Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2021
MODELACIÓN DEL IMPACTO POR CAMBIO DE USO DEL SUELO SOBRE EL
COMPORTAMIENTO HIDROLÓGICO DE LA SUBCUENCA DEL RÍO QUINDÍO
BAJO LOS ESCENARIOS 2000, 2020 Y 2040
Proyecto de investigación presentado como requisito parcial para optar al título de especialista en
ordenamiento y gestión integral de cuencas hidrográficas
DIRECTOR
2021
2
Tabla de contenido
Resumen ....................................................................................................................................... 11
introducción ................................................................................................................................. 12
2. Justificación .................................................................................................................. 15
3. Objetivos ....................................................................................................................... 17
4. Antecedentes ................................................................................................................. 18
3
5.1.2.3. Modelación hidrológica ........................................................................................ 26
6. Metodología................................................................................................................... 35
6.3. Generación de un modelo de predicción para cambios de uso del suelo .............. 44
4
6.4.3. Análisis de la información .................................................................................... 55
7.2. Generación de un modelo de predicción para cambios de uso del suelo .............. 62
9. Conclusiones ................................................................................................................. 82
5
11. Referencias .................................................................................................................... 86
anexos ........................................................................................................................................... 94
6
Listado de tablas
Pág.
Tabla 5. Factores y limitantes categorizados para la Subcuenca del Río Quindío, periodo de
predicción 2020 - 2040 ................................................................................................................. 45
Tabla 10. distribución de áreas por cobertura para la subcuenca del Río Quindío, años 2000 y 2020
....................................................................................................................................................... 58
Tabla 13. Comparación de coberturas simuladas y clasificadas de la Subcuenca del Río Quindío
para el año 2020 ............................................................................................................................ 64
7
Tabla 14. distribución de áreas por cobertura para la subcuenca del Río Quindío, años 2020 y 2040
....................................................................................................................................................... 66
Tabla 19. Datos climáticos mensuales con sus respectivos parámetros para las estaciones utilizadas
....................................................................................................................................................... 94
8
LISTADO DE FIGURAS
Pág.
Figura 5. Validación de coberturas en campo (a) pastos, (b) bosque de galería y ripario (c) áreas
agrícolas heterogéneas (d) cultivos transitorios ............................................................................ 43
Figura 8. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2000 56
Figura 9. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2020 57
Figura 10. cambio neto (ha) por cobertura para los años 2000 y 2020......................................... 58
Figura 12. mapas de coberturas del suelo de la Subcuenca del Río Quindío para el año 2020, (a)
primera simulación (b) simulación final e (c) imagen clasificada ................................................ 63
Figura 13. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2040 65
Figura 14. cambio neto (ha) por cobertura para los años 2020 y 2040 ......................................... 66
9
Figura 15. Contribución porcentual de pastos, vegetación herbácea/arbustiva y plantación forestal
sobre el cambio neto de las demás coberturas .............................................................................. 70
Figura 16. mapa de microcuencas y puntos de control de la subcuenca del Río Quindío ............ 71
Figura 17. Unidades de Respuesta Hidrológica (HRU) para la subcuenca del Río Quindío en los
años (a) 2000, (b) 2020 y (c) 2040................................................................................................ 72
Figura 18. Hidrograma de caudales mensuales para las fases de (a) calibración y (b) simulación
del modelo SWAT ........................................................................................................................ 74
Figura 19. Gráfico de dispersión de los datos observados y simulados para el caudal medio mensual
(m3/s), durante las fases de (a) calibración y (b) validación del modelo SWAT ......................... 75
Figura 20. Hidrograma de caudales medios mensuales de los escenarios: actual (2020) y
prospectivo (2040) para la Subcuenca del Río Quindío ............................................................... 76
Figura 21. Caudal medio anual por sectores de la Subcuenca del Río Quindío para los años 2020
y 2040............................................................................................................................................ 77
10
Resumen
Los cambios de coberturas y usos del suelo son uno de los conductores de la disminución
de la oferta hídrica en las cuencas hidrográficas; por ello, es importante entender cómo ocurren
estos cambios y realizar análisis prospectivos para determinar la influencia de dichas variaciones
a futuro. Lo anterior puede ser llevado a cabo mediante modelos y simulaciones que usan como
base información geográfica y pueden ser herramientas claves para la toma de decisiones desde el
ordenamiento territorial.
En este documento se presentan los resultados obtenidos de la modelación del impacto por
cambio de uso del suelo sobre el comportamiento hidrológico de la subcuenca del Río Quindío.
Para comenzar, se realizó la clasificación de coberturas de la zona de estudio para los años 2000 y
2020, mediante herramientas de teledetección; posteriormente, se utilizó el modelo CA-Márkov
para generar un mapa de predicción de coberturas del año 2040, a partir de las dos imágenes
clasificadas y de parámetros complementarios definidos en compañía de actores institucionales. A
partir de esto, se identificaron las tendencias en los cambios de coberturas en la subcuenca, y se
prosiguió a realizar una modelación hidrológica para los distintos escenarios de uso del suelo,
mediante la herramienta SWAT. La simulación indicó que para el año 2040, la subcuenca del Río
Quindío presentará una mayor variabilidad en sus caudales mínimos y máximos a lo largo del año;
indicando una mayor susceptibilidad ante fenómenos climáticos extremos.
11
Introducción
La Subcuenca del Río Quindío se ubica en el extremo nororiental de la cuenca del Río de
La Vieja y es su mayor afluente, por lo que suministra agua a alrededor del 55% de la población
del departamento (CRQ, 2011). Por sus características geográficas el Quindío tiene una gran
riqueza hídrica; no obstante, fenómenos como el cambio del uso del suelo tienden a disminuir esta
oferta, en tanto aumentan las áreas urbanas, agrícolas y ganaderas, y disminuyen las coberturas
nativas. Es aquí donde entra la modelación del territorio como base para la prospectiva territorial,
dado que permite la simulación de diferentes condiciones para proyectar y explorar escenarios a
futuro, que permitan dimensionar los posibles impactos ambientales y socioeconómicos causados
por las variaciones de las coberturas del suelo (Koomen, Hilferink, & Borsboom-van Beurden,
2011).
Mediante el presente trabajo se buscó modelar el impacto del cambio coberturas y uso del suelo
sobre el comportamiento hidrológico de la Subcuenca del Río Quindío, como aporte al
ordenamiento territorial de la región. Para esto, se plantearon tres escenarios de análisis que fueron
los años 2000, 2020 y 2040; sobre los cuales se identificaron y clasificaron las coberturas y usos
del suelo de la subcuenca, con base en la metodología Corine Land Cover a partir del proceso de
fotointerpretación. Luego, se generó un modelo de predicción para los cambios de uso del suelo
en la zona de estudio; y finalmente, se modeló el comportamiento hidrológico de la subcuenca del
Río Quindío, en los diferentes escenarios de uso del suelo, con el fin de identificar las posibles
variaciones que experimentará la oferta hídrica de la subcuenca en el año 2040.
12
1. Planteamiento del problema
A pesar de que el cambio de la cobertura del suelo es un proceso natural, que ocurre usualmente
de forma gradual con puntos de inflexión marcados por fenómenos extremos como erupciones
volcánicas, inundaciones, entre otros; en el pasado reciente la mayor parte de estas variaciones han
ocurrido a una velocidad sin precedentes en la historia geológica del planeta y son producto directo
de las actividades humanas (Mackenzie, 1998). Aunque la humanidad se adapta con rapidez a estos
cambios acelerados, la mayoría de ecosistemas no pueden hacerlo a este mismo ritmo, lo que
genera no solamente un riesgo para estos hábitats, sino también una disminución en los servicios
ambientales que estos le prestan a las comunidades humanas (Mannion, 2002).
El Quindío cuenta con una elevada oferta hídrica producto de sus condiciones geográficas que
le permiten abastecer al departamento de una manera eficiente, siendo la Subcuenca del Río
Quindío la que mayor caudal entrega en al departamento; sin embargo, la red hídrica recibe cada
vez más presiones, bien sea por el creciente aumento de la demanda de agua como por la pérdida
de coberturas indispensables para el adecuado funcionamiento de las cuencas. Cabe señalar que
13
las propiedades biogeofísicas del territorio tales como cobertura de suelo, rugosidad, relieve y tipos
de suelo son determinantes en la producción de agua; de manera que un cambio en la cobertura
vegetal puede alterar notablemente el balance de agua superficial y la partición de las
precipitaciones dentro de los procesos de infiltración, escorrentía y evaporación (Foley, y otros,
2005). La respuesta hidrológica de una cuenca generada por cambios en el uso del suelo, está
fuertemente ligada con la distribución, cuantía y oportunidades de aprovechamiento de los mismos
recursos hídricos; puesto que estos han sido históricamente condicionantes para el establecimiento
de asentamientos humanos, actividades agrícolas, y demás conductores de la antropización del
medio (Echeverria, Huber, & Taberlet, 2008).
14
2. Justificación
A nivel global, más de la mitad del agua generada a través del proceso de escorrentía dentro
de las cuencas hidrográficas, es usada por el hombre (Postel, Daily, & Ehrlich, 1996) y los efectos
de las actividades humanas sobre estas zonas pueden llegar a ser críticos para la oferta hídrica de
las cuencas. Por ello es fundamental ordenar estas áreas adecuadamente, con miras a la
conservación de este recurso a lo largo del tiempo.
Los resultados de este tipo de investigaciones deben ser una herramienta para la construcción
de una prospectiva territorial; de la cual se pueden observar múltiples casos por todo el mundo.
Tal fue el caso de Polonia, cuando en 1969 fundó un comité denominado “Polonia 2000” con el
objeto de orientar y coordinar estudios dirigidos a esbozar las directrices del país para el nuevo
milenio; partiendo del análisis a futuro de los recursos y las necesidades, y cuyos frutos son una
muestra de lo que una adecuada planificación puede lograr (Espinosa, 2008). En efecto, el conflicto
por pérdida de cobertura natural está estrechamente relacionado con los conflictos por uso del
suelo; de los cuales, los principales en la Subcuenca del Río Quindío son la subutilización y la
sobreutilización. En este sentido, una mirada a futuro podría definir como estos conflictos
15
impactan la oferta hídrica de la subcuenca, para proponer alternativas de desarrollo que no generen
estos inconvenientes de índole social, ambiental, cultural y económica.
A pequeña escala, estos impactos sobre la respuesta hidrológica de las cuencas han sido
estudiados ampliamente; no obstante, la escala ejerce un papel fundamental en este tipo de
estudios, por lo que en áreas de mayor tamaño (>10 km2), estas variaciones no han sido bien
establecidas y requieren de estudios particulares (Lara, y otros, 2009). La respuesta hidrológica de
grandes cuencas ante cambios en el uso del suelo está determinada por la reacción individual de
sus subcuencas; asimismo, esta se encuentra condicionada por la magnitud y localización de los
cambios, los cuales parecen ser más relevantes a nivel de subcuencas al manejarse un nivel de
escala y análisis intermedio; por lo cual, estas áreas son idóneas para llevar a cabo modelaciones
hidrológicas de este tipo (Klocking & Haberlandt, 2002).
16
3. Objetivos
Modelar el impacto por cambio de uso del suelo sobre el comportamiento hidrológico de la
Subcuenca del Río Quindío para los escenarios 2000, 2020 y 2040
• Identificar y clasificar las coberturas y usos del suelo de la Subcuenca del Río Quindío, con
base en la metodología Corine Land Cover a partir del proceso de fotointerpretación, para los
años 2000 y 2020.
• Generar un modelo de predicción para los cambios de uso del suelo en la zona de estudio para
el año 2040.
• Modelar el comportamiento hidrológico de la subcuenca del Río Quindío, en los diferentes
escenarios de uso del suelo.
