo. Este análisis indica que el cambio climático futuro
ejerce un mayor impacto en la concentración de contaminantes que el cambio de uso del suelo, la
respuesta conjunta de los dos factores depende en gran medida del escenario climático evaluado.
Usando la cuenca del río Little Miami como un caso de estudio, igualmente en USA, se hizo
una aproximación a la integración de modelación matemática y las ciencias de la información (Tong,
Sun, Ranatunga, He, & Yang, 2012) usando el modelo hidrológico HSPF y el modelo de cambio de
uso el suelo CA-MARKOV módulo disponible en el programa IDRISI (Eastman, 2012), para analizar
cuantitativamente la importancia relativa de los impactos separados y combinados del clima y los
cambios de uso del suelo sobre la hidrología y la calidad del agua. Se simuló el caudal y el transporte
de nutrientes, bajo hipotéticos escenarios de cambio climático y cambios posibles de uso suelo para
el año 2050. Respecto a los nutrientes, los resultados indican que el cambio climático y los cambios
de uso del suelo por separado y combinados tienen un impacto negativo en la calidad del agua,
asimismo el cambio del uso del suelo podría aumentar el caudal, lo que sería un alivio bajo
condiciones climáticas secas, pero por el contrario en condiciones húmedas la urbanización de la
cuenca incrementaría los caudales aumentando las inundaciones.
De manera similar en Canadá sobre la cuenca del río Elbow (Wijesekara et al., 2012), se
realizó un estudio para evaluar el impacto de los potenciales cambios usos del suelo en los procesos
hidrológicos, mediante un modelo de Autómatas Celulares evaluado desde el año 2006 al 2031, cuyos
mapas simulados fueron transferidos a un modelo hidrológico distribuido de base física MIKE-SHE
desarrollado por DHI. Los resultados revelan un impacto potencial significativo en la sostenibilidad
del suministro de agua superficial y agua subterránea, además de un mayor riesgo de inundación,
debido al crecimiento poblacional.
Se resalta también un trabajo en Centro América, para predecir el impacto temporal en el uso
del suelo sobre las cuencas del río Toyogres y la quebrada Zopilote, en Costa Rica (Méndez Morales,
2012), en cual se utilizó el modelo de CA-MARKOV y el modelo SWMM (Storm Water
Management Model)(Huber & Dickinson, 1988). Se pudo determinar que para el año 2025 se tendría
un aumento sobre el caudal pico para una tormenta de alta intensidad en ambas cuencas, debido al
aumento del porcentaje del área impermeable, por urbanización.
También en China, para estudiar la cuenca aguas arriba del embalse Miyun en Beijing, se
acoplaron el modelo CLUE-S y el modelo SWAT para evaluar la contaminación por fuentes no
puntuales debida a la agricultura, específicamente por nitrógeno y fósforo (P. Zhang, Liu, Pan, & Yu,
2013); se simularon las cargas de contaminación de dos escenarios futuros para el año 2015, uno
asumiendo la tendencia histórica y otro considerando actividades de control a las fuentes no
puntuales. Los resultados indicaron que los cambios en el uso del suelo afectarán significativamente
la carga de contaminación de fuentes no puntuales, para el escenario tendencial estimado del 2015.
Al igual que en los dos trabajos explicados anteriormente, se utilizó el modelo hidrológico
SWAT, en la cuenca del río Hoeya, Corea del Sur que ha sido sometido a un rápido crecimiento
poblacional y urbano. Para estudiar los efectos separados y combinados del clima y del cambio del
uso del suelo, sobre los caudales, usaron tres escenarios: i) solo el cambio climático, ii) solo el cambio
de uso del suelo y iii) la combinación cambio uso del suelo–cambio climático para modelar hasta el
año 2050 (Kim, Choi, Choi, & Park, 2013). Se acopló SWAT a un modelo de cambio en el uso del
suelo desarrollado utilizando regresión logística y analizando el crecimiento urbano. El resultado para
el escenario combinado fue similar al de solo el cambio climático, pero con cambios estacionales más
grandes en el caudal, los efectos del cambio en el uso del suelo sobre la hidrología, aunque
significativos, fueron menores a los causados por el cambio climático, sin embargo puede aumentar
los problemas de la variación estacional en el caudal causado por el cambio climático.
