Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.
Resumen
Un enfoque moderno para los problemas de contaminación y erosión del agua de fuentes no
puntuales en la cuenca hidrográfica consiste en vincular los modelos distribuidos con los Sistemas
de Información Geográfica (SIG). La calidad y cantidad del agua se ven afectadas por la variabilidad
espacial y temporal inherente de los atributos hidrológicos dentro de la cuenca. Los modelos y datos
distribuidos espacialmente son más adecuados que los convencionales agrupados. Actúan
directamente sobre los datos distribuidos espacialmente para acceder a los procesos de transporte
hidrológico que afectan la calidad del agua. El enlace de los SIG es una herramienta poderosa para
manejar y proporcionar las grandes cantidades de datos de entrada detallados que requieren los
modelos, reduciendo la incertidumbre causada por el promedio espacial. El modelo de fuente
puntual) se utilizó para la escorrentía, la erosión del suelo y la contaminación asociada de fuentes
no puntuales para eventos monitoreados en la cuenca de Alpone (Italia). Este es un modelo basado
en eventos y opera sobre la base de la celda para que la variación espacial en los parámetros de la
celda caché se pueda tener en cuenta en el análisis en toda la cuenca. Las predicciones de la
escorrentía se compararon para 20 eventos observados que ocurrieron en 1992 y 1993. Las
predicciones del rendimiento de sedimentos y la carga de nutrientes se compararon con siete
eventos observados. Se desarrolló un sistema AGNPS / GIS integrado para crear eficientemente la
gran cantidad necesaria de entradas de datos. Además, las pantallas gráficas de los resultados han
demostrado ser una forma muy efectiva y eficiente de interpretar los resultados y tomar decisiones
durante la calibración del modelo. las capas se pueden usar en estudios de planificación para
determinar ubicaciones, dentro de una cuenca hidrográfica. que son críticos en el rendimiento de
sedimentos y en la contribución de nutrientes contaminantes Los primeros resultados del estudio
señalan que el volumen de escorrentía es correctamente estimado por el modelo, mientras que las
tasas máximas de escorrentía están mal predichas, tanto en valores bajos como altos. La carga de
nutrientes prevista generalmente es paralela a la carga de sedimentos prevista: de hecho, en el caso
de los nutrientes, se encuentra que la sobreestimación o la subestimación se extienden sobre el
mismo
los rangos predichos para la carga de sedimentos por AGNPS. Los resultados de la cuenca alpina han
ilustrado la capacidad del modelo para estimar los rendimientos de sedimentos y nutrientes y su
distribución espacial, particularmente en el caso de grandes tormentas, que producen la mayor
parte de la carga anual total de sedimentos y nutrientes en la cuenca. Sin embargo, se siente la
necesidad de verificar el modelo con más cuidado y de realizar más estudios para tener en cuenta
la considerable variabilidad espacio-tiempo de los datos de lluvia dentro de la cuenca hidrográfica
1997 Elsevier Science BV
1. Introducción
La contaminación y la erosión del agua de fuentes no puntuales (difusas) causan los problemas de
calidad del agua más extendidos a nivel mundial. La pérdida de suelo debido a la escorrentía de la
superficie, así como la contaminación en la escorrentía, la filtración o la filtración resultante de la
gestión de la tierra en las ciudades activas son la principal causa del deterioro de la calidad del agua.
El uso de modelos juega un papel importante en la evaluación de la contaminación difusa y las
fuentes de sedimentos y su entrega al cuerpo de agua receptor. Las características intrínsecas de la
variabilidad espacial de estas fuentes y los atributos del paisaje (suelos, topografía, uso y cobertura
del suelo, lluvia, favorecen los modelos estocásticos (Rinaldo y Marani, 1987) y revelan que los
modelos agrupados deterministas no son adecuados para simular hidrología, corrosión y
contaminación. procesos a escala de cuenca (Novotny y Chester, 1989, Bendoricchio y Di Luzio,
1993). Además, la necesidad de identificar y ubicar áreas específicas que tienen un alto potencial de
pérdida de suelo y nutrientes (es decir, el aro crítico requiere el uso de mo distribuido espacialmente
Con este tipo de modelos, una cuenca hidrográfica mal representada como un conjunto de planos
ahora de comportamiento hidrológico homogéneo.