17
4. Antecedentes
Proaño, Gavilanes, Valenzuela, & Cisneros (2006), emplearon el modelo de simulación hídrica
SWAT en la Subcuenca del Río Ambato, para analizar las repercusiones de varias prácticas de uso
de suelo sobre la generación de caudales y producción de sedimentos. Dicho estudio se basó en el
balance hídrico para determinar la entrada, salida y almacenamiento de agua en la cuenca
hidrográfica bajo condiciones actuales; a partir de las cuales realizaron simulaciones bajo
escenarios de cambio de manejo en el uso del suelo. Similar a esta investigación, fue la planteada
por Fonseca en el año 2010, sobre el análisis de la dinámica de la escorrentía superficial bajo
diferentes escenarios de uso y ocupación del suelo y sus demandas de recursos hídricos, mediante
18
el uso del mismo modelo de simulación hidrológica distribuida, en este caso el SWAT. Ahora bien,
los documentos ya mencionados parten de plantear escenarios de cambio de uso del suelo y se
centran en la respuesta hidrológica de las cuencas en cuestión; no obstante, la simulación de los
cambios de usos y coberturas del suelo es de gran relevancia si se quiere valorar adecuadamente
el comportamiento hidrológico de un área en un periodo de tiempo determinado. En este sentido,
se debe destacar el trabajo realizado por Veloza-Torres (2017) en donde se plantea un análisis
multitemporal de los cambios de las coberturas y usos del suelo de una de las áreas protegidas de
la cuenca Alta del Río Bogotá, denominada como la reserva forestal protectora-productora (RFPP)
“Casablanca”, ubicada al sur del municipio de Madrid Cundinamarca; como medio para elaborar
una serie de recomendaciones para la toma de decisiones sobre medidas de manejo ambiental en
el área. Esta investigación encontró que la principal actividad que ha influenciado la degradación
y desaparición de coberturas nativas, fue la extracción de material de construcción;
adicionalmente, la introducción de especies invasoras como el pino y el eucalipto para su
explotación forestal disminuyen drásticamente la biodiversidad presente en la reserva.
En otra lógica diferente a la que se ha expuesto, se suscribe Lusiana, que en 2015 desarrolló
un estudio sobre la validación de modelos de simulación para la gestión de recursos naturales, en
la que se enfocó en la capacidad de los mismos de contribuir a la gestión y manejo de los recursos.
Para ello, incluyó estudios de las perspectivas de los usuarios sobre la validez de los modelos de
simulación, la aplicación del modelo para evaluar las compensaciones y la valoración de la
incertidumbre. Asimismo, concluyó que un modelo debe poder prospectar escenarios plausibles y
proporcionar una gama de opciones para cuestiones de política, con el fin de que pueda convertirse
en un marco para la toma de decisiones; Incrementando la prominencia, credibilidad y legitimidad
de una simulación, a través de la mejora del modelo técnico y de la comunicación de los resultados
del mismo para generar confianza en los usuarios. De acuerdo a este estudio: “el modelo también
debe tener la capacidad de permitir que los usuarios directos del modelo, primero, se sientan
seguros de la prominencia del modelo, luego aprendan gradualmente las compensaciones y las
19
consecuencias de un escenario de modelo particular y, en última instancia, exploren las posibles
opciones”. (Lusiana, 2015)
20
5. Marco referencial
Ludwig Von Bertalanffy (1968) define un sistema como un complejo de elementos que
interactúan; en este sentido, fomenta el pensamiento sistémico en todas las disciplinas para
encontrar principios generales válidos para todos los sistemas, e introduce dicha unidad de análisis
como un nuevo paradigma científico que contrasta el paradigma analítico y mecánico,
caracterizando la ciencia clásica. De esta forma, la perspectiva teórica en la cual se circunscribe el
proyecto es la Teoría General de Sistemas, puesto que se interpreta la cuenca como un sistema
abierto, en donde el comportamiento de un solo elemento autónomo es diferente de su
comportamiento cuando este interactúa con otros elementos. Esto se puede verse reflejado en los
componentes del objeto de estudio planteado para la presente investigación; debido a que el
comportamiento hidrológico de la cuenca está sujeto a otros parámetros como son el cambio de
coberturas y usos del suelo; los cuales, a su vez, se encuentran condicionados por aspectos
socioeconómicos que pueden tener lugar dentro o fuera de la misma área de la cuenca.
Las nociones de uso y cobertura del suelo son conceptos distintos pero que se encuentran
estrechamente relacionados. La cobertura del suelo se refiere al estado biofísico de la superficie
del planeta; mientras que el uso del suelo es cómo y para qué se utilizan estas coberturas, por lo
que el uso depende en primera instancia, de las coberturas con las que se cuente (Turner, y otros,
1995); más específicamente, se entiende por uso del suelo a la ocupación de este por cualquier
actividad. Los usos del suelo son el resultado de la interacción humana con el medio y se puede
decir que estos permiten identificar como son las dinámicas dentro del mismo territorio (Sancho
Comins, Bosque Sendra, & Moreno Sanz, 1993).
21
El ser humano es el principal precursor de los cambios de uso del suelo, y por ende, de los
cambios de coberturas. Así pues, las actividades que generan un mayor impacto en el paisaje son
la agricultura, la ganadería, la explotación forestal la minería (particularmente la minería a cielo
abierto), la urbanización, e incluso los efectos de la guerra (Mannion, 2002). El Cambio en la
Cobertura y los Usos del Suelo (CCUS) trae diversos impactos en el medio biofísico como los son:
la pérdida de la biodiversidad, la degradación del suelo, la disminución de la provisión hídrica de
las cuencas, afectaciones en el ciclo de nutrientes y en el clima local y regional, entre otros
(Henríquez L. , 2012).
Los modelos de cambio de uso del suelo una herramienta de simulación matemática para el
análisis espacial, que permite explorar los diferentes mecanismos que conducen a los cambios de
uso del suelo; además de proyectar los posibles impactos ambientales y socioeconómicos causados
por dicho cambio durante un periódo determinado, e incluso pueden ayudar a evaluar la influencia
de alternativas políticas y regímenes de manejo sobre los patrones de desarrollo y uso del suelo
(Henríquez, Azócar, & Aguayo, 2006).
Estos modelos utilizan parámetros sencillos, como la extensión de las áreas urbanas, red vial,
los centros de mercado y trabajo, las condiciones topográficas y la existencia áreas de manejo
especial. Actualmente, existen varios modelos de cambio de uso de suelo que s epueden ejecutar
a través de softwares para sistemas de información geográfica (SIG), y son usados por las
empresas, entidades gubernamentales y la academia; entre estos se puede encontrar: LAND
CHANGE MODELER, GEOMOD, CLUE, IMAGE, LANDSHIFT, PLM, SITE, SYPRIA, CA-
MARKOV, ACCUS, RUSLE, entre otros (Mas & Sandoval, 2011).
22
Europea, utilizando como base imágenes LANDSAT (Thematic Mapper). El esquema
metodológico Corine Land Cover contempla las etapas de adquisición de la información,
preparación, análisis e interpretación de las coberturas, verificación en campo, control de calidad
y generación de información temática (Melo & Camacho, 2005). Esta metodología fue adaptada
para Colombia en el año 2010 por el IDEAM y es conocida como la metodología CLC-Colombia,
lo que supuso un avance en la unificación de técnicas para definir las categorías y coberturas del
suelo.
De acuerdo al decreto 1729 de 2002, “Una cuenca u hoya hidrográfica es el área de aguas
superficiales o subterráneas, que vierten a una red natural con uno o varios cauces naturales, de
caudal continuo o intermitente, que confluyen en un curso mayor que, a su vez, puede desembocar
en un río principal, en un depósito natural de aguas, en un pantano o directamente en el mar”.
Las cuencas hidrográficas se delimitan por las líneas de divisorias de aguas, las cuales son las cotas
máximas que dividen dos cuencas contiguas; en medio de las cuales se forman los afluentes y el
cauce principal, como se puede observar en la figura 1:
23
Figura 1. Delimitación de una cuenca hidrográfica, www.mundogeografía.com
• Cuencas: Sistema integrado por varias cuencas y microcuencas, y con un área de entre
60.000 a 300.000 ha.
• Subcuencas: conjunto de microcuencas que drenan a un solo cauce, con caudal fluctuante
pero permanente. Tienen un área de entre 10.000 a 60.000 ha.
• Microcuencas: unidad de drenaje que tiene su punto de desfogue sobre el cauce de una
subcuenca. Tienen un área máxima de 10.000 ha.
Los procesos hidrológicos que tienen lugar en una cuenca corresponden a los cambios que
experimenta el agua, tanto en su estado (sólido, líquido, gaseoso), como en su forma (agua
superficial, agua subterránea, etc.) (Chow, Maidment, & Mays, 1998).
24
La evaporación y la transpiración (ET) de los cuerpos de agua, se encuentran entre los procesos
hidrológicos clave que están teniendo lugar en una cuenca; el aire evaporado se eleva, se condensa
para formar nubes y llega a la superficie terrestre en forma de precipitación. Las precipitaciones
adoptan diversas formas, como lluvia, nieve, granizo y rocío; sin embargo, la mayor parte de las
precipitaciones se producen en forma de lluvia. Cuando la precipitación alcanza la superficie
terrestre, parte de ella se infiltra en el suelo y subsuelo llegando a recargar acuíferos subterráneos,
mientras que otra parte se mueve a través de la tierra como escorrentía, en donde puede ser
interceptada por la vegetación (Chow, Maidment, & Mays, 1998). Por tanto, el proceso es continuo
pues ocurre por encima y debajo de la superficie de la tierra (Han, 2010) y no tiene ningún punto
de inicio y fin (Chow, Maidment, & Mays, 1998). Los procesos ya mencionados se pueden ver
gráficamente en la figura 2:
25
5.1.2.2. Balance hídrico
El balance hídrico es la representación teórica de los intercambios de agua entre las plantas, el
suelo y la atmosfera que permite establecer la relación entre las ganancias (+) y las pérdidas (-) de
agua que se registran en un área determinada, mediante la cuantificación de los componentes del
ciclo hidrológico en las cuencas hidrográficas o de cuerpos de agua subterráneos (Jimenez, 1994).
La ecuación de balance hídrico permite relacionar las cantidades de agua que circulan por el ciclo,
agrupando los procesos que agregan agua a la cuenca como precipitaciones, en entradas; y las que
disminuyen el agua como escorrentía, infiltración, percolación, etc., en salidas (Ordoñez, 2011):
𝑃 = 𝐸𝑇𝑅 + 𝐸𝑆 + 𝐼
En general, los modelos de lluvia-escorrentía son las herramientas estándar que se utilizan para
investigar los procesos hidrológicos, y existen una gran cantidad de estos modelos con diferentes
aplicaciones que van desde pequeñas cuencas hasta modelos globales. Cada modelo tiene sus
propias características únicas y sus respectivas aplicaciones, pueden contribuir en el pronóstico de
inundaciones, la gestión adecuada de los recursos hídricos, la evaluación de la calidad del agua, la
erosión y sedimentación, la circulación de nutrientes y pesticidas, el uso de la tierra y el cambio
climático, etc. (Devia, Ganasri, & Dwarakish, 2015).
26
Los mejores modelos son aquellos cuyos resultados se acercan más a la realidad usando el
mínimo de parámetros posibles, de forma que se facilite la captura de datos inicial. Para una
predicción precisa, se requieren diferentes medios de evaluación del modelo, y se deben considerar
los factores meteorológicos y datos del suelo para que haya una adecuada calibración del modelo
(Devia, Ganasri, & Dwarakish, 2015).
5.1.3. Teledetección
• Resolución espacial: Se refiere al tamaño del objeto más pequeño que se puede distinguir
en la imagen, y está determinada por el tamaño del píxel, medido en metros sobre el terreno.
Es primordial para definir la escala de detalle con la que se trabajará.
• Resolución temporal: Es la frecuencia de paso del satélite por un mismo punto de la
superficie terrestre; es decir, cada cuanto tiempo pasa el satélite por la misma zona de la
Tierra.
• Resolución espectral: Consiste en el número de canales espectrales que es capaz de captar
un sensor. Cada banda captura información de diferentes partes del espectro
27
electromagnético; así pues, a mayor cantidad de bandas se conocerá más de la información
espectral de elemento que se está analizando.