Los estudios más recientes que acoplan modelos muestran las tendencias en este enfoque. Se
observan trabajos que exploran la integración de modelos para evaluar calidad del agua, lo anterior
se refleja en el estudio sobre la influencia relativa de los cambios futuros del suelo y la precipitación
sobre las entradas de agua dulce y cargas de sedimentos en el sistema estuarino bahía Copano, debido
a la cuenca Lower aransas, Texas, USA (Castillo et al., 2014). En esta investigación se analizan dos
escenarios de cambio en el uso del suelo, uno sin cambios y otro para el año 2040, además de tres
escenarios de precipitación. Se utilizó el modelo hidrológico SWAT y el LCM, para modelar el
cambio de uso del suelo, el análisis de escenarios sugiere que los cambios climáticos son más
influyentes que los cambios del uso del suelo en la cuenca.
Otra investigación donde se utilizó el modelo hidrológico SWAT, es el estudio de los efectos
del cambio de uso del suelo en la escorrentía superficial en la parte alta y media de la cuenca del río
Heihe, una región semiárida de China dedicada a la agricultura (Li, Deng, Wu, & Hasan, 2015). Para
esto se definieron tres escenarios con diferentes niveles de utilización de agua y un patrón espacial
de los usos del suelo se simuló con DLS (Dynamic Land use System ) (Deng & Wen, 2011) hasta el
año 2020. Los resultados mostraron que con la más alta tasa de utilización del agua, para maximizar
la utilidad socioeconómica de los recursos hídricos, se conduciría a la expansión de las tierras
forestales y pastizales, lo que resultaría en menor disponibilidad de agua.
El estudio más reciente de la revisión del estado del arte, corresponde a la integración
dinámica de las proyecciones de un modelo de uso de la tierra- SLEUTH, con un modelo hidrológico
SWAT, para analizar los impactos a un futuro cercano (hasta 2028) sobre los recursos hídricos de
cuencas en rápido desarrollo: Ríos Mula y Mutha en India (Wagner et al., 2016). Se emplearon cuatro
condiciones climáticas, encontrando un aumento constante de los impactos sobre los componentes
del balance hídrico con el aumento de los cambios de uso del suelo, los impactos hidrológicos de los
cambios dinámicos del uso del suelo serían similares para los posibles escenarios climáticos futuros,
solamente en años secos extremos se podría esperar una exacerbación de los efectos hidrológicos.
Los estudios desarrollados a partir del año 2010, muestran que se han acoplado modelos
hidrológicos con modelos de cambios de uso del suelo, para diversas aplicaciones que incluyen el
análisis del impacto sobre las aguas subterráneas, la calidad del agua, el riesgo hidrológico y
especialmente la interacción del uso del suelo y el cambio climático y sus consecuencias sobre las
cuencas. Además se nota el uso reiterado del modelo hidrológico SWAT y del modelo de cambio de
uso del suelo CLUE-S. En la Tabla 1, se muestra un resumen de los estudios citados anotando los
modelos utilizados en cada uno y además la extensión de las cuencas analizadas, con lo cual resalta
que la integración de los modelos puede ser aplicable en un rango amplio de tamaño de cuencas y
también en diversas zonas geográficas, como se nota en los apartes anteriores.
Tabla 1.- Estudios de integración de modelos hidrológicos y modelos de cambio de uso del suelo
Referencia Modelo Hidrológico Modelo de cambio de uso del suelo Área de la cuenca (km2)
(Niehoff et al., 2002) WaSiM-ETH LUCK 115
(Beighley et al., 2003) HEC-HMS SLEUTH 50
(McColl & Aggett, 2007) HEC-HMS What If? 1170.7
(Lin et al., 2007) GWLF CLUE-S 204
(Choi & Deal, 2008) HSPF LEAMIuc 3.258
(Lin et al., 2009) HEC-HMS CLUE-S 204
(Chu et al., 2010) DHSVM CLUE-S 204
(X. Zhang et al., 2011) VIC CLUE-S 8.599,46
(Randhir & Tsvetkova, 2011) SWD Cadena Markov y Autómata celular 31,72
(Wilson & Weng, 2011) SWAT Land Change Modeler IDRISI 2055,9
(Wijesekara et al., 2012) MIKE-SHE Modelo autómatas celulares 1238
(Tong et al., 2012) HSPF CA-MARKOV -IDRISI 5840
(Méndez Morales, 2012) SWMM CA-MARKOV -IDRISI 36,9
(Öztürk et al., 2013) MIKE-SHE STELLA 287
(Kim et al., 2013) SWAT Modelo de Regresión logística 125,15
(P. Zhang et al., 2013) SWAT CLUE-S 1010,38
(Xu et al., 2013) SWAT CLUE-S 96.400
(Castillo et al., 2014) SWAT Land Change Modeler –IDRISI 1.384
(El-Khoury et al., 2015) SWAT CLUE-S 3.900
(Li et al., 2015) SWAT Modelo DLS 50.816
(Wagner et al., 2016) SWAT SLEUTH 2.036
Como conclusión de esta revisión del estado del arte se resalta que el desarrollo de trabajos en la
integración de modelos hidrológicos y modelos de cambio de uso del suelo, ha permitido evaluar los
impactos hidrológicos futuros en diferentes contextos, resaltando las perspectivas de aplicación para
la planificación de cuencas. Los estudios referenciados permiten observar el potencial del uso de
modelos de cambio de uso del suelo para representar la evolución temporal y mejorar la capacidad
de predicción de los modelos hidrológicos.