1987) y revelan que los modelos agrupados deterministas no son adecuados para simular procesos
de hidrología, erosión y contaminación a escala de cuenca (Novotny y Chester, 1989; Bendoricchio
y Di Luzio, 1993). Además, la necesidad de identificar y ubicar áreas específicas que tienen un alto
potencial de pérdida de suelo y nutrientes (es decir, áreas críticas) requieren el uso de modelos
distribuidos espacialmente. Con este tipo de modelos, una cuenca no está mal representada como
un conjunto de planos de flujo con un comportamiento hidrológico homogéneo. El inconveniente
de este enfoque es que debe ser capaz de manejar grandes cantidades de datos detallados de
entrada y salida. La tecnología del sistema de información geográfica proporciona una solución
práctica, ya que está diseñada para recopilar, almacenar, manipular y mostrar información
geográfica. La vinculación de los modelos de procesos distribuidos con SIG proporciona una
herramienta eficiente para obtener resultados más precisos, monitorear y visualizar
instantáneamente el transporte de sedimentos y polinización. El análisis de la pantalla gráfica
reduce el tiempo requerido para interpretar la salida numérica, para calibrar los modelos y,
finalmente, para evaluar alternativas de posibles mejores prácticas de gestión. En cuanto a este
enfoque moderno, se utilizó el Modelo de Contaminación Agrícola de Fuente No Puntual (AGNPS)
(Young et al., 1989) como una prueba para predecir el escurrimiento, el sedimento y el transporte
de nutrientes para una cuenca de ladera de una colina en el norte de Italia, vinculándolo con
WODITEM, El modelo de elevación digital orientado a la cuenca hidrográfica desarrollado por
Cazorzi (1991)
Nt cimu.
2. Materiales y métodos
El modelo AGNPS fue desarrollado por el Servicio de Investigación Agrícola del Departamento de
Agricultura de los EE. UU., En cooperación con la Agencia de Control de la Contaminación de
Minnesota (MPCA) y el Servicio de Conservación del Suelo (Young et al., 1987-1989 para obtener
estimaciones uniformes y precisas de la calidad de la escorrentía con énfasis principal) en nutrientes
y sedimentos, para comparar los efectos de varias alternativas de conservación que podrían
incorporarse en el manejo de las cuencas hidrográficas, este modelo utiliza un enfoque de
parámetros distribuidos que divide los cobertizos de agua en áreas de trabajo cuadradas (celdas).
Los procesos de transporte de sedimentos y nutrientes se simulan para cada celda y se enrutan a la
salida en una serie de pasos para que se pueda examinar el flujo y la calidad del agua en cualquier
punto de la cuenca. El método de número de curva de escorrentía del Servicio de Conservación del
Suelo (SCS) es utilizado para predecir la escorrentía de aguas superficiales, mientras que una versión
modificada de la Ecuación Universal de Pérdida de Suelo (USLE: Wischmeier y Smith, 197 8) se utiliza
para predecir la erosión del suelo y el rendimiento de sedimentos. El rendimiento del suelo
erosionado y los sedimentos se subdividen en cinco clases de tamaño de partículas: arena, limo,
arcilla, agregados pequeños y agregados grandes. El procedimiento
utilizado implica el transporte de sedimentos y las relaciones de deposición descritas por Foster et
al. (1981), Lane (1982) y Bagnold (1966). La parte de transporte químico del modelo fue desarrollada
por Frere et al. (1980) Se subdivide en una parte que evalúa los contaminantes solubles y otra parte
que maneja los contaminantes adsorbidos por sedimentos. AGNPS requiere 22 parámetros de
entrada para cada celda, lo que representa 22 capas de datos de entrada (Tabla 1). Los datos de la
cuenca incluyen información como el área celular, el número de celdas en la cuenca, la cantidad de
lluvia y el factor de intensidad energética (EI) de USLE. Los parámetros de salida se pueden lograr
para una celda específica o para toda la cuenca. Esto incluye la evaluación del volumen de
escorrentía, la tasa de flujo máximo. erosión ponderada por área tanto para tierras altas como para
canales. relación de entrega de sedimentos. relación de enriquecimiento de sedimento,
concentración media de sedimento y rendimiento total de sedimento para cada una de las cinco
clases de tamaño de sedimento, análisis de nutrientes, que incluye masa de N, P y DQO por unidad
de área para nutrientes solubles y adsorbidos de sedimento, y concentración de N y P, y
conductividad eléctrica en la escorrentía The Water Resources and Soil Conservation
Es bien sabido por la literatura que las experiencias de interfaces con el modelo AGNPS se han
llevado a cabo en muchos de los más difundidos.