• Resolución radiométrica: Se refiere a la cantidad de niveles de gris en que se divide la
radiación recibida para ser almacenada y procesada posteriormente. Esto depende del
conversor analógico digital usado.
En la tabla 1, se muestran las resoluciones de los principales satélites usados para la teledetección:
Tabla 1. características principales de algunos satélites usados para teledetección, elaboración propia a
partir de Lund University (2011).
Los sensores utilizados para la teledetección para aplicaciones hidrológicas cubren una
amplia gama del espectro electromagnético. Se utilizan tanto sensores activos que envían un pulso
y miden el valor de retorno como en el caso de los sensores de radar; o también sensores pasivos
que miden las emisiones o reflectancia de fuentes naturales como LANDSAT, SENTINEL,
IKONOS, etc. De acuerdo a McCabe, y otros (2017), “las técnicas de teledetección miden
indirectamente las variables hidrológicas, por lo que las variables electromagnéticas medidas por
28
las técnicas de teledetección deben estar relacionadas con las variables hidrológicas de forma
empírica o con funciones de transferencia”. Por tanto, la teledetección en sí misma no constituye
una herramienta hidrológica, por lo que debe usarse a la par con modelos y simuladores propios
de esta área. (McCabe, y otros, 2017)
El modelo Markov fue presentado por el matemático ruso Andrei A. Markov en 1970, y
consiste en un modelo estocástico que requiere pares de imágenes de CCUS para describir la
probabilidad de que un área cambie su estado o categoría a lo largo de un periodo determinado
(Clark Labs, 2012).
𝑆 (𝑡 + 1) = 𝑃𝑖𝑗 𝑥 𝑆(𝑡)
𝑛
(0 ≤ 𝑃𝑖𝑗 < 1) ∧ ∑𝑗=1 𝑃𝑖𝑗 = 1, (𝑖, 𝑗 = 1,2, … 𝑛)
Por otra parte, el modelo Cellular Automata (CA) es un modelo dinámico espacial que
predice transiciones entre cualquier número de categorías CCUS, en donde la transición de una
29
celda en una categoría a otra diferente, depende del estado de las celdas vecinas (Adhikari &
Southworth, 2012). Este modelo parte del axioma de que a mayor proximidad, una celda tendrá
una mayor probabilidad de cambiar en el futuro; sin embargo, presta atención solamente a las
interacciones locales de las células.
𝑆 (𝑡, 𝑡 + 1) = 𝑓(𝑆(𝑡), 𝑁)
Este modelo predice los impactos sobre las Unidades de Respuesta Hidrológica (HRU), las
cuales son áreas dentro de la subcuenca que se componen de una combinación única de cobertura
terrestre, suelo y pendiente (Arnold, y otros, 2011). El modelo SWAT requiere información diversa
para configurarse y ejecutarse, incluyendo: datos de clima, hidrología, suelo, topografía y uso de
30
la tierra; con lo que puede modelar el proceso físico asociado con el movimiento del agua, el
movimiento de los sedimentos, el crecimiento de los cultivos, el ciclo de los nutrientes, etc.
(Neitsch, Arnold, Kiniry, Williams, & King, 2002) Basándose en la ecuación de balance hídrico
que se muestra a continuación (Arnold, Srinivason, Muttiah, & Williams, 1998):
𝑡
𝑆𝑊𝑡 = 𝑆𝑊0 + ∑ (𝑅𝑑𝑎𝑦 − 𝑄𝑠𝑢𝑟 − 𝐸𝑎 − 𝑊𝑠𝑒𝑒𝑝 − 𝑄𝑔𝑤 )
𝑖=1
Donde: SWt es el contenido final de agua del suelo (mm); yt es el tiempo (días); SWo, es
el contenido inicial de agua del suelo, Rday, es la cantidad de precipitación, Qsur es la cantidad de
escorrentía superficial, Ea es la cantidad de evapotranspiración, Wseep es la cantidad de agua que
ingresa a la zona vadosa desde el perfil del suelo, y Qgw es la cantidad de flujo de retorno el día i
(mm).
La escorrentía en SWAT se puede estimar mediante el método del número de curva (CN)
del Servicio de Conservación de Suelos (SCS), el cual predice la escorrentía con un evento de
lluvia determinado, basándose principalmente en el uso de la tierra, las propiedades del suelo y las
condiciones hidrológicas. La ecuación que define este método es la siguiente (Ghoraba, 2015):
1000
𝑆 = 25,4 ( − 10)
𝐶𝑁
Donde, S es el volumen de agua que se puede drenar del suelo por unidad de área de espesor
saturado (mm / día) y CN es el número de curva de nivel.
31
SWAT es compatible con diferentes softwares para SIG como ArcGIS (ArcSWAT) o Quantum
GIS (QSWAT); además de contar son un manual de uso en varios idiomas, lo que hace que facilita
su manejo. Este modelo se descarga de manera independiente, y se añade como complemento a
cualquiera de los entornos ya mencionados.
32
5.2. Marco legal
Por otro lado, con la promulgación del Código Nacional de Recursos Naturales, Decreto Ley
2811 de 1974, se sientan las bases de la política ambiental en Colombia y el interés del Estado por
la preservación de los recursos naturales renovables y el medio ambiente.
Por otra parte, la Ley 388 de 1997 de Desarrollo Territorial, considera el ordenamiento y
manejo ambiental como un componente estructural del ordenamiento territorial, lo que implica
33
una armonía entre los procesos de planeación y la conservación y el mejoramiento de los bienes y
servicios ambientales de la nación; lo cual incluye todos los procesos relacionados con los cambios
de coberturas y usos del suelo.
La reglamentación relativa a las cuencas hidrográficas es dada por el decreto 1729 de 2002; el
cual adopta una definición de cuenca hidrográfica para el país, y define su delimitación y usos.
Este decreto plantea una hoja de ruta para el ordenamiento de cuencas, anterior al decreto 1640 de
2012 “Por medio del cual se reglamentan los instrumentos para la planificación, ordenación y
manejo de las cuencas hidrográficas y acuíferos, y se dictan otras disposiciones”, es la línea base
para la planificación y el aprovechamiento de los recursos que ofrecen las cuencas hidrográficas;
entendiendo estás áreas como unidades de planificación que trascienden los límites políticos, y
cuyo uso debe planificarse con una visión global que permita integrar los escenarios locales,
regionales y nacionales y para ello se requieren mecanismos jurídicos que garanticen una adecuada
articulación.
La parte alta de la subcuenca se enmarca dentro de las zonas de reserva forestal central
definidas por la Ley 2 de 1959; las cuales propenden por el desarrollo de la economía forestal y
protección de los suelos, las aguas y la vida silvestre; y se encuentran por fuera de los límites de
la frontera agrícola nacional.
Por otro lado, en lo referente a los instrumentos de planeación territorial que regulan la zona
de estudio; los más relevantes son: POMCH del río La Vieja (2018) y del Plan de Ordenación para
la Unidad de Manejo de Cuenca (UMC) Río Quindío (2011); así como también: Plan de Gestión
Ambiental Regional (PGAR) Departamento del Quindío, el Esquema de Ordenamiento Territorial
(EOT) del municipio de Salento, el Plan Básico de Ordenamiento Territorial (PBOT) de Calarcá
y el Plan de Ordenamiento Territorial (POT) de Armenia. Los documentos mencionados
constituyen una base fundamental para la planificación y los procesos de ordenación y
visualización del territorio regional y nacional, marcando pautas importantes y definiendo líneas
generales de orientación.
34
6. Metodología
35
Figura 3. mapa de localización del área de estudio, elaboración propia (2021)
36
Tabla 2. Información climática de la Subcuenca río Quindío, Adaptado del POMCA río La Vieja (2020)
De acuerdo al Plan de Manejo de la Subcuenca del Río Quindío, esta unidad hidrográfica
es alargada, se ensancha en la parte alta donde aparecen gran cantidad de fuentes hídricas, en la
zona media es delgada y con muchos tributarios y al final de la misma se reduce su tamaño. Al ser
cuenca alargada tiene un cauce principal con poca tendencia a concentrar el escurrimiento
superficial. A continuación, se muestran las principales características morfométricas de la
Subcuenca del Río Quindío.
Tabla 3. Características morfométricas de las corrientes identificadas en la microcuenca río Quindío, CRQ
(2020)
Características morfométricas R. Quindío
Área (Km2) 276,6
Perímetro (km) 168,18
Longitud del cauce (km) 58,56
Ancho máximo de la cuenca (km) 13,8
Cota de nacimiento (msnm) 4150
Cota de llegada (msnm) 1050
Diferencia de nivel (m) 3100
Factor de forma 0,08
37
Coeficiente de compacidad 2,83
Se planteó una metodología de tipo mixta puesto que toma elementos cualitativos y
cuantitativos en su análisis. Está se desarrolló para diferentes periodos de tiempo, incluyendo una
proyección a futuro; por lo cual, es longitudinal-prospectiva. La presente metodología se organiza
por fases, cada una de las cuales corresponde al desarrollo de cada objetivo específico; teniendo
como antesala la descripción del área de estudio. La figura 3 muestra el esquema metodológico
que se siguió para el desarrollo del proyecto:
38
Figura 4. esquema metodológico, elaboración propia (2020)
39
6.2. Clasificación de las coberturas y usos del suelo
Para el escenario del año 2000 se eligió una imagen Landsat 7 con fecha del 21 de agosto del
mismo año. Cuenta con resolución de 30 m en sus bandas multiespectrales y 15 m en la
pancromática. Se eligió este sensor debido a que es el que más se ajusta para la fecha requerida.
Por otra parte, para el escenario del año 2020, se eligió una imagen Landsat 8 con fecha del 08 de
abril del mismo año y resolución de 30 m en sus bandas multiespectrales y 15 m en la
pancromática. De acuerdo a la resolución espacial de dichas imágenes se definió la escala de
trabajo, teniendo en cuenta la siguiente fórmula (ESRI, 2020):
96
𝐸𝑠𝑐𝑎𝑙𝑎 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑐𝑒𝑙𝑑𝑎 𝑥
0,0254
40
La relación entre la resolución espacial y la escala de trabajo se muestra en la tabla 3:
Tabla 4. Relación entre la resolución espacial y la escala de trabajo, elaboración propia a partir de ESRI
(2020).
De acuerdo a lo anterior se manejó una escala 1: 50.000, dado que se utilizaron imágenes
Landsat con una resolución espacial de 15 m en la banda pancromática, y 30 m en las bandas
multiespectrales; sobre las cuales se realizó un mejoramiento de la resolución (pansharpening),
dando como resultado imágenes con un tamaño de celda de 15 m.
𝑋−𝑌
𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 (%) = ( ) ∗ 100
𝑌
𝑋−𝑌
𝑇𝑎𝑠𝑎 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 (ℎ𝑎/𝑎ñ𝑜) = ( )
𝑍
El control de calidad para la clasificación de la imagen del año 2020 se realizó mediante
trabajo de campo durante los meses de marzo y abril del 2021, siguiendo la metodología de
observación de recorridos libres “ad libitum” según la disponibilidad de acceso a los predios, dado
que estos corresponden a áreas privadas que pueden ser restringidas.
Para este proceso se requirió GPS y cámara fotográfica, con el fin de verificar que la
clasificación estuviera correcta; a partir de lo cual se realizaron las modificaciones necesarias para
generar el mapa de coberturas de cada uno de los escenarios. Se usaron un total de 40 puntos de
control distribuidos por toda el área de la subcuenca, los cuales fueron tomados en cercanías a las
vías de comunicación que atraviesan la zona de estudio. A continuación, se muestran algunas de
las imágenes tomadas en campo:
42
(a) (b)
(c) (d)
Figura 5. Validación de coberturas en campo (a) pastos, (b) bosque de galería y ripario (c) áreas agrícolas
heterogéneas (d) cultivos transitorios, elaboración propia (2021).