REFERENCIAS
Arnold, J. G., Srinivasan, R., Muttiah, R. S., & Williams, J. R. (1998). “Large area hydrologic modeling
and assessment part I: model development”. Journal of the American Water Resources Association.
Babar, S., & Ramesh, H. (2013). “Streamflow Response to Land Use – Land Cover Change over the
Nethravathi River Basin, India”. Journal of Hydrologic Engineering, Vol. 20(10), pp. 1–11.
Beighley, R. E., Melack, J. M., & Dunne, T. (2003). “Impacts of California’s climatic regimes and coastal
land use change on streamflow characteristics”. Journal of The American Water Resources Association, Vol.
39, pp. 1419–1433.
Camacho Olmedo, M. T., Molero Melgarejo, E., & Paegelow, M. (2010). “Modelos Geomáticos Aplicados
a La Simulación De Cambios De Usos Del Suelo. Evaluación Del Potencial De Cambio.” Tecnologías de La
Información Geográfica Al Servicio de Los Ciudadanos., pp. 658.
Camacho Olmedo, M. T., Pontius, R. G., Paegelow, M., & Mas, J.-F. (2015). “Comparison of simulation
models in terms of quantity and allocation of land change”. Environmental Modelling & Software, Vol. 69,
pp. 214–221.
Castillo, C. R., Güneralp, İ., & Güneralp, B. (2014). “Influence of changes in developed land and
precipitation on hydrology of a coastal Texas watershed”. Applied Geography, Vol. 47, pp. 154–167.
Choi, W., & Deal, B. M. (2008). “Assessing hydrological impact of potential land use change through
hydrological and land use change modeling for the Kishwaukee River basin (USA)”. Journal of Environmental
Management, Vol. 88(4), pp. 1119–30.
Chu, H. J., Lin, Y. P., Huang, C. W., Hsu, C. Y., & Chen, H. Y. (2010). “Modelling the hydrologic effects
of dynamic land-use change using a distributed hydrologic model and a spatial land-use allocation model”.
Hydrological Processes, Vol. 24(18), pp. 2538–2554.
Clarke, K. C. (2008). “A Decade of Cellular Urban Modeling with SLEUTH: Unresolved Issues and
Problems”. In Planning Support Systems for Cities and Regions, pp. 47–60.
DeFries, R., & Eshleman, K. N. (2004). “Land-use change and hydrologic processes: a major focus for the
future”. Hydrological Processes, Vol. 18, pp. 2183–2186.
Deng, X., & Wen, X. (2011). “Research on Computer-Based Simulation for the Dynamics of Land System”.
Advances in Computer Science, Intelligent System and Environment. pp. 251–255.
Eastman, R. (2012). IDRISI Selva Guia para SIG y Procesamiento de Imágenes. Manual Versión 17. IDRISI
Pruduction. Clark University.
El-Khoury, A., Seidou, O., Lapen, D. R., Que, Z., Mohammadian, M., Sunohara, M., & Bahram, D.
(2015). “Combined impacts of future climate and land use changes on discharge, nitrogen and phosphorus
loads for a Canadian river basin”. Journal of Environmental Management, Vol. 151, pp. 76–86.
Gumindoga, W., Rientjes, T. H. M., Haile, A. T., & Dube, T. (2014). “Predicting streamflow for land cover
changes in the Upper Gilgel Abay River Basin, Ethiopia: A TOPMODEL based approach”. Physics and
Chemistry of the Earth, Parts A/B/C, Vol. 76-78, pp. 3–15.