Entornos SIG: Arc / Info, Grass, Idrisi Needham y Vice, 1989; Lec y Terstriep, 991; Panuska y col.,
1991; He y col., 1993; Klaghofer et al., 1993). En este documento, la interfaz GIS / AGNPS se
desarrolló como una herramienta WODITEM, explotando su formato ráster para representar los
datos almacenados. La configuración de esta unidad de preprocesamiento permite la combinación
y reclasificación de las capas básicas, el límite de la cuenca y los datos de elevación digital (con
rásteres de topografía derivados) con varias capas de atributos para obtener 22 capas de datos de
entrada. Además, se diseñó una unidad de posprocesamiento para cargar la salida del modelo en el
entorno WODITEM gráficamente para evaluar las grandes cantidades de resultados simulados. El
esquema de trabajo para el sistema integrado está organizado como se muestra en la Fig. I.
La investigación se realizó en la cuenca alpina (Tablas 2 y 3), una cuenca de 77,15 km ubicada cerca
de Verona, en la región occidental del Véneto (Fig. 2), que desemboca en el río Adige. Los viñedos y
las tierras forestales son los dos principales usos del suelo / cobertura del suelo, y representan el
42,9 y el 24,2% de la superficie total, respectivamente. La pendiente superficial promedio es del
18%. La corriente principal tiene 22 km de largo con una pendiente promedio del 1%. Los suelos son
predominantemente arcillosos (57.9) y, por lo tanto, la cuenca tiene una permeabilidad muy baja al
agua. La cuenca se monitoreó para detectar el goteo, sedimento y concentraciones de los químicos
enumerados a continuación en una estación de muestreo automática (Lenzi. 1992 ubicada al lado
de la ciudad de Montello. la instalación consta de dos medidores de nivel de agua
cargar utilizando la curva de clasificación de flujo, definida a partir de los resultados de las
mediciones de velocidad mantenidas realizadas durante los eventos de alimentos anteriores a los
mencionados en este documento. El segundo medidor de nivel de agua, interconectado con una
microcomputadora, controla el muestreador automático de la bomba matic que recoge una
muestra después de cada 70 000 m de agua ha fluido a través de la estación de yering. Las muestras
recolectadas se utilizan para la determinación en laboratorio de los valores de concentración de
sedimento suspendido: nitrógeno total, nitratos, fósforo total, ortofosfatos, N total en sedimento,
P total en sedimento, pH y conductividad eléctrica.