43
6.3. Generación de un modelo de predicción para cambios de uso del suelo
La predicción de los cambios de uso del suelo se llevó a cabo usando el modelo CA-Márkov
disponible para el entorno Terrset. Este modelo predice tanto la tendencia como la estructura
espacial de diferentes categorías CCUS basándose en las imágenes históricas de las coberturas, la
matriz de probabilidad de transición e imágenes de idoneidad como un archivo de grupo (Clark
Labs, 2012). Este estudio utilizó la clasificación del 2000 como archivo histórico, y su
comparación con 2020 para la matriz de probabilidad de transición de ensamblaje. CA-Márkov
tiene en cuenta factores y restricciones como criterios que indican la idoneidad relativa de las áreas
bajo consideración y criterios que limitan las alternativas. Estos se mapearon como imagen
booleana y correspondieron a parámetros de altitud y de pendiente. No se tuvieron en cuenta
parámetros como la frontera agrícola o la reserva forestal central; debido a que actualmente existen
grandes fragmentos de la subcuenca que presentan actividades agropecuarias, a pesar de
encontrarse dentro de las zonas de exclusión legal dictaminadas por la resolución 261 del 2018.
En la tabla 5 se muestran los factores y limitantes categorizados para la Subcuenca del Río
Quindío:
44
Tabla 5. Factores y limitantes categorizados para la Subcuenca del Río Quindío, periodo de predicción
2020 - 2040, elaboración propia (2021)
Como se puede observar, las áreas adecuadas para la conversión a cada clase se asignaron
dando valores de 0 (sin probabilidad de conversión) a 1 (alta probabilidad de conversión). Dichos
valores se obtuvieron de lo planteado por los instrumentos de ordenamiento territorial de la zona
como el Plan de Ordenamiento Productivo y Social del Quindío; además de discusiones con
funcionarios de la Secretaría de Agricultura, Desarrollo Rural y Medio Ambiente del
departamento. El factor de altitud como limitante, fue incluido como resultado del proceso de
calibración.
45
6.3.2. Validación y calibración
Una vez validado el modelo, se utilizó nuevamente el módulo Land Change Modeler
disponible para Terrset; y se realizaron los análisis correspondientes para la variación de coberturas
del periodo 2020 – 2040.
Para esta fase, se utilizó el modelo hidrológico Soil and Water Assessment Tool (SWAT), la
cual fue desarrollada por el servicio agrícola de investigación de los Estados Unidos. El modelo se
ejecutó en su versión SWAT 2012, utilizada como complemento dentro del entorno ArcMap 10.5,
siguiendo el esquema que se muestra a continuación:
46
Figura 6. esquema metodológico de la modelación hidrológica, elaboración propia (2021)
6.4.1. Insumos
La aplicación de este modelo requiere diversa información del área de estudio, la cual fue
obtenida como se muestra a continuación:
47
• Modelo de Elevación Digital (DEM)
Se utilizó una imagen satelital ASTER GDEM, para generar la información relativa a la red de
drenaje, los parámetros topográficos y para delimitar la subcuenca hidrográfica, junto con sus
microcuencas.
Los mapas producto de las fases anteriores se usaron independientemente para predecir el
comportamiento hidrológico de la cuenca. El modelo SWAT requiere una conversión de las
categorías CCUS en código SWAT de cuatro dígitos de acuerdo a sus características de respuesta
hidrológica; lo cual fue realizado a juicio del analista, dando como resultado una nueva
clasificación que se observa a continuación:
48
• Suelos
Se requiere conocer las propiedades físicas y químicas de los suelos de la cuenca, tales como
textura, contenido de agua disponible, conductividad hidráulica, densidad aparente y contenido de
carbono orgánico; dado que estos son factores que determinan la escorrentía. Se utilizó
información proveniente del IGAC y el Estudio semidetallado de suelos del Quindío. Para los
datos no referidos en los estudios mencionados, se consultó documentación del Centro
Internacional de Agricultura Tropical; a partir de lo cual, se identificaron los parámetros que se
muestran a continuación para cada uno de los 12 tipos de suelos encontrados en la subcuenca, y se
añadieron los valores a la base de datos del software.
49
• Meteorología
Se requieren datos de precipitación diaria, temperatura máxima y mínima del aire, radiación
solar, velocidad del viento y humedad relativa. Estos datos se obtuvieron del Instituto de
Hidrología, Meteorología y Estudios Ambientales (IDEAM) de Colombia y de los reportes de las
estaciones de acuerdo a la disponibilidad de los datos. En el siguiente mapa se muestra la ubicación
de las estaciones utilizadas para el estudio:
Figura 7.Estaciones meteorológicas para la Subcuenca del Río Quindío, elaboración propia (2021)
50
El modelo SWAT cuenta con un generador climático, denominado WXGEN, que permite
recrear datos diarios a partir de valores medios. Para ello, se definieron una serie de parámetros a
partir de las ecuaciones que se muestran a continuación:
la precipitación diaria en 𝑃𝑥 =
(𝑁 − 1) ∗ (𝑁 − 2) ∗ 𝜎𝑃3
el mes (simetría)
𝑊 𝑑í𝑎𝑠 (𝑤/𝑑) días (w/d) = total de días húmedos en
PR_W1 𝑃𝑖 ( ) =
𝐷 𝑑í𝑎𝑠 (𝑑) el mes seguidos de un día seco
51
Probabilidad de un día días (d) = total de días secos al mes
húmedo seguido de un día días (w/w) = total de días húmedos
seco en el mes. en el mes seguidos de otro día
húmedo
PR_W2 días (w) = total de días húmedos al
Probabilidad de un día 𝑊 𝑑í𝑎𝑠 (𝑤/𝑤)
𝑃𝑖 ( ) = mes
húmedo seguido de un día 𝑊 𝑑í𝑎𝑠 (𝑤) d(wx) = Número medio de días de
húmedo en el mes. precipitación en el mes
N = número total de registros
PCPD 𝑑í𝑎𝑠 (𝑤)
Número medio de días de 𝑑(𝑤𝑥) =
precipitación en el mes 𝑁
• Oferta hídrica
Parámetro Código
Número de curva de escorrentía CN2.mgt
Tiempo de retraso de la escorrentía superficial SURLAG.bsn
Valor “n” de Manning para flujo superficial OV_N.hru
Factor Alfa de flujo base (días) ALPHA_BF.gw
Factor de compensación por evaporación en el suelo ESCO.hru
Almacenamiento máximo del dosel CANMX.hru
Longitud media de la pendiente SLSUBBSN.hru
Pendiente media HRU_SLP.hru
Valor “n” de Manning para el canal principal CH_N2.rte
Conductividad eléctrica efectiva en el canal principal CH_K2.rte
Capacidad disponible de agua de la capa de agua SOL_AWC.sol
Conductividad hidráulica saturada SOL_K.sol
53
Cabe resaltar, que el criterio del ajuste de calibración se basa en una función objetivo y una
comparación visual de hidrogramas simulados y observados (Proaño, Gavilanes, Valenzuela, &
Cisneros, 2006); los cuales se aplicaron mensualmente con el fin de garantizar la variabilidad anual
y estacional de los flujos. Por su parte, el rendimiento del modelo fue comprobado con varios
índices disponibles para SWAT, como el coeficiente de eficiencia de Nash-Sutcliffe (NSE), el
sesgo porcentual (PBIAS) y el error cuadrático medio (RMSE). Además de estos índices, también
se consideraron el coeficiente de determinación (R2) como una medida de consistencia de los datos
simulados y observados. El NSE es una estadística normalizada que determina la magnitud relativa
de la varianza residual en comparación con la varianza de los datos medidos. El cálculo y análisis
de los índices mencionados se realizó a partir de Moriasi, y otros, (2007):
• Los valores de NSE varían de -∞ a 1; en el que un valor más alto indica un mejor
desempeño del modelo.
∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠 − 𝑌𝑖 𝑠𝑖𝑚)2
𝑁𝑆𝐸 = 1 −
∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠 − 𝑌 𝑚𝑒𝑎𝑛)2
• PBIAS mide el sesgo de estimación del modelo; es positivo y negativo de acuerdo al sesgo
de subestimación o sobreestimación del modelo respectivamente, mientras que los valores
de baja magnitud indican mejores simulaciones del modelo siendo 0 el valor óptimo de
PBIAS.
∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠 − 𝑌𝑖 𝑠𝑖𝑚) ∗ 100
𝑃𝐵𝐴𝐼𝑆 =
∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠)
• RSR es la otra estadística de índice de error de uso común, la cual estandariza el RMSE
utilizando las desviaciones estándar de observación. El valor de RSR varía entre 0 y un
número positivo grande. Cuanto menor sea el valor de RSR, mejor será el rendimiento de
la simulación del modelo.
𝑅𝑀𝑆𝐸 √∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠 − 𝑌𝑖 𝑠𝑖𝑚)2
𝑅𝑆𝑅 = =
𝑆𝑇𝐷 𝑜𝑏𝑠 √∑𝑛𝑖=1(𝑌𝑖 𝑜𝑏𝑠 − 𝑌 𝑚𝑒𝑎𝑛)2
54
Donde n es el número total de observaciones, Yi obs y Yi sim son los valores observados y
simulados respectivamente. Y mean, es la media de los datos observados y STD obs es la desviación
estándar de los datos observados.
Con el fin de analizar los impactos hidrológicos por CCUS, los distintos mapas de
coberturas se usaron por separado mientras que todas las demás entradas del modelo SWAT
permanecieron similares; para luego, comparar los hidrogramas obtenidos sobre una base
promedio.
Se calcularon los valores de caudal medio anual de forma sectorizada, con el fin de identificar
las relaciones entre los cambios de cobertura y las variaciones de caudal en los distintos escenarios.
Para ello, se utilizó la delimitación de las microcuencas realizada anteriormente, a partir de la cual
el modelo SWAT reporta resultados individuales de la simulación. La agrupación de las
microcuencas en sectores se realizó con respecto a las coberturas predominantes y a sus rangos
altitudinales; de manera que los sectores analizados fueron:
55
7. Análisis de resultados
Figura 8. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2000, elaboración
propia (2021)
56
Figura 9. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2020, elaboración
propia (2021)
Como se puede observar en las figuras 8 y 9, la zona de estudio presentó un cambio notorio
en cuanto a sus coberturas durante el periodo de 20 años, caracterizado por la pérdida de coberturas
naturales y la fragmentación de los ecosistemas. La tabla 10 muestra las variaciones en el área de
cada clase ordenadas de manera descendente por magnitud de cambio.
57
Tabla 10. distribución de áreas por cobertura para la subcuenca del Río Quindío, años 2000 y 2020,
elaboración propia (2021)
Tasa de Valor de
Área (ha) Área (%) cambio cambio
Cobertura
(ha/año) (%)
2000 2020 2000 2020 2000-2020 2000-2020
Bosque denso 7835.19 3952.93 25.68 12.96 -39.53 -49.55
Bosque de galería y ripario 4962.24 3911.03 16.27 12.82 19.56 -21.18
Cultivos permanentes 4812.9 3536.68 15.78 11.59 -35.37 -26.52
Pastos 4005.27 7283.3 13.13 23.87 36.42 81.84
Áreas con vegetación herbácea
3086.07 5403.44 10.12 17.71 34.85 75.09
y/o arbustiva
Áreas agrícolas heterogéneas 2228.15 1041.09 7.30 3.41 3.64 -53.28
Bosque fragmentado 1957.41 1553.18 6.42 5.09 -15.53 -20.65
Territorios artificializados 762.65 1170.88 2.50 3.84 6.44 53.53
Plantación forestal 405.48 2128.9 1.33 6.98 -10.64 425.03
Áreas abiertas, sin o con poca
288.77 304.41 0.95 1.00 0.82 5.42
vegetación
Cultivos transitorios 136.8 196.72 0.45 0.64 -0.98 43.80
Ríos (50 m) 27.51 26.24 0.09 0.09 -0.06 -4.62
Figura 10. cambio neto (ha) por cobertura para los años 2000 y 2020, elaboración propia (2021)
58
Para el año 2000, la cobertura predominante era bosques densos (25,68%) con una alta
presencia en la cuenca alta del río; seguida por cultivos permanentes (15,78%), asociados
principalmente a café y cuya presencia era más notoria en la parte media y baja de la cuenca. No
obstante, para el 2020 el bosque denso se redujo en un 49,55% dando paso a otras coberturas como
bosque fragmentado, vegetación herbácea y/o arbustiva y pastos. Por su parte, los territorios
agrícolas mantuvieron un área total relativamente estable, con una variación de solo el 7,82%; sin
embargo, si se encontró un cambio importante la distribución de dichas áreas dentro de la
categoría. La cobertura de pastos fue la que contó con un mayor incremento (81,84%), el cual está
asociado con un aumento del sector ganadero en el departamento. Por lo contrario, los cultivos
permanentes disminuyeron en un 26,52%, mientras que los cultivos transitorios aumentaron en un
43,80%.