Haith, D. A., & Shoenaker, L. L. (1987). “Generalized watershed loading functions for stream flow
nutrients”. JAWRA Journal of the American Water Resources Association, Vol. 23(3), pp. 471–478.
He, M., & Hogue, T. S. (2012). “Integrating hydrologic modeling and land use projections for evaluation of
hydrologic response and regional water supply impacts in semi-arid environments”. Environmental Earth
Sciences, Vol. 65(6), pp. 1671–1685.
Hewitt, R., van Delden, H., & Escobar, F. (2014). “Participatory land use modelling, pathways to an
integrated approach”. Environmental Modelling & Software, Vol. 52, pp. 149–165.
Huber, W. C., & Dickinson, R. E. (1988). Storm Water Management Model, Version 4 : User’s Manual.
Athens, GA.: Environmental Protection Agency.
Imhoff, J.C., Kittle Jr., J.L., Jobes, T.H., Donigian Jr., A. S. (2001). Hydrological Simulation Program-
FORTRAN (HSPF) Version 12 User’s Manual. Athens, GA.: US Environmental Protection Agency National
Exposure Research Laboratory.
Kamusoko, C., Aniya, M., Adi, B., & Manjoro, M. (2009). “Rural sustainability under threat in Zimbabwe
– Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata
model. Applied Geography, Vol. 29(3), pp. 435–447.
Kim, J., Choi, J., Choi, C., & Park, S. (2013). “Impacts of changes in climate and land use/land cover under
IPCC RCP scenarios on streamflow in the Hoeya River Basin, Korea.” The Science of the Total Environment,
Vol. 452-453, pp. 181–195.
Li, Z., Deng, X., Wu, F., & Hasan, S. S. (2015). “Scenario analysis for water resources in response to land
use change in the middle and upper reaches of the heihe river Basin”. Sustainability (Switzerland), Vol. 7(3),
pp. 3086–3108.
Liang, X., Lettenmaier, D. P., Wood, E. F., & Burges, S. J. (1994). “A simple hydrologically based model
of land surface water and energy fluxes for general circulation models”. Journal of Geophysical Research,
Vol. 99.
Lin, Y.-P., Hong, N.-M., Wu, P.-J., Wu, C.-F., & Verburg, P. H. (2007). “Impacts of land use change
scenarios on hydrology and land use patterns in the Wu-Tu watershed in Northern Taiwan”. Landscape and
Urban Planning, Vol. 80(1-2), pp. 111–126.
Lin, Y.-P., Verburg, P. H., Chang, C.-R., Chen, H.-Y., & Chen, M.-H. (2009). “Developing and comparing
optimal and empirical land-use models for the development of an urbanized watershed forest in Taiwan”.
Landscape and Urban Planning, Vol. 92(3-4), pp. 242–254.
Mas, J., Kolb, M., & Houet, T. (2011). “Una comparación de programas de modelación de cambios de
cobertura/uso del suelo”. Anais Do Simpósio Brasileiro de Sensoriamento Remoto XV, pp. 5801–5808.
Mas, J.-F., Kolb, M., Paegelow, M., Camacho Olmedo, M. T., & Houet, T. (2014). “Inductive pattern-
based land use/cover change models: A comparison of four software packages”. Environmental Modelling &
Software, Vol. 51, pp. 94–111.
McColl, C., & Aggett, G. (2007). “Land-use forecasting and hydrologic model integration for improved land-
use decision support”. Journal of Environmental Management, Vol. 84(4), pp. 494–512.
Méndez Morales, M. (2012). “Predicción del impacto del cambio temporal en el uso del suelo sobre cuencas
hidrológicas de alta pendiente en Costa Rica”. Tecnología En Marcha, Vol. 26(506), pp. 13.
Miller, S. N., Kepner, W. G., Mehaffey, M. H., Hernandez, M., Miller, R. C., Goodrich, D. C., Miller,
W. P. (2002). “Integrating Landscape Assessment and Hydrologic Modeling for Land Cover Change
Analysis”. Journal of the American Water Resources Association, Vol. 38(4), pp. 915–929.