La aplicación de AGNPS requirió datos orológicos del hidrómetro, así como la textura del suelo y las
propiedades del cultivo de la cuenca estudiada. Las precipitaciones se midieron cada 5 minutos
entre 1992 y 1993 por medio de los tres pluviómetros ubicados como se muestra en la Fig. 2. Los
datos sobre sedimentos suspendidos son básicos para la calibración del submodelo de erosión. En
esta conexión, los datos de turbidez, registrados continuamente con el turbidímetro, se compararon
con la concentración de sedimentos suspendidos determinada por el laboratorio a partir de la serie
de muestras de agua recolectadas automáticamente en diferentes momentos y en ocasiones con
las descargas más grandes. Fue posible estimar la carga total de sedimentos combinando los valores
de las descargas de agua registradas con los valores correspondientes de la concentración de
sedimentos suspendidos, utilizando la siguiente fórmula:
donde Y es el rendimiento del sedimento en kg, el) se observa la descarga de la corriente a la hora
en ms, Ci) se observa o la concentración de sedimento interpolada linealmente a la hora y en gl yn
es la duración del evento en horas Los análisis químicos de estas muestras proporcionó
concentraciones de contaminantes en agua y sedimentos: las cargas químicas se calcularon de la
misma manera que el rendimiento de sedimentos. Se realizaron varios muestreos del suelo para
hacer coincidir los mapas de suelo disponibles en la escala 1:50 000. Se tomaron núcleos de suelo
no perturbados a una profundidad promedio de S 10 y 20 a 25 cm para producir un mapa temático.
a escala 1:25 000 (Fig. 3)
que representa la textura predominante de las células individuales de 16 ha en función de las tres
categorías de textura del suelo (arena, limo, arcilla) requeridas por el modelo (Young et al., 1989).
Las condiciones de humedad del suelo (AMC) se identificaron mediante la evaluación de la cantidad
de lluvia en los 5 y 21 días anteriores al evento y la descarga inicial de la base. Los conjuntos de
datos GIS se obtuvieron de varias fuentes. Los límites de las cuencas hidrográficas, la información
topográfica (contorno), las texturas del suelo y el uso del suelo / cobertura del suelo se digitalizaron
manualmente para proporcionar las capas SIG. Los datos se almacenaron en un formato ráster con
cada celda que representa un área de tierra de 1 ha. los
proporcionó otro medio de evaluar los resultados. El coeficiente de eficiencia de Nash y Sutcliffe. E
se calcula como
valores de salida y f es la media de los valores de eventos observados. Nash y Sutcliffe (1970)
describen la eficiencia del modelo, como la proporción de la varianza inicial de los valores
observados representados por el modelo, donde la varianza inicial es relativa a El valor medio
observado del conjunto de muestras. Por lo tanto, puede variar de 1 a -. Si E 1, el modelo produce
predicciones exactas. Un valor de E 0 indica que la suma de los cuadrados de diferencias entre los
valores predichos y medidos del modelo es igual a la suma de los cuadrados de diferencia entre los
valores compartidos mea y el promedio de los valores medidos.
Esto implica que un valor medio de escorrentía, flujo máximo, rendimiento de sedimento de
nutrientes es tan buen predictor general como el modelo. Los valores negativos de E indican que la
media observada es un mejor predictor del modelo.
3. Resultados y discusión
Veinte eventos de escorrentía, que ocurrieron entre 1992 y 1993 en la cuenca alpina, se utilizaron
para evaluar la porción de hidrología del modelo. Los resultados de las predicciones de escorrentía
AGNPS y flujo máximo se presentan en la Tabla 4. La relación de regresión lineal entre la escorrentía
observada y la predicción fue ROpred 00 RON -0.42 (1) que muestra una pendiente unitaria positiva
de la línea de regresión y una intercepción negativa (Fig. 4) , El coeficiente de determinación, R. para
la ecuación. (1) fue 0,99 y el coeficiente de eficiencia E 0,99. En general, la diferencia entre la media
de la demanda y la escorrentía media prevista fue del 6%. La Fig. Muestra un gráfico de los flujos
máximos medidos frente a los valores estimados por el modelo. La regresión de los valores
pronosticados en los valores observados fue QMd 140M.9.17 (2) que tenía un coeficiente de
determinación, R O0172 El flujo máximo se predijo en eventos pequeños y fueron predicho para
eventos de tormentas de lluvia grandes y de alta intensidad. En general, la diferencia entre el flujo
pico promedio medido y el promedio pronosticado fue del 25%.