59
7.1.2. Transición entre coberturas
Se identificaron las relaciones presentes entre las distintas categorías, con respecto a la
influencia de cada una para ejercer un cambio sobre las demás. Las conversiones que tuvieron
lugar de una categoría a otra son presentadas en la tabla 11, de forma que las diagonales de la
matriz reflejan la persistencia de cada clase:
Tabla 11. matriz de transición de área (ha) periodo 2000 – 2020*, elaboración propia (2021)
Bosque de galería y
Plantación forestal
Áreas agrícolas
Bosque denso
heterogéneas
fragmentado
permanentes
transitorios
Vegetación
herbácea/
arbustiva
Cultivos
Cultivos
Bosque
ripario
Pastos
De acuerdo a la información anterior, las categorías que causaron la mayor diminución del
área de bosque denso, fueron: áreas con vegetación herbácea y/o arbustiva (-1908 ha), bosque
fragmentado (-918 ha), plantación forestal (-548 ha) y pastos (-442 ha). El reemplazo del bosque
denso por estas otras categorías se encuentra estrechamente relacionado con los usos productivos
de la cuenca alta del Río Quindío, denotando la adopción de distintas prácticas que se contraponen
con la vocación de conservación y protección del suelo establecida por la Ley 2 de 1959. A su vez,
60
el bosque fragmentado fue reemplazado en gran medida por la cobertura de pastos (-568 ha) y
plantación forestal (-557 ha); situación similar a la del bosque de galería y ripario, cuyos
principales reemplazos fueron pastos (-413 ha) y plantación forestal (-214 ha). Otras áreas
agrícolas como cultivos permanentes y áreas agrícolas heterogéneas, también se vieron sustituidas
por la cobertura de pastos, con valores de -1017 ha y -853 ha.
Figura 11. contribución porcentual de pastos, vegetación herbácea/arbustiva y plantación forestal sobre
el cambio neto de las demás coberturas, elaboración propia (2021)
Sin importar su velocidad o magnitud, la mayoría de los cambios de cobertura y uso del
suelo han sido causados por la intervención antrópica. A pesar de esto, al analizar el crecimiento
poblacional de la región se evidencia que este tiene una relevancia relativamente baja en este
aspecto. En la Subcuenca río Quindío se pueden identificar dos tipos de actores, los directos e
61
indirectos. Los actores directos son aquellos que se localizan sobre el territorio de la Subcuenca o
se abastecen del recurso hídrico de la misma y pertenecen a los municipios de Salento, Calarcá y
Armenia. Los actores indirectos hacen parte de los municipios de Circasia, la Tebaida, Córdoba y
Buenavista ya que algunos de estos también reciben aguas de la subcuenca o hacen parte de la
Unidad de Manejo de Cuenca río Quindío como estrategia de regionalización de la CRQ en la
ejecución de proyectos ambientales (CRQ, 2011). No obstante, la tabla 12 muestra que el
crecimiento poblacional de la zona de estudio en los últimos 15 años ha sido inferior al 1%, lo cual
indica que la modificación en las coberturas debe estar más relacionada con otros factores como
pueden ser la transformación de los sistemas económicos y productivos.
Tabla 12. Población de la Subcuenca del Río Quindío, elaboración propia a partir de Observatorio
Departamental del Quindío, (2020).
Población Población
2005 2020
Urbana 332.911 331.393
Rural 29.007 29.499
Total 361918 360892
Figura 12. mapas de coberturas del suelo de la Subcuenca del Río Quindío para el año 2020, (a) primera
simulación (b) simulación final e (c) imagen clasificada, elaboración propia (2021)
A pesar de las diferencias en cuanto a la fragmentación del paisaje, los resultados en las
áreas totales de cada cobertura fueron bastante similares de acuerdo a lo expresado en la tabla 13.
Las clases de mayor relevancia como el bosque denso presentaron una cobertura de 15,5% en la
imagen simulada y 12,9% en la clasificada, indicando una sobreestimación del 2,6%. Caso similar
63
al del bosque fragmentado, el cual fue mayor en la imagen simulada. Por el contrario, la cobertura
de pastos que arrojó la simulación estuvo 2,4% por debajo de la imagen clasificada.
Tabla 13. Comparación de coberturas simuladas y clasificadas de la Subcuenca del Río Quindío para el
año 2020, elaboración propia (2021)
A partir del modelo de predicción se generó el mapa de coberturas para la subcuenca del
Río Quindío, proyectado al año 2040. La figura 13 muestra la distribución de las 12 coberturas
previamente identificadas para la zona:
64
Figura 13. Mapa de clasificación de las coberturas de la Subcuenca del Río Quindío, año 2040,
elaboración propia (2021)
Como se puede observar en la figura 13, la información proyectada al año 2040 muestra
una tendencia a la disminución de las coberturas naturales y a la fragmentación del paisaje; esto
puede verse a mayor detalle en la tabla 14 y la figura 14, las cuales muestran la variación de
coberturas esperada para el periodo 2020 – 2040.
65
Tabla 14. distribución de áreas por cobertura para la subcuenca del Río Quindío, años 2020 y 2040,
elaboración propia (2021)
Tasa de Valor de
Área (ha) Área (%) cambio cambio
(ha/año) (%)
Cobertura 2020 2040 2020 2040 2020-2040 2020-2040
Pastos 7283.3 8690.96 23.87 28.50 70.38 19.33
Áreas con vegetación herbácea
5403.44 6198.16 17.71 20.33 39.74 14.71
y/o arbustiva
Bosque denso 3952.93 2255.37 12.96 7.40 -84.88 -42.94
Bosque de galería y ripario 3911.03 3215.58 12.82 10.55 -34.77 -17.78
Cultivos permanentes 3536.68 2843.91 11.59 9.33 -34.64 -19.59
Plantación forestal 2128.9 3415.97 6.98 11.20 64.35 60.46
Bosque fragmentado 1553.18 946.07 5.09 3.10 -30.36 -39.09
Territorios artificializados 1170.88 1473.63 3.84 4.83 15.14 25.86
Áreas agrícolas heterogéneas 1041.09 937.64 3.41 3.08 -5.17 -9.94
Áreas abiertas, sin o con poca
304.41 304.67 1.00 1.00 0.01 0.09
vegetación
Cultivos transitorios 196.72 189.55 0.64 0.62 -0.36 -3.64
Ríos (50 m) 26.24 18.75 0.09 0.06 -0.37 -28.54
Figura 14. cambio neto (ha) por cobertura para los años 2020 y 2040, elaboración propia (2021)
66
Para el año 2040, se espera que la cobertura predominante sea pastos (28,50%), los cuales
se expandirán por la cuenca media y alta del Río Quindío a una tasa de 70,38 ha/año; seguidos por
áreas con vegetación herbácea y/o arbustiva (20,33%), consolidando su presencia en la cuenca
alta. Por su parte, se espera que los territorios agrícolas ocupen el 41,53% del área, lo cual indica
un pequeño crecimiento con respecto a años anteriores. Esto es congruente con la visión territorial
planeada por el Plan de Ordenamiento Productivo y Social de la Propiedad Rural del Quindío
(2019), el cual plantea una visión prospectiva para el departamento a 20 años y prioriza las
alternativas productivas más relevantes para la región; al igual que aquellas para las que se espera
un mayor crecimiento durante dicho periodo. Entre estas, se encuentran café, banano, plátano,
aguacate Hass y ganadería de leche; las dos últimas con una elevada presencia en el municipio de
Salento y fuertemente relacionadas con un impacto sobre la cuenca alta del Río Quindío y un
reemplazo de las coberturas boscosas. El crecimiento de dichas apuestas productivas puede llegar
a ser un aliciente para que las coberturas con mayor variación en su área para el periodo 2020 –
2040 sean el bosque denso (-42,94%) y el bosque fragmentado (-39,09%); los cuales se espera que
presenten una tasa de cambio anual de -84,88 ha/año y -30,36 ha/año respectivamente. Asimismo,
el bosque de galería y ripario podría disminuir a razón de -34,77 ha/año en toda la subcuenca,
producto de las intervenciones antrópicas.
En cuanto a las coberturas que presentarán mayor crecimiento, se tiene que las plantaciones
forestales podrían crecer en un 60,46%, a un ritmo alarmante de 64,35 ha/año. Dicha modificación
del uso del suelo podría representar una grave amenaza a los servicios de provisión y regulación
hídrica que brinda la subcuenca, debido a las especies utilizadas para el desarrollo de tales
proyectos.
Los territorios artificializados mantendrán una ocupación de menos del 5% del área de la
subcuenca, a pesar de que podrían experimentar un aumento del 25,86%; por lo cual, imperará el
panorama rural en la zona de estudio. Finalmente, algunas coberturas que se mantuvieron
relativamente estables para los dos escenarios de análisis fueron las áreas abiertas, sin o con poca
vegetación, y cultivos transitorios.
67
La tendencia identificada del reemplazo de las coberturas naturales es una muestra de la
necesidad de actualización de los planes y esquemas de ordenamiento territorial para las entidades
dentro de la subcuenca del Río Quindío; debido a que a la fecha, tales documentos se encuentran
desactualizados; lo que ocasiona un entendimiento erróneo de la realidad del territorio a la hora de
proyectar desarrollos futuros.
Se identificaron las relaciones presentes entre las distintas categorías, con respecto a la
influencia de cada una para ejercer un cambio sobre las demás. Las conversiones que tuvieron
lugar de una categoría a otra son presentadas en la tabla 15, de forma que las diagonales de la
matriz reflejan la persistencia de cada clase:
Tabla 15. matriz de transición de área (ha) periodo 2020 – 2040*, elaboración propia (2021)
Bosque de galería y
Plantación forestal
Áreas agrícolas
artificializados
Bosque denso
heterogéneas
fragmentado
permanentes
Vegetación
Territorios
herbácea/
arbustiva
Cultivos
Bosque
ripario
Pastos
Territorios
0 -245 -27 -33 0 0 0 0 0
artificializados
Cultivos permanentes 245 0 479 95 0 -2 -81 3 -2
Pastos 27 -479 0 -164 -102 -231 -249 80 -348
Áreas agrícolas
33 -95 164 0 0 0 -53 64 14
heterogéneas
Bosque denso 0 0 102 0 0 291 -5 351 957
Bosque fragmentado 0 2 231 0 -291 0 -60 649 75
Bosque de galería y
0 81 249 53 5 60 0 142 108
ripario
Plantación forestal 0 -3 -80 -64 -351 -649 -142 0 0
Vegetación herbácea y/o
0 2 348 -14 -957 -75 -108 0 0
arbustiva
*No se muestran las coberturas menos representativas como: áreas abiertas, sin o con poca vegetación,
ríos (50m) y cultivos transitorios.