Niehoff, D., Fritsch, U., & Bronstert, A. (2002). “Land-use impacts on storm-runoff generation: scenarios of
land-use change and simulation of hydrological response in a meso-scale catchment in SW-Germany”. Journal
of Hydrology, Vol. 267(1-2), pp. 80–93.
Öztürk, M., Copty, N. K., & Saysel, A. K. (2013). “Modeling the impact of land use change on the hydrology
of a rural watershed”. Journal of Hydrology, Vol. 497, pp. 97–109.
Pontius Jr, R. G., & Petrova, S. H. (2010). “Assessing a predictive model of land change using uncertain
data”. Environmental Modelling & Software, Vol. 25(3), pp. 299–309.
Pontius, R. G., Huffaker, D., & Denman, K. (2004). “Useful techniques of validation for spatially explicit
land-change models”. Ecological Modelling, Vol. 179(4), pp. 445–461.
Randhir, T. O., & Tsvetkova, O. (2011). “Spatiotemporal dynamics of landscape pattern and hydrologic
process in watershed systems”. Journal of Hydrology, Vol. 404(1-2), pp. 1–12.
Schulla, J., & Jasper, K. (1998). Modellbeschreibung WaSiM-ETH.
Sohl, T. L., & Claggett, P. R. (2013). “Clarity versus complexity: land-use modeling as a practical tool for
decision-makers”. Journal of Environmental Management, Vol. 129, pp. 235–43.
Thanapakpawin, P., Richey, J., Thomas, D., Rodda, S., Campbell, B., & Logsdon, M. (2007). “Effects of
landuse change on the hydrologic regime of the Mae Chaem river basin, NW Thailand”. Journal of Hydrology,
Vol. 334(1-2), pp. 215–230.
Tong, S. T. Y., Sun, Y., Ranatunga, T., He, J., & Yang, Y. J. (2012). “Predicting plausible impacts of sets
of climate and land use change scenarios on water resources”. Applied Geography, Vol. 32(2), pp. 477–489.
USACE. (2000). Hydrologic Modeling System HEC-HMS Technical Reference Manual. US Army Corps of
Engineers, (March), pp. 155.
Van Vliet, J., Hagen-Zanker, A., Hurkens, J., & van Delden, H. (2013). “A fuzzy set approach to assess
the predictive accuracy of land use simulations”. Ecological Modelling, Vol. 261-262, pp. 32–42.
Verburg, P. (2010). The CLUE-S model. VU University.
Wagner, P. D., Bhallamudi, S. M., Narasimhan, B., Kantakumar, L. N., Sudheer, K. P., Kumar, S.,
Fiener, P. (2016). “Dynamic integration of land use changes in a hydrologic assessment of a rapidly
developing Indian catchment”. The Science of the Total Environment, Vol. 539, pp. 153–64.
Wigmosta, M. S., & Burges, S. J. (1997). “An adaptive modeling and monitoring approach to describe the
hydrologic behavior of small catchments”. Journal of Hydrology, Vol. 202(1-4), pp. 48–77.
Wijesekara, G. N., Gupta, A., Valeo, C., Hasbani, J.-G., Qiao, Y., Delaney, P., & Marceau, D. J. (2012).
“Assessing the impact of future land-use changes on hydrological processes in the Elbow River watershed in
southern Alberta, Canada”. Journal of Hydrology, Vol. 412-413, pp. 220–232.
Wilson, C. O., & Weng, Q. (2011). “Simulating the impacts of future land use and climate changes on surface
water quality in the Des Plaines River watershed, Chicago Metropolitan Statistical Area, Illinois”. The Science
of the Total Environment, Vol. 409(20), pp. 4387–4405.
Xu, H., Xu, C.-Y., Zhou, B., & Singh, V. P. (2013). “Modelling runoff response to land-use change using an
integrated approach in Xiangjiang River basin, China”. IAHS-AISH Proceedings and Reports, Vol. 359, pp.
390–396.
Zhang, P., Liu, Y., Pan, Y., & Yu, Z. (2013). “Land use pattern optimization based on CLUE-S and SWAT
models for agricultural non-point source pollution control”. Mathematical and Computer Modelling, Vol.
58(3-4), pp. 588–595.
Zhang, X., Liu, Y., Fang, Y., Liu, B., & Xia, D. (2011). “Modeling and assessing hydrologic processes for
historical and potential land-cover change in the Duoyingping watershed, southwest China”. Physics and
Chemistry of the Earth, Parts A/B/C, Vol. 53-54, pp. 19–29.