Cuenca alpina para siete eventos de segunda vuelta. En general, la diferencia entre el sedimento
promedio medido y el promedio pronosticado fue del 26%. La relación de regresión lineal entre los
rendimientos de sedimentos medidos y pronosticados fue: Ypred 0.68 Y +107.09 (3) es decir. una
pendiente positiva significativa de la línea de regresión y una intersección positiva significativa. Este
resultado muestra que el modelo predice demasiado para rendimientos medidos bajos y predice
poco para rendimientos medidos altos. El coeficiente de determinación, R, para Eq3) fue de 0,99, y
el coeficiente de predicción, E, asumió un valor de 0,88. La figura 6 muestra una gráfica del
rendimiento de sedimento observado versus el modelo estimado. al., 1996) apoyan la conclusión
de que las tormentas de lluvia de menos de aproximadamente 25 mm no dan una escorrentía
significativa. Estas pequeñas tormentas pueden influir
La escorrentía y la erosión se midieron para suelos más grandes actuando antecedente del
contenido de agua del suelo. Por otro lado, es importante para el modelo predecir con precisión la
escorrentía y la erosión de las tormentas lar porque aproximadamente la mitad del rendimiento
anual de sedimento de escorrentía en la cuenca alpina se debe a tormentas de 0 mm. En este
sentido, el evento de octubre de 1992 se caracteriza por una gran importancia, caracterizada por un
alto valor de Val & El y un total de precipitaciones de 149,4 mm en 24 con un período de retorno de
40 años. El AGNPS pronosticó estrechamente la escorrentía total (+ 1%) para esta víspera, mientras
que el rendimiento de sedimento fue 30% inferior al previsto
Una comparación de los rendimientos observados versus pronosticados de N y P para siete eventos
se muestran en la Tabla 6 y las Figs. 7 y 8. La regresión de los valores estimados en los valores
observados de los rendimientos de N y P,
y 14.6%, mientras que los coeficientes de 0.96 y 0.89, respectivamente. Ningún componente de
nutrientes contribuye a las fuentes de cría urbana y ganadera obtenidas en la comparación, porque
antes sugería que podrían descuidarse, pero sus contribuciones no son fácilmente identificables.
en espacio o tiempo.
4. Conclusiones
en la cantidad y / o en la distribución de las tasas de aplicación de izer fértil para cada evento.
Adicionalmente. este modelo puede proporcionar una precisión deficiente con eventos pequeños y
en condiciones de estado estacionario, especialmente cuando los resultados del modelo se
corresponden con los de muestras aleatorias u ocasionales realizadas fuera de la descarga de flujo
máximo del evento hidrográfico AGNPS integrado con un SIG, en opinión de Los autores,
procedimiento válido para identificar y mapear áreas de origen de la entrega de sedimentos,
nitrógeno y fósforo a las aguas superficiales en la agricultura.
Al revelar las celdas con las tasas de corrosión más altas, particularmente las aguas arriba de la
corriente principal, se identifican áreas críticas de cuenca. Estas son áreas donde se deben tomar
medidas de control para lograr una reducción eficiente de la carga contaminante. Además, se deben
aplicar medidas de prevención y control a toda el área en aquellas subcuencas con contribuciones
totales de nutrientes y sedimentos que, sin embargo, no encierran áreas críticas. El modelo AGNPS
distribuido integrado con SIG ha demostrado ser, en opinión de los autores, una herramienta útil
para simular cargas de sedimentos y nutrientes en cuencas medianas de gran tamaño con el uso
predominante de viñedos. Los resultados de la cuenca alpina han señalado la capacidad del modelo
para estimar el rendimiento de sedimentos y nutrientes y su distribución espacial, particularmente
en el caso de grandes tormentas pluviales que, como subrayan Bingner et al (1992), son los eventos
que producen la mayor carga anual total de sedimentos y nutrientes en la cuenca.
Este primer estudio muestra claramente la necesidad de una exploración detallada de datos más
extensos para determinar los efectos de la intensidad de la lluvia a corto plazo y las variaciones de
precios en los resultados del modelo, en particular en la carga de sedimentos y nutrientes.
Reconocimiento