68
De acuerdo a la información anterior, las categorías que causarán la mayor diminución del
área de bosque denso, serán: áreas con vegetación herbácea y/o arbustiva (-957 ha), plantación
forestal (-351 ha) y bosque fragmentado (-291 ha). Como se mencionó anteriormente, el reemplazo
del bosque denso por estas otras categorías se encuentra estrechamente relacionado con los usos
productivos de la cuenca alta del Río Quindío, denotando un crecimiento agropecuario que
traspasa la frontera agrícola definida por la resolución 261 del 2018. Cabe agregar que a pesar de
las implicaciones ambientales que tiene el establecimiento de plantaciones forestales de especies
invasoras como el pino y el eucalipto; el Ministerio de Agricultura establece como procedente el
desarrollo de tales actividades dentro de zonas de Reserva Forestal Central y otras áreas protegidas
(UPRA, 2021), por lo cual, el crecimiento de esta cobertura dentro de dichas áreas, presenta
menores limitantes que las demás actividades productivas. A su vez, se espera que la cobertura de
plantación forestal reemplace cerca de 649 ha de bosque fragmentado, el cual también perderá
unas 241 ha a causa del crecimiento de pastos. Por su parte, el bosque de galería y ripario será
reemplazado principalmente por: pastos (-249 ha), plantación forestal (-142 ha) y áreas con
vegetación herbácea y/o arbustiva (-108 ha). Dichas pérdidas en conjunto, constituirán una
transformación preocupante de las coberturas naturales de la subcuenca; dado que son estas las
que se encuentran más ligadas a la regulación hídrica del territorio, además del mantenimiento de
la calidad del suelo y la conservación de la biodiversidad.
Otras áreas agrícolas como cultivos permanentes y áreas agrícolas heterogéneas, también
se vieron sustituidas por la cobertura de pastos, con valores de -479 ha y -164 ha respectivamente.
Adicional a esto, cerca de 245 ha de cultivos permanentes podrían ser reemplazadas por territorios
artificializados; especialmente en la cuenca media y baja.
Al igual que en el periodo 2000 – 2020, para el año 2040 el principal promotor de CCUS
dentro de la Subcuenca del Río Quindío, será la cobertura de pastos, la cual representa el 31,19%
del total de hectáreas que fueron reemplazadas durante dicho tiempo. A esta le siguen las
plantaciones forestales y las áreas con vegetación herbácea y/o arbustiva, cada una con un impacto
del 25,56% y 22,88% sobre el total de áreas transformadas. Lo anterior puede verse de manera
69
más detallada en la figura 15, la cual muestra la contribución porcentual de estas coberturas sobre
el cambio neto de las demás.
Figura 15. Contribución porcentual de pastos, vegetación herbácea/arbustiva y plantación forestal sobre
el cambio neto de las demás coberturas, elaboración propia (2021)
70
Figura 16. mapa de microcuencas y puntos de control de la subcuenca del Río Quindío, elaboración propia
(2021)
Las HRH son las unidades más pequeñas de análisis que maneja el modelo SWAT,
agrupando los diferentes usos de la tierra, los suelos y las pendientes que se sobreponen en el área
de la cuenca (Arnold, y otros, 2011). De acuerdo a lo anterior, se incorporó el mapa de suelos con
todos los parámetros ya definidos en la base de datos, y se reclasificaron las pendientes en 4 rangos:
0–25%, 26–75%, 75-125% y >125%. El análisis se realizó para cada uno de los mapas de cobertura
del suelo generados anteriormente, y los resultados pueden observarse en la siguiente figura:
71
Figura 17. Unidades de Respuesta Hidrológica (HRU) para la subcuenca del Río Quindío en los años (a)
2000, (b) 2020 y (c) 2040, elaboración propia (2021)
Se identificaron 444, 547 y 605 HRU’s para los años 2000, 2020 y 2040 respectivamente;
de forma que la fragmentación de los ecosistemas a lo largo del tiempo, incidió directamente en la
formación de un mayor número de unidades de análisis. Lo anterior también significa que con el
tiempo el territorio se vuelve cada vez más complejo, incrementando la incertidumbre de los
procesamientos que sobre él se realicen.
En los anexos se pueden encontrar las tablas de datos climáticos mensuales y sus
respectivos parámetros para las diferentes estaciones utilizadas.
72
7.3.4. Calibración y validación
Una vez se ajustaron los parámetros anteriores, se procedió a calcular nuevamente los
valores de caudal medio mensual para los periodos estipulados; a partir de lo cual, se analizaron
los datos con el fin de evaluar el desempeño del modelo SWAT.
Figura 18. Hidrograma de caudales mensuales para las fases de (a) calibración y (b) simulación del
modelo SWAT, elaboración propia (2021)
74
Figura 19. Gráfico de dispersión de los datos observados y simulados para el caudal medio mensual (m3/s),
durante las fases de (a) calibración y (b) validación del modelo SWAT, elaboración propia (2021)
Estadísticas
Fase 2
R NSE PBIAS RSR
Calibración 0,9677 0,747 -6,057 0,502
Simulación 0,8998 0,542 -9,831 0,677
Figura 20. Hidrograma de caudales medios mensuales de los escenarios: actual (2020) y prospectivo
(2040) para la Subcuenca del Río Quindío, elaboración propia (2021)
Tabla 18. Variación de caudales medios mensuales 2020 – 2040, elaboración propia (2021)
76
El análisis de la subcuenca por sectores se detalla en la figura 21, dónde se muestra una
disminución del 30,9% en el caudal medio anual de la parte alta; mientras que, a su vez, presenta
un aumento del 8,1% y 6,0% en el caudal en las partes media y baja respectivamente. Un análisis
de las coberturas predominantes en el área, indica que las variaciones de caudal en la parte alta
podrían ser producto de la pérdida del bosque denso, bosque fragmentado y bosque de galería y
ripario; los cuales cumplen un papel importante en los procesos de captación y almacenamiento
del agua. Asimismo, su reemplazo por otras coberturas como las plantaciones forestales, puede
generar una afectación en los servicios de regulación hídrica. Por su parte, los sectores medio y
bajo de la subcuenca se caracterizaron por un aumento en las coberturas de pastos y territorios
artificializados para el periodo 2020-2040, los cuales según Ramirez (1984), presentan coeficientes
de escorrentía muy superiores a los de otras coberturas como pueden ser los bosques de galería y
ripario, y cultivos permanentes; que contaron con pérdidas sustanciales en dichas áreas para la
predicción del 2040. En este sentido, la modificación en las coberturas de los sectores medio y
bajo, puede estar relacionada directamente con un aumento en la escorrentía superficial de la zona;
lo que a su vez se relacionaría con el aumento de los caudales en los periodos más húmedos y su
disminución en los periodos secos.
Figura 21. Caudal medio anual por sectores de la Subcuenca del Río Quindío para los años 2020 y 2040,
elaboración propia (2021)
77
8. Discusión de resultados
Los resultados obtenidos de este proyecto muestran que, bajo la tendencia del cambio de uso
del suelo en la Subcuenca del Río Quindío, podrían presentarse alteraciones en el comportamiento
hidrológico de la misma a futuro, potenciándose los picos máximos y mínimos de caudal. Tales
resultados son similares a los obtenidos por otros autores en distintas partes del mundo; un estudio
en la cuenca del Río Angereb en Etiopía, indicó que a lo largo el periodo estudiado hubo un
incremento del 39% en el caudal medio mensual durante la temporada húmeda, pero una
disminución del 46% durante la temporada seca; debido a la conversión de bosques a áreas
agrícolas entre los años 1985 y 2011 (Getachew Haile & Melesse Assefa, 2012). Por su parte, una
investigación acerca del impacto del uso de la tierra sobre la generación de caudales y sedimentos
en varias cuencas del Valle del Cauca, mostró el mismo tipo de comportamiento; a lo cual, los
autores afirman que “[…] la pérdida del bosque cambiaría los flujos de agua en la cuenca,
aumentando el de escorrentía, disminuyendo la recarga de acuíferos y por lo tanto reduciendo los
flujos de retorno en época de estiaje” (Uribe, Estrada, & Jarvis, 2009). En relación a la pregunta
de investigación “¿Cuál es el impacto por cambio de uso del suelo sobre el comportamiento
hidrológico de la subcuenca del río Quindío para los escenarios 2000, 2020 y 2040?” el desarrollo
del proyecto junto con los hallazgos anteriormente mencionados, indican que si bien no se espera
una reducción neta en el caudal anual de las cuencas a causa del cambio del uso del suelo; si se
prevé un aumento en la vulnerabilidad de las unidades hidrográficas ante eventos climáticos
extremos como pueden ser los fenómenos de El Niño y La Niña, lo cual atrae la atención sobre la
creciente necesidad de un mejoramiento de los procesos de gestión del riesgo de desastres; en
especial, desde la prevención de los mismos.
En cuanto a los factores que influyen en el aumento de los caudales durante la temporada
húmeda, se puede inferir que el crecimiento de la cobertura de pastos y territorios artificializados,
en reemplazo de cultivos permanentes, bosques y arbustales; se relaciona directamente con un
incremento en la escorrentía superficial, producto de una menor capacidad de captación y
1
Movimiento Mundial por los Bosques Tropicales (WRM)
79
almacenamiento por parte de las coberturas. Al respecto, Gebremicael, Mohamed, Betrie, van der
Zaag, & Teferi (2012) condujeron una investigación acerca de la relación del uso del suelo y la
escorrentía superficial en la cuenca alta del Río Nilo Azul; encontrando como resultado que en el
periodo de 1970 a 2010 hubo un incremento sustancial en la escorrentía superficial de la zona
asociado estrechamente a la conversión de coberturas naturales en pastos y otras áreas agrícolas.
En lo que se refiere a la predicción de cambio de coberturas, debe mencionarse que hay gran
cantidad de factores que pueden repercutir en las dinámicas que modifican los usos de la tierra; en
este sentido, una tendencia marcada a lo largo de 20 años puede verse alterada por la inclusión de
nuevas políticas públicas, el mejoramiento de las condiciones productivas, el surgimiento de
nuevas oportunidades económicas, el cambio climático, entre otros. Para el caso de la Subcuenca
del Río Quindío, han sido factores principalmente económicos los que han gestionado los cambios
de uso del suelo, con la marginalidad del café como propulsor de la búsqueda de nuevas
80
alternativas tales como la inclusión de cultivos de alto rendimiento como el aguacate Hass, y la
expansión de las zonas ganaderas. En este sentido, se pueden promover acciones que busquen
romper con las tendencias existentes, para generar un prospecto de uso del suelo mucho más
sostenible, a partir de la implementación de sistemas tecnificados, los cuales permitan incrementar
la producción neta, sin necesidad de una expansión notable en el área utilizada; así como también,
la inclusión de otras especies en el panorama forestal. Para este último, el Quindío podría
experimentar un crecimiento en las áreas de guadua para extracción comercial durante las
próximas décadas, debido a que esta cadena productiva fue recientemente priorizada por el Plan
de Ordenamiento Productivo y Social del departamento; por lo que en el futuro podrían
desarrollarse proyectos que no solo beneficiarían a las áreas existentes de bosque de galería y
ripario, sino que, además, podrían promover su expansión.
81
9. Conclusiones
La clasificación de coberturas de los años 2000 y 2020 fue un proceso fundamental para
entender las dinámicas del territorio durante dicho periodo, y dilucidar los posibles cambios que
la subcuenca experimentará en los próximos 20 años. De las 12 coberturas identificadas, se
encontró que las que experimentaron un mayor crecimiento durante el periodo de análisis fueron
las plantaciones forestales (425%), los pastos (81,8%) y las áreas con vegetación herbácea y/o
arbustiva (75,0%). Por el contrario, las coberturas que perdieron un mayor porcentaje de área
fueron: áreas agrícolas heterogéneas (-53,2%), bosque denso (-49,5%) y cultivos permanentes (-
26,5%). Debido a esto, se priorizó el análisis de dichas coberturas para el desarrollo de las
siguientes fases del proyecto y la interpretación de los resultados.
El modelo de predicción de cambio de uso del suelo indicó que para el periodo 2020 – 2040,
las coberturas con mayor área en la subcuenca del Río Quindío serán los pastos y las áreas con
vegetación herbácea y/o arbustiva. Por su parte, las coberturas que experimentarán un mayor
crecimiento con respecto al año 2020 serán: plantación forestal (60,4%), territorios artificializados
(25,8%) y pastos (19,3%). Mientras que aquellas que perderán una mayor área serán: bosque denso
(-42,9%) y el bosque fragmentado (-39,0%).
El proceso de calibración y validación del modelo hidrológico SWAT, mostró que este es
adecuado para la simulación de caudales de los años 2020 y 2040, de acuerdo al análisis de algunos
índices estadísticos como el NSE, el PBIAS, el RSR y el R2. De acuerdo a los resultados obtenidos
bajo el escenario de cambio de coberturas y uso del suelo propuesto, se espera que para el año
2040 aumente la variabilidad hídrica en la subcuenca del Río Quindío; de manera que se verán
más marcados los picos máximos y mínimos de caudal a lo largo del año. A pesar de que esto no
se traduce en una disminución neta de la oferta hídrica anual; si se encuentra estrechamente
relacionado con un aumento en la vulnerabilidad del área de estudio con respecto a fenómenos de
variabilidad climática como El Niño y La Niña, lo cual puede devenir en situaciones como la
ocurrencia de inundaciones y desabastecimiento hídrico durante las temporadas secas.
82
Se corroboró que los sistemas de información geográfica y la modelación hidrológica son
herramientas fundamentales para la ordenación integral de cuencas hidrográficas; puesto que estas
permiten considerar un gran número de parámetros para observar y analizar la cuenca bajo distintas
condiciones; permitiendo a los tomadores de decisiones realizar un análisis holístico sobre las
mejores estrategias de manejo a implementar, con el fin de garantizar la calidad y acceso a los
recursos que ofrece el área.
83
10. Recomendaciones
Se debe propender por la conservación de los bosques naturales, debido a su rol en los procesos
de regulación hídrica de las cuencas, además de los otros servicios ecosistémicos que estos prestan.
Igualmente, es necesario promover acciones que frenen el crecimiento de la frontera agrícola
dentro de estas zonas, así como también la sustracción de áreas de la Reserva Forestal Central de
ley 2; las cuales afectan muy especialmente la parte alta de las cuencas y los nacimientos de agua.
Para consolidar un territorio más resiliente a futuro y con menor vulnerabilidad ante eventos
extremos, se recomienda apoyar alternativas de desarrollo económico que busquen aumentar la
producción, reduciendo la tasa de reemplazo de coberturas naturales, a partir de la tecnificación
de cultivos, el mejoramiento de praderas y el desarrollo de la agroindustria; esto, como eje para
disminuir los impactos negativos del CCUS sobre la hidrología de la subcuenca del Río Quindío.
Es importante realizar modelaciones a futuro que consideren todos los factores que influyen
en el comportamiento hidrológico de la cuenca tal como la incidencia del cambio climático; lo
anterior, con miras a recrear con mayor precisión los escenarios tendenciales, de forma que los
procesos de toma de decisiones que se desprendan de tales documentos, cuenten con una mayor
solidez y confiabilidad en sus resultados. Asimismo, se recomienda tener especial cuidado al
momento de la selección de la información base, puesto que el rendimiento de un modelo nunca
será superior a la calidad de los insumos que este utiliza; esto es de especial importancia en el caso
de los datos meteorológicos, dado que el Colombia hay un gran volumen de información
disponible para consulta que no ha pasado por el proceso de validación correspondiente; por lo
cual, se puede llegar a generar un alto grado de incertidumbre en el resultado final de la simulación.
84
van desde la sensibilización a las comunidades e instituciones, hasta la gestión e implementación
de proyectos.
85
11. Referencias
Adhikari, S., & Southworth, J. (2012). Simulating forest cover changes of Bannerghatta National.
Remote Sensing.
Al-sharif, A., & Pradhan, B. (2013). Monitoring and predicting land use change in Tripoli
Metropolitan City using an integrated Markov chain and cellular automata models in GIS.
Libia: Arab J Geosci.
Arnold, J., Kiniry, J., Srinivasan, R., Williams, J., Haney, E., & Neitsch, S. (2011). Soil and water
Assessment Tool. Input/ Output File Documentation version 2009. Texas, Estados Unidos:
Texas water Resources Institute Technical Report No.365.
Arnold, J., Srinivason, R., Muttiah, R., & Williams, J. (1998). Large area hydrologic modeling
and assessment. Part I: Model development.
Brown, L. (2001). Eco-economy: building an economy for the earth. Earth Policy Institute.
Chow, V., Maidment, D., & Mays, L. (1998). Applied hydrology. McGraw-Hill, Inc.
Clark Labs. (2012). Idrisi Selva help system. USA: Clark University.
Consorcio Pomca Quindío. (2018). Plan de Ordenación y Manejo de la cuenca del Río la Vieja.
Bogotá D.C.
CRQ & Universidad del Tolima. (2017). Evaluación regional del agua del departamento del
Quindío. Armenia-Ibagué: Convenio Interadministrativo 038-2016 entre la Corporación
Autónoma Regional Del Quindío y la Universidad Del Tolima, proyecto 550116.
86
CRQ. (2011). Formulación del Plan de Manejo de la Subcuenca del Río Quindío. Armenia,
Quindío: Corporación Autónoma Regional del Quindío.
CRQ. (2020). Plan de Gestión Ambiental Regional PGAR 2020-2039 departamento del Quindío,
Cuenca hidrográfica del Río la Vieja. Armenia, Quindío.
Devia, G., Ganasri, B., & Dwarakish, G. (2015). A Review on Hydrological Models. Aquatic
Procedia.
Echeverria, C., Huber, A., & Taberlet, F. (2008). Estudio comparativo de los componentes del
balance hídrico en un bosque nativo y una pradera en el sur de Chile. Bosque, Vol. 28, Nº
3, p. 271-280.
Engman, E., & Gurney, R. (1991). Remote Sensing in Hydrology. London, New York, Tokyo,
Melbourne, Madras: Remote Sensing Applications Series.
ESRI. (12 de Octubre de 2020). Cell size ranges in a mosaic dataset. Obtenido de
http://resources.arcgis.com/en/help/main/10.1/index.html#//009t00000042000000
Foley, J., Defries, A., Asner, G., Bardfor, C., Bonan, G., Carpenter, S., . . . Snyder, P. (2005).
Global consequences of land use. Science, Vol. 309, Nº 5734, p. 570-574.
87
Gashaw, T. (2018). Modeling the Impacts of Land Use Land Cover Changes on Hydrology,
Ecosystem Functions and Services in the Upper Blue Nile Basin of Ethiopia. Addis Ababa,
Ethiopia: Addis Ababa University.
Gebremicael, T., Mohamed, Y., Betrie, G., van der Zaag, P., & Teferi, E. (2012). Trend analysis
of runoff and sediment fluxes in the Upper Blue Nile basin: A combined analysis of
statistical tests, physically-based models and landuse maps. Journal of Hydrology.
Getachew Haile, E., & Melesse Assefa, M. (2012). The Impact of Land Use Change on the
Hydrology of the Angereb Watershed, Ethiopia. International Journal of Water Sciences.
Ghoraba, S. (2015). Hydrological modeling of the Simly Dam watershed (Pakistan) using GIS and
SWAT model.
Gobernación del Quindío. (2009). Evaluaciones Agropecuarias del Departamento del Quindío .
EVAS.
Gobernación del Quindío. (2016). Plan de Desarrollo 2016 - 2019 “En defensa del bien común”.
Armenia, Quindío.
Guhl, A. (2004). Café y cambio de paisaje en la zona cafetera colombiana entre 1970 y 1997.
Cenicafé.
Henríquez, C., Azócar, G., & Aguayo, M. (2006). Cambio de uso del suelo y escorrentía
superficial: aplicación de un modelo de simulación espacial en Los Ángeles, VIII Región
del Biobío, Chile. Revista de Geografia Norte Grande.
Henríquez, L. (2012). Escenarios futuros de uso de suelo para el analisis del efecto del cambio
global en los recursos hidricos aplicado al acuifero de la Mancha Oriental. Valencia,
España: Universidad Politecnica de Valencia.
88
IAvH. (2006). Ecosistemas de los Andes Colombianos. Bogotá.
IDEAM. (2014). Estudio Nacional del Agua. Instituto de Hidrología, Meteorología y Estudios
Ambientales, Ministerio de Ambiente y Desarrollo Sostenible.
IGAC. (2013). Estudio semidetallado de suelos del quindío. Instituto Geográfico Agustín Codazzi.
Kim, D., Choi, M., Kim, J., & Kim, U. (2019). Advances in Remote Sensing to Understand Extreme
hydrological events. Hindawi: Advances in Meteorology.
Klocking, B., & Haberlandt, U. (2002). Impact of land use changes on water dynamics-a case
study in temperate meso and macroscale river basins. Physics and Chemistry of the Earth.
Koomen, E., Hilferink, M., & Borsboom-van Beurden, J. (2011). Land-Use Modelling in Planning
Practice. GeoJournal Library.
Lambin, B., & Geist, H. (2000). Global land use and land cover change, what have we learned so
far? Agriculture, ecosystems and environment.
Lambin, E., Rounsevell, M., & Geist, H. (2000). Are agricultural land-use models able to predict
changes in land-use intensity? Department of Geography, University of Louvain.
Lara, A., Little, C., Urrutia, M., McPhee, J., Álvarez-Garretón, C., Oyarzún, C., . . . Arismendi, I.
(2009). Assessment of ecosystem services as an opportunity for the conservation and
management of native forests in Chile. Forest Ecology and Management.
89
Lund University. (2011). Introduction to Remote Sensing and Geographical Information Systems.
Lund, Suecia: Department of Physical Geography and Ecosystems Sciences.
Lusiana, B. (2015). Salience, credibility and legitimacy in land use change modeling: model
validation as product or process? Bogor, Indonesia: World Agroforestry Centre (ICRAF).
Mackenzie, F. (1998). Our Changing Planet: An Introduction to Earth System Science and Global
Environmental Change. Upper Saddle River, Prentice Hall.
Mannion, A. (2002). Dynamic world: land-cover and land.use change. New York: Arnold Press.
Mas, J., & Sandoval, A. (2011). Modelación de los cambios de coberturas/uso del suelo en una
region tropical de Mexico. Geotrópico.
McCabe, M., Rodell, M., Alsdorf, D., Miralles, D., Uijlenhoet, R., Wagner, W., . . . Wood, E.
(2017). The future of Earth observation in hydrology. Hydrology and Earth Systems.
Melo, H., & Camacho, M. (2005). Interpretación visual de imágenes de sensores remotos y su
aplicación en levantamientos de cobertura y uso de la tierra. Instituto Geográfico Agustín
Codazzi.
Moriasi, D., Arnold, J., Van Liew, M., Binger, R., Harmel, R., & Veith, T. (2007). Model
evaluation guidelines for systematic quantification of accuracy in watershed simulations.
Neitsch, S., Arnold, J., Kiniry, J., Williams, J., & King, K. (2002). Soil and Water Assessment Tool
Theoretical Documentation version 2000. Texas, Estados Unidos: Texas Water Resources
Institute, College Station, Texas TWRI Report.
90
Neitsch, S., Arnold, J., Williams, J., & Kiniry, J. (2011). Soil and Water Assessment Tool
Theoretical Documentation version 2009. Texas Water Resources Institute Technical
report.
Observatorio Departamental del Quindío. (10 de Octubre de 2020). Población por municipio y
según zona. Obtenido de https://observatorio.quindio.gov.co/
Ordoñez, J. (2011). Cartilla técnica: balance hídrico superficial. Lima Perú: Sociedad Geográfica
de Lima, Foro Peruano para el Agua.
Peraza, M., Ruiz, E., Meaurio, M., Sauvage, S., & Sánchez, J. (2018). Modelling the impact of
climate and land cover change on hydrology and water quality in a forest watershed in the
Basque Country. Ecological Engineering.
Postel, S., Daily, G., & Ehrlich, P. (1996). Human appropriation of renewable fresh water.
Science, Vol. 271, Nº 5250, p. 785-788.
Proaño, M., Gavilanes, C., Valenzuela, P., & Cisneros, C. (2006). Aplicacion del modelo SWAT
en la subcuenca del rio Ambato. Ecuador: Corporacion grupo Randi Randi.
Refsgaard, J., & Knudsen, J. (1996). Operational validation and intercomparison of different types
of hydrological models. Water Resources Research.
Rojas, R. (2009). Hidrologia aplicada al manejo de cuencas. Venezuela: Universidad de los andes,
Facultad de ciencias forestales y ambientales.
Sancho Comins, J., Bosque Sendra, J., & Moreno Sanz, F. (1993). La dinámica del paisaje:
aplicaciones de un SIG ráster al ejemplo de Arganda del Rey en las Vegas de Madrid.
Madrid, España.
91
Sauquet, E., Gottschalk, L., & Krasovskaia, I. (2008). Estimating mean monthly runoff at
ungauged locations:. Hydrology Research.
Schmugge, T., Kustas, W., Ritchie, J., Jackson, T., & Rango, A. (2002). Remote sensing in
hydrology. Advances in Water Resources.
Turner, B., Skole, D., Sanderson, G., Fisher, G., Fresco, L., & Leemans, R. (1995). Land-use and
land-cover change: science / reasearch plan. Estocolmo: International congress of
scientific unions and international science council.
UPRA. (04 de Abril de 2021). Zonificación de aptitud para plantaciones forestales en Colombia
a escala 1:100.000. Obtenido de https://sipra.upra.gov.co/
Uribe, N., Estrada, R. D., & Jarvis, A. (2009). Impacto del uso de la tierra en la generación de
caudales y sedimentos: el caso de las cuencas Tualua-Morales, Guabas, Sabaletas,
Amaime, Nima, Bolo, Fraile, Desbaratado y Palo. The Nature Conservacy e instituto
CIAT.
Van Wilgen, B., Cowling, R., & Burgers, C. (1996). Valuation of ecosystem services: A case study
from South African fynbos ecosystems.
Veloza Torres, J. P. (2017). Análisis multitemporal de las coberturas y usos del suelo de la reserva
forestal protectora-productora "Casablanca" en Madrid Cundinamarca entre los años
1961 y 2015, aportes para el ordenamiento territorial municipal. Bogotá: Instituto
Geográfico Agustín Codazzi.
92
Von Bertalanffy, L. (1968). General Systems Theory: Foundations Development Applications.
New York: Brasillien.
Wang, S., Zheng, X., & Zang, X. (2012). Accuracy assessments of land use change simulation
based on Markov-Cellular Automata model. Procedia Environment.
93
Anexos
Tabla 19. Datos climáticos mensuales con sus respectivos parámetros para las estaciones utilizadas,
elaboración propia (2021)
Estación: Salento
ene feb mar abr may jun jul ago sep oct nov dic
TEMP_MX 19.9 20.2 20.2 20.1 20 20.2 20.2 20.6 20.4 19.6 19.2 19.6
TEMP_MN 12.2 12.4 12.5 13 13.1 13 12.8 12.6 12.4 12.5 12.5 12.3
TMPSTDMX 1.15 1.72 2.01 1.39 1.2 1.73 1.64 1.1 2.4 0.98 1.81 1.75
TMPSTDMN 1.15 1.72 2.01 1.39 1.2 1.73 1.64 1.1 2.4 0.98 1.81 1.75
PCPMM 4.05 2.58 3.42 6.04 2.97 0.82 0.63 1.16 5.82 3.36 1.42 5.84
PCPSTD 4.9 3.96 4.69 5.53 3.86 0.97 1.6 3.19 5.15 4.7 1.69 5.52
PCPSKW 0.02 0.03 0.02 0.01 0.04 0.53 0.18 0.05 0.01 0.02 0.35 0.01
PR_W1 0.36 0.5 0.44 1 0.36 0.13 0.17 0.14 0.67 0.42 0.29 1
PR_W2 0.75 0.76 0.77 0.74 0.59 0.57 0.5 0.6 0.89 0.79 0.69 0.93
PCPD 20 21 22 27 17 7 8 10 27 19 16 30
RAINHHM 14.93 8.36 13.36 12.64 8.36 2.5 4.43 8.36 12 12.64 3 15.07
SOLARRAV 13.32 12.65 12.65 11.14 11.14 12.65 13.32 12.65 12.65 11.14 11.14 13.32
DEWPT 13.2 12.54 13.2 13.8 13.2 13.2 13.1 12.45 13.2 13.8 13.5 13.2
WNDAV 0.98 1.03 1.12 1.25 1.34 1.56 1.65 1.61 1.34 1.21 1.03 0.98
94
Estación: PNN Quimbaya
ene feb mar abr may jun jul ago sep oct nov dic
TEMP_MX 21 21.7 21.9 20.8 20.2 21.6 21.1 21.9 21.7 20.5 20.5 20.7
TEMP_MN 13.3 13.4 13.6 14 14.1 13.6 13.3 13.1 13.2 13.7 13.8 13.5
TMPSTDMX 0.52 0.75 0.79 1.24 1.39 1.04 1.25 0.9 0.93 0.81 0.84 0.83
TMPSTDMN 1.1 0.09 0.95 0.1 1.2 1.08 1 1.25 1.29 1.2 0.89 0.91
PCPMM 3.7 5.11 6.24 6.03 3.82 1.17 0.67 1.25 4.92 8.18 8.6 7.71
PCPSTD 8 6.82 8.83 9.3 1.79 0.17 0.42 0.25 3.87 9.29 4.6 10.89
PCPSKW 0 0.01 0 0.01 0.1 20.63 2.04 10.3 0.04 0.01 0.02 0.01
PR_W1 0.36 0.5 0.44 1 0.29 0.21 0.33 0.2 0.17 1 0.29 1
PR_W2 0.75 0.71 0.77 0.85 0.57 0.64 0.54 0.64 0.83 0.79 0.69 0.93
PCPD 20 21 22 27 14 11 13 11 18 28 16 30
RAINHHM 26.36 16.93 24.07 22.71 7.14 0.43 1.64 0.57 13.5 22.71 15.5 37.21
SOLARRAV 15.48 14.71 14.71 12.94 12.94 14.71 15.48 14.71 14.71 12.94 12.94 15.48
DEWPT 14.01 13.31 12.65 11.13 12.74 13.82 13.62 12.94 12.64 11.13 12.64 13.33
WNDAV 0.94 0.89 0.89 0.98 1.03 1.16 1.34 1.3 1.12 1.07 0.94 0.89
Estación: Calarcá
ene feb mar abr may jun jul ago sep oct nov dic
TEMP_MX 17.54 18.28 18.1 18.25 18.22 17.89 18.13 18.27 18.13 17.1 17.1 17.57
95
TEMP_MN 12 12.04 11.98 12.5 12.58 12.5 12.32 12.06 11.89 12.14 12.23 12.06
TMPSTDMX 2.25 1.72 2.39 1.39 1.8 1.73 1.64 1.86 2.4 1.4 1.81 1.73
TMPSTDMN 1.37 0.74 0.92 0.62 0.91 1.08 1 1.26 0.9 1.06 2.76 0.8
PCPMM 3.32 1.69 3.06 0.92 2.42 0.96 0.38 0.83 2.16 2.26 5.69 4.59
PCPSTD 18.24 6.86 8.17 0.58 0.06 0.12 0.04 0.03 0.06 1.78 0.26 16.49
PCPSKW 0.01 0.01 0.01 1.95 174.22 20.7 171.85 393.79 67.98 0.12 7.23 0.01
PR_W1 0.18 0.11 0.5 2 0.36 0.04 0.03 0.07 0.04 0.09 0.12 0.45
PR_W2 0.71 0.8 0.47 0.04 0.22 0.33 0.5 0.33 0.5 0.78 0.4 0.7
PCPD 14 10 17 26 9 3 2 3 2 9 5 20
RAINHHM 49.86 19.5 23.43 2.21 0.14 0.43 0.14 0.07 0.21 5.79 0.57 45.57
SOLARRAV 14.04 13.34 13.34 11.74 11.74 13.34 14.04 13.34 13.34 11.74 11.74 14.04
DEWPT 13.16 12.5 11.87 10.45 11.96 12.97 12.79 12.15 11.87 10.45 11.87 12.51
WNDAV 1.22 1.22 1.27 1.36 1.5 1.74 1.92 1.78 1.55 1.36 1.31 1.17
Estación: La Camelia
ene feb mar abr may jun jul ago. sep oct nov dic
TEMP_MX 29.77 29.56 28.53 28.74 28.02 28.84 29.25 31.62 28.43 28.74 28.22 29.25
TEMP_MN 17.72 19.16 18.54 18.75 18.85 18.44 18.13 16.79 -102 14.11 18.33 18.44
TMPSTDMX 2.32 1.77 2.46 1.43 1.85 1.78 1.69 1.92 2.47 1.44 1.86 1.78
TMPSTDMN 1.41 0.76 0.95 0.64 0.94 1.11 1.03 1.3 0.93 1.09 2.84 0.82
PCPMM 1.85 2.37 0.95 5.09 5.45 4.15 2.68 4.55 2.38 1.99 6.14 3.45
96
PCPSTD 8.53 5.8 0.77 8.66 5.37 19.62 9.35 16.44 10.01 6.62 15.05 10.46
PCPSKW 0 0.01 0.77 0 0.02 0.01 0.02 0.01 0.01 0.01 0.01 0
PR_W1 0.07 0.18 0.12 0.1 0.42 0.92 0.52 0.52 0.47 0.62 0.45 0.77
PR_W2 0.91 0.75 0.34 0.93 0.44 0.64 0.96 0.8 0.61 0.64 0.83 0.72
PCPD 16.48 11.33 6.18 20.6 14.42 21.63 29.87 23.69 17.51 21.63 21.63 23.69
RAINHHM 23.27 12.75 2.2 25.3 13.47 52.14 36.1 41.77 27.54 17.37 38.12 29.42
SOLARRAV 16.32 15.5 15.5 13.64 13.64 15.5 16.32 15.5 15.5 13.64 13.64 16.32
DEWPT 14.73 14 13.3 11.7 13.39 14.52 14.32 13.61 13.29 11.7 13.29 14.01
WNDAV 1.19 1.19 1.25 1.34 1.47 1.7 1.88 1.75 1.52 1.34 1.29 1.15
Estación: El Silencio
ene feb mar abr may jun jul ago sep oct nov dic
TEMP_MX 17.01 17.73 17.56 17.7 17.67 17.35 17.59 17.72 17.59 16.59 16.59 17.04
TEMP_MN 11.64 11.68 11.62 12.13 12.2 12.13 11.95 11.7 11.53 11.78 11.86 11.7
TMPSTDMX 2.18 1.67 2.32 1.35 1.75 1.68 1.59 1.8 2.33 1.36 1.76 1.68
TMPSTDMN 1.33 0.72 0.89 0.6 0.88 1.05 0.97 1.22 0.87 1.03 2.68 0.78
PCPMM 3.22 1.64 2.97 0.89 2.35 0.93 0.37 0.81 2.1 2.19 5.52 4.45
PCPSTD 17.69 6.65 7.92 0.56 0.06 0.12 0.04 0.03 0.06 1.73 0.25 16
PCPSKW 0.01 0.01 0.01 1.89 2.25 15.27 12.32 11.81 5.05 0.12 7.01 0.01
PR_W1 0.17 0.11 0.49 1.94 0.35 0.04 0.03 0.07 0.04 0.09 0.12 0.44
PR_W2 0.69 0.78 0.46 0.04 0.21 0.32 0.49 0.32 0.49 0.76 0.39 0.68
PCPD 13.58 9.7 16.49 25.22 8.73 2.91 1.94 2.91 1.94 8.73 4.85 19.4
RAINHHM 48.36 18.92 22.73 2.14 0.14 0.42 0.14 0.07 0.2 5.62 0.55 44.2
SOLARRAV 13.62 12.94 12.94 11.39 11.39 12.94 13.62 12.94 12.94 11.39 11.39 13.62
DEWPT 12.77 12.13 11.51 10.14 11.6 12.58 12.41 11.79 11.51 10.14 11.51 12.13
WNDAV 1.28 1.28 1.33 1.43 1.58 1.83 2.02 1.87 1.63 1.43 1.38 1.23